ОСНОВЫ НАУЧНЫХ ИССЛЕДОВАНИЙ · 2019. 5. 6. · 3 Принятые...
TRANSCRIPT
-
1
Министерство образования и науки РФ
_________________
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ ЛЕСОТЕХНИЧЕСКИЙ
УНИВЕРСИТЕТ имени С.М. Кирова»
Кафедра технологии древесных композиционных материалов и инженерной химии
А. А. Леонович, доктор технических наук, профессор
А. В. Шелоумов, кандидат технических наук, доцент
ОСНОВЫ
НАУЧНЫХ ИССЛЕДОВАНИЙ
Учебное пособие
для студентов, обучающихся по направлениям 18.03.01 «Химическая технология» и
18.03.02 «Энерго- и ресурсосберегающие процессы
в химической технологии, нефтехимии и биотехнологии»
Санкт-Петербург
2015
-
2
Рассмотрено и рекомендовано к изданию
учебно-методической комиссией
факультета химической технологии и биотехнологии
Санкт-Петербургского государственного лесотехнического университета
«…» …….. 2015 г.
Р е ц е н з е н т ы:
ОАО «Всероссийский научно-исследовательский
институт целлюлозно-бумажной промышленности»
(кандидат технических наук, Генеральный директор П. С. Осипов),
кандидат технических наук, руководитель отдела А. П. Штембах (ОАО «Фаэтон»)
УДК 51-74
Леонович, А. А.
Основы научных исследований: учебное пособие / А. А. Леонович, А. В. Шело-
умов. – СПб.: СПбГЛТУ, 2015. – … с.
ISBN
Представлено кафедрой технологии древесных композиционных материалов и
инженерной химии
Рассматриваются общие понятия о научном исследовании, основные определе-
ния, касающиеся эксперимента с определением его достоверности. Приводятся приемы
статистической обработки экспериментальных данных с вариантами ее практического
применения, кратко рассмотрены правила построения таблиц и графиков, а также ос-
новные приемы графической и аналитической обработки результатов эксперимента.
Даны примеры линейной корреляции с интерпретацией результатов и графической об-
работки экспериментальных данных на ЭВМ с помощью приложения «Excel». Пособие
также содержит вопросы для промежуточного контроля знаний.
Табл. 1. Ил. 4. Библиограф. 8 назв.
Темплан 2015 г. Изд. № … © Санкт-Петербургский государственный
ISBN лесотехнический университет (СПбГЛТУ), 2015
-
3
Принятые сокращения и обозначения:
ПФЭ – полный факторный эксперимент
Пк – показатель качества b – свободный член уравнения линейной функции
B – число коэффициентов уравнения регрессии
d – частная функция желательности D – обобщенная функция желательности
f – число степеней свободы
F – критерий Фишера H – наибольшая высота кривой нормального распределения
K – количество интервалов (классов)
k – угловой коэффициент уравнения линейной функции m – ошибка среднего арифметического
myx – средняя ошибка уравнения регрессии
n – количество наблюдений, экспериментальных отсчетов или точек N – число опытов ПФЭ
pi – относительная погрешность
P – доверительная вероятность r – коэффициент корреляции
R2 – величина достоверности аппроксимации
s – среднее квадратическое отклонение
s2 – выборочная дисперсия
s2ад – оценка дисперсии адекватности s2воспр – оценка дисперсии воспроизводимости
sb – оценка дисперсии коэффициентов регрессии
t – критерий Стъюдента
𝓋 – вариационный коэффициент x – независимая переменная (фактор, аргумент) Δx – абсолютная ошибка
y – функция отклика
Δ – шаг μ – математическое ожидание генеральной совокупности
σ2 – дисперсия генеральной совокупности
-
4
ВВЕДЕНИЕ
В соответствии с Федеральными государственными образователь-
ными стандартами высшего профессионального образования № 18.03.01
«Химическая технология» и 18.03.02 «Энерго- и ресурсосберегающие про-
цессы в химической технологии, нефтехимии и биотехнологии» бакалавры
выпускаются по двум направлениям, что закрепляется в форме выпускной
квалификационной работы. Она представляет собой либо проект, либо на-
учно-исследовательскую работу. Эта дифференциация предполагает соот-
ветствующую итоговую подготовку. В связи с этим студенты должны по-
лучить необходимые знания, навыки и умения по основам научных иссле-
дований, ориентированных как в общих положениях, так и в конкретных
задачах, на направления подготовки.
Ограниченность часов, отводимых на прохождение курса дисципли-
ны, затрудняет использование обширной литературы по данной тематике и
требует реальной конкретизации на направлениях обучения, которые пред-
ставлены в настоящем учебном пособии. Литература, представленная в
библиографическом списке, позволяет самостоятельно и углубленно рас-
ширить знания, относящиеся к данной проблеме.
В целом учебное пособие направлено на овладение основами науч-
ных исследований, в том числе на примерах решения типовых задач, кото-
рые могут понадобиться выпускникам в практической работе на уровне
оценки качества продукции, контроля процесса производства и проведения
научно-исследовательских работ в рамках учебы и будущей работы. Вме-
сте с тем, приобретенные знания позволят определиться в выборе направ-
ления дальнейшей деятельности – работы в сфере производства или про-
должения образования, в частности, в магистратуре.
Поскольку учебное пособие предназначено для студентов, обучаю-
щихся по двум направлениям, то примеры охватывают как общие вопросы
научного исследования, так и подобранные в соответствии с направления-
ми обучения. Пособие преследует цель развития научного кругозора и
творческого мышления студентов. Ознакомление с материалами учебного
пособия будет полезно также для магистрантов и молодых ученых.
