CC BY
14
SRSTI 90.03.03; 90.27.31
Akhmediyanov Abdulla Ugubaevich
Candidate of Technical Sciences, associate professor. Department of «Standardization and Certification». L. N. Gumilvov Eurasian National University, Astana. 010000, Republic of Kazakhstan, e-mail: abdulla261@yandex.ru. Kirgizbayeva Kamilya Zhuzbaevna Candidate of Technical Sciences, associate professor. L. N. Gumilvov Eurasian National University, Department of «Standardization and Certification». Astana. 010000. Republic of Kazakhstan, e-mail: kirg-kam'«y andcx kz. Kossanova Indira Muratovna Master of Engineering Science, lecturer, L. N. Gumilvov Eurasian National University, Department of «Standardization and Certification». Astana. 010000. Republic of Kazakhstan, e-mail: indjmfo mail.ru.
Dzhaksymbetova Makpal Adlikanovna
Master of Engineering Science, lecturer. L. N. Gumilvov Eurasian National University, Department of «Standardization and Certification». Astana. OIO(HK). Republic of Kazakhstan, e-mail: d jaksymbetov@list.ru
ESTIMATED EMISSIONS FROM PROCESSING THE RESULTS OF TESTS TO DETERMINE THE DENSITY OF OILS IN THE FRAMEWORK OF INTERLABORATORY COMPARISONS
An important step in the organization of inter-laboratory comparisons (ILC) is the statistical p-ocessing of the data obtained, which includes an analysis of the participants' results and a number of procedures for assessing the accuracy of the used methods and measurement results. For statistical data processing, reliable and complete results are necessary; however, in practice it is not always achieved. Deviations occur due to redundant data, missing data, outliers, and even erroneous data.
This article discusses a method for recovering missing data and estimating outliers during the statistical processing of test results for determining the density of oils in the framework of ILC.
Keywords: inter-laboratory comparisons, missing data, outliers, precision estimation, oil density.
INTRODUCTION
The precision of the measurement methods and results is one of the most important characteristics in the conducting of the inter-laboratory comparisons (thereafter - ILC) and laboratory control.
The necessity of the considering «precision» arises from the fact that measurements performed on supposedly identical materials under the supposedly identical circumstances do not usually give identical results. This is due to the inevitable random errors inherent in each measurement procedure, and the factors influencing the measurement result cannot be fully controlled. In practical interpretation of measurement results, this variation must be taken into account. For example, it is impossible to establish the actual difference between the received measurement result and any exact value if it lies in the region of unavoidable random errors of the measuring procedure. Similarly, a comparison of the test results of two substantially different batches of material will not reveal any significant differences in quality if the discrepancy between the results lies in the above-mentioned area [1-5]
MAIN PART
Accuracy indicators (accuracy and precision) should be determined on the basis of a series of measurement results submitted by participating laboratories. This kind of interlaboratory and/or laboratory experiment is called «an experiment to assess precision».
A particularly important implementation of the experiment on the assessment of precision is the statistical processing of data during the organization of the ILC in order to verify the qualifications and assess the characteristics of the functioning of laboratories.
Inter-laboratory comparison (ILC) - organization, performance and evaluation of measurements or testing of the same or several similar samples by two or more laboratories in accordance with pre-established conditions [6].
ILC is currently the only effective tool for testing laboratory qualifications.
An important step in the organization of the ILC is the statistical processing of the received data, which includes the analysis of the results of the participants and a number of procedures for assessing the accuracy of the methods and measurement results.
For statistical processing of data, particularly the assessment of the precision of the methods and measurement results for each parameter being evaluated, reliable and complete results are necessary, however, in practice this is not always achieved. Deviations occur due to redundant data, missing data, outliers and even erroneous data [7-12].
Most often, the difficulties of performing statistical data processing during ILC are due to the missing data, which appear due to the loss / damage of the sample or errors in the measurements. According to GOST R ISO 5725-2-2002, the missing data can simply be neglected, but unfilled basic elements affect the end result of ILC and may even cause a negative assessment of the performance characteristics of laboratories.
