NOŢIUNI FUNDAMENTALE PRIVIND MODELAREA ŞI OPTIMIZAREA

PROCESELOR METALURGICE

În etapa actuală a dezvoltării ştiinţifice şi tehnice, ştiinţa a devenit o forţă nemijlocită de producţie,
constituind factorul primordial al progresului contemporan. În industria metalurgicã din ţara noastrã
are loc un amplu proces de introducere în producţie a tehnologiilor şi utilajelor moderne, în
realizarea cãruia cercetarea ştiinţificã are un rol deosebit.
Cercetarea ştiinţifică este organizată în strânsã concordanţã cu cerinţele producţiei materiale.
Ştiinţa, prin dezvoltarea corespunzãtoare a cercetãrilor aplicative şi a celor fundamentale, de
perspectivã, ajutã la producerea de noi utilaje tehnologice şi instalaţii cu performanţe superioare,
precum şi la perfecţionarea tehnologiilor existente şi la descoperirea altora noi, în vederea reducerii
consumurilor specifice de materiale şi energie, a creşterii productivitãţii muncii, simplificãrii
proceselor de producţie şi reducerii cheltuielilor de producţie.
În tehnicã, în general, o deosebitã pondere în cercetarea ştiinţificã o au cercetãrile experimentale, care
constituie pe de o parte un criteriu de bazã pentru verificarea adevãrului asupra ipotezelor teoriilor
ştiinţifice, iar pe de altã parte o sursã bogatã de depistare a unor noi cunoştinþe, de naturã cantitativã şi
calitativã, a unor legi care stau la baza proceselor tehnice.
Activitatea inginereascã constituie actualmente un tot unitar în care sunt organic integrate activitãţile
de producţie, proiectare şi cercetare. De aceea, însuşirea cunoştinţelor necesare elaborãrii cercetãrilor
experimentale, constituie o problemã nu numai a unui grup restrâns de specialişti care activeazã
nemijlocit în cercetarea ştiinţificã, ci o preocupare comunã inginerilor tehnologi.
În cercetãrile ştiinţifice existã o unitate indisolubilã între studiile teoretice şi partea experimentalã a
acestora.
Studiile teoretice permit stabilirea interdependenţei dintre diferiţi parametri ai proceselor tehnice, a
legilor care stau la baza fenomenelor, utilizând aparatul matematic şi realizãrile ştiinþei în domeniile
fizicii, chimiei, tehnologiei etc.
Cercetãrile experimentale urmãresc, pe de o parte, verificarea adevãrului ipotezelor şi teoriilor care au
stat la baza studiilor referitoare la procesele cercetate. Pe de altã parte, cercetãrile experimentale permit
investigarea unor fenomene pentru care nu se pot obţine rezultate cu aplicabilitate practicã pe cale
teoreticã, datoritã complexitãţii acestora şi necunoaşterii în suficientã mãsurã a unor legi care
determinã evoluţia fenomenului cercetat.
Cercetãrile în domeniul metalurgiei şi al construcţiilor de maşini urmãresc perfecţionarea tehnologiilor
clasice şi introducerea de procedee tehnologice noi, în special a celor neconvenţionale, bazate pe
procese fizice, în scopul creşterii eficienţei economice şi a obţinerii de noi produse cu caracteristici
superioare, competitive pe plan mondial şi care sã înmagazineze un cât mai mare volum de gândire
tehnologicã, pentru a satisface exigenţele crescânde ale tehnicii şi, în special, ale tehnicilor de vârf:
aeronautica, energetica nuclearã, microelectronica. Tendinţele pe plan mondial au în vedere
îmbunãtãţirea proprietãţilor materialelor metalice, cercetãrile ştiinţifice fiind orientate în acest
domeniu în lumina noilor cuceriri ale fizicii moderne privind topiturile metalice şi oxidice, legãtura
reciprocã între starea lichidã şi cea solidã, precum şi asupra unor probleme privind teoria
imperfecţiunilor structurii cristaline.
Datoritã complexitãţii sistemului tehnologic şi proceselor care au loc, cercetarea experimentalã
constituie pentru moment, singura cale care permite obţinerea unor rezultate satisfãcãtoare necesare
utilizãrii şi perfecţionãrii continue a tehnologiilor şi echipamentelor tehnologice.
Toate cercetãrile experimentale conţin mãsurarea unor mãrimi mecanice sau de altã naturã, în regim
static sau dinamic, variabilele în timp sau în interdependenţã, folosind aparaturã şi mijloace de
mãsurare adecvatã, prelucrarea datelor obţinute şi, în final, stabilirea concluziilor pe baza cãrora se
poate trece la valorificarea rezultatelor. Pe baza acestor rezultate are loc perfecţionarea tehnologiilor şi
a utilajelor existente, realizarea de noi instalaţii şi utilaje cu performanţe superioare, descoperirea de
noi tehnologii, utilizarea raţionalã a materialelor, a energiei etc.
GENERALITĂŢI PRIVIND MODELAREA ŞI OPTIMIZAREA PROCESELOR

Ţinând cont de caracteristicile industriei metalurgice, şi anume:

