Помощь студентам в учебе
ОБРАБОТКА ДАННЫХ СЛИЧЕНИЙ ЭЛЕКТРИЧЕСКИХ ВЕЛИЧИН МЕТОДОМ АГРЕГИРОВАНИЯ ПРЕДПОЧТЕНИЙ
|
Введение 5
ГЛАВА 1 Сличения в практике измерений электрических величин 12
1.1 Цели сличений на различных уровнях 12
1.1.1 Цели международных сличений 13
1.1.2 Цели межлабораторных сличений 15
1.2 Особенности проведения и обработки данных сличений различного
уровня 17
1.2.1 Сличения национальных эталонов НМИ 17
1.2.2 Проверка квалификации аккредитованных лабораторий 19
1.2.3 Опорное значение сличений и наибольшее подмножество
согласованных результатов 23
1.3 Алгоритмы обработки данных сличений 26
1.3.1 Процедура А обработки данных сличений 26
1.3.2 Алгоритмы оценки результатов межлабораторных сличений
на основе статистических критериев 28
1.3.3 Алгоритм Нильсена 31
Выводы к главе 1 34
ГЛАВА 2 Агрегирование предпочтений 36
2.1 Правила агрегирования предпочтений 36
2.1.1 Отношение предпочтения 36
2.1.2 Правило простого большинства 39
2.1.3 Правило Борда 40
2.1.4 Правило Кондорсе 41
2.2 Правило Кемени 44
2.3 Алгоритм нахождения ранжирования Кемени 46
2.4 Входной и выходной профили задачи о ранжировании Кемени 52
2.4.1 Транзитивность входного профиля 52
2.4.2 Экспериментальные исследования транзитивности
входного профиля 54
2.4.3 Нетранзитивность выходного профиля 58
Выводы к главе 2 59
ГЛАВА 3 Обработка данных сличений на основе решения задачи о ранжировании Кемени 61
3.1 Алгоритм обработки данных сличений на основе агрегирования
предпочтений 61
3.2 Пример применения метода агрегирования предпочтения 66
3.3 Разработка программной среды для экспериментальных
исследований метода агрегирования предпочтения 68
3.3.1 Архитектура программного комплекса обработки и
анализа данных сличений 69
3.3.2 Программная реализация алгоритма обработка данных
сличений на основе агрегирования предпочтений 78
3.4 Проведение численных экспериментальных исследований обработки данных сличений методом агрегирования предпочтений ... 79
3.4.1 Исследование робастности и работоспособности
метода агрегирования предпочтения 79
3.4.2 Выбор подходящего числа значений диапазона актуальных
значений 87
Выводы к главе 3 97
ГЛАВА 4 ОБРАБОТКА РЕЗУЛЬТАТОВ ПРАКТИЧЕСКИХ
СЛИЧЕНИЙ 99
4.1 Выбор числа участников сличений 99
4.1.1 Схема Бернулли и геометрическое распределение 100
4.1.2 Вероятностная модель обнаружения опорного значения 101
4.1.3 Анализ роста вероятности обнаружения опорного значения
при добавлении дополнительных лабораторий в группу участников сличений 104
4.2 Обработка данных реальных сличений 108
4.2.1 Ключевые сличений эталона высокочастотной мощности 108
4.2.2 Дополнительные сличения эталона единицы электрической
мощности 115
4.2.3 Межлабораторные сличения для определения размера
единицы мощности микроволнового излучения 121
4.2.4 Межлабораторные сличительные калибровки цифрового
вольтметра 123
Выводы к главе 4 126
Заключение 128
Список сокращений и обозначений 129
Список используемой литературы 133
Приложение А. Акты внедрения диссертационной работы 145
ГЛАВА 1 Сличения в практике измерений электрических величин 12
1.1 Цели сличений на различных уровнях 12
1.1.1 Цели международных сличений 13
1.1.2 Цели межлабораторных сличений 15
1.2 Особенности проведения и обработки данных сличений различного
уровня 17
1.2.1 Сличения национальных эталонов НМИ 17
1.2.2 Проверка квалификации аккредитованных лабораторий 19
1.2.3 Опорное значение сличений и наибольшее подмножество
согласованных результатов 23
