CC BY
83
ВОЗМОЖНОСТИ СИСТЕМЫ «STATISTICA QUALITY CONTROL» ПРИ ПРОВЕДЕНИИ НАУЧНО-ИССЛЕДОВАТЕЛЬСКИХ РАБОТ
А.И. Шафоростов, курсант, А.В. Вытовтов, преподаватель, В.В. Шумилин, начальник кафедры, Воронежский институт ГПС МЧС России, г. Воронеж
Система STATISTICA - предназначенная для анализа данных, визуализации, прогнозирования и проведения многих других статистических анализов
В Воронежском институте ГПС МЧС России в рамках закупки «Центра по оценке и управлению пожарными рисками, а также определению устойчивости при пожарах зданий и сооружений» для обработки результатов экспериментов была приобретена программа STATISTICA Quality Control (QC). Она включает все возможности STATISTICA Base и дополняет их модулями контроля качества, включая разнообразные инструменты. А именно:
1. STATISTICA Quality Control Charts (Карты Контроля Качества) -предоставляет полностью настраиваемые (вызываемые из других приложений), простые, доступные и гибкие карты с набором опций автоматизации и возможностью создания пользовательских ярлыков для упрощения ежедневных задач: стандартные карты, многомерные карты, интерактивное, аналитическое закрашивание и метки точек, задание причин и действий, гибкая и настраиваемая система оповещения об ошибках, режим инспектора и оператора т.д. Исходные данные для обработки данным инструментом могут быть взяты [1, 2].
Рис. 1. STATISTICA Quality Control (Карты Контроля Качества)
2. STATISTICA Process Analysis (Анализ процессов) - представляет собой обширный пакет для анализа пригодности процесса, анализа повторяемости и воспроизводимости (R&R) измерений и запуска других
процедур контроля и улучшения качества. Некоторые функции: анализ пригодности процесса, индексы пригодности, анализ повторяемости и воспроизводимости измерений, анализ атрибутов, анализ Вейбулла, планы выборочного контроля. Исходные данные для обработки данным инструментом могут быть взяты [3, 4].
СЖ — ■ НИХ III Лй I U— !■<■<! ■ I
Рис. 2. STATISTICA Process Analysis (Анализ процессов)
3. STATISTICA Design of Experiments (Планирование экспериментов) -
предоставляет самый большой выбор методов планирования экспериментов и соответствующих технологий визуализации, включая интерактивные профили желательности и широкий спектр статистик остатков. Основные возможности комплекса: анализ остатков и преобразования, оптимизация одномерных или многомерных переменных отклика: профиль отклика (желательности), стандартные двухуровневые 2**(k-p) дробные факторные планы с блоками (планы Box-Hunter-Hunter минимальной абберации), 2**(k-p) дробные факторные планы минимального отклонения и максимального несмешивания с блоками: Общий поиск планов, отсеивающие (Плакетта-Бермана) планы, смешанные факторные планы, трехуровневые 3**(k-p) дробные факторные планы с блоками и планы Бокса-Бенкена, центральные композиционные планы (поверхности отклика), латинские квадраты, робастные планы Тагучи, планы для смесей и тернарные графики, планы для смесей и поверхностей с ограничениями, D- и A-оптимальные планы, D-оптимальный план с расщепленной делянкой, D-оптимальный анализ с расщепленной делянкой. Исходные данные для обработки данным инструментом могут быть взяты
[5, 6].
Рис. 3. STATISTICA Process Analysis (Анализ процессов)
4.STATISTICA Power Analysis and Interval Estimation (Анализ мощности и интервальное оценивание) - является чрезвычайно точным и удобным в использовании инструментом исследования, предназначенным для анализа всех аспектов статистической мощности и расчета объема выборки. Основные возможности комплекса: удобный и мощный инструмент для анализа всех аспектов статистической мощности и вычисления объема выборки, оценка мощности критерия и др. Исходные данные для обработки данным инструментом могут быть взяты [7, 8].
