ข้อผิดพลาดของแบบจำลองทางคณิตศาสตร์ โมเดลข้อผิดพลาดในรูปแบบของฟังก์ชันพื้นฐานแบบสุ่ม
ข้อผิดพลาดในการผลิตสามารถพิจารณาได้ว่าเป็นตัวแปรสุ่มที่อธิบายโดยวิธีความน่าจะเป็น (ทางทฤษฎี) และทางสถิติ (เชิงทดลอง) ลักษณะเฉพาะของข้อผิดพลาดที่เป็นตัวแปรสุ่มคือกฎการกระจายที่มีค่าเฉพาะของพารามิเตอร์ที่สอดคล้องกัน คำอธิบายของการแจกแจงข้อผิดพลาดในการผลิตนั้นสอดคล้องกับกฎเกาส์มากที่สุดโดยมีความหนาแน่นของความน่าจะเป็นที่คำนวณโดยสูตร:
ที่ไหน ทีและ σ – ความคาดหวังทางคณิตศาสตร์และส่วนเบี่ยงเบนมาตรฐาน
การแจกแจงแบบเกาส์ได้รับการยืนยันซ้ำแล้วซ้ำอีกโดยข้อมูลการทดลองในช่วงของค่าที่ตรงกับช่วง±3σ ตามการกระจายนี้ ข้อผิดพลาดในการจัดตำแหน่ง ณ จุดใดจุดหนึ่ง εxในทิศทาง เอ็กซ์ถูกมองว่าเป็นตัวแปรสุ่มที่แจกแจงตามกฎปกติ โดยมีลักษณะ ดังนี้
(3.16)
ที่ไหน อาร์เอ็กซ์– ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างค่าการกระจัดของส่วนเดียวที่อยู่ใกล้เคียงในทิศทาง เอ็กซ์; C2x- จำนวนชุดค่าผสมของ เอ็กซ์คูณ 2 คำนวณจากนิพจน์
จากความสัมพันธ์ (3.15) และ (3.16) บันทึกการวิเคราะห์ของความหนาแน่นของความน่าจะเป็นของการกระจายของปริมาณที่ได้มา:
กราฟของการพึ่งพาข้อผิดพลาดการจัดตำแหน่งบนพิกัดของจุดตามแกนหนึ่งซึ่งตามมาจากความสัมพันธ์ (3.18) แสดงในรูปที่ 3.59 น.
ข้าว. 3.59 น. ไดอะแกรมของข้อผิดพลาดในการจัดตำแหน่งเลเยอร์ในทิศทาง เอ็กซ์
เมื่อมีข้อมูลทางสถิติ คุณลักษณะเชิงตัวเลขของการแจกแจง (3.18) สามารถพบได้สำหรับส่วนของความยาว แอลด้วยระยะห่างกริด ชม.. พบได้จากความสัมพันธ์:
(3.19)
ที่ไหน ม.ล, σ แอลคือ ความคาดหวังทางคณิตศาสตร์และความแปรปรวนของการเสียรูปของส่วนที่มีความยาวตามลำดับ แอล; - จำนวนชุดค่าผสมของ แอล/ ชม.โดย 2
โดยทั่วไป โมเดลข้อผิดพลาด A 095 (i) สามารถแสดงเป็น Up to9 5 (?) = Up to + ฉ(เสื้อ),โดยที่ To คือข้อผิดพลาดเริ่มต้นของ SI ฉ(เสื้อ)เป็นฟังก์ชันสุ่มของเวลาสำหรับชุดเครื่องมือวัดประเภทนี้ เนื่องจากกระบวนการทางกายภาพและเคมีของการสึกหรอทีละน้อยและการเสื่อมสภาพขององค์ประกอบและบล็อก รับนิพจน์ที่แน่นอนสำหรับฟังก์ชัน ฉ(เสื้อ)ตามแบบจำลองทางกายภาพของกระบวนการชรา เป็นไปไม่ได้ในทางปฏิบัติ ดังนั้นจากข้อมูลของการศึกษาเชิงทดลองเกี่ยวกับการเปลี่ยนแปลงของข้อผิดพลาดในเวลา ฟังก์ชัน ฉ(เสื้อ)ประมาณโดยการพึ่งพาทางคณิตศาสตร์อย่างใดอย่างหนึ่ง
รูปแบบที่ง่ายที่สุดสำหรับการเปลี่ยนข้อผิดพลาดเป็นแบบเส้นตรง:
ที่ไหน v-อัตราการเปลี่ยนแปลงข้อผิดพลาด จากการศึกษาพบว่าแบบจำลองนี้อธิบายอายุของ SI เมื่ออายุหนึ่งถึงห้าปีได้อย่างน่าพอใจ การใช้งานในช่วงเวลาอื่นเป็นไปไม่ได้เนื่องจากความขัดแย้งที่ชัดเจนระหว่างค่าของอัตราความล้มเหลวที่กำหนดโดยสูตรนี้กับค่าทดลอง
ความล้มเหลวของมาตรวิทยาเกิดขึ้นเป็นระยะ กลไกของช่วงเวลาของมันแสดงไว้ในรูปที่ 4.2, กซึ่งเป็นเส้นตรง 1 การเปลี่ยนแปลงในควอไทล์ 95% จะแสดงด้วยกฎเชิงเส้น
ในกรณีที่มาตรวิทยาล้มเหลว ข้อผิดพลาด D 095 (?) เกินค่า D pr \u003d Do + D 3 โดยที่ D คือค่าของระยะขอบของขีดจำกัดข้อผิดพลาดปกติที่จำเป็นเพื่อให้มั่นใจถึงประสิทธิภาพในระยะยาวของ มิ.ย. เมื่อเกิดความล้มเหลวดังกล่าว อุปกรณ์จะได้รับการซ่อมแซม และข้อผิดพลาดจะคืนค่าเป็นค่าเริ่มต้น ที? = t ( - - t j _ ลความล้มเหลวเกิดขึ้นอีกครั้ง (ช่วงเวลา ที ยู ที 2 , t3เป็นต้น) หลังจากนั้นจะดำเนินการซ่อมแซมอีกครั้ง ดังนั้น กระบวนการเปลี่ยนข้อผิดพลาด MI จึงถูกอธิบายโดยบรรทัดที่ 2 ในรูป 4.2, ก,ซึ่งสามารถแทนได้ด้วยสมการ
ที่ไหน พี -จำนวนความล้มเหลว (หรือการซ่อมแซม) ของ SI ถ้าจำนวนของความล้มเหลวคิดเป็นจำนวนเต็ม สมการนี้จะอธิบายจุดที่ไม่ต่อเนื่องบนเส้นตรง 1
(ดูรูปที่ 4.2 ก).แต่ถ้าสมมุติตามเงื่อนไขว่า พียังสามารถรับค่าเศษส่วน จากนั้นสูตร (4.2) จะอธิบายทั้งบรรทัด 1 เปลี่ยนข้อผิดพลาด L 095 (() ในกรณีที่ไม่มีข้อผิดพลาด
อัตราความล้มเหลวของมาตรวิทยาจะเพิ่มขึ้นตามความเร็ว โวลต์นอกจากนี้ยังขึ้นอยู่กับขอบของค่าความผิดพลาดปกติ D 3 ที่สัมพันธ์กับค่าจริงของข้อผิดพลาดของเครื่องมือวัด D 0 ณ เวลาที่ผลิตหรือเสร็จสิ้นการซ่อมแซมอุปกรณ์ โอกาสในทางปฏิบัติที่มีอิทธิพลต่ออัตราการเปลี่ยนแปลง วีและระยะขอบของข้อผิดพลาด D นั้นแตกต่างกันอย่างสิ้นเชิง อัตราอายุถูกกำหนดโดยเทคโนโลยีการผลิตที่มีอยู่ ขอบของข้อผิดพลาดสำหรับช่วงเวลาการยกเครื่องครั้งแรกจะกำหนดโดยการตัดสินใจของผู้ผลิต MI และสำหรับช่วงการยกเครื่องที่ตามมาทั้งหมด - โดยระดับวัฒนธรรมของบริการซ่อมของผู้ใช้
หากบริการด้านมาตรวิทยาขององค์กรให้ข้อผิดพลาด SI เท่ากับข้อผิดพลาด D 0 ในระหว่างการซ่อมแซม ความถี่ของความล้มเหลวทางมาตรวิทยาจะต่ำ หากในระหว่างการซ่อมแซมเท่านั้นที่ปฏิบัติตามเงื่อนไขได้ถึง * (0.9-0.95) D pr ดังนั้นข้อผิดพลาดอาจเกินขีด จำกัด ของค่าที่อนุญาตในเดือนต่อ ๆ ไปของการดำเนินการ MI และสำหรับส่วนใหญ่ ของช่วงการสอบเทียบจะดำเนินการโดยมีข้อผิดพลาดเกินความแม่นยำระดับเดียวกัน ดังนั้น วิธีการปฏิบัติหลักในการบรรลุความสามารถในการให้บริการทางมาตรวิทยาในระยะยาวของเครื่องมือวัดคือการจัดเตรียมขอบ D 3 ที่มากเพียงพอ ซึ่งปรับให้เป็นมาตรฐานตามขีดจำกัด D ave
การบริโภคสต็อกนี้อย่างต่อเนื่องแบบค่อยเป็นค่อยไปทำให้มีสถานะที่ดีของ MI ในทางมาตรวิทยาในช่วงเวลาหนึ่ง โรงงานทำเครื่องมือชั้นนำให้ D 3 \u003d (0.4-0.5) D pr ซึ่งอยู่ที่อัตราการชราภาพโดยเฉลี่ย วี\u003d 0.05 D pr / year ช่วยให้คุณได้รับช่วงเวลายกเครื่อง T p \u003d ก 3 /i= 8-10 ปี และอัตราความล้มเหลว co = 1/Gy = 0.1-0.125 ปี -1 .
เมื่อเปลี่ยนข้อผิดพลาด MI ตามสูตร (4.1) ช่วงเวลายกเครื่องทั้งหมด ตจะเท่ากันและความถี่ของความล้มเหลวทางมาตรวิทยา w = 1 /ทจะคงที่ตลอดอายุการใช้งาน
ในกรณีทั่วไป ควรพิจารณาผลลัพธ์ของการวัดและข้อผิดพลาดเป็นฟังก์ชันที่แตกต่างกันตามเวลาแบบสุ่ม เช่น ฟังก์ชันสุ่ม หรือตามที่เขาพูดกันในวิชาคณิตศาสตร์ กระบวนการสุ่ม ดังนั้น คำอธิบายทางคณิตศาสตร์ของผลลัพธ์และข้อผิดพลาดในการวัด (เช่น แบบจำลองทางคณิตศาสตร์) ควรอิงตามทฤษฎีของกระบวนการสุ่ม เรานำเสนอประเด็นหลักของทฤษฎีฟังก์ชันสุ่ม
กระบวนการสุ่ม X(t) เป็นกระบวนการ (ฟังก์ชัน) ที่มีค่าสำหรับค่าคงที่ใดๆ t = tQ เป็นตัวแปรสุ่ม X(t) ประเภทของกระบวนการ (ฟังก์ชัน) เฉพาะที่ได้รับจากประสบการณ์เรียกว่า การนำไปใช้งาน.
