Розділ 2 теоретичні І експерементальні дослідження



Сторінка3/3
Дата конвертації12.11.2019
Розмір0.84 Mb.
Назва файлу2й раздел.docx
1   2   3
n=25

n=50

n=100

n=25

n=50

n=100

0,902

0,978

0,989

0,873

0,972

0,981

За даними таблиці 5.9 можна зробити висновок, що при обсязі вибірок вимірювань об’єктів контролю , ймовірність прийняття правильного рішення зменшується, а при обсягах вимірів відсутність точної інформації щодо значень параметрів вхідних даних практично не впливає на якість класифікації за ентропійним перетворювачем тривимірних випадкових величин.

2.3 Дослідження ефективності методів підтримки прийняття рішень

Для використання багатопараметричних ентропійних перетворювачів в задачах дефектоскопії необхідно дослідити вплив різних чинників на якість класифікації. З цього приводу доцільно провести факторний аналіз, та встановити найбільш вагомі параметри.

Дані для проведення обчислювальних експериментів наведені в таблиці 5.9. За еталони прийняті об’єкт (1 клас), об’єкт (2 клас), об’єкт (3 клас).



Таблиця 5.9 – Параметри об'єктів, що надходять на контроль






















О1

0

0

0

1

1

1

0,7

0,8

0,9

О2

0

0

0

1

1

1

0

0

0

О3

1

0

0

2

1

1

0

0

0,9

О4

0

1

0

1

2

1

0

0,8

0

О5

0

0

1

1

1

2

0,7

0

0

О6

1

1

0

2

2

1

0,5

0,5

0,9

О7

1

0

1

2

1

2

0,5

0,8

0,5

О8

0

1

1

1

2

2

0,7

0,5

0,5

О9

1

1

1

2

2

2

0,9

0,7

0,8

Як було зазначено вище, кожен вимірювальний параметр є носієм інформації про стан об’єкту контролю і при цьому втілює в своїх статистичних показниках наслідки тієї чи іншої причини різниці об’єктів, що досліджуються. З цих міркувань данні для проведення обчислювальних експериментів факторного аналізу побудовані таким чином, щоб кожен об’єкт відрізнявся від прийнятого за «норму» статистичними показниками параметру , , або їх комбінаціями. Окремо досліджено питання про руйнування кореляції. Оскільки наявність статистичного зв’язку між параметрами об’єкту контролю суттєво впливає на вигляд гістограми ентропійного перетворювача та його середнє значення.

Під час експерименту оцінювалась ймовірність ідентифікації об’єкту контролю, що досліджується, як належного до класу об’єктів , або Ймовірність прийняття рішень обчислювалась за формулами (5.8) та (5.9) відповідно до випадку коли ентропійний перетворювач було сформовано за точними значеннями параметрів об’єкту контролю та для випадку, коли в їх якості виступали оцінки цих значень за експериментальними даними. Результати експерименту зведені в таблицю 5.10. Кількість реалізацій становить 1000.


Таблиця 5.10 – Ймовірність прийняття гіпотези про клас об’єкту контролю (розрахунки за точними значеннями параметрів) ()

ОК





















0,962

1

0,43

0,514

0,468

0,612

0,673

0,654

0,916



0,991

0,997

0,57

0,638

0,412

0,589

0,573

0,645

0,897



0,901

0,857

0,489

0,507

0,456

0,634

0,645

0,873

0,989

Таблиця 5.11 – Ймовірність прийняття гіпотези про клас об’єкту контролю (розрахунки за оцінками значень параметрів) ()

ОК





















0,911

1

0,257

0,302

0,315

0,498

0,511

0,493

0,887



0,903

0,945

0,263

0,314

0,298

0,487

0,521

0,479

0,891



0,893

0,713

0,433

0,493

0,302

0,501

0,574

0,799

0,901

З аналізу даних таблиці 5.11 випливає, що найбільш впливовішим на висновки щодо стану об’єкту контролю є кореляційний зв'язок. Відмінність математичного сподівання та дисперсії впливає на результати несуттєво. Тому при використані цього методу на практиці можливо дослідити найменші відхилення кореляції параметрів, що вимірюються. Це дає можливість встановлювати причино-наслідкові зв’язки, але разом з тим, цей метод вимагає проведення детальніших досліджень щодо відмінності між математичними сподіваннями та дисперсіями. Саме з цією метою пропонується поєднати тривимірні ентропійні перетворення та комбінований критерій непараметричної статистики Буша-Вінда. При використанні обох вказаних методів ймовірність помилки при підготовці даних для підтримки прийняття рішень щодо стану об’єкту контролю, зменшується.

