U proces proizvodnje ulaze pripremci (sirovci) te potrebe i zahtjevi tržišta.

Iz proizvodnje
izlazi gotov proizvod. Na proizvodnju utiču ljudi, novac, strojevi i automatizacija. Također
utiču i socijalni pritisci, zakonske regulative i norme, planovi i politika firme…

Temeljna svrha modeliranja je definiranje modela i drugih prikaza koji su neophodni za

optimizaciju, simulaciju, revitalizaciju i upravljanje procesima i sustavima. Krajnji cilj
modeliranja i optimizacije je jeftinija, kvalitetnija i profitabilnija proizvodnja.

Identifikacija i izbor parametara koji će biti obuhvaćeni pri modeliranju ovisi o vrsti procesa,
cilju modeliranja, eksperimentu, intuiciji istraživača, posjedovanju odgovarajuće opreme, itd.

Identifikacija parametra procesa i sustava se izvodi analizom procesa na temelju poznatih

teorijskih podataka o konkretnom procesu ili sličnom procesu kada je konkretni proces
nedovoljno poznat.

Ulazni parametri su: obradak, alat, stroj i tribologija.

Karakteristike procesa su vrsta procesa i uvjeti procesa obrade (brzina, posmak, dubina,
trenje, temperatura, deformacija... ).

Izlazni parametri: dinamika procesa, otpornost trošenju, geometrija obrađene površine,

točnost oblika, kvaliteta obrađene površine, otpadak materijala, vrijeme obrade, troškovi.

Osnovni su koraci matematičkog opisivanja procesa obrade su:

 definiranje ulaznih tehnoloških parametara,

 podjela ulaznih tehnoloških parametara na obuhvaćene i neobuhvaćene,

 podjela obuhvaćenih tehnoloških parametara na promjenljive i konstante u okviru

promatranog modela,

 definiranje jednadžbe veze ulazno -izlaznih parametara procesa,

 izbor i primjena konkretnih analitičkih i fizikalnih zakona koji određuju jednadžbu

veze,

 rješenje sustava jednadžbi veze,

 ispitivanje i provjera točnosti i pouzdanosti modela.

Optimizacija je postupak definiranja najpovoljnijih rješenja za date početne uvjete, iz skupa
mogućih rješenja. Nema ograničenja kada je u pitanju izbor objekta optimizacije.

Simpleks metoda sistematiziranim koracima ide od jednog do drugog bazičnog dopustivog

rješenja, kako bi se u konačnom koraku došlo do optimalnog rješenja. Ovo se izvodi tako da
se vrijednost funkcije F(x) u svakom koraku približava ekstremnoj optimalnoj vrijednosti.
Broj bazično dopustivih rješenja koja moraju biti ispitana je obično mnogo manji nego
ukupan broj bazično dopustivih rješenja.
2. IZBOR TIPA MODELA

Do modela se može doći na razne načine, a osnovno je pitanje koliko koji model adekvatno
opisuje stanje procesa obrade. Eksperimentalni modeli najtočnije opisuju realne procese koji
važe samo za područje variranih ulaznih faktora. Osnovni tipovi matematičkih modela su
deterministički i stohastički. Za determinističke sisteme ili procese, matematički modeli su
definirani linearnim diferencijalnim jednadžbama. Uvijek se traže modeli koji najbolje
opisuju realni proces ili sistem. Što se tiče matematičkog modela, za svaki istraživani proces
ili sistem treba izabrati model i izvršiti provjeru u odnosu na realni proces.

Osnovni tipovi matematičkih modela su deterministički i stohastički. Deterministički mogu

biti stacionarni i nestacionarni, a stacionarni mogu biti linearni i nelinearni. Matematičko
opisivanje procesa obrade može se izvesti analitičko – matematičkim modelima, koji običnim
ili diferencijalnim jednadžbama definiraju fizikalno stanje procesa obrade, te
eksperimentalnim matematičkim modelima i kombiniranim matematičkim modelima.

3. OSNOVE IZBORA REGRESIJSKOG MODELA

Regresijska analiza je određivanje funkcionalne veze između jedne zavisno promjenjive y i

jedne ili više nezavisno promjenjivih veličina x . Ova se veza definira pomoću jednadžbe
y=f ( x i ) koja se zove funkcijom regresije. Eksperimentalni podaci n parova predstave se u
ravnini i traži se točka koja je najbliža svakoj točki na dijagramu rasipanja. Funkcija krivulje
može biti zadana u obliku prave linije, parabole drugog ili trećeg reda, hiperbole, stupnjeve
funkcije, logaritamske, itd.

Pomoću polinoma četvrtog reda mogu se dobiti vrijednosti funkcije y=φ ( x ) , koje su dovoljno
bliske eksperimentalnim vrijednostima, ali samo na segmentu x 0 ≤ x ≤ x 1, a izvan tog segmenta
se ne mogu pouzdano odrediti vrijednosti funkcije. Mora se naglasiti da bliskost teorijske
krivulje y=φ ( x ) s empirijskom krivuljom ne znači istovremeno i bliskost s traženom
funkcijom regresije. Prema tome, ima slučajeva kada se povećanjem stupnja polinoma postiže
udaljavanje od linije regresije.
Ovi problemi se mogu riješiti:

Eksperimentalnom metodom koja u izboru tipa linije polazi od eksperimentalnih podataka.

