Сварка в машиностроении.Том 4 (1041441), страница 110
Текст из файла (страница 110)
В случае наличия несплошности воздух за счет перепада давления поступает в полость камеры; место утечки определяется по пузырькам пенообразуюшего вещества. Манометрический метод контроля герметичности основан на регистрации изменения испытательного давления газа или жидкости вследствие наличия несплошности. Измерительный блок, как правило, реализуется на основе серийных преобразователей давления, которые позволяют получить чувствительность течеискателя 6,65 10 е Вт.
При химическом методе аммиаком ЫНа воздействуют на индикаторные вещества на основе фенолфталеина или азотнокислой ртути, которые изменяют при этом свою окраску. Высокую чувствительность, превышающую чувствительность масс-спектрометрического метода, дает радиационный метод, основанный на регистрации малых количеств радиоактивных жидкостей и газов, проникающих через несплошность. Существует также акустический метод контроля герметичности по акустическим колебаниям воздуха частотой порядка 40 кГц, возникающим при прохождении газа или воздуха через несплошность, а также искровой метод обнаружения течи вакуумных систем по изменению характера высокочастотного разряда, возбуждаемого электродом течеискателя.
Получзют распространение и новые методы контроля герметичности — лазерные газоаналитические, голографические интерференционные, с детекторами электронного захвата, тонкопленочными полупроводниковыми детекторами и т. д. 1. Боровиков А, С. Капилляриые методы дефектоскопии. М., Машинострое~ ае, 1968. 33 с. 2 Карякин А. в., Боровиков А. с. Люминесцентная и цветная дефектоскотис м„машиностроение, 1972.
240 с. 3 приборы для неразруыающего контроля материалов а изделия. Справочник/ Под рея В. В. Клюева. М., Машиностроение, 1978, кн. 1. 392 с. 4. Россошинскнй А. А. Металлография сварных швов. Киев, Машгиз, !96!. 208 с. 5. неразрушюощие методы контроля сварных соединения!С, в. Румянцев, В. А.
доб. ромыслов, О. и, Борисов а др ы., машиностроение, !976. 335 с. В данной главе рассмотрены возможности и пути применения вероятно-статистку ческих методов для решения основных задач управления качеством в сварочном производстве. Даны элементы прикладной математической статистики, спнсон основных обозначений и формул, а также наиболее важные таблицы для вероятностных расчетов. Ряд математических вопросов освещен кратко или только упомянут. В этих случаях можно использовать работы 11 — 3, 7, 9, 11 — 131. Отдельные примеры расчета подробно изложены в работах [4 — 6, 8, 101. Решаемые задачи. Функция контроля качества пассивна — это разделение продукции на годную и негодную (см.
гл. 13). Функция управления качеством активна — это установление, обеспечение и поддержание необходимого уровня качества продукции при ее разработке, производстве и эксплуатации или потреблении путем систематического контроля качества и целенаправленного воздействия на условия и факторы, влияющие на качество (термины по ГОСТ 15467 — 70). Для перехода на производстве к системе управления качеством активные предупредительные функции контроля следует расширять, что возможно только на базе статистических методов.
При этом рассматривают результаты измерений либо как случайные события, либо как случайные величины. Используя вероятностные модели как предмет теории вероятностей и статистическую обработку данных как предмет математической статистики, можно сформулировать и решать следующие основные пять задач управления качеством, актуальных для сварочного производства: статистический анализ; статистическое регулирование качества; вероятностное обоснование планов контроля и норм допустимости дефектов; вероятностная оценка достоверности контроля (подробнее см. 1131). Первые две нз перечисленных задач следует решать систематически на всех участках производства, от цехов до головных отраслевых институтов, где должны анализировать уровень качества по отрасли и разрабатывать меры оптимизации качества.
Последние три задачи должны решать главным образом головные технологические институты совместно с производством при освоении новых изделий и технологических процессов. ЭЛЕМЕНТЫ ПРИКЛАДНОЙ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ Статистические распределения. Случайные события отражают результаты испытаний только по альтернативному (качественному) признаку, с оценкой да — нет (годен — негоден).
