Файл: Регулирование качества продукции средствами активного контроля..pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 10.04.2024

Просмотров: 148

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Следовательно,

1

(22)

il

V N

 

Предположим, что имеется распределение z = х + у , где х и г/ — независимые случайные величины, причем л: подчиняется гауссовскому распределению с параметрами 0, а, а у распределяется рав­ номерно на отрезке ±1. Дифференциальная кривая распределения Ф (г) характеризуется в этом случае зависимостью

9 (г)

Ф г + / - Ф

(23)

 

2/

 

При F (I) = Ѵг величина £ = 0.

Таким образом, эмпирическая медиана распределяется асимп­ тотически нормально с параметрами

0,

I

1

(24)

 

 

 

Ф

 

 

 

 

 

(25)

Ф

— Ф

 

 

На рис. 7 приведена кривая распределения собственно случай­ ных погрешностей обработки или измерения, а также кривые рас-

Рис. 7. Зоны рассеивания случайных погрешностей:

a — при законе Гаусса; б рассеивание средних арифметік ческих; в — рассеивание медиан

пределения ряда значений средних арифметических и медиан. Па­ раметр L характеризует действительное значение контролируемого размера или действительное значение среднего (или медианы) слу­ чайных отклонений размеров деталей (это справедливо, разумеет­ ся, при отсутствии систематических погрешностей).

38


При многократном измерении одного и того же размера кривые распределения на рис. 7,6 к в характеризуют отклонения средних арифметических или медиан от действительного значения контро­ лируемого размера. При измерении партии деталей эти кривые ха­ рактеризуют отклонения измеренных средних или медиан от их действительных значений.

Влияние собственно случайных погрешностей измерения можно значительно уменьшить с помощью многократных измерений одной и той же величины. Вместе с тем полностью освободиться от влия­

ния этих погрешностей, очевидно, невозможно, поскольку

величи­

на N имеет конечное значение. Исходя

из

этого,

целесообразно

ввести понятие о следующих трех размерах:

измеренном

(наблю­

даемом), аттестованном и действительном (истинном).

 

 

Под измеренным следует понимать

размер, который возникает

в результате обычных производственных измерений.

Аттестован­

ным можно считать размер, который получается

при

измерении

с наивысшей практически достижимой точностью. Под действитель­ ным размером следует понимать размер, свободный от погрешнос­ тей измерения.

При технических измерениях в машиностроении, в частности при активном контроле размеров, приходится сталкиваться с эмпи­ рическими характеристиками центра группирования, т. е. с практи­ ческими (измеренными) значениями средних или медиан, которые положены в основу понятия об усредненных погрешностях. Таким образом, параметры os и ат характеризуют степень приближения усредненных случайных погрешностей к систематическим.

§ 8. О П Р Е Д Е Л Е Н И Е О П Т И М А Л Ь Н О Г О Ч И С Л А Д Е Т А Л Е Й В В Ы Б О Р К Е

При поднастройке по статистическим параметрам следует опре­ делить количество деталей в выборке N, по которой должно опреде­ ляться среднее или медианное значение выборки размеров.

Так как поднастройка во многих случаях осуществляется в за­ висимости от значения медианы выборки, то представляет интерес определение того, как будет влиять число деталей в выборке N на точность такой оценки, т. е. необходимо оценить равенство

к ^ Х м .

(26)

Задача сводится к определению

точности равенства (26) при

заданной надежности а, представляющей собой

вероятность,

с ко­

торой доверительные границы Хм-—е

и Хм + е

заключают

истин­

ное значение измеряемой величины К.

Следовательно, значение X

должно быть найдено с точностью е и надежностью

а.

 

Доверительные

границы ± е ,

в которых будет

находиться зна­

чение средней

Хм

при различном

числе

деталей

в выборке, можно

определить на

основании теории

ошибок. Доверительные интерва-

39


лы ± е уменьшаются при увеличении числа деталей в выборке. Од­ нако безгранично увеличивать количество деталей в выборке, ра­ зумеется, нельзя. Для нормального формирования подналадочногс импульса число деталей в выборке не должно быть больше величи­ ны - ~ 5 (значение параметров А, В vi а см. в гл. I I I ) . Это объяс-

а

няется тем, что к моменту прихода центра группирования в точку возникновения вероятности подналадочного импульса выборка уже должна сформироваться.

При большом значении числа деталей в выборке N измеритель­ ное устройство становится более сложным и менее надежным. По­

этому задача сводится к определению

оптимального числа

деталей

в выборке N.

 

 

 

 

 

 

 

 

 

Для оценки величины К был

использован критерий Стьюдента,

который в случае нормального распределения деталей в обшей

(ге­

неральной) совокупности

определяется

при выбранной надежности

о следующим образом:

 

 

 

 

 

 

 

 

 

 

 

/. =

і і

^

,

 

 

 

(27)

 

 

 

 

ч

 

 

 

 

 

 

где a y

—среднее

квадратическое

отклонение

медианного

значе­

 

ния;

 

 

 

 

 

 

 

 

 

 

к—истинное

значение измеряемой

величины всех

детален

 

генеральной совокупности;

 

 

 

 

 

Хм — среднее

(медианное)

значение

из Лг

размеров выборки.