-
5
1. ПОНЯТИЕ О НАУЧНОМ ИССЛЕДОВАНИИ
Наука представляет собой систему знаний о законах функциониро-
вания и развития объектов конкретного исследования. Получаемые науч-
ные знания фиксируются в максимально определенном языке. Словесное
описание по возможности заменяется математическими моделями, полу-
чаемыми теоретическими и экспериментальными методами. В практике
используют экспериментально-статистические зависимости с раскрытием
величин, входящих в то или иное уравнение.
Научные знания обязательно должны эмпирически проверяться и
подтверждаться. Без этого они определяются как гипотеза. Накапливае-
мые знания подлежат использованию в практическом или теоретическом
плане. При рецензировании выполненной научной работы выделяют науч-
ную новизну и практическую полезность. Под научной новизной понима-
ют полученные знания, которые могут использоваться в иных исследова-
ниях. Практическая ценность работы реализуется в материальном произ-
водстве.
Наука обладает составом, в который входят:
предмет – теория (гипотеза) – метод – факт.
Предмет не следует путать с объектом исследования. Предмет – это
совокупность проблем и задач, решаемых наукой. Объектом исследова-
ния могут быть, например, ректификационная колонна, горячий пресс, об-
разец продукции. Теория строится из положений по принципу выводимо-
сти, она охватывает все известные (на данном уровне исследования) фак-
ты. Рецензируется теория не на основе, разумна ли она, а работают или не
работают ее положения, предсказывает ли она получение новых результа-
тов по закону внутренней логики и с учетом внешних оправданий так на-
зываемого социального заказа. Если доказательства для положений разра-
батываемой теории еще недостаточны, она носит характер гипотезы, при
этом это не простое предположение, а выдвигаемое с учетом известных
знаний и содержащее (хотя бы в общем плане) путь ее проверки. Проме-
жуточное положение занимает так называемая концепция, раскрывающая
обоснование подхода к изучаемой проблеме и анализирующая накапли-
ваемые экспериментальные данные.
Под методом в широком смысле понимают общую методологию
научного познания, а в более узком – совокупность конкретных методик,
используемых в научных исследованиях данного направления. Метод – это
способ достижения цели. В отличие от теоретических методов, основан-
ных на умственной деятельности ученого, эмпирические методы основы-
-
6
ваются на опыте, в их основе лежит эксперимент. В рамках наших направ-
лений основные методы носят экспериментальный характер.
Факт есть установленный в процессе научного исследования досто-
верный результат исследования. Определяющее значение фактов в науч-
ной деятельности отмечал академик Павлов*: «Факты и только факты –
воздух ученого».
Математическое описание явления или процесса представляет боль-
шие трудности для объектов, являющихся предметом направлений
18.03.01 «Химическая технология» и 18.03.02 «Энерго- и ресурсосбере-
гающие процессы в химической технологии, нефтехимии и биотехноло-
гии». Это связано с параметрами, значения которых во многих случаях оп-
ределяют лишь по результатам эксперимента. Проведение эксперимента
является трудоемкой и важной частью научной работы. Академик Трапез-
ников** предложил формулу для управления любым по сложности кол-
лективом. Минимально коллектив может состоять из двух«научный со-
трудник – лаборант» или даже одного исполнителя научной работы:
знают – могут – хотят – успевают.
Поясним значение каждого звена. Первое звено включает определе-
ние цели и путей ее достижения. Нужно конкретно знать и организацион-
ные, и научно-технические пути. Второе звено – «могут». К этому понятию
относятся профессиональный уровень исполнителей, обеспеченность обо-
рудованием, приборами, реактивами, необходимыми именно для решения
данной конкретной проблемы.
_________________________
* – Павлов Иван Петрович (1849 – 1936) – крупнейший русский фи-
зиолог, основоположник науки о высшей нервной деятельности, лауреат
Нобелевской премии в области медицины и физиологии за 1904 г. Работал
в Институте физиологии АН СССР в пос. Колтуши Ленинградской облас-
ти.
** – Трапезников Вадим Александрович (1905 – 1994) – видный со-
ветский ученый в области электротехники и автоматики, первый замести-
тель председателя Государственного комитета по науке и технике СССР с
1965 по 1978 гг.
-
7
Третье звено – «хотят», имеет значение для стимулирования коллек-
тива. Существуют три вида стимулов: социальная сознательность, пер-
спектива, приказы. Благодаря развитому чувству ответственности человек
работает с полной отдачей, напряженная работа на общую пользу стано-
вится для него внутренней потребностью. Важно, чтобы тематика и общие
задачи работы увлекали исполнителей. Перспектива включает приобрете-
ние моральных или материальных благ, возможность самовыражения. Тре-
тий вид стимулов связан с опасением санкций за плохую работу, с воз-
можными ограничениями в числе вариантов исследований, потерей авто-
ритета или потерей прав научного руководства.
Четвертое звено – «успевают». Темп работы должен соответствовать
задачам, плану. Цена времени приобретает особое значение, если результа-
ты одной группы должны использоваться другой. Основоположник кибер-
нетики Норберт Винер* высказал мысль о том, что свобода делать, что хо-
чется и когда хочется – это, по сути, свобода ничего не делать. В обучении
звено «успевают» имеет знакомое всем студентам значение. Важно выра-
батывать в себе чувства обязательности, ответственности и пунктуально-
сти. Надо планировать рабочий день, месяц, год.
Вне зависимости от темы и объема научного исследования общая
структура характеризуется определенной последовательностью выполне-
ния работы. Можно выделить обязательные этапы, которые студенты ба-
калавриата должны соблюдать в своей выпускной квалификационной ра-
боте.
Основные этапы научного исследования:
1. Оценка актуальности вопроса. Включает оценку современного
состояния решаемой научно-технической проблемы, необходимость про-
ведения научно-исследовательской работы. Должны быть показаны новиз-
на темы, связь данной работы с другими научно-исследовательскими рабо-
тами.
2. Выбор направления исследований. Включает аналитический обзор
научной и технической литературы по данной тематике и обоснование вы-
бранной темы.
