- •Моделирование как метод познания
- •Классификации моделей
- •Виды моделей и моделирования
- •2.Математическое моделирование
- •2.1 Основные понятия и определения
- •2.2 Классификация математических моделей
- •2.3 Цели математического моделирования для технических объектов и технологических процессов
- •2.4 Технологии моделирования
- •2.5 Краткая характеристика основных этапов алгоритмов построения аналитических и эмпирических моделей
- •Контроль производственно процесса
- •Контроль продукции
- •Статистика выборок
- •Выборочное наблюдение
- •Некоторые положения теории вероятностей
- •Основные формулы комбинаторики
- •Основные теоремы теории вероятностей
- •Искомая вероятность
- •Отсюда искомая вероятность
- •Теорема 4.Сумма вероятностей противоположных событий равна единице
- •Случайные величины
- •Нормальное распределение
- •Критерии оценок параметров
- •Определение значимости среднего значения. Оценка расхождения между средними значениями.
- •1 Планирование и проведение эксперимента
- •1.1. Основные понятия и определения
- •1.2 Планирование эксперимента
- •1.2.2. Полный факторный эксперимент
- •1.2. Проведение эксперимента
- •2. Регрессионные модели с одной входной переменной
- •2.1. Основные понятия
- •2.3 Адекватность регрессионных моделей
- •2.3.1 Точность регрессионных моделей
- •2.3.2. Виды регрессионных моделей с одной входной переменной
- •3. Регрессионные модели с несколькими входными переменными
- •3.1. Многофакторная (множественная) линейная регрессия
- •3.2. Матричный подход к определению коэффициентов регрессии
- •3.3. Оценка адекватности и точности многофакторной линейной модели
- •3.4. Линейные регрессионные модели с несколькими входными переменными
- •3.5. Нелинейные регрессионные модели с несколькими входными переменными
- •3.6. Шаговые методы построения регрессионных моделей
- •4. Интерпретация и оптимизация регрессионных моделей
- •4.1 Интерпретация модели
- •4.2 Оптимизация модели
- •5 Планирование эксперимента
- •5.1 Методика ортогонального центрального композиционного планирования эксперимента (оцкп).
- •5.2 Статистический анализ расчетных уравнений и методы нахождения оптимальных значений варьируемых факторов.
- •5.3 Применение метода планирования эксперимента к исследованию процесса каландрования резиновых смесей
- •5.4 Контурно-графический анализ при решении рецептурных и технологических задач с двумя независимыми переменными
- •5.5 Использование треугольной системы координат для графического анализа результатов 3-х факторного эксперимента
- •6.Математическое моделирование процесса получения полимеров ( на примере получения полистирола)
- •Интересно знать Альтернативный метод моделирования – искусственные нейронне сети
- •Использование нейронных сетей при составлении математических моделей технологических процессов
Контроль продукции
Цель контроля продукции состоит в том, чтобы на основе данных, получаемых путем осуществления одной или нескольких выборок, взятых из проверяемой партии по случайному закону, определить качество этой партии изделий и вынести решение следует ли ее принять или забраковать. Иногда при этом сначала прибегают к небольшой выборке, а затем ее объем постепенно увеличивают до тех пор, пока со всей очевидностью не будет ясно, следует ли принять или забраковать партию изделий. Такой метод называют последовательным анализом.
Планы приемочного контроля качества изделий часто составляются с таким расчетом, чтобы выполнялись по крайней мере два из нижеследующих требований:
-вероятность того, что хорошая партия товаров будет забракована, должна иметь некоторое определенное значение (риск изготовителя);
-вероятность принятия плохой партии товаров должна иметь некоторое определенное значение (риск потребителя);
-среднее качество отгружаемых товаров не должно быть ниже некоторой определенной нормы;
-количество проверяемых изделий (соответствующее принятым условиям) должно быть минимальным.
Основой наиболее широко распространенной теории статистических выводов является приемлемый баланс между ошибками двух видов:
-ошибкой отклонения правильной гипотезы и,
-ошибкой принятия неправильной гипотезы.
На практике планы приемочного контроля партии изделий чаще связаны с проверкой гипотез, чем оценкой параметров. Это вызвано тем, что изделия легче классифицировать как хорошие или дефектные, чем проводить их точные измерения, а также тем, что подсчет числа дефектных изделий осуществлять проще, чем выполнять измерения и определять среднее значение совокупности величин. Однако эти преимущества могут быть сведены на нет, если для принятия решения относительно качества партии изделий при использовании качественных признаков потребуется большая выборка.
Несмотря на то, что задачи, возлагаемые на контроль производственного процесса и контроль качества продукции, имеют существенные различия, но лежащие в их основе методы статистического исследования одинаковы.
Если производственный процесс контролируется, всегда можно осуществить правильную оценку качества производимой продукции.
ОБРАБОТКА СТАТИСТИЧЕСКИХ ДАННЫХ
Данные приведенные на рисунке 1 можно сгруппировать и другим способом. А именно – расположим их в соответствии с величиной разрывного усилия (рис.2 и 3).
Для начала просто составим таблицы, в которых раздельно запишем данные для двух групп собранных данных, а затем сравним эти данные между собой – таблицы 2 и 3.
*Возможность попадания данных одновременно в 2 интервала исключена, т.к., прежде чем помещать эти данные в таблицу, они были округлены до ближайшего целого значения.
Образцы хлопчатобумажной ткани, сгруппированные в соответствии с разрывным усилием основы
Таблица 2 - Два распределения частот разрывных усилий для основы вискозного корда, сгруппированных в соответствии с величинами этих разрывных усилий
Интервалы величин разрывного усилия (в кг) |
Середина интервала |
f1 |
f2 |
51,5-53,5 |
52,5 |
0 |
2 |
53,5-55,5 |
54,5 |
0 |
4 |
55,5-57,5 |
56,5 |
1 |
6 |
57,5-59,5 |
58,5 |
1 |
9 |
59,5-61,5 |
60,5 |
4 |
11 |
61,5-63,5 |
62,5 |
12 |
26 |
63,5-65,5 |
64,5 |
22 |
15 |
65,5-67,5 |
66,5 |
32 |
15 |
67,5-69,5 |
68,5 |
16 |
8 |
69,5-71,5 |
70,5 |
10 |
4 |
71,5-73,5 |
72,5 |
2 |
0 |
Всего |
|
100 |
100 |
Таблица 3 - Два распределения накопленных частот разрывных усилий
основы вискозного корда, сгруппированных в соответствии с величинами этих разрывных усилий (указывается число случаев, когда разрывное усилие меньше данного значения)
-
кг
F1
F2
53,5
0
2
55,5
0
6
57,5
1
12
59,5
2
21
61,5
6
32
63,5
18
58
65,5
40
73
67,5
72
88
69,5
88
96
71,5
98
100
73,5
100
100
На рисунке 2 эти данные приведены в виде полигона частот, а на рисунке 3 в виде полигона накопленных частот интегральном варианте.
Рисунок 2 – Два полигона распределения.
Рисунок 3 – Два полигона интегральных распределений
Анализ рис.2 позволяет установить сходство и различие полигонов 1 и 2. Сходство этих полигонов состоит в том, что они имеют наибольший подъем в середине и снижаются к обоим краям
Отличие – во-первых, распределение 1 смещено вправо (рис.2);
во-вторых, распределение 2 «ниже» и «шире»;
в-третьих, форма распределения 2 менее симметрична
