Москва, #### г.

1 Цели и задачи выполняемой научно-исследовательской работы

1.1 Целью выполняемой научно-исследовательской работы (НИР) является разработка научно-обоснованных предложений по совершенствованию защиты от воздействия электромагнитных излучений на персонал работающий с ПЭВМ.

1.2 В рамках обозначенной цели научно-исследовательской работы должны быть решены задачи по проведению сбора, обобщению и анализу информации о современных способах защиты от электромагнитного излучения генерируемого ПЭВМ, а также осуществлены экспериментальные испытания по определению наиболее эффективного из этих способов.

2 Сроки и этапы выполнения работы

Срок выполнения НИР – 120 календарных дней с даты получения задания.

Работа выполняется в три этапа:

- 1 этап: Сбор информации о современных способах защиты от электромагнитного излучения генерируемого ПЭВМ.

Срок выполнения этапа – не более 11 календарных дней с даты получения задания;

- 2 этап: Обобщение и анализ полученной на первом этапе информации, выделение наиболее перспективных современных способов защиты от электромагнитного излучения генерируемого ПЭВМ. Постановка и проведение экспериментов по определению наиболее эффективного из выделенных способов.

Срок выполнения этапа – не более 45 календарных дней с даты получения задания;

- 3 этап: Обработка и анализ полученной экспериментальной информации, составление на ее основе научно-обоснованных рекомендации по выбору способа (или их комбинации) защиты персонала от электромагнитного излучения генерируемого ПЭВМ.

Срок выполнения этапа – не более 120 календарных дней с даты получения задания.

3 Исходные данные

При проведении работы должны учитываться:

- СанПиН 2.2.2/2.4.1340-03 «Гигиенические требования к персональным электронно-вычислительным машинам и организации работы»;

- СанПиН 2.2.2/2.4.2620-10 «Гигиенические требования к персональным электронно-вычислительным машинам и организации работ» Изменения N 2 к СанПиН 2.2.2/2.4.1340-03;

- Р 2.2.2006-05 «Руководство по гигиенической оценке факторов рабочей среды и трудового процесса. Критерии и классификация условий труда»;

- ГОСТ 12.1.006-84 «Система стандартов безопасности труда. Электромагнитные поля радиочастот. Допустимые уровни на рабочих местах и требования к проведению контроля»;

- СанПиН 2.2.4.0-95 «Гигиенические требования при работе в условиях воздействия постоянных магнитных полей».

Исходными данными для выполнения работы должны стать:

Экспериментально полученные Исполнителем сравнительные характеристики современных способов защиты от электромагнитного излучения генерируемого ПЭВМ.

4 Содержание работы

4.1 Достижение поставленной цели НИР должно быть осуществлено посредством:

- проведения анализа современных способов защиты от электромагнитного излучения и выделения группы наиболее перспективных из них;

- экспериментальных исследований эффективности выделенных способов защиты от электромагнитного излучения и производства сравнительной оценки эффективности этих способов со стоимостью их осуществления;

- разработки научно-обоснованных рекомендаций по оптимизации защиты персонала от воздействия электромагнитного излучения .

4.2 При выполнении НИР должен быть получен отчет о НИР, содержащий:

4.2.1 результаты исследования эффективности современных способов защиты от электромагнитного излучения;

4.2.2 научно-обоснованные предложения по оптимизации защиты персонала от воздействия электромагнитного излучения.

4.2.3 обобщение полученных результатов научно-технической проблемы, исследуемой в рамках НИР.

5 Предложения по внедрению (использованию) созданных результатов

Научно-обоснованные предложения по оптимизации защиты рабочего места от воздействия электромагнитного излучения позволят снизить вероятность развития у персонала дегенеративных процессов центральной нервной системы и общего ослабления иммунитета.

6 Требования к представлению результатов работ

Результаты работы представляются Заказчику в виде отчетных материалов и актов сдачи-приемки работ в печатном виде, а также в электронной версии на оптическом носителе, выполненной в программной среде не ниже уровня Word 2003 и совместимых форматах. Отчетная документация оформляется в соответствии с ГОСТ 7.32-2001.

КАЛЕНДАРНЫЙ ПЛАН

на выполнение научно-исследовательской работы

по теме: «Оптимизация защиты от электромагнитного излучения рабочих мест пользователей ПЭВМ»

№ п/п	Наименование НИР	Этапы НИР	Сроки выполнения НИР
			начало	окончание
1	2	3	4	5
	Оптимизация защиты от электромагнитного излучения рабочих мест пользователей ПЭВМ		С даты получения задания	Не позднее 120 календарных дней с получения задания
1 этап		Сбор информации о современных способах защиты от электромагнитного излучения генерируемого ПЭВМ	С даты получения задания	Не позднее 11 календарных дней с получения задания
2 этап		Обобщение и анализ полученной на первом этапе информации, выделение наиболее перспективных современных способов защиты от электромагнитного излучения генерируемого ПЭВМ. Постановка и проведение экспериментов по определению наиболее эффективного из выбранных способов.	Не позднее 12 календарных дней с получения задания	Не позднее 45 календарных дней с получения задания
3 этап		Обработка и анализ полученной экспериментальной информации, составление на ее основе научно-обоснованных рекомендаций по выбору способа (или их комбинации) защиты персонала от электромагнитного излучения генерируемого ПЭВМ.	Не позднее 46 календарных дней с получения задания	Не позднее 120 календарных дней с получения задания