- este mare consumatoare de materii prime şi energie;
- complexitatea foarte mare a proceselor tehnologice;
- capacităţile, în general, mari de producţie ale utilajelor şi ale intreprinderilor metalurgice,
apare ca evidentă necesitatea implementării unor metode de conducere, atât a proceselor tehnologice în
sine, cât şi a intreprinderilor metalurtgice, care să permită luarea celor mai bune decizii la un moment
dat.
Ca orice sistem tehnic, procesele metalurgice au anumite performanţe tehnice şi economice,
performanţe ce depind de parametrii, condiţiile şi modul de exploatare a sistemului. Deci, dintre
posibilităţile de alegere a acestor parametrii şi condiţii, existente la un moment dat, trebuie selectate
acelea care vor asigura cele mai bune performanţe tehnice şi economice ale procesului (alegerea
parametrilor opimi).
Prin optimizare se înţelege operaţia de studiere a unei probleme, în urma căreia se obţine un rezultat,
care, în comparaţie cu alte rezultate posibile în acel moment, este cel mai bun, cel mai indicat şi în
baza căruia se poate lua o decizie cu caracter tehnic şi/sau economic.
Trebiue subliniat faptul că prin optimizarea unui proces tehnologic nu se înţelege şi nu se obţine decât
rar soluţia cea mai bună, ci doar soluţia cea mai bună din totalul soluţiilor posibile în acel moment.
Aceasta se datorează faptului că modelul matematic care descrie acel proces nu este suficient de fidel,
putând fi perfecţionat continuu, din următoarele considerente:
- cunoştinţele teoretice şi experimentale asupra procesului tehnologic respectiv sunt insuficiente;
- marea complexitate a proceselor metalurgice
Din acest motiv, o soluţie care la un moment dat era optimă, odată cu perfecţionarea modelului care
descrie acel proces, poate fi inlocuită cu alta, care este mai bună.
Deci, deşi optimizarea nu este altceva decât expresia dorinţei dintotdeauna a omului spre mai bine şi,
deşi, cele mai multe dintre instrumentele matematice folosite în optimizare au fost create cu zeci şi
chiar sute de ani în urmă, dificilele şi voluminoasele calcule necesare rezolvării problemelor de
optimizare, au făcut ca doar în ultimii ani, odată cu dezvoltarea vertiginoasă a sistemelor automate de
calcul, optimizarea proceselor tehnologice să capete un rol determinant în industrie.
Optimizarea oricărui proces tehnologic are la bază un model matematic care trebuie să descrie cât mai
fidel respectivul proces.
Scopul final al optimizării unui proces tehnologic este conducerea acestuia de către un calculator de
proces, în acest sens modelul matematic fiind elementul principal în conducerea procesului. Rezultă
astfel imensa importanţă a obţinerii unui model matematic care să descrie cât mai fidel respectivul
proces, adică între model şi procesul pe care îl descrie trebuie să existe o concordanţă cât mai ridicată.
Etapele rezolvării problemelor de optimizare sunt:
- culegerea informaţiilor referitoare la procesul analizat;
- stabilirea modelului matematic care descrie acel proces;
- determinarea soluţiei optime şi aplicarea ei;
- conducerea respectivului proces cu un calculator.
1.2. CULEGEREA INFORMAŢIILOR (DATELOR)
Această etapă constă în culegerea (adunarea) datelor experimentale şi teoretice asupra proceslului
respectiv, fiind strâns legată de cea a întocmirii modelului matematic deoarece aceasta din
urmă indică datele care trebuie culese.
1.3. STABILIREA MODELULUI MATEMATIC (MODELAREA PROCESULUI)
1.3.1. Generalităţi privind modelarea proceselor tehnologice
Succesul în rezolvarea oricărei probleme de optimizare este puternic influenţat de o reprezentare
matematică corectă a sistemului de optimizat din punctul de vedere al dependenţei dintre criteriul de
optimizare (funcţia de performanţă) şi variabilele de optimizat.
Descompunerea unui sistem (proces) în subsisteme
În general, abordarea în ansamblu a unui proces cu complexitate ridicată este foarte dificilă. Din acest
motiv, descompunerea unei probleme de optimizare pentru sisteme cu structuri de complexitate
ridicată, cum sunt şi sistemele metalurgice, în probleme de optimizare a unor subsisteme ale sistemului
respectiv, prezintă, de regulă, avantaje importante pentru rezolvarea problemei optimizării. Problemele
de optimizare ale subsistemelor se rezolvă mai uşor datorită numărului mai redus de variabile care
intră în fiecare subsistem. În acst caz (al descompunerii în subsisteme), pe lângă optimizarea
funcţionării fiecărui subsistem se impune şi o acţiune de coordonare pe ansamblul a optimizării
respectivului sistem (proces). De exemplu, problema optimizării funcţionării unui furnal poate fi
descompusă în următoarele procese: optimizarea încărcăturii şi a încărcării, optimizarea alimentării cu
aer, optimizarea evacuărilor, etc.
Pentru generalizare, prin proces tehnologic de optimizat se va înţelege procesul în ansamblu,
subsisteme sau elemente ale acestuia.
Situaţii practice posibile în modelarea şi optimizarea proceselor
Din punct de vedere al reprezentării (modelării) unui proces în vederea optimizării sale distingem
următoarele situaţii limită:
a) sistemul de optimizat este riguros cunoscut, adică reprezentabil cantitativ atât din punctul de vedere
al dependenţei dintre criteriul de optimizat (funcţia obiectiv) şi variabilele independente ale procesului,
cât şi a restricţiilor pe care trebuie să le îndeplinească variabilele sistemului. În acest caz elaborarea
modelului matematic se face teoretic.
b) sistemul de optimizat este complex, insuficient cunoscut şi există în funcţiune, iar o reprezentare
(modelare) a acestuia este imposibilă sau foarte greu de realizat. În acest caz funcţia obiectiv şi
variabilele procesului se evaluează pe cale experimentală, în acord cu principiul din cibernetică
cunoscut sub numele de black-box (cutie neagră).
În baza acestui principiu se modifică controlat, în acord cu un plan experimental, variabilele sistemului
(X1, X2, ... Xn) şi se evaluează răspunsul sistemului (funcţiile obiectiv, Y1, Y2, .... Ym) pentru fiecare
stare impusă variabilelor. Această evaluare locală a răspunsului sistemului, adică a funcţiei obiectiv,
permite orientarea şi deplasarea cercetării răspunsului în direcţia optimului şi, în final, atingerea
acestuia.
În figura următoare se prezintă modul de cercetare a unui sistem în vederea optimizării sale, pe baza
principiului black-box.

