Оптимизация проектирования и подготовки производства радиоэлектронных модулей при создании радиотехнических систем и устройств Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 621.39

ОПТИМИЗАЦИЯ ПРОЕКТИРОВАНИЯ И ПОДГОТОВКИ ПРОИЗВОДСТВА РАДИОЭЛЕКТРОННЫХ МОДУЛЕЙ ПРИ СОЗДАНИИ РАДИОТЕХНИЧЕСКИХ СИСТЕМ И УСТРОЙСТВ А.В. Муратов, С.В. Иванов

В настоящей статье представлены методы оптимизации процессов проектирования и подготовки производства радиоэлектронных модулей при создании радиотехнических систем и устройств. Рассматриваются структура маршрута оптимального проектирования, структура и принципы работы гибридной интеллектуальной системы оптимизации принятия предпроектных технических решений, а также структура и математическое обеспечение программнометодического комплекса конструкторско-технологической оптимизации радиоэлектронных модулей

Ключевые слова: проектирование, оптимизация, радиоэлектронный модуль, гибридная интеллектуальная система, подготовка производства

В настоящее время процессы проектирования и подготовки производства современных радиоэлектронных модулей (РМ), являющихся конструктивной базой практически всех типов радиотехнических систем и устройств (РТСУ), представляют собой комплекс разноплановых задач высокого уровня сложности, требующих значительных временных и материальных затрат. Жесткая рыночная конкуренция, высокие темпы развития элементной базы и материалов, модернизация технологий изготовления, повышение функциональности и надежности РТСУ в сочетании с постоянным улучшением их конструкций и эргономики приводят к сокращению периода востребованности любого электронного изделия на рынке радиоэлектронной аппаратуры. Вследствие этого с целью обеспечения конкурентоспособности на всех этапах создания РМ все более широкое распространение получают системы автоматизированного проектирования (САПР). На сегодняшний день САПР, позволяющие выполнять такого рода задачи, очень дороги и специфичны, что ведет к трудоемкости внедрения и подстройке под конкретное производственное предприятие. Все это делает многие из этих средств недоступными для многономенклатурных малых и средних предприятий отрасли, тем самым снижается эффективность работы производства, что, в свою очередь, отрицательно сказывается на уровне выпускаемых изделий.

Учитывая вышесказанное, целесообразна разработка автоматизированных средств, обеспечивающих оптимальное проектирование конкурентоспособных РМ, учитывающих качественные маркетинговые исследования, решение разнообразных оптимизационных конструкторско-технологических задач при разработке электрических схем, проектировании печатных плат и конструкций модулей, а также позволяющего определить конкурентоспособность проектируемого изделия на различных стадиях проектирования, в том числе на стадии предпроектных работ. При этом проектирование обеспечивает учет нескольких возможных сценариев работы производства предприятия. Актуальность данной темы определяется необходимостью разработки соответствующих математических моделей и алгоритмов, программного и информационного обеспече-

Муратов Александр Васильевич - ВГТУ, д-р техн. наук, профессор, тел. +7(473) 243-77-30

Иванов Сергей Викторович - ЗАО «ИРКОС», канд. техн. наук, тел. 8-905-655-74-90, e-mail: [email protected]

ния для оптимального проектирования конкурентоспособных РМ. Разработанные методы позволят осуществлять оптимизацию элементной базы и оборудования, материалов и инструмента с учетом множества конструкторско-технологических критериев и ограничений, позволят формировать оптимальные технологические процессы на различных этапах создания РМ и др., что, в свою очередь, повысит качество и скорость их изготовления, снизит себестоимость производимой продукции и как следствие повысит конкурентоспособность. Таким образом, актуальной является задача разработки и привлечения интеллектуальных систем поддержки принятия оптимальных технических решений на этапе предпроектных работ, а также разработка комплекса конструкторско-

технологической оптимизации РМ на этапах проектирования и подготовки производства. Для решения поставленных выше задач была разработана структура маршрута оптимального проектирования конкурентоспособных РМ, которая включает гибридную интеллектуальную систему оптимизации принятия предпроектных технических решений (ГИСОППТР) и программно-методический комплекс (ПМК) конструкторско-технологической оптимизации

(КТО) РМ.