ข้าว. 4. ประเภทของฟังก์ชั่นสุ่ม
การใช้งานแต่ละครั้งเป็นฟังก์ชันที่ไม่สุ่มของเวลา ครอบครัวของการสำนึกสำหรับค่าคงที่ของเวลา t (รูปที่ 4) เป็นตัวแปรสุ่มที่เรียกว่า ส่วนฟังก์ชันสุ่มที่สอดคล้องกับเวลา t ดังนั้น ฟังก์ชันสุ่มจึงรวมคุณลักษณะเฉพาะของตัวแปรสุ่มและฟังก์ชันเชิงกำหนด ด้วยค่าคงที่ของอาร์กิวเมนต์ มันจะกลายเป็นตัวแปรสุ่ม และผลจากการทดลองแต่ละครั้ง มันกลายเป็นฟังก์ชันที่กำหนดขึ้น
ความคาดหวังทางคณิตศาสตร์ฟังก์ชันสุ่ม X(t) เป็นฟังก์ชันไม่สุ่ม ซึ่งสำหรับแต่ละค่าของอาร์กิวเมนต์ t จะเท่ากับค่าคาดหมายทางคณิตศาสตร์ของส่วนที่เกี่ยวข้อง:
โดยที่ p(x, t) คือความหนาแน่นของการแจกแจงหนึ่งมิติของตัวแปรสุ่ม x ในส่วนที่เกี่ยวข้องของกระบวนการสุ่ม X(t)
การกระจายตัวฟังก์ชันสุ่ม X(t) เป็นฟังก์ชันไม่สุ่มที่มีค่าสำหรับแต่ละช่วงเวลาเท่ากับความแปรปรวนของส่วนที่สอดคล้องกัน เช่น ความแปรปรวนแสดงลักษณะการแพร่กระจายของการรับรู้ที่เกี่ยวกับ m(t)
ฟังก์ชันสหสัมพันธ์- ฟังก์ชันไม่สุ่ม R(t, t") ของสองอาร์กิวเมนต์ t และ t"ซึ่งสำหรับค่าอาร์กิวเมนต์แต่ละคู่จะเท่ากับความแปรปรวนร่วมของส่วนที่สอดคล้องกันของกระบวนการสุ่ม:
ฟังก์ชันสหสัมพันธ์ซึ่งบางครั้งเรียกว่าความสัมพันธ์อัตโนมัติอธิบายความสัมพันธ์ทางสถิติระหว่างค่าทันทีของฟังก์ชันสุ่มที่คั่นด้วยค่าเวลาที่กำหนด t \u003d t "-t หากอาร์กิวเมนต์เท่ากัน ฟังก์ชันสหสัมพันธ์จะเท่ากับความแปรปรวน ของกระบวนการสุ่ม ไม่เป็นลบเสมอ
กระบวนการสุ่มที่ดำเนินการอย่างสม่ำเสมอในเวลา การใช้งานเฉพาะซึ่งแกว่งไปรอบๆ ฟังก์ชันเฉลี่ยด้วยแอมพลิจูดคงที่ เรียกว่า เครื่องเขียน. เชิงปริมาณ คุณสมบัติของกระบวนการคงที่มีลักษณะตามเงื่อนไขต่อไปนี้:
ความคาดหวังทางคณิตศาสตร์นั้นคงที่
การกระจายตัวของภาคตัดขวางเป็นค่าคงที่
ฟังก์ชันสหสัมพันธ์ไม่ได้ขึ้นอยู่กับค่าของอาร์กิวเมนต์ แต่ขึ้นกับช่วงเวลาเท่านั้น
คุณลักษณะที่สำคัญของกระบวนการสุ่มแบบอยู่กับที่คือความหนาแน่นสเปกตรัม S(w) ซึ่งอธิบายองค์ประกอบความถี่ของกระบวนการสุ่มสำหรับ w>O และแสดงกำลังเฉลี่ยของกระบวนการสุ่มต่อย่านความถี่หนึ่งหน่วย:
ความหนาแน่นสเปกตรัมของกระบวนการสุ่มที่อยู่นิ่งเป็นฟังก์ชันที่ไม่เป็นลบของความถี่ ฟังก์ชันความสัมพันธ์สามารถแสดงในรูปของความหนาแน่นของสเปกตรัม
เมื่อสร้างแบบจำลองทางคณิตศาสตร์ของข้อผิดพลาดในการวัด ข้อมูลทั้งหมดเกี่ยวกับการวัดและองค์ประกอบของการวัดควรนำมาพิจารณาด้วย
แต่ละรายการอาจเกิดจากการกระทำของแหล่งที่มาของข้อผิดพลาดต่างๆ และในทางกลับกันก็ประกอบด้วยองค์ประกอบจำนวนหนึ่งด้วย
ทฤษฎีความน่าจะเป็นและสถิติทางคณิตศาสตร์ใช้เพื่ออธิบายข้อผิดพลาด อย่างไรก็ตาม ต้องทำการจองที่จำเป็นจำนวนหนึ่งก่อน:
การประยุกต์ใช้วิธีการทางสถิติทางคณิตศาสตร์ในการประมวลผลผลการวัดจะใช้ได้ก็ต่อเมื่อค่าที่อ่านได้แต่ละค่าเป็นอิสระจากกัน
สูตรส่วนใหญ่ของทฤษฎีความน่าจะเป็นที่ใช้ในมาตรวิทยาใช้ได้สำหรับการแจกแจงแบบต่อเนื่องเท่านั้น ในขณะที่การแจกแจงข้อผิดพลาดเนื่องจากการอ่านเชิงปริมาณที่หลีกเลี่ยงไม่ได้ พูดอย่างเคร่งครัดคือไม่ต่อเนื่องกันเสมอ เช่น ข้อผิดพลาดสามารถใช้ชุดค่าที่นับได้เท่านั้น
ดังนั้น เงื่อนไขของความต่อเนื่องและความเป็นอิสระของผลการวัดและข้อผิดพลาดจะถูกสังเกตโดยประมาณ และบางครั้งก็ไม่ได้สังเกต ในทางคณิตศาสตร์ คำว่า "ตัวแปรสุ่มแบบต่อเนื่อง" หมายถึงแนวคิดที่แคบกว่ามาก ซึ่งถูกจำกัดด้วยเงื่อนไขจำนวนหนึ่ง มากกว่า "ความคลาดเคลื่อนแบบสุ่ม" ในมาตรวิทยา
ในมาตรวิทยา เป็นเรื่องปกติที่จะแยกแยะคุณลักษณะและพารามิเตอร์ข้อผิดพลาดสามกลุ่ม กลุ่มแรกคือลักษณะข้อผิดพลาดในการวัดที่ระบุเป็นบรรทัดฐานที่จำเป็นหรืออนุญาต (มาตรฐานข้อผิดพลาด) คุณลักษณะกลุ่มที่สองคือข้อผิดพลาดที่เกิดจากผลรวมของการวัดที่ดำเนินการตามวิธีการบางอย่าง คุณลักษณะของทั้งสองกลุ่มนี้ใช้เป็นหลักสำหรับการวัดทางเทคนิคจำนวนมาก และแสดงถึงลักษณะความน่าจะเป็นของข้อผิดพลาดในการวัด คุณลักษณะกลุ่มที่สาม - ค่าประมาณทางสถิติของข้อผิดพลาดในการวัดจะสะท้อนความใกล้เคียงของผลการวัดที่แยกจากการทดลองที่ได้รับกับค่าที่แท้จริงของปริมาณที่วัดได้ ใช้ในกรณีของการวัดที่ดำเนินการในการวิจัยทางวิทยาศาสตร์และงานมาตรวิทยา
ชุดของสูตรที่อธิบายสถานะ การเคลื่อนไหว และปฏิสัมพันธ์ของวัตถุที่ได้รับภายในกรอบของแบบจำลองทางกายภาพที่เลือกตามกฎของฟิสิกส์จะถูกเรียกว่า แบบจำลองทางคณิตศาสตร์ของวัตถุหรือกระบวนการ. ขั้นตอนการสร้างแบบจำลองทางคณิตศาสตร์สามารถแบ่งออกเป็นหลายขั้นตอน:
1) วาดสูตรและสมการที่อธิบายสถานะ การเคลื่อนไหว และปฏิสัมพันธ์ของวัตถุภายในกรอบของแบบจำลองทางกายภาพที่สร้างขึ้น ขั้นตอนรวมถึงการบันทึกในแง่คณิตศาสตร์ของคุณสมบัติของวัตถุกระบวนการและความสัมพันธ์ระหว่างพวกเขา;
2) การศึกษาปัญหาทางคณิตศาสตร์ซึ่งมาในขั้นตอนแรก ประเด็นหลักที่นี่คือการแก้ปัญหาโดยตรงนั่นคือ การได้รับข้อมูลที่เป็นตัวเลขและผลลัพธ์ทางทฤษฎี ในขั้นตอนนี้อุปกรณ์ทางคณิตศาสตร์และเทคโนโลยีคอมพิวเตอร์ (คอมพิวเตอร์) มีบทบาทสำคัญ
3) ค้นหาว่าผลการวิเคราะห์และการคำนวณหรือผลที่ตามมาสอดคล้องกับผลการสังเกตภายในความถูกต้องของหลังหรือไม่เช่น ไม่ว่าแบบจำลองทางกายภาพและ (หรือ) ทางคณิตศาสตร์ที่ยอมรับจะเป็นไปตามการปฏิบัติหรือไม่ ซึ่งเป็นเกณฑ์หลักสำหรับความจริงของความคิดของเราเกี่ยวกับโลกรอบตัวเรา
การเบี่ยงเบนของผลการคำนวณจากผลการสังเกตบ่งชี้ถึงความไม่ถูกต้องของวิธีการวิเคราะห์และการคำนวณทางคณิตศาสตร์ที่ใช้หรือความไม่ถูกต้องของแบบจำลองทางกายภาพที่ยอมรับ การค้นหาแหล่งที่มาของข้อผิดพลาดต้องใช้ทักษะและคุณสมบัติที่สูงของผู้วิจัย
บ่อยครั้ง เมื่อสร้างแบบจำลองทางคณิตศาสตร์ คุณลักษณะบางอย่างหรือความสัมพันธ์ระหว่างพารามิเตอร์ยังคงไม่แน่นอน เนื่องจากความรู้จำกัดเกี่ยวกับคุณสมบัติทางกายภาพของวัตถุ ตัวอย่างเช่น ปรากฎว่าจำนวนของสมการที่อธิบายคุณสมบัติทางกายภาพของวัตถุหรือกระบวนการและความสัมพันธ์ระหว่างวัตถุนั้นน้อยกว่าจำนวนของพารามิเตอร์ทางกายภาพที่แสดงลักษณะของวัตถุ ในกรณีเหล่านี้ จำเป็นต้องแนะนำความสัมพันธ์เพิ่มเติมที่แสดงลักษณะของวัตถุประสงค์ของการศึกษาและคุณสมบัติของมัน บางครั้งก็พยายามที่จะคาดเดาคุณสมบัติเหล่านี้ เพื่อให้สามารถแก้ไขปัญหาได้และผลลัพธ์ที่สอดคล้องกับผลการทดลองภายในข้อผิดพลาดที่กำหนด .