Capitolul 1
NOŢIUNI FUNDAMENTALE PRIVIND MODELAREA ŞI OPTIMIZAREA
PROCESELOR METALURGICE

1.1. GENERALITĂŢI PRIVIND MODELAREA ŞI OPTIMIZAREA PROCESELOR

Ţinând cont de caracteristicile industriei metalurgice, şi anume:

este mare consumatoare de materii prime şi energie;
complexitatea foarte mare a proceselor tehnologice;
capacităţile, în general, mari de producţie ale utilajelor şi ale intreprinderilor metalurgice,
apare ca evidentă necesitatea implementării unor metode de conducere, atât a proceselor tehnologice în
sine, cât şi a intreprinderilor metalurtgice, care să permită luarea celor mai bune decizii la un moment
dat.
Ca orice sistem tehnic, procesele metalurgice au anumite performanţe tehnice şi economice,
performanţe ce depind de parametrii, condiţiile şi modul de exploatare a sistemului. Deci, dintre
posibilităţile de alegere a acestor parametrii şi condiţii, existente la un moment dat, trebuie selectate
acelea care vor asigura cele mai bune performanţe tehnice şi economice ale procesului (alegerea
parametrilor opimi).
Prin optimizare se înţelege operaţia de studiere a unei probleme, în urma căreia se obţine un
rezultat, care, în comparaţie cu alte rezultate posibile în acel moment, este cel mai bun, cel mai indicat
şi în baza căruia se poate lua o decizie cu caracter tehnic şi/sau economic.
Trebiue subliniat faptul că prin optimizarea unui proces tehnologic nu se înţelege şi nu se
obţine decât rar soluţia cea mai bună, ci doar soluţia cea mai bună din totalul soluţiilor posibile în acel
moment. Aceasta se datorează faptului că modelul matematic care descrie acel proces nu este suficient
de fidel, putând fi perfecţionat continuu, din următoarele considerente:
cunoştinţele teoretice şi experimentale asupra procesului tehnologic respectiv sunt
insuficiente;
marea complexitate a proceselor metalurgice
 Din acest motiv, o soluţie care la un moment dat era optimă, odată cu perfecţionarea modelului
care descrie acel proces, poate fi inlocuită cu alta, care este mai bună.
Deci, deşi optimizarea nu este altceva decât expresia dorinţei dintotdeauna a omului spre mai
bine şi, deşi, cele mai multe dintre instrumentele matematice folosite în optimizare au fost create cu
zeci şi chiar sute de ani în urmă, dificilele şi voluminoasele calcule necesare rezolvării problemelor de
optimizare, au făcut ca doar în ultimii ani, odată cu dezvoltarea vertiginoasă a sistemelor automate de
calcul, optimizarea proceselor tehnologice să capete un rol determinant în industrie.
Optimizarea oricărui proces tehnologic are la bază un model matematic care trebuie să
descrie cât mai fidel respectivul proces.
Scopul final al optimizării unui proces tehnologic este conducerea acestuia de către un
calculator de proces, în acest sens modelul matematic fiind elementul principal în conducerea
procesului. Rezultă astfel imensa importanţă a obţinerii unui model matematic care să descrie cât mai
fidel respectivul proces, adică între model şi procesul pe care îl descrie trebuie să existe o
concordanţă cât mai ridicată.
Etapele rezolvării problemelor de optimizare sunt:
culegerea informaţiilor referitoare la procesul analizat;
stabilirea modelului matematic care descrie acel proces;
determinarea soluţiei optime şi aplicarea ei;
conducerea respectivului proces cu un calculator.

1.2. CULEGEREA INFORMAŢIILOR (DATELOR)

Această etapă constă în culegerea (adunarea) datelor experimentale şi teoretice asupra
proceslului respectiv, fiind strâns legată de cea a întocmirii modelului matematic deoarece aceasta din
urmă indică datele care trebuie culese.

1.3. STABILIREA MODELULUI MATEMATIC (MODELAREA PROCESULUI)

1.3.1. Generalităţi privind modelarea proceselor tehnologice

Succesul în rezolvarea oricărei probleme de optimizare este puternic influenţat de o

reprezentare matematică corectă a sistemului de optimizat din punctul de vedere al dependenţei dintre
criteriul de optimizare (funcţia de performanţă) şi variabilele de optimizat.
Descompunerea unui sistem (proces) în subsisteme
În general, abordarea în ansamblu a unui proces cu complexitate ridicată este foarte dificilă.
Din acest motiv, descompunerea unei probleme de optimizare pentru sisteme cu structuri de
complexitate ridicată, cum sunt şi sistemele metalurgice, în probleme de optimizare a unor subsisteme
ale sistemului respectiv, prezintă, de regulă, avantaje importante pentru rezolvarea problemei
optimizării. Problemele de optimizare ale subsistemelor se rezolvă mai uşor datorită numărului mai
redus de variabile care intră în fiecare subsistem. În acst caz (al descompunerii în subsisteme), pe lângă
optimizarea funcţionării fiecărui subsistem se impune şi o acţiune de coordonare pe ansamblul a
optimizării respectivului sistem (proces). De exemplu, problema optimizării funcţionării unui furnal
poate fi descompusă în următoarele procese: optimizarea încărcăturii şi a încărcării, optimizarea
alimentării cu aer, optimizarea evacuărilor, etc.
Pentru generalizare, prin proces tehnologic de optimizat se va înţelege procesul în ansamblu,
subsisteme sau elemente ale acestuia.
Situaţii practice posibile în modelarea şi optimizarea proceselor
Din punct de vedere al reprezentării (modelării) unui proces în vederea optimizării sale
distingem următoarele situaţii limită:
a) sistemul de optimizat este riguros cunoscut, adică reprezentabil cantitativ atât din punctul
de vedere al dependenţei dintre criteriul de optimizat (funcţia obiectiv) şi variabilele
independente ale procesului, cât şi a restricţiilor pe care trebuie să le îndeplinească variabilele
sistemului. În acest caz elaborarea modelului matematic se face teoretic.
b) sistemul de optimizat este complex, insuficient cunoscut şi există în funcţiune, iar o
reprezentare (modelare) a acestuia este imposibilă sau foarte greu de realizat. În acest caz
 funcţia obiectiv şi variabilele procesului se evaluează pe cale experimentală, în acord cu
principiul din cibernetică cunoscut sub numele de black-box (cutie neagră).
În baza acestui principiu se modifică controlat, în acord cu un plan experimental, variabilele
sistemului (X1, X2, ... Xn) şi se evaluează răspunsul sistemului (funcţiile obiectiv, Y1, Y2, .... Ym)
pentru fiecare stare impusă variabilelor. Această evaluare locală a răspunsului sistemului, adică a
funcţiei obiectiv, permite orientarea şi deplasarea cercetării răspunsului în direcţia optimului şi, în
final, atingerea acestuia.
În figura următoare se prezintă modul de cercetare a unui sistem în vederea optimizării sale, pe
baza principiului black-box.