_________________________
* – Норберт Винер (англ. Norbert Wiener, 1894 – 1964) – выдающийся
американский математик и философ, основоположник кибернетики и тео-
рии искусственного интеллекта, автор литературного труда «Я – гений».
-
8
3. Формулировка цели и задач работы. Цель работы определяет ко-
нечный результат данного исследования, а задачи содержат пути ее дости-
жения. Цель должна носить конкретный характер с учетом условий воз-
можности выполнения, а задачи должны быть согласованы по времени. В
бакалаврских работах должна ставиться одна конкретная цель и 2…3 зада-
чи для ее достижения. Как говорил член-корреспондент АН СССР Ники-
тин*: «В науке важно сделать маленький, но прочный шаг».
4. Определение методов исследований и методов расчета. Важно
соблюсти наличие приборов, оборудования и возможность освоения новых
методик.
5. Теоретические и (или) экспериментальные исследования. Вклю-
чают получение результатов, их обработку и оценку достоверности; анализ
результатов исследования.
6. Выводы по результатам выполнения исследования. Выводы – это
концентрированное выражение доказанного результата. Включают обоб-
щение полученных результатов и возможности их конкретного использо-
вания.
Химическая технология приоритетно базируется на эксперименте и
расчете. Конкретные параметры оборудования, заложенные в химической
технологии, разрабатываются на основе энерго- и ресурсосберегающих
процессов в химической технологии, нефтехимии и биотехнологии. Важ-
ность эксперимента как наиболее ответственного этапа в научной работе
требует формализации основных определений, используемых в проведе-
нии эксперимента.
Контрольные вопросы по данному разделу приведены в Приложении
4 (рейтинг-опрос 1, вопросы 1 – 8).
________________________
* – Никитин Николай Игнатьевич (1890 – 1975) – химик-органик, ос-
новоположник научной школы по химии древесины и целлюлозы, член-
корреспондент АН СССР, многолетний заведующий кафедрой в Ленин-
градской лесотехнической академии имени С.М. Кирова.
-
9
2. ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ
При выполнении научной работы следует пользоваться общеприня-
тыми понятиями и определениями. Специфика исследования может потре-
бовать использования дополнительных определений. Их раскрытие долж-
но содержаться в выпускной квалификационной работе.
Оборудование для эксперимента делят на три части: испытатель-
ная аппаратура, измерительные приборы и объект исследования. План
эксперимента указывает последовательность работы, характер и величину
изменений переменных, число параллельных опытов. Любая варьируемая
величина называется переменной. Если варьирование переменной проис-
ходит независимо от других величин, и она является изучаемым фактором
эксперимента, то имеем независимую переменную. Например, температу-
ра прессования древесных плит или расход связующего при их изготовле-
нии. В противном случае ее называют зависимой. Если некоторая величи-
на, оказывающая влияние на эксперимент, изменяется случайным образом
и ее нельзя контролировать, то она называется внешней переменной, на-
пример, напряжение в электрической сети в процессе проведения экспери-
мента. В контролируемом эксперименте влияние внешних переменных ис-
ключено или учтено, а независимые переменные изменяются по желанию
экспериментатора.
Независимые переменные принято называть факторами и обозна-
чать x1, …, xn. Они определяют функции отклика, которые обозначаются
y1, …, ym. Геометрический образ, соответствующий функциям отклика, в планировании эксперимента называют поверхностью отклика.
Неопределенность представляет собой оценку ошибки измерения,
какой она будет, если бы удалось ее замерить. Неопределенность связана с
неоднородностью объекта исследования и ошибок, связанных с погрешно-
стями аппаратуры и неточностью приборов. Возможные источники оши-
бок связаны с тем, что параметры аппаратуры не обеспечивают требуемого
разрешения, последнее оказывается сравнимым с интервалом варьирова-
ния изучаемого фактора. Чувствительный элемент прибора неправильно
отражает измеряемую величину или индикатор неправильно отражает ре-
акцию чувствительного элемента. Возможны ошибки из-за неспособности
экспериментатора точно фиксировать показания индикатора. Перед нача-
лом работы приборы калибруют, а аппаратура в целом проходит система-
тическую госповерку.
В паспортах на приборы и оборудование указывается ошибка изме-
рения либо в виде абсолютной ошибки (Δx), либо в виде величины отно-сительного стандарта. В отсутствии паспорта пользуются практическим
правилом: максимальная ошибка равна половине наименьшего деления
-
10
шкалы прибора. Например, термометр с ценой деления 1 оС. Тогда ошибка
составит ± 0,5 оС. Используют также класс точности прибора. Например,
для приборов класса 0,5 при отсчете в любой части шкалы прибора допус-
кается абсолютная погрешность, равная 0,5 % от наибольшего деления
шкалы прибора. У отдельных приборов (манометров и др.) существует не-
рабочая зона, составляющая, в частности, первую четверть шкалы.
Ошибки приборов суммируют. Для этого их делают относительными
и выражают в процентах. Относительная погрешность прибора опреде-
ляется по формуле:
pi = Δ𝑥𝑖
𝑥𝑖∙ 100 %.
Общая аппаратурная погрешность эксперимента определяется по
сумме квадратов относительных погрешностей всех отдельных приборов,
которые используются в эксперименте:
N = (Δ𝑥𝑖
𝑥𝑖∙ 100 %)2𝑛𝑖=1 .
Необходимо отметить, что на величину относительной погрешности
влияет не только Δxi, но и собственное значение замеряемой величины. Поэтому при анализе неопределенности эксперимента в целом следует
учитывать измеряемый интервал и брать в расчет наименьшие значения.
Если общая погрешность эксперимента окажется больше 5 %, то для по-
вышения точности эксперимента следует использовать другие приборы.