Система ГИСОППТР формирует виртуальную модель нового изделия повышенного спроса, включающую улучшенные параметры, за счет которых обеспечивается более высокая конкурентоспособность по сравнению с изделиями-аналогами, а также учитывающую возможности предприятия. В конечном итоге, используя результаты систематизированных маркетинговых исследований, принимается решение о целесообразности разработки и производства нового изделия в условиях конкретного предприятия. Помимо этого, возможна оценка необходимости модернизации производства предприятия для более эффективной работы и перспективного освоения новых изделий. Следует отметить, что система оптимальных пред-проектных технических решений предусматривает несколько возможных сценариев работы предприятия: выпуск одного или нескольких изделий различного назначения с индивидуальными фондом времени и программой выпуска.

Это, в свою очередь, повышает достоверность полученных результатов и прогнозирует работу предприятия в условиях одно- и многономенклатурного производства [1]. На рисунке 1 представлена структура ГИ-СОППТР, а также взаимосвязь отдельных модулей системы с ключевыми этапами принятия предпроект-ных технических решений. Так как вышеуказанная система поддержки принятия оптимальных технических решений охватывает широкий спектр задач, которые трудно поддаются математическому моделированию, рационально использовать гибридные интеллектуальные системы [2]. Предлагаемая гибридная интел-

лектуальная система основана на сочетании экспертной подсистемы (ЭП) использующей нечеткие логические модели знаний, ЭП на основе искусственных нейронных сетей (ИНС) и ЭП, в которой заложены продукционные модели знаний. Причем представление знаний осуществляется с помощью объектно-

ориентированного и реляционного подходов. Данные подходы позволяют реализовать базу знаний (БЗ) как надстройку над любой современной объектно-реляционной системой управления базами данных (БД).

Рис. 1. Структура ГИСОППТР

В результате работы ЭП формирования виртуальной модели нового изделия получаем обучающую выборку объекта экспертизы (ОЭ) для ИНС. Здесь применение ЭП обусловлено увеличением скорости обучения ИНС, а также уменьшением вероятности попадания ИНС в локальные минимумы. Так как в указанной ЭП при определении значений параметров нового изделия необходимо задавать нечеткое отношение, целесообразно использовать нечеткую реляционную модель знаний.

После завершения работы ЭП формирования виртуальной модели нового изделия предусмотрен переход к ИНС для анализа производства предприятия и объекта экспертизы. Учитывая, что задачи, решаемые ГИСОППТР, сводятся к задачам аппроксимации функции, то в качестве нейросетевой модели был выбран многослойный персептрон [2]. Следует отметить, что работа ИНС интеллектуальной системы основана на двух методах обучения -методе обратного распространения ошибки и сети

Кохонена. Результатом работы ИНС является формирование и вывод результатов анализа производства предприятия и ОЭ. Согласно данным результатам можно отследить ход работы ИНС, а также причинно-следственные связи, что является немаловажным фактором в процессе принятия оптимальных решений. Особое внимание было уделено проектированию оптимальной структуры ИНС, то есть выбору количества слоев и нейронов в каждом слое, а также определению необходимых связей между слоями [1].

Завершающий этап работы ГИСОППТР выполняет ЭП принятия оптимальных технических решений на основе продукционной модели Поста. В экспертных системах, основанных на продукционной модели, предметные знания представляются набором правил, которые проверяются на группе фактов или знаний о текущей ситуации. Вывод в продукционной модели можно представить в виде графа, начальные вершины которого соответствуют

описанию исходной ситуации (исходные посылки), ребра - применение продукций, а пути из одной вершины в другую - возможные выводы данного слова (следствия). Продукционная модель обеспе-

чивает наглядность результатов работы ИНС, высокую модульность и простоту механизмов ввода, вывода и редактирования данных.

Рис. 2. Структура ПМК КТО РМ

Структура программно-методического комплекса конструкторско-технологической оптимизации РМ (рис.2), состав соответствующих проектных процедур и математического обеспечения, отличаются комплексным подходом к решению задач оптимизации выбора элементной базы РМ на этапе схемотехнического проектирования, оптимизацией выбора оборудования, материалов и инструмента для изготовления печатных плат и РМ на этапах проектирования топологии печатной платы и конструкции изделия, а также генерацией оптимальных технологических процессов производства печатных плат и РМ с расчетом их себестоимости [3].

