CERCETAREA PRIN MODELARE

Este metoda de studiere a obiectelor tehnologice în cadrul căreia se experimentează asupra unui
obiect oarecare (model) şi nu asupra originalului (obiectul tehnologic care interesează) iar rezultatele
se transferă cantitativ asupra originalului. În acest mod, pe baza rezultatelor obţinute pe model se
prevede cantitativ comportarea originalului în condiţiile de lucru industriale.
Totuşi, transferarea rezultatelor obţinute pe model asupra originalului nu trebuie să exprime în
mod obligatoriu, o egalitate directă între parametrii originalului şi ai modelului, ci este suficient să se
obţină modul (regulile) de calcul al parametrului originalului.
În procesul modelării trebuie să se respecte două principii:
a) experimentul pe model să fie mai simplu, mai rapid, mai economic (mai puţin periculos)
decât experimentul pe original, altfel se experimentează direct pe original.
Nu întotdeauna modelul este mai ieftin decât originalul, de multe ori se dovedeşte raţional
elaborarea unui model scump dar universal, adică un model ce poate fi adaptat şi aplicat în condiţiile
economice la modelarea multor originale.
b) trebuie cunoscută regula (modalitatea) de calcul a parametrilor originalului pe baza
studiilor făcute pe model.
Nerespectarea acestui principiu împiedică valorificarea rezultatelor cercetării, chiar dacă
aceasta a fost realizată în foarte bune condiţii.

1.3.1. Parametrii tehnologici de modelare

Procesele care au loc în cadrul obiectelor tehnologice sunt caracterizate de variabilele între
care există anumite legături funcţionale (cauză-efect).
Variabilele care joacă rol de cauză se numesc variabile de intrare (factori ai procesului) iar
cele care joacă rol de efect se numesc variabile de ieşire.
Se pot întâlni următoarele cazuri referitoare la variabilele de intrare :
(1) variabile de intrare controlate, dar necomandate (x1, x2, …, xn);
(2) variabile de intrare controlate şi comandate ( 1, 2, …, n);
(3) variabile de intrare necontrolate şi necomandate (Z);
Variabilele de ieşire (y1, y2, …, ym); caracterizează starea obiectului în funcţie de modificările
variabilelor de intrare şi din acest motiv ele se numesc variabile de stare.

Z
C
P
x1 y1
x2 y2 Proces e
Obiect i
tehnologic
xn
tehnologic yn f
n(Z)
1 2 … n

Deoarece variabila de perturbaţie nu se controlează (caracterul variaţiei ei nu poate fi

determinat), Z se consideră o variabilă aleatoare, care are o anumită lege de distribuţie.
Obiectul tehnologic supus experimentării se caracterizează prin faptul că toate variabilele de
intrare trebuiesc să fie comandate.
Acest lucru este cerut de însăşi programarea experimentului, care presupune o intervenţie
activă asupra proceselor; în aceste condiţii separarea variabilelor de intrare în variabile comandate şi
necomandate nu are sens.
O altă variantă de a delimita parametrii care intervin într-un proces tehnologic este următoarea:
 parametrii independenţi sau de intrare (i) care pot fi:
comandaţi
 necomandaţi
 parametrii dependenţi sau de ieşire (e) care pot fi:
de performanţă (p)
intermediari sau funcţionali (f)
Parametrii necomandaţi sau mărimile de perturbaţie modifică valorile parametrilor de ieţire,
creând probleme conducerii fiind necesare acţiuni pentru compensarea efectului acestora.
Niciodată nu va fi posibilă măsurarea sau chiar identificarea tuturor perturbaţiilor procesului.
Din acest motiv este importantă determinarea şi cuprinderea în model a perturbaţiilor principale,
celelalte fiind asimilate cu erorile modelului.
Variabilele comandate pot fi influenţate de operator pentru compensarea efectelor celor
necomandate. Variabilele de performanţă reflectă rezultatele procesului iar cele funcţionale reflectă în
mod indirect funţionarea procesului fiind necesare în model, furnizând date pentru compensarea
efectelor perturbaţiilor.