Случайные величины отражают количественные результаты испытаний или измерений. При оценке качества используют следующие основные обозначения, понятия н формулы: Р (х), р, Вер — вероятность; т р (А) = — — статистическая вероятность события А как устойчивая и частота т его появления из общего числа я произведенных опытов; 'у — доверительная вероятность (обычно величина, близкая к единице)! а = 1 — у — уровень значимости (обычно а (( 1); Статистические методы управления качеством Элементы прикладной математической статистики Х вЂ” случайная (переменная) величина, которая в результате опытов может принять разные, заранее неизвестные значения х = х) в пределах определенного интервала; Л) — объем генеральной совокупности или партии величин х, объединенных каким-либо общим признаком; и — объем выборки, взятой в заданном порядке из генеральной совокупности или партии У; М М (Х) = тх =а~ Х; Х = ~) х;р; — математическое ожидание (м.
о.) случайной величины и формула для среднего в генеральной совокупности Л) дискретных величин; 1 %Ъ (Х) = Х = х; х — '~ х) — эмпирическое (выборочное) среднее арифа ~~1 метическое значенив (хл нли х*) по п опытам; М О (Х) = О, О = аа) а' = — '~ (х, — Х)' — генеральная дисперсия ф М 2 2 1»ь» «12 О = Ох = Бх 6 = — р (х — х), — эмпирическая дисперсия (для п>ЗО); Л ! 6* =- ~/ (х) — х)2 — эмпирическое(выборочное) квадратичное отклои — 1 нение — «исправленное» для и ~ 30; гр, )р — квантили нормального распределения (г) и распределения Стьюдента (1), соответствующие вероятности р и измеряемые числом квадратичных отклоне- ний от « = — О до « = 2 или х = 1; О, 6 о= =, и' == — коэффициенты вариации — генеральный и выборочный; Х х О О' о 6 Р- = — = —; о- = = ж — — дисперсия и квадратичное отклонение среднего арифметического; )' (х) = Вер !Х ( х 3; Г' (х) = г" (х) — теоретическая функция г' (х) распре- деления вероятностей случайной величины и ее эмипирическое значение г' («); ( (х) = г' (х); ) «(х) ж ) (х) — плотность распределения (теоретическая и эмпирическая) вероятностей случайной величины; Г (х~у); ~ (у/х) — условные распределения для «при данном у (и наоборот,', г = г«в — коэффициент корреляции, характеризующий тесноту связи ве- личин Х вЂ” 1', ее~ = ав е' 1 — 㻠— квадратичное отклонение значений от линии регрессии; р, а — риски потребителя и поставщика, 7' 7х = 1 — (а+ ٠— условная достоверность выборочного контроля; хр, х«« — вероятности недобраковки и перебраковки.
В приведенных обозначениях термин среднее квадратическое отклонение сокращен как квадратичное отклонение. Отдельные понятия обозначены одно. временно несколькими символами для удобства их написания в формулах и с уче- том облегчения использования специальной литературы. Если в совокупности случайных величин появление 1-х значений происходит с частотой т, ) 1, то в формулах для х, о, » вводят множитель т,. Индекс х в обозначениях и формулах для ох, ех, тх и других> как правило, для краткости опускается. Статистическим распределением называют зависимость между возможными значениями х х) случайной величины Х и вероятностями р (х) их появления (табл.
1). Распределение прерывной случайной величины Х изображают как ряд распределения, т. е. как таблицу, где геречислены возможные значения х, н соответствующие им вероятности р). Х«) Х1 «»... ХЛ ! Р«2' ' ' Л Наглядным представлением ряда служит многоугольник распределения в координатах р; — х;. Для непрерывных случайных величин модель распределения используют в интегральном и дифференциальном видах.
Интегральный вид модели или функция распределения г' (х) — это зависимость вероятности события (Х < «) от текущей переменной х. Производную функции распределения 1 (х) = г' (х) называют плотностью распределения или плотностью вероятности. Тогда г" (х) = Вер !Х < «) = ~ ~ («) с(х. В пределах от — со до+со интеграл, описывающии всю площадь под кривой ) (х), равен единице: Числовые характеристики. Законы распределения служат полной, исчерпывающей характеристикой случайных величин !7), Но для практики часто нет необходимости описывать случайную величину полностью, исследуя функции г" (х), ) (х) илн ряд распределения. Бывает вполне достаточно знать только существенные черты — числовые характеристики распределения (какое-то среднее значение, степень разбросанности этих значений и т. д.).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