При

оценке равенства

(26)

принимаем, что

все измерения

яв­

ляются независимыми, одинаково точными и свободными от посто­ янной систематической погрешности. Кроме того, эти измерения,

рассматриваемые

как

случайные

переменные

величины,

должны

подчиняться нормальному закону

распределения

вероятностей.

а — среднее квадратическое отклонение,

 

 

 

 

 

 

 

Xf

 

 

 

 

 

V

 

N — 1 '

 

 

 

где N — число деталей в выборке.

 

 

 

ta имеет

Дифференциальный

закон

распределения

величины

вид

 

 

 

 

 

 

 

?Ѵ.К)

= -±=-

\ 2

• ( ! +

-£-)

2 .

<28>

 

ѵ

К

т[т)

 

 

 

где К = N 1 — число степеней свободы;

Г (К) —гамма-функция или интеграл Эйлера.

V (К) = 1 ehK-4t.

(29)

40


Выражение (28) представляет собой плотность вероятности в распределении Стьюдента. Это — четная функция, и ее кривая сим­ метрична относительно оси координат. При N—^оо распределение <р (/, К) асимптотически приближается к нормальному закону.

Выражение (28) позволяет определить вероятность неравенства

 

 

- * « < * < М ' « > 0 ) .

 

 

 

(30)

Вероятность а находится из равенства

 

 

 

 

 

 

 

 

 

К

 

 

 

а = P{-ta<t<ta)=

f f(t,

/С)Л =

2 [ < р ( ' ,

К)dt.

(31)

 

 

 

 

ô

 

 

 

Неравенство —ta. <t<

t a , учитывая

выражение (27),

можно пе­

реписать следующим образом:

 

 

 

 

 

 

 

*и-

*.°х < л < А г

м + 4 а г .

 

 

(32)

 

 

M

 

 

M

 

 

 

Полученные

неравенства равносильны

неравенству

(30),

и по­

этому вероятность их такая же, как у равенства (31), т. е.

 

а = Р(Хм-

taaT

< \ < Х М +

U*7

) =

2 Г ср (/,

К)

dt.

(33)

 

 

м

 

м

.!

 

 

 

 

 

 

 

 

0

 

 

 

Выражение (28) показывает, что распределение Стьюдента за­ висит только от переменной і и числа деталей в выборке N. Поэто­ му, когда задана вероятность а, то по таблице распределения Стью­ дента может быть найдено положительное число ta, которое зави­ сит только от а и N.

Следовательно, полагая

 

г = ta о-. ,

 

(34)

 

M

 

 

из равенства (31) получим

 

 

 

а = Р ( Х и - в < \ < Х и +

в).

(35)

Уравнение (35) оценивает приближенное равенство (26) и по­

казывает, что с вероятностью, сколь угодно

близкой к

единице,

можно утверждать, что при достаточно большом числе деталей N

величина Хм

будет как угодно мало отличаться от К.

 

Исходя

из зависимости между доверительными границами ± е

и числом деталей в выборке N, можно построить кривую

е = / {N)

для различных величин параметра іа и надежности а.

 

На основании равенств (27) и (34) имеем

 

 

41


Выразив е в долях о, получим следующее выражение:

где і а — параметр распределения

Стьюдента,

который

находится

по таблицам;

 

 

 

 

 

 

 

N — число деталей в выборке.

 

 

 

 

 

Зависимость между

доверительными

границами

± е

и числом

деталей в выборке при заданной

надежности а = 0,99

представлена

в табл. 2.

 

 

 

 

 

 

 

 

 

 

 

Т а б л и ц а

2

 

 

Значения е в долях а

 

 

 

N

£ в долях a

J

N

s

в долях а

 

 

2

45

 

8

 

1,235

 

 

3

5,72

 

9

 

1,12

 

 

4

2,92

 

10

 

1,030

 

 

5

2,06

 

11

 

0,96

 

 

6

1,65

 

12

 

0,9

 

 

7

1,4

 

 

 

 

 

 

По

данным таблицы

построена

кривая e, = f(N),

представ­

ленная

на рис. 8

пунктирной

линией.

Кривая аппроксимируется

полиномом и-й степени.

Лучшей

аппроксимирующей

функцией

в данном случае

является

гипербола,

уравнение которой имеет

вид

 

 

 

 

 

 

 

 

 

 

s =

a№+bN

+ с

,

(38)

 

 

 

 

 

 

где е выражено в долях а.

Коэффициенты а, b и с определяются из системы уравнений для

точек N, равных 3, 7 и 12:

 

 

 

 

 

9а і - 3 6 - Ь

с = 0,175;

 

]

49а +

7о + с =

0,715;

(39)

144а +

\2Ь + с=

1,12.

)

Решая систему уравнений,

получим:

а = —0,0049; 0 = 0,182;

с = —0,322.

 

 

 

 

 

Подставив значения коэффициентов в

формулу (38), получим

— 0,0049Л-2

+ 0,182Л/ — 0,322

42