ข้อมูลการแก้ไขข้อผิดพลาดเชิงระบบที่แปรผันของเครื่องมือวัดและระบบข้อมูลการวัด
ผู้วิจารณ์:ทูซ ยู.เอ็ม.
ผู้อำนวยการ NII AEI, วิทยาศาสตรดุษฎีบัณฑิต, ศาสตราจารย์, ผู้ได้รับรางวัล State Prize of Ukraine ในสาขาวิทยาศาสตร์และเทคโนโลยี
บทนำ
ความต้องการด้านความแม่นยำ ความถูกต้อง และการบรรจบกันของเครื่องมือวัดนั้นเพิ่มขึ้นอย่างต่อเนื่อง ความต้องการที่เพิ่มขึ้นมักจะดำเนินการโดยการเปลี่ยนจากหลักการเดิมที่ใช้ไปเป็นการวัดทางกายภาพแบบใหม่ ซึ่งให้การวัดที่มีคุณภาพสูงขึ้น ในเวลาเดียวกัน วิธีการและเทคนิคในการตรวจวัดได้รับการปรับปรุง และข้อกำหนดสำหรับสภาวะปกติ (มาตรฐาน) ที่ซับซ้อนที่มาพร้อมกับกระบวนการวัดก็เข้มงวดมากขึ้น
อุปกรณ์การวัด ระบบ ช่องสัญญาณ "ตอบสนอง" ไม่เพียงแต่กับค่าที่วัดได้เท่านั้น แต่ยังรวมถึงสภาพแวดล้อมภายนอกด้วยเพราะ เกี่ยวข้องกับมันอย่างหลีกเลี่ยงไม่ได้
ตัวอย่างที่ดีของวิทยานิพนธ์เชิงทฤษฎีนี้อาจเป็นผลกระทบของคลื่นยักษ์ที่เกิดจากดวงจันทร์ในเปลือกโลกต่อการเปลี่ยนแปลงพลังงานของอนุภาคมีประจุที่ได้รับจากเครื่องเร่งความเร็ววงแหวนขนาดใหญ่ที่ศูนย์วิจัยนิวเคลียร์แห่งยุโรป คลื่นยักษ์ทำให้วงแหวนตัวเร่งความเร็ว 27 กิโลเมตร (2.7·10 7 มม.) เสียรูป และเปลี่ยนเส้นทางของอนุภาคตามวงแหวนไปประมาณ 1 มม. (!) สิ่งนี้นำไปสู่การเปลี่ยนแปลงพลังงานของอนุภาคเร่งเกือบสิบล้านอิเล็กตรอนโวลต์ การเปลี่ยนแปลงเหล่านี้เล็กน้อยมาก แต่เกินข้อผิดพลาดในการวัดที่เป็นไปได้ประมาณสิบเท่า และนำไปสู่ข้อผิดพลาดร้ายแรงในการวัดมวลโบซอนแล้ว
การกำหนดปัญหา
การจัดหาการวัดทางมาตรวิทยาของการวัดด้วยคลื่นวิทยุ-อิเล็กทรอนิกส์สามารถระบุปัญหาทั่วไปต่อไปนี้ได้ การใช้วิธีทางทฤษฎีในการวิเคราะห์อิทธิพลของปัจจัยแวดล้อมต่อข้อผิดพลาดของเครื่องมือวัดเป็นเรื่องยาก ลักษณะของอิทธิพลมีความซับซ้อน ไม่แน่นอน ยากที่จะตีความจากมุมมองของการวิเคราะห์เชิงตรรกะและวิชาชีพโดยผู้เชี่ยวชาญ เปลี่ยนแปลงได้เมื่อย้ายจากอินสแตนซ์หนึ่งไปยังอีกอินสแตนซ์ของเครื่องมือวัดประเภทเดียวกัน
มีการกล่าวถึงความซับซ้อนของวิธีการในการรับการพึ่งพาประเภทที่ไม่รู้จักในหลายตัวแปรและข้อเท็จจริงที่ว่า "... ความเป็นไปได้ในการศึกษาการพึ่งพาอาศัยกันของข้อผิดพลาดในปัจจัยด้านสิ่งแวดล้อมมี จำกัด มากและไม่น่าเชื่อถือมาก อิทธิพลของปัจจัยและการเปลี่ยนแปลงแบบไดนามิกในค่าของพวกเขา" .
จากเหตุผลข้างต้นและการแสดงรายการที่หลากหลายอย่างมีนัยสำคัญ สรุปได้ว่าสำหรับกลุ่มเครื่องมือวัดประเภทเดียวกัน คำอธิบายที่เพียงพอที่สุดเกี่ยวกับข้อผิดพลาดของเครื่องมือวัดจากปัจจัยแวดล้อมที่มีอิทธิพลควรรับรู้เป็นพื้นที่ ความไม่แน่นอนขอบเขตที่กำหนดโดยการอ้างอิงที่รุนแรงของอินสแตนซ์
ความยากลำบากเหล่านี้ในการแก้ปัญหาในการลดข้อผิดพลาดของเครื่องมือวัดเป็นผลมาจากคุณสมบัติของระบบของเครื่องมือเหล่านี้: การเกิดขึ้น ความสมบูรณ์ ความไม่แน่นอน ความซับซ้อน การสุ่ม ฯลฯ ความพยายามในการอธิบายเชิงทฤษฎีในระดับของวิทยาศาสตร์เชิงโนโมกราฟิกในสถานการณ์ที่อยู่ระหว่างการพิจารณามักไม่ได้ผล จำเป็นต้องมีวิธีการทางสถิติเชิงทดลอง เนื่องจากจะช่วยให้สามารถอธิบายลักษณะเฉพาะของรูปแบบของปรากฏการณ์เฉพาะในเงื่อนไขโดยละเอียดของเวลาและสถานที่ได้
ทั้งในการวัดด้วยคลื่นวิทยุอิเล็กทรอนิกส์และในการรับรองความถูกต้องของการประเมินผลลัพธ์ของการวิเคราะห์ทางเคมีเชิงปริมาณ คุณลักษณะที่สำคัญของข้อผิดพลาดถูกบันทึกไว้: ข้อผิดพลาดอย่างเป็นระบบของผลลัพธ์สำหรับเครื่องมือวัดส่วนใหญ่มีความสำคัญในแง่ที่ว่าข้อผิดพลาดนั้นเกินความคาดหมาย และข้อผิดพลาดของ ตัวอย่างที่กำหนดของเครื่องมือวัดในแต่ละจุดในพื้นที่ตัวประกอบถูกกำหนดโดยพื้นฐานแล้วจะเป็นค่าคงที่
เพื่อปรับปรุงคุณภาพของการวัดให้ดียิ่งขึ้น มีความจำเป็นต้องใช้ไม่เพียงแต่การออกแบบทางกายภาพ เทคโนโลยี ความสามารถในการปฏิบัติงาน แต่ยังต้องใช้ข้อมูลด้วย ประกอบด้วยการใช้แนวทางที่เป็นระบบในการรับข้อมูลเกี่ยวกับข้อผิดพลาดทุกประเภท: เครื่องมือ, วิธีการ, เพิ่มเติม, เป็นระบบ, ก้าวหน้า (ดริฟท์), แบบจำลองและอื่น ๆ การมีข้อมูลดังกล่าวในรูปแบบของแบบจำลองทางคณิตศาสตร์หลายปัจจัยและการรู้ ค่าของปัจจัย (เงื่อนไข) ที่มาพร้อมกับการวัดกระบวนการ เป็นไปได้ที่จะได้รับข้อมูลเกี่ยวกับข้อผิดพลาดที่กำหนด ดังนั้นเพื่อทราบค่าที่วัดได้แม่นยำยิ่งขึ้น
ข้อกำหนดสำหรับวิธีการสร้างแบบจำลองทางคณิตศาสตร์ของข้อผิดพลาดอย่างเป็นระบบของเครื่องมือวัด
มีความจำเป็นต้องพัฒนาวิธีการสำหรับการสร้างแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัยของข้อผิดพลาดเชิงระบบที่เปลี่ยนแปลงอย่างสม่ำเสมอ โดยคำนึงถึงข้อกำหนดต่อไปนี้
- วิธีการอย่างเป็นระบบเพื่ออธิบายข้อผิดพลาดอย่างเป็นระบบ โดยพิจารณาจากหลายปัจจัยและเกณฑ์หลายข้อสำหรับคุณภาพของเครื่องมือวัด หากจำเป็น
- ระดับประยุกต์ของการได้รับแบบจำลองทางคณิตศาสตร์ เมื่อผู้วิจัยไม่ทราบโครงสร้างของแบบจำลอง
- ประสิทธิภาพ (ในแง่สถิติ) ในการรับข้อมูลที่เป็นประโยชน์จากแหล่งข้อมูลและสะท้อนข้อมูลนั้นในแบบจำลองทางคณิตศาสตร์
- ความเป็นไปได้ของการตีความแบบจำลองที่ได้รับในสาขาวิชาที่สามารถเข้าถึงได้และสะดวก
- ประสิทธิภาพของการใช้แบบจำลองทางคณิตศาสตร์ในสาขาวิชาเทียบกับต้นทุนทรัพยากรเพื่อให้ได้มา
ขั้นตอนหลักของการได้รับแบบจำลองทางคณิตศาสตร์
ให้เราพิจารณาขั้นตอนหลักของการได้รับแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัยที่ตรงตามข้อกำหนดข้างต้น
การเลือกแผนสำหรับการทดลองแบบหลายปัจจัยที่ให้คุณสมบัติที่จำเป็นของแบบจำลองทางคณิตศาสตร์ที่เป็นผลลัพธ์
ในชั้นเรียนที่พิจารณา (มาตรวิทยา) ของการศึกษาเชิงทดลองที่กำลังดำเนินอยู่ เป็นไปได้ที่จะใช้การทดลองแฟกทอเรียลแบบเต็มและแบบเศษส่วน ภายใต้แบบจำลองทางคณิตศาสตร์ที่กำหนดไว้ เราหมายถึงแบบจำลองเชิงเส้นที่เกี่ยวกับพารามิเตอร์และไม่เชิงเส้นในกรณีทั่วไปที่เกี่ยวกับปัจจัย แบบจำลองที่สูงตามอำเภอใจแต่มีความซับซ้อนจำกัด เมทริกซ์ผลกระทบเพิ่มเติมของการทดสอบแฟกทอเรียลแบบเต็มจะรวมคอลัมน์ตัวประกอบจำลอง เอ็กซ์ 0 = 1 คอลัมน์สำหรับเอฟเฟกต์หลักทั้งหมดและการโต้ตอบเอฟเฟกต์หลักที่เป็นไปได้ทั้งหมด หากผลกระทบของปัจจัยและอันตรกิริยาของปัจจัยถูกแสดงเป็นระบบของคอนทราสต์ที่ทำให้เป็นมุมฉาก เมทริกซ์ความแปรปรวน-ความแปรปรวนร่วมจะอยู่ในรูปแบบ:
ที่ไหน เอ็กซ์
– เมทริกซ์ของผลของการทดลองแฟคทอเรียลแบบเต็ม
σ y 2 คือการกระจายความสามารถในการทำซ้ำของผลการทดลอง
เอ็น- จำนวนการทดลองในแผนการทดลอง
อี
คือเมทริกซ์เอกลักษณ์
แบบจำลองทางคณิตศาสตร์ที่ได้จากโครงร่างของการทดลองแบบแฟคทอเรียลเต็มรูปแบบสอดคล้องกับคุณสมบัติที่โดดเด่นหลายประการ: สัมประสิทธิ์ของแบบจำลองเป็นแบบตั้งฉากซึ่งกันและกันและไม่ขึ้นต่อกันทางสถิติ เสถียรที่สุด ( เงื่อนไข= 1); แต่ละค่าสัมประสิทธิ์มีข้อมูลเชิงความหมายเกี่ยวกับอิทธิพลของผลกระทบที่สอดคล้องกันต่อเกณฑ์คุณภาพแบบจำลอง การออกแบบการทดลองเป็นไปตามเกณฑ์ ง-, ก-, อี-, ช- ความเหมาะสมตลอดจนเกณฑ์ของสัดส่วนของความถี่ของระดับของปัจจัยต่างๆ แบบจำลองทางคณิตศาสตร์เพียงพอที่จุดประมาณของพื้นผิวการตอบสนอง เราจะถือว่ารูปแบบดังกล่าวเป็นจริงและ "ดีที่สุด"