Заказчик: Аспирант кафедры «Физико-технический контроль процессов горного производства» ___________________ Е.А. Новиков (подпись)

Исполнитель: Исполняющий обязанности руководителя звена № # группы ##-#-## ___________________ Username (подпись)

Приложение В

Пример оформления титульного листа отчета о НИР

Министерство образования и науки Российской федерации

ФГБОУ ВПО «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ГОРНЫЙ УНИВЕРСИТЕТ»

Кафедра «Физико-технический контроль процессов горного

производства»

УДК ***.***.*** ЗАЩИЩЕНО

_______________________

(должность)

____________ Е.А. Новиков

(подпись, дата)

Курсовой проект

по дисциплине «Метрология, стандартизация и сертификация»

ОТЧЕТ

О НАУЧНО-ИССЛЕДОВАТЕЛЬСКОЙ РАБОТЕ

по теме:

Оптимизация защиты от электромагнитного излучения рабочего места пользователя ПЭВМ

Ответственный исполнитель, студент группы ##-#-##	_________________ подпись, дата	Е. В. Петров
Нормоконтролер, студент группы ##-#-##	_________________ подпись, дата	Т. Д. Кузнецов

Москва ####

Приложение Г

Пример оформления списка исполнителей НИР

Список исполнителей

Ответственный исполнитель, студент группы ##-#-##	_________________ подпись, дата	Е. В. Петров (общее руководство и организация НИР на всех его этапах, проведение анализа)
Нормоконтролер, студент группы ##-#-##	_________________ подпись, дата	Т. Д. Кузнецов (проверка отчета о НИР на соответствие действующим нормативным документам)
Исполнители работы, студенты группы ##-#-##
«Проявите фантазию»	_________________ подпись, дата	Х. З. Имярек (придумайте сами)
«Проявите фантазию»	_________________ подпись, дата	Х. З. Имярек (придумайте сами)

Приложение Д

Пример оформления графической иллюстрации и таблицы

На рисунке 2 приводится кривая амплитуды первого вступления (АПВ) пронормирована по отношению к А₀ - значению АПВ при температуре Т=40 ^оС, т.е. в начале области А.

Рисунок 2 - Графики зависимости активности термоакустической эмиссии , температуры образца Т_обр, относительной амплитуды первого вступления ультразвукового сигнала от температуры печи Т_печи

/********/, то полученное по ТАЭ процентное соотношение близко к значениям вещественного состава исследуемого образца, определенным стандартным способом и приведенным в табл. 1.

Таблица 1 – Усредненный и диагностируемый по термоакустической эмиссии вещественный состав исследуемых образцов гранита

Условный тип гранита	Усредненный вещественный состав, %			Диагностируемый по ТАЭ вещественный состав, %
	Слюда (биотит)	Кварц	Ортоклаз	Слюда (биотит)	Кварц	Ортоклаз
1	2	3	4	5	6	7
1	15	30	55	17	31	51
2	2	67	31	0	65	35
3	5	49	46	0	58	42
Продолжение таблицы 1
1	2	3	4	5	6	7
4	2	59	39	0	75	25
5	22	52	26	28	54	18
6	3	33	64	0	26	74
7	4	32	64	0	17	83

Перечень рекомендуемых научных ресурсов

1. eLIBRARY.RU - крупнейший российский информационный портал в области науки, технологии, медицины и образования. На платформе eLIBRARY.RU доступны электронные версии российских научно-технических журналов, журналов зарубежных издательств, создается национальная информационно-аналитическая система РИНЦ (Российский индекс научного цитирования). Для работы необходима персональная регистрация. ФГБОУ «Московский государственный горный университет» заключил лицензионное соглашение об использовании ресурсов Научной электронной библиотеки (eLIBRARY). Все сотрудники, студенты, аспиранты и докторанты университета получают автоматический бесплатный доступ к ресурсам библиотеки на русском и английском языках после прохождения процедуры регистрации на сайте библиотеки www.elibrary.ru и при условии входа в библиотеку с IP адресов МГГУ;

2. Google Scholar - поисковая система по научной литературе. Включает статьи крупных научных издательств, архивы препринтов, публикации на сайтах университетов, научных обществ и других научных организаций. Ищет статьи в том числе и на русском языке. Что не маловажно, рассчитывает индекс цитирования публикаций и позволяет находить статьи, содержащие ссылки на те, что уже найдены;

3. Scirus - универсальная научная поисковая система. Осуществляет полнотекстовый поиск по статьям журналов большинства крупных иностранных издательств (порядка 17 млн. статей), статьям в крупных архивах статей и препринтов, научным ресурсам Internet (более 250 млн. проиндексированных страниц). Многократно признавалась лучшей специализированной поисковой системой. Имеется возможность установить браузерную панель Scirus. Это позволит вам осуществлять поиск в Scirus'е прямо из браузера, быстро перемещаться между результатам поиска по разным запросам, подсвечивать на найденных страницах слова из поисковых запросов. Увидев интересный научный сайт, вы можете нажатием одной кнопки предложить занести его в индекс этой поисковой системы;