1.3.2. Modele materiale şi ideale

Termenul de “model” este utilizat în două sensuri:

primul porneşte de la definiţia modelării, modelul fiind obiectul care înlocuieşte originalul
în procesul experimentării. În majoritatea cazurilor, în această situaţie se vorbeşte de
modelul material.
al doilea, modelul ideal (abstract) reprezintă schema obiectului ce reflectă laturile sale
esenţiale şi care se formează în conştiinţa cercetătorului în procesul cunoaşterii.
Orice model material se construieşte pe baza unui model ideal şi, de aceea, în problemele de
modelare se va acorda atenţie proprietăţilor şi particularităţilor ambelor tipuri de modele.
Există două tipuri de modele ideale: fizice şi matematice.
Deseori, schema obiectului pare, iniţial ca o totalitate a noţiunilor fizice concrete, referitoare la
obiect reprezentând modelul fizic al acestuia. Apoi pe baza reprezentărilor fizice se realizează o
descriere cantitativă a obiectului, ce reprezintă totalitatea structurilor matematice: ecuaţii, inegalităţi
precum şi tabele, grafice, etc.
Această descriere este prin definiţie modelul matematic al obiectului cercetării.
Trebuie precizat că modelul abstract se poate dezvolta nu numai de la modelul fizic la cel
matematic, ci şi invers, fapt întâlnit curent în fizica contemporană.
Principial, nici un model material sau abstract nu este capabil să reprezinte originalul în
totalitatea acestuia şi sub toate aspectele; mai mult decât atât, în practică apar situaţii când este indicată
utilizarea unui model “imperfect” care să reflecte numai anumite proprietăţi ale originalului şi să nu
corespundă deloc acestuia din alte puncte de vedere.
În orice sistem al cunoaşterii, modelul abstract conţine în sine un adevăr obiectiv, dar nu un
adevăr absolut. Datorită complexităţii şi multilateralităţii oricărui fenomen natural, de multe ori este
indicat ca unul şi acelaşi fenomen să fie descris în situaţii diferite, cu modele diferite.

1.3.3. Tipuri de modele matematice

Modelele matematice pot fi împărţite astfel:

procedurale
deductive
calculatorii staţionare
predictive
dinamice

Modelul procedural reprezintă un grup de instrucţiuni ce trebuiesc executate sau o strategie

referitoare la efectuarea unei succesiuni de operaţii într-o situaţie predeterminată. Nu ţine seama de
corelaţiile existente între parametrii procesului, motiv pentru care nu este foarte exact, însă realizează
reproducerea condiţiilor prestabilite de desfăşurare a procesului.
 Modelul calculatoriu este modelul matematic propriu-zis care conţine una sau mai multe ecuaţii
ce exprimă interdependenţa multiplă a variabilelor procesului.

Tip model Forma şi funcţia Aplicaţii

1. Procedural grup de instrucţiuni regim standard

succesiunea logică a etapelor de conducerea secvenţială

urmat
2. Model calculatoriu

2.1. Calculatoriu Sistem de ecuaţii ce leagă măsurare indirectă

deductiv variabilele nemăsurabile de conducere planificată
cele măsurabile permiţând reglare şi conducere
determinarea stării sistemului optimală

2.2. Calculatoriu predictiv Sistem de ecuaţii ce leagă

variabilele dependente de
variabilele independente şi care
sunt:

2.2.1. Predictiv predetermină regimul reglarea şi conducerea

staţionar staţionar ce va rezulta dintr-o staţionar - optimală
modificare a varabilelor
independente
2.2.2. Predictiv predetermină regimul reglarea şi conducerea
dinamic tranzitoriu şi regimul staţionar staţionar – optimală
ce va urma unei modificări a conducerea dinamică
varabilelor independente. optimală

1.3.4. Elaborarea modelelor matematice

Etape :
formularea modelului;
stabilirea funcţiei de performanţă;
stabilirea ecuaţiilor modelului;
verificarea modelului.
Pentru un model procedural, adecvat conducerii secvenţiale, elaborarea modelului implică o
analiză amplă pentru determinarea succesiunii corecte a etapelor şi a regulilor logice de luare a
deciziilor, ceea ce reprezintă un mod direct de a proceda.
Elaborarea modelului calculatoriu poate prezenta dificultăţi ştiinţifice deosebite. Indiferent de
tipul modelului calculatoriu, va fi neceară prezenţa în model a unei relaţii care exprimă performanţa
procedeului (funcţia de performanţă, funcţie obiectiv). Optimizarea procesului înseamnă în fond
determinarea valorii extreme (max/min) a funcţiei obiectiv.
Funcţia obiectiv trebuie să fie un criteriu unic. Cererile contradictorii (producţie maximă cu
cheltuieli minime) se exclud reciproc.
Calea corectă este alegerea adecvată a funcţiei obiectiv şi a restricţiilor funcţionale. [Ex.:
cheltuielile pot fi menţinute la o anumită valoare (restricţie funcţională)].
Formularea modelului se face în patru etape:
stabilirea scopului modelului;
delimitarea procesului modelat;
stabilirea variabilelor procesului;
determinarea tipului de model necesar.
 Stabilirea funcţiei de performanţă
Trebuie să fie un criteriu unic, univoc şi obiectiv prin care să se aprecieze eficienţa procesului
tehnologic. Uzual, este un criteriu economic (preţ de cost, cheltuieli materiale, productivitate etc.)
dar poate avea şi altă natură (aspecte calitative ale produsului).
Stabilirea ecuaţiilor modelului matematic