In ILC, by determining the density of oils, due to their high density, deviations occur, because it is usually very difficult to carry out such measurements in a 10-fold amount. Therefore, often in the test results of participants there are missing data, as well as emissions that need to be estimated.
As an example of such deviations, should be consider the ILC by determining the density of oils, organized by the Provider of proficiency testing of RSE «KazInMetr». 7 testing laboratories (participants) took part in this ILC. As samples of comparisons,
engine, transformer and turbine oils were used, which were selected at the same time, in sufficient volume and sent to the participants. Prior to distribution, random taken samples were sent to be evaluated for uniformity. They were sent to participants by courier mail, ensuring proper conditions for the transportation of these oils. After receiving by the participants, the samples were stored in fume hoods at a temperature of (20 ± 2) "C.
Tests to determine the density were carried out on digital DMA 4100 densitometers at 20 "C according to the test method ASTM D 5002 «Density determination on a digital densimeter of the Anton Paar company DMA 4100».
Despite of the usage of modern digital densitometers and the standard test method, missing data and emissions appeared in the results of the participants.
According to the results of tests conducted by participants, the following data were obtained (Tables 1-3):
Table 1 - Determination the density of engine oil, kg/m3
Measurement (i) Laboratories (j)
1 2 3 4 5 6 •j
1 916,3 913,5** 915,8 916,1 914,1* 915,9 916,4
2 916,8 917,2 916,0 916,0 915,9 916,0 919,9*
3 917,2 917,1 916,3 920,9** 916,3 916,3 917,0
4 916,9 916,9 916,1 915,9 916,0 919,9* 916,8
5 920,5* 917,0 915,9 916,3 916,8 916,7 917,0
6 917,2 917,2 915,8 916,7 919,2* 920,5** 917,2
7 916,9 914,8* 916,2 918,2 917,0 916,9 916,9
8 916,7 916,7 916,0 917,2 917,2 917,3 916,6
9 917,1 917,3 921 7** 917,0 916,7 917,1 916,7
10 917,0 917,2 916,3 916,8 916,5 917,0 916,4
There are several ways to recover missing data. Emissions are usually identified by the Cochren and Grubbs criteria, which are designed to handle intra-laboratory and inter-laboratory differences, respectively. However, these criteria are applicable for checking a limited amount of emissions, which is inefficient with a large number of statistics and the presence of several emissions (more than 2). For example, the method of analogues in which they establish a connection among the selected analogues between the interested characteristics. Connection is possible as functional or correlation. In the first case, by constructing a curve or a straight line, it is possible to recover the missing data of the statistical series under study. In the second case, a regression line is built for the correlation field Y by X. The reliability of the regression equations is determined by the value of the correlation coefficient. The reliability of the recovered data depends on the length of the statistical series. With short rows (n <10) significant errors can be made.
Table 2 - Determination of the density of transformer oil, kg/m*
Measurement i) Laboratories (j)
1 2 3 4 5 6 7
1 887,5 878,2 869,9 881,2 893,3* 880,2 881,2
2 886,9 865,7* 870,2 880,9 879,5 879,5 880,9
3 882,9 880,2 871,0 882,3 879,1 861,1** 882,5
4 882,4 878,9 868,3 895,7** 880,2 878,6 879,9
5 880,9* 877,6 869,8 883,1 878,4 877,3 879,1
6 881,3 881,5 873,2 882,9 879,5 880,1 896,6**
7 885,7 883,4 858,6* 883,3 877,9 880,7 878,7
8 896,1** 881,2 874,1 881,8 879,2 879,4 879,2
9 888,2 880,7 877,5 894,6* 880,3 879,0 879,0
10 885,1 880,9 851,4** 880,5 880,1 880,3 865,4*
Table 3 - Determination of turbine oil density, kg/W
Measurement (i) Laboratories^)
1 2 3 4 5 6 7
1 894,5 897,0 896,5 895,6 890,1* 896,1 896,8
2 895,1 901,8* 896,1 895,9 895.4 896.5 896.1
3 896,0 896,9 897,3 892.0* 895,9 895,9 895,9
4 901,0** 895,1 897,1 896.5 896,5 896,3 896,2
5 896.9 896,2 896.2 896.1 896.1 899,4** 896,0
6 895,2 896.8 894,8* 895,7 894.9 895,2 895,4
7 894,8 895,5 896,9 895,8 895.3 896.7 890.1*
8 891,1* 894.9 895,8 896,3 896.0 896.0 895.8
9 895,9 896,0 896.1 902.4** 895,2 895,8 896,2
10 896,3 896,3 896,0 897,2 895.8 895,9 900.3**
* - missing data; ** - emissions.