Термин данные относится ко всем символическим «продуктам» экс-
перимента. Снятые (записанные) непосредственно по показаниям прибора,
они называются необработанными. Обработанные данные – это те же
данные после выполнения над ними некоторых математических или гра-
фических операций.
Планирование эксперимента является одним из разделов математи-
ческой теории эксперимента и обусловлено целью эксперимента. Оно
представляет собой оптимальное управление экспериментом при неполном
знании механизма явлений. Если влияние внешних переменных нельзя ис-
ключить, то проводят рандомизацию порядка эксперимента (от англ. ran-
dom – наобум), то есть проводят эксперименты не в порядке увеличения
значений независимой переменной, а в случайном порядке факторов (мож-
но воспользоваться таблицей случайных чисел). Тем самым усредняют
эффекты этих неконтролируемых переменных. Выбор интервала варьи-
рования переменных обусловлен принятым планом эксперимента. Если в
-
11
некоторой области ожидается изменение функции отклика, то желательно
увеличить в этой области число экспериментальных точек.
Выделим основные методы планирования эксперимента, исполь-
зующиеся в исследованиях по химической переработке древесины.
Дисперсионный анализ. Используют в задачах, когда нужно пред-
ложить такую схему расположения опытов, которая позволит разложить
суммарную дисперсию на отдельные составляющие, отнеся их к конкрет-
ным изучаемым причинам. Этот метод используется наиболее широко.
Факторные эксперименты. Используют в задачах, когда нужно
оценить линейные эффекты и эффекты взаимодействия при большом числе
независимых переменных (факторов). В отличие от классического экспе-
римента варьируют одновременно всеми факторами сразу обычно на двух
уровнях.
Исследование поверхности отклика. Это направление развивает
методы факторного эксперимента. Варьируют многими независимыми пе-
ременными с целью визуализации функции отклика, для нахождения оп-
тимального состава (рецептуры) материала или продукта, а также опти-
мальных условий проведения технологического процесса (например, варки
целлюлозы, гидролиза растительного сырья и др.). При этом аналитиче-
ское выражение функции отклика до опытов неизвестно.
Объект исследования в планировании эксперимента рассматривают
как «черный ящик», то есть он представляет собой плохо организованную
систему, а исследователь сознательно (по крайней мере, на этой стадии)
отказывается от детального, традиционного изучения механизма всех яв-
лений, протекающих в объекте (системе). На объект исследования воздей-
ствуют входные параметры (факторы) посредством элементов испытатель-
ной аппаратуры, а также внешние переменные. Реакция объекта исследо-
вания проявляется в виде выходного параметра, или функции отклика. За-
дача формулируется так: необходимо установить связь между выходным
параметром и факторами в условиях действия внешних переменных. В ре-
альных экспериментах имеют дело с несколькими выходными параметра-
ми, соотношение между которыми при оптимизации устанавливают специ-
альными методами, в частности, через функцию желательности.
В простейшем случае результатом может быть одно уравнение. В
общем случае математическое описание изучаемого объекта называют
математической моделью. Модели, получаемые с помощью методов
планирования эксперимента в виде уравнений регрессии, принято назы-
вать экспериментально-статистическими.
Следует иметь в виду, что качество материала или качество техноло-
гического процесса чаще всего характеризуется несколькими функциями
отклика. Например, стандарт на бумагу для бумажно-слоистого пластика
-
12
регламентирует массу 1 м2, прочность в сухом и во влажном состоянии,
воздухопроницаемость, капиллярную впитываемость, белизну. Обычно
невозможно найти такое сочетание значений факторов, при которых одно-
временно достигаются максимум прочности и минимум плотности мате-
риала. Максимальная производительность оборудования и минимальная
себестоимость продукции также достигаются при различных технологиче-
ских режимах. Выбор наилучших условий (оптимизация) осуществляется,
как правило, при ограничениях на влияющие факторы и функции отклика.
Величина, характеризующая уровень оптимизации процесса, называ-
ется критерием оптимальности. В частном случае критерием оптималь-
ности может быть одна из функций отклика, характеризующих процесс.
Оптимизация процесса (или состава) представляет собой целена-
правленный поиск значений факторов, доставляющих экстремум крите-
рия оптимальности с учетом ограничений, наложенных как на факторы,
так и на функции отклика. В этом определении особо подчеркнем слово
«целенаправленный». Под экстремумом понимается максимум или мини-
мум на кривой функции отклика. В более сложном случае, если кривая
имеет несколько экстремумов, то используют термины локальный экстре-
мум и глобальный экстремум. Алгоритмы поиска достаточно разнообраз-
ны: метод «крутого восхождения», симплексный метод и др.
Контрольные вопросы по данному разделу приведены в Приложении
4 (рейтинг-опрос 1, вопрос 9 – 12).
-
13
3. СТАТИСТИЧЕСКИЕ РАСЧЕТЫ
В ИССЛЕДОВАНИЯХ И ПРАКТИЧЕСКИХ ЗАДАЧАХ
При проведении лабораторных или промышленных исследований
статистическая обработка данных используется для компактного пред-
ставления и анализа экспериментального материала методами, основан-
ными на теории вероятностей.
Одно из положений основ научных исследований состоит в следую-
щем:
Обработка экспериментальных данных, если использован под-
ходящий алгоритм, является самостоятельным исследовани-
ем, позволяющим получить новую информацию, относящуюся
к изучаемому объекту.
Это положение будет проиллюстрировано примерами пособия с ис-
пользованием разных методов обработки данных. Задача исследователя
состоит в поиске необходимых методов и творческой интерпретации полу-
чаемых результатов. Тем не менее, первичным остается собственно экспе-
римент, правильная его постановка, после чего полученные данные обра-
батывают.
