system oceny topografii powierzchni na podstawie danych reprezentujĄcych profile powierzchni
DESCRIPTION
SYSTEM OCENY TOPOGRAFII POWIERZCHNI NA PODSTAWIE DANYCH REPREZENTUJĄCYCH PROFILE POWIERZCHNI. Prof. dr hab. inż. Wojciech Kacalak Politechnika Koszalińska. SYSTEM OCENY TOPOGRAFII POWIERZCHNI NA PODSTAWIE DANYCH REPREZENTUJĄCYCH PROFILE POWIERZCHNI. - PowerPoint PPT PresentationTRANSCRIPT
©WK1 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
SYSTEM OCENY TOPOGRAFII POWIERZCHNI NA PODSTAWIE DANYCH REPREZENTUJĄCYCH PROFILE POWIERZCHNI
Prof. dr hab. inż. Wojciech KacalakPolitechnika Koszalińska
SYSTEM OCENY TOPOGRAFII
POWIERZCHNI NA PODSTAWIE DANYCH REPREZENTUJĄCYCH
PROFILE POWIERZCHNI
XXXI NAUKOWA SZKOŁA OBRÓBKI ŚCIERNEJ
10-12.09.2008
©WK2 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Parametry chropowatosci powierzchni a parametry zarysu
Właściwości eksploatacyjne powierzchni w znacznym stopniu zależą od jej cech stereometrycznych. Parametry charakteryzujące właściwości stereometryczne powierzchni różnią się, i to często znacznie, od parametrów wyznaczanych dla zarysu powierzchni.
Pomijanie tych różnic lub opisywanie cech powierzchni na podstawie cech (parametrów) zarysu należy do częstych błędów oceny powierzchni. Wyznaczanie parametrów charakteryzujących cechy stereometryczne powierzchni poprzez profilografowanie z wierszowaniem jest operacją kosztowną i pracochłonną oraz wymagającą systemów umożliwiających takie pomiary. Zazwyczaj nie jest możliwe w urządzeniach przenośnych, stosowanych w pomiarach przedmiotów o dużych rozmiarach.
©WK3 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Wyznaczanie parametrów 3D
Celem pracy jest opracowanie takiego systemu przetwarzania danych z profilografometru, który wykorzystując wyniki z jednego lub dwóch pomiarów (zarysów w jednym przekroju o długości określanej przez system lub dwóch pomiarów w przekrojach do siebie prostopadłych), oraz wykorzystując wiedzę zgromadzoną w formie reguł wnioskowania oraz w module sztucznych sieci neuronowych, pozwalałby na wyznaczenie licznego, komplementarnego zbioru parametrów stereometrycznych powierzchni.
Możliwe byłoby ponadto wyznaczenie obrazu powierzchni o cechach statystycznych zgodnych z powierzchnią, na której przeprowadzono pomiar.
WIERZCHOŁKI ZARYSU
WIERZCHOŁKI POWIERZCHNI
©WK4 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Zmienność i złożoność struktury geometrycznej powierzchni
To wszystko powoduje, że dotąd nie opracowano wystarczająco dokładnych podstaw doboru takich zbiorów parametrów oceny, które byłyby zbiorami parametrów wystarczająco komplementarnych i zapewniających kompromis miedzy licznością zbioru, a wymaganą jakością oceny powierzchni określonego typu.
Struktura geometryczna obrobionej powierzchni jest wynikiem nakładania się i kumulacji wielu elementarnych zmian w jej topografii. Zmienność i złożoność struktury stereometrycznej jest czynnikiem, który znacznie utrudnia i jej ocenę i powoduje, że wynik oceny jest skutkiem przetwarzania informacji niepełnej, niepewnej i, w pewnym zakresie, również nieścisłej.
©WK5 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Cechy przetwarzanych informacji
INFORMACJA NIEPEŁNA
INFORMACJA NIEPEWNA
INFORMACJA NIEŚCISŁA
©WK6 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Problemy do rozwiązania
Opracowanie systemu, pozwalającego na określenie wartości parametrów ocenianej powierzchni z wykorzystaniem danych o zarysie powierzchni, zapewniającego uzyskanie opisanych powyżej efektów, wymaga rozwiązania następujących problemów naukowych:
Wyznaczenia relacji pomiędzy parametrami zarysu, a parametrami opisującymi stereometrię powierzchni,
Opracowania uniwersalnych metod wnioskowania o cechach stereometrycznych powierzchni na podstawie danych z zarysu powierzchni,
Optymalizacji i doboru warunków pomiarów oraz trenowania, testowania i weryfikacji systemu wnioskowania z wykorzystaniem metod sztucznej inteligencji,
Opracowania metody prognozowania i generowania trójwymiarowych (pseudoprzestrzennych) obrazów powierzchni poddawanych pomiarom.
