4.1. Xây dựng mơ hình tối ưu hóa
4.1.1. Tổng quan về tối ưu hóa q trình gia công
Tối ưu hóa q trình gia cơng nhằm nâng cao hiệu quả của quá trình sản xuất, cải tiến quy trình cơng nghệ là chủ đề đã nhận được sự quan tâm nghiên cứu trong thời gian qua. Trên thực tế, các bài toán tối ưu tương đối phức tạp do vậy cần thiết phải áp dụng các thuật tốn mạnh để tính tốn, giải quyết vấn đề này. Mục đích của giải bài tốn tối ưu hóa là tìm ra các điểm cực trị (nghiệm) hay giá trị nhỏ nhất hoặc lớn nhất của các hàm mục tiêu [61].
Kỹ thuật và cơng cụ tối ưu hóa
Kỹ thuật tối ưu truyền thống
Kỹ thuật tối ưu tiên tiến Thiết kế thực nghiệm (DOE) Tìm kiếm Meta-Heuristic Giải thuật di truyền (GA) Mơ phỏng luyện kim (SA) Tìm kiếm Tabu Trí tuệ bầy đàn (SI) Ant colony optimization (ACO) Particle swarm (PSO) Firefly algorithms (FA) Cuckoo search (CS) Bat algorithm (BA)
Giải thuật tiến hóa (EA) Taguchi Thiết kế giai thừa Bề mặt chỉ tiêu (RSM) Tìm kiếm vịng lặp tốn học Giải thuật quy hoạch động Giải thuật quy hoạch tuyến tính Giải thuật quy hoạch phi tuyến
94
Theo các tác giả trong các công bố [12], [62], [84], các kỹ thuật giải bài
tốn tối ưu hóa có thể được chia thành hai loại chính bao gồm: kỹ thuật tối ưu hóa truyền thống và kỹ thuật tối ưu hóa tiên tiến được thể hiện như sơ đồ trong hình 4.1.
Các phương pháp tối ưu hóa truyền thống khơng đưa ra giải pháp tối ưu toàn cục, thường chỉ phù hợp cho tìm cực trị địa phương. Ngoài ra, các kỹ thuật tối ưu này tính tốn phức tạp, mất nhiều thời gian và thường hội tụ chậm, trong một số trường hợp bài toán tối ưu phức tạp có thể khơng tìm được giá trị tối ưu nhất. Để khắc phục các vấn đề đó, các nhà nghiên cứu đã
đề xuất các kỹ thuật tối ưu tiên tiến để tối ưu hóa các thơng số của các quy trình sản xuất khác nhau.
Các phương pháp tối ưu hóa tiên tiến là các giải thuật mới và ngẫu nhiên trong tự nhiên, dựa vào các yếu tố sinh học, phân tử nơron bắt chước của tiến hóa sinh học tự nhiên hoặc hành vi của các loài này. Để bắt chước hiệu quả các hành vi của các loài này, các nhà nghiên cứu đã phát triển hệ thống tính tốn tìm kiếm nhanh và mạnh cho tối ưu các bài toán phức tạp. Các giải thuật này bao gồm: Giải thuật di truyền (GA), bầy đàn (PSO), đàn ong nhân tạo (ABC), bầy kiến (ACO), đom đóm (FA), thụ phấn hoa (FPA), Dơi (BA), …
Các giải thuật như GA, PSO đã được nhiều nhà nghiên cứu áp dụng để giải bài tốn tối ưu hóa và mang lại hiệu quả nhất định. Khi so sánh tính hiệu quả giữa giải thuật PSO và giải thuật GA, nhiều nghiên cứu chứng minh giải thuật PSO hiệu quả (tốt) hơn so với giải thuật GA, cụ thể trong công bố [15], tác giả N. Admad và đồng nghiệp cho biết giải thuật PSO tìm ra giá trị tối ưu độ nhám bề mặt thấp hơn khi sử dụng giải thuật GA với thời gian tìm ra kết quả nhanh hơn. Khi nghiên cứu tổng quan về các giải thuật áp dụng trong lĩnh
95
vực gia cơng cơ khí, tác giả M. Chandrasekaran và đồng nghiệp cho biết giải thuật PSO có cấu trúc tốn đơn giản hơn giải thuật GA [27].
Trong khi đó, nhiều nghiên cứu tổng quan về các giải thuật áp dụng trong các lĩnh vực khác nhau, giải thuật Dơi (BA) được đánh giá là giải thuật mới
hơn, cấu trúc toán đơn giản hơn và hiệu quả (mạnh) hơn giải thuật bầy đàn (PSO) [61], [100]. Trong tối ưu hóa đa mục tiêu, giải thuật BA cũng được đánh giá là hiệu quả hơn PSO, NSGA III [80].
Trong phạm vi luận án này cùng với đánh giá của các tác giả trong các tài liệu [61], [72], [113], [112], luận án áp dụng giải thuật tối ưu hóa tiên tiến mới và mạnh là giải thuật Dơi (BA) để xác định các thông số công nghệ tối ưu nhằm nâng cao hiệu quả của q trình gia cơng (đạt giá trị tối ưu tốt nhất, đảm bảo năng suất cắt khi gia công). Thực chất việc ứng dụng Giải thuật Dơi là để giải quyết bài tốn tối ưu hóa được đánh giá hiệu quả (tốt) hơn so với các giải thuật trí tuệ bầy đàn khác do có các đặc điểm tích cực như: khả năng hội tụ của thuật toán nhanh, tập trung vào điểm mục tiêu tối ưu và đặc biệt là khả năng thoát khỏi các điểm cực trị địa phương (điểm tối ưu ảo).