Статистическая обработка экспериментальных данных позволяет ис-
ключить влияние случайных возмущающих факторов (шумового поля) на
изучаемый показатель. Понятно, что чем большее число раз будет прове-
дено определение, тем более точным будет результат. От того, каким обра-
зом будут обработаны полученные замеры, зависят объективность, точ-
ность и надежность определения истинного значения изучаемой характе-
ристики. Статистические выводы распространяются на характеристики
всей совокупности данных и делаются по свойствам выборки из этой сово-
купности. Например, оценка прочности древесных плит, выработанных за
смену, может быть проделана по результатам двух-трех серий замеров это-
го показателя в течение смены при условии стабильности технологическо-
го процесса изготовления плит.
При проведении исследований возможна ситуация, когда при парал-
лельных определениях величины по тем или иным причинам была допу-
щена грубая ошибка. В этом случае такое «выскакивающее значение», ко-
торое наиболее сильно в ту и или иную сторону отклоняется от остальных
значений, отбрасывают, и оставшиеся значения подвергают статистиче-
ской обработке.
Среднее арифметическое значение 𝑦 , полученное по результатам испытаний выборки, и среднее квадратическое отклонение s, являются
-
14
приближенными оценками соответствующих параметров генеральной со-
вокупности данных – математического ожидания μ и дисперсии σ2.
Среднее арифметическое значение выборки, то есть ограниченного и
равного n количества показателей образцов партии определяют по сум-
ме отдельных показателей yi по формуле:
𝑦 = 1
𝑛 𝑦𝑖
𝑛𝑖=1 .
Выборочная дисперсия s2 и среднее квадратическое отклонение s
характеризуют рассеивание (вариацию) изучаемой величины вокруг сред-
него значения. Их рассчитывают по формулам:
s2 =
1
𝑛−1 (𝑦𝑖 − 𝑦 )
2𝑛𝑖=1 ,
s = 𝑆2 .
При расчете целесообразно использовать следующую форму записи
вычислений:
𝑦𝑖 𝑦𝑖 − 𝑦 (𝑦𝑖 − 𝑦 )2
𝑦1 𝑦1 − 𝑦 (𝑦1 − 𝑦 )2
𝑦2 𝑦2 − 𝑦 (𝑦2 − 𝑦 )2
… … …
… … …
… … …
… … …
… … …
… … …
𝑦𝑛 𝑦𝑛 − 𝑦 (𝑦𝑛 − 𝑦 )2
𝑦 (𝑦𝑖 − 𝑦 )
2
𝑛
𝑖=1
Для оценки изменчивости изучаемой величины y используют вариа-ционный коэффициент, который выражают в процентах:
𝓋 = 100 𝑆
𝑦 .
-
15
Далее рассчитывают ошибку среднего арифметического m с учетом
задаваемой доверительной вероятности P и числа параллельных опре-
делений n, используя для этой цели критерий Стъюдента (или t-критерий), значения которого приведены в Приложении 2, где f – число
степеней свободы, равное n – 1. Доверительной вероятностью называют вероятность нахождения ис-
тинного значения параметра генеральной совокупности μ в некоторых пределах. Пределы, соответствующие доверительной вероятности, назы-
вают доверительными границами, а образуемый ими интервал – довери-
тельным интервалом:
𝑦 − t 𝑆
𝑛 ≤ μ ≤ 𝑦 + t
𝑆
𝑛 .
В научных исследованиях обычно принимают P = 0,95, а в учебных задачах P = 0,90.
Ошибку среднего арифметического рассчитывают по формуле:
m = ± t 𝑆
𝑛 .
Наиболее отклоняющиеся результаты можно отбросить по принципу
одновременного исключения максимального и минимального значений.
При незначительном количестве определений (n = 3…4) подозреваемые значения исключать нельзя, а следует установить причину неслучайной
ошибки. Более правильно пользоваться формальной процедурой проверки
наличия грубой ошибки.
Поэтому предварительно, если какое-либо из параллельных значений
вызывает сомнение, то проводится проверка наличия грубой ошибки, или
«выскакивающего» значения y*. Для этого находят расчетный критерий
Стъюдента tр по формуле:
tр = 𝑦 −𝑦∗
𝑆.
Полученное значение tр сравнивают с табличным значением t. В слу-чае, если tр ≥ t, то с надежностью вывода, соответствующего заданной до-
верительной вероятности P, считают, что «выскакивающее» значение со-держит грубую ошибку, и его исключение является обоснованным. В слу-
-
16
чае, если tр < t, то основания для исключения «выскакивающего» значения отсутствуют. Тогда необходимо вновь включить его в выборку и произве-
сти расчет статистических характеристик полной выборки.
Результат измерения записывают в виде 𝑦 ± m, s и n при P = 0,90. При обработке экспериментальных данных математическая стати-
стика используется преимущественно для компактного представления и
анализа экспериментальных материалов методами, основанными на теории
вероятностей. На практике статистические методы могут быть использова-
ны для определения соответствия продукции стандарту и нахождения про-
цента вероятного брака в данной партии продукции, а также определения
вероятности превышения допустимого значения какого-либо показателя.
Сущность методики оценки качества состоит в сравнении среднего
арифметического значения показателя 𝑦 , найденного при испытании вы-борки из n образцов, со стандартным значением показателя yст. Для реше-ния этой задачи целесообразно сначала графически визуализировать нор-
мальное распределение генеральной совокупности данных. Это выполня-
ется построением кривой по данным среднего арифметического значения
𝑦 и среднего квадратического отклонения s. Сначала весь диапазон измерений величины разбивают на K интер-
валов (классов) с шагом:
Δ = 𝑦𝑚𝑎𝑥 −𝑦𝑚𝑖𝑛
𝐾,
где ymax и ymin – максимальное и минимальное значения случайных вели-
чин выборки из n наблюдений.
Для практических целей K принимают равным 6…8. В качестве Δ принимают округленное число, ближайшее большее к полученному част-
ному.