Modificarea variabilelor

Rezultate
Plan experimentale
Y1=f(X1, X2, ... Xn ) Valorile variabilelor
experimental Sistem (proces) Analiza
Y2=f(X1, X2, ... Xn ) care asigură deplasa-
X1, X2, ... Xn - de optimizat rezultatelor
.... rea spre, şi apoi
variabilele BLACK -BOX experimentale
Ym=f(X1, X2, ... Xn ) atingerea. optimului
sisistemului
funcţia de (min sau max)
variabilele
performanţă funcţiei obiectiv
sisistemului

În marea majoritate a cazurilor practice de optimizare ne găsim într-o poziţie intermediară între
cele două variante limită prezentate anterior, adică dispunem de informaţii teoretice incomplete asupra
respectivului proces, situaţie în care modul de abordare a problememlor de reprezentare (modelare) a
procesului cuprinde atât o parte teoretică, dar mai ales una experimentală, motiv pentru care modelul
“black-box” prezintă foarte multe aplicaţii.
Modelul “black-box” este deosebit de preţios în cazul sistemelor foarte complexe, la care este
imposibilă cunoaşterea şi analizarea tuturor influenţelor diferitelor variabile şi a legăturilor existente
între diferitele subsisteme ce alctuiesc sistemul respectiv.
Principiul “black-box” este foarte util atunci când se poate înlocui sistemul real cu altul ipotetic
care funcţionează în mod analog.

1.3.2. Parametrii (variabile) tehnologici de modelare

Pentru modelarea proceselor (sistemelor) este necesar ca observaţiilor efectuate să li se ataşeze

o serie de mărimi denumite variabile sau parametrii procesului (sistemului).
Orice sistem poate fi caracterizat printr-un număr determinat de variabile (parametrii), care la
un moment dat au anumite valori şi definesc o anumită stare a sistemului (procesului).
În general, cu cât numărul variabilelor luate în considerare la stabilirea modelului ce descrie
acel proces este mai mare cu atât modelul este mai fidel şi mai complet, dar trebuie ţinut cont de faptul
că complexitatea modelului creşte exponenţial cu numărul variabilelor luate în consideraţie, ceea ce
poate duce la neaplicabilitatea sa practică în rezolvarea problemelor de optimizare. Astfel, în cazul
luării în considerare a unui număr prea mare de variabile, în cazul modelării unui proces se poate
ajunge la un model care este chiar mai complex decât procesul (sistemul) în sine.
Din acest motiv trebuie asigurat un compromis între precizia şi complexitatea modelului, care
să asigure o utilitate practică a modelului.
În acest sens, în urma analizei teoretice şi experimentale a respectivului proces şi în urma
prelucrării rezultatelor utilizând anumite instrumente metematice, variabilele procesului vor fi
împărţite în două categorii:
variabile cu influenţă semnificativă asupra procesului şi care vor fi luate în consideraţie la
alcătuirea modelului matematic;
 variabile cu influenţă nesemnificativă asupra procesului şi care nu vor fi incluse în modelul
matematic ce descrie acel proces.
Parametrii (variabilele) unui proces (sistem) sunt de o mare diversitate şi pot fi clasificaţi
după mai multe criterii, după cum urmează:

a) După legătura cu procesul analizat

Un proces tehnologic este caracterizat prin două categorii de parametrii (variabile)
parametrii (variabile) independente – sau de intrare (“i”) – care nu depind de desfăşurarea
procesului, fiind mărimile care intră în proces;
parametrii (variabile) dependente – sau de ieşire (“e”) – care depind de modul de
desfăşurare a procesului.
Parametrii independenţi pot fi grupaţi în două categorii:
parametrii independenţi comandaţi (“m”), care pot fi stabiliţi şi modificaţi în timp util;
parametrii independenţi necomandaţi (“m”), numiţi şi parametrii perturbatori, care nu
pot fi stabiliţi şi nu pot fi modificaţi în timp util. Cei mai importanţi dintre parametrii
perturbatori ai proceselor metalurgice sunt: starea materiilor prime (compoziţie dimensională,
umiditate, impurităţi, grad de pregătire a încărcăturii) şi starea agregatelor (uzura acestuia).
Schematic, parametrii (variabilele) unui proces tehnologic pot fi prezentaţi astfel, într-o schemă
funcţională a unui proces tehnologic:
i i – totalitatea parametrilor independenţi (de intrare)
z m – totalitatea parametrilor comandaţi
m z – totalitatea parametrilor necomandaţi (perturbatori)
PROCES e e – totalitatea parametrilor dependenţi (de ieşire)