©WK7 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
System wnioskowania
System wnioskowania o parametrach 3D na podstawie parametrów 2D
Parametryzarysu 1
Parametryzarysu 2 SSN
Nowe parametry i relacje dla powierzchni danego typu
Parametrypowierzchni
Schemat algorytmu wnioskowania o parametrach powierzchni na podstawie cech zbioru zarysów
SYSTEM GENEROWANIA ZBIORUPARAMETRÓW KOMPLEMENTARNYCH
©WK8 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Potrzeba automatyzacji analiz
Po
trze
ba a
uto
ma
tyza
cji a
naliz
da
nyc
h
Czas
GĘSTOŚĆSTRUMIENIA INFORMACJI
=MOŻLIWOŚCI
WYDOBYWANIAINFORMACJI
2008
Potrzeby poznawcze
Możliwościprzetwarzaniadanych przez
człowieka
Oczekiwany zakres analiz
©WK9 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Nauka a nowe metody i wynalazki
Nowe metody badawcze i wynalazki powodują, że naukowcy przestają drążyć, modelować i opisywać problemy, które należą już do przeszłości, a zaczynają zajmować się nowymi.
Dokładniejsze poznanie starych problemów nie ma już znaczenia
dla rozwoju nauki i zastosowań.
NAUKA TYM BARDZIEJ WZMACNIA SWOJE ZNACZENIE
IM SKUTECZNIEJ TWORZY NOWE WYNALAZKI,
KTÓRE GENERUJĄ NOWE KIERUNKI BADAWCZE.
Bieganie do przodu na taśmie treningowejróżni się od biegania do przodu.
©WK10 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Efekty a nakład pracy
Nakład pracy
Linia satysfakcji dla niskich wymagań dotyczących efektu
Efekty
100%
Linia satysfakcji dla wysokich
wymagań dotyczących
efektuLinia efektów
w funkcjinakładu pracy
(wysiłku)
Kierunek zmian wymagań w czasie
©WK11 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Wizualizacja problemu
Z
X
Y
p1
p2
p3
p1
p2
p3
3DZmax
2DZmax
©WK12 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Porównanie rozkładów wartości parametrów 2D i 3D
Rt St
0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1
Wysokość [um]
0
2
4
6
8
10
12
14
16
18
20
22
24
26
Lic
zno
ść
Rz Sz
0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7 1,8 1,9 2,0 2,1
Wysokość [um]
0
5
10
15
20
25
30
35
40
Licz
ność
Porównanie wartości parametrów chropowatości zarysu (Rt) i powierzchni
(St)
Porównanie wartości parametrów chropowatości zarysu(Rz) i powierzchni (Sz)
©WK13 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Porównanie rozkładów wartości parametrów 2D i 3D
Rp Sp
0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0
Wysokość [um]
0
5
10
15
20
25
30
35
Lic
zno
ść
Rv Sv
-1,1 -1 -0,9 -0,8 -0,7 -0,6 -0,5 -0,4
Wysokość [um]
0
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
Lic
zno
ść
Porównanie średnich głębokości zagłębień zarysu (Rv) i powierzchni
(Sv)
Porównanie średnich wysokości wierzchołków zarysu (Rp) i powierzchni (Sp)
©WK14 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Porównanie rozkładów wartości parametrów 2D i 3D
Parametry wyznaczone dla zarysu DiP2)( [m]
Parametry wyznaczone dla
powierzchni DiP3)( [m]
Di
Di PP 3
)(2)( /
