НЕПАРАМЕТРИЧЕСКИЙ АЛГОРИТМ ПОСТРОЕНИЯ КЛАССИФИКАЦИОННОЙ СТРУКТУРЫ ХАРАКТЕРИСТИК ИСПЫТАНИЙ НА ГЕРМЕТИЧНОСТЬ

Рассмотрены проблемы правильного и эффективного выбора методов и средств при проведении контроля герметичности проникающими веществами (газами) на базе определенных критериев. На основе методов математической статистики в рамках проведенных автором теоретических исследований осуществлен классификационный анализ основных характеристик методов и способов испытаний на герметичность, целью  которого являлось обозначение приоритетов последних на основе действующего ГОСТ Р 51780–2001. Другими словами, предпринята попытка поиска и выявления эффективных  путей упорядочивания классификационной структуры из основных характеристик методов и средств испытаний на герметичность, необходимой для исследователя, при их выборе в процессе подготовки к данным испытаниям. Отчасти это связано с отсутствием в указанном  стандарте четких рекомендаций относительно степени значимости данных характеристик  для решения задачи контроля герметичности применительно к реальным условиям и  возможностям ее реализации. Методика исследований базируется на предложенном  непараметрическом алгоритме, который включает проведение классификации данных характеристик, основанной на парной кластеризации. Для эффективного решения задачи  непараметрического анализа в работе использован метод экспертных оценок. Предложены  решения в области многомерного анализа, относящиеся к задаче обратного сведения  множества характеристик к небольшому ряду из групп, формируемых по обобщающим  признакам, с использованием дискриминантного анализа на основе непараметрических  критериев проверки статистически значимых различий. В результате