1.3 Алгоритмы обработки данных сличений 26
1.3.1 Процедура А обработки данных сличений 26
1.3.2 Алгоритмы оценки результатов межлабораторных сличений
на основе статистических критериев 28
1.3.3 Алгоритм Нильсена 31
Выводы к главе 1 34
ГЛАВА 2 Агрегирование предпочтений 36
2.1 Правила агрегирования предпочтений 36
2.1.1 Отношение предпочтения 36
2.1.2 Правило простого большинства 39
2.1.3 Правило Борда 40
2.1.4 Правило Кондорсе 41
2.2 Правило Кемени 44
2.3 Алгоритм нахождения ранжирования Кемени 46
2.4 Входной и выходной профили задачи о ранжировании Кемени 52
2.4.1 Транзитивность входного профиля 52
2.4.2 Экспериментальные исследования транзитивности
входного профиля 54
2.4.3 Нетранзитивность выходного профиля 58
Выводы к главе 2 59
ГЛАВА 3 Обработка данных сличений на основе решения задачи о ранжировании Кемени 61
3.1 Алгоритм обработки данных сличений на основе агрегирования
предпочтений 61
3.2 Пример применения метода агрегирования предпочтения 66
3.3 Разработка программной среды для экспериментальных
исследований метода агрегирования предпочтения 68
3.3.1 Архитектура программного комплекса обработки и
анализа данных сличений 69
3.3.2 Программная реализация алгоритма обработка данных
сличений на основе агрегирования предпочтений 78
3.4 Проведение численных экспериментальных исследований обработки данных сличений методом агрегирования предпочтений ... 79
3.4.1 Исследование робастности и работоспособности
метода агрегирования предпочтения 79
3.4.2 Выбор подходящего числа значений диапазона актуальных
значений 87
Выводы к главе 3 97
ГЛАВА 4 ОБРАБОТКА РЕЗУЛЬТАТОВ ПРАКТИЧЕСКИХ
СЛИЧЕНИЙ 99
4.1 Выбор числа участников сличений 99
4.1.1 Схема Бернулли и геометрическое распределение 100
4.1.2 Вероятностная модель обнаружения опорного значения 101
4.1.3 Анализ роста вероятности обнаружения опорного значения
при добавлении дополнительных лабораторий в группу участников сличений 104
4.2 Обработка данных реальных сличений 108
4.2.1 Ключевые сличений эталона высокочастотной мощности 108
4.2.2 Дополнительные сличения эталона единицы электрической
мощности 115
4.2.3 Межлабораторные сличения для определения размера
единицы мощности микроволнового излучения 121
4.2.4 Межлабораторные сличительные калибровки цифрового
вольтметра 123
Выводы к главе 4 126
Заключение 128
Список сокращений и обозначений 129
Список используемой литературы 133
Приложение А. Акты внедрения диссертационной работы 145
Актуальность темы. Надежные измерения электрических величин, таких как сила электрического тока, напряжение, сопротивление, емкость, индуктивность, мощность и др., лежат в основе принятия решений в различных отраслях промышленности и науки.
Постоянное развитие промышленности, приборостроения и энергетики, расширение внутреннего и внешнего энергетических рынков требует повышения точности измерений электрических величин и обеспечения международного признания, например, размеров единиц электрической мощности и энергии, а также достоверности результатов учетных операций при международной торговле электрической энергией.
Для поддержания единства и надежности измерений электрических величин необходимо обеспечение их прослеживаемости на различных уровнях метрологических работ в соответствии с требованиями международных и национальных стандартов. Для этого необходимо проведение сличений эталонов, используемых как национальными метрологическими институтами (НМИ), так и аккредитованными лабораториями.