Statistical data is usually recorded in the form of a matrix, where i = 1.2... m is the test number,j = 1.2... nisthe number of the laboratory which is representing the measurement results. Denoting the statistical data by a, we fix their location in the matrix (Figure 1).
Measurement (i) Laboratories (j)
1 2 3 ♦ ♦ • n
1 a„ 111
2 «22
3 an
m an, a mn
Figure 1 - Matrix of the measurement resu ts
If one member of the matrix falls out, then its probable value is determined by formula (1):
= mSt + nSj - S/(m-1 )(n-1) (1)
where: / — line number; j - column number; m - quantity of the lines; // - quantity of thecolumns; S - amount of the available data;
S - amount of the line;
i '
S - amount of the column.
j
If several data fall out, then in the first approximation, you can put by the formula (2):
a' =S/mn-r (2)
ij v '
where: r - number of outlier's data.
Then we calculate the new values of Si, Sj, S and find the second approximation using the formula (3):
a"jj=mSj+nS-S-a'ij(m+n-l) / (m-l)(n-l) (3)
In the second approximations, we calculate the new Si values and find the third approximation using formula (4):
a'" = mS+nS-S-a'^m+n-l) / (m-l)(n-l) (4)
In view of the considerable amount of information and calculations, the «Identification» program has been developed, the algorithm of which is presented below [13].
According to a given algorithm, firstly the missing data should be recovered, and then further statistical processing of the experimental data in the framework of ILC is carried out.
The algorithm of the «Identification» program begin integer i,j, v, c, m, n, r, p; P0042 (m, n, p)\ begin array q l[l:m, l:nj; P0042 (q 1) begin r: = 0; for i: - 1 step 1 until m do
for j: = / step 1 until n do if q I [i, j] — —103 then r: = r+J;
begin array XI, yl [l:rj; real a, d, s; s: 0; C: - 1; for i: - I step I until m do for j: - / step 1 until n do begin if q I //, j] = 103 then begin XI [CJ:=i; yl [CJ:=j; ql [i,j]:=0; C:=C+1 end; begin
begin array SI 11: mj; S2 ¡1: n];
for /7 = 1 step I until m do
begin d: = 0; for j: = I step I until n do
d: = d+qlIi, jj; SI [ij: = d
end;
for j: = I step I until n do
begin d: = 0; for i: = 1 step I until m do
d: = d + ql fiJJ;S2/jJ:=d
end;
S: = 0; for i: = I step / until m do for j: = I step I until n do S: = S+ql fi,jj; for C: = I step I until r do begin /'; = XI [C];j: - ql [CJ;
ql (iJJ: [m*Sl)[i]+n*S2/j] S ql[iJ]*(m+n l)/((m l)*(n-l)); P1023 (1, ql] i,j], ql fi,j) end end end; stop end end end end
Designations adopted in the program:
ql - identifier of the array of statistical data values/;;*// (figure 1); i,j - coordinates of the array;
r - variable which is indicating the number of outlier's data; xl, yl - identifiers of the arrays coordinates /, j;
s —variable which is receiving the value of the amount of all statistical data; si - array identifier of 1 * m size, consisting of the sum of rows (Si); s2 - array identifier of 1 * m size, consisting of the sum of rows
d- variable that is used to calculate the amounts of S, S;
f j
p - variable that shows the quantity of approximations.
To recover the missing statistical data using this algorithm, write a constant (-1000) at the checkpoints, specify the matrix dimension (m, n) and the number of approximations p.
As a result of calculations using the «Identification» program, we obtain the coordinates of the missing data (i, j) and the array of recovered data.