Рис. 4. STATISTICA Power Analysis and Interval Estimation (Анализ мощности и интервальное оценивание)
5. STATISTICA Process Optimization - позволяет проводить мониторинг процессов, идентифицировать и предотвращать проблемы, относящиеся к контролю качества на производстве. STATISTICA Process Optimization совмещает все контроля качества карты, анализ процессов, планирование экспериментов, инструменты Шесть сигма и технологии Data Mining. Основные возможности комплекса: прогнозирование проблем контроля качества с помощью передовых методов data mining, обнаружение причин снижения качества и других проблем, мониторинг и повышение ROI (коэффициента окупаемости инвестиций), предложение решений для повышения качества, мониторинг процессов в режиме реального времени через Web, использование многопоточных и распределенных процессов для высокоскоростной работы с большими объемами данных, общая оптимизация. Исходные данные для обработки данным инструментом могут быть взяты [9, 10].
■ tau * W " i f Л«" в ?
ttl^.nn'.
.¡ПЗя ' 1 1 - н
-' ■H* И
ч » ] ^J- —
Рис. 5. STATISTICA Process Optimization, мониторинг процессов
Как видно из описания программного комплекса и методов им реализуемых, это мощный инструмент для статистических задач разного уровня. В рамках научной деятельности кружка пожарной безопасности наиболее интересен раздел STATISTICA Design of Experiments (Планирование экспериментов). С его помощью планируется проводить обработку численных и натурных экспериментов. Особо ценно, что на базе данной платформы есть возможность выполнить исследования по ГОСТ 24026-80 Исследовательские испытания. Планирование эксперимента. Термины и определения.
Список использованной литературы
1. Думачев В.Н., Пешкова Н.В., Калач А.В., Чудаков А.А. Ситуационное моделирование прорыва противопаводковой дамбы во время аномального наводнения на дальнем востоке летом 2013 г.// Вестник ВИ ГПС МЧС России. 2013. № 4 (9). - С. 35-39.
2. Калач А.В., Чудаков А.А., Калач Е.В., Арифуллин Е.З.
Математическая модель движения поверхностных вод местного стока// Технологии гражданской безопасности. 2013. - Т. 10. - № 3. - С. 90-94.
3. Метелкин И.И. Программа «Пожар-ЭКО» для расчета распространения примеси в результате пожара центрального района города Воронежа// Пожарная безопасность: проблемы и перспективы: Матер. III Всерос. науч. конф. с междун. уч., 20 сент. 2012. Воронеж, 2012. - С. 232-234.
4. Астанин И.К., Метелкин И.И. Математическая модель аэрогенного переноса загрязняющих веществ при пожаре// Естественные и технические науки. 2011. - № 3. - С. 413-416.
5. Ситников И.В., Головинский П.А., Однолько А.А. Интегральная модель динамики пожара при неустановившемся режиме горения толуола// Пожаровзрывобезопасность. 2014. - Т. 23. - № 2. - С. 34-42.
6. Вытовтов А.В., Каргашилов Д.В. Использование полевой модели пожара при расчете распространения ОФП на примере здания с коридорной системой// Современные технологии обеспечения гражданской обороны и ликвидации последствий чрезвычайных ситуаций: Матер. Всерос. науч.-практ. конф. с междун. уч., 19 апреля 2013. Воронеж, 2013. - С. 26-28.
7. Ситников И.В., Шепелев И.А., Колодяжный С.А., Однолько А.А. Анализ математических моделей пожара, применяемых для расчета времени блокирования путей эвакуации опасными факторами пожара// Научный журнал. Инженерные системы и сооружения. 2012. - № 1. - С. 81-87.
8. Каргашилов Д.В., Вытовтов А.В. Определение расчетных величин риска в чрезвычайных ситуациях и на пожаре // Пожарная безопасность: проблемы и перспективы: Матер. III Всерос. науч.-практ. конф. с междунар. уч., 20 сентября 2012. Воронеж, 2012. - С. 367-370.
9. Denisov M.S., Shornikov Yu.V., Novikov E.A., Dostovalov I.N., Tomilov D.N. Modeling stiff HYBRID systems of high dimension in ISMA. / В сборнике: Proceedings of the IASTED International Conference on Automation, Control, and Information Technology - Control, Diagnostics, and Automation, ACIT-CDA 2010 2010. - С. 256-260.
10. Шумилин В.В. Особенности математического моделирования распространения опасных факторов пожара// Проблемы обеспечения безопасности при ликвидации последствий чрезвычайных ситуаций: Матер. III Всерос. науч.-практ. конф. с междунар. уч., 19 декабря 2014. Воронеж, 2014. -С. 332-334.