В соответствии с межгосударственной рекомендацией РМГ 29 сличение эталонов - это установление соотношения между результатами измерений при воспроизведении и передаче единицы измерения или шкалы измерений данными эталонами одного уровня точности. Процедура сличений заключается в оценивании качества измерений заданной характеристики эталона сравнения несколькими различными участниками (НМИ или лабораториями) в соответствии с заранее установленными условиями.
Основной задачей сличений любого вида является установление опорного значения измеряемой величины, наилучшим образом характеризующего наибольшее подмножество согласованных, т.е. надежных, результатов измерений (так называемое наибольшее согласованное подмножество, НСП). Для этого лаборатории-участники сличений оценивают одно и то же номинальное значение величины. Участники направляют координатору сличений результаты измерений в форме оценок номинального значения и соответствующих стандартных неопределенностей. Координатор сличений проводит обработку полученных результатов и формирует заключение для каждой лаборатории-участника. Лаборатории с ненадёжными результатами не участвуют в формировании итогового опорного значения.
Существуют различные методы проверки согласованности результатов измерений лабораторий и нахождения опорного значения. Выбор конкретного метода проверки согласованности результатов измерений зависит от вида исследуемого эталона сравнения, особенностей испытаний и количества участников в сличениях. Распространены, например, статистические методы, основанные на вычислениях разности результата измерений лаборатории и определенного координатором приписанного значения, процентной разности, процентилей или рангов. Эти методы обычно накладывают ограничения на допустимое количество участников сличений, а также имеют невысокую дискриминирующую способность, позволяющую различать действительно ненадежные и надежные результаты. К тому же большинство из них основаны на исходных предположениях о нормальном распределении и независимости результатов измерений, которые не всегда выполняются на практике.
Поэтому существует необходимость в разработке робастных методов обработки данных сличений, работоспособных в случаях, когда закон распределения результатов измерений лабораторий отличается от нормального или неизвестен.
Перспективными для реализации придания свойства робастности обработке данных сличений являются методы голосования или агрегирования предпочтений, представляющих результаты лабораторий-участников в форме ранжирований значений измеряемой величины. Благодаря порядковой природе используемых при этом данных, полученное опорное значение не должно зависеть от вида закона распределения результатов измерений.
Целью диссертационной работы является разработка и исследование робастного метода обработки данных сличений, основанного на агрегировании предпочтений на множестве значений измеряемой величины, обеспечивающего отбор максимально возможного числа участников сличений, предоставляющих надежные результаты измерений.
В связи с поставленной целью в работе должны быть решены следующие задачи:
1. анализ необходимости разработки метода обработки данных сличений, обеспечивающего работоспособность в случаях, когда закон распределения результатов измерений лабораторий отличается от нормального или неизвестен;
2. исследование основанных на правилах голосования методов агрегирования предпочтений, обоснование выбора алгоритма агрегирования предпочтений на основе правила Кемени и исследование его свойств;
3. разработка и программная реализация метода обработки данных сличений на основе нахождения ранжирования консенсуса по правилу Кемени и численные экспериментальные исследования его робастности;
4. разработка обоснования для выбора рационального количества участников сличений.
Методы исследования. Использованы методы теории измерений, теории голосования, группового выбора, теории вероятностей и математической статистики, а также стандартизованные методы организации сличений. Вычислительный эксперимент проводился с использованием метода Монте-Карло с генерацией данных сличений, распределенных по равномерному и нормальному закону с помощью специально разработанного программного обеспечения в среде Microsoft Visual С#.
Достоверность полученных результатов диссертационной работы подтверждается совпадением с достаточной на практике точностью экспериментальных данных, полученных с помощью численного моделирования, с результатами реальных сличений, полученных из находящихся в открытом доступе отчетов известных национальных и международных метрологических организаций.
Научная новизна
1. Предложен и исследован метод обработки данных сличений, основанный на преобразовании интервалов неопределенности в ранжирования, нахождении для них ранжирования консенсуса по правилу Кемени и назначения в качестве опорного значения сличений наилучшей альтернативы в ранжировании консенсуса.