Работа комплекса основана на алгоритме конструкторско-технологической оптимизации изготовления радиоэлектронных модулей. После ввода исходных данных проекта необходимо выбрать электрорадиоэлементы (ЭРЭ) или осуществить загрузку из соответствующего файла списка ЭРЭ. Возможно оптимизировать выбор ЭРЭ при помощи программного обеспечения (ПО) конструкторско-технологического анализа электрических схем РМ. Алгоритм оптимизации выбора ЭРЭ предусматривает ввод исходных данных проекта - электрических, конструктивных, эксплуатационных и технологических параметров изделия, после чего производится импорт списка ЭРЭ из схемотехнического редактора. Далее производится запрос в БД ЭРЭ программы, формируется список ЭРЭ, выбранных из БД элементов. Осуществляется настройка параметров ЭРЭ, задаются весовые коэффициенты и производится настройка процесса оптимизации. В окно программы настроек оптимизации вводятся количество критериев оптимизации, точность сходимости целевой функции, максимальное количество итераций, числовой порог учета критериев и др. Далее следует выбрать способ оптимизации. Предусмотрена оптимизация на основе статистического метода и статистического метода в сочетании с одним из градиентных методов, а также с помо-

щью метода исследования пространства параметров. Данное сочетание методов позволяет достичь наилучшей оптимальности при многокритериальном синтезе однотипных элементов. Выбор градиентного метода осуществляет разработчик в зависимости от конкретной задачи. В случае выбора способа, при котором используется только статистический метод оптимизации, выбор градиентного метода не осуществляется. Далее осуществляется оптимизация списка ЭРЭ, выбранных из БД. Полученные результаты выводятся в виде графиков уровня целевой функции, количества отобранных элементов на каждом из этапов итерации и собственно оптимизированный список радиоэлементов. В случае удовлетворения результатами оптимизации предусмотрено их сохранение, экспорт оптимального списка ЭРЭ в схемотехнический редактор и завершение работы программы. В противном случае предусмотрена корректировка весовых коэффициентов целевой функции и повторная оптимизация [4]. После ввода характеристик отобранных ЭРЭ производится оценка стоимости элементной базы проекта [5]. Далее руководствуясь выбранной элементной базой, допустимыми тепловыми режимами элементов на пайку, с учетом ограничений на габариты печатной платы (ПП) осуществляется выбор базового конструктивного исполнения РМ. Каждому конструктивному исполнению РМ соответствует своя схема технологического процесса (ТП), состоящего из множества последовательно выполняемых операций.

При расчете площади ПП, в случае не удовлетворительных габаритов предусмотрена повторная оптимизация списка ЭРЭ с привлечением соответствующего ПО. Также алгоритм предусматривает расчет требуемого числа сигнальных и логических слоев, выбор класса точности и коэффициента плотности печатного монтажа ПП, выбор материала диэлектрического основания ПП и соответственно марку ПП. Возможна оптимизация процессов

изготовления данной ПП. Здесь алгоритм работы ПО КТО изготовления ПП предусматривает ввод исходных данных проекта, а именно: наименование проекта, программу выпуска ПП; ввод конструктивных параметров печатных плат (класс точности ПП, размеры ПП, толщина ПП, технологические поля ПП и др.); ввод электрических параметров ПП (диапазон рабочих частот); эксплуатационных и технологических параметров ПП (количество слоев ПП, наличие требований по уровню экологичности ПП согласно международным стандартам; применение технологии «РЬ-Ггее») [6]. После ввода исходных данных осуществляется настройка процесса оптимизации ПП. Далее требуется выбрать метод оптимизации (генетический поиск или градиентный метод), устанавливаются критерии оптимизации (себестоимость ПП, время изготовления ПП, надежность) и выбраются поисковые параметры (технологические процессы, оборудование, материалы и инструмент). В данном случае использование генетических алгоритмов для решения оптимизационных задач в качестве возможной замены метода случайного поиска значительно повышает быстродействие [6].

Далее производится расчет себестоимости ПП, осуществляется выбор ТП изготовления РМ, после чего требуется определить оптимальное оборудование для каждой операции. Затем производится расчет количества оборудования и коэффициентов его загрузки, амортизационные затраты и полная себестоимость. Аналогично выбирается инструмент и вспомогательное оборудование. Предусмотрена оптимизация процесса влагозащиты РМ. Для этого требуется ввести исходные данные оптимизации процесса влагозащиты РМ, а именно: время безотказной работы РМ; ограничение стоимости влагозащитного материала; давление паров воды в условиях эксплуатации изделия; критические значения поверхностного и объемного сопротивлений, диэлектрической проницаемости и тангенса угла диэлектрических потерь ПП. После этого необходимо рассчитать объем РМ и общую площадь полимерного покрытия. Далее осуществить выбор материала влагозащиты РМ и произвести расчеты предельного давления паров воды, расчет оптимальной толщины влагозащитного покрытия и его себестоимость. При удовлетворении