In our example, recovering missing data is limited to four approximations.
The results of the recovered data are presented in tables 4-6.
Table 4 - Determination of engine oil density, kg/m
Coordinates^/, j). tabic 1 1:2 1:5 2:7 3:4 4:6 5: 1 6: 5 6:6 7:2 9:3
Factual data 913.5 914.1 919.9 920,9 919.9 920,5 919,2 920,5 914.8 921.7
Recovered data 912.1 915.1 918,5 919,0 918.2 921.5 920,5 919.8 915.9 922.5
Table 5 - Determination of transformer oil density, kg/m'
Coordinates (i,j), table 2 l;5 2; 2 3; 6 4:4 5: 1 6; 7 7:3 8:1 9:4 10:3 10:7
Factual data 893,3 865.7 861.1 895.7 880.9 896.6 858.6 896.1 894.6 851.4 865.4
Recovered data 895,1 864.5 862.8 893,4 882.1 895.2 856.0 897.3 896.9 849.7 868.0
Table 6 - Determination of turbine oil density, kg/mJ
Coordinates (/. j), Table 3 1:5 2:2 3; 4 4: 1 5:6 6; 3 7; 7 8: 1 9:4 10:7
Factual data 890.1 901.8 892.0 901.0 899.4 894,8 890.1 891.1 902.4 900,3
Recovered data 888.3 902.5 894.1 899.2 896.9 896.0 892.3 888.7 903.8 899,4
CONCLUSION
Analysis of the results showed that the recovered data are in good agreement with the actual data. The accuracy of recovery is different, but the pattern in rows and columns is preserved, which gives a good approximation to reality.
Similarly, it is possible to estimate emissions in a statistical series. This method using the «Identification» program will allow statistical testing of emissions and determine whether the tested posi ti ons are stati stical emi ssions, quasi -em i ssi ons, or correct posi ti on s.
REFERENCES
1 GOST R ISO 5725-1-2002 «Accuracy (accuracy and precision) of measurement methods and results. Part 1. Key points and definitions».
2 Жусин, Б. Т., Акылбаев, М. Н. Задачи ключевых сличений национальных эталонов, классификация сличений // Сборник трудов VIII Международной научно-практической конференции : World science : problems and innovations. -Пенза, Россия, 2017. - С. 37-41.
3 Almyasheva, О. U., Tatybaev, I. D., Iskakova, D. A. Between theory and practice// Наука и техника Казахстана. - 2010. - № 1-2. - С. 5-8.
4 Бессонов Ю, С. Межлабораторные сличения в калибровочных лабораториях. Состояние и перспективы // Законодательная и прикладная метрология. - 2017. -№3(148).-С. 14-17
5 Tuleubayev S., Iskakova D. A. Certification - a pledge of prosperity and our quality of life// Наука и техника Казахстана. - 2014. - № 3-4. - С. 101-103.
6 ST RK ISO/lEC 17043-2013 «Conformity assessment. Basic requirements for testing qualifications».
7 GOST R ISO 5725-2-2002 «Accuracy (accuracy and precision) of measurement methods and results. Part 2. The basic method for determining the repeatability and reproducibility of the standard measurement method».
8 Суюнтбеков, И. Э. К вопросу экологической безопасности автотранспортных средств // Наука и техника Казахстана. - 2010. - № 4. - С. 81-88.
9 Шендалева, Е. В. Сравнительные испытания стендового оборудования для испытания топливорегулирующей аппаратуры газотурбинных двигателей // Сборник трудов Международной научно-технической конференции : Метрология, стандартизация, качество : теория и практика. - Омск, Россия, 2017. - С. 153-160.
10 Денисов, А. С., Кожинская, А. В. Требования к диагностическим параметрам работающего масла автомобильных дизелей // Техническое регулирование в транспортном строительстве. - 2018. - № 2 (28). - С. 3-8
1 1 Чумакова, А. В., Пашков, А. В., С'ыроежко, С. Ю., Шишконакова, Т. А., Липатова, К. Г., Утенков, В. Д. Методология проведения эксперимента по оценке прецизионности // Актуальные проблемы авиации и космонавтики. -2013. - Т. 1. -№т9 . - С. 32-33.
