Наука и техника в свете диагностики — многомерной метрологии 3177
09-02-2011
У истоков техники и естественных наук всегда лежали измерения. С их помощью набираются исходные данные по объекту, которые, специализированными методами, перерабатываются в наши знания объекта.
Сегодня измерениями монопольно занимается «метрология — наука об измерениях» [1]. За много веков существования метрология освоила только одиночное измерение [2] или ограниченную совокупность одиночных измерений [3]. Поэтому погрешность измерения результата [2] с ростом числа параметров объекта n возрастает, а значения оцениваемых параметров не изменяются. Просчет метрологии – в применении схемы суммы [4]. По этой схеме погрешности измерений n параметров рассматриваются как случайные величины, поэтому погрешность измерения результата – погрешность косвенного измерения [1] – их квадратичная сумма. По-видимому, можно и так определить распределение [5] погрешностей измерений. При этом метрология обречена измерять малое (10 – 20) число параметров объекта. Иначе пугающе огромные оценки погрешности результата ставят под сомнение целесообразность измерений.
Известна другая, пока гипотетическая, оценка. По ней распределение результата подчиняется схеме произведения [4]. Это – n-мерное распределение. С ростом числа параметров n погрешность измерения результата и погрешности измерений параметров падают. Следовательно, метрология, применяя схему суммы вместо схемы произведения, допускает излишний пессимизм, ошибочно измеряет многопараметрические объекты. Ошибка не является делом только метрологии. Этот Иван Сусанин завел науку в дебри, из которых ей пора выбираться. Исправленные исходные данные могут изменить наши знания объекта.
Относительно малые погрешности измерений — могут ли они существенно изменить решение задач? Оказалось, могут. Переход от одномерного распределения погрешностей параметров к многомерному изменил само решение. Прежде всего, практически безгранично выросла точность результата [6]. Поэтому сортировка [7] объектов уступает место их классификации [8], что всегда нелишне, а для безопасности объектов – обязательно. Во-вторых, погрешности измерения любого параметра … исчезают. Почти безошибочное, точное измерение и составляет суть диагностики. Временно, пока человечество не забудет кошмар погрешностей измерений, диагностический подход следует как-то отграничить, например, терминологическими кавычками: диагностика «измеряет» многопараметрические объекты. Метрологическая погрешность одиночного измерения – что-то вроде искусства для искусства. Во всяком случае, ее не следует указывать в технических условиях[7] объекта [9].
Погрешности присущи любому средству измерения. В одиночном измерении они проявляются в виде мгновенного текущего значения погрешности. Их распределение – групповая характеристика, свойство выборки. Беда метрологии – во взаимной замене этих понятий. В измерениях, в кавычках и без, самое точное значение величины представлено математическим ожиданием распределения погрешностей. Поверка при измерениях [2] заменяет это распределение другим, более узким. В рамках одиночного измерения невозможно отделить узкое распределение от мгновенного значения погрешности.
Но одиночные измерения никому, кроме метрологии, не нужны. Диагностика «измеряет» много параметров сразу, причем каждый представлен математическим ожиданием распределения погрешностей и мгновенным значением погрешности. При многомерном подходе точные значения параметров отделимы от своих погрешностей.
При одинаковых значениях показателей, например, «доверительный интервал – доверительная вероятность», можно сопоставить погрешности результата с исходными параметрическими погрешностями. Тогда [6] каждому параметрическому доверительному интервалу будет соответствовать доверительный интервал результата, определяемый ограниченной суммой n дробных интервалов параметров. По-видимому, не исключаются значения параметров, выходящие за дробный интервал, но с вероятностью, лежащей на хвостах распределения результата.
Дробные интервалы порождают вторичные распределения параметров. Очевидно, математические ожидания вторичных и исходных (метрологических) распределений параметров совпадают. Чем больше число параметров, тем ýже вторичные распределения. Точность можно увеличить, добавляя в список параметров гуманитарные параметры [10] с нулевым средним. Рост точности «измерений» путем искусственного увеличения шума – абсурд с метрологической точки зрения.