Tip analitičke funkcije regresije može se približno odrediti na temelju dijagrama rasipanja
eksperimentalnih podataka. Iz dovoljno velikog broja eksperimentalnih podataka može se
dovoljno točno uočiti oblik linije regresije.

Teorijska metoda polazi od toga da eksperimentalni podaci nisu apstraktne matematičke

veličine, već da se njima izražavaju određeni konkretni fizikalni procesi ili pojave. Zato je
korisno služiti se podacima ranijih istraživanja određenog procesa ili pojave. Pri tome je
moguće primijeniti: pokuse prethodnih istraživanja, eksperiment kada se radi o potpuno
novim istraživanjima i logičku analizu.

4. MODELIRANJE PROCESA MATEMATIČKIM MODELIMA VIŠEG REDA

Model višeg reda koristi se kada je poznato da se istraživani problem neće moći predstaviti
linearnom funkcijom y= y ( x) ili kada dobiveni linearni model ne zadovoljava provjeru
adekvatnosti, odnosno kada se traži veća točnost matematičkog modela istraživanog procesa.

4.1. Modeliranje pomoću centralnog kompozicijskog plana

Osnovna je osobina ovog plana što faktori imaju samo dva nivoa, tako da se lako nastavljaju
na linearni model. Ukupan je broj potrebnih pokusa N=2k + 2 k +n0. Za praktičnu primjenu
kompozicijskih planova potrebno je uvesti značenje simetričnih točaka α i broj nultih točaka
n 0. Izbor α i n 0 ovisi od izabranih kriterija optimalnosti. Pri postavljanju planova drugog reda
za složene višefaktorne procese neophodno je težiti očuvanju kvalitete osnovnih kriterija
optimalnosti i ortogonalnosti.

5. VARIJACIJSKA METODA

Danas se varijacijski principi uspješno koriste u rješavanju mnogih matematičkih problema za

iznalaženje točnih, približnih ili optimalnih rješenja. Varijacijska metoda ima široku
inženjersku primjenu s obzirom na mogućnost dobivanja točnih i približnih rješenja gotovo
kod svih problema inženjerske prakse.
5.1. Elementi varijacijske metode

Sve promjenljive veličine mogu biti nezavisno promjenljive i zavisno promjenljive. Zavisno
promjenljive veličine mogu biti funkcije i funkcionali. Funkcija je zavisno promjenljiva
veličina čija je promjena uvjetovana promjenom jedne ili više nezavisno promjenljivih
veličina. Funkcional je zavisno promjenljiva veličina čija je promjena uvjetovana promjenom
jedne ili više funkcija s jednom ili više nezavisno promjenljivih veličina. Između funkcije i
funkcionala, kao promjenjivih veličina, postoji analogija, ali se oni ipak u osnovi razlikuju.
Dakle funkcional je funkcija funkcije.

Varijacioni problem može biti formuliran u traženju funkcionala koji će imati najveću ili
najmanju vrijednost rastojanja između točaka A i B.

5.2. Varijacija funkcije i njene osobine

Varijacija funkcije je osnovna operacija varijacijskog računa. Varijaciju funkcije treba shvatiti
kao infinitezimalnu promjenu funkcije i njenih izvoda, bez promjene nezavisno promjenjive x
. To znači da je x fiksirano, a da se mijenja sama funkcija, npr od krivulje 1 do krivulje 2.
Operator varijacije δ ne mijenja nezavisno promjenjivu x . Proces variranja razlikuje se od
procesa običnog diferenciranja.
6.PRORAČUN

Treba modelirati silu istosmjernog istiskivanja metala. Sila istiskivanja se može odrediti
eksperimentalno uz upotrebu odgovarajuće mjerne opreme ili analitički. Nacrtana je shema
istiskivanja, pripremak i izradak. Sila istiskivanja nam ovisi o kutu istiskivanja, deformaciji i
koeficijentu kontaktnog trenja. Nacrtali smo shemu modeliranja sile istosmjernog istiskivanja
iz koje vidimo da su ulazni parametri koeficijenti kontaktnog trenja i deformacija, a izlazna je
upravo ta sila.

Na sam proces istiskivanja u hladnom stanju utiču osobine materijala, geometrija pripremka,
kontaktna površina pripremka, kut istiskivanja, temperatura i dužina kalibrirajućeg otvora.
Koeficijenti kontaktnog trenja μ variraju promjenom sredstva za podmazivanje, a deformacije
φ promjenom izlaznog promjera alata. Matrica kodiranih varijabli (X 1 ≡ φ , X 2=μ) i
eksperimentalnih rezultata prikazana je u tablici za plan eksperimenata od 13 pokusa. U
tablici su također prikazani i rezultati mjerenja.

Za modeliranje sile procesa istiskivanja usvaja se opći model drugog reda. Izračunati su
koeficijenti ovog modela. Dobili smo kodirani matematički oblik- Adekvatnost modela je
ispitana prema F – kriteriju. Adekvatnost modela se provjerava usporedbom eksperimentalno
dobivenih vrijednosti i vrijednosti izračunatih iz modela.

Izračunati rezultati prema dobivenom matematičkom modelu pokazuju dobru podudarnost na

eksperimentalne rezultate. Izvedeno je dekodiranje matermatičkog modela, gdje su varijable
X 1 i X 2 unesene u izraz za signifikantni matematički model.