значению себестоимости осуществляется выбор рекомендуемого оборудования для нанесения выбранного материала влагозащиты. В случае принятия решения о выборе (замене, если до оптимизации процесса влагозащиты оборудование уже было выбрано) оборудования влагозащиты производится перерасчет всего комплекса оборудования для изготовления РМ и сохранение результатов оптимизации. Следует отметить, что оптимизация основана на расчете необходимой и достаточной толщины влагозащитного покрытия, в зависимости от заданных значений предельных величин поверхностного и объемного сопротивлений диэлектрического основания ПП, диэлектрической проницаемости и тангенса угла диэлектрических потерь ПП и др. При этом в качестве эксплуатационного критерия выступает время безотказной работы РМ [5].

Выбор антистатического оснащения является одной из задач многокритериальной оптимизации подготовки производства РМ. Реализован выбор оптимальных материалов для изготовления РМ, при этом рассчитывается расход материалов и их себестоимость. Производятся расчеты необходимого количества рабочих и операторов, затраты на заработную плату и себестоимость РМ. Строится график зависимости стоимости РМ проекта от программы выпуска. В этом случае возможно нахождение приемлемой стоимости РМ и повторная оптимизация с учетом коррекции исходных данных проекта [5]. Необходимо подчеркнуть, что оптимизация выбора оборудования, материалов и инструмента каждого из этапов алгоритма является многокритериальной, учитывающая множество конструкторско-технологических ограничений. Так, например, при выборе оборудования пайки РМ учитывается его стоимость, производительность, массогабаритные параметры, программы выпуска РМ, ограничения по максимальной температуре пайки ЭРЭ, по типу используемых корпусов ЭРЭ, стойкость ЭРЭ к влаге, требования действующих международных и государственных стандартов и др.

С целью реализации поставленных выше задач было разработано математическое обеспечение ПМК КТО РМ и сформирована структура математического обеспечения методов оптимального проектирования конкурентоспособных РМ (рис. 3).

Рис. 3. Структура математического обеспечения оптимального проектирования конкурентоспособных

радиоэлектронных модулей

Т ак как в ЭП формирования виртуальной модели нового изделия целесообразно использовать нечеткую реляционную модель знаний, то модель может быть рассмотрена как расширение лингвистической модели, в которой отображения между входными и выходными нечеткими множествами представляются нечеткими отношениями. Положим, что х1, х2, ..., хт-1 - входные лингвистические переменные, а у - выходная лингвистическая переменная, определенные соответственно на базовых множествах Ш (1 = 1, ..., т) [2]. При этом каждая из лингвистических переменных представляет собой следующее отношение

х = (п,Т(п ) ,и,О ,М \ (1)

\ г г г г г/

где пг - имя переменной; Т(п) - множество лингвистических наименований переменной; иг - базовое множество соответствующей лингвистической переменной; Ог - множество правил генерирования имен; Мг - множество семантических правил связывания пг с тем, что оно обозначает, г = 1, ..., т. Формирование нечеткого отношения между входными и выходными лингвистическими переменными модели осуществляется следующим способом. Полагаем, что каждое иг есть конечное множество

непересекающихся подмножеств и^, например, множество промежутков значений параметров

и^ ,и^ +1 . Степень соответствия к-го лингвис-г г

тического наименования 1-ой лингвистической переменной значениям --го подмножества характеризуется значениями функции принадлежности Ц— ■

Значения функции принадлежности г-ой лингвистической переменной задаются экспертом и представляются в виде матрицы

(2)

В этой матрице верхний индекс - номер лингвистической переменной, первый нижний индекс - номер лингвистического наименования, второй нижний индекс - номер подмножества базового множества [1,2]. Связь между величинами у и факторами х1, х2, хт-1 будем описывать набором продукционных правил следующего вида

если 'Тк1(п1> л-л Ткт - ](Пт - 1>)'

то 'Ткт(пт>)' (3)

Правило (3) представляет собой импликацию, которая, в свою очередь, порождает нечеткое отношение между элементами множеств О, і = 1, ..., т. Каждое правило (3) удобно записывать в виде

многомерной матрицы Яп (п = 1, ..., Ы, где N -

ц1] ЦІ2 . ■ 4

Мі = ц2і ц 22 . ц .. >5

ц1 1 ё1 ці 2 . ё2 . ці ё*

количество правил), размерность которой равна количеству объясняющих и объясняемых факторов т. Размерность же по каждой из координат матрицы равна количеству диапазонов, определенных на базовом множестве соответствующей лингвистической переменной. Элементами Яп . данной

i, },...,о,р

матрицы будут значения функции принадлежности.

