Aproximace a vyhlazování křivek

Podobné dokumenty
SEMESTRÁLNÍ PRÁCE UNIVERZITA PARDUBICE. Fakulta chemicko - technologická Katedra analytické chemie

Kalibrace a limity její přesnosti

SEMESTRÁLNÍ PRÁCE X. Aproximace křivek Numerické vyhlazování

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Kalibrace a limity její přesnosti

UNIVERZITA PARDUBICE. 4.4 Aproximace křivek a vyhlazování křivek

UNIVERZITA PARDUBICE

Univerzita Pardubice. Fakulta chemicko-technologická Katedra analytické chemie. Licenční studium Statistické zpracování dat

Kalibrace a limity její přesnosti

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Kalibrace a limity její přesnosti

2.2 Kalibrace a limity její p esnosti

Úloha 1. Napište matici pro případ lineárního regresního spline vyjádřeného přes useknuté

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Semestrální práce. 2. semestr

Úloha 1: Lineární kalibrace

UNIVERZITA PARDUBICE

Kalibrace a limity její přesnosti

Plánování experimentu

KALIBRACE A LIMITY JEJÍ PŘESNOSTI. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Tvorba nelineárních regresních modelů v analýze dat

Tvorba nelineárních regresních modelů v analýze dat

UNIVERZITA PARDUBICE

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie

UNIVERZITA PARDUBICE

UNIVERZITA PARDUBICE FAKULTA CHEMICKO-TECHNOLOGICKÁ

KALIBRACE. Definice kalibrace: mezinárodní metrologický slovník (VIM 3)

Vyhodnocení průměrných denních analýz kalcinátu ananasového typu. ( Metoda hlavních komponent )

Univerzita Pardubice

Tvorba nelineárních regresních

Tvorba lineárních regresních modelů při analýze dat

Posouzení linearity kalibrační závislosti

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba nelineárních regresních modelů v analýze dat. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

9 INTERPOLACE A APROXIMACE

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Aproximace křivek a vyhlazování křivek

Fakulta chemicko technologická Katedra analytické chemie

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium Management systému jakosti

Aproximace a interpolace

vzorek vzorek

Lineární regrese. Komentované řešení pomocí MS Excel

Semestrální práce str. 1. Semestrální práce. 2.1 Tvorba lineárních regresních modelů při analýze dat. 2.3 Kalibrace a limity její přesnosti

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

Předmět: 1.1 Využití tabulkového procesu jako laboratorního deníku Přednášející: Doc. Ing. Stanislava Šimonová, Ph.D., Doc. Ing. Milan Javůrek, CSc.

Tvorba lineárních regresních modelů

Polynomy a interpolace text neobsahuje přesné matematické definice, pouze jejich vysvětlení

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

KVALITA GELU HYDRATOVANÉHO OXIDU TITANIČITÉHO Z HLEDISKA KALCINAČNÍHO CHOVÁNÍ

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Interpolace pomocí splajnu

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba lineárních regresních modelů. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

PYTHAGORAS Statistické zpracování experimentálních dat

6. Lineární regresní modely

POLYNOMICKÁ REGRESE. Jedná se o regresní model, který je lineární v parametrech, ale popisuje nelineární závislost mezi proměnnými.

Typy příkladů na písemnou část zkoušky 2NU a vzorová řešení (doc. Martišek 2017)

6. Lineární regresní modely

TVORBA LINEÁRNÍCH REGRESNÍCH MODELŮ PŘI ANALÝZE DAT. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

Metoda nejmenších čtverců Michal Čihák 26. listopadu 2012

Tvorba grafů v programu ORIGIN

http: //meloun.upce.cz,

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice.

Chyby nepřímých měření

Parametry hledáme tak, aby součet čtverců odchylek byl minimální. Řešením podle teorie je =

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

Úloha č. 2 - Kvantil a typická hodnota. (bodově tříděná data): (intervalově tříděná data): Zadání úlohy: Zadání úlohy:

6. Lineární regresní modely

Regresní a korelační analýza

UNIVERZITA PARDUBICE

Kalibrace analytických metod

UNIVERZITA PARDUBICE

Regresní a korelační analýza

přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod

Regresní a korelační analýza

METODA PŮLENÍ INTERVALU (METODA BISEKCE) METODA PROSTÉ ITERACE NEWTONOVA METODA

Posouzení linearity kalibraèní závislosti

Tvorba modelu sorpce a desorpce 85 Sr na krystalických horninách za dynamických podmínek metodou nelineární regrese

