Файл: Гром, В. П. Экспресс-анализ данных сдаточных испытаний судов с помощью бортовой ЭЦВМ.pdf

честію приборов, устройств и систем. Программы их испытаний взаимосвязаны. Программа комплексных испытаний судна должна

обеспечить их проведение в минимальные сроки. Однако процесс

испытаний судов в значительной мере носит случайный характер

вследствие отклонений некоторых параметров от номиналов, по­

грешностей и ошибок замеров, отдельных отказов и выявленных дефектов, погодных условий и самых непредвиденных обстоя­

тельств.

Взависимости от текущих результатов испытаний должны при­ ниматься решения об изменении программы, продолжении, завер­

шении или прекращении испытаний. При этом одна из трудностей состоит в сложности обобщения и анализа больших объемов инфор­

мации о результатах испытаний всех устройств судна и установле­

нии их соответствия конечным целям и задачам испытаний.

Внастоящее время эта проблема часто решается ужесточением

норм и требований, расширением и избыточностью программ испы­

таний и упрощением за счет этого алгоритмов принятия решений по

отдельным устройствам, а также увеличением численности сдаточ­ ной команды. Все эти пути ведут к увеличению продолжительности, трудоемкости и стоимости испытаний. C увеличением тоннажа

судов, а главное — с насыщением их все более сложным оборудова­

нием они становятся все менее эффективными. В этих условиях

представляются бесспорными целесообразность и назревающая

необходимость машинного экспресс-анализа результатов испытаний

входе их проведения.

Обработка и анализ с помощью ЭЦВМ испытательной инфор­ мации в ходе сдаточных испытаний судна сделает более эффектив­

ным управление испытаниями. Обработка на ЭЦВМ результатов

теплотехнических, прочностных и других измерений, данных о нара­ ботках, отказах и выявленных дефектах позволит представлять их в обобщенной форме, сопоставимой не только с определяемыми

величинами, но и с точностями и достоверностями их определения и

подтверждения. Машинный анализ позволит осуществлять такое

сопоставление и составлять наиболее рациональные планы даль­

нейшего ведения испытаний.

Сопоставление результатов сдаточных испытаний с результа­

тами швартовых (и ходовых, если таковые не совмещены со сдаточ­

ными) испытаний тех же устройств еще более повысит эффектив­

ность и объективность решений. Такой анализ также может быть

выполнен с помощью бортовой (или доставляемой на борт) ЭЦВМ.

В период нормальной эксплуатаций по тем же алгоритмам возмо­

жен контроль технического состояния механизмов и. устройств.

Сформулируем основные требования, которым должна удовле­

творять методика экспресс-анализа данных сдаточных испытаний

судов в ходе их проведения.

Входная информация, представляющая собой результаты испы­ таний отдельных механизмов и устройств, независимо от формы ее исходного представления, должна достаточно просто приводиться

путем кодирования к единой форме исходных данных для программ

9

ЭЦВМ. Результаты расчетов должны представляться также едино­ образно для дальнейшего использования.

Таким требованиям отвечают существующие методы статисти­

ческой обработки и анализа. Однако их применение к экспресс-

анализу данных сдаточных испытаний судов в ходе их проведения заструднено тем обстоятельством, что известные статистические методы не приспособлены к выполнению уточняющих, «направляю­ щих» расчетов при малом исходном объеме данных. Статистические

методы, как правило, служат выполнению обобщающих, резюми­

рующих расчетов в условиях достаточно больших объемов данных.

При малых объемах данных они применяются вынужденно, но

также в плане обобщения результатов наблюдения.

Разработанные методики статистического анализа и- расчета по

малым объемам данных исчерпали все возможности классических методов математической статистики, построенных на предельных и

асимптотических зависимостях и соотношениях. В последние годы

появились сообщения о математических методах статистики, созда­

ваемых на основе метода статистического моделирования (метод Монте-Карло). Нами предлагается именно такой метод, который

может явиться основой дальнейшего развития статистических мето­

дов исследований. Изложена методология применения этих мето­ дов, которая обеспечивает решение задач типа последовательного анализа при минимальном объеме исходных данных.

Здесь не ставится задача комплексного рассмотрения вопросов

анализа данных сдаточных испытаний. В объеме брошюры это и

невозможно. Напротив, предлагаемая методика должна служить

расчленению процесса анализа на отдельные этапы с формализа­

цией выводов и результатов каждого этапа. Алгоритмы методики должны исключать возможность получения формально обоснован­

ных ошибочных выводов и результатов на соответствующем ей

этапе анализа и обеспечивать неразрывность контроля точности и

достоверности при переходе к следующему этапу — расчетам ком­

плексных и составных показателей, синтезу, анализу и обоснованию технических и организационных решений. Алгоритмы методики составлены безотносительно источника и природы исходных дан­

ных— являются ли они данными испытаний, эксплуатации или же результатами измерений, наблюдений, предварительной обработки данных. Они могут быть применены и апробированы в различных областях науки и техники.

Машинные программы реализации алгоритмов методики на

ЭЦВМ «Минск-22» были составлены и апробированы на ВЦ ЦПКТБ «Севрыба» (г. Мурманск). В’ настоящее время методика внедряется на предприятиях различных отраслей промышленности (МРХ, ММФ СССР и др.).

