- •Основы статистической обработки результатов измерений отдельных деталей
- •13. Исходные термины и определения
- •14. Способы измерений
- •15. Методы измерений
- •16. Основные правила обработки результатов прямых измерений
- •19. Основные (первичные) понятия теории вероятности, используемые для анализа точности обработки и контроля
- •23. Использование законов распределения случайных величин
- •24. Закон распределения Гаусса
- •25. Основы статистического анализа результатов измерений партии деталей
- •26. Построение гистограмм и полигонов распределения
- •Значения коэффициента Стьюдента tg
- •29. Критерий оценки промахов
- •31. Определение количества вероятного брака деталей
23. Использование законов распределения случайных величин
Законы распределения широко используются для управления параметрами ТП с тем, чтобы обеспечить показатели качества деталей в заданных пределах. С их помощью определяют запас надежности TII для обеспечения обработки деталей без брака. Они помогают рассчитать процент вероятного брака, определить количество деталей, требующих дополнительной обработки, позволяют сопоставить точность обработки на различном оборудовании, оснастке, инструменте, проводить настройку станков, комплектовать детали для сборки. По виду кривых распределения можно судить о наличии сильнодействующих факторов в процессе и наметить пути управления ТП. С их помощью организуют процесс технических измерений, определяют количество деталей из партии, подлежащих измерениям (как говорят, "объем выборки") и периодичность измерений, оценивают "риск производителя" (когда ошибочно бракуют годные изделия) и "риск потребителя" (когда ошибочно принимают бракованные детали как годные), определяют погрешности измерений.
Вид кривой распределения (закон распределения) случайной величины зависит от природы и условий образования этой величины. На практике часто встречаются следующие законы (рис. 2): а) закон Гаусса (нормального распределения) — описывает, в частности, рассеяние размеров в партии деталей средней точности (12...9 квалитетов), а также погрешность результатов измерений; б) закон равнобедренного треугольника (закон Симпсона) — при обработке с точностью 6...8 квалитетов; в) закон равной вероятности — при обработке высокоточных деталей (4...5 квалитет); г) закон эксцентриситета (закон Релея) — при обеспечении допусков расположения (биения, параллельности, перпендикулярности и др.); д) показательный закон — при оценке надежности работы изделий; е) различные комбинации этих законов и др.
24. Закон распределения Гаусса
Закон распределения Гаусса имеет место, когда случайная величина (например, размер после обработки, измеренный размер и др.) является функцией большого числа независимых равнозначных факторов. Нормальное распределение имеет вид
где тx и sх — математическое ожидание и среднее квадратическое отклонение соответственно. График плотности вероятности нормального распределения показан на рис. 3, а, а интегральная функция распределения — на рис. 3, б. Кривая распределения одномодальна и симметрична относительно вертикали, проходящей через абсциссу тx = a0, достигает в ней максимума. При изменении значения тx кривая смещается вдоль оси х без изменения формы. С ростом значения sx кривая "прижимается" к оси х, растягиваясь
вдоль нее, т.е. становится более пологой. При уменьшении sx кривая становится более "острой", т.е. все значения х группируются вокруг значения тх. Вероятность попадания х в заданный интервал
(a, b) при нормальном распределении легко рассчитывается с помощью табулированной функции Лапласа Ф (Z) (приложение 1) по формуле
где Zb и Za — аргументы функции Лапласа, Zb = (b – тx )/sx. и Za = (а – тx )/ sx, а сами значения функции находят по справочным
таблицам для этих аргументов. Это свойство часто используется для расчета вероятного брака при выходе за границы заданного интервала, который можно рассматривать как заданное поле допуска параметра изделия.
В частности, предельное отклонение со нормально распределенной случайной величины Х равно ± 3 sx или w = б sx. Аналогичные параметры распределения известны и для других законов распределения. Однако все они являются теоретическими
(идеальными) и характеризуют генеральные совокупности случайных величин. На практике эти параметры не известны, но их можно оценить по результатам наблюдений (измерений) отдельных значений случайных величин, так или иначе выбранных из генеральной совокупности. Поэтому эти оценки называют выборочными. Их точность тем выше, чем больше объем выборки (число наблюдений).