Odborně-pedagogický koncept

LINEÁRNÍ REGRESE Komentované řešení pomocí programu Statistica

Statistická analýza jednorozměrných dat

Zadání Vypracujte písemně s využitím paketu ADSTAT a vyřešte 3 příklady. Příklady postavte z dat vašeho pracoviště nebo nalezněte v literatuře. Každý

Náhodná proměnná. Náhodná proměnná může mít rozdělení diskrétní (x 1. , x 2. ; x 2. spojité (<x 1

Univerzita Pardubice SEMESTRÁLNÍ PRÁCE. Tvorba grafů v grafickém editoru ORIGIN. 2015/2016 RNDr. Mgr. Leona Svobodová, Ph.D.

Ústřední komise Chemické olympiády. 55. ročník 2018/2019 NÁRODNÍ KOLO. Kategorie E. Řešení praktických částí

Semestrální práce. 3.3 Tvorba nelineárních regresních modelů v analýze dat

STATISTIKA. Inovace předmětu. Obsah. 1. Inovace předmětu STATISTIKA Sylabus pro předmět STATISTIKA Pomůcky... 7

S E M E S T R Á L N Í

PŘÍRUČKA ŘEŠENÝCH PŘÍKLADŮ

STANOVENÍ PROPUSTNOSTI OBALOVÝCH MATERIÁLŮ PRO VODNÍ PÁRU

Chyby spektrometrických metod

Statistická analýza jednorozměrných dat

Univerzita Pardubice Fakulta chemicko-technologická. Licenční studium Statistické zpracování dat

8. Sběr a zpracování technologických proměnných

STATISTICKÉ ZPRACOVÁNÍ DAT PŘI MANAGEMENTU JAKOSTI

Střední průmyslová škola, Karviná. Protokol o zkoušce

Příloha č. 1 Grafy a protokoly výstupy z adstatu

KALIBRACE A LIMITY JEJÍ PŘESNOSTI 2015

Transkript:

Fakulta chemicko technologická Katedra analytické chemie licenční studium Management systému jakosti Autor: Přednášející: Prof. Ing. Jiří Militký, Csc

1. SLEDOVÁNÍ ZÁVISLOSTI HODNOTY SFM2 NA BARVIVOSTI ANATASOVÉHO KALCINÁTU (Aproximace) 1.1 ZADÁNÍ Při zkušební výrobě vývojového druhu TB byla sledována závislost hodnoty SFM2 na barvivosti v rozsahu 1260-1320 bodů. Cílem úlohy je určení vhodného typu spline a zdůvodnění vhodného počtu uzlů 1.2 DATA Tabulka 1.1: Naměřená data - Závislost SFM2 na barvivosti SFM2 Barvivost SFM2 Barvivost 1 110 1317 21 150 1293 2 112 1318 22 152 1290 3 114 1319 23 154 1288 4 116 1319 24 156 1285 5 118 1320 25 158 1283 6 120 1320 26 160 1281 7 122 1319 27 162 1278 8 124 1319 28 164 1276 9 126 1318 29 166 1274 10 128 1316 30 168 1273 11 130 1315 31 170 1271 12 132 1313 32 172 1270 13 134 1311 33 174 1269 14 136 1309 34 176 1268 15 138 1307 35 178 1268 16 140 1305 36 180 1268 17 142 1303 37 182 1268 18 144 1300 38 184 1268 19 146 1298 - - - 20 148 1295 - - - Program: Adstat 1.25 modul Kalibrace Název souboru s daty: data_aproximace.txt - 1 -

1.3 VYHODNOCENÍ Řešení vychází z navržení o věření vhodného regresního modelu, lineárního (přímka) nebo nelineárního (křivka). Prvním krokem je rozhodnutí, o který model se jedná, druhým krokem určení uzlových bodů. Kvalita proložení je hodnocena posouzením grafických výstupů i statistickou analýzou reziduí. Pro řešení jsou používány lineární spline, kvadratický a kubický spline s různými alternativami zadávání uzlových bodů. Vyhodnocení neobsahují grafické výstupy, nepodařilo se provést zkopírování grafů z Astatu do jiného prostředí. 1330 1320 1310 Barvivost 1300 1290 1280 1270 1260 109 119 129 139 149 159 169 179 SFM 2 Graf 1.1: Závislost SFM2 na barvivosti (MS Excel) 1.3.1 Aproximace pomocí lineární spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.2: Hodnoty RSC a s(e) pro lineární spline funkci Počet uzlových bodů 1 2 3 4 s(e) 3.83550E+00 1.73150E+00 9.26430E-01 5.56230E-01 RSC 5.14900E+02 1.01940E+02 2.83230E+01 9.90000E+00 Nejlepších výsledků bylo dosaženo při použití 4 a 5 uzlových bodů. Vzhledem k nevýrazným rozdílům u parametrů s(e) u obou případů je výhodnější brát za výsledek s použitím menšího počtu uzlů, tedy tří. Grafický průběh ukazuje na problematické oblasti obou konců křivek, lineární spline funkce není vhodná pro tuto závislost. 1.3.2 Aproximace pomocí kvadratické spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.3: Hodnoty RSC a s(e) pro kvadratickou spline funkci Počet uzlových bodů 1 2 3 4 s(e) 7.55680E-01 3.26600E-01 3.03980E-01 3.26770E-01 RSC 1.94160E+01 3.52010E+00 2.95690E+00 3.31020E+00-2 -