Затем строится кривая нормального распределения по следующим
точкам:
По оси абсцисс По оси ординат
𝑦 H
𝑦 ± 0,5s 0,883H
𝑦 ± 1,0s 0,607H
-
17
𝑦 ± 1,5s 0,325H
𝑦 ± 2,0s 0,135H
𝑦 ± 2,5s 0,044H
Наибольшую высоту H, соответствующую 𝑦 , находят по формуле:
H = 0,4Δ∙𝑛
𝑆,
где s – среднее квадратическое отклонение; n – число образцов, показатели которых используют при построении кривой нормального распределения..
Для построения кривой нормального распределения из точки на оси
абсцисс, соответствующей 𝑦 , восстанавливают перпендикуляр и на нем откладывают значение наибольшей высоты H. Затем весь диапазон на-блюдений от ymax до ymin разбивают на 10 диапазонов в соответствии с до-
лями s и из полученных точек строят соответствующие ординаты в долях
наибольшей высоты H. Полученные точки соединяют плавной кривой ли-нией и получают кривую нормального распределения. Полная площадь
под кривой принимается за 1 (100 %), причем среднее арифметическое
значение 𝑦 (математическое ожидание μ) делит эту площадь на два равных участка. При движении от 𝑦 в сторону отрицательных значений дисперсии σ площадь под кривой уменьшается от 50 % до 0 (значение σ носит отри-цательный характер, и абсолютная величина площади уменьшается от 0,5
до 0). При движении от 𝑦 в сторону положительных значений σ площадь увеличивается от 50 % до 100 % (значение σ носит положительный харак-тер, и абсолютная величина площади увеличивается от 0,5 до 1). Количе-
ственное выражение значений σ приведено в Приложении 1. Подобная статистическая обработка используется для обработки то-
чечных значений экспериментальных данных для последующего их при-
менения в исследовании общей тенденции или закономерности развития
явления или процесса. Вместе с тем подобные расчеты могут использо-
ваться в решении задач, возникающих, в частности, при производстве дре-
весных плит. Рассмотрим два примера, их алгоритм может найти примене-
ние в других аналогичных задачах.
Представленные примеры преследуют цель углубленного рассмот-
рения вопросов, связанных с практикой научных исследований. Они рас-
ширяют изложенные представления о научных исследованиях путем ре-
-
18
шения конкретных вопросов, относящихся к направлениям 18.03.01 «Хи-
мическая технология» и 18.03.02 «Энерго- и ресурсосберегающие процес-
сы в химической технологии, нефтехимии и биотехнологии». Вместе с тем
эти примеры рассматриваются и используются на практических занятиях
для раскрытия и закрепления основных положений теоретического мате-
риала. Особое значение придается интерпретации результатов, которая
кратко дана в пособии и расширенно дается на практических занятиях.
Пример 1. Нахождение процента вероятного брака, который может
быть обнаружен в изготовленной партии древесных плит.
Рассчитывается показатель качества как разность среднего и стан-
дартного значений изучаемой характеристики, отнесенная к дисперсии σ (при выборочных значениях используется среднее квадратическое откло-
нение s):
Пк = 𝑦 −𝑦ст
𝑆.
Доля образцов продукции, не соответствующих стандарту, может
быть найдена как заштрихованная площадь под кривой нормального рас-
пределения (рис. 1).
Найденный показатель качества служит основанием для характери-
стики качества продукции, показывая процент вероятного брака. Для оп-
ределения используют таблицу площадей под кривой нормального распре-
деления (Приложение 1). Если изучаемый показатель продукции должен
быть не менее стандартного значения, то рассматривается условие y ≥ yст. Например, средняя прочность материала при изгибе составляет 21 МПа
при стандартной прочности 18 МПа, а значение s равняется 2,42. Тогда Пк
составляет 1,24, его приравнивают к σ и по таблице в отрицательной об-
ласти значений σ (– 1,24) находят, что процент вероятного брака продук-ции составляет 10,8 %. Если изучаемый показатель продукции должен
быть не более стандартного значения, то рассматривается условие y ≤ yст (например, разбухание материала) и соответствующее значение находят в
положительной области значений σ. Наличие вероятного брака может служить для классификации про-
дукции по сортности. Варианты, когда вероятность брака составляет более
50 %, рассматриваться не должны, и партия продукции должна браковать-
ся полностью. Брак обозначается как ожидаемый по теории вероятности в
отличие от брака, определяемого прямыми экспериментальными метода-
ми, выполняемыми отделом технического контроля. При числе определе-
ний, стремящемся к бесконечности, эти значения окажутся равными.
-
19
Рис. 1. Кривые нормального распределения и требование стандарта
на данную продукцию yст (рассматривается условие y ≥ yст): 1 – идеальная
кривая; 2 – 𝑦 совпадает с кривой 1, однако из-за сильного рассеивания данных имеется брак (заштрихованная область); 3 – 𝑦 больше, чем для кривой 1, но, тем не менее, в продукции содержится брак
Подобный пример может встретиться в практике работы централь-
ной заводской лаборатории (ЦЗЛ) предприятия при неизбежных изменени-
ях каких-либо технологических параметров производства. Причиной мо-
жет быть смена поставщика сырья – ресурсная компонента, замена какого-
либо оборудования на менее энергоемкое – энергетическая компонента и
другие. В этом случае требуется получить ответ на вопрос: как это скажет-
ся на возможном изменении качества продукции. А вариантов может быть
несколько. На рис. 1 рассмотрено три варианта кривых нормального рас-
пределения, построенные по результатам исследования выборочной оцен-
ки качества из трех партий продукции. Показатели продукции в примере
оцениваются по условию y ≥ yст, т.е. необходимо, чтобы они удовлетворя-
ли требованиям действующего стандарта и были не менее yст по своему значению.