Матрицу Яп (п = 1, ..., Ы> можно представить в виде

Яп =

і,},...,о,р

(

= л

1

2

т

(4)

где і,}, ..., о, р - индексы по каждой из координат; I - оператор импликации; л - оператор свертки

входных факторов; цк ^ - элемент матрицы функ-і

ций принадлежности (2) для і-ой лингвистической переменной, стоящий в строке с номером кі и столбце с номером г. Номер строки кі в матрице М' (2) выбирается в соответствии с номером наименования Т (п > у і-ой лингвистической переменной кі і

в правиле (3). Затем в виде матрицы составляется обобщенное отношение К, значения функции принадлежности которой находятся по правилу

цк = цяіу ця2 у ..у цяы ■ (5)

Задачи, решаемые ГИСОППТР, сводятся к задачам аппроксимации функции, таким образом, в качестве нейросетевой модели целесообразно выбрать многослойный персептрон. Многослойный персептрон может аппроксимировать непрерывную функцию любого типа. В работе [7] это свойство представлено в виде теоремы универсальной аппроксимации

к ( ё Л

X,

,х,

ж. ■ х. + Ь

і} } '

(6)

;)=ЕЕ

і=] V }=]

Работа многослойного персептрона описывается формулой

(кп-1 Л

=АЕ

ж(п> ■ уп-]) - @(п;

іі У іі .}

(7)

,(п>

где у } - выходной сигнал нейрона с номером } в слое с номером п; А - функция активации нейрона;

/п>

V

ж7 - весовой коэффициент синаптической связи,

соединяющий г-й нейрон слоя п-1 с у-м нейроном слоя п; 0(п; - пороговый уровень --го нейрона в

слое п [2]. В данном случае выходное значение нейрона формируется в результате применения функции активации к взвешенной сумме выходов всех нейронов предыдущего слоя.

Следует отметить, что работа ИНС интеллектуальной системы основана на двух методах обуче-

п

і=]

ния - методе обратного распространения ошибки и сети Кохонена. Метод обратного распространения ошибки используется в последовательном режиме работы при решении задач прогнозирования и анализа ОЭ, когда известны как входные, так и выходные параметры. Метод сети Кохонена в режиме аккредитации используется в ИНС в случае, когда известны только входные параметры ОЭ, а выходные значения параметров будут получены в результате работы [1].

Более полно математическое обеспечение КТО РМ представлено в работе [3], ниже будут рассмотрены некоторые из основных математических моделей. Проектирование электрических схем РМ должно быть направлено на реализацию целевой функции вида

F(К, Ц)® opt, (8)

при удовлетворении хотя бы оного из условий конкурентоспособности РМ

К > КА ; Ц < ЦА , (9)

где К и КА — критерии качества соответственно проектируемого изделия (ПИ) и лучшего аналога, имеющегося на рынке; Ц и ЦА — цена ПИ и аналога. Показатель качества — многогранное свойство изделия; его количественная оценка производится по формуле

К = Z&ша ЕYпт , (10)

i=1 / i=1

где D — количество параметров РМ; gnKi — i-й относительный показатель качества; уПКІ — коэффициент весомости i-го параметра [8].

Относительные показатели качества вычисляют по формулам

g пт = X 7 X ai , (11)

если К пропорционален Хі и при обратной зависимости

gПКІ = (Xі IX ೥ , (12)

где Хі и Хаі — параметры ПИ и аналога.

В общем случае компоненты характеризуются множествам параметров G

G = {s,w,m, z,gp,v,fn, уп ,1у ,tH, н,с), (13)

где s — электрические параметры (частотный диапазон, быстродействие, потребляемая мощность и т.п.); w — конструктивное исполнение; m — масса; г — габариты; gp — диапазон рабочих температур; v — допустимая влажность окружающей среды; fn — предельная частота вибраций; уп — предельная ударная перегрузка; 1у — максимальный уровень линейного ускорения; tH — возможная тепловая нагрузка при пайке; н — надежность; с — стоимость. Выбор компонентов по климатическим и механическим параметрам должен предусматривать выполнение следующих ограничений

T > T + T ; T > T . ; v > v ; f > f 0;

-- -• ' - '"ПІП ^ o 5 J n J nu 5

Уп > УпО ; ly > 1 уО , (14)

где \Tmax - Tomn\ = gp — максимальная и минимальная температура окружающей среды; T — темпера-

тура нагретой зоны РМ; у0, /гЮ уп0 и 1у0 - соответственно влажность окружающей среды, максимальная частота вибраций, ударная перегрузка и линейное ускорение, величины которых указаны в техническом задании (ТЗ) на проектирование РМ.