Exemplu pentru elaborarea fontei în furnal

parametrii independenţi sunt: componenţa încărcăturii (cocs+aglomerat), schema de
încărcare; distribuţia încărcăturii pe secţiunea furnalului, parametrii aerului insuflat
(debit, presiune, conţinut de oxigen, umiditate);
parametrii dependenţi, care sunt influenţaţi de cei independenţi sunt: productivitatea
furnalului, compoziţia chimică a fontei, compoziţia chimică a zgurii, consumul specific
de cocs.
parametrii perturbatori ai procesului sunt: variaţia compoziţiei chimice a încărcăturii,
variaţia de umiditate a încărcăturii, starea furnalului.
Exemplu pentru elaborarea oţelului în cuptoarele electrice cu arc
parametrii independenţi sunt: componenţa încărcăturii (fier vechi, fontă, var, minereu, etc),
compoziţia chimică a componenţilor încărcăturii, temperatura iniţială a încărcăturii, debitul şi
durata suflării de oxigen, cantitatea şi compoziţia feroaliajelor adăugate, puterea
transformatorului;
parametrii dependenţi, care sunt influenţaţi de cei independenţi sunt: compoziţiile băii
metalice şi a zgurii în fazele procesului de elaborare, viteza de decarburare, productivitatea
cuptorului, puritatea oţelului;
parametrii perturbatori ai procesului sunt: starea cuptorului (gradul de uzură), gradul de
pregătire a încărcăturii, modul de încărcare a cuptorului (ordinea de încărcare.
Exemplu pentru elaborarea fontei în cubilou:
parametrii independenţi sunt: componenţa încărcăturii (fontă, deşeuri, calcar, cocs),
compoziţia chimică a componenţilor încărcăturii, debitul şi durata insuflării aerului,
dimensiunile şi forma gurilor de vânt (viteza aerului)
parametrii dependenţi, care sunt influenţaţi de cei independenţi sunt: productivitatea
cubiloului, compoziţia chimică a fontei şi a zgurii, temperatura fontei la evacuare,
consumul specific de cocs.
parametrii perturbatori ai procesului sunt: variaţia compoziţiei chimice a
încărcăturii, variaţia de umiditate a încărcăturii, starea cubiloului
 Exemplu pentru prepararea amestecurilor de formare:
parametrii independenţi sunt: cantitatea de nisip, liant şi apă, granulaţia nisipului,
compoziţia chimică a nisipului şi liantului;
parametrii dependenţi, care sunt influenţaţi de cei independenţi sunt: proprietăţile
mecanice ale amestecului de formare, permeabilitatea amestecului;
parametrii perturbatori ai procesului sunt: starea de uzură a utilajului, variaţia
compoziţiei chimice şi granulometrice a componentelor din amestec.
Exemplu pentru procesul de turnare-solidificare
parametrii independenţi sunt: diametrul orificiului oalei de turnare, masa şi forma
piesei turnate, înălţimea de turnare, proprietăţile termo-fizice ale formei de turnare,
proprietăţile aliajului turnat;
parametrii dependenţi, care sunt influenţaţi de cei independenţi sunt: durata şi
viteza de turnare, durata de solidificare a piesei turnate, calitatea piesei turnate.
parametrii perturbatori ai procesului sunt: modul de uscare a utilajului de turnare,
variaţia temperaturii de preîncălzire a formei, variaţia vitezei şi înălţimii de turnare.

b) După posibilitatea de măsurare în timp util:

parametrii măsurabili – care pot fi stabiliţi prin măsurare cu diferite aparaturi de măsură.
parametrii nemăsurabili – care nu pot fi stabiliţi prin măsurare cu aparaturi.
Dintre aceştia unii pot fi determinaţi pe baza altor parametrii măsurabili prin folosirea
unor algoritmi de calcul (modele deductive), iar alţii nu pot fi determinaţi şi vor alcătui, alături de cei
nemodificabili în timp util, parametrii necomandaţi ai procesului.

c) După natura valorilor pe care parametrii (variabilele) le pot lua:

variabile categorii de stare (calitative);
variabile discrete;
variabile continue.
Variabilele categorii de stare (calitative) nu se pot măsura şi se exprimă prin mărimi calitative.
Aceste variabile se referă la caracteristici calitative care nu pot fi măsurate, nu pot fi exprimate
numeric, nu au unitate de măsură, ci pot doar fi descrise. Trecerea de la o valoare la alta înseamnă o
schimbare calitativă. Prin aceste variabile se descriu genuri, tipuri, scheme tehnologice, etc.
Exemplu: starea unui agregat poatefi doar descrisă: foarte bună, bună, uzat, foarte uzat, iar
modul de incărcare a unui cuptor electric (ordine de încărcare a fierului vechi): corespunzătoare,
necorespunzătoare şi nu pot fi evaluate numeric.
Mulţimea variabilelor categorii de stare descriu sistemul (procesul) în subspaţiul Hk, unde “k”
este numărul de variabile de stare utilizate în descrierea sistemului.
Variabilele discrete sunt acele variabile care descriu entităţi care, prin natura lor fizică (materială),
atunci când variază nu pot lua orice valori numerice, ci iau doar valori dintr-un şir, fără a trece prin
valorile intermediare. Aceste variabile au proprietăţi de mărime, fiind definite într-un spaţiu normat
(care are definită unitatea de măsură) şi pot fi exprimate numeric, cantitativ.
Mulţimea variabilelor categorii de stare descriu sistemul (procesul) în subspaţiul Hm, unde “m”
este numărul de variabile de stare utilizate în descrierea sistemului.
O subclasificare a variabilelor discrete constă în luarea în considerare a numărului de stări pe
care acestea le pot avea, după cum urmează:
variabile booleene – în cazul existenţei a două stări posibile;
variabile de tip Lukasievic – în cazul existenţei a trei stări posibile
variabile polivalente – în cazul existenţei a mai mult de trei stări.
În modelare, pe lângă variabilele tipic discrete se practică pe scară largă şi discretizarea prin
convenţie. Aceasta înseamnă că variabilele care în mod normal sunt de altă natură sunt transformate în
variabile discrete.
Variabile continue sunt acele variabile care descriu entităţi care, atunci când variază, pot lua orice
valori numerice dintr-un domeniu dat. Trecerea de la o valoare la alta nu se face în salturi, ci prin
tuturor valorilor intermediare.
Mulţimea variabilelor categorii de stare descriu sistemul (procesul) în subspaţiul Hn, unde “n”
este numărul de variabile de stare utilizate în descrierea sistemului.
Având în vedere cele trei naturi ale variabilelor un sistem (proces) este descris în spaţiul Hv
unde v = k+m+n şi reprezintă numărul de dimensiuni (de variabile) ale spaţiului H. Spaţiul Hv rezultă
din reuniune subspaţiilor Hk, Hm şi Hn, adică Hv = Hk Hm Hn, cu condiţia ca Hk Hm Hn = ,
adică o variabilă utilizată în descrierea (modelarea) unui sistem nu poate să facă parte simultan din
mai multe categorii.
La alegerea tipului de variabilă un rol fundamental îl are decizia analistului. Astfel:
în cazul în care se aleg o variabile discrete se va reuşi o apropiere mai mare de realitatea
tehnico-economică, dar rezolvarea problemei optimizării pe baza acestui model va fi mai
dificilă, modelele discrete fiind de natură combinatorică;
în cazul când se alege variabile continui se va uşura rezolvarea problemelor, dar se poate
îndepărta de realitate, fiind nevoit să ia în consideraţie posibilele erori ale modelului.