4. Science Research Portal - научная поисковая система, осуществляющая полнотекстовый поиск в журналах многих крупных научных издательств, таких как Elsevier, Highwire, IEEE, Nature, Taylor & Francis и др. Ищет статьи и документы в открытых научных базах данных: Directory of Open Access Journals, Library of Congress Online Catalog, Science.gov и Scientific News;

5. ГИАБ (www.giab-online.ru) - Горный информационно-аналитический бюллетень (научно-технический журнал) включает в себя статьи по вопросам горного дела и смежных отраслей (геология, строительные технологии, нефть и газ, энергетика, экология, машиностроение, экономика, горное право, физика, математика и пр.), доклады на конференциях и симпозиумах, обзоры по защищенным диссертациям, аннотации и рецензии на новые книги, близкие журналу по тематике, а также публицистические, исторические и литературные материалы. Освещает работу ежегодного симпозиума «Неделя горняка».

Приложение Е

Пример обзора современного состояния научных исследований в области изучения влияния внешних факторов на деформационных свойств геоматериала

Согласно определению [1] деформационные свойства горных пород есть свойства, характеризующие их деформируемость под нагрузками. Эти нагрузки могут быть вызваны воздействием многочисленных факторов: гравитационных сил, тектонических напряжений, температуры, порового давления и т. п. Отдельные факторы действуют длительное время, другие — довольно короткое. Под воздействием напряжения и температуры горные породы деформируются. Исследования деформационно-прочностных свойств горных пород зачастую проводятся лабораторными методами [2]. Существуют различные виды испытаний: сжатие, растяжение, кручение, изгиб. Наиболее распространенным является испытание на осевое сжатие в условиях различных давлений и температур. Испытываются сухие, естественно-влажные, насыщенные жидкостями горные породы, в том числе при изменяющемся поровом давлении. Известны исследования при различных скоростях нагружения или деформаций [3,4]. Нормативным документом, регламентирующим приведенные способы исследования деформационных свойств является ГОСТ 28985-91 [5].

Говоря о задаче определения деформационных свойств геоматериала, нельзя не упомянуть о возможности получения этой информации посредством сейсмоакустического метода, что показано в [6]. Так же в этой работе большое внимание уделено анализу и обобщению основных закономерностей изменения упругих и деформационных параметров с удалением от дневной поверхности в глубь массива, вдоль склона, вокруг горных выработок, в зонах тектонических нарушений. На практических примерах показано влияние на упругие и деформационные характеристики горных пород, их трещиноватости, неоднородности и анизотропности.

Наиболее характерным примером использования собранной информации о деформационных свойствах геоматериала (без учета способа ее получения) является прогнозирование процессов деформирования и разрушения горных выработок и массивов горных пород при интенсивной подземной добыче полезных ископаемых, а так же расчет и проектирования обделок гидротехнических и транспортных тоннелей. Таким образом, исходя из вышесказанного можно заключить, что в настоящее время существует значительная приборная и методологическая база позволяющая с высокой долей достоверности определять деформационные характеристики различных типов геоматериала. Помимо этого собран значительный объем знаний о способах применения этой информации для той или иной породы касательно задач горного дела. Однако, деформационные свойства гипса, как строительного материала не были рассмотрены в должной мере. При этом значение гипса для строительной отрасли огромно [7]. Так материалы на основе гипса являются негорючими и огнестойкими, они не содержат токсичных компонентов и веществ. Имеют кислотность, аналогичную кислотности кожи человека, совершенно не имеют запаха и являются диэлектриком. Все изделия из гипса обладают высокой парогазопроницаемостью. Помимо этого гипсовые пазогребневые плиты устойчивы к воздействию процессов гниения и насекомых, что особенно актуально для болотистых местностей. Широкому распространению на указанных территориях строительства с применением изделий на основе гипса мешает только отсутствие данных о воздействии колебаний температуры и влажности на деформационные свойства этого материала.

В связи с изложенным, в настоящей работе ставится задача создания представительной базы данных о деформационных свойствах гипсосодержащих материалов при различной влажности и температуре окружающей среды. А так же проведения анализа полученной информации с целью выдачи научно-обоснованного заключения о возможности использования гипсосодержащих материалов в регионах характеризующихся повышенной влажностью и значительными суточными колебаниями температур.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ (к Приложению Е)

1 Большая советская энциклопедия, Москва, "Советская энциклопедия" 1971

2 Карташов Ю. М. Прочность и деформируемость горных пород / Ю. М. Карташов, Б. В. Матвеев, Г. В. Михеев и др. М.: Недра, 1979. - 269 с.

3 Кольский Г. Исследование механических свойств материалов при больших скоростях нагружения // Механика. — 1950. — Вып.4. — С.108—119.

4 Каталог механических свойств горных пород при широкой вариации видов напряженногосостояния и скорости деформирования /А.Н. Ставрогин, Е.Ю. Семенова, В.Ф. Авксентьева, Е.Д. Певзнер, А.Т. Карманский, Е.В. Лодус, О.А. Ширкес. Ленинград: ВНИМИ, 1976. 171 с.