2. Показано, что предложенный метод агрегирования предпочтений при обработке результатов сличений обеспечивает формирование опорного значения, характеризующегося повышенной устойчивостью (робастностью) к виду закона распределения измерительных данных по сравнению с традиционными методами.
3. Разработана основанная на геометрическом распределении модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом участников сличений, которая позволяет выбирать обоснованное количество участников сличений.
Практическая ценность работы. Результаты проведенной работы могут быть использованы для разработки и усовершенствования методов организации и проведения ключевых, дополнительных, а также межлабораторных сличений при оценивании компетентности лабораторий, в области не только электричества и магнетизма, но и широкого круга измерений других видов величин.
Повышенная точность оценивания опорного значения обеспечивает повышение достоверности обработки данных сличений и может способствовать совершенствованию как национальной, так и международной эталонной базы.
Реализация и внедрение результатов работы. Результаты исследований по теме диссертации использованы для выполнения при непосредственном участии автора следующих НИР:
• грант РФФИ по проекту "Научная работа молодого ученого из
Казахстана в Томском политехническом университете", 2010 г., № 10-08-90900 моб_снг_ст;
• проект № 2078 "Развитие теории информационно-сенсорных систем" по заданию № 2014/226 на выполнение государственных работ в сфере научной деятельности в рамках базовой части государственного задания Минобрнауки России.
Результаты работы используются в:
• РГП "Казахстанский институт метрологии (КазИнМетр)" (г. Астана, Казахстан) при обработке результатов межлабораторных сличений по поверке/калибровке средств измерений электрических величин, давления, температуры и теплофизических величин;
• испытательном центре "КабельТестСтандарт" ТОО FORBEST (г. Сарань, Казахстан) для проведения внутрилабораторного контроля качества результатов измерений при проведении испытаний кабельной продукции.
Акты внедрения приложены к диссертационной работе (приложение А).
Положения, выносимые на защиту:
1. Разработанный метод обработки данных сличений, основанный на агрегировании предпочтений на множестве значений измеряемой величины, обеспечивает нахождение опорного значения сличений с неопределенностью, позволяющей сформировать НСП участников сличений мощности не меньшей или превышающей мощность НСП при традиционных методах.
2. Предложенный метод агрегирования предпочтений при обработке результатов сличений обеспечивает получение опорного значения не менее, чем в 2 раза более близкого к номинальному значению по сравнению с известными робастными методами.
3. Разработанная модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом m участников сличений, позволяет рекомендовать выбирать количество участников сличений из диапазона от 4 до 15.
Апробация результатов работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:
14-й Международный совместный симпозиум ИМЕКО ТК1, ТК7 и ТК13 "Интеллектуальные качественные измерения - Теория, Образование и Обучение", г. Йена, Германия, 2011 г.; XVIII и XIX Международная научно-практическая конференция студентов, аспирантов и молодых ученых "Современные техника и технологии", г. Томск, 2012 и 2013 гг.; Международный совместный симпозиум ИМЕКО ТК1, ТК7 и ТК13 "Измерение в физических и гуманитарных науках", Генуя, Италия, 2013; XXIII Национальный научный симпозиум с международным участием "Метрология и метрологическое обеспечение", Созополь, Болгария, 2013 г.; VII Всероссийская научно-практическая конференция с международным участием "Россия молодая", г. Кемерово, 2015 г.; XVI Международная научнотехническая конференция "Измерение, контроль, информатизация 2015", г. Барнаул, 2015 г.; Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых "Научная сессия ТУСУР-2015", г. Томск, 2015 г.; VI Международный конкурс "Лучший молодой метролог КООМЕТ-2015", г. Киев, Украина, 2015 г.; XXI Международный конгресс IMEKO, г. Прага, Чешская Республика, 2015 г.