Для расчета надежности используют сумму интенсивности отказов РМ

^РЭС = ^ЭРЭ + ^ПС + ^ПП + ^ПЭ , (15)

где ХЭРЭ - суммарная интенсивность отказов компонентов; ХПС - суммарная интенсивность отказов паяных соединений; ХПП - суммарная интенсивность отказов печатных плат; ХПЭ - суммарная интенсивность отказов прочих элементов (реле, тумблеров, соединителей и т. п.).

Для того чтобы параметры конструкции РМ соответствовали требованиям ТЗ, задача выбора типов ЭРЭ функциональных устройств должна решаться на основе методов оптимизации со следующими критериями качества: К1(х) - показатель надежности ЭРЭ; К2(х) - показатель массы ЭРЭ; К3(х) - показатель габаритов ЭРЭ; К4(х) - показатель стоимости ЭРЭ. Наиболее употребительным в случае небольшого числа не слишком противоречивых критериев является аддитивный метод построения обобщённого критерия качества. Целевая функция оптимизационной задачи имеет вид

f (x) = Е РА(x)

(16)

где рі - і-й весовой коэффициент; Кі - і-й критерий качества. В общем виде задачу выбора оптимальных типов элементов ПИ с учетом ограничений можно представить в виде

f (x) = Е Р iKi(x)® min

І=1

go (x )- gi(x )£ 0 >

i = 1,n

(17)

где и, - функция ограничения на г-й параметр ПИ; Ию - функция ограничения на г-й параметр ПИ, указанной в ТЗ. Для учёта ограничений используем метод барьерных функций, так как поиск оптимального решения чаще всего представляет собой процесс доработки имеющегося объекта - прототипа, и в результате получаем следующую задачу безусловной оптимизации

Ф(х1,...,хп ) = /(х1,-,хп )+ & (х1,-,хп )® min,

(18)

п 1

Qк =-гк • Т—Т~)-----------------------М, (19)

т! Ию(х)- И,(х)

где Qк - барьерная функция; гк - коэффициент равный 10-к; к - номер итерации в поисковом методе. С целью оптимизации ТП изготовления ПП модулей по стоимостному критерию требуется решение задачи выбора технических объектов (ТО) применительно к г-й операции в условиях ее многоальтернативного оснащения. При выборе ТО во всех случаях должно выполняться следующее условие

i=1

S„ < A,

(20)

где д- - погрешность ТО--го типа, предназначенного для выполнения г-й операции; А - требуемая точность операции, зависящая от класса точности печатной платы. Минимизация затрат С на изготовление ПП достигается в том случае, если обеспечивается целевая функция вида

С(КЪ1,...,К&„...,КЪт) ® тт, (21)

и выполняется ограничение

Э > Э , (22)

кр тр 5 V J

где кдг - неисправимая доля брака на г-й операции; Экр - достигнутый уровень экологичности метода изготовления ПП в собственных условиях; Этр -уровень экологичности данного метода по международным стандартам [9]. Для вычисления технологической себестоимости СТ ПП используем выражение

СМ + СРО + /

СТ = М ШЗМ , (23)

Т + (С + с + С + С )

~ < ^НО ~ ПР ОБ МО //

где СМ - затраты на материалы; СРО - заработная плата с начислениями рабочих и операторов в расчете на одну плату; СНО - затраты на приобретение нового оборудования; СПР - затраты на подготовку производства; СОБ - расходы на содержание и эксплуатацию оборудования, требующиеся для выпуска ПП объемом ЫЗМ в течение запланированных лет; СМО - расходы на модернизацию технологии. Количество единиц Qij оборудования на каждой операции вычисляем по формуле

N

Qj =-----— , (24)

гу Р . р

V

где N31 - годовая программа запуска ПП на г-й операции, шт.; Р- - производительность у-го типа оборудования, шт. / ч; р - годовой фонд единицы оборудования, ч. Программу запуска на -й операции определяем по формуле