12 Дворкин, В. И. Внутрилабораторный контроль качества. Организация контроля стабильности и оценка характеристик процесса измерений // Заводская лаборатория. Диагностика материалов. - 2011. - Т. 77. - № 6. - С. 60-68.
13 Akhniedyanov, A. U. Методика обработки информации по аварийным отказам экскаваторов. // Modern architecture, construction and transport : state and development prospects: materials of the international scientific-practical conference dedicated to the 45th anniversary of the Tselinograd Civil Engineering Institute on May 12-13,2009. - Astana : L. N. Gumilyov Eurasian National University, 2009. - P. 361-364.
Material received on 05.12.18.
Ахмедьянов Абдулла Угубаевич
t.f.k., доцент, «Стандарттау жене сертификаттау» кафедрасы, J1. Н. Гумилев атындагы Еуразия улттык университету Астана к., 010000, Казакстан Республикасы, e-mail: abdulla261(o^yandex.ru. Киргизбаева Камиля Жузбаевна
t.f.k., доцент, «Стандарттау жене сертификаттау» кафедрасы, JI. Н. Гумилев атындагы Еуразия улттык университету Астана к., 010000, Казакстан Республикасы, e-mail: kirg-kamtgiyandex.kz.
Косанова Инд upa Муратовпа
t.f.m., ara окытушы, «Стандарттау жене сертификаттау» кафедрасы,
J1. Н. Гумилев атындагы Еуразия улттык университет!,
Астана к., 010000, Казакстан Республикасы,
e-mail: indjm@mail.ru.
Джаксымпет ова Мок пал Адлыкаповпа
t.f.m., ara окытушы, «Стандарттау жэне сертификаттау» кафедрасы, J1. Н. Гумилев атындагы Еуразия улттык университет!, Астана к., 010000, Казакстан Республикасы, e-mail: djaksymbetov@list.ru. Материал баспага 05.12.18 тустк
Зертханааралык салыстырулар шецбершде майлардын тыгыздыгын аныктау бойынша сынау нэтижелерш вндеу кечшдеп шыгарындыларды багалау
Зсртханааралык; салыстыруларды (ЗС) уйымдастырудьщ мацызды кезец1 -кртысушылардыц нэтижелерш талдауды жэне цолданылатын odicmep мен влшеу нэтижелершщ дэлд/'г/н баголаудыц б\ркртар рэа'мдерш цамтитын мэлшеттердщ статистикалык оцдеуч. С mam ист икалы к, деректердi вцдеу yuiin ceni.udi жэне толык; нэтижелер кржет, 6¡paк, ¡с жуз/'нде толык, нвтижелерге кон жагдайда tqo.i жеткЫле бермейд/. Ауыткуларартыцдеректерге, depcKmepdiy жок;болуына, сыртца шыгарылуына жэне minmi цсune деректерге байланысты панда болады.
Бул мак/хлада ЗС шецбершде майлардыц тыгыздыгын аньнупау бойынша сынак, нэтижелерш статистикалык, вцдеу кезшдег1 mycin крлган depeKmepdi к/хлпына ксл/т'ру жэне шыгарындыларды багалау odici царастырылады.
K'uimmi свчдер: Зертханааралык; салыстырулар, mycin калган деректер, шыгарындылар, дэлд/'ктi багалау. мунай тыгыздыгы.
Ахмедьянов Абдулла Угубаевич
к.т.н., доцент, кафедра «Стандартизация и сертификация», Транспортно-энергетический факультет, Евразийский национальный университет имени Л. Н. Гумилева, г. Астана, 010000, Республика Казахстан, e-mail: abd ill 1 а2 61 @у and ex. ru. Кирги пшена Камиля Жузбаевна
к.т.н., доцент, кафедра «Стандартизация и сертификация», Транспортно-энергетический факультет, Евразийский национальный университет имени Л. Н. Гумилева, г. Астана, 010000, Республика Казахстан, e-mail: kirg-kani@yandex.kz. Косанова Ипдира Муратовиа
м.т.н., ст. преподаватель, кафедра «Стандартизация и сертификация», Транспортно-энергетический факультет, Евразийский национальный университет имени Л. Н. Гумилева, г. Астана, 010000, Республика Казахстан, e-mail: indjm@mail.ru.