5 ГОСТ 28985-91. Породы горные. Метод определения деформационных характеристик при одноосном сжатии : утв. постановлением Госстандарта СССР от 1991-04-24.

6 Савич А.И., Ященко З.Г. Исследование упругих и деформационных свойств горных пород сейсмоакустическими методами. — М.: Недра, 1979. — 214 с.: табл. 27, ил. 80.

7 Применение гипса в строительстве. Электронный документ. (http://www.geogips.ru/file_archive/primenenie_gipsa_v_stroitelstve/) Проверено 05.10.2011.

Приложение Ж

Пример описания установки и условий измерительного эксперимента

В настоящее время необходимую информацию о нарушенности горных пород (особенно мелкомасштабной), получают в основном методами микроскопии на шлифах или рентгенографии. Эти методы характеризуются высокой чувствительностью и разрешающей способностью. В то же время они не лишены недостатков. Так оптический метод с использованием микроскопии характеризуется высокой трудоемкостью проведения измерений, весьма высокими требованиями к качеству образцов, невозможностью уверенного выявления дефектов структуры с линейными размерами менее 5 мкм [1]. Кроме того он позволяет получать искомую информацию только с поверхности образца. Рентгенографический метод позволят выявлять более мелкие дефекты (от 0,02 мкм), однако его применение сопряжено со значительными материальными затратами, трудоемкостью и повышенным риском здоровью оператора [2].

Использовавшаяся в настоящей НИР установка позволяет давать интегральную оценку как поверхностной, так и внутренней структурной нарушенности образца. Причем, вклад в такую оценку будут давать, как относительно крупные дефекты, так и сопоставимые по размерами с дислокациями. Работа с данной установкой, реализующей термоакустоэмиссионные измерения [3] и конструктивно относительно простой является безопасной для персонала. Кроме того значительное преимущество настоящей установки составляет возможность единовременно испытывать сразу несколько образцов при отсутствии потери качества отдельного измерения.

Блок-схема описываемой установки представлена на рисунке 1.

Основным элементом установки является жидкостный термостат 1 (показан разрез нагревательной полости 2 этого термостата). Термостат позволяет производить нагрев геоматериала от комнатной температуры до 250 ^оС, в качестве теплопередающей жидкости 3 могут быть использованы любые вещества, сохраняющие текучесть при заданной температуре и не имеющие опасности воспламенения при этой температуре (например, дистиллированная вода или силиконовое масло и др.). Помимо этого, имеется возможность выдержки образцов на любой доступной, в рабочих пределах, температуре в течение длительного периода времени (более 6 часов) с точностью ±0,5 градуса. Контроль соответствия температуры нагревательной камеры термостата температуре, заданной оператором, производится с помощью термометра ртутного стеклянного 4, поверенного в соответствии ГОСТ 29224-91 (ИСО 386-77).

Рисунок 1 - Блок-схема установки для проведения термоакустоэмиссионных измерений направленных на оценку нарушенности образцов геоматериала

В случае недостаточного количества жидкости в нагревательной полости термостата или перегрева мотора происходит автоматическое отключение нагревательного органа, и воспроизводится соответствующее контрольное уведомление, указывающее о причинах отключения, что уменьшает вероятность выхода из строя оборудования и позволяет оператору быстро выявить и устранить неисправность.

В ходе апробации описываемой установки на образцах гранита, мрамора и известняка, взятых с различных месторождений показана высокая сходимость получаемых при многократных измерениях результатов, а также качественная сходимость с результатами оценки нарушенности методами микроскопии и рентгенографии.

Измерения на предлагаемой установке предъявляют следующие требования к подготовке образцов: одна из поверхностей исследуемого геоматериала должна быть отшлифована для создания допустимых контактных условий с цилиндрическим кварцевым волноводом 7 диаметром 10 мм, допустимые максимальные размеры образцов по длине и высоте до 35 мм, по ширине до 25 мм. Ограничением при изготовлении образцов является исключение при шлифовке любого рода жидкостей, для недопущения попадания последней в поры.

Изучаемый образец 5 помещают в стакан 6 выполненный из сплава на основе латуни ЛС-59, далее производится его фиксация путем прижима подвижным цилиндрическим стержнем 7 из кварцевого стекла. Постоянство контактных условий стержня с образцом достигается путем применения пригруза 8 с контролируемой массой. Упомянутый кварцевый стержень используется в качестве волновода, по которому происходит передача сигналов акустической эмиссии (АЭ) от образца к преобразователю 9 АЭ и далее на регистрирующее устройство, в роли которого используется акустоэмиссионная измерительная система 10 A-Line 32 D. Мониторинг динамики температуры непосредственно в области нагрева образца осуществляется с помощью термопар 11, 12, информация с которых также записывается системой A-Line 32 D на встроенный жесткий диск или иной тип постоянного носителя информации. Необходимость использования двух термопар связана с целесообразностью создания резервного канала получения термометрической информации и измерения градиента температур в полости стакана 6. Надлежащая фиксация термопар и волновода, а также герметизация области нагрева образца от притока кислорода из атмосферы осуществляется посредством пробки 13 из фторопласта марки ФТ-4.