ในกรณีที่การใช้การทดลองแบบแฟคทอเรียลแบบเต็มเป็นไปไม่ได้เนื่องจากมีการทดลองจำนวนมาก ควรแนะนำให้ใช้การออกแบบการทดลองปกติแบบหลายปัจจัย ด้วยตัวเลือกที่ถูกต้องของจำนวนการทดลองที่จำเป็น คุณสมบัติของการทดลองจะใกล้เคียงกับคุณสมบัติที่กำหนดของการทดลองแฟคทอเรียลเต็มจำนวนมากที่สุด
การได้รับโครงสร้างของแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัย
โครงสร้างของแบบจำลองทางคณิตศาสตร์แบบหลายแฟกทอเรียลที่เป็นผลลัพธ์ ซึ่งโดยทั่วไปผู้วิจัยไม่ทราบ จะต้องพิจารณาจากชุดของผลกระทบที่เป็นไปได้ซึ่งสอดคล้องกับชุดของผลกระทบของแบบแผนของการทดลองแบบแฟคทอเรียลที่สมบูรณ์ มันถูกกำหนดโดยนิพจน์:
ที่ไหน เอ็กซ์ 1 ,..., เอ็กซ์ k - ปัจจัยของแบบจำลองทางคณิตศาสตร์ที่ต้องการ
ส 1 ,..., ส k คือจำนวนระดับตัวประกอบ เอ็กซ์ 1 ,..., เอ็กซ์เค;
เคคือจำนวนปัจจัยทั้งหมด
เอ็น n คือจำนวนการทดลองของการทดลองแบบแฟคทอเรียลเต็ม เท่ากับจำนวนองค์ประกอบโครงสร้างของโครงร่าง
การค้นหาเอฟเฟกต์ที่จำเป็น - หลักและการโต้ตอบ - ในรูปแบบของคอนทราสต์มุมฉากสำหรับโมเดลที่ต้องการนั้นดำเนินการโดยการทดสอบทางสถิติหลายสมมติฐานเกี่ยวกับนัยสำคัญทางสถิติของเอฟเฟกต์ มีการนำเอฟเฟกต์ที่มีนัยสำคัญทางสถิติมาใช้ในโมเดล
การเลือกจำนวนการทดลองที่จำเป็นสำหรับการทดลองแฟคทอเรียลแบบเศษส่วน
โดยปกติแล้ว ผู้วิจัยจะรู้ข้อมูล (โดยประมาณ) เกี่ยวกับความซับซ้อนที่คาดหวังของอิทธิพลของปัจจัยที่มีต่อเกณฑ์คุณภาพแบบจำลอง สำหรับแต่ละปัจจัย จะมีการเลือกจำนวนระดับของการแปรผัน ซึ่งควรมากกว่า 1 ระดับสูงสุดของพหุนามที่จำเป็นสำหรับคำอธิบายที่เพียงพอของพื้นผิวการตอบสนองโดยปัจจัยนี้ จำนวนการทดสอบที่ต้องการคือ:
ที่ไหน ส i คือจำนวนระดับตัวประกอบ เอ็กซ์ผม ; 1 ≤ ผม ≤ เค.
ค่าสัมประสิทธิ์ 1.5 ถูกเลือกสำหรับกรณีที่จำนวนของการทดลองที่จำเป็นมีนัยสำคัญ (จากลำดับที่ 50...64 หรือมากกว่า) ด้วยจำนวนการทดสอบที่จำเป็นน้อยกว่า ควรเลือกปัจจัย 2
การเลือกโครงสร้างของแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัย
ในการเลือกโครงสร้างของแบบจำลองทางคณิตศาสตร์ที่เกิดขึ้นจำเป็นต้องใช้อัลกอริทึมที่พัฒนาขึ้น อัลกอริทึมใช้โครงร่างตามลำดับสำหรับการเลือกโครงสร้างที่จำเป็นตามผลลัพธ์ของการทดลองหลายปัจจัยที่วางแผนไว้
การประมวลผลผลการทดลอง
สำหรับการประมวลผลที่ซับซ้อนของผลการทดลองและการได้รับข้อมูลที่จำเป็นสำหรับการตีความผลลัพธ์ในสาขาวิชา เครื่องมือซอฟต์แวร์ "การวางแผน การถดถอย และการวิเคราะห์แบบจำลอง" (PS PRIAM) ได้รับการพัฒนา ผู้พัฒนาคือห้องปฏิบัติการทดลองและวิธีทางสถิติของภาควิชาเทคโนโลยีวิศวกรรมเครื่องกลแห่งมหาวิทยาลัยเทคนิคแห่งชาติยูเครน "Kyiv Polytechnic Institute" การประเมินคุณภาพของแบบจำลองทางคณิตศาสตร์ที่ได้นั้นประกอบด้วยเกณฑ์ดังต่อไปนี้:
- การได้รับข้อมูลส่วนย่อยของผลกระทบหลักและปฏิสัมพันธ์ของปัจจัยที่จะนำมาใช้เป็นโครงสร้างของแบบจำลองทางคณิตศาสตร์หลายปัจจัยที่ต้องการ
- รับรองประสิทธิภาพทางทฤษฎีสูงสุดที่เป็นไปได้ (สูงสุด 100%) ในการดึงข้อมูลที่เป็นประโยชน์จากแหล่งข้อมูล
- การทดสอบนัยสำคัญทางสถิติของแบบจำลองทางคณิตศาสตร์ที่เป็นไปได้
- การทดสอบสมมติฐานต่าง ๆ ของการวิเคราะห์การถดถอยพหุคูณ
- การตรวจสอบความเพียงพอของแบบจำลองผลลัพธ์
- ตรวจสอบข้อมูลเช่น การมีอยู่ในรูปแบบทางคณิตศาสตร์ของข้อมูลที่เป็นประโยชน์และนัยสำคัญทางสถิติ
- การตรวจสอบความเสถียรของค่าสัมประสิทธิ์ของแบบจำลองทางคณิตศาสตร์
- การตรวจสอบประสิทธิภาพที่แท้จริงของการดึงข้อมูลที่เป็นประโยชน์จากแหล่งข้อมูล
- การประเมินความหมาย (ข้อมูล) ตามค่าสัมประสิทธิ์ที่ได้รับของแบบจำลองทางคณิตศาสตร์
- ตรวจสอบคุณสมบัติของสารตกค้าง
- การประเมินทั่วไปเกี่ยวกับคุณสมบัติของแบบจำลองทางคณิตศาสตร์ที่ได้รับและความเป็นไปได้ในการใช้งานเพื่อให้บรรลุเป้าหมาย
การตีความผลลัพธ์
ดำเนินการโดยผู้เชี่ยวชาญ (หรือผู้ชำนาญการพิเศษ) ที่เข้าใจดีทั้งผลลัพธ์ที่เป็นทางการในแบบจำลองที่ได้รับและเป้าหมายที่ใช้ซึ่งควรใช้แบบจำลอง
วิธีการทางคณิตศาสตร์สำหรับการรับข้อมูลที่เป็นประโยชน์เกี่ยวกับข้อผิดพลาดอย่างเป็นระบบที่มาพร้อมกับกระบวนการวัดปริมาณทางกายภาพ และเครื่องมือวัดจะสร้างระบบขั้นสูงที่มีปฏิสัมพันธ์ (มิฉะนั้นจะเกิดขึ้น) ระหว่างกัน โดยหลักการแล้วผลกระทบของการโต้ตอบ - ความแม่นยำที่สูงขึ้นของค่าที่วัดได้นั้นไม่สามารถได้รับจากค่าใช้จ่ายของระบบย่อยแต่ละระบบเท่านั้น ต่อจากโครงสร้างของแบบจำลองทางคณิตศาสตร์ Ŷ (ŷ 1 ,..., ŷ พี) = ฉ j (SI, MM) สำหรับการทดลอง 2 2 //4 (การไม่มีระบบย่อยถูกกำหนดโดย “–1” และการมีอยู่ของ “1”) ระบบย่อยที่ระบุ:
ที่ไหน Ŷ (ŷ 1 ,..., ŷ p) เป็นเวกเตอร์ของประสิทธิภาพของเครื่องมือวัด 1 ≤ เจ ≤ หน้า;
1 - สัญลักษณ์ของค่าเฉลี่ยของผลลัพธ์ (จุดอ้างอิงตามเงื่อนไข);
SI - ผลการวัดที่ได้จากเครื่องมือวัดเท่านั้น
MM - ข้อมูลที่ได้รับจากแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัยเกี่ยวกับข้อผิดพลาดอย่างเป็นระบบของเครื่องมือวัดที่ใช้กับความรู้ของเงื่อนไขการวัดภายในและภายนอกที่สัมพันธ์กับเงื่อนไข
SI · MM - ผลของการโต้ตอบ (การเกิดขึ้น) ของเครื่องมือวัดและแบบจำลองทางคณิตศาสตร์ โดยมีเงื่อนไขว่าจะใช้ร่วมกัน
การปรับปรุงความแม่นยำในการวัดสามารถทำได้โดยการรับข้อมูลเพิ่มเติมเกี่ยวกับเงื่อนไขการวัดและคุณสมบัติของเครื่องมือวัดในการโต้ตอบกับสภาพแวดล้อมภายในและภายนอกที่สัมพันธ์กัน
การผสมผสานระหว่างหลักการทางกายภาพและข้อมูลในทางปฏิบัติหมายถึงการทำให้เป็นระบบที่รู้จักทางปัญญา โดยเฉพาะอย่างยิ่งการสร้างเครื่องมือวัดอัจฉริยะ การรวมหลักการทางกายภาพและข้อมูลเข้าด้วยกันเป็นระบบเดียวทำให้สามารถแก้ปัญหาเก่าด้วยวิธีใหม่โดยพื้นฐาน
ตัวอย่างการเพิ่มความแม่นยำในการตวงเครื่องชั่งดิจิตอล
ลองพิจารณาความเป็นไปได้ของแนวทางที่เสนอในตัวอย่างการเพิ่มความแม่นยำของเครื่องชั่งดิจิตอลที่มีช่วงการชั่งน้ำหนัก 0...100 kgf เซ็นเซอร์ชั่งน้ำหนักชนิด Capacitive ขับเคลื่อนด้วยตัวเองจากแหล่งจ่ายแรงดันไฟฟ้าแบบพกพา เครื่องชั่งมีไว้สำหรับการทำงานในช่วงอุณหภูมิของสภาพแวดล้อม (อากาศ) 0...60 °C แรงดันไฟฟ้าจากแหล่งจ่ายแรงดันไฟฟ้าอัตโนมัติระหว่างการทำงานของเครื่องชั่งสามารถเปลี่ยนแปลงได้ในช่วง 12.3 ... 11.7 V ที่ค่าที่คำนวณได้ (ค่าเล็กน้อย) ที่ 12 V
การศึกษาเบื้องต้นเกี่ยวกับเครื่องชั่งดิจิตอลแสดงให้เห็นว่าการเปลี่ยนแปลงของอุณหภูมิแวดล้อมและแรงดันไฟฟ้าในช่วงข้างต้นมีผลกระทบค่อนข้างน้อยต่อการอ่านค่าของเซนเซอร์แบบคาปาซิทีฟ และเป็นผลให้ส่งผลต่อผลการชั่งน้ำหนัก อย่างไรก็ตาม เป็นไปไม่ได้ที่จะทำให้สภาวะภายนอกและภายในเหล่านี้คงที่ด้วยความแม่นยำที่จำเป็น และรักษาไว้ระหว่างการทำงานของเครื่องชั่ง เนื่องจากข้อเท็จจริงที่ว่าเครื่องชั่งไม่ควรใช้งานภายใต้สภาวะหยุดนิ่ง (ในห้องปฏิบัติการ) แต่อยู่บนเครื่องที่กำลังเคลื่อนที่ วัตถุ.