Se realizează prin metode teoretice verificate şi completate cu metode empirice. Metodele de

modelare teoretică se bazează pe bilanţurile de materiale şi energie, luând în considerare legea
conservării masei şi principiile termodinamicii.
Metodele de modelare empirică sunt metode statistico-matematice prin care se prelucrează datele
experimentale astfel încât ele să ofere o cantitate maximă de informaţii cât mai exacte.

Verificarea modelului cuprinde următoarele etape:

analiza erorilor ecuaţiilor modelului;

simularea procesului pe un calculator (numeric sau analogic);
încercarea modelului pe un calculator “on line” în circuit deschi cuprocesul.
Finisarea modelului se realizează după verificarea prin reducerea şi perfecţionarea acestuia.

1.3.5. Metode de modelare

1.3.5.1. Similitudinea

Reprezintă condiţia în care rezultatele experimentului efectuat pe model pot fi transferate

cantitativ pe original. Ea respectă cel de-al doilea principiu al modelării şi anume cunoaşterea
relaţiilor de calcul ale parametrilor originalului pe baza studiilor făcute pe model. Utilizarea
similitudinilor se poate face pe baza postulatelor şi legilor ei.

Postulatele similitudinii sunt:

 Orice fenomen este guvernat de legi ce pot fi exprimate analitic.

 Criteriile de similitudine corespunzătoare unui sistem de ecuaţii diferenţiale, integrale sau
integro-diferenţiale, obţinut pentru un element al domeniului lor de integrare unt valabile
pentru întreg domeniul respectiv.

Legile similitudinii pot fi enunţate astfel:

a) Dacă un şir de fenomene corespunzătoare unui sistem de ecuaţii formează un grup de
fenomene simile, fiecare din criteriile repective de similitudine are o valoare unică
pentru toate fenomenele grupului.
b) Orice ecuaţie matematică, ce reprezintă o lege fizică, compusă din (r) mărimi primare şi
(N-r) mărimi derivate, poate fi scrisă ca o funcţie de (N-r) mărimi adimensionale,
denumite criterii. Această lege este cunoscută sub denumirea de teorema şi stă la baza
analizei dimensionale.
c) Mulţimea fenomenelor determinate din sisteme de ecuaţii şi condiţii de unicitate
formează un grup de similitudine iar criteriile care se deduc din ecuaţii, fiind alcătuite
cu mărimile acestora, au valori unice.
Legea a treia poate fi enunţată mai puţin riguros astfel: fenomene asemenea (simile) sunt
acelea ale căror condiţii de unicitate sunt asemenea şi ale căror condiţii de de similitudine au
aceleaşi valori.
Legile similitudinii dau posibilitatea de a extinde imediat rezultatele unui experiment la un
întreg grup de fenomene simile care este determinat prin invariaţia criteriilor de similitudine
corespunzătoare. Ele permit urmărirea prin relaţii criteriale a desfăşurării fenomenelor şi deoarece
criteriile sunt în general complexe, fiecare conţinând mai mulţi parametri, relaţiile criteriale vor fi
considerabil mai simple şi deci mai uşor de urmărit decât cele parametrice.
În modelarea prin similitudine, criteriile joacă un dublu rol: în primul rând, pe baza lor se determină
modelul care respectă condiţiile modelării, iar în al doilea rând, valorile acestor criterii se transferă
cantitativ originalului. Se deosebesc două tipuri de criterii:
simplexuri;
complexuri.
Simplexul reprezintă un raport între doi parametri de aceeaşi natură fizică. (Astfel, dacă
interesează modelarea sistemului bifazic metal-zgură, drept criteriu simplex poate servi raportul
tensiunilor superficiale m/ zg).
Criteriul complex reprezintă un ansamblu de mai mulţi parametri de natură fizică diferită. Ca
exemplu poate servi criteriul Reynolds:
w l
Re ,
în care : w - viteza curentului în m/s;
l- dimensiunea caracteristică, m;
- vâscozitatea cinematică, m2/s;
Acest criteriu poate fi considerat ca indicator care caracterizează regimul curgerii unui lichid
sau gaz. Astfel, dacă se studiază mişcarea unui gaz într-o conductă de diametru (l), regimul curgerii
este laminar pentru Re 2320, tranzitoriu pentru 2320 Re 25.000 şi regimul este turbulent pentru
Re 25.000