Во время работы термостата создаются неизбежные акустические шумы и вибрация от работающего мотора, которые являются существенной помехой для измеряемого акустоэмиссионного сигнала. При этом применение разного рода фильтров не смогло снизить воздействие этого помехового фактора до приемлемого уровня. С целью решения задачи выделения именно полезного сигнала в установку был добавлен дополнительный стакан 14 по исполнению аналогичный стакану 6. Стакан 14 не предназначен для помещения в него какого-либо образца, кроме уже имеющейся в нем имитации 15, выполненной из пластика, не подверженного термическому разрушению при температуре нагрева до +250 ^оС включительно. Таким образом, во время эксперимента он не является источником сигналов термоакустической эмиссии (ТАЭ).

В ходе работы установки преобразователь АЭ 9 фиксирует полезный сигнал и помехи, а преобразователь АЭ 16 - только помехи. Оба стакана (6 и 14) находятся на равном расстоянии от источника помех, и степень ослабления помех на их пути до волноводов 7 и 17 примерно одинакова. Благодаря этому в обоих измерительных каналах помехи регистрируются одинаково, что позволяет их исключить путем взаимного вычитания.

Отметим, что разработанная ранее установка [4] для термоакустоэмиссионных измерений на образцах горных пород, на основе трубчатой печи типа Nabertherm RT 50/250/11 с контроллером типа P 320, по сравнению с предлагаемой отличается трудностью обеспечения надежных контактных условий между волноводом и образцом.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ (к Приложению Ж)

1 Соколов В.Н. Количественный анализ микроструктуры горных пород по их изображениям в растровом электронном микроскопе // Соросовский образовательный журнал, 1997, №8, С. 72-78.

2 Уманский Я.С., Скаков Ю.А., Иванов А.Н., Расторгуев Л.Н. Кристаллография, рентгенография и электронная микроскопия. М.: Металлургия, 1982, 632 с.3

3 Лавров В.В., Шкуратник В.Л. Акустическая эмиссия при деформировании и разрушении горных пород обзор (обзор) // Акустический журнал, 2005, том 51, Приложение. – С. 6-18.

4 Вознесенский А.С., Шкуратник В.Л., Вильямов С.В., Винников В.А. Установка для акустоэмиссионных исследований горных пород при их нагревании//Горный информационно-аналитический бюллетень. - 2007. - №12. - С. 143-150.

Приложение И

Пример статистической обработки данных

В настоящее время существует широкий перечень программ пригодных для статистической обработки информации, однако большинство из них достаточно специализированы и требуют отдельного курса для их изучения, помимо этого для работы с такими программами требуется платная лицензия, что затрудняет их использование в реальных НИР, для которых характерен жестко лимитированный бюджет, т.е. дополнительные затраты приводят к уменьшению премиального фонда. Из этого следует, что в большинстве случаев конкретные исполнители НИР, для статистической обработки стараются использовать подручные средства не требующие дополнительных расходов финансового фонда выделенного на НИР. Поэтому пример указанной обработки будет производиться с помощь программы Microsoft Excel 2003 входящей в программный пакет Microsoft Office априори имеющийся почти на каждом компьютере.

Времена когда компьютер был диковинкой прошли, поэтому будем считать, что Вы являетесь опытным компьютерным пользователем и способны самостоятельно запустить Microsoft Excel, а также разобраться с его интерфейсом (если нет, то обратитесь к преподавателю за дополнительной консультацией). Исходя из этого будет рассмотрены только специфические операции связанные со статистической обработкой данных.

После создания нового рабочего документа Microsoft Excel следует занести в него полученные экспериментальные данные. В данном случае для формирования базы данных использовался оператор СЛЧИС() возвращающий случайное от 0 до 1, чтобы получить число от a до b, это оператор модернизирую следующим способом: СЛЧИС()*(b-a)+a. Допустим, что рассматриваться будет график колебания температур за месяц, тогда при СЛЧИС()*(30-20)+20 база данных будет иметь вид как в таблице 1. Так как оператор СЛЧИС() осуществляет повторный пересчет создаваемых им значений, после каждой операции на рабочем листе Excel, следует зафиксировать только что полученные значения. Выделите и скопируйте весь диапазон занимаемыми ими ячеек, затем через правую кнопку мыши войдите в меню специальная вставка (см. Рисунок 1), поставьте отметку напротив функции «копировать только значения» и скопируйте/замените этими значениями диапазон операторов СЛЧИС().

Рисунок 1 - Внешний вид меню специальная вставка

Отмечу, что значения за 03, 25, 26 и 27 июня были вручную изменены на грубые ошибки для дальнейшей наглядной демонстрации работы с ними.

