Количество отклонений, выходящих за контрольные границы, не должно превышать 5 % за период контроля. При неудовлетворительных результатах испытаний контроль партий проводится в соответствии с требованиями государственных стандартов и технических условий на металлопродукцию.
Оценка показателей качества является удовлетворительной, если смещение центра распределения относительно центральной линии не превышает ±0,55ОСТ . При большем смещении центра распределения отклонений осуществляется корректирование уравнений регрессии; заключение о необходимости указанного корректирования выносится на основании обработки выборки объемом не менее 50 партий.
В протокол испытаний заносят номер нормативного документа, по которому поставляется продукция, марку стали, толщину, типоразмер контролируемого изделия, номер плавки и партии, значения магнитной характеристики и показателей качества.
В протоколе испытаний на продукцию, проконтролированную по настоящему стандарту, указывают механические свойства в единицах измерения, установленных стандартами на продукцию.
В случае сплошного или поштучного неразрушающего контроля в технологическом потоке производства в протоколе испытаний указывается уровень свойств партии, обеспеченный нормативными документами на продукцию с принятой в стандарте доверительной вероятностью.
ПРИЛОЖЕНИЕ A
(обязател ьное)
СОСТАВ ХАРАКТЕРИСТИК,
ПОДЛЕЖАЩИХ ОБЯЗАТЕЛЬНОМУ ОПРЕДЕЛЕНИЮ
ПРИ НЕРАЗРУШАЮЩЕМ МАГНИТНОМ МЕТОДЕ КОНТРОЛЯ
МЕХАНИЧЕСКИХ СВОЙСТВ
Таблица А. 1
Обозначение |
Определение |
Нормативный документ |
Решаемые задачи |
X |
Выборка матрицы наблюдений |
ГОСТ 15895 |
Сбор данных |
(Х{, Х2,..„ Хк) |
Показатели, к — количество показателей в выборке |
ГОСТ 15895 |
Представительность выборки |
|
Объем выборки, N — число наблюдений над каждым показателем |
ГОСТ 20736 |
Достаточность объема наблюдений |
X |
Среднее значение |
ГОСТ 27.202 |
Оценка основных статистических характеристик |
Sx |
Среднее квадратическое отклонение |
ГОСТ 27.202 |
Оценка основных статистических характеристик |
hx< hx |
Доверительный интервал среднего значения |
ГОСТ 27.202 |
Определение пределов изменения |
^ср |
Статистика Стьюдента для проверки гипотезы о равенстве средних значений |
ГОСТ 27.202 |
Проверка однородности данных и стабильности технологий. Объединение выборок |
F. |
Статистика Фишера проверки гипотезы о равенстве дисперсий |
ГОСТ 27.202 |
Проверка однородности данных и стабильности технологий. Объединение выборок |
Rx x X|, x2 |
Коэффициент корреляции для оценки линейной связи между показателями |
ГОСТ 27.202 |
Оценка уровня линейной корреляционной связи. Проверка гипотезы зависимости |
Продолжение таблицы А. 1
Обозначение |
Определение |
Нормативный документ |
Решаемые задачи |
||
tr |
Статистика Стьюдента для проверки значимости коэффициента корреляции |
гост |
27.202 |
Проверка гипотезы о значимости корреляционной зависимости |
|
■$ост |
Остаточное стандартное среднее квадратическое отклонение ошибок регрессии |
гост |
15895 |
Установление доверительных границ уравнения регрессии |
|
Ryx |
Множественный коэффициент корреляции между целевым и совокупностью влияющих показателей (характеристика определяется при необходимости многофакторного контроля) |
гост |
27.202 |
Оценка уровня множественной линейной (линеаризо ванной) зависимости |
|
Сн |
Приемочное число показателя качества, нормируемого снизу |
гост |
27772 |
Аттестация продукции |
|
Св |
Приемочное число показателя качества, нормируемого сверху |
гост |
27772 |
Аттестация продукции |
ПРИЛОЖЕНИЕ Б
(справочное)
ОПИСАНИЕ ТЕХНОЛОГИИ АВТОМАТИЗИРОВАННОГО
ПОСТРОЕНИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ
С ИСПОЛЬЗОВАНИЕМ ЭВМ
Б. 1 Подготовка на носителях и контроль входных данных
В процессе подготовки исходной информации на машинных носителях осуществляется технический контроль, заключающийся в проверке каждого числа на неправильный символ.