d) După legătura cu decidentul variabilele pot fi grupate în trei categorii:

variabile necontrolabile
variabile controlabile
Variabilele necontrolabile sunt acele a căror variaţie nu poate fi influenţată de către decident, care
însă le poate cunoaşte, descrie, lua în consideraţie, dar nu le poate modifica.
Variabilele controlabile sunt acele variabile pe care decidentul le poate controla, modifica în vederea
obţinerii unui rezultat optim al procesului. Acestea sunt numite şi variabile optimizabile. De fapt,
optimizarea unui proces nu înseamnă altceva decât determinarea valorilor optime ale acestor variabile,
care să asigure optimul (minimul sau maximul absolut sau local) al funcţiei obiectiv (de performanţă).

e) După comportarea în timp a variabilelor avem următoarele tipuri de variabile:

variabile statice;
variabile cvasistatice;
variabile dinamice.
Pentru înţelegerea acestor tipuri de variabile trebuie definite următoarele noţiuni, care
caracterizează comportarea sistemului pe perioadă de viaţă a sistemului (0, T) unde T este timpul:
calendarul care reprezintă mulţimea subperioadelor i, cu condiţia ca i = T, în care sub
aspect calitativ sistemul (procesul) rămâne neschimbat (static) pe subperioada i;
repertoarul este alcătuit din mulţimea valorilor pe care le au variabilele (parametrii)
sistemului în fiecare dintre subperioadele i;
traiectoria este definită de mulţimea valorilor prin care trec variabilele în perioada (0, T).
Fiecare variabilă (parametru) are o traiectorie, mulţimea tuturor traiectoriilor dând
traiectoria sistemului.
Variabilele statice sunt acele care rămân neschimbate pe toată durata (0, T), adică au o traiectorie
constantă. Poate fi statică orice variabilă, indiferent de natura sa (categorii de stare, discretă,
continuă)
Variabile cvasistatice sunt acelea care rămân neschimbate pe una sau mai multe subperioade i, dar
nu pe toate. Pot fi variabile cvasistatice doar cele de stare şi cele discrete.
Variabile dinamice sunt acele variabile care apar ca funcţii de timp pe cel puţin una dintre
subperioade. Pot fi cvasistatice doar variabilele discrete şi cele continue.

f) În funcţie de operativitatea deciziilor şi de nivelul ierarhic la care se ia şi se urmăreşte decizia va-

riabilele pot fi:
agregate;
dezagregate.
Prin nivel ierarhic se înţelege o relaţie în care una dintre părţi are prioritate faţă de cealaltă.
 1. Cu cât decizia se bazează pe date mai exacte, iar nivelul ierarhic este superior, variabilele
trebuie să aibă un grad ridicat de agregare (sintetizare). Pentru fiecare nivel al fundamentării deciziei şi
urmăririi realizării acesteia se poate stabili un nivel optim de agregare a informaţiilor (variabilelor). În
practica conducerii sistemelor se folosesc diferite metode de agregare a variabilelor (informaţiilor).
Un grad ridicat de agregare prezintă următoarele avantaje:
uşurarea adoptării deciziei;
adoptarea operativă a unor decizii în cazul apariţiei unor perturbaţii în desfăşurarea
procesului;
precizie mare la nivel global datorită compensării erorilor,
dar trebuie ţinut cont şi de următoarele dezavantaje ale acestuia:
erori mari la nivele ierarhice inferioare, care nu lucrează cu informaţii globale, ci cu
informaţii analitice;
ignorarea unor relaţii existente între componentele care au agregate;
2. Utilizarea pe scară largă a tehnicii de calcul permite să se ajungă la un grad mare de
dezagregare, ale cărui avantaje principale sunt:
precizie mare de urmărire a evoluţiei sistemului;
corectitudine relativ mare de adoptare şi urmărire a deciziilor,
dar prezintă şi dezavantaje:
posibilitate mare de a avea abateri la realizarea comenzilor;
vehicularea unei cantităţi exagerat de mari de date;
prelungirea duratei calculelor în cazul optimizării, rezultând un cost ridicat al
prelucrării datelor;
posibilităţi relativ ridicate de transmitere eronată a datelor.
Trebuie a se găsi o soluţie de compromis între gradul de dezagregare şi posibilitatea operării
raţionale cu acele date, soluţie de compromis căreia îi corespunde un grad raţional de agregare a
dateler (informaţiilor).
Agregarea variabilelor se efectuează după anumite reguli, dintre care principala este regula
care prevede că se pot agrega acele variabile care sunt omogene. Pentru aceasta se procedează la
descompunerea mulţimilor de elemente în clase şi subclase de echivalenţă.
Două variabile din cadrul aceleiaşi subclase se pot aduna.
Pentru adunarea a două variabile din cadrul a două subclase diferite este necesar a se considera
clasa superioară din care fac parte cele două subclase.
Agregarea variabilelor numerice se face, în general, după criterii spaţiale, temporale şi
sortimentale.
Agregarea variabilelor lingvistice, descriptive se face prin ignorarea unui complement sau a
unui atribut.
Pentru agregarea variabilelor se pot folosii operatori (funcţii) ce pot fi:
operatori de agregare simplii, de natură aditivă (medii aritmetice simple sau ponderate)
operatori de agregare multiplicativi de tip medie geometrică, ce poate fi exemplificat prin
calculul ritmului de creştere a producţiei unei intreprinderi, ce poate fi calculat ca medie
geometrică a ritmurilor anuale de creştere din anii anteriori;
operatori speciali, utilizaţi în teoria deciziei, de exemplu operatori de tip min-max sau chiar
algoritmi foarte complicaţi.