Далее приведены некоторые возможные сумасшедшие последствия сумасшедшей гипотезы. «Не сочтите, что это в бреду». Просьба рассматривать эту работу в жанре научно-технической фантастики, если гипотеза не подтвердится.
В науке распространен подход, провозглашаемый теорией нечетких множеств. К неопределенности прибегают «не от хорошей жизни», а тогда, когда детерминированные подходы не срабатывают. Известны способы, основанные на теории вероятностей и математической статистике, интервальной математике, теории нейронных сетей и др. В условиях неопределенности работают и СППР [11]. Вероятно, все они порождены схемой суммы. А зачем неопределенность диагностике с ее схемой произведения и многомерным учетом параметров, индивидуально каждого? Тем более, что многомерное распределение погрешностей результата оказалось псевдоодномерным. Его многомерность распространяется только на точные значения вторичных распределений погрешностей параметров и не затрагивает случайную переменную. Неопределенность с точки зрения измерений означает увеличенную погрешность результата, которая, как правило, даже не рассматривается. Из-за чего растут ошибки сортировки объектов, приводящие их к авариям и катастрофам. Очевидно, что метрология трансформируется. Совершенно иначе просматриваются эталонирование, поверка. Измерение будет заменено «измерением». Бесполезна теория ошибок [3]. Подлежат перевыпуску все метрологические стандарты, в том числе – международные.
Теория вероятностей и математическая статистика, по крайней мере, сократят круг своих задач. Они находят моменты [5], которые определяют распределения, лежащие в основе построений. Точное преобразование моментов по силам и диагностике. Например, интегральная функция распределения (ИФР) [6] Релея [5] – это результат взаимодействия двух параметров - нормальной ИФР и ИФР погрешностей «единичного скачка». Из-за учета погрешностей разделения положительных и отрицательных значений переменной это распределение точнее классического. Но распределения – одна из форм неопределенности. Проверка статистических гипотез не может принять или отвергнуть распределение [12]. Она не способна отличить одно распределение от другого, например, нормальное смещенное от Релея, при любом критерии. «…статистические критерии не могут доказать ни одной гипотезы: они могут лишь указать на «отсутствие опровержения» [12]. Диагностика, безусловно, увеличит (безгранично?..) точность многомерной статистической выборки, сотрясая этим основы математической статистики. Выборка из многих распределений параметров преобразуется в число – элемент выборки из распределения результата. Также, в числа, преобразуются различные характеристики распределения результата – регрессии, коэффициенты корреляции и др. Как всегда в таких случаях рост точности происходит автоматически, только за счет одновременного «измерения» сразу нескольких параметров.
Книга [13] – триумф векторного, матричного изложения. После упрощений точности, не превратится ли оно в матричную форму записи систем линейных уравнений, так просто решаемую математикой компьютера? Независимо от ответа, диагностика упрощает специализацию методов научных исследований, перекладывая часть решения на компьютер. Ожидается появление новых, многомерных, в смысле схемы произведения, методов. (Ранее применялась схема суммы). Диагностика с ее неограниченным числом параметров, даст, быть может, единый подход к устройству мироздания, от «конструкции» атома до взаимодействия галактик. При смене объекта универсальная многопараметрическая модель не изменяется.
В технике рождается новый способ эксплуатации – по безлимитному ресурсу [14]. Он сопровождается текущим подсчетом расходов, определяемых матрицей эксплуатации [10]. Системы контроля (СК) [15] уступают место системам диагностики (СД) [14]. Не применяются расчеты теории надежности [16] — анахронизма статистики отказов [7].
Создана «теория устранения техногенных катастроф» [17] как метрологический анализ случившихся или периодических. «Измерение» всех параметров объектов повышенной опасности, как ожидается, создает безопасность их эксплуатации. Выяснилось, что причины катастроф общие для многих, если не всех из них. Это и попадание ракеты «Точка-М» в Бровары, под Киевом; и взрывы на складах старого оружейного хлама; и разрушение конструкций, например, крыши аквапарка в Москве или автомобильного моста в США; и «фосфорная» железнодорожная авария в Украине; и смерть солдата на посту от танкового снаряда ночных полигонных учений. Сюда же относятся и аварии объектов из-за ошибок их обслуживания Кризисными центрами [11]; и ошибочные медицинские диагнозы пациентов; и предвзятое судейство спортивных соревнований.