Nejlepších výsledků bylo dosaženo při použití 3 uzlových bodů. 1.3.3 Aproximace pomocí kubické spline funkce Byla použita lineární funkce spline postupně s jedním až čtyřmi uzlovými body (konstantní uzlové intervaly). K hodnocení kvality proložení byla použita hodnota odhadu směrodatné odchylky reziduí s(e) a reziduálního součtu čtverců RSC. Tabulka 1.4: Hodnoty RSC a s(e) pro kubickou spline funkci Počet uzlových bodů 1 2 3 4 s(e) 3.19570E-01 3.23640E-01 3.32355E-01 3.31020E-01 RSC 3.37000E+00 3.35170E+00 3.24530E+00 2.72480E+00 Nejlepších výsledků bylo dosaženo při použití 4 uzlových bodů, vzhledem k tomu, že nedošlo k výraznému zlepšení těsnosti proložení jeví se jako výhodnější použití 3 uzlových bodů. 1.4 SOUHRN A ZÁVĚR K dobrému proložení došlo při použití kvadratické a kubické spline funkce pro 3 a 4 uzlové body. Na základě porovnání dosažených hodnot s(e), RSC a po posouzení grafického zobrazení proložení byla jako nejlepší určena kubická spline funkce se 3 uzlovými body. - 3 -

2. STANOVENÍ OBSAHU OXIDU HLINITÉHO V SÍRANU HLINITÉM PRO POVRCHOVOU ÚPRAVU TB (Interpolace) 2.1 ZADÁNÍ Při povrchové úpravě titanové běloby se jako jedna surovin používá kapalný síran hlinitý. Proměřením byla zjištěna řada hustot a jim odpovídajících koncentrací Al 2 O 3. Pomocí interpolace odhadněte koncentraci Al 2 O 3 pro roztok o hustotě 1230 g/l. 2.2 DATA Tabulka 2.1: Naměřená data Hustota [g/l] Obsah Al2O3 [g/l] Hustota [g/l] Obsah Al2O3 [g/l] 1 1150 50,0 3 1250 83,9 2 1180 60,6 4 1280 95,1 3 1200 71,4 5 1320 110,9 Program: QC Expert 2.9 modul Kalibrace MS Excel Název souboru s daty: data_interpolace.txt 2.3 VYHODNOCENÍ 2.3.1 Řešení pomocí programu QC Expert Řešení úlohy je možné provést kalibrací v programu QC Expert. Jako vyhovující byl vyhodnocen lineární model. Pomocí interaktivního odhadu byl pro hustotu 1230 g/l stanoven obsah Al 2 O 3 78,65 g/l. Graf 2.1:Kalibrační závislost obsahu Al 2 O 3 a hustoty - 4 -