g) Din punct de vedere al producţiei:

mărimi (variabile) deterministe, care sunt riguros stabilite, cu o valoare unică;
mărimi stohastice, care iau doar unele valori;
mărimi aleatoare (probabilistice), care iau valori în cadrul unui interval şi cărora li se
asociază o anumită probabilitate;
mărimi vagi (fuzzy), care nu au valoare unică, ci o mulţime de valori şi cărora li se asociază
un grad de apartenenţă;
mărimi hibride, care constituie combinaţii între cele fuzzy şi cele probabilistice.
 1.3.3. Distorsiuni ale informaţiei în conducerea sistemelor (proceselor)

Intreprinderea industrială, ca sistem, este compusă dintr-un număr foarte mare de elemente ca:
resursele umane, resurse materiale (fluxuri şi procese tehnologice, utilaje, materii prime etc.), resurse
financiare (capitaluri proprii, capitaluri împrumutate etc.), care pot fi grupate în subsisteme ale
intreprinderii.
Alături de fluxurile fizice, între subsistemele intreprinderii se stabilesc o multitudine de legături
informaţionale şi decizionale.
La nivelul intreprinderii informaţiile se obţin pe două căi:
calea statistică, care are un caracter permanent şi organizat;
calea special instituită, ce se utilizează în cazuri de nevoie şi are un caracter
neperiodic.
În ambele cazuri apar numeroase distorsiuni, ce pot fi întâmplătoare sau pot avea un caracter
sistematic, în momentul trecerii de la informaţia primară la variabilele utilizate în modelarea
sistemului.
Dacă există o concordanţă între caracterul informaţiei şi caracterul variabilei nu apar distorsiuni
sau acestea sunt minime.
Dacă s-a estimat favorabil natura variabilei în raport cu natura informaţiei atunci apar
distorsiuni.
Dacă s-a estimat pesimist natura variabilei în raport cu natura informaţie atunci apare o
neîncredere nejustificată în rezultate şi este necesar un efort suplimentar şi inutil pentru
prelucrarea datelor.
Posibiltăţile de apariţie a unor distorsiuni sau a unei neîncrederi în rezultate, în funcţie de
caracterul informaţiei şi caracterul variabilei, sunt sintetizate in următoarea grilă:

Tipul
informaţiei Exactă Probabilistă Fuzzy Hibridă

Tipul variabilei
Deterministă Distorsiune Distorsiune Distorsiune Distorsiune
minimă/nulă
Probabilistă Neîncredere în Distorsiune Distorsiune Distorsiune
rezultate, effort minimă/nulă
mare de prelucr.
Fuzzy Neîncredere în Neîncredere în Distorsiune Distorsiune
rezultate, effort rezultate, effort minimă/nulă
mare de prelucr. mare de prelucr.
Hibridă Neîncredere în Neîncredere în Neîncredere în Distorsiune
rezultate, effort rezultate, effort rezultate, effort minimă/nulă
mare de prelucr. mare de prelucr. mare de prelucr.

Din sinteza prezentată prin grila anterioară rezultă ideea că, dacă ar exista o reţetă universal
valabilă astfel încât informaţia culeasă să aibă o acurateţe perfectă, atunci ar trebui să se opereze
numai cu variabile deterministe. Dorind să apeleze la metode de luare a deciziilor în condiţii cât mai
bune, conducătorul intreprinderii sau a procesului ar utiliza aceste variabile deterministe, iar caracterul
modelului ar fi tot determinist,ceea ce este un caz ideal, neîntâlnit în prectică.
Astfel, modelele care îl pot ajuta pe decident să se apropie cât mai mult de realitate sunt
modelele probabilistice, fuzzy şi hibride.

1.3.4. Ecuaţiile, restricţiile şi funcţia de performanţă (obiectiv) a modelului matematic al

procesului
 Ecuaţiile modelului exprimă corelaţiile existente între variabilele procesului şi se deduc fie
prin analize teoretice, fie pe baza unor observaţii experimentale (empiric).
Restricţiile modelului sunt alcătuite din funcţiile de tip egalitate şi/sau inegalitate, ce stabilesc
domeniile admise în care variabilele de optimizat (cele de intrare în proces) pot lua valori. Acestea
sunt:
de tip egalitate: gi = g(X1, X2, ... Xn) = 0, i = 1,2, ... m
de tip inegalitate: hj = h(X1, X2, ... Xn) = 0, j = 1,2, ... l,
numărul total al restricţiilor fiind “m+l”.
Funcţia de performanţă (obiectiv, criteriul de optimizare) exprimă dependenţa dintre
principalele variabile independente şi principala performanţă urmărită în conducerea procesului.
Funcţia de performanţă se exprimă prin relaţia:
Y = Y(X1, X2, ... Xn)
Funcţia de performanţă este este criteriul unic şi obiectiv de optimizare şi conducere a
procesului.
Uzual, funcţia de performanţă este un criteriu economic explicit (de exemplu: preţul de
fabricaţie a unui produs, profit maxim, etc.), dar poate fi şi un criteriu neeconomic, dar cu implicaţii
economice (aşa cum se utilizează în metalurgia extractivă, în care produsul obţinut suferă transformări
ulterioare) ca: productivitatea agregatelor (tone/oră; tone/volumul agregatului etc.), consumuri
specifice (materii prime/unitatea de produs; energie electrică/unitatea de produs etc.), randamente
metalurgice (scoaterea de metal, randamente de asimilare a elementelor de aliere, randamente de
îndepărtare a impurităţilor) etc.
Indiferent de tipul modelului folosit cerinţele funcţiei obiectiv nu trebuie să fie
contradictorii. De exemplu nu poate fi impusă simultan obţinerea unei productivităţi maxime şi
cheltuieli (de investiţii, de exploatare etc.) minime. În acest caz se rezolvă problema obţinerii unei
productivităţi maxime în condiţiile păstrării cheltuielilor la un nivel constant şi apoi se rezolvă
problema minimizării cheltuielilor în condiţiile menţinerii constante a productivităţii obţinute anterior.
În cazul unui model cu una - Y = Y(X) - sau două variabile de optimizat – Y = Y(X1, X2),
funcţia de performanţă poate fi reprezentata grafic în coordonate carteziene şi poate fi analizată simplu
în vederea determinării optimului (minimul sau maximul) acestei funcţii.