Одномерны наши АСУ, АСУ ТП и системы автоматического управления, даже при регулировании нескольких переменных как совокупности одномерных. Многомерное регулирование по состоянию [4] – результату дает точное управление по любому числу переменных, что недоступно оператору, летчику, водителю.
Метеорология с ее прогнозами погоды сложно обрабатывает по схеме суммы огромные объемы метеоданных. Обычный компьютер даст точный прогноз при простоте универсальной обработки по схеме произведения. Точный прогноз определится экстраполяциями взаимно независимых погрешностей параметров, каждого индивидуально [10], а не трудно реализуемым прогнозом взаимозависимых параметров.
По-видимому, претерпят изменения методы всех наук, использующих метрологию для набора исходных данных.
Сегодня измерениями монопольно занимается «метрология — наука об измерениях» [1]. За много веков существования метрология освоила только одиночное измерение [2] или ограниченную совокупность одиночных измерений [3]. Поэтому погрешность измерения результата [2] с ростом числа параметров объекта n возрастает, а значения оцениваемых параметров не изменяются. Просчет метрологии – в применении схемы суммы [4]. По этой схеме погрешности измерений n параметров рассматриваются как случайные величины, поэтому погрешность измерения результата – погрешность косвенного измерения [1] – их квадратичная сумма. По-видимому, можно и так определить распределение [5] погрешностей измерений. При этом метрология обречена измерять малое (10 – 20) число параметров объекта. Иначе пугающе огромные оценки погрешности результата ставят под сомнение целесообразность измерений.
Известна другая, пока гипотетическая, оценка. По ней распределение результата подчиняется схеме произведения [4]. Это – n-мерное распределение. С ростом числа параметров n погрешность измерения результата и погрешности измерений параметров падают. Следовательно, метрология, применяя схему суммы вместо схемы произведения, допускает излишний пессимизм, ошибочно измеряет многопараметрические объекты. Ошибка не является делом только метрологии. Этот Иван Сусанин завел науку в дебри, из которых ей пора выбираться. Исправленные исходные данные могут изменить наши знания объекта.
Относительно малые погрешности измерений — могут ли они существенно изменить решение задач? Оказалось, могут. Переход от одномерного распределения погрешностей параметров к многомерному изменил само решение. Прежде всего, практически безгранично выросла точность результата [6]. Поэтому сортировка [7] объектов уступает место их классификации [8], что всегда нелишне, а для безопасности объектов – обязательно. Во-вторых, погрешности измерения любого параметра … исчезают. Почти безошибочное, точное измерение и составляет суть диагностики. Временно, пока человечество не забудет кошмар погрешностей измерений, диагностический подход следует как-то отграничить, например, терминологическими кавычками: диагностика «измеряет» многопараметрические объекты. Метрологическая погрешность одиночного измерения – что-то вроде искусства для искусства. Во всяком случае, ее не следует указывать в технических условиях[7] объекта [9].
Погрешности присущи любому средству измерения. В одиночном измерении они проявляются в виде мгновенного текущего значения погрешности. Их распределение – групповая характеристика, свойство выборки. Беда метрологии – во взаимной замене этих понятий. В измерениях, в кавычках и без, самое точное значение величины представлено математическим ожиданием распределения погрешностей. Поверка при измерениях [2] заменяет это распределение другим, более узким. В рамках одиночного измерения невозможно отделить узкое распределение от мгновенного значения погрешности.
Но одиночные измерения никому, кроме метрологии, не нужны. Диагностика «измеряет» много параметров сразу, причем каждый представлен математическим ожиданием распределения погрешностей и мгновенным значением погрешности. При многомерном подходе точные значения параметров отделимы от своих погрешностей.
