Zastosowanie analizy wrażliwości w układzie technologicznym procesów przeróbki węgla

• Autorzy: Kaula R. , Pielot J.

Warianty tytułu

EN

Sensitivity analysis application in coal preparation technological system

• Języki publikacji: PL

Abstrakty

PL

W artykule, który jest drugim z cyklu trzech artykułów, przedstawiono podstawowe pojęcia teorii wrażliwości. Omówiono metodę analizy wrażliwości całkowitej zastosowaną w opracowanym algorytmie optymalnego sterowania układów technologicznych przeróbki węgla. Dla układu technologicznego rozpatrywanego w artykule (Kaula & Pielot, 2005) przeprowadzono wstępną analizę wrażliwości i analizę wraż1iwości wokół optymalnego punktu pracy układu. Przedstawiono zalety stosowania analizy wrażliwości, a także związek pomiędzy wynikami otrzymanymi w analizie wrażliwości i badaniach optymalizacyjnych.

EN

Control of coal preparation processes is a complex task. In the technological system there exist a lot of quantities having an influence on control objective function of the whole system. Design of the control system at taking into consideration many of controllablle variabies is not easy task even at the present progress of computation technique. One of the important reasons of this situation is difficulty in analytical description on input-output variabies of control system. One approach to the solution of this problem is to select the most significant controllable variabies. Number of controllable variables is proposed to limit by using sensitivity analysis. The sensitivity analysis makes possible evaluation of influence of each input variable on control system output. This way it is possible to determine which of the input variables have the most important influence on system output. It is interesting to note that the sensitivity analysis may be used for systems with or without analytical description of input-output dependency. The application of such analysis makes possible to determine the structure of operating variables for complex technological system. This analysis, as well, takes into consideration interaction influence of controllable variables on an objective function. From this analysis we have useful information for the design of optimization algorithm. In the present paper, the second from cycle, basic notations of the sensitivity analysis have been presented. Atotal sensitivity analysis method, basing on global regression model, has been presented. This method has been used in the elaborated algorithm for the determination optimum structure of operating variables in the control of coal preparation technological system. For the technological system presented in the first paper (Kaula & Pielot, 2005) a preliminary and surround optimum set point sensitivity analysis were carried out. Advantages of sensitivity analysis application have been presented. The relationships between sensitivity analysis and optimization calculation results have been discussed.

Słowa kluczowe

PL

analiza wrażliwości; sterowanie procesem technologicznym; układ technologiczny przeróbki węgla; optymalizacja procesu

EN

sensitivity analysis; control of technological process; coal preparation technological system

• Wydawca: Instytut Mechaniki Górotworu PAN
• Czasopismo: Archives of Mining Sciences
• Rocznik: 2005
• Tom: Vol. 50, no 2
• Strony: 209--225
• Opis fizyczny: Bibliogr. 47 poz., wykr.

Twórcy

autor

Kaula R.

• Wydział Górnictwa i Geologii, Politechnika Śląska, ul. Akademicka 2, 44-101 Gliwice, Poland

autor

Pielot J.

• Wydział Górnictwa i Geologii, Politechnika Śląska, ul. Akademicka 2, 44-101 Gliwice, Poland