Ошибки подготовки данных выявляются с помощью распечатки информации и анализа расчетных таблиц основных статистических характеристик показателей механических свойств, химического состава стали, магнитных свойств и других параметров.
После корректировки данных пересчитывают статистические характеристики и приступают к формированию рабочего массива и анализу данных с помощью выборочных методов математической статистики.
Б. 2 Организация рабочего массива. Анализ результатов испытаний
Из множества параметров, составляющих исходную информацию, условно формируют группу факторов (рабочий массив), содержащую все влияющие переменные и показатель механических свойств.
Значения показателей качества, не несущие информации в контексте решаемой задачи, а также соответствующие им значения независимых влияющих переменных из выборки удаляют. В этом случае статистические характеристики пересчитывают.
Исключение резко выделяющихся значений осуществляется исходя из качественного и количественного анализов выборки.
При большом числе наблюдений используется «правило трех сигм», по которому наблюдение X исключается в случае, если его отклонение от X превосходит 35, где 5 — среднее квадратическое значение показателя качества.
Согласно более точному критерию оценки аномальности значений рассматривается упорядоченная выборка результатов наблюдений
Х| 5 Х2£ Хп, (Б.1)
где п — число наблюдений в каждом показателе.
Чтобы оценить принадлежность Хп и A, к данной совокупности и принять решение об исключении или оставлении Хп (А'|) в составе выборки, находятся отношенияРезультаты сравниваются с табличным значением р критерия Смирнова о вычислении критических значений при вероятности Р, которые находят из соотношений:
а = Р(С7„> Р) и а = Р(1/,>р) (Б.З)
для данного объема п и уровня значимости а =0,05.
Если Un(U,) > р, то подозреваемый в аномальности результат наблюдения исключается из выборки, в противном случае он остается в выборке.
Указанный критерий используется для малых выборок объемом <50.
Б.З Исследование характеристик распределения и приведение к нормальности
Целевой показатель (показатель качества) сформированной группы факторов подвергается исследованию на нормальность распределения.
Проверка нормальности распределения показателей осуществляется по критериям: %2 Пирсона для объема выборки превышающей 200, Колмогорова для объема выборки превышающей 100, и Мизеса — Смирнова для объема выборки превышающей 50.
В случае отсутствия нормальности распределения выполняется переход от исходного показателя X к другой переменной Y путем функционального преобразования данных.
В случае нормальности распределения целевого показателя или приведения к нормальности вычисляемые его статистические характеристики имеют известные распределения и для этих характеристик можно установить доверительные пределы изменения, и тогда оценки будущей модели становятся обоснованными с вероятностно-статистической точки зрения, что позволяет перейти к следующему этапу моделирования по рассматриваемой схеме.
Если переход к нормальности не осуществлен, то это влечет за собой ненадежность статистических оценок будущей модели.
Б. 4 Оценка объема измерений
Если объем выборки по целевому параметру не меньше вычисленного по приводимым ниже формулам, то осуществляется переход на следующий этап статистической обработки данных, в противном случае производится сбор информации для пополнения выборки, и процесс моделирования проводится для дополненной выборки согласно схеме.
Пусть Y — среднее значение наблюдений при простой случайной выборке и вероятность
P(Y- Y|><7) = a , (Б.4)
где d — выбранное предельное значение ошибки;
а — некоторая малая вероятность;
Y — генеральное среднее значение.