1.3.5.2. Analogia

În cadrul teoriei similitudinii se consideră, de regulă, că procesele care se desfăşoară în original şi

pe model sunt asemănătoare din punct de vedere fizic, diferenţa dintre ele constând doar în valorile
parametrilor.
Dacă se generalizează noţiunea de scară, incluzând în ea raportul oricăror parametri omonimi ai
originalului şi modelului (de exemplu raportul dintre dimensiuni, călduri specifice, viteze de reacţie
etc.), modelul se va deosebi de original doar prin dimensiuni, care se vor stabili pe baza criteriilor
de similitudine. Trebuie precizat că în cazurile relativ simple, la alegerea scării se întâmpină o serie
de dificultăţi.
Prin definiţie, se numesc obiecte analogice obiectele şi fenomenele descrise de ecuaţii analoge,
ecuaţii care conţin mărimi fizice diferite, dar au aceiaşi operatori în aceeaşi ordine.
Deoarece în matematică nu se operează cu mărimi fizice, ci cu valorile lor numerice, analogia
ecuaţiilor ce descriu fenomene fizice diferite conduce la o distribuţie identică a valorilor numerice
în spaţiu şi timp. Datorită analogiei se pot construi modele asemănătoare originalului deşi natura
fizică a fenomenelor ce au loc în original şi model este diferită.

1.3.5.3. Modelarea cu ajutorul calculatoarelor electronice

Analogia lărgeşte posibilităţile de modelare, dar nu înlătură greutăţile legate de asigurarea unei
asemănări cât mai bine între model şi original. Astfel, în cazul unor originale de mare complexitate nu
se poate obţine prin analogie un model adecvat. Rezolvarea unor astfel de probleme complexe a fost
posibilă doar atunci când s-a renunţat la ideea identităţii sau chiar a asemănării dintre model şi
original.
Principiile modelării: economicitatea experimentului pe model şi posibilitatea transferării
cantitative a datelor de la model la original impun ideea că nu contează modalităţile tehnice de
respectare a acestor principii, mai mult decât atât, dacă problema poate fi rezolvată printr-un proces de
gândire, fără a recurge la modelare, cu atât mai bine.
Efectuarea calculelor pe baza modelelor matematice reprezintă etapa cea mai importantă în
analizarea oricărui proces tehnologic.
În cazurile simple, calculul este preferabil modelării, totuşi pe măsură ce procesele tehnologice
cresc în complexitate, modelele matematice devin şi ele tot mai complexe; apar des situaţii când
 modelul matematic există, însă rezolvarea ecuaţiei sau sistemului depăşeşte posibilităţile
cercetătorului, ceea ce impune utilizarea calculatoarelor electronice. Calculatorul electronic în care
s-au introdus programele realizate pentru rezolvarea problemelor date poate fi considerat modelul
material al procesului.
De aceea, utilizarea tehnicii de calcul este considerată ca o modalitate de modelare, numită
“modelare matematică”.
Spre deosebire de ea, “modelarea fizică” se bazează pe identitatea sau asemănarea fizică dintre
model şi original, iar la baza construcţiei modelului stau legile similitudinii.
Cele două metode de modelare nu sunt opuse, alegerea uneia sau a celeilalte se face pe baza
principiilor de eficienţă.
În anumite situaţii, teoria oferă forma generală a ecuaţiilor ce descriu procesul studiat, iar valorile
numerice ale coeficienţilor ce intervin şi pe baza cărora cazurile particulare diferă unul faţă de
celălalt, sunt determinate pe cale experimentală.
În majoritatea cazurilor însă, datorită complexităţii proceselor tehnologice, modelarea acestora se
realizează prin metode statistice, fiind parcurse două etape:
a. Premodelarea care se realizează pe baza unui experiment preliminar fiind rezolvate în acest
caz o serie de probleme, cunoscute sub denumirea generală de informaţie apriorică;
b. Stabilirea variabilelor de stare şi a parametrilor procesului, determinarea limitelor de
existenţă şi a intervalelor de variaţie ale factorilor (parametrilor) procesului; stabilirea erorii
experimentale; precizarea gradului de legătură dintre variabilele de stare şi parametrii
procesului.
Rezolvarea acestor probleme face posibilă trecerea la etapa a doua, modelarea propriu-zisă, care se
realizează pe baza unui experiment clasic sau factorial. Prin prelucrarea datelor experimentale se
obţin ecuaţia (ecuaţiile) modelului matematic al procesului studiat.