Bibliografia

• [1] Archer, G., Saltelli, A., Sobol, I.M., 1997. Sensitivity measures, ANOVA – like techniques and the use of bootstrap. Journal of Statistical Computations and Simulations, 58, s. 99-120.
• [2] Bernstein, I.H., Garbin, C.P., Teng, G.K., 1988. Applied Multivariate Analysis. Springer-Verlag: New York.
• [3] Bischof, C.H., Carle, A., Khademi, P., Mauer, A., 1996. ADIFOR 2.0: Automatic Differentiation of Fortran 77 Programs. IEEE Computational Science & Engineering, 3(1), s. 18-32.
• [4] Brandt, S., 2002. Analiza danych. Metody statystyczne i obliczeniowe. Wydawnictwo Naukowe PWN, Warszawa.
• [5] Bubnicki, Z., 2002. Teoria i algorytmy sterowania. Wydawnictwo Naukowe PWN, Warszawa.
• [6] Cukier, R.I., Fortuin, C.M., Shuler, K.E., Petschek, A.G., Schailby, J.H., 1973. Study of the Sensitivity of the Coupled Reaction Systems to Uncertainties in Rate Coefficients: I. Theory. Journal of Chemical Physics, 59(8), s. 3873-3878.
• [7] Cukier, R.I., Levine, H.B., Shuler, K.E., 1978. Nonlinear Sensitivity Analysis of Multiparameter Model Systems. Journal of Computational Physical, 26(1), s. 1-42.
• [8] Cukier, R.I., Schailby, J.H., Shuler , K.E., 1975. Study of the Sensitivity of Coupled Reaction Systems to Uncertainties in Rate Coeffi cients: III. Analysis of Approximations. Journal of Chemical Physical, 63(3), s. 1140-1149. 60.
• [9] Cullen, A.C., Frey, H.C., 1999. Probabilistic Techniques in Exposure Assessment. Plenum Press: New York.
• [10] Dillon, C.R., 1993. Advanced Break-Even Analysis of Agricultural Enterprise Budgets. Agricultural Economics, 9(2), s. 127-143.
• [11] Duda, J.T., 2003. Modele matematyczne, struktury i algorytmy nadrzędnego sterowania komputerowego. Uczelniane Wydawnictwa Naukowo-Dydaktyczne Akademii Górniczo-Hutniczej w Krakowie, Kraków.
• [12] Helton, J.C., 1993. Uncertainty and sensitivity analysis techniques for use in performance assessment for radioactive waste disposal. Reliability Engineering and System Safety, 42, s. 327-367.
• [13] Homma , T., Saltelli, A., 1996. Importance measures in global sensitivity analysis of model output. Reliability Engineering and System Safety, 52, s. 1-17.
• [14] Kalinowski, K., Kaula, R., 1998. Tworzenie struktury sterowania układów technologicznych procesów przeróbki kopalin poprzez badania wrażliwości zmiennych sterujących. Zeszyty Naukowe Politechniki Śląskiej, s. Górnictwo z. 238, Gliwice.
• [15] Kalinowski, K., Kaula, R., 2003. Anwendung der Empfi ndlichkeitsanalyse bei der Festlegung von Steuerungsstrukturen technologischer Systeme. Glückauf Forschungshefte, nr 1, s. 4-10.
• [16] Kaula, R., 2000. Zastosowanie analizy wrażliwości w zagadnieniach tworzenia struktur sterowania układu technologicznego na przykładzie układu technologicznego wzbogacania węgla. Mechanizacja i Automatyzacja Górnictwa, nr 6 (354), Katowice, s. 27-32.
• [17] Kaula, R., 2003. Analiza wrażliwości przykładowego układu technologicznego przeróbki węgla w warunkach niepełnej informacji. Materiały IX Konferencji Automatyzacji Procesów Przeróbki Kopalin, Szczyrk 4-6 czerwca 2003, s. 93-106.
• [18] Kaula, R., Pielot, J., 2000. Zastosowanie analizy wrażliwości do optymalnego sterowania procesów przeróbki węgla. Międzynarodowa Konferencja: „Górnictwo zrównoważonego rozwoju“, Konferencja III: „Energooszczędne i niezawodne maszyny górnicze“, Gliwice, Zeszyty Naukowe Politechniki Śląskiej, seria Górnictwo, z. 246, s. 303-314.
• [19] Kaula, R., Pielot, J., 2001. Wykorzystanie analizy wrażliwości do optymalnego sterowania procesów przeróbki węgla. Materiały VII Konferencji Automatyzacji Procesów Przeróbki Kopalin, Kudowa Zdrój 3-6 czerwca 2001, s. 117-126.
• [20] Kaula, R., Pielot, J., 2003. Metoda wyznaczania optymalnej struktury sterowań układów technologicznych przeróbki węgla. Monografia nr 47, Wydawnictwo Politechniki Śląskiej, Gliwice.
• [21] Kaula, R., Pielot, J., 2005. Zagadnienia sterowania produkcją w układzie technologicznym procesów przeróbki węgla. Archives of Mining Sciences, t. 50, z. 1, s. 69-100.
• [22] Kedem, G., 1980. Automatic Differentiation of Computer Programs. ACM Transactions on Mathematical Software, 6(2), s.150-165.