การศึกษาความถูกต้องของเครื่องชั่งโดยไม่คำนึงถึงอิทธิพลของการเปลี่ยนแปลงของอุณหภูมิและแรงดันไฟฟ้าของแหล่งจ่ายแสดงให้เห็นว่าข้อผิดพลาดในการประมาณแบบสัมบูรณ์โดยเฉลี่ยคือ 0.16% และข้อผิดพลาดของค่าเฉลี่ยรากที่สองของส่วนที่เหลือ (ในหน่วยการวัดของ ค่าผลการชั่งน้ำหนัก) คือ 53.92
เพื่อให้ได้แบบจำลองทางคณิตศาสตร์แบบหลายปัจจัย การกำหนดปัจจัยต่อไปนี้และค่าของระดับจะถูกนำมาใช้
เอ็กซ์ 1 - ฮิสเทรีซิส ระดับ: 0 (โหลด); 1 (ขนถ่าย). ปัจจัยด้านคุณภาพ
เอ็กซ์ 2 – อุณหภูมิแวดล้อม ระดับ: 0; 22; 60°ซ.
เอ็กซ์ 4 - น้ำหนักที่วัดได้ ระดับ: 0; ยี่สิบ; 40; 60; 80; 100 กก.
เมื่อพิจารณาถึงระดับความผันแปรของแฟกเตอร์ที่ยอมรับได้และปริมาณการทดสอบที่ค่อนข้างถูก จึงตัดสินใจทำการทดลองแฟกทอเรียลเต็มรูปแบบ นั่นคือ 2 3 2 6//108. ข้อมูลการทดสอบเบื้องต้นจัดทำโดยศาสตราจารย์ พี.วี. โนวิตสกี้. การทดลองแต่ละครั้งทำซ้ำเพียงครั้งเดียวซึ่งไม่สามารถพิจารณาได้ว่าเป็นทางออกที่ดี ขอแนะนำให้ทำซ้ำการทดสอบแต่ละครั้งสองครั้ง การวิเคราะห์เบื้องต้นของข้อมูลเริ่มต้นแสดงให้เห็นว่ามีข้อผิดพลาดขั้นต้นที่มีความเป็นไปได้สูง การทดลองเหล่านี้ซ้ำแล้วซ้ำอีกและผลลัพธ์ก็ได้รับการแก้ไข
ค่าตามธรรมชาติของระดับการแปรผันของปัจจัยถูกแปลงเป็นคอนทราสต์แบบมุมฉาก มิฉะนั้นจะเป็นระบบของพหุนาม Chebyshev แบบมุมฉาก
การใช้ระบบคอนทราสต์ตั้งฉาก โครงสร้างของการทดลองแฟคทอเรียลที่สมบูรณ์จะมีลักษณะดังนี้:
(1 + x 1) (1 + x 2 + z 2) (1 + x 3 + z 3) (1 + x 4 + z 4 + คุณ 4 + v 4 + ω 4) → N 108
ที่ไหน x 1 ,..., x 4 ; ซี 2 ,..., ซี 4 ; ยู 4 , โวลต์ 4 , ω 4 - ปัจจัยความคมชัดเชิงเส้น, กำลังสอง, ลูกบาศก์, สี่และห้าตามลำดับ เอ็กซ์ 1 ,..., เอ็กซ์ 4 ;
เอ็น 108 คือจำนวนองค์ประกอบโครงสร้างสำหรับแผนการทดลองแฟคทอเรียลที่สมบูรณ์
เอฟเฟกต์ทั้งหมด (หลักและการโต้ตอบ) ถูกทำให้เป็นมาตรฐาน
โดยที่ x iu (p) คือค่า หน้าคอนทราสต์มุมฉาก ผมตัวประกอบ -th สำหรับแถว uth ของเมทริกซ์การวางแผน 1 ≤ ยู ≤ 108, 1 ≤ หน้า ≤ สฉัน - 1; 1 ≤ ผม ≤ 4.
การคำนวณเบื้องต้นของแบบจำลองทางคณิตศาสตร์แสดงให้เห็นว่าสามารถเลือกค่า (ประมาณ) ของ 20.1 เป็นค่าประมาณของความแปรปรวนในการทำซ้ำได้
จำนวนองศาอิสระ (แบบมีเงื่อนไข) ที่ยอมรับ วี 2 = 108.
ความแปรปรวนถูกใช้เพื่อกำหนดข้อผิดพลาดมาตรฐานของสัมประสิทธิ์สมการถดถอย
การคำนวณแบบจำลองทางคณิตศาสตร์และเกณฑ์คุณภาพทั้งหมดดำเนินการโดยใช้ PS PRIAM แบบจำลองทางคณิตศาสตร์ที่ได้จะมีรูปแบบ
ŷ = 28968,9 – 3715,13x 4 + 45,2083x 3 – 37,5229ซี 2 + 23,1658x 2 – 19,0708ซี 4 – 19,6574ซี 3 – 9,0094x 2 ซี 3 – 9,27434ซี 2 x 4 + 1,43465x 1 x 2 + 1,65431ซี 2 x 3 , | (2) |
x 1 = 2 (เอ็กซ์ 1 – 0,5);
x 2 = 0,0306122 (เอ็กซ์ 2 – 27,3333);
ซี 2 = 1,96006 (x 2 2 – 0,237337x 2 – 0,575594);
x 3 = 3.33333 (เอ็กซ์ 3 – 12);
ซี 3 = 1,5 (x 2 3 – 0,666667);
x 4 = 0,02 (เอ็กซ์ 4 – 50);
ซี 4 = 1,875 (x 2 4 – 0,466667);
ยู 4 = 3,72024 (x 3 4 – 0,808x 4);
โวลต์ 4 = 7,59549 (x 4 4 – 1,08571x 2 4 + 0,1296).
ตารางที่ 1
เกณฑ์คุณภาพของแบบจำลองทางคณิตศาสตร์ที่ได้
การวิเคราะห์ความเพียงพอของแบบจำลอง | |
การกระจายสารตกค้าง | 21,1084 |
การกระจายความสามารถในการทำซ้ำ | 20,1 |
ประมาณค่ะ ฉ- เกณฑ์ | 1,05017 |
ระดับนัยสำคัญ ฉ- เกณฑ์ความเพียงพอ 0.05 สำหรับระดับความเป็นอิสระ วี 1 = 97; วี 2 = 108 | |
ค่าตาราง ฉ-เกณฑ์ความเพียงพอ | 1,3844 |
ค่าตาราง ฉ-เกณฑ์ (ในกรณีที่ไม่มีการทดลองซ้ำ) | 1,02681 |
ข้อผิดพลาดมาตรฐานของการประมาณ | 4,59439 |
ถูกต้อง. โดยคำนึงถึงระดับความเป็นอิสระ | 4,80072 |
แบบอย่าง | เพียงพอ |
หมายเหตุ: ความแปรปรวนของการทำซ้ำถูกกำหนดโดยผู้ใช้ |
|
การวิเคราะห์ข้อมูลของแบบจำลอง | |
เศษส่วนของการกระจายอธิบายโดยแบบจำลอง | 0,999997 |
แนะนำตัวถดถอย (เอฟเฟกต์) | 11 |
ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ | 0,999999 |
(แก้ไขระดับความเป็นอิสระ) | 0,999998 |
ฉทัศนคติสำหรับ ร | 3.29697 10 6 |
ระดับนัยสำคัญ ฉ-เกณฑ์สำหรับการให้ข้อมูล 0.01 สำหรับระดับความเป็นอิสระ วี 1 = 10; วี 2 = 97 | |
ค่าตาราง ฉ-เกณฑ์การให้ข้อมูล | 2,50915 |
แบบอย่าง | ให้ข้อมูล |
เกณฑ์ของ Box และ Wetz สำหรับการให้ข้อมูล | มากกว่า 49 |
ข้อมูลของแบบจำลอง | สูงมาก |
ตารางที่ 2
ลักษณะทางสถิติของสัมประสิทธิ์การถดถอย
ชื่อของเอฟเฟกต์หลักหรือการโต้ตอบของเอฟเฟกต์หลัก | ค่าสัมประสิทธิ์การถดถอย | ข้อผิดพลาดมาตรฐานของค่าสัมประสิทธิ์การถดถอย | ค่าที่คำนวณได้ ที-ครีต | ส่วนแบ่งของการมีส่วนร่วมในการอธิบายการกระจายตัวของค่าแบบจำลอง |
x 4 | ข 1 = –3715,13 | 0,431406 | 5882,9 | 0,999557 |
x 3 | ข 2 = 45,2083 | 0,431406 | 85,5631 | 0,000211445 |
ซี 2 | ข 3 = –37,5229 | 0,431406 | 62,2275 | 0,000111838 |
x 2 | ข 4 = 23,1658 | 0,431406 | 40,7398 | 4.79362 10 -5 |
ซี 4 | ข 5 = –19,0708 | 0,431406 | 33,0808 | 3.16065 10 -5 |
ซี 3 | ข 6 = –19,6574 | 0,431406 | 32,22 | 2.9983 10 -5 |
x 2 ซี 3 | ข 7 = –9,0094 | 0,431406 | 11,2035 | 3.62519 10 -6 |
ซี 2 x 4 | ข 8 = –9,27434 | 0,431406 | 10,5069 | 3.18838 10 -6 |
x 1 x 2 | ข 9 = 1,43465 | 0,431406 | 2,523 | 1.83848 10 -7 |
ซี 2 x 3 | ข 10 = 1,65431 | 0,431406 | 2,24004 | 1.44923 10 -7 |
ข 0 = 28968,9
ระดับนัยสำคัญสำหรับ ที-เกณฑ์ - 0.05
สำหรับระดับความอิสระ วี 1 = 108. ค่าตาราง ที-เกณฑ์ - 1.9821