1.4. DETERMINAREA SOLUŢIEI OPTIME

Această etapă constă în determinarea unor valori ale variabilelor (parametrilor) independenţi
(de intrare) procesului – valori optime -, care să asigure cea mai bună valoare (minim sau maxim) a
funcţiei obiectiv – optimul.
Evident, o problemă de minimizarea a funcţiei obiectiv este identică cu o problemă de
maximizare, rezolvându-se cu ajutorul aceloraşi metode, datorită faptului că:
maxY(X) = min[-Y(X)]
În funcţie de valorile pe care le pot lua variabilele independente avem:
 optimizarea fără restricţii – atunci când variabilele independente pot lua orice valori;
 optimizarea cu restricţii – atunci când valorile pe care le pot lua variabilele independente
sunt limitate de diferite restricţii de tip egalitate: hi(X1, X2, ... Xn) = 0, i = 1,2, ... p şi/sau
inegalitate: gj(X1, X2, ... Xn) > 0, j = 1,2,...,q, numărul total de restricţii fiind r = p+q.
Restricţiile variabilelor independente sunt impuse de consideraţii tehnologice de
desfăşurare a respectivului proces metalurgic
În funcţie de numărul variabilelor independente luate în considerare avem:
 optimizare monovariabilă – când se ia în considerare o singură variabilă independentă,
funcţia de performanţă fiind de forma Y=Y(X);
 optimizarea multivariabilă - când se iau în considerare două sau mai multe variabile
independente, funcţia de performanţă fiind de forma Y=Y(X1, X2, ... Xn).
În funcţie de forma matematică a funcţiei de performanţă avem:
 optimizare liniară – când forma funcţiei de performanţă este liniară: Y=X1+ X2+ ... +Xn;
 optimizare neliniară – când funcţia de performanţă nu este de formă liniară(poate fi
polinomială de diferite grade, exponenţială, logaritmică, etc)

Metodele de optimizare (determinarea optimului funcţiei obiectiv) sunt în acord cu metodele de

determinare a modelelor matematice, urmând două direcţii distincte:
1) o direcţie aplicabilă sistemelor (proceselor) riguros cunoscute – metodă aplicabilă în cazul
în care modelul matematic poate fi elaborat pe baza unor cunoştinţe teoretice suficiente asupra
respectivului proces, caz foarte rar pentru procesele metalurgice, care, datorită particularităţilor lor, nu
sunt deplin cunoscute teoretic
2) o a două directie, experimental-statistică, când procesul analizat este considerat ca o
“black-box”