При одинаковых значениях показателей, например, «доверительный интервал – доверительная вероятность», можно сопоставить погрешности результата с исходными параметрическими погрешностями. Тогда [6] каждому параметрическому доверительному интервалу будет соответствовать доверительный интервал результата, определяемый ограниченной суммой n дробных интервалов параметров. По-видимому, не исключаются значения параметров, выходящие за дробный интервал, но с вероятностью, лежащей на хвостах распределения результата.
Дробные интервалы порождают вторичные распределения параметров. Очевидно, математические ожидания вторичных и исходных (метрологических) распределений параметров совпадают. Чем больше число параметров, тем ýже вторичные распределения. Точность можно увеличить, добавляя в список параметров гуманитарные параметры [10] с нулевым средним. Рост точности «измерений» путем искусственного увеличения шума – абсурд с метрологической точки зрения.
Далее приведены некоторые возможные сумасшедшие последствия сумасшедшей гипотезы. «Не сочтите, что это в бреду». Просьба рассматривать эту работу в жанре научно-технической фантастики, если гипотеза не подтвердится.
В науке распространен подход, провозглашаемый теорией нечетких множеств. К неопределенности прибегают «не от хорошей жизни», а тогда, когда детерминированные подходы не срабатывают. Известны способы, основанные на теории вероятностей и математической статистике, интервальной математике, теории нейронных сетей и др. В условиях неопределенности работают и СППР [11]. Вероятно, все они порождены схемой суммы. А зачем неопределенность диагностике с ее схемой произведения и многомерным учетом параметров, индивидуально каждого? Тем более, что многомерное распределение погрешностей результата оказалось псевдоодномерным. Его многомерность распространяется только на точные значения вторичных распределений погрешностей параметров и не затрагивает случайную переменную. Неопределенность с точки зрения измерений означает увеличенную погрешность результата, которая, как правило, даже не рассматривается. Из-за чего растут ошибки сортировки объектов, приводящие их к авариям и катастрофам. Очевидно, что метрология трансформируется. Совершенно иначе просматриваются эталонирование, поверка. Измерение будет заменено «измерением». Бесполезна теория ошибок [3]. Подлежат перевыпуску все метрологические стандарты, в том числе – международные.
Теория вероятностей и математическая статистика, по крайней мере, сократят круг своих задач. Они находят моменты [5], которые определяют распределения, лежащие в основе построений. Точное преобразование моментов по силам и диагностике. Например, интегральная функция распределения (ИФР) [6] Релея [5] – это результат взаимодействия двух параметров - нормальной ИФР и ИФР погрешностей «единичного скачка». Из-за учета погрешностей разделения положительных и отрицательных значений переменной это распределение точнее классического. Но распределения – одна из форм неопределенности. Проверка статистических гипотез не может принять или отвергнуть распределение [12]. Она не способна отличить одно распределение от другого, например, нормальное смещенное от Релея, при любом критерии. «…статистические критерии не могут доказать ни одной гипотезы: они могут лишь указать на «отсутствие опровержения» [12]. Диагностика, безусловно, увеличит (безгранично?..) точность многомерной статистической выборки, сотрясая этим основы математической статистики. Выборка из многих распределений параметров преобразуется в число – элемент выборки из распределения результата. Также, в числа, преобразуются различные характеристики распределения результата – регрессии, коэффициенты корреляции и др. Как всегда в таких случаях рост точности происходит автоматически, только за счет одновременного «измерения» сразу нескольких параметров.
Книга [13] – триумф векторного, матричного изложения. После упрощений точности, не превратится ли оно в матричную форму записи систем линейных уравнений, так просто решаемую математикой компьютера? Независимо от ответа, диагностика упрощает специализацию методов научных исследований, перекладывая часть решения на компьютер. Ожидается появление новых, многомерных, в смысле схемы произведения, методов. (Ранее применялась схема суммы). Диагностика с ее неограниченным числом параметров, даст, быть может, единый подход к устройству мироздания, от «конструкции» атома до взаимодействия галактик. При смене объекта универсальная многопараметрическая модель не изменяется.