Порівняння таблиці 5.10 та 5.11 дає змогу оцінити вплив нестачі апріорної інформації при формуванні ентропійних перетворювачів. Згідно вказаних ймовірностей можна стверджувати, що відсутність інформації щодо статистичних показників вимірювальних параметрів зменшує ймовірність прийняття правильних рішень в середньому на 5,1%. Але разом з тим, запропонований метод класифікації дозволяє уточнювати параметри перетворювачів при накопиченні інформації про статистичні показники об’єктів неруйнівного контролю.



Якщо данні таблиць 5.10 та 5.11 інтерпретувати у кількості виробів, що було віднесено до кожного з трьох класів, при умові, що об’єктів з параметрами вказаними в таблиці 5.5 було по двадцять кожного виду, то отримаємо наступні результати, які зведені в таблиці 5.12

Таблиця 5.12 – Ймовірність прийняття гіпотези про клас об’єкту контролю (розрахунки за точними значеннями параметрів) ()

ОК



















Клас 1

29

28

13

15

13

17

19

18

28

Клас 2

28

29

16

19

12

16

17

18

25

Клас 3

26

24

15

14

13

18

18

24

28

За даними таблиці 5.12 можна зробити висновок про працездатність запропонованого методу класифікації об’єктів неруйнівного контролю. Але наявність помилок та, як було зазначено вище, не велика чуттєвість до змін лише зсувів чи масштабів у статистичних показниках вимірювальних об’єктів, вимагає вдосконалення цього методу шляхом поєднання класифікації за ентропійними перетвореннями з комплексним критерієм непараметричної статистики Буша-Вінда.



Загальну схему запропонованої інформаційно-вимірювальної технології зображено на рисунку 5.5.


Рисунок 5.5 – Структура інформаційно-вимірювальної технології обробки експериментальних даних

Виходячи з означення інформаційної технології можна стверджувати, що запропонована структурна схема інформаційної технології відповідає вимогам збору, зберігання, обробки, за допомогою нових алгоритмів, та подання інформації.

При застосуванні запропонованої технології на практиці оброблялись дані 102 багатопараметричних об’єктів, параметри яких мають різну фізичну природу та одиниці вимірювань. Приклад даних, що оброблялись наведені в таблиці 5.13. Ці дані є результатами вимірювань, що проводились в ПАО «Інтерпайп НТЗ»

Таблиця 5.13 – Дані проконтрольованих об’єктів


Об’єкти

контролю


Параметри, що контролюються

























4,8

30

63

901

19

128

1440

3236

132

4,3

199



6,4

25

51

810

27

190

1415

2645

122

3,8

185



4,9

33

83

1093

17

219

1310

2754

135

4,73

194



5,7

25

94

1038

17

237

1425

2898

152

5,14

188



























4,5

35

77

1052

23

233

1392

3104

128

4,42

181

Необхідно було поділити ці об’єкти на класи, не маючі жодної апріорної інформації щодо їх кількості або еталонних виробів. В результаті застосування запрпанованої інформаційної технології ці об’єкти було поділено на три класи. До першого класу увішйло 32 об’єкта, до другого – 25 об’єктів та до третього – 45 об’єктів. Якщо порівнювати ці результати з класифікацією проведеною на підприємстві, то маємо різницію між першим та другим класом у одну одиницю. Тобто до першого класу належать 33 об’єкти, а до другого – 24. Маємо помилку у 3%.

5.5 Висновки до розділу


Використання комплексного критерію непараметричної статистики Буша-Вінда сукупно з ентропіними перетвореннями дає змогу, з високим ступеням вирогідності (0,95) класифікувати об’єкти неруйнівного контролю. Ці методи дозволяють ділити вироби не лише на нормальні та дефектні, а й встановлювати чим саме кожний виріб відрізняється від «норми». Встановлені таким чином причинно-налідкові зв’язки між вимірювальними параметрами об’єктів контролю та їх відношенням до певного класу, дозволяють корегувати технологію виробництва. При цьому побудовані на основі розглянутих методів вирішальні правила можуть адоптуватись та уточнюватись у процесі проведення неруйнівного контролю та накопичення даних про об’єкти, що контролюються.

Поділіться з Вашими друзьями:
1   2   3


База даних захищена авторським правом ©bezref.in.ua 2019
звернутися до адміністрації

    Головна сторінка