N,. ,

' (25)

N. =

К

где Ыз-1 - программа выпуска ПП на предыдущей операции, шт.; Квгі - доля годных ПП на і-й операции. Для оптимизации влагозащиты РМ приближенно рассчитывают тз - время, в течение которого не проявляются отказы РМ в результате ухудшения электрических свойств ПП под действием воды, по формуле

V • h • l ,

т, =------------ln

Sn • P

Р o

\

Р o - Р

к J

l2

+—, 6

(26)

где V- объем печатной платы, м3; 8П - площадь, м2, полимерного покрытия; ро - давление паров воды, Па, внешней среды; ркр - предельное давление, Па, паров воды внутри оболочки из полимерной пленки, при котором не происходит выход из строя РМ в результате накопления влаги в объеме V и достижения критических величин поверхностного КП и объемного К^7 сопротивлений ПП, диэлектрической

проницаемости е и тангенса угла диэлектрических потерь 1ид диэлектрика ПП [10].

В общем виде математическая постановка задачи оптимизации контроля РМ имеет вид

т

Р = Е/,(РаР,—„N1)® тт (27)

при наличии ограничений Nг. < Nг < Nг , N. . < N. < N. , (28)

imіп i imax 5 imin i imax 5 v '

где Pa - вероятность отсутствия брака на i-й операции при l-м режиме обработки (i = j = 1,...,Li); Pg - вероятность, что по-

ступивший на i-ю операцию элемент годный; P j -вероятность отсутствия брака на i-й операции при использовании j-го варианта контроля; N. - количество изделий на выходе i-й операции; N‘ - количество годных изделий на выходе i-й операции [11].

Значения Nimin , Nimax , Nimin , Nimax определяют по

правилам: если на i-й шаг ТП поступило Ni_1 годных изделий, то на выходе после контроля получим

N. = N.

(2 • Iі.,, • Р., • Р.,. + >

i-1,l i-1,g i-1,J

+1 - Р ,, • Р , - Р

1-1,1 i-1,g i-1,j j

(29)

из них годных изделий

N = ^-!. Р-,. Р_и . Р-1-. (30)

Т ехнологическая себестоимость (СРМ) РМ включает в себя затраты на флюс СФ, припой (паяльную пасту) СПР, клеи СКЛ, влагозащитный материал СВМ, затраты на заработную плату рабочим СРБ и суммарные расходы ССР, определяемые из выражения

сср = (СО

ОП + САМ + СЭЛ +

+ СВД + ССВ + С ПИ )/N

(31)

где СОП - затраты на заработную плату операторам; САМ - затраты на амортизацию оборудования; СЭЛ -затраты на электроэнергию; СВд - затраты на воду; ССВ - затраты на сжатый воздух; СПИ - затраты на дооснащение производства новым оборудованием. Полная себестоимость РМ определяется

СПО = СРМ + НЦ + НОЗ + НВН, (32)

где Нц - цеховые расходы; Ноз - общезаводские расходы; Нвн - прочие внепроизводственные расходы.

Таким образом, разработаны методы и алгоритмы оптимального проектирования конкурентоспособных РМ, которые повышают эффективность применения модулей в различных РТСУ. Отличием предложенных методов и алгоритмов является использование статистического метода в сочетании с градиентными методами и использование метода исследования пространства параметров на этапе оптимизации элементной базы, а также использование генетических алгоритмов при решении оптимизационных задач на этапах конструкторско-технологической оптимизации изготовления ПП и

i=1

РМ. Рассмотрены структура маршрута оптимального проектирования конкурентоспособных РМ, состав соответствующих проектных процедур и математического обеспечения, отличающиеся комплексным подходом к решению задач конструкторско-технологической оптимизации на различных этапах создания РМ. Также рассмотрены структура и принципы работы ГИСОППТР, основанной на сочетании экспертной подсистемы, использующей нечеткие логические модели знаний, экспертной подсистемы на основе искусственных нейронных сетей и экспертной подсистемы, в которой заложены продукционные модели знаний. На основе рассмотренных выше математических моделей и алгоритмов разработан ПМК КТО РМ, с помощью которого осуществляется многокритериальная оптимизация конструкций модулей, повышается эффективность процессов изготовления ПП и РМ, а также процесса влагозащиты модулей и операций контроля. В результате чего повышается конкурентоспособность модулей, при снижении их себестоимости и сокращении сроков выхода изделий на рынок.