В технике рождается новый способ эксплуатации – по безлимитному ресурсу [14]. Он сопровождается текущим подсчетом расходов, определяемых матрицей эксплуатации [10]. Системы контроля (СК) [15] уступают место системам диагностики (СД) [14]. Не применяются расчеты теории надежности [16] — анахронизма статистики отказов [7].
Создана «теория устранения техногенных катастроф» [17] как метрологический анализ случившихся или периодических. «Измерение» всех параметров объектов повышенной опасности, как ожидается, создает безопасность их эксплуатации. Выяснилось, что причины катастроф общие для многих, если не всех из них. Это и попадание ракеты «Точка-М» в Бровары, под Киевом; и взрывы на складах старого оружейного хлама; и разрушение конструкций, например, крыши аквапарка в Москве или автомобильного моста в США; и «фосфорная» железнодорожная авария в Украине; и смерть солдата на посту от танкового снаряда ночных полигонных учений. Сюда же относятся и аварии объектов из-за ошибок их обслуживания Кризисными центрами [11]; и ошибочные медицинские диагнозы пациентов; и предвзятое судейство спортивных соревнований.
Одномерны наши АСУ, АСУ ТП и системы автоматического управления, даже при регулировании нескольких переменных как совокупности одномерных. Многомерное регулирование по состоянию [4] – результату дает точное управление по любому числу переменных, что недоступно оператору, летчику, водителю.
Метеорология с ее прогнозами погоды сложно обрабатывает по схеме суммы огромные объемы метеоданных. Обычный компьютер даст точный прогноз при простоте универсальной обработки по схеме произведения. Точный прогноз определится экстраполяциями взаимно независимых погрешностей параметров, каждого индивидуально [10], а не трудно реализуемым прогнозом взаимозависимых параметров.
По-видимому, претерпят изменения методы всех наук, использующих метрологию для набора исходных данных.
Источники информации
1. ДСТУ 2681-94. Метрологія. Терміни та визначення. Чинний з 01.01.1995.
2. Юдин М.Ф., Селиванов М.Н., Тищенко О.Ф., Скороходов А.И.
Основные термины в области метрологии. Словарь-справочник. – М.: Издательство стандартов, 1989. – 113 с.
3. Тейлор Дж. Введение в теорию ошибок. – М.: Мир, 1985. – 272 c.
4. Я.А.Крохин, З.Я.Козаневич. Основы диагностики. www.krokhin.com
5. Левин Б.Р. Теоретические основы статистической радиотехники. Кн. 1. – М.: Сов. Радио, 1966. – 728 с.
6. Крохин Я.А., Козаневич З.Я. Введение в диагностику. www.krokhin.com
7. Качество продукции, испытания, сертификация.
Терминология: Справочное пособие. – Вып. 4. – М.: Издательство стандартов, 1989. – 144 с.
8. Ян Крохин. Диагностика: точная классификация – крах метрологии. www.krokhin.com
9. ГОСТ 8.011 – 72. Показатели точности измерений.
10. Ян Крохин. Диагноз. www.krokhin.com
11. Зб. доп. Системи підтримки прийняття рішень СППР`2006.–К.:НАНУ,2006. То же – 2007 и 2008.
12. Г.Корн и Т.Корн Справочник по математике для научных работников и инженеров. – М.: Наука, 1968. – 720 с.
13. М.Кендалл, А.Стьюарт. Многомерный статистический анализ и временные ряды. – М.: Наука, 1976. – 736 с.
14. Крохин Я.А. Безлимитный ресурс как реализация диагностической эксплуатации. www.krokhin.com
15. Автоматическая аппаратура контроля /под ред. Н.Н.Пономарева. – М.: Сов. Радио, 1973. – 328 с.
16. З.Я.Козаневич, Я.А.Крохин. Групповая точность. www.krokhin.com
17. Ян Крохин. Исчисление распределений. www.krokhin.com