Rt 1,29 St 1,68 Rt:St 0,77
Rz 1,19 Sz 1,65 Rz:Sz 0,72
Rp 0,63 Sp 0,84 Rp:Sp 0,75 Rv -0,56 Sv -0,85 Rv:Sv 0,66
©WK15 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Zbiory parametrów
Podstawowe parametry struktury geometrycznej powierzchni:PARAMETRY AMPLITUDOWE:o średnie arytmetyczne odchylenie chropowatości Sa,o średnie kwadratowe odchylenie chropowatości powierzchnie Sq,o maksymalna wysokość wzniesienia powierzchnie Sp,o maksymalna głębokość wgłębienia powierzchnie Sv,o wysokość nierówności St,o współczynnik skośności rozkładu rzędnych Ssk,o współczynnik skupienia rozkładu rzędnych Sku,o dziesięciopunktowa wysokość nierówności powierzchnie Sz,PARAMETRY PRZESTRZENNE:o gęstość wzniesień między określonymi przekrojami SPc,o gęstość wierzchołków nierówności powierzchni Sds,o wskaźnik tekstury powierzchni Str,o długość odcinka najszybszego zanikania funkcji autokorelacji Sal,o kierunek tekstury powierzchni Std,o wymiar fraktalny Sfd,PARAMETRY POWIERZCHNIOWE I OBJĘTOŚCIOWE,o udział nośny na zadanej wysokości STp,o wysokość obszaru nośności SHTp,o średnia objętość materiału Smmr,o średnia objętość pustek Smvr,PARAMETRY HYBRYDOWE,PARAMETRY FUNKCJONALNE,PARAMETRY KRZYWEJ NOŚNOŚCI.
©WK16 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Współczynniki korelacji
parametry amplitudowe parametry przestrzenne
parametry powierzchniowe i objętościowe
Sa Sq Sp Sv St Ssk Sku Sz Spc Sds Str Sal Std SHTp Smmr Smvr
Sa 1.00
Sq 0.99 1.00
Sp 0.93 0.94 1.00
Sv 0.89 0.90 0.97 1.00
St 0.92 0.93 0.99 0.99 1.00
Ssk 0.07 0.08 0.10 -0.01 0.05 1.00
Sku -0.12 -0.12 -0.11 -0.05 -0.08 -0.57 1.00
Sz 0.94 0.95 0.99 0.99 0.99 0.06 -0.09 1.00
Spc 0.37 0.36 0.52 0.58 0.55 -0.15 0.00 0.51 1.00
Sds -0.20 -0.20 -0.19 -0.14 -0.17 -0.45 0.55 -0.17 -0.05 1.00
Str -0.02 -0.01 0.06 0.11 0.08 -0.31 0.38 0.06 0.27 0.04 1.00
Sal 0.01 0.03 0.05 0.03 0.04 0.07 -0.15 0.03 -0.07 -0.24 0.04 1.00
Std 0.00 0.00 0.04 0.07 0.05 0.00 0.11 0.06 0.07 0.03 0.33 0.24 1.00
SHTp 1.00 0.99 0.91 0.87 0.90 0.08 -0.12 0.92 0.31 -0.20 -0.05 0.01 -0.02 1.00
Smmr 0.88 0.89 0.95 0.98 0.97 -0.01 -0.06 0.97 0.57 -0.13 0.08 0.01 0.06 0.85 1.00
Smvr 0.92 0.93 0.99 0.96 0.99 0.10 -0.10 0.98 0.51 -0.18 0.07 0.05 0.05 0.90 0.95 1.00
©WK17 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Problem komplementarnego doboru zbioru parametrów
Korelacje parametrów amplitudowych powierzchni Sa Sq Sp Sv St Ssk Sku Sz
Sa 1 Sq 0,996 1 Sp 0,704 0,527 1 Sv 0,904 0,809 0,712 1 St 0,844 0,851 0,963 0,883 1
Ssk 0,0969 0,134 0,427 0,137 0,425 1 Sku 0,339 0,313 0,083 0,0862 0,0345 x 1 Sz 0,854 0,877 0,943 0,879 0,979 x 0,0711 1
Zasada doboru komplementarnego nie daje jeszcze wyniku, który można uznaćza wystarczający. Konieczne jest uzupełnienie zbioru parametrów przez danecharakteryzujące zmienność parametrów (miary rozproszenia), relacje wartości parametrów horyzontalnych (2D) w kierunku prostopadłym i równoległymdo śladów obróbkowych.