Таблица 1 - Значения среднесуточной температуры за 30 дней

Дата	01.июн	02.июн	03.июн	04.июн	05.июн	06.июн	07.июн	08.июн	09.июн	10.июн
T, оС	25,67	25,44	54,00	24,84	28,89	28,14	20,72	21,63	23,08	20,60
Число	11.июн	12.июн	13.июн	14.июн	15.июн	16.июн	17.июн	18.июн	19.июн	20.июн
T, оС	20,66	25,02	21,55	27,19	27,72	28,92	22,54	29,62	22,59	24,03
Дата	21.июн	22.июн	23.июн	24.июн	25.июн	26.июн	27.июн	28.июн	29.июн	30.июн
T, оС	27,01	23,88	20,29	21,11	43,00	56,00	48,00	27,78	21,11	21,40

В отчете о НИР таблицу(ы) с экспериментальными данными следует представлять исходя из условия равномерности распределения на странице, как это показано с помощью таблицы 1. Но в рабочем листе эти данные должны быть расположены в одну строку или столбец, на Ваше усмотрение.

Следующим шагом станет вычисление среднеарифметического значения выборки по формуле:

, (1)

где x_i - i-й элемент выборки, n - объем выборки, - среднеарифметическое выборки.

Для реализации этого расчета в Excel встроена функция СРЗНАЧ(X:Y), где X и Y - соответственно, первый и последний элементы линии данных. В рассматриваемом случае СРЗНАЧ(A1:A40)=27,75 ^оС (здесь и далее внешний вид рабочего листа будет представлен в конце приложения после завершения работы с ним). Затем производится расчет абсолютной Δ и относительной δ погрешностей для каждого из элементов выборки:

(2)

(3)

Формулы (2) и (3) в Excel будут иметь вид, соответственно: ОКРУГЛ(ABS($C$13-B13);2) и ОКРУГЛ(ABS($C$13-B13);2)/$C$13*100. Оператор ABS(X) возвращает абсолютное по модулю значение числа Х. Знак $ ставиться для жесткой фиксации ячейки формулой, т.е. для того чтобы данная формула всегда, при любых перестановках, брала значения только из этой ячейки, в данном случае $C$13 соответствует среднеарифметическое всей выборки. Помимо этого должен быть использован оператор ОКРУГЛ(X;Y) округляющий число X до количества разрядов Y.

Для определения элементов выборки являющихся грубыми ошибками с целью их последующего исключения следует установить критерий порога отсева. Пусть элементы выборки с δ = 0÷10 % считаются истинными, с δ = 10÷30 % - допустимыми и при δ > 30% - грубыми ошибками. Рассматриваемая выборка относительно невелика и сортировка ее элементов по данным критериям не представляет сложности, но при объеме выборки порядка нескольких сотен элементов это становится проблемой. Это процесс может быть автоматизирован с помощью условного форматирования. Для его осуществления следует выделить ячейки содержащие значения с относительной погрешностью элементов выборки (E13:E42), затем перейти во вкладку «Условное форматирование» находящуюся в меню «Формат». После этого откроется меню показанное на Рисунке 2 (а).

(а) (б)

Рисунок 2 - Пример условного форматирования (а) для решения задачи классификации элементов выборки по критерию их истинности и внешний вид вкладки формат (б)

В указанном меню с помощью кнопки «а также» следует добавить еще два условия к одному имеющемуся по умолчанию. Затем, собственно, задаются эти условия вида «больше, меньше или равно» и указывается эффект от (не) выполнения этих условий, для чего нужно перейти во вкладку формат имеющую вид приведенный на Рисунке 2 (б). В этой вкладке, для каждого из условий, следует указать цвет в который будет окрашена ячейка подпадающая по один из установленных ранее критериев. Зеленый - δ = 0÷10 %, желтый - с δ = 10÷30 % и красный - δ > 30%. Такая цветная дифференциация значительно снижает эффект «замыливания глаз» при работе с большими массивами информации и позволяет четко выделять значения выборки классифицируемые как «грубая ошибка».

Другим способом решения поставленной задачи является использование оператора ЕСЛИ имеющего синтаксис ЕСЛИ(логическое_выражение; значение_если_истина;значение_если_ложь). Выделим «грубые ошибки» с δ > 30% следующим образом: ЕСЛИ(E13>=30;"Ошибка";"True"). Как видно из этого оператора в нем можно использовать надписи на любом языке или их комбинации, что облегчает выделение грубых ошибок из общего объема выборки, т.к. человеку проще относить пометки к той или иной группе, если они сделаны на разных языках. Вторым вариантом применения оператора ЕСЛИ является создание с его помощью паразитной линии, без элементов выборки с δ ≥ 30% → ЕСЛИ(E13<=30;B13;" "). При этом смещения ячеек в выборке не произойдет, т.е. во вновь созданной паразитной линии грубые ошибки будут стерты, но их места в выборке будут вакантны - пригодны для занесения других данных. В данном случае это означает, что в выборке не будет данных за 03, 25, 26 и 27 июня - эти ячейки будут очищены, но сами они и измеренных значений выборки будет сохранена.