В качестве приближения минимального объема п выборочной совокупности выбирается значение
п = 1 + (^)2, (Б.5)
a
где t — значение абсциссы для кривой нормального распределения, отсекающее на «хвостах» площадь а.Б. 5 Анализ парных зависимостей
Наличие линейной корреляционной зависимости между показателями X и Квыявляется сравнением коэффициента корреляции Ли корреляционного отношения ц.
Если разность г|2 — Л2 не превышает 0,1, то предположение о линейной форме корреляционной связи подтверждается.
Если разность и2 — R1 превышает 0,1, то оценивают существенность различия между п и Л.
С целью выявления вида криволинейной зависимости строятся корреляционные поля и эмпирические линии регрессии, устанавливаются формы связи между Y и показателями %, подбирают аналитическую формулу Y=J(X), отражающую характер эмпирической кривой, например:
Y= X2, Y= у/Х, Y= 1/Х, Y=lnx, Y=ex.
Все выбранные зависимости должны отражать качественную зависимость механических свойств от влияющих показателей.
Б. 6 Построение модели
В качестве статистического метода установления связи между зависимой переменной Y и совокупностью влияющих показателей (Л,) используется пошаговый метод построения множественной регрессии, позволяющий включать или исключать независимые переменные А, в порядке их значимости.
О
(Б.6)
ценка параметров выполняется для линейных и линеаризованных моделей вида:г=*0 + £
где Xi — показатели исходной совокупности (X) или показатели, полученные из (X) путем алгебраических преобразований;
Ьо, bi — коэффициенты регрессии, оценки параметров модели.
Критерий пошагового построения регрессий основывается на уменьшении остаточной суммы квадратов уравнений (Б.6), при этом в регрессию вводится переменная, наиболее влияющая на это уменьшение на данном шаге, а исключается наименее влияющая.
Процедура построения модели продолжается до тех пор, пока не исчерпываются все различные X є (X,), і = 1,/п; при этом полное множество возможных моделей составляет 2т. Пошаговое построение предполагает движение по направлениям, перспективным с точки зрения уменьшения остаточной суммы квадратов. Окончательный выбор модели определяется статистической надежностью ее в целом и статистической надежностью каждой получаемой оценки />, параметров модели.
На каждом 1-м шаге построения регрессионной модели вычисляют ее характеристики:5Ост, = /-—у ——— стандартная ошибка оценки модели с учетом п - / л - / - 1 степеней свободы;
Ri = / - fl - — коэффициент множественной корре-
V I 1SS J п-1 ляции, скорректированный на степени п-1-l SS^ свободы;
гf 55 коэффициент надежности множественного ко- я"” эффициента корреляции (статистика Фишера);
/ = ' — коэффициент надежности коэффициентов регрессии (статистика ' Стьюдента),
где S5— сумма квадратов отклонений зависимой переменной от своего среднего;
SSsum — накопленная сумма квадратов, объяснимая множественной регрессией;
п — число наблюдений по каждой переменной;
/— число переменных в уравнении регрессии на данном шаге;
bi — коэффициент регрессии;
5ь, — стандартные ошибки коэффициентов регрессии, вычисляемые как элементы матрицы обратной корреляционной.
Оценки 6, параметров регрессионной модели согласно методу наименьших квадратов выбираются на каждом шаге такими, чтобы значения, характеризующие меру разброса экспериментальных данных по отношению к предсказанным по модели значениям, были минимальны.
При оценивании качества модели значения /, показателей надежности коэффициентов регрессии сравнивают с предельным значением статистики Стьюдента tq v(q~ принятый уровень значимости, v — число степеней свободы), а значение F— коэффициент надежности множественного коэффициента корреляции сравнивают с табличным значением статистики Фишера Fq у V (q — принятый уровень значимости, vf = /, v2= n—l—1 — соответствующие значения степеней свободы).