©WK18 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Wnioski z analiz
Do klasyfikacji powierzchni z grupy parametrów amplitudowych wybrano parametry: Sz, Ssk i Sku oraz stosunki Sz:Sa i Sz:Sp. Parametry Ssk i Sku przyjęto z uwagi na ich małą korelację z pozostałymi parametrami w tej grupie. Parametr Sz uwzględniono ze względu na wyraźne powiązanie informacyjne z pozostałymi parametrami.
Parametr Sz informuje pośrednio o wysokości nierówności, a nie jest wrażliwy na wpływ pojedynczych przypadkowych wzniesień i wgłębień. Wykazuje również wyraźną korelację wynikającą z charakteru rozkładu rzędnych powierzchni z parametrami Sa i Sq. Stosunek Sz:Sa oraz Sz:Sp jest dobrą miarą wysmukłościnierówności.
Parametr Sz ma wysokie zdolności uogólniające (jest wysoko skorelowany również z parametrami z grupy parametrów powierzchniowych i objętościowych) natomiast parametry Ssk i Sku, wrażliwe na charakterystyczne wzniesienia i wgłębienia pozwalają na uszczegółowienie informacji o kształcie powierzchni.
Najważniejsze parametry jednak powinny wynikać z relacji między określonymi parametrami 2D (np. rozmieszczenie wierzchołków) we wzajemnie prostopadłych kierunkach, dlatego, iż szczególnie ważny jest kształt i rozmieszczenie obszarów styku kontaktujących się powierzchni.
©WK19 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Dwa systemy: 1-środowisko VS.NET 2-środowisko MATLAB
©WK20 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
St=f(Sa)
Model: St=A*Sa^B
y=(12,3009)*x^(,55652)
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4
Sa
-2
0
2
4
6
8
10
12
14
16
18S
t
©WK21 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Sz=f(Sa)
Model: Sz=A*Sa^B
y=(11,1844)*x^(,628195)
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4
Sa um
-2
0
2
4
6
8
10
12
14
16
Sz
um
©WK22 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Sp=f(Sa)
Model: Sp=A*Sa^B
y=(7,27626)*x^(,498696)
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4
Sa um
-2
0
2
4
6
8
10
12S
p um
©WK23 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Sz=f(St)
Model: Sz=A*St^B
y=(,728254)*x^(1,08145)
0 2 4 6 8 10 12 14 16 18
St
0
2
4
6
8
10
12
14
16
18
Sz
©WK24 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Sp=f(Sz)
Model: Sp=A*Sz^B
y=(,683416)*x^(,982582)
0 2 4 6 8 10 12 14 16 18
Sz um
-2
0
2
4
6
8
10
12
14
Sp
um
©WK25 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
METODY GENEROWANIA OBRAZU POWIERZCHNI
1. Realizacja prostych metod symulacji procesów kształtowaniaobrabianej powierzchni
2. Generowanie ciągów zarysów o cechach zgodnych statystycznie z wyznaczonym zarysem (metoda tworzenia występów i wgłębieńz danych posortowanych przedziałami o losowej długości– LPPL PLLP …, wymiana punktów o podobnych cechach w zarysie,
3. Generowanie powierzchni działania narzędzia i wykonywanie operacji zmiany rzędnych powierzchni przedmiotu,
4. Metody częstotliwościowe – kumulacja składowych harmonicznycho określonych amplitudach i częstościach,
5. Dobór i przekształcenia wzorców, pobieranych z bazy i modyfikowanychz wykorzystaniem danych z pomierzonego zarysu,
6. Składanie randomizowane generowanych występów 3D, dolin i wypływek o określonym stopniu losowości,
7. Tworzenie kompozycji wielomianów wysokiego stopnia o określonychcechach we wzajemnie prostopadłych kierunkach.
Metody generowania obrazu powierzchni
©WK26 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Efekty stosowania systemu
Efekty stosowania takiego systemu polegałyby na automatyzacji wnioskowania, a ponadto na:
Skróceniu czasu potrzebnego do wyznaczenia parametrów i obrazu powierzchni od 20 do 100 razy, czyli średnio o ponad 20 minut w odniesieniu do jednej oceny powierzchni,
Zapewnieniu wysokiego obiektywizmu i dokładności w klasyfikacjicech powierzchni,
Upowszechnieniu kompleksowych ocen, których podstawą są parametry powierzchni, zamiast ocen pobieżnych i obarczonych znaczącymi błędami wskutek posługiwania się ocenami zarysu powierzchni,
Opracowana metoda oraz aplikacje tworzące spójny system wnioskowania, mogłyby być użytkowane w dwojaki sposób: bezpośrednio u użytkownika systemu pomiarowego lub w formie usługi na serwerze,
Świadczeniem usług mogłyby zajmować się firmy innowacyjne, co byłoby korzystne dla wysokiego po-ziomu ekspertów i
świadczonych usług.