По результатам работы автор стал призёром в следующих конкурсах:
• Конкурс Комитета технического регулирования и метрологии Министерства индустрии и новых технологий Республики Казахстан "Лучший молодой метролог года - 2015" (второе место), Астана, Казахстан;
• VI Международный конкурс "Лучший молодой метролог КООМЕТ- 2015" (второе место), Киев, Украина.
Публикации. Основные результаты исследований отражены в 15 публикациях: три статьи в ведущих научных журналах и изданиях, рекомендуемых ВАК, в том числе одна проиндексирована в базах данных Web of Science и Scopus; десять статей в рецензируемых научных журналах и сборниках трудов международных и российских конференций, в том числе две проиндексированы в базе данных Scopus; два свидетельства о государственной регистрации программ для ЭВМ.
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка сокращений и обозначений, списка литературы из 106 наименований и приложения. Работа содержит 147 страниц основного текста, включая 46 рисунков и 34 таблицы.
В первой главе представлен анализ отечественных и зарубежных источников, международных рекомендаций, посвященных проведению сличений различных уровней, применяемых в практике измерений электрических величин, и алгоритмов обработки данных этой процедуры.
Во второй главе введено понятие ранжирования как формы представления предпочтений и рассмотрены основные правила нахождения единственного ранжирования для заданных m ранжирований n альтернатив.
В третьей главе рассмотрено применение метода агрегирования предпочтений на основе правила Кемени к обработке данных сличений. Приведено описание программного комплекса, разработанного для проведения численных экспериментальных исследований предложенного подхода. Представлены выявленные в ходе экспериментальной проверки работоспособность и робастность метода агрегирования предпочтений на множестве сгенерированных равномерно и нормально распределенных случайных результатов участников сличений в сравнении с другими подходами.
В четвертой главе даны рекомендации по выбору рационального числа m участвующих в сличениях лабораторий на основе геометрического распределения, связывающего вероятность определения опорного значения xref измеряемой величины с числом m лабораторий-участников сличений. Приведены результаты применения метода агрегирования предпочтений для обработки данных реальных сличений, опубликованных в отчетах Международного бюро мер и весов, и в других публикациях сотрудников национальных метрологических институтов, в области измерений электрических и магнитных величин.
Постоянное развитие промышленности, приборостроения и энергетики, расширение внутреннего и внешнего энергетических рынков требует повышения точности измерений электрических величин и обеспечения международного признания, например, размеров единиц электрической мощности и энергии, а также достоверности результатов учетных операций при международной торговле электрической энергией.
Для поддержания единства и надежности измерений электрических величин необходимо обеспечение их прослеживаемости на различных уровнях метрологических работ в соответствии с требованиями международных и национальных стандартов. Для этого необходимо проведение сличений эталонов, используемых как национальными метрологическими институтами (НМИ), так и аккредитованными лабораториями.
В соответствии с межгосударственной рекомендацией РМГ 29 сличение эталонов - это установление соотношения между результатами измерений при воспроизведении и передаче единицы измерения или шкалы измерений данными эталонами одного уровня точности. Процедура сличений заключается в оценивании качества измерений заданной характеристики эталона сравнения несколькими различными участниками (НМИ или лабораториями) в соответствии с заранее установленными условиями.
Основной задачей сличений любого вида является установление опорного значения измеряемой величины, наилучшим образом характеризующего наибольшее подмножество согласованных, т.е. надежных, результатов измерений (так называемое наибольшее согласованное подмножество, НСП). Для этого лаборатории-участники сличений оценивают одно и то же номинальное значение величины. Участники направляют координатору сличений результаты измерений в форме оценок номинального значения и соответствующих стандартных неопределенностей. Координатор сличений проводит обработку полученных результатов и формирует заключение для каждой лаборатории-участника. Лаборатории с ненадёжными результатами не участвуют в формировании итогового опорного значения.