После того, как Вы одним из описанных выше способов выделили и удали найденные грубые ошибки следует перейти к основной часть статистической обработки данных. Начинается она с расчета дисперсии - меры разброса измеренных и занесенных в базу данных значений выборки, то есть их отклонения от математического ожидания (в общем случае это среднеарифметическое значение). Дисперсия рассчитывается по формуле:

(4)

В Excel эта операция выполняется с помощью оператора ДИСП(число1;число2; ...), в рассматриваемом примере этот оператор будет иметь вид: ОКРУГЛ(ДИСП(L13:L38);2). Следует отметить, что дисперсия еще не дает представления об однородности выборки, и этому показателю трудно дать интерпретацию, т.к. он рассчитан в квадратных единицах. Поэтому следующим шагом в статистической обработке данных является расчет среднеквадратического отклонения, показывающего, насколько в среднем отклоняются конкретные элементы выборки от её среднего значения. Оно определяется как квадратный корень из дисперсии и имеет ту же размерность что и изучаемый параметр. Расчет среднеквадратического отклонения в Excel возможно произвести взяв корень из значения дисперсии (КОРЕНЬ(X)) или использовав оператор СТАНДОТКЛОНП(число1; число2; ...) в рассматриваемом примере имеющий вид: ОКРУГЛ(СТАНДОТКЛОНП(L13:L38);2). На основе рассчитанного значения среднеквадратического отклонения становится возможным проверить остались ли грубые ошибки в выборке и соответствует ли полученное распределение нормальному. Для этого воспользуемся правилом трех сигм (3) гласящим, что при нормальном распределении случайной величины её значения лежат в интервале [ ]. Для проверки соответствия выборки правилу трех сигм найдем ее минимальное и максимальное значения с помощью операторов МИН(число1;число2; ...) и МАКС(число1;число2; ...), соответственно. В рассматриваемом примере они равны 29,62 ^оС и 20,29 ^оС. Эти значения лежат в интервале двух сигм, что удовлетворяет правилу трех сигм и позволяет обоснованного говорить об отсутствии грубых ошибок в отрабатываемой выборке и ее соответствию нормальному распределению (если у Вас в рамках НИР получено распределение отличное от нормального обратитесь к преподавателю).

Последней математической операцией, которую нужно произвести для оценки качества содержащихся в полученной выборке данных является расчет ее коэффициента вариации - выраженное в процентах отношение среднеквадратического отклонения к среднеарифметическому значению. Применяется не только для сравнений колеблемости одного и того же признака в нескольких совокупностях с различным средним арифметическим, но и для характеристики однородности совокупности. Выборка считается однородной, если коэффициент вариации не превышает 33% (для распределений, близких к нормальному). При этом чем ближе коэффициент вариации к нулю, чем более однородной является выборка и, следовательно, меньшее воздействие на нее оказали погрешности различной природы. Специальный оператор для расчета коэффициент вариации в Excel отсутствует поэтому данный параметр следует рассчитать обычной формулой вида: =B6/M13*100, где O13 - среднеквадратическое отклонение, а K13 - среднеарифметическое значение.

Рабочий листа Excel после производства на нем всех описанных в настоящем примере операций имеет вид представленный на Рисунке 3.

Рисунок 3 - Внешний вид рабочего листа после осуществления на нем всех операций описанных в настоящем примере

Отдельно необходимо выделить, что с производством всех описанных выше в настоящем приложении операций раздел курсового проекта посвященный статистической обработке не может считаться выполненным. Помимо математических расчетов необходимо дать критический анализ их результатов и составить текстовую характеристику полученной Вами экспериментальной выборки, только после этого можно переходит к следующему разделу НИР.

В заключении настоящего примера статистической обработки данных хочу сказать, что в нем не было и рассмотрено и двадцатой части возможностей Excel и это при том, что указанная программа не является специализированной для решения какой-либо конкретной задачи. Таким образом Вы можете представить сложность и возможности узкоспециализированных программ, с которыми Вам быть может еще предстоит столкнуться. Тем же из Вас, кто захочет повысить свой навык работы с Excel выше уровня необходимого для выполнения данного курсового проекта советую почаще обращаться к клавише F1 - там имеется достаточно грамотно составленный и русифицированный справочник по всем возможностям Excel.

Приложение К

Пример графического представления распределения совокупности результатов экспериментальных измерений

Если для математической обработки результатов экспериментальных измерений достаточно инструментов интегрированных в Excel, то для должного графического представления этих результатов требуется использовать специализированное программное обеспечение, такое как пакет статистического анализа Statistica. Это достаточно мощный инструмент статистического анализа данных и его полное освоение требует отдельного курса лекций, поэтому в рамках данного курсового проекта будет дан лишь минимально достаточный набор операций необходимых для выполнения стоящей перед Вами задачи.

Базовый алгоритм работы с программным пакетом Statistica:

1. File → Create new document → в открывшемся окне указать требуемое число столбцов/переменных (variables) и строк/регистров (cases), затем указать место размещения (placement) создаваемого документа, например в новой рабочей книге (In a new workbook) → принять выбранные настройки «ОК», см. Рисунок 1;

Рисунок 1 - Внешний вид окна создания нового документа

2. Заполнить графы созданного документа полученными ранее экспериментальными данными. При этом результаты испытаний каждой из выборок записываются в отдельный столбец: один столбец = одна выборка, см. Рисунок 2;

Рисунок 2 - Внешний вид рабочего документа с занесенными в него данными

3. Statistics → Basic_ Statistics/Tables → Descriptive statistics

В открывшемся окне нужно зайти во вкладку Variables и выбрать одну из выборок/столбцов, например 1-var1. Для получения гистограммы нажмите кнопку «Histograms», во вкладке Advanced, по согласованию, с преподавателем можно выставить дополнительные настройки, см. Рисунок 3.