©WK27 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
W MODELOWANIU Z WYKORZYSTANIEM SZTUCZNEJ INTELIGENCJI NALEŻY UWZGLĘDNIAĆ RÓWNIEŻ WADY I SKUTKI POCHODNE
Do głównych należy: Wypieranie modeli wywodzących się z wiedzy jawnej przez modele o cechach wiedzy niejawnej.
Wypieranie reguł i obliczeń matematycznych przez doraźne modeleo słabej weryfikowalności ich poprawności.
Rozwarstwienie wiedzy i umiejętności do wykorzystywania metod matematycznych (tworzenie modeli i wzorców) i umiejętności tylko korzystania z gotowych narzędzi, bez wiedzy o zawartych w nich procedurach. (Ta cecha już występuje powszechnie np. ANSYS, jednak ważne jest, aby narzędzia były dobre, a użytkownik potrafił interpretować wyniki i dobierać warunki ograniczenia).
Osłabienie znaczenia cech inteligencji naturalnej i kreatywności, co może być ukrywane przez masowość przetwarzania danych.
Upraszczanie wnioskowania kompensowane szybkością działaniasystemu obliczeniowego.
Wady metod sztucznej inteligencji
©WK28 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
ZALETY człowiekaw przetwarzaniu informacji
UMIEJĘTNOŚĆ ADAPTACJI DO UMIEJĘTNOŚĆ ADAPTACJI DO ODBIORU INFORMACJI NIEPEWNEJODBIORU INFORMACJI NIEPEWNEJ
OBNIŻANIE POZIOMU OBNIŻANIE POZIOMU KONSERWATYZMU KONSERWATYZMU W PRZYPADKACH ZASKAKUJĄCYCH W PRZYPADKACH ZASKAKUJĄCYCH WARTOŚCI PIERWSZYCH DANYCHWARTOŚCI PIERWSZYCH DANYCH
ŚWIADOME I PODŚWIADOME ŚWIADOME I PODŚWIADOME KORZYSTANIE Z UMIEJĘTNOŚCI KORZYSTANIE Z UMIEJĘTNOŚCI ODKRYWANIA NOWYCH ODKRYWANIA NOWYCH ZALEŻNOŚCIZALEŻNOŚCI
Przetwarzanie informacji przez człowieka
WADY człowieka w przetwarzaniu informacji
OGRANICZENIE PERCEPCJI DO KILKU (NAJCZĘŚCIEJ 5...9) STOPNI ZRÓŻNICOWANIA ODBIERANYCH SYGNAŁÓW
BARDZO SILNE OGRANICZENIE ILOŚCI DANYCH, JAKIE MOGĄ BYĆ JEDNORAZOWO ZAPAMIĘTANE
SKŁONNOŚĆ DO KONSERWATYZMU" I ULEGANIA PRESJI OCZEKIWANIA NA INFORMACJĘ SPODZIEWANĄ,
SUBIEKTYWNE I BŁĘDNESZACOWANIE RAWDOPODOBIEŃSTW ILOCZYNU I SUMY ZDARZEŃ
©WK29 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
ZALETY człowieka w przetwarzaniu informacji
OBNIŻANIE POZIOMU KONSERWATYZMU (OPÓŹNIENIA W DOKONYWANIU OBNIŻANIE POZIOMU KONSERWATYZMU (OPÓŹNIENIA W DOKONYWANIU PRZESZACOWAŃ PRAWDOPODOBIEŃSTWA ZDARZEŃ PRZESZACOWAŃ PRAWDOPODOBIEŃSTWA ZDARZEŃ WRAZ Z NAPŁYWANIEM NOWYCH INFORMACJI), GDY ILOŚĆ DANYCH WRAZ Z NAPŁYWANIEM NOWYCH INFORMACJI), GDY ILOŚĆ DANYCH
JEST MAŁA, I NAGRADZANA JEST DOKŁADNOŚĆ A NIE WYDAJNOŚĆJEST MAŁA, I NAGRADZANA JEST DOKŁADNOŚĆ A NIE WYDAJNOŚĆ
WADY człowieka w przetwarzaniu informacji