ในตาราง 1 แสดงการพิมพ์เกณฑ์คุณภาพสำหรับแบบจำลองทางคณิตศาสตร์หลายปัจจัยที่เป็นผลลัพธ์ โมเดลกำลังพอดี สัดส่วนของการกระจายตัวที่อธิบายโดยโมเดลนั้นสูงมาก เนื่องจากโมเดลมีความแม่นยำสูง ความแปรปรวนของฟังก์ชันการตอบสนองมีมาก และความแปรปรวนแบบสุ่มของมันค่อนข้างน้อย ค่าสัมประสิทธิ์สหสัมพันธ์พหุคูณ รมีค่าใกล้เคียงกับ 1 มากและมีความเสถียร เนื่องจากเมื่อปรับตามระดับความเป็นอิสระแล้ว แทบไม่เปลี่ยนแปลง นัยสำคัญทางสถิติ รมีขนาดใหญ่มากเช่น โมเดลมีข้อมูลมาก เนื้อหาข้อมูลสูงของแบบจำลองยังได้รับการยืนยันโดยค่าของเกณฑ์ Box และ Wetz ค่าสัมประสิทธิ์ของแบบจำลองจะคงที่สูงสุด: หมายเลขเงื่อนไข เงื่อนไข= 1. โมเดลที่ได้มีความหมายในแง่ข้อมูล เนื่องจากค่าสัมประสิทธิ์ทั้งหมดเป็นแบบออร์โธนอร์มอล: พวกมันไม่ขึ้นกับสถิติและสามารถเปรียบเทียบค่าสัมบูรณ์ระหว่างกันได้ เครื่องหมายของค่าสัมประสิทธิ์แสดงลักษณะของอิทธิพลและค่าสัมบูรณ์ - ความแข็งแกร่งของอิทธิพล แบบจำลองที่ได้นั้นสะดวกที่สุดสำหรับการตีความในสาขาวิชา
โดยคำนึงถึงคุณสมบัติทางความหมายของแบบจำลองทางคณิตศาสตร์ที่ได้รับและส่วนแบ่งของการมีส่วนร่วมของแบบจำลองแต่ละแบบที่ส่งผลต่อสัดส่วนการกระจายทั้งหมดที่อธิบายโดยแบบจำลอง เป็นไปได้ที่จะทำการวิเคราะห์ข้อมูลที่มีความหมายเกี่ยวกับการก่อตัวของผลการวัดของ น้ำหนักดิจิทัลที่ศึกษา
ส่วนแบ่งทั่วไปในผลการจำลองเท่ากับ 0.999557 สร้างขึ้นโดยเอฟเฟกต์หลักเชิงเส้น x 4 (มีค่าสัมประสิทธิ์ ข 1 = -3715.13) เช่น น้ำหนักที่วัดได้ (ตารางที่ 2) ความไม่เชิงเส้น ซี 4 (มีค่าสัมประสิทธิ์ ข 5 = –19.07) มีขนาดค่อนข้างเล็ก (3.16 10 –5) และการรวมไว้ในแบบจำลองช่วยเพิ่มความแม่นยำในการวัด เอฟเฟกต์เส้น x 4 ค่อนข้างอ่อน (3.19 10 -6) โต้ตอบกับเอฟเฟกต์กำลังสอง ซี 2 อุณหภูมิแวดล้อม: อันตรกิริยา ซี 2 x 4 (ข 8 = -9.27). ดังนั้นแบบจำลองทางคณิตศาสตร์จึงขึ้นอยู่กับปัจจัยน้ำหนักที่วัดได้เท่านั้น เอ็กซ์ 4 ควรรวมถึงผลกระทบของอุณหภูมิโดยรอบด้วย
ŷ 1 = 28968,90 – 3715,13x 4 – 19,07ซี 4 – 9,27ซี 2 x 4 ,
ปัจจัยของใคร เอ็กซ์ 2 ไม่มีการจัดการ
แรงดันไฟฟ้าของแหล่งจ่ายเปลี่ยนผลการชั่งน้ำหนักเป็นผลเชิงเส้น x 3 (ข 2 = 45.21) และเอฟเฟกต์กำลังสอง ซี 3 (ข 6 = -19.66). ส่วนแบ่งการมีส่วนร่วมทั้งหมดของพวกเขาคือ 2.41·10 -4
อุณหภูมิแวดล้อมมีผลเป็นกำลังสอง ซี 2 (ข 3 = -37.52) และเชิงเส้น x 2 (ข 4 \u003d 23.17) เอฟเฟกต์ที่มีส่วนแบ่งการมีส่วนร่วมทั้งหมด 1.60 10 -4
อุณหภูมิแวดล้อมและแรงดันไฟฟ้าของแหล่งจ่ายทำให้เกิดการโต้ตอบแบบคู่ x 2 ซี 3 (ข 7 \u003d -9.01) โดยมีส่วนแบ่งการมีส่วนร่วม 3.63 10 -6
หลักฐานที่มีนัยสำคัญทางสถิติของผลกระทบสองรายการล่าสุด x 1 x 2 และ ซี 2 x 3 ไม่สามารถพิสูจน์ได้เนื่องจากมีค่าน้อยกว่าผลกระทบอย่างมีนัยสำคัญ x 2 ซี 3 และ ซี 2 x 4 และน่าเสียดายที่ไม่มีค่าที่สมเหตุสมผลสำหรับการกระจายความสามารถในการทำซ้ำตามผลการทดลองซ้ำในข้อมูลเริ่มต้นที่นำเสนอ
ในตาราง 2 แสดงลักษณะทางสถิติของค่าสัมประสิทธิ์การถดถอย โปรดทราบว่าค่าของสัมประสิทธิ์การถดถอยจะแบ่งออกเป็นค่าสัมประสิทธิ์การทำให้เป็นมาตรฐานของคอนทราสต์มุมฉาก ซึ่งไม่รวมอยู่ในสูตรคอนทราสต์มุมฉากที่กำหนด สิ่งนี้อธิบายความจริงที่ว่าเมื่อหารค่าสัมประสิทธิ์การถดถอยด้วยข้อผิดพลาดมาตรฐาน ค่าที่ได้รับ ที- เกณฑ์แตกต่างจากค่าที่คำนวณได้อย่างถูกต้องของเกณฑ์นี้ในตาราง 2.
ข้าว. หนึ่ง.ฮิสโตแกรมของสารตกค้าง
บนมะเดื่อ 1 แสดงฮิสโตแกรมของสิ่งตกค้าง . มันค่อนข้างใกล้เคียงกับกฎการแจกแจงแบบปกติ ในตาราง รูปที่ 3 แสดงค่าตัวเลขของส่วนที่เหลือและเปอร์เซ็นต์การเบี่ยงเบน กราฟเวลาของสิ่งตกค้าง (รูปที่ 2) บ่งชี้ลักษณะสุ่มของการเปลี่ยนแปลงของสิ่งตกค้างจากเวลา (ลำดับ) ของการทดลอง ไม่สามารถเพิ่มความแม่นยำของโมเดลได้อีก การวิเคราะห์การพึ่งพาของสารตกค้าง ŷ (ค่าที่คำนวณได้) แสดงให้เห็นว่ามีการสังเกตการกระจายที่เหลือที่ใหญ่ที่สุดสำหรับ เอ็กซ์ 4 = 0 กก. ( ย= 32581...32730) และ เอ็กซ์ 4 = 100 กก. ( ย= 25124...25309). สเปรดที่เล็กที่สุดที่ เอ็กซ์ 4 = 40 กก. อย่างไรก็ตาม นัยสำคัญทางสถิติของข้อสรุปดังกล่าวจำเป็นต้องมีความรู้เรื่องค่าที่สมเหตุสมผลของความแปรปรวนในการทำซ้ำ
ข้าว. 2.ไทม์ไลน์ตกค้าง
เมื่อคำนึงถึงข้อผิดพลาดเชิงระบบความไม่เชิงเส้นปฏิสัมพันธ์ของปัจจัยที่ไม่มีการควบคุมในแบบจำลองทางคณิตศาสตร์ทำให้สามารถเพิ่มความแม่นยำของเครื่องมือวัดตามเกณฑ์ของข้อผิดพลาดการประมาณสัมบูรณ์โดยเฉลี่ยได้ถึง 0.012% - 13.3 เท่าและตามเกณฑ์ ของข้อผิดพลาดในการประมาณรูทค่าเฉลี่ยกำลังสองสูงถึง 4.80 (ตารางที่ 1) - 11.2 เท่า
แผนการทดลอง 2 2 //4 สำหรับข้อผิดพลาดในการประมาณสัมบูรณ์เฉลี่ยเป็น % และผลลัพธ์ที่ได้โดยใช้เครื่องมือวัดและเครื่องมือวัดที่มีแบบจำลองทางคณิตศาสตร์ของข้อผิดพลาดอย่างเป็นระบบเท่านั้นแสดงในตาราง สี่
แบบจำลองทางคณิตศาสตร์สำหรับค่าความคลาดเคลื่อนสัมบูรณ์โดยเฉลี่ยของการประมาณ ซึ่งได้จากการทดลองที่ 2 2 //4 โดยมีโครงสร้างของแบบจำลอง (1) และผลลัพธ์ของการทำงานของเครื่องมือวัดที่ไม่มีแบบจำลองทางคณิตศาสตร์และการใช้งาน มี รูปร่าง
ŷ = 0,043 + 0,043x 1 ...0,037x 2 ...0,037x 1 x 2
ที่ไหน x 1 - ปัจจัยความคมชัดมุมฉาก เอ็กซ์ 1 (SI) - เครื่องมือวัด
x 2 - ปัจจัยความคมชัดมุมฉาก เอ็กซ์ 2 (MM) - แบบจำลองทางคณิตศาสตร์ของข้อผิดพลาดอย่างเป็นระบบของเครื่องมือวัดที่ใช้
x 1 x 2 - ปฏิสัมพันธ์ของปัจจัย เอ็กซ์ 1 (SI) และ เอ็กซ์ 2 (มม.).