Существуют различные методы проверки согласованности результатов измерений лабораторий и нахождения опорного значения. Выбор конкретного метода проверки согласованности результатов измерений зависит от вида исследуемого эталона сравнения, особенностей испытаний и количества участников в сличениях. Распространены, например, статистические методы, основанные на вычислениях разности результата измерений лаборатории и определенного координатором приписанного значения, процентной разности, процентилей или рангов. Эти методы обычно накладывают ограничения на допустимое количество участников сличений, а также имеют невысокую дискриминирующую способность, позволяющую различать действительно ненадежные и надежные результаты. К тому же большинство из них основаны на исходных предположениях о нормальном распределении и независимости результатов измерений, которые не всегда выполняются на практике.
Поэтому существует необходимость в разработке робастных методов обработки данных сличений, работоспособных в случаях, когда закон распределения результатов измерений лабораторий отличается от нормального или неизвестен.
Перспективными для реализации придания свойства робастности обработке данных сличений являются методы голосования или агрегирования предпочтений, представляющих результаты лабораторий-участников в форме ранжирований значений измеряемой величины. Благодаря порядковой природе используемых при этом данных, полученное опорное значение не должно зависеть от вида закона распределения результатов измерений.
Целью диссертационной работы является разработка и исследование робастного метода обработки данных сличений, основанного на агрегировании предпочтений на множестве значений измеряемой величины, обеспечивающего отбор максимально возможного числа участников сличений, предоставляющих надежные результаты измерений.
В связи с поставленной целью в работе должны быть решены следующие задачи:
1. анализ необходимости разработки метода обработки данных сличений, обеспечивающего работоспособность в случаях, когда закон распределения результатов измерений лабораторий отличается от нормального или неизвестен;
2. исследование основанных на правилах голосования методов агрегирования предпочтений, обоснование выбора алгоритма агрегирования предпочтений на основе правила Кемени и исследование его свойств;
3. разработка и программная реализация метода обработки данных сличений на основе нахождения ранжирования консенсуса по правилу Кемени и численные экспериментальные исследования его робастности;
4. разработка обоснования для выбора рационального количества участников сличений.
Методы исследования. Использованы методы теории измерений, теории голосования, группового выбора, теории вероятностей и математической статистики, а также стандартизованные методы организации сличений. Вычислительный эксперимент проводился с использованием метода Монте-Карло с генерацией данных сличений, распределенных по равномерному и нормальному закону с помощью специально разработанного программного обеспечения в среде Microsoft Visual С#.
Достоверность полученных результатов диссертационной работы подтверждается совпадением с достаточной на практике точностью экспериментальных данных, полученных с помощью численного моделирования, с результатами реальных сличений, полученных из находящихся в открытом доступе отчетов известных национальных и международных метрологических организаций.
Научная новизна
1. Предложен и исследован метод обработки данных сличений, основанный на преобразовании интервалов неопределенности в ранжирования, нахождении для них ранжирования консенсуса по правилу Кемени и назначения в качестве опорного значения сличений наилучшей альтернативы в ранжировании консенсуса.
2. Показано, что предложенный метод агрегирования предпочтений при обработке результатов сличений обеспечивает формирование опорного значения, характеризующегося повышенной устойчивостью (робастностью) к виду закона распределения измерительных данных по сравнению с традиционными методами.
3. Разработана основанная на геометрическом распределении модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом участников сличений, которая позволяет выбирать обоснованное количество участников сличений.
Практическая ценность работы. Результаты проведенной работы могут быть использованы для разработки и усовершенствования методов организации и проведения ключевых, дополнительных, а также межлабораторных сличений при оценивании компетентности лабораторий, в области не только электричества и магнетизма, но и широкого круга измерений других видов величин.
Повышенная точность оценивания опорного значения обеспечивает повышение достоверности обработки данных сличений и может способствовать совершенствованию как национальной, так и международной эталонной базы.