BŁĘDY W ODKRYWANIU NOWYCH ZALEŻNOŚCI, WYNIKAJĄCE:BŁĘDY W ODKRYWANIU NOWYCH ZALEŻNOŚCI, WYNIKAJĄCE:1.1. Z TENDENCJI DO POMIJANIA WPŁYWU WIELKOŚCI PRÓBKI, Z TENDENCJI DO POMIJANIA WPŁYWU WIELKOŚCI PRÓBKI, 2.2. SKŁONNOŚCI DO PRZYPISYWANIA WIĘKSZYCH PRAWDOPODOBIEŃSTW SKŁONNOŚCI DO PRZYPISYWANIA WIĘKSZYCH PRAWDOPODOBIEŃSTW
INFORMACJOM ŁATWIEJ ZAPAMIĘTYWANYM INFORMACJOM ŁATWIEJ ZAPAMIĘTYWANYM 3.3. SKŁONNOŚCI DO PRZEDWCZESNEGO ODRZUCANIA MOŻLIWYCH SKŁONNOŚCI DO PRZEDWCZESNEGO ODRZUCANIA MOŻLIWYCH
WSPÓŁZALEŻNOŚCI LUB WSPÓŁZALEŻNOŚCI LUB 4.4. UZNAWANIA ZA OCZYWISTĄ WSPÓŁZALEŻNOŚĆ CECH, KTÓRYCH UZNAWANIA ZA OCZYWISTĄ WSPÓŁZALEŻNOŚĆ CECH, KTÓRYCH
WARTOŚCI SĄ TYLKO SKORELOWANE W DANEJ REALIZACJI.WARTOŚCI SĄ TYLKO SKORELOWANE W DANEJ REALIZACJI.
Zalety i wady człowieka w przetwarzaniu informacji
©WK30 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Czy i w jakim stopniu subiektywne prawdopodobieństwa podlegają takim samym prawom jak prawdopodobieństwa obiektywne?
Wyniki badań wskazują, iż u osoby podejmującej decyzję występuje skłonność:
1. Do zawyżania prawdopodobieństwa iloczynu zdarzeń niezależnych A i B (sytuacji, gdy zajdzie zarówno zdarzenie A jak i zdarzenie B)
2. Do zaniżania prawdopodobieństwa sumy zdarzeń A i B (sytuacji, gdy zajdzie przynajmniej jedno z tych zdarzeń)
3. W przypadku możliwego wystąpienia jednego ze zdarzeń niezależnych A i B, gdy zdarzenie A występowało z częstością większą od oczekiwanej, decydent ulega skłonności do zawyżania prawdopodobieństwa oczekiwanego zdarzenia B.
Szacowanie prawdopodobieństw zdarzeń
©WK31 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Podsumowanie
Do efektów wynikających z opracowania opisywanego SYSTEMU można zaliczyć:
1. Stworzenie systemu, zapewniającego niskie koszty szybkiej i kompleksowej oceny właściwości stereometrycznych powierzchni na podstawie
powszechnie stosowanych pomiarów liniowych – wielokrotne (nawet do kilkudziesięciu razy) zmniejszenie czasu wyznaczania parametrów opisujących strukturę stereometryczną powierzchni.
2. Powszechną przydatność systemu – obecnie w Polsce nabywa się ponad 100 profilografometrów rocznie, co przekłada się na liczbę ponad 1000
użytkowanych urządzeń. Liczbę dokonywanych pomiarów cech stereometrycznych powierzchni można oszacować jako zbliżoną do 1,5 miliona pomiarów rocznie.
3. Zachowanie zgodności zastosowanych metod z dotychczasowymi przyrządami i parametrami oceny nierówności powierzchni, co oznacza, że dotychczasowe wyposażenie metrologiczne do pomiarów liniowych można będzie wykorzystać do oszacowania stereometrycznych parametrów powierzchni.
©WK32 e a
Wyłączono nadzorowanie zdarzeń <<
17.05.2008 36Start<< >>
Dziękuję za uwagę
DZIĘKUJĘ ZA UWAGĘ