În cazul modelelor cu o singură variabilă de optimizat, funcţia obiectiv poate fi reprezentată în

planul cartezian printr-o curbă de răspuns (fig. 1.1).
În cazul modelelor cu două variabile de optimizat, funcţia obiectiv poate fi reprezentată în
spaţiul cartezian tridimensional printr-o suprafaţă de răspuns (fig. 1.2), care dacă este secţionată cu
plane P. paralele cu planul X1OX2 , în care Y = constant, se obţin curbele de nivel (fig 1.3)

Fig 1.1. Fig 1.2. Fig.1.3

În cazul modelelor cu “n” variabile de optimizat nu se poate reprezenta grafic funcţia obiectiv,
care constituie o “hipersuprafaţă” de răspuns în spaţiul “n+1” dimensional. În acest caz se pot obţine
suprafeţe în spaţiul tridimensional ca în fig. 1.2. menţinând constante “n-2” variabile de optimizat şi
curbe în planul bidimensional, ca în figura 1.3, menţinând constante “n-1” variabile de optimizat.
Deoarece extremele funcţiilor obiectiv apar evidente pe curbele sau suprafeţele de răspuns
acestea sunt frecvent utilizate în problemele de optimizare.
În acest scop, pentru a face mai uşor utilizabile curbele şi suprafeţele de răspuns, uneori se
procedează la aducerea funcţiilor de performanţă (obiectiv) la o formă matematică mai convenabilă,
care permite o localizare facilă a extremelor. Această formă a funcţiei de performanţă se numeşte
formă canonică (standard), la ea ajungându-se prin aşa numitele transformări canonice, ce constau
într-o translaţie şi într-o rotaţie a sistemului cartezian de axe.
Din punctul de vedere al metodologiei de optimizare (de determinare a extremului), cele mai
importante proprietăţi ale funcţiei de performanţă (obiectiv) sunt:
1) Continuitatea sau discontinuitatea funcţiei
O funcţie Y(X) este continuă pe un interval dacă şi numai dacă, oricare ar fi X0 din acel
interval avem:
lim Y(X) lim Y(X) Y(X 0 )
X X0 X X0
X X0 X X0
O funcţie este discontinuă în punctele X0, în care nu este respectată această condiţie.
O funcţie continuă este prezentată în figura 1.4., iar în figurile 1.5 şi 1.6 sunt prezentate două
tipuri de funcţii discontinue, funcţia din figura 1.6. fiind o funcţie discontinuă discretă.

Fig. 1.4. Fig. 1.5. Fig.1.6.

2) Funcţii unimodale şi multimodale

O funcţie ce prezintă pe un anumit interval mai multe extreme este o funcţie unimodală
(fig 1.7), iar o funcţie ce prezintă două sau mai multe extreme este multimodală (fig. 1.8.)

Fig 1.7. Fig. 1.8.

3) Domeniul admis pentru cercetare funcţiei de performanţă

Acest domeniu este stabilit de către restricţiile de tip egalitate şi/sau inegalitate care sunt
impuse variabilelor de optimizat, obţinându-se astfel intervalele în care acestea pot lua valori.
 Evident în cazul prezenţei restricţiilor valorile optime ale variabilelor de optimizat se găsesc fie
în domeniul admisibil, fie pe graniţele acestuia, caz în care valoare optimă a funcţiei de performanţă
putând fi diferită de optimul global (maxim sau minim) al funcţiei.
4) Variaţia aleatoare a funcţiei de performanţă
În condiţiile practice de experimentare valorile funcţiei obiectiv (răspunsul sistemului) diferă
de la o experimentare la alta în condiţiile menţinerii constante a variabilelor de optimizat, variaţie ce
are la bază factori aleatorii şi/sau sistematici. În cazul unor factori aleatorii de influenţă valorile
funcţiei obiectiv într-un punct experimental, determinat de anumite valori ale variabilelor
independente, obţinute în mai multe experimente, urmează o distribuţie normală (Gauss-Laplace) în
jurul unei valori medii.
În condiţiile variaţiei aleatoare a funcţiei obiectiv, acesteia i se ataşează un interval statistic de
încredere.
Variaţiile aleatoare ale funcţiei obiectiv trebuie luate în considerare la determinare optimului
acesteia, fapt ce duce la îngreunarea optimizării. În acest sens, gradientul (variaţia) funcţiei obiectiv,
dat de înclinaţia suprafeţei tangente la funcţie, constituie forţa ce împinge procesul de optimizare
(căutare a optimului) către valoarea optimă (maximă sau minimă), în timp ce fluctuaţiile aleatorii ale
funcţiei obiectiv este o rezistenţă ce se opune avansării calculelor de optimizare către valoarea optimă
a funcţiei de performanţă.