Реализация и внедрение результатов работы. Результаты исследований по теме диссертации использованы для выполнения при непосредственном участии автора следующих НИР:
• грант РФФИ по проекту "Научная работа молодого ученого из
Казахстана в Томском политехническом университете", 2010 г., № 10-08-90900 моб_снг_ст;
• проект № 2078 "Развитие теории информационно-сенсорных систем" по заданию № 2014/226 на выполнение государственных работ в сфере научной деятельности в рамках базовой части государственного задания Минобрнауки России.
Результаты работы используются в:
• РГП "Казахстанский институт метрологии (КазИнМетр)" (г. Астана, Казахстан) при обработке результатов межлабораторных сличений по поверке/калибровке средств измерений электрических величин, давления, температуры и теплофизических величин;
• испытательном центре "КабельТестСтандарт" ТОО FORBEST (г. Сарань, Казахстан) для проведения внутрилабораторного контроля качества результатов измерений при проведении испытаний кабельной продукции.
Акты внедрения приложены к диссертационной работе (приложение А).
Положения, выносимые на защиту:
1. Разработанный метод обработки данных сличений, основанный на агрегировании предпочтений на множестве значений измеряемой величины, обеспечивает нахождение опорного значения сличений с неопределенностью, позволяющей сформировать НСП участников сличений мощности не меньшей или превышающей мощность НСП при традиционных методах.
2. Предложенный метод агрегирования предпочтений при обработке результатов сличений обеспечивает получение опорного значения не менее, чем в 2 раза более близкого к номинальному значению по сравнению с известными робастными методами.
3. Разработанная модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом m участников сличений, позволяет рекомендовать выбирать количество участников сличений из диапазона от 4 до 15.
Апробация результатов работы. Основные результаты диссертационной работы докладывались и обсуждались на следующих конференциях:
14-й Международный совместный симпозиум ИМЕКО ТК1, ТК7 и ТК13 "Интеллектуальные качественные измерения - Теория, Образование и Обучение", г. Йена, Германия, 2011 г.; XVIII и XIX Международная научно-практическая конференция студентов, аспирантов и молодых ученых "Современные техника и технологии", г. Томск, 2012 и 2013 гг.; Международный совместный симпозиум ИМЕКО ТК1, ТК7 и ТК13 "Измерение в физических и гуманитарных науках", Генуя, Италия, 2013; XXIII Национальный научный симпозиум с международным участием "Метрология и метрологическое обеспечение", Созополь, Болгария, 2013 г.; VII Всероссийская научно-практическая конференция с международным участием "Россия молодая", г. Кемерово, 2015 г.; XVI Международная научнотехническая конференция "Измерение, контроль, информатизация 2015", г. Барнаул, 2015 г.; Всероссийская научно-техническая конференция студентов, аспирантов и молодых ученых "Научная сессия ТУСУР-2015", г. Томск, 2015 г.; VI Международный конкурс "Лучший молодой метролог КООМЕТ-2015", г. Киев, Украина, 2015 г.; XXI Международный конгресс IMEKO, г. Прага, Чешская Республика, 2015 г.
По результатам работы автор стал призёром в следующих конкурсах:
• Конкурс Комитета технического регулирования и метрологии Министерства индустрии и новых технологий Республики Казахстан "Лучший молодой метролог года - 2015" (второе место), Астана, Казахстан;
• VI Международный конкурс "Лучший молодой метролог КООМЕТ- 2015" (второе место), Киев, Украина.
Публикации. Основные результаты исследований отражены в 15 публикациях: три статьи в ведущих научных журналах и изданиях, рекомендуемых ВАК, в том числе одна проиндексирована в базах данных Web of Science и Scopus; десять статей в рецензируемых научных журналах и сборниках трудов международных и российских конференций, в том числе две проиндексированы в базе данных Scopus; два свидетельства о государственной регистрации программ для ЭВМ.
Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка сокращений и обозначений, списка литературы из 106 наименований и приложения. Работа содержит 147 страниц основного текста, включая 46 рисунков и 34 таблицы.