ตารางที่ 3
เศษเหลือและส่วนเบี่ยงเบนร้อยละ
1
– หมายเลขประสบการณ์; 2
– การตอบสนองต่อการทดลอง; 3
– การตอบสนองของโมเดล; 4
- ส่วนที่เหลือ;
5
– เปอร์เซ็นต์การเบี่ยงเบน; 6
– หมายเลขประสบการณ์; 7
– การตอบสนองต่อการทดลอง;
8
– การตอบสนองของโมเดล; 9
- ส่วนที่เหลือ; 10
– เปอร์เซ็นต์การเบี่ยงเบน
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
---|---|---|---|---|---|---|---|---|---|
1 | 32581 | 32574,2 | 6,832 | 0,0210 | 55 | 32581 | 32576,6 | 4,431 | 0,0136 |
2 | 31115 | 31108,7 | 6,349 | 0,0204 | 56 | 31115 | 31111,1 | 3,948 | 0,0127 |
3 | 29635 | 29631,7 | 3,308 | 0,0112 | 57 | 29633 | 29634,1 | –1,092 | –0,0037 |
4 | 28144 | 28143,3 | 0,710 | 0,0025 | 58 | 28141 | 28145,7 | –4,691 | –0,0167 |
5 | 26640 | 26643,4 | –3,445 | –0,0129 | 59 | 26637 | 26645,8 | –8,846 | –0,0332 |
6 | 25128 | 25132,2 | –4,159 | –0,0165 | 60 | 25124 | 25134,6 | –10,559 | –0,0420 |
7 | 32625 | 32638,6 | –13,602 | –0,0417 | 61 | 32649 | 32641 | 7,997 | 0,0245 |
8 | 31175 | 31173,1 | 1,915 | 0,0061 | 62 | 31179 | 31175,5 | 3,514 | 0,0113 |
9 | 29694 | 29696,1 | –2,126 | –0,0072 | 63 | 29699 | 29698,5 | 0,473 | 0,0016 |
10 | 28208 | 28207,7 | 0,276 | 0,0010 | 64 | 28209 | 28210,1 | –1,125 | –0,0040 |
11 | 26709 | 26707,9 | 1,120 | 0,0042 | 65 | 26711 | 26710,3 | 0,719 | 0,0027 |
12 | 25198 | 25196,6 | 1,407 | 0,0056 | 66 | 25199 | 25199 | 0,006 | 0,0000 |
13 | 32659 | 32666,7 | –7,680 | –0,0235 | 67 | 32660 | 32669,1 | –9,081 | –0,0278 |
14 | 31199 | 31201,2 | –2,163 | –0,0069 | 68 | 31200 | 31203,6 | –3,564 | –0,0114 |
15 | 29723 | 29724,2 | –1,204 | –0,0040 | 69 | 29726 | 29726,6 | –0,605 | –0,0020 |
16 | 28241 | 28235,8 | 5,198 | 0,0184 | 70 | 28242 | 28238,2 | 3,797 | 0,0134 |
17 | 26741 | 26736 | 5,042 | 0,0189 | 71 | 26742 | 26738,4 | 3,642 | 0,0136 |
18 | 25232 | 25224,7 | 7,329 | 0,0290 | 72 | 25233 | 25227,1 | 5,928 | 0,0235 |
19 | 32632 | 32636,5 | –4,543 | –0,0139 | 73 | 32630 | 32637 | –7,012 | –0,0215 |
20 | 31175 | 31177,1 | –2,086 | –0,0067 | 74 | 31173 | 31177,6 | –4,554 | –0,0146 |
21 | 29705 | 29706,2 | –1,185 | –0,0040 | 75 | 29703 | 29706,7 | –3,654 | –0,0123 |
22 | 28225 | 28223,8 | 1,157 | 0,0041 | 76 | 28223 | 28224,3 | –1,311 | –0,0046 |
23 | 26734 | 26730,1 | 3,942 | 0,0147 | 77 | 26733 | 26730,5 | 2,474 | 0,0093 |
24 | 25233 | 25224,8 | 8,170 | 0,0324 | 78 | 25233 | 25225,3 | 7,702 | 0,0305 |
25 | 32710 | 32707,4 | 2,623 | 0,0080 | 79 | 32710 | 32707,8 | 2,155 | 0,0066 |
26 | 31251 | 31247,9 | 3,081 | 0,0099 | 80 | 31249 | 31248,4 | 0,612 | 0,0020 |
27 | 29777 | 29777 | –0,019 | –0,0001 | 81 | 29775 | 29777,5 | –2,488 | –0,0084 |
28 | 28294 | 28294,7 | –0,676 | –0,0024 | 82 | 28292 | 28295,1 | –3,145 | –0,0111 |
29 | 26799 | 26800,9 | –1,891 | –0,0071 | 83 | 26799 | 26801,4 | –2,360 | –0,0088 |
30 | 25297 | 25295,7 | 1,336 | 0,0053 | 84 | 25296 | 25296,1 | –0,132 | –0,0005 |
31 | 32730 | 32723,7 | 6,349 | 0,0194 | 85 | 32729 | 32724,1 | 4,880 | 0,0149 |
32 | 31269 | 31264,2 | 4,806 | 0,0154 | 86 | 31267 | 31264,7 | 2,338 | 0,0075 |
33 | 29794 | 29793,3 | 0,707 | 0,0024 | 87 | 29793 | 29793,8 | –0,762 | –0,0026 |
34 | 28310 | 28311 | –0,951 | –0,0034 | 88 | 28309 | 28311,4 | –2,419 | –0,0085 |
35 | 26814 | 26817,2 | –3,166 | –0,0118 | 89 | 26814 | 26817,6 | –3,634 | –0,0136 |
36 | 25309 | 25311,9 | –2,938 | –0,0116 | 90 | 25309 | 25312,4 | –3,407 | –0,0135 |
37 | 32616 | 32619,1 | –3,053 | –0,0094 | 91 | 32608 | 32616,2 | –8,183 | –0,0251 |
38 | 31152 | 31154,5 | –2,525 | –0,0081 | 92 | 31148 | 31151,7 | –3,656 | –0,0117 |
39 | 29677 | 29678,6 | –1,555 | –0,0052 | 93 | 29675 | 29675,7 | –0,686 | –0,0023 |
40 | 28192 | 28191,1 | 0,858 | 0,0030 | 94 | 28192 | 28188,3 | 3,727 | 0,0132 |
41 | 26696 | 26692,3 | 3,713 | 0,0139 | 95 | 26692 | 26689,4 | 2,582 | 0,0097 |
42 | 25189 | 25182 | 7,010 | 0,0278 | 96 | 25189 | 25179,1 | 9,880 | 0,0392 |
43 | 32713 | 32707,9 | 5,132 | 0,0157 | 97 | 32704 | 32705 | –0,998 | –0,0031 |
44 | 31244 | 31243,3 | 0,660 | 0,0021 | 98 | 31240 | 31240,5 | –0,471 | –0,0015 |
45 | 29770 | 29767,4 | 2,630 | 0,0088 | 99 | 29764 | 29764,5 | –0,501 | –0,0017 |
46 | 28285 | 28280 | 5,043 | 0,0178 | 100 | 28278 | 28277,1 | 0,912 | 0,0032 |
47 | 26784 | 26781,1 | 2,898 | 0,0108 | 101 | 26778 | 26778,2 | –0,233 | –0,0009 |
48 | 25262 | 25270,8 | –8,805 | –0,0349 | 102 | 25262 | 25267,9 | –5,935 | –0,0235 |
49 | 32717 | 32710,7 | 6,318 | 0,0193 | 103 | 32710 | 32707,8 | 2,187 | 0,0067 |
50 | 31249 | 31246,2 | 2,845 | 0,0091 | 104 | 31245 | 31243,3 | 1,715 | 0,0055 |
51 | 29770 | 29770,2 | –0,185 | –0,0006 | 105 | 29767 | 29767,3 | –0,315 | –0,0011 |
52 | 28280 | 28282,8 | –2,772 | –0,0098 | 106 | 28279 | 28279,9 | –0,903 | –0,0032 |
53 | 26779 | 26783,9 | –4,917 | –0,0184 | 107 | 26779 | 26781 | –2,048 | –0,0076 |
54 | 25267 | 25273,6 | –6,619 | –0,0262 | 108 | 25267 | 25270,8 | –3,750 | –0,0148 |
ข้อผิดพลาดสัมบูรณ์สัมบูรณ์เฉลี่ยเป็นเปอร์เซ็นต์คือ 0.0119 |
ตารางที่ 4
แผนการทดลองที่ 2 2 //4
การวิเคราะห์ค่าสัมประสิทธิ์ของแบบจำลองแสดงให้เห็นว่าปัจจัย X 2 (MM) ช่วยลดข้อผิดพลาดอย่างเป็นระบบไม่เพียง แต่ในรูปแบบของผลกระทบหลัก x 2 (ค่าสัมประสิทธิ์ b 2 = –0.037) แต่ยังเกิดจากการโต้ตอบ (การเกิดขึ้น) ของ ปัจจัย X 1 (SI) X 2 ( MM) (ค่าสัมประสิทธิ์ b 12 = -0.037)
นอกจากนี้ยังสามารถรับแบบจำลองที่คล้ายกันสำหรับเกณฑ์ของข้อผิดพลาดในการประมาณรูทค่าเฉลี่ยกำลังสอง
สำหรับการใช้งานจริงของแบบจำลองที่ได้รับ (2) จำเป็นต้องวัดและใช้ข้อมูลเกี่ยวกับอุณหภูมิโดยรอบและแรงดันไฟฟ้าโดยใช้เซ็นเซอร์ และคำนวณผลลัพธ์โดยใช้ไมโครโปรเซสเซอร์
ผลลัพธ์ของการสร้างแบบจำลองทางคณิตศาสตร์ของระบบการวัดเทนโซเมตริกแบบหกองค์ประกอบ
พิจารณาการสร้างแบบจำลองทางคณิตศาสตร์ของระบบการวัดเทนโซเมตริกหกองค์ประกอบ วิธีการที่เสนอถูกนำมาใช้ที่โรงงานเครื่องกลเคียฟ (ปัจจุบันคือศูนย์วิทยาศาสตร์และเทคนิคการบินที่ตั้งชื่อตาม O.K. Antonov) เป็นครั้งแรกในการฝึกปฏิบัติการวัดที่คล้ายคลึงกัน วิธีนี้ทำให้สามารถแยกผลที่ตามมาจากความไม่สมบูรณ์ทางกายภาพของระบบการวัดซึ่งแสดงออกมาในรูปแบบของปฏิสัมพันธ์ระหว่างช่องสัญญาณ อิทธิพลของช่องสัญญาณอื่นๆ เป็นครั้งแรกในการปฏิบัติ ช่องทางการพิจารณา ความไม่เชิงเส้น และศึกษาความสัมพันธ์เชิงโครงสร้างของช่องทางต่างๆ
การใช้วิธีการสร้างแบบจำลองทางคณิตศาสตร์ในสภาพจริงขององค์กรพบว่าเวลาของการทดลองลดลง 10...15 เท่า อย่างมีนัยสำคัญ (มากถึง 60 เท่า) เพิ่มประสิทธิภาพของการประมวลผลข้อมูลการวัด จำนวนนักแสดงที่เกี่ยวข้องในการทดลองการวัดลดลง 2...3 เท่า
ข้อสรุปสุดท้ายเกี่ยวกับความเหมาะสมของการใช้วิธีการข้างต้นขึ้นอยู่กับประสิทธิภาพทางเศรษฐกิจของตัวเลือกเปรียบเทียบต่อไปนี้
เครื่องมือวัดที่มีความแม่นยำสูงและมีราคาแพงกว่า ใช้ในสภาวะปกติ (มาตรฐาน) ที่ต้องสร้างและบำรุงรักษา
วิธีการวัดที่มีความแม่นยำสูงน้อยกว่าใช้ในสภาวะที่ไม่ได้มาตรฐาน (ไม่ได้มาตรฐาน) โดยใช้แบบจำลองทางคณิตศาสตร์ที่ได้รับ
ข้อสรุปหลัก
1) แนวทางที่เป็นระบบที่ประสบความสำเร็จในการสร้างแบบจำลองทางคณิตศาสตร์ของเครื่องมือวัดทำให้สามารถคำนึงถึงอิทธิพลของปัจจัยภายนอก - อุณหภูมิแวดล้อม - และสภาพแวดล้อมภายใน - แรงดันไฟฟ้า ประสิทธิภาพในการดึงข้อมูลที่เป็นประโยชน์จากข้อมูลเดิมคือ 100%
2) ในแบบจำลองทางคณิตศาสตร์หลายแฟกทอเรียลที่เป็นผลลัพธ์ โครงสร้างที่ผู้วิจัยไม่ทราบมาก่อน ความไม่เชิงเส้นของเครื่องมือวัด และอิทธิพลเชิงระบบของปัจจัย (การเกิดขึ้น) ของสภาพแวดล้อมภายนอกและภายในถูกเปิดเผยในรูปแบบ สะดวกต่อการตีความในสาขาวิชา ภายใต้สภาวะการใช้งานจริง ปัจจัยเหล่านี้ไม่สามารถทำให้เสถียรด้วยความแม่นยำที่ต้องการได้
3) การคำนึงถึงแบบจำลองทางคณิตศาสตร์ของข้อผิดพลาดอย่างเป็นระบบทำให้สามารถเพิ่มความแม่นยำของการวัดตามเกณฑ์ของข้อผิดพลาดสัมบูรณ์เฉลี่ย 13.3 เท่า และโดยเกณฑ์ของข้อผิดพลาดรูทค่าเฉลี่ยกำลังสอง 11.2 เท่า
ข้อเสนอของเรา
ห้องปฏิบัติการทดลองและระเบียบวิธีทางสถิติพร้อมที่จะให้บริการซอฟต์แวร์อัลกอริทึมสำหรับการรับแบบจำลองทางคณิตศาสตร์แบบหลายปัจจัย การวิเคราะห์และการตีความ และเพื่อถ่ายทอดประสบการณ์ที่สั่งสมเพื่อใช้ในการแก้ปัญหาทางอุตสาหกรรมและวิทยาศาสตร์โดยเฉพาะ
เราพร้อมที่จะแก้ปัญหาของคุณในด้านเหล่านี้และด้านอื่นๆ โดยใช้อัลกอริทึม ซอฟต์แวร์ ความรู้ความชำนาญที่สร้างขึ้นในช่วงหลายปีที่ผ่านมา ฝึกอบรมและถ่ายทอดประสบการณ์ให้กับผู้เชี่ยวชาญของคุณ
วรรณกรรม:
- Rybakov I.N. พื้นฐานของความแม่นยำและการสนับสนุนมาตรวิทยาของการวัดด้วยคลื่นวิทยุ-อิเล็กทรอนิกส์ - ม.: สำนักพิมพ์มาตรฐาน, 2533. - 180 น.