Из приведенного примера видно, что при исследовании с определе-
нием так называемого точечного значения (𝑦 ) информация оказывается недостаточной, и требуется учитывать неизбежный разброс данных вокруг
среднего значения, оценкой которого служит выборочная дисперсия s2
(среднее квадратическое отклонение s). Из сравнения кривой 1 с кривой 3 следует, что 𝑦
3 > 𝑦
1, т.е. напрашивается ошибочный вывод о преимущест-
вах варианта 3 перед вариантом 1. Однако учет параметра s и расчет про-цента вероятного брака, напротив, обнаруживает преимущества варианта 1
-
20
благодаря более узкому распределению показателей продукции, более од-
нородному технологическому процессу.
Сравнение варианта 1 с вариантом 2, когда 𝑦 1 = 𝑦
2 по этой же при-
чине указывает на преимущества продукции, изготовленной по варианту 1,
тогда как в варианте 2 имеются изделия, не соответствующие требованиям
стандарта, т.е. являющиеся браком. На рисунке доля таких изделий (образ-
цов) от общего числа всей партии представлена как заштрихованная об-
ласть под кривой нормального распределения.
Пример 2. Определение вероятности превышения допустимых энер-
гозатрат в технологическом процессе.
Этот пример представлен в виде, удобном для понимания идеи ис-
пользования статистических расчетов в возможных исследованиях, кото-
рые могут возникнуть в реальной работе по профилю работы молодого
специалиста. С этой же целью из реального примера исключены конкрет-
ные сведения по оборудованию и технологическому процессу, с которыми
студенту еще предстоит встретиться на старших курсах.
Согласно нормативной документации, удельный расход энергии в
технологическом процессе не должен превышать 7,1 кДж/ед. продукции
предприятия. Превышение расхода энергии повышает себестоимость про-
дукции выше критической. По предварительной оценке энергозатраты yi составили: 6; 7; 5; 4; 7; 6 кДж/ед. продукции. Следует определить, превы-
сят ли энергозатраты нормативное значение при контрольных замерах, и
если да, то с какой вероятностью? Если превышение будет обнаружено, то
администрация предприятия примет решение о депремировании работни-
ков данного участка.
Решение задачи связано с нахождением одностороннего доверитель-
ного интервала. Если 𝑦 = 5,8 кДж/ед. продукции, а s = 1,37 кДж/ед. про-дукции, то
μ ≤ 𝑦 + t 𝑆
𝑛 = 5,8 + t
1,37
6.
Тогда условие 5,8 + 0,56t ≥ 7,1 будет выполняться при t ≥ 2,32, то есть, согласно Приложению 1 для f = n – 1 = 6 – 1 = 5, с вероятностью P = 0,93. Таким образом, вероятность превышения допустимого расхода энер-
гии составит 93 %. Требуется разработка мероприятий, исправляющих не-
совершенство технологических параметров процесса.
Алгоритм проведения расчетов по результатам исследования пред-
ставлен в виде последовательности действий по определению процента ве-
роятного брака.
1. Сформулировать задачу исследования.
-
21
2. Определить необходимые для исследования оборудование и при-
боры.
3. Отработать методики проведения эксперимента и назначить ис-
полнителей.
4. Получить необходимый массив экспериментальных данных.
5. Найти и исключить «выскакивающее» значение y* в исследуемой выборке.
6. Определить статистические характеристики выборки результатов
измерения (𝑦 , s, 𝓋, m). 7. Произвести оценку «выскакивающего» значения в исследуемой
выборке.
8. Если «выскакивающее» значение не содержит грубой ошибки, ее
не исключают из выборки и определяют статистические характеристики
полной выборки.
9. Выбрать число интервалов (классов) K (6…8) и определить шаг Δ.
10. Вычислить наибольшую высоту H и построить кривую нормаль-ного распределения.
11. Принять стандартное значение показателя yст из действующего стандарта на изучаемую продукцию, вычислить показатель качества Пк и определить процент вероятного брака. Заштриховать под кривой нормаль-
ного распределения площадь, соответствующую найденному проценту ве-
роятного брака.
12. По полученным результатам следует провести обсуждение при-
чин брака (выполняется для конкретного варианта производства) и сфор-
мулировать рекомендации: либо по оценке технических предложений по-
вышения производительности производства, либо повышения прибыли,
либо введения сортности на продукцию как функцию допустимой доли
брака.
Любое исследование должно завершаться выводами и соответст-
вующими ссылками на научно-техническую литературу или нормативные
документы.
Пример 2 по алгоритму отличается только п. 12 – обработкой экспе-
риментальных данных, согласно которой целевой задачей является не доля
площади под кривой, а нахождение критерия Стъюдента, и по числу опре-
делений (образцов) n рассчитывается вероятность конкретного события. В данном примере – вероятность превышения допустимых энергозатрат.
Контрольные вопросы по данному разделу приведены в Приложении
4 (рейтинг-опрос 1, вопросы 13 – 18).
-
22
4. ПРЕДСТАВЛЕНИЕ ЭКСПЕРИМЕНТАЛЬНЫХ ДАННЫХ
Усвоение этой процедуры имеет большое значение, поскольку по-
зволяет выполнить положение, согласно которому наука фиксируется в
максимально определенном языке. Свертывание информации позволяет
легче анализировать, находить закономерности, раскрывать сущность изу-
чаемого явления, пользоваться результатами выполненных исследований.
Экспериментальные данные, получаемые при исследовании какого-
либо явления или оценке качества продукции представляются следующи-
ми способами: табличным, иллюстративным и аналитическим.
Табличный способ представления данных заключается в составлении
таблиц. Таблицей называются текстовые сведения и цифровые данные,
упорядоченные в виде ячеек, расположенных в строках и столбцах (гра-
фах). Таблицы применяют для лучшей наглядности и удобства сравнения
показателей. Строками называют горизонтальные ряды ячеек. Столбцами
называют вертикальные ряды ячеек. Верхнюю строку, в которой помеща-
ются заголовки и подзаголовки столбцов, называют головкой таблицы.