Рисунок 3 - Элементы интерфейса программы Statistica задействованные в создании гистограммы при нормальном распределении результатов измерений

5. Полученную гистограмму показать преподавателю и после подтверждение им ее адекватности, скопировать и вставить в свой отчет о НИР (курсовой проект). В итоге полученная гистограмма должна иметь вид показанный на Рисунке 4.

Рисунок 4 - Примерный внешний вид гистограммы получаемой по данному выше алгоритму

6. Если у Ваша выборка не удовлетворяет условиям нормального распределения нужно использовать следующий алгоритм: Graphs → Histograms → Variables (1-Var1) → ставим отметку напротив функции «Categories» отвечающей за количество столбцов в гистограмме, по умолчанию их 10 → Advanced → а графе fit type выбираем тип огибающей (например Normal) → в ячейке Statistics отмечаем галкой Shapiro-Wilk test, Descriptive Statistics, total count, Kolmogorov-Smirnov test → после выставления указанных настроек нажимаем OK, см. Рисунок 5.

Рисунок 3 - Элементы интерфейса программы Statistica задействованные в создании гистограммы при ненормальном распределении результатов измерений

Еще одной широко востребованной возможностью программы Statistica является подбор с ее помощью уравнения регрессии. Это позволяет зная примерный вид уравнения описывающего взаимосвязь между некими параметрами получить математическую модель описывающее эту взаимосвязь, а так же проверить гипотезу о правильности подбора этой модели. Для наглядной иллюстрации этой функции программы Statistica рассмотрим пример поиска взаимосвязи между выборками 1 и 2 приведенными в таблице 1.

Таблица 1 - Экспериментально полученные значения выборок 1 и 2

№ п/п	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16
Выборка 1	76.3	79.5	78.4	83.1	75.9	69.6	83.9	79.8	75.1	77.6	88.1	76.2	74.9	77.5	75.4	78.7
Выборка 2	35.4	36	35.8	37.2	35.3	30.8	37.7	36.1	35	35.7	42.2	35.4	35	35.6	35.1	35.9

Перенесем данные из таблицы 1 на рабочий лист Statistica, далее: Statistics → Advanced Linear/Nonlinear Models → Nonlinear Estimation → User-specified regression, least squares → OK → Function to be estimated. В открывшееся окно следует ввести общий вид уравнения который по Вашему мнению описывает искомую взаимосвязь, при этом символами V1, V2, ..., Vn обозначают выборки (V = variable, столбец в котором записаны значения этой переменной), а символами A1, A2, ..., An обозначают коэффициенты подбираемые программой Statistica. Математические операторы имеют практически тот же вид, что и в Excel.

Предположим, что взаимосвязь выборок 1 и 2 описывается полиномом 2-ой степени, тогда в окно «Function to be estimated» нужно записать уравнение вида: V2=A1+A2*V1+A3*V1^2. Затем нажимаем кнопку «ОК» три раза пока не откроется окно приведенное на Рисунке 4.

Рисунок 4 - Окно результатов подбора регрессии

Как следует из Рисунка 4 коэффициент корреляции полученной по выбранной математической модели составляет 94,7 %, что говорит об относительной верности этой модели. Далее проверим визуально соответствие полученной на основе этой модели зависимости экспериментальным данным нажав «Fitted 2D function), см. Рисунок 5 (а). Из которого следует, что полученная зависимость недостаточно точно описывает взаимосвязь выборок 1 и 2. Однако полученное высокое значение коэффициента корреляции говорит, что математическая модель подобрана правильно, но ей не хватает «гибкости», т.е. необходимо использовать полином более высокой степени. Вернемся в окно Function to be estimated и введем уравнение вида: V2=A1+A2*V1+A3*V1^2 +A4*V1^3+exp(A5), после чего вновь получим граф ик рассеяния, см. Рисунок 5 (б).

(а) (б)

Рисунок 5 - График рассеяния экспериментальных данных с наложенной на него кривой регрессии

Сравнивая зависимости показанные на Рисунке 5 (а) и (б) отчетливо видно, что уравнение (б) намного лучше описывает взаимосвязь между выборками 1 и 2. Вид уравнения регрессии с рассчитанными программой Statistica значениями коэффициентов располагается над графиком:

Учитывая, что коэффициент корреляции полученный для этого уравнения равняется 99,9% можно говорить о подборе оптимального уравнения/закона описывающего взаимосвязь между двумя выборками. Это позволяет располагая значениями только одной из них математически предсказывать значения другой, что часто используется при невозможности непосредственного измерения интересующего нас параметра для получение его характеристики посредством измерения значений иного параметра взаимосвязанного с интересующим нас, например «твердость~высота отскока бойка».

Приложение Л

Пример расчета рентабельности

Рассмотрим процедуру расчета рентабельности проекта на примере экономического обоснования использования лазерных систем ориентации телевизионной аппаратуры для исследования буровых скважин.