• [23] Kleijnen, J.P.C., 1979. Regression metamodels for generalizing simulation results. IEEE Transactions on Systems, Man, and Cybernetics. SMC-9, no. 2, s. 93-96.
• [24] Kleijnen, J.P.C., 1987. Statistical Tools for Simulation Practitioners. Marcel Dekker, Inc., New York.
• [25] Kleijnen, J.P.C., 1993. Simulation and optimization in production planning: a case study. Decision Support Systems, 9, s. 269-280.
• [26] Kleijnen, J.P.C., 1995a. Verification and Validation of Simulation-Models. European Journal of Operational Research, 82(1), s. 145-162.
• [27] Kleijnen, J.P.C., 1995b. Sensitivity Analysis and Related Analyses: a Survey of Statistical Techniques. International Symposium Theory and applications of Sensitivity analysis of Model Output in computer simulation. Belgirate, Italy, IX 1995.
• [28] Kleijnen, J.P.C., Sargent, R.G., 2000. A Methodology for Fitting and Validating Metamodels in Simulation, European Journal Of Operational Research, 120(1), s. 14-29.
• [29] Kottas, J.F., Lau, H.S., 1978. Stochastic Break-Even Analysis. Journal of the Operational Research Society, 29(3), s. 251-257.
• [30] Kubale, M., 2002. Łagodne wprowadzenie do analizy algorytmów. Wydawnictwo Politechniki Gdańskiej, Gdańsk.
• [31] Laurila, M.J., 1994. Automatyczna kontrola pracy zakładów przeróbczych przy zastosowaniu ciągłej analizy procesowej i systemów sterowania. Materiały XII Międzynarodowego Kongresu Przeróbki Węgla (ICPC), Kraków, 23-27 maja 1994, t. 4, s. 87-96.
• [32] Libura, M., 1993. Analiza wrażliwości rozwiązań zadań optymalizacji dyskretnej. Polska Akademia Nauk, Instytut Badań Systemowych, Warszawa.
• [33] McKay, M.D., 1992. Latin hypercube sampling as a tool in uncertainty analysis of computer models. Winter Simulation Conference Proceedings, Association for Computing Machinery, New York.
• [34] Niederlinski, A., 1984. Systemy komputerowe automatyki przemysłowej t.1. Sprzęt i oprogramowanie. Wydawnictwa Naukowo-Techniczne, Warszawa.
• [35] Praca zb. (Red.: Korbicz, J., Koscielny, J. M., Kowalczuk, Z., Cholewa, W.), 2002. Diagnostyka procesów. Modele, metody sztucznej inteligencji, Zastosowania. Wydawnictwa Naukowo-Techniczne, Warszawa.
• [36] Saltelli, A., 1999. Sensitivity analysis. Could better methods be used? Journal of Geophysical Research, 104 (D3), s. 3789-3793.
• [37] Saltelli, A., Andres, T.H., Homma, T., 1993. Sensitivity analysis of model output: an investigation of new techniques. Computational Statistics and Data Analysis, 15, s. 211-238.
• [38] Saltelli, A., Bolado, R., 1998. An Alternative Way to Compute Fourier Amplitude Sensitivity Test (FAST). Computational Statistics and Data Analysis, 26(4) s. 445-460.
• [39] Saltelli, A., Chan, A.K., Eds Scott, M., 2000. Sensitivity Analysis. John Wiley Sons publishers, New York.
• [40] Saltelli, A., Homma, T., 1992. Sensitivity analysis for model output: performance of black box techniques on three international benchmark exercises. Computational Statistics and Data Analysis, 13, s. 73-94.
• [41] Saltelli, A., Sobol, I.M., 1995. About the use of rank transformation in sensitivity analysis of model output. Reliability Engineering and System Safety, 50, s. 225-239.
• [42] Saltelli, A., Tarantola, S., Campolongo, F., Raffo, M., 2004. Sensitivity Analysis in Practice. John Wiley & Sons.
• [43] Saltelli, A., Tarantola, S., Chan, K., 1999. A quantitative, model independent method for global sensitivity analysis of model output. Technometrics, 41 (1), s. 39-56.
• [44] Sobol, I.M., 1993. Sensitivity estimates for nonlinear mathematical models. Mathematical Modeling and Computation, 1(4), s. 407-414.
• [45] Sztaba, K., 1990. Uwagi o metodyce modelowania procesów i budowy algorytmów sterowania w przeróbce surowców mineralnych. Materiały XIX Sympozjum PCAMC: „Kontrola procesów i automatyzacja w zakładach przeróbki surowców mineralnych”, Ustroń, 10-12 maja 1990, s. 3-13.
• [46] Sztaba, K., Tora, B., 1994. Automatyzacja i sterowanie procesami w zakładach przeróbczych. Mechanizacja i Automatyzacja Górnictwa, nr 10 (292), s. 50-53.
• [47] Sztaba, K., Tora, B., 1995. Problemy modelowania procesów przeróbki surowców w aspekcie sterowania złożonymi układami technologicznymi. Materiały XII Międzynarodowej Konferencji Automatyzacji Górnictwa (ICAMC), Gliwice, 13-15 września 1995, s. 311-326.