1) Optimizarea sistemelor riguros cunoscute

În această situaţie se utilizează trei categorii de metode de optimizare, ce sunt prezentate
schematic în figura 4:
 metode analitice, care utilizează calculul diferenţial în determinarea optimului (min. sau
max.) funcţiei obiectiv. Aceste metode presupun continuitatea funcţiei şi a derivatelor sale
şi sunt dificil de utilizat în cazul unor funcţii obiectiv complicate. Astfel, multe dintre
sistemele (procesele) de interes practic nu pot fi optimizate prin astfel de metode. Un caz
particular îl constituie programarea liniară, caz în care funcţia obiectiv este liniară în
raport cu variabilele de optimizat.
 metode numerice, adică metode care utilizează diverşi algoritmi ce dirijează evaluările
funcţiei obiectiv către optimul său, algoritmi ce conţin şi un criteriu de oprire a evaluărilor
succesive atunci când funcţia obiectiv s-a apropiat suficient de mult de optimul său. În
acest caz funcţia obiectiv este tratată ca un sistem black-box.
 metode mixte, în cazul cărora prin metode numerice funcţia obiectiv este adusă la o formă
echivalentă, a cărui optim este stabilit apoi prin metode analitice. De cele mai multe ori,
această metodologie de stabilire a optimului se aplică în faza finală a unei metode
numerice, atunci când s-a ajuns, prin evaluări numerice, în zona apropiată optimului
funcţiei obiectiv şi se doreşte îmbunătătirea rezultatului prin determinarea analitică a
optimului unei forme echivalente a funcţiei obiectiv.
2) Optimizarea experimental-statistică
În aceste cazuri, sistemul (procesul) este tratat conform principiului black-box din cibernetică.
Sistemul (procesul) există în funcţiune, se modifică valorile variabilelor de optimizat şi se
evaluează răspunsul sistemului (funcţiei obiectiv) pentru fiecare stare nou impusă variabilelor. Aşa
cum este schiţat în figura 5, metodele de optimizare experimental-statistice pot urma două căi:
 una dintre căi ia în considerare valorile succesive ale funcţiei obiectiv şi dirijează
cercetările (valorile parametrilor de optimizat) în direcţia optimului funcţiei obiectiv.
Cercetarea se opreşte în baza unui criteriu de stop, ce ia în considerare nivelurile de
variaţie succesivă a funcţiei obiectiv la modificare variabilelor (în general experimentările
se opresc atunci când modificările variabilelor de optimizat duc la variaţii situate sub un
anumit prag de semnificaţie a funcţiei obiectiv).
 cea de a doua cale, în baza unui plan experimental, evaluează răspunsul sistemului
pentru anumite valori ale variabilelor de optimizat (spre deosebire de cale anterioară
valorile variabilelor de optimizat sunt impuse iniţial, nefiind stabilite în funcţie de
răspunsul sistemului). Planul experimental este astfel conceput încât să permită
determinarea facilă a funcţiei obiectiv (răspunsul sistemului), a cărui optim este apoi
determinat prin metode numerice sau analitice.
Deci, prima cale este utilizată la începutul cecrcetării, când nu suntem interesaţi de relaţia
matematică a funcţiei obiectiv, ci doar de stabilirea valorilor (intervalelor de valori) variabilelor de
optimizat care asigură plasarea funcţiei obiectiv în zona optimului. A doua cale este utilizată în
completare la prima cale, în scopul îmbunătăţirii rezultatelor obţinute anterior, în acest scop stabilindu-
se funcţia obiectiv şi apoi determinând extremele sale.

În legătură cu metodele de optimizare experimental-statistice, metode cu foarte multe utilizări

în procesele metalurgice, se impun următoarele precizări:
răspunsul unui sistem aflat în funcţiune, ca urmare a prezenţei perturbaţiilor, are
întotdeauna un caracter aleator. Deciziile cu privire la evaluarea optimului trebuie deci
fundamentate pe principii ale statisticii matematice;
 de cele mai multe ori funcţiile de răspuns ale proceselor metalurgice sunt deosebit de
complexe, motiv pentru care metodele numerice de determinare a optimului au o mare
importanţă şi. deci. o largă aplicabilitate practică;
funcţie de răspuns poate avea mai multe extereme, optimul obţinut în urma unui singur
ciclu de cercetare având un caracter local. Pentru îmbunătăţirea rezultatelor, deci a aflării
optimului global, de cele mai multe ori cercetarea necesită mai multe cicluri de cercetare,
fiecare având alte puncte de pornire (valori de start ale variabilelor de optimizat)
Sistem de optimizat
riguros cunoscut

METODE
Funcţie obiectiv şi Algoritmul Evaluarea numerică Analiza
restricţii cercetării numerice a funcţiei obiectiv NUMERICE OPTIM
rezultatelor

Calcule diferenţiale pt
stabilirea optimului

Forme echivalente
a funcţiei obiectiv
Analiza
rezultatelor

Fig.4. Optimizarea unui sistem

OPTIM METODE riguros cunoscut; funcţia obiectiv şi
MIXTE restricţiile sunt în forma matematică

METODE
ANALITICE

Sistem în funcţiune Plan Estimare pentru Metode analitice

şi numerice de OPTIM
(black – box) experimental funcţia obiectiv optimizare

Algoritmul
experimentului ptr.
evaluarea optimului

Experiment

Fig.5. Metode experimental – statistice de optimizare

Analiza răspunsului
sistemului

OPTIM
obţinut experimental