2.3.2 Řešení pomocí tabulkového editoru U menšího počtu dat je možné provést výpočet pomocí Newtonova interpolačního polynomu vytvářením postupných diferencí. 1150 50,0 1180 60,6 0,35 1200 71,4 0,54 0,02 1250 83,9 0,25-0,02-0,000407 1280 95,1 0,37 0,01 0,000344 5,78218E-06 1320 110,9 0,40 0,00-7,96E-05-3,02687E-06-5,18179E-08 1230,0 78,6 1150 50 1180 60,6 =(B3-B2)/(A3-A2) 1200 71,44 =(B4-B3)/(A4-A3) =(C4-C3)/(B4-B3) 1250 83,9 =(B5-B4)/(A5-A4) =(C5-C4)/(B5-B4) =(D5-D4)/(A5-A2) 1280 95 =(B6-B5)/(A6-A5) =(C6-C5)/(B6-B5) =(D6-D5)/(A6-A3) =(E6-E5)/(A6-A2) 1320 110,9 =(B7-B6)/(A7-A6) =(C7-C6)/(B7-B6) =(D7-D6)/(A7-A4) =(E7-E6)/(A7-A3) =(F7-F6)/(A7-A2) 1230,0 =B2+C3*(A9-A2)+D4*(A9-A2)*(A9-A3)+E5*(A9-A2)*(A9-A3)*(A9-A4)+F6*(A9-A2)*(A9-A3)*(A9-A4) *(A9-A5)+G7*(A9-A2)*(A9-A3)*(A9-A4)*(A9-A5)*(A9-A6) 2.4 SOUHRN A ZÁVĚR Oba způsoby výpočtu vedly ke stejnému výsledku. Pro hustotu síranu hlinitého 1230 g/l byl stanoven obsah Al 2 O 3 78,65 g/l. - 5 -

3. SLEDOVÁNÍ REŽIMU KALCINAČNÍ PECE (Numerické vyhlazování) 3.1 ZADÁNÍ Jedním z rozhodujících parametrů charakterizující titanovou bělobu rutilového typu je obsah rutilu. Ten je jedním z rozhodujících parametrů při řízení kalcinační pece. Vzhlede k tomu, že je ovlivňován řadou faktorů, dochází k jeho výraznějšímu kolísání v čase. Následující data představují obsah rutilu změřený ve vzorcích odebraných z kalcinační pece (2. otvor) v průběhu relativně rovnoměrného kalcinačního režimu. Přesto došlo k výraznějšímu kolísání tohoto parametru. Cílem úlohy je nalezení vhodného vyhlazení naměřených hodnot obsahu rutilu. 3.2 DATA Tabulka 3.1: Naměřená data-obsah rutilu na 2. otvoru KP Obsah Obsah Obsah Obsah rutilu [%] rutilu [%] rutilu [%] rutilu [%] 1 24,70 11 18,10 21 24,00 31 30,50 2 26,40 12 21,30 22 34,60 32 43,10 3 25,10 13 28,00 23 29,10 33 35,50 4 24,30 14 21,60 24 40,20 34 43,10 5 26,30 15 37,10 25 38,80 35 49,40 6 40,30 16 26,20 26 34,50 36 60,50 7 22,40 17 33,90 27 39,40 37 68,40 8 29,40 18 29,60 28 44,70 38 56,90 9 35,50 19 27,60 29 39,00 39 64,10 10 22,00 20 23,20 30 35,60 40 53,40 Program: Astat 1.25 modul Vyhlazování Název souboru s daty: data_vyhlazeni.txt 3.3. VYHODNOCENÍ 80,0 70,0 Obsah rutilu [%] 60,0 50,0 40,0 30,0 20,0 10,0 0,0 0 5 10 15 20 25 30 35 40 Graf 3.1: Průběh obsahu rutilu (MS Excel)(klouzavý průměr-3 periody) Vyhodnocení neobsahují grafické výstupy, nepodařilo se provést zkopírování grafů z Adstatu do jiného prostředí. - 6 -

K řešení této úloh byl použit spline vyhlazování algoritmem Reinsch. Nejlepšího poměru mezi vyhlazením křivky a jejím přiblížením experimentálním bodům je dosaženo při volbě vhodného parametru S. Při vysoké hodnotě S dochází k přiblížení vyhlazující funkce g(x) k regresní přímce. Pro nalezení vhodného parametru S je výhodné použít reziduální rozptyly, průměr absolutních reziduí. Důležitým je rovněž posouzení grafických výstupů, zejména v souvislosti váhy proložení a propojení experimentálních bodů. Tabulka 3.2: Určení optimálního stupně vyhlazení S Průměr reziduí Průměr absolutních reziduí Reziduální rozptyl Vizuální hodnocení křivky 10-1,78E-16 4,02E-01 2,50E-01 přílišné kopírování bodů 35-3,55E-16 7,43E-01 9,35E-01 lepší proložení 41 1,78E-16 8,02E-01 1,01E+00 dobré proložení 50 0,00E+00 8,83E-01 1,12E+00 dobré proložení 3.4 SOUHRN A ZÁVĚR U provozně technologických dat z kalcinace titanové běloby bylo provedeno vyhlazení pomocí Reinschova algoritmu. Jako optimální a vyhovující bylo zvoleno vyhlazení s parametrem S=41,0E+00. - 7 -