Джаксымбетова Макпал Адликановпа
м.т.н., ст. преподаватель, кафедра «Стандартизация и сертификация», Транспортно-энергетический факультет, Евразийский национальный университет имени Л. Н. Гумилева, г. Астана, 010000, Республика Казахстан, e-mail: djaksymbetov(a/list.ru. Материал поступил в редакцию 05.12.18.
Оценка выбросов при обработке результатов испытаний по определению плотности масел в рамках межлабораторных сличений
Важным этаном в организации межлабораторных сличений (MJ1C) является статистическая обработка полученных данных, которая включает в себя анализ результатов участников и ряд процедур, но оценке точности использованных методов и результатов измерений. Для статистической обработки данных необходимы достоверные и полные результаты, однако, на практике )то не всегда достигается. Отклонения происходят вследствие избыточных данных, недостающих данных, выбросов и даже ошибочных данных.
В данной статье рассматривается метод восстановления недостающих данных и оценка выбросов при статистической обработке результатов испытаний по определению плотности масел в рамках X1J1C.
Ключевые слова: межлабораторные сличения, недостающие данные, выбросы, оценка прецизионности, плотность масел.
ГРНТИ 67.15.39
Арынгазин Капар Шакимович
к.т.н., профессор, кафедра «Профессиональное обучение и безопасность жизнедеятельности».
Павлодарский государственный университет имени С. Торайгырова,
г. Павлодар, 140008, Республика Казахстан,
e-mail: kapar47@mail.ru.
Станевич Виктор Тадеушевич
к.т.н., профессор, кафедра «Архитектура и дизайн».
Павлодарский государственный университет имени С. Торайгырова,
г. Павлодар, 140008, Республика Казахстан,
e-mail: svt_18@mail.ru.
Тлеулесов Аскар Каримжанович
магистр, ст. преподаватель,
кафедра «Профессиональное обучение и безопасность жизнедеятельности». Павлодарский государственный университет имени С. Торайгырова, г. Павлодар, 140008, Республика Казахстан, e-mail: askaralek66@mail.ru. Куандыков Алмаз Болатович
магистр, преподаватель, кафедра «Металлургия»,
Павлодарский государственный университет имени С. Торайгырова,
г. Павлодар, 140008, Республика Казахстан,
e-mail: azeka200892@mail.ru.
Шапихова Нургуль Ерденовна
магистрант, кафедра «Металлургия»,
Павлодарский государственный университет имени С. Торайгырова, г. Павлодар, 140008, Республика Казахстан, e-mail: shapikhova@inbox.ru.
ИССЛЕДОВАНИЕ ПРОЦЕССОВ ПРОИЗВОДСТВА БЕТОННЫХ ИЗДЕЛИЙ НА ОСНОВЕ СТАЛЕПЛАВИЛЬНЫХ ШЛАКОВ
В статье описаны исследования по использованию сталеплавильных шлаков при производстве бетонных изделий.
До сих пор не используемым в Казахстане в промышленном масштабе является вторичный сталеплавильный шлак электросталеплавильного производства, в частности предприятий ПФ ТОО «Кастинг» и ПФ ТОО «KSP Steel», учитывая, что экологичность производства является одним из приоритетов развития черной металлургии в Казахстане данный вид отходов становится перспективным материалом для его использования в строительной отрасли.
Экспериментально определен состав бетонной смеси, обеспечивающий оптимальное соотношение прочности бетона и материальных затрат на его производство.
Ключевые слова: строительные материалы, отходы, шлак, сталь, металлургия.
ВВЕДЕНИЕ
В настоящее время в Республике Казахстан в отвалах по разным независимым оценкам накоплено более 400 млн. тонн золошлаковых отходов ТЭС и отходов металлургии, которые продолжают накапливаться ежегодно.