В первой главе представлен анализ отечественных и зарубежных источников, международных рекомендаций, посвященных проведению сличений различных уровней, применяемых в практике измерений электрических величин, и алгоритмов обработки данных этой процедуры.
Во второй главе введено понятие ранжирования как формы представления предпочтений и рассмотрены основные правила нахождения единственного ранжирования для заданных m ранжирований n альтернатив.
В третьей главе рассмотрено применение метода агрегирования предпочтений на основе правила Кемени к обработке данных сличений. Приведено описание программного комплекса, разработанного для проведения численных экспериментальных исследований предложенного подхода. Представлены выявленные в ходе экспериментальной проверки работоспособность и робастность метода агрегирования предпочтений на множестве сгенерированных равномерно и нормально распределенных случайных результатов участников сличений в сравнении с другими подходами.
В четвертой главе даны рекомендации по выбору рационального числа m участвующих в сличениях лабораторий на основе геометрического распределения, связывающего вероятность определения опорного значения xref измеряемой величины с числом m лабораторий-участников сличений. Приведены результаты применения метода агрегирования предпочтений для обработки данных реальных сличений, опубликованных в отчетах Международного бюро мер и весов, и в других публикациях сотрудников национальных метрологических институтов, в области измерений электрических и магнитных величин.
1. Предложен и исследован метод обработки данных сличений, названный методом агрегирования предпочтений, основанный на преобразовании интервалов неопределенности в ранжирования, нахождении для них ранжирования консенсуса по правилу Кемени и назначения в качестве опорного значения сличений наилучшей альтернативы в ранжировании консенсуса.
2. Разработанный метод обеспечивает нахождение опорного значения сличений с неопределенностью, позволяющей сформировать наибольшее совместимое подмножество участников сличений мощности не меньшей или превышающей мощность НСП при традиционных методах.
3. Показано, что МАП при обработке результатов сличений обеспечивает формирование опорного значения, характеризующегося повышенной устойчивостью (робастностью) к виду закона распределения измерительных данных по сравнению с традиционными методами и обеспечивает получение опорного значения не менее, чем в 2 раза более близкого к номинальному значению по сравнению с известными робастными методами.
4. Разработана основанная на геометрическом распределении модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом участников сличений, которая позволяет рекомендовать выбирать количество участников сличений из диапазона от 4 до 15.
5. Результаты диссертационной работы используются в Казахстанском институте метрологии (КазИнМетр) (г. Астана) и в испытательном центре "КабельТестСтандарт" ТОО FORBEST (г. Сарань, Казахстан) (Приложение А)
6. Результаты диссертационной работы использованы при выполнении двух НИР, выполненных по гранту РФФИ и в рамках базовой части государственного задания "Наука" Министерства образования и науки РФ.
2. Разработанный метод обеспечивает нахождение опорного значения сличений с неопределенностью, позволяющей сформировать наибольшее совместимое подмножество участников сличений мощности не меньшей или превышающей мощность НСП при традиционных методах.
3. Показано, что МАП при обработке результатов сличений обеспечивает формирование опорного значения, характеризующегося повышенной устойчивостью (робастностью) к виду закона распределения измерительных данных по сравнению с традиционными методами и обеспечивает получение опорного значения не менее, чем в 2 раза более близкого к номинальному значению по сравнению с известными робастными методами.
4. Разработана основанная на геометрическом распределении модель, связывающая в явном аналитическом виде вероятность определения опорного значения сличений с числом участников сличений, которая позволяет рекомендовать выбирать количество участников сличений из диапазона от 4 до 15.
5. Результаты диссертационной работы используются в Казахстанском институте метрологии (КазИнМетр) (г. Астана) и в испытательном центре "КабельТестСтандарт" ТОО FORBEST (г. Сарань, Казахстан) (Приложение А)
6. Результаты диссертационной работы использованы при выполнении двух НИР, выполненных по гранту РФФИ и в рамках базовой части государственного задания "Наука" Министерства образования и науки РФ.