Разработка на ее основе более узконаправленной методики ста­ тистического анализа и специальной системы машинных программ для проведения экспресс-анализа данных сдаточных испытаний

судов с помощью бортовой (или доставляемой на борт) ЭЦВМ яви­

лась бы началом работ по созданию методов оперативного теку-

10

utero анализа технического состояния судов. Проведение исследова­

ний в этом направлении внесет значительную ясность как в области технической политики по созданию судовых систем автоматического

управления и бортовых ЭЦВМ, так и перспективных путей органи­ зации контроля и анализа технического состояния судов.

Многочисленные примеры использования береговых ЭЦВМ для учета и контроля технического состояния судов у нас в стране и за

рубежом демонстрируют большие возможности ускорения анализа многочисленных сведений и оперативном решении вопросов улуч­ шения технического состояния в короткие междурейсовые периоды. Экономическая целесообразность таких работ общепризнана.

Эффективность их будет повышаться по мере роста численности флотов и насыщения судов более сложным оборудованием.

Оперативный текущий анализ технического состояния судов

с помощью бортовых ЭЦВМ позволит решительнее и в то же время

более обоснованно увеличивать межремонтный период эксплуата­

ции судов. В настоящее время, например, существует большой раз­ рыв между регламентируемыми периодами (1—2 года) и обяза­

тельствами передовых экипажей (до 6 лет). Эксплуатация такого судна, по существу, тоже является сдаточными испытаниями на надежность и долговечность судовых механизмов, устройств и си­

стем. Постоянный контроль и анализ технического состояния с помощью бортовой ЭЦВМ повысил бы не только безопасность

эксплуатации судна, но и практическую ценность результатов экс­ перимента.

§ 2. Некоторые вопросы и понятия статистического анализа малых выборок. Требования к аппарату экспресс-анализа

Для статистического анализа малых выборок в настоящее время

применяют весьма различные методы и приемы. Большинство из

них представляют собой самостоятельные направления развития

математической статистики и имеют свои, можно сказать, тради­

ционные сферы приложения, им посвящена обширная литература.

Основаны они, как правило, на предельных и асимптотических соот­

ношениях. Применение таких методов к анализу малых выборок

осуществляется с большим количеством оговорок и ограничений качественного характера, а иногда даже и без таковых, что отнюдь не повышает ценность результатов.

Разработаны также отдельные приемы анализа малых выборок

(специальные), но они являются эмпирическими, полуинтуитив­ ными, и ни в какой мере не претендуют на общность. В настоящем

параграфе кратко охарактеризованы некоторые. такие методы и

приемы, описаны их взаимосвязь и взаимодействие, перечислены и интерпретированы некоторые понятия.

Предлагаемая интерпретация не является общепринятой и имеет

целью лишь подчеркнуть и разграничить некоторые особенности, обратить внимание на необходимость их учета при проведении ста­

11

тистических исследований. Этой же цели служит и категоричность

отдельных высказываемых положений.

Прежде всего, следует различать понятия статистического ана­

лиза и статистической обработки данных. Статистический анализ

имеет целью получение информации о наблюдаемой случайной

величине, статистическая обработка данных — представление их в виде, удобном для восприятия и дальнейших исследований.

Примером методов статистической обработки может служить

аппроксимация выборочных распределений и статистических зави­

симостей. Путем аппроксимации возможно описание форм кривых плотностей вероятностей и функций распределения любых других статистических зависимостей.

Однако методы аппроксимации не дают количественных оценок

степени соответствия истинных и аппроксимирующих распределе­

ний и зависимостей и отнюдь не гарантируют в общем случае того,

что, например, сглаживание улучшает, а не ухудшает соответствие

истинных зависимостей или распределений с их описаниями. Напри­ мер, выдвижение гипотезы о законе распределения наблюдаемой

случайной величины, по существу, уже является аппроксимацией

(или попыткой таковой) полученного эмпирического распределения

некоторой типовой кривой.

Сама гипотеза о законе распределения может быть сформули­

рована путем задания аппроксимирующей кривой произвольного вида, отвечающей лишь минимальным ограничениям, (неотрица­ тельные вероятности отдельных событий и равенство единице веро­ ятности полной группы событий). Всякая же гипотеза должна быть

проверена, проанализирована.

Таким образом, статистическая аппроксимация, как правило,

может служить первой или промежуточной стадии статистического исследования. Характерный пример — аппроксимация кривыми Джонсона, описанная в работе [16].

Оценивание математического ожидания, дисперсии и последую­ щих моментов аналогично аппроксимации в том отношении, что служит также описанию наблюдаемых случайных величин"и не дает количественных оценок степени соответствия. Доверительные интер­

валы для среднего значения оцениваются в предположении того или иного типового закона распределения, и полученные таким образом

оценки справедливы постольку, поскольку справедливы сделанные предпосылки. Следует еще раз подчеркнуть, что речь идет о малых выборках, но границы большой и малой выборки на все случаи

установить, очевидно, невозможно.

Для примера сравним результаты оценки доверительных интер­

валов для среднего значения случайной величины, распределенной по экспоненциальному закону, вычисленные приближенно, исходя из приближенно нормального распределения оценки среднего, и точно.

Предположим, что имеется следующая выборка (целочисленные

значения взяты для простоты вычислений): 1, 1, 1, 1, 1, 1, 1, 2, 2, 2,

2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 6, 7, 9; N = 24.

12