Первый слева столбец, в котором помещаются заголовки строк, называется
боковик таблицы. Таблица должна иметь название.
Иллюстративный способ представления данных предполагает по-
строение графиков, гистограмм, диаграмм и т.д. При их создании наиболее
удобно пользоваться табличными данными. Графиком называют геомет-
рическое изображение функциональной зависимости (функции) на коор-
динатной плоскости. Функцией y = f (x) называется закон, или правило за-висимости переменных величин, по которому каждому значению незави-
симой переменной x ставится в соответствие единственное значение зави-
симой переменной y. При этом независимая переменная называется аргу-ментом, а зависимая переменная – собственно функцией. Графики строят
с целью наглядного представления информации, а также для получения
аналитических выражений.
Аналитический способ заключается в представления эксперимен-
тальных данных в виде аналитических выражений, то есть уравнений, ко-
торые также называются математическими моделями. Уравнение пред-
ставляет собой математическое равенство, содержащее одну или несколько
переменных величин и верное только при определенных значениях этих
переменных. Переменные в уравнении могут находиться в различной сте-
пени, и, соответственно, уравнения могут иметь разную степень (квадрат-
ные и т.д.).
В экспериментальных исследованиях при обработке данных функ-
циональная зависимость практически не встречается вследствие вероятно-
стного характера экспериментальных данных, и экспериментальные точки
-
23
образуют некоторое рассеивание, ограниченное доверительным интерва-
лом. В этом случае говорят о регрессионной кривой. Регрессия – это зави-
симость среднего значения какой-либо случайной величины от некоторой
другой величины или от нескольких величин. В отличие от чисто функ-
циональной зависимости y = f (x), когда каждому значению независимой переменной x соответствует одно определенное значение зависимой пере-
менной y, при регрессионной связи одному и тому же значению перемен-
ной x могут соответствовать в зависимости от случая различные значения переменной y.
В любом случае при использовании уравнений требуется указывать
допустимые границы применимости данных математических моделей. Как
правило, уравнения используются для решения задач по нахождению оп-
тимумов или граничных условий.
Графическое изображение дает наиболее наглядное представление о
результатах эксперимента, упрощает обработку данных и их интерпрета-
цию. Графики позволяют лучше понять физическую сущность исследуе-
мого процесса, определить вид функциональной зависимости изучаемых
переменных величин, установить наличие максимумов или минимумов
функции, быстро находить значения функции по значениям аргумента.
Построение графика производится на миллиметровой бумаге и
включает выбор масштаба, разметку и подпись осей координат, нанесение
на координатную плоскость экспериментальных точек, соединение точек
плавной кривой таким образом, чтобы она по возможности проходила
ближе ко всем точкам. Рекомендуемый размер графика приблизительно
150 × 200 мм. Форма графика должна стремиться к квадратной, чтобы
ошибки по осям x и y были приблизительно одинаковыми. Обязательным условием является подпись начала координат по каждой из осей. При вы-
боре масштаба необходимо учитывать, что кривая должна занимать мак-
симальную часть координатной плоскости, поэтому разметка осей не все-
гда должна начинаться от нуля. Разметка координатных осей проводится
через интервалы 1, 2, 5 или при необходимости отличающиеся от них на
какое-либо количество порядков. Подпись оси включает буквенное обо-
значение величины и единицы ее измерения (размерность). В случае, если
на оси откладывается логарифм величины, необходимо указывать размер-
ность величины, от которой берется логарифм, например, lg m [m, г] или ln τ [τ, сут]. Если на графике имеется несколько кривых, то все они должны быть пронумерованы. График должен иметь подпись, содержащую рас-
шифровку номеров кривых.
Графическая зависимость может не выявлять сущность явления при
представлении ее непосредственно как y = f (x). Для физического понима-
-
24
ния зависимости прибегают к нормированию данных с тем, чтобы полу-
чить «нормальную» зависимость функции отклика от аргумента. Напри-
мер, при сравнении прочности при изгибе σизг образцов двух вариантов
древесных плит, изготовленных при различном расходе добавки, модифи-
цирующей карбамидоформальдегидное связующее, получены данные,
описывающиеся кривой 1 (рис. 2).
Рис. 2. Прочность образцов древесных плит в зависимости от содер-
жания добавки: 1 – начальные данные; 2 – нормированные данные
В результате тенденция изменения прочности с увеличением расхода
добавки носит положительный характер. Ход кривой 1 возрастает. Следо-
вательно, добавка способствует процессу образования плиты. Однако ока-
залось, что растет и плотность плиты ρ. Тогда правильнее проанализиро-
вать изменение удельной прочности, проведя нормирование данных путем
отнесения прочности к соответствующей плотности (кривая 2). Оказалось,
что кажущийся рост прочности обусловлен увеличением масс (плотности)
плиты, а не ростом энергии возникающих связей. Теперь исследователь
предпримет углубленное исследование и, возможно, будет подбирать дру-
гую модифицирующую добавку.
В другом примере при изготовлении ДВП при различных режимах
прессования полученные плиты характеризуются различной пористостью.
Ее распределение по эквивалентным радиусам можно сравнить путем от-
несения доли пор конкретного радиуса к общему объему пор, то есть из
экспериментально наблюдаемой интегральной кривой получить диффе-
ренциальную кривую.
Для нахождения эмпирического уравнения полученной зависимости
и выявления физической сущности изучаемого явления кривую линию це-
-
25
лесообразно преобразовать в прямую. Данный прием носит название «ли-
неаризация» кривой. Метод основан на том, что многие известные мате-
матические функции при построении в преобразованных координатах при-
обретают линейный характер. Поэтому при подобной обр