Для того чтобы эффективно использовать машины и механизмы лесного комплекса следует учитывать их параметры и характеристики, в том числе неравномерность их работы.
Для этого мы провели статистическое исследование неравномерности работы многопильного станка СМ-160, который находится на предприятии города Ухты ООО «Транспогрузка»
Во многих случаях необходимо исследовать не только детерминированные, но и случайные, вероятностные (стохастические) процессы. Обычно технологические процессы выполняются в условиях непрерывно меняющейся обстановки: вынужденные простои машин; неравномерная работа транспорта; непрерывное изменение внешних (например, метеорологических) факторов и так далее. Те или иные события могут произойти или не произойти. В связи с этим приходится анализировать случайные, вероятностные или стохастические связи. В которых каждому аргументу соответствует множество значений функции. Наблюдения показали, что, несмотря на случайный характер связи, рассеивание имеет вполне определённые закономерности. Для таких статистических законов теория вероятностей позволяет предоставить не одного какого-либо события, а средний результат анализируемых событий и тем точнее, чем больше число анализируемых явлений. Это связано с тем, что, несмотря на случайный характер событий, они подчиняются определенным закономерностям, рассматриваемым в теории вероятностей.
Оно заключалось в хронометражном наблюдении процесса продольной распиловки двухкантного бруса с целью получения обрезных и необрезных досок. По результатам этих наблюдений можно определить статистическое распределение выборки и построить несколько графиков.
Статистическим распределением выборки называют перечень вариант xiвариационного ряда и соответствующих им частот niили относительных частот wi
Показатели статистического распределения выборки
Величина разряда
(xmax- xmin)-размах вариации
n-число замеров
xmin=86
xmax=96
Число разрядов
k= (xmax-xmin)/=(96-86)/1,08=9,25
x |
w |
|
86 |
58 |
0,193 |
88 |
81 |
0,27 |
92 |
79 |
0,263 |
94 |
56 |
0,186 |
96 |
26 |
0,088 |
300 |
1 |
По данным вариационного ряда статистическое распределение можно представить в виде гистограммы и полигона.
Рис. 1. Гистограмма статистического распределения
Рис. 2. Полигон статистического распределения
Основные статистические характеристики статистического распределение
Математическое ожидание
ni- количество наблюдений в i-ом интервале;
xi- серединное значение каждого интервала;
n- общее количество наблюдений;
k- число интервалов, на которые разбита выборка.
Дисперсия
Среднее квадратичное отклонение
Модой М0 называется варианта имеющая в рассматриваемом статистическом распределении наибольшую частоту.
Медианой mе называется варианта, делящая статическое распределение на две равные части.
Коэффициент вариации
Средняя ошибка средней величины
Показатель точности
x - варианта;
n- частота варианты;
w- частость варианты.
Показатель |
Единицы измерения |
Величина показателя |
сек |
90,48 |
|
M0 |
сек |
96 |
me |
сек |
96 |
D |
сек2 |
11,1029 |
сек |
3,3321 |
|
% |
3,6826 |
|
m |
сек |
0,1923 |
% |
0,2126 |
Построение кривой нормального распределения по опытным данным.
Вычисление теоретических частот нормальной кривой
.
X |
Xi-X |
U |
y |
||
86 |
58 |
-4,48 |
-1,34454 |
0,4099 |
29,35022 |
88 |
81 |
-2,48 |
-0,7443 |
0,2703 |
54,70371 |
92 |
79 |
1,52 |
0,456182 |
0,1736 |
64,95482 |
94 |
56 |
3,52 |
1,056423 |
0,3531 |
41,38096 |
96 |
26 |
5,52 |
1,656663 |
0,4505 |
18,43251 |
300 |
Рис. 3. Эмпирическое и теоретическое распределение распиловки двухкантного бруса
Мы установили, что неравномерность работы многопильного станка можно аппроксимировать нормальным распределением, это позволяет рассчитать производительность и необходимые нормы запасов полуфабрикатов перед станком, чтобы избежать простоев и обеспечить максимальный выход производительности.