- ราดเชนโก้ เอส.จี. การสร้างแบบจำลองทางคณิตศาสตร์ของกระบวนการทางเทคโนโลยีในวิศวกรรมเครื่องกล - K.: CJSC "Ukrspetsmontazhproekt", 1998. - 274 p.
- Alimov Yu.I. , Shaevich A.B. คุณสมบัติระเบียบวิธีของการประเมินผลการวิเคราะห์ทางเคมีเชิงปริมาณ // วารสารเคมีวิเคราะห์. - 2531. - ฉบับที่. 10. - ต. XLIII. - ส. 2436 ... 2459.
- การวางแผน การถดถอย และการวิเคราะห์แบบจำลอง PRIAM (PRIAM) วทท-90; 325, 660, 668 // แคตตาล็อก ผลิตภัณฑ์ซอฟต์แวร์ของยูเครน แคตตาล็อก ซอฟต์แวร์ของยูเครน - K.: บริษัทร่วมทุน "Teknor" - 2536. - ค. 24 ... 27.
- Zinchenko V.P., Radchenko S.G. วิธีการสร้างแบบจำลองระบบการวัดเทนโซเมตริกแบบหลายองค์ประกอบ - พ.: 2536. - 17 น. (Prepr. / Academy of Sciences of Ukraine สถาบัน Cybernetics ตั้งชื่อตาม V.M. Glushkov; 93 ... 31)
ข้อกำหนดสำหรับแบบจำลองที่อธิบายถึงข้อผิดพลาดในการวัด
แบบจำลองข้อผิดพลาดในการวัด
ความต้องการ:
1.ควรสะท้อนคุณสมบัติทางมาตรวิทยาที่สำคัญของเครื่องมือวัดหรือขั้นตอนการวัด
2. จัดให้มีการแก้ปัญหาในทางปฏิบัติที่ใช้การวัดผล
3. การประเมินข้อผิดพลาดในเชิงปริมาณ
5.แก้ไขค่าที่อ่านได้ของเครื่องมือวัดและแก้ไขผลการวัดเพื่อลดข้อผิดพลาด
6. กำหนดความน่าจะเป็นของการทำงานโดยปราศจากความล้มเหลวของเครื่องมือวัดในช่วงระยะเวลาหนึ่ง
7. ต้องคำนึงถึงความคลาดเคลื่อนในการผลิตและการปฏิบัติงานสำหรับค่าของลักษณะทางมาตรวิทยา
ยิ่งมีการกำหนดข้อกำหนดที่เข้มงวดมากขึ้นในแบบจำลอง ควรมีข้อสรุปที่มีรายละเอียดมากขึ้นจากผลการวัด โครงสร้างของแบบจำลองข้อผิดพลาดควรมีความซับซ้อนมากขึ้น
ประเภทของข้อผิดพลาดของแบบจำลองทางคณิตศาสตร์ถูกเลือกตาม:
การศึกษาเชิงทฤษฎีหรือเชิงทดลองเกี่ยวกับวิธีการและเครื่องมือวัด
การวิเคราะห์ข้อมูลทางสถิติเกี่ยวกับปริมาณที่มีอิทธิพลต่อผลลัพธ์ โดยคำนึงถึงเงื่อนไขการวัด
เมื่อแก้ปัญหาทางมาตรวิทยาภาคปฏิบัติ สามารถใช้แบบจำลองเดียวกันเพื่ออธิบายและประเมินผลการวัดและข้อผิดพลาดได้
แบบจำลองที่ใช้บ่อยที่สุดเพื่ออธิบายข้อผิดพลาดคือ:
ข้อผิดพลาดในการวัดเป็นฟังก์ชันของเวลา ด้วยการเปลี่ยนแปลงแบบโมโนโทนิกในข้อผิดพลาด คำอธิบายที่ง่ายที่สุดของธรรมชาติของการเปลี่ยนแปลงคือการประมาณค่าความผิดพลาดด้วยฟังก์ชันแบบโมโนโทนิกของเวลา
ฟังก์ชันเวลาแบบโมโนโทนที่ไม่ใช่แบบสุ่มอยู่ที่ไหน
Z- ค่าสุ่ม
หากใช้แบบจำลองนี้ในการประมาณค่าความผิดพลาดของเครื่องมือวัดประเภทเดียวกันแล้วล่ะก็
องค์ประกอบแบบสุ่มทำให้สามารถพิจารณาความแตกต่างของข้อผิดพลาดสำหรับเครื่องมือวัดแต่ละรายการ และการแพร่กระจายของข้อผิดพลาดภายใต้อิทธิพลของเงื่อนไขต่างๆ
หากใช้แบบจำลองเพื่ออธิบายข้อผิดพลาดของเครื่องมือวัดเดียวกัน ส่วนประกอบแบบสุ่มทำให้สามารถพิจารณาได้ว่าข้อผิดพลาดนั้นใช้ค่าที่แตกต่างกันสำหรับปัจจัยที่มีอิทธิพลที่แตกต่างกัน
ฟังก์ชันสุ่มแบบโมโนโทนิกที่สะดวกที่สุดที่ช่วยให้อธิบายข้อผิดพลาดได้คือ
ลิเนียร์!!!
เครื่องแบบเชิงเส้น
และฟังก์ชันพัดลมเชิงเส้น (รูปที่ 30)
ฟังก์ชันเชิงเส้นสม่ำเสมอของฟอร์ม รวมส่วนที่สุ่มเช่น การใช้งานแต่ละปริมาณ กและส่วนประกอบที่ไม่สุ่มแบบโมโนโทน
ในฟังก์ชันลิเนียร์-พัดลม ขนาด กไม่ใช่การสุ่ม และคำนี้เป็นการแยกส่วนประกอบแบบสุ่ม
โมเดลข้อผิดพลาดทั่วไปในรูปแบบของฟังก์ชันเชิงเส้นสามารถเป็นนิพจน์ได้ ที่ซึ่ง แต่เป็นค่าเริ่มต้นของข้อผิดพลาด ที่คืออัตราการเปลี่ยนแปลงข้อผิดพลาด
ส่วนประกอบของแบบจำลองเป็นแบบสุ่ม โดยปกติจะเป็นปริมาณที่ไม่สัมพันธ์กัน
ไม่เชิงเส้น!!!
นอกจากนี้ ฟังก์ชันสุ่มเบื้องต้นแบบโมโนโทนยังเป็นฟังก์ชันสุ่มของเวลาในรูปแบบพัดที่ไม่ใช่เชิงเส้น (รูปที่ 31) ตัวอย่างเช่น ฟังก์ชันเอกซ์โปเนนเชียลหรือกำลัง ในรูปที่ 31 กมีการนำเสนอแบบจำลองข้อผิดพลาดโดยคำนึงถึงการลดลงของอัตราการเปลี่ยนแปลงของข้อผิดพลาดเมื่อเวลาผ่านไปและแนวทางที่ค่อยเป็นค่อยไปจนถึงค่าที่ไม่เปลี่ยนแปลงในทางปฏิบัติ ในรูปที่ 31 ขแบบจำลองที่ใช้ในกรณีที่อัตราการเปลี่ยนแปลงของข้อผิดพลาดเพิ่มขึ้นและมีแนวโน้มที่จะมีค่าคงที่
สามารถใช้โมเดลดังกล่าวได้ เช่น เมื่อข้อผิดพลาดเกิดจากปัจจัยที่มีอิทธิพลตรงข้ามกัน 2 ปัจจัย ในขณะที่ปัจจัยหนึ่งใช้ได้ในระยะเวลาจำกัด แม้จะมีอัตราการเปลี่ยนแปลงที่คงที่ในข้อผิดพลาดสำหรับอุปกรณ์ประเภทเดียวกัน เนื่องจากความแตกต่างของเทคโนโลยีไดนามิก คุณสมบัติทางกายภาพและทางกล (ความเข้มของการสึกหรอ อายุ การเปลี่ยนแปลงของปัจจัยภายนอก) แบบจำลองจะถูกแสดงด้วยกลุ่มของการนำไปใช้งาน .
ในแบบจำลองข้างต้น อาร์กิวเมนต์อาจไม่ใช่เฉพาะเวลาเท่านั้น แต่ยังรวมถึงพารามิเตอร์ที่เปลี่ยนแปลงซ้ำซากจำเจอีกด้วย
องค์ประกอบโมโนโทนิกในแบบจำลองข้อผิดพลาดสามารถพิจารณา:
การเปลี่ยนพารามิเตอร์ของแหล่งพลังงานที่ป้อนวงจรการวัดของอุปกรณ์
อายุขององค์ประกอบวงจรการวัด
ปัจจัยภายนอกที่มีอิทธิพลต่อการเปลี่ยนแปลงในเวลาเดียว
การสึกหรอของชิ้นส่วนต่างๆ ของเครื่องมือวัดแบบค่อยเป็นค่อยไป ฯลฯ