ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ПРОИЗВОДСТВЕННОЙ ИНФОРМАЦИИ: СУЩНОСТЬ И НЕОБХОДИМОСТЬ
Покупка
Основная коллекция
Издательство:
Информика
Автор:
Головицына Майя Владимировна
Год издания: 2010
Кол-во страниц: 10
Дополнительно
Доступ онлайн
В корзину
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
Автоматизация и управление технологическими процессами и производствами ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ПРОИЗВОДСТВЕННОЙ ИНФОРМАЦИИ: СУЩНОСТЬ И НЕОБХОДИМОСТЬ PRETREATMENT PRODUCTION INFORMATION: THE NATURE AND THE NEED Головицына Майя Владимировна / Golovitsyna M.B., профессор, Филиал Московского Государственного открытого университета в г. Александрове (АФ МГОУ) / professor, Branch of Moscow State Open University in Alex sandrov (AFMGOU), maya@alexandrov.ru, maivlad@mail.ru Аннотация Автор статьи уделяет внимание вопросам начальной стадии построения «сквозных» математических моделей, которые должны составлять основу автоматизированных систем управления технологическим процессом, и качества наукоёмкой промышленной продукции - сбора, обработки и формализации исходных данных. Эта работа должна проводиться с целью корректного перехода к построению самих математических моделей. Annotation Article deals with the initial stage of "cross" mathematical models constructing, which should form the basis of automated process control systems and, consequently, the quality of high-tech industrial products - the collection, processing and formalization of the source data. This should be done to correct the transition to the construction of mathematical models themselves. Ключевые слова: статистические методы, статистический контроль, статистическая обработка, «сквозная» математическая модель, регрессионный анализ, грубые погрешности, нормальный закон распределения, допуски на параметры, объём выборки, дисперсия, среднеквадратическое значение, квантиль распределения статистики, распределение Стьюдента, критерий согласия Пирсона, гистограмма, допуски на параметры. Keywords: statistical methods, statistical control, statistical processing, Информатизация образования и науки Ns 2(6)/2010 "penetrating" mathematical model, regression analysis, gross errors, the normal distribution law, the tolerances on the parameters, sample size, variance, RMS, distribution statistics fractile, the Student distribution, the Pearson goodness, histogram, tolerances on the parameters. Предварительная обработка результатов измерений или наблюдений необходима для того, чтобы в дальнейшем с наибольшей эффективностью, а главное, - корректно использовать для построения эмпирических зависимостей статистические методы. При построении «сквозных» математических моделей с помощью регрессионного анализа обработка результатов контроля включает решение трёх основных задач: 1. Отбрасывание грубых погрешностей. 2. Проверка гипотезы нормального распределения собранной статистики. 3. Определение допусков на параметры технологического процесса. Грубые погрешности вносят большие ошибки в математическую модель. Поэтому необходимо провести их отсев до построения математических моделей. Грубыми считаются значения параметров технологического процесса, которые выходят за пределы 2а, 4с, 6а, в зависимости от объёма 103
Доступ онлайн
В корзину