Литература

1. Донец С.А. Система принятия оптимальных предпроектных технических решений при создании сложных электронных средств / С.А. Донец, С.В. Иванов // Вестник Воронежского государственного технического университета. - 2009. Т.5. №11. С. 198 - 204.

2. Матвеев М.Г. Модели и методы искусственного интеллекта. Применение в экономике: учеб. пособие / М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникова. - М.: Финансы и статистика; ИНФРА-М, 2008. - 448 с.

3. Иванов С.В. Разработка методов оптимального проектирования конкурентоспособных радиоэлектронных модулей: дис. на соискание ученой степени канд. тех. наук: 05.13.12 / Иванов Сергей Викторович. - Воронеж, 2009. - 137 с.

4. Донец С.А. Алгоритм работы программного

обеспечения «Оптимум» конструкторско-

технологического анализа электрических схем РЭС / С.А. Донец, С. В. Иванов // Системные проблемы надежности, качества, информационно-телекоммуникационных и электронных технологий в управлении инновационными проектами (Инноватика-2008): Материалы Междунар.

конф. и Рос. науч. шк. - М.: Энергоатомиздат. 2008. Ч.4. С. 326 - 329.

5. Иванов С.В. Структура и алгоритм работы программного обеспечения конструкторско-технологической оптимизации проектирования и подготовки производства РЭС / С.В. Иванов // Проблемы обеспечения надежности и качества приборов, устройств и систем: межвуз. сб. науч. тр. Воронеж: ВГТУ, 2009. С. 191 - 197.

6. Донец С.А. Программное обеспечение конструк-

торско-технологической оптимизации изготовления печатных плат / С.А. Донец, С.В. Иванов // Системные проблемы надежности, качества, информационно-

телекоммуникационных и электронных технологий в управлении инновационными проектами (Инноватика-2009): Материалы Междунар. конф. и Рос. науч. шк. -М.: Энергоатомиздат. 2009. Ч.4. С. 28 - 33.

7. Hornik K., Stinchcombe M., White H. Multilayer feed forward networks are universal approximators // Neural Networks. - 1989. - Vol. 2. - P. 359 - 366.

8. Многокритериальный синтез электрических схем радиоэлектронных средств / А.В. Муратов, Н.Э. Самой-ленко, С.А. Донец, С.В. Иванов // Вестник Воронежского государственного технического университета. - 2007. Т.3. №4. С. 5 - 8.

9. Муратов А.В. Оптимизация технологической системы изготовления печатных плат / А. В. Муратов, С.А. Донец, С.В. Иванов // Системные проблемы надежности, качества, математического моделирования, информационных и электронных технологий в инновационных проектах (Инноватика-2007): Материалы Между-нар. конф. и Рос. науч. шк. - М.: Энергоатомиздат. 2007. Ч.2. Т.3. С. 56 - 61.

10. Муратов А.В. Оптимизация влагозащиты радиоэлектронных модулей / А.В. Муратов, С.А. Донец, С.В. Иванов // Системные проблемы надежности, качества, математического моделирования, информационных и электронных технологий в инновационных проектах (Инноватика-2007): Материалы Междунар. конф. и Рос. науч. шк. - М.: Энергоатомиздат. 2007. Ч.2. Т.3. С. 247 -253.

11. Оптимизация контроля радиоэлектронных модулей в производстве / А. М. Донец, Н. Э. Самойленко, С. А. Донец, С. В. Иванов // Математические методы в технике и технологиях - ММТТ-19: сб. тр. XIX Между-народ. науч. конф.; под общ. ред. В.С. Балакирева. - Воронеж: ВГТА, 2006. Т.5 С.83 - 84.

Воронежский государственный технический университет ЗАО «ИРКОС» (г. Воронеж)

OPTIMIZATION OF DESIGNING AND MANUFACTURE PREPARATION RADIOELECTRONIC MODULES AT CREATION RADIOENGINEERING SYSTEMS AND DEVICES A.V. Muratov, S.V. Ivanov

In present article methods of optimisation of processes of designing and preparation of manufacture of radio-electronic modules are presented at creation of radioengineering systems and devices. The structure of a route of optimum designing, structure and principles of work of hybrid intellectual system of optimisation of acceptance of predesign technical decisions, and also structure and a software of a programmno-methodical complex of konstruktorsko-technological optimisation of radio-electronic modules are considered

Key words: designing, optimisation, the radioelectronic module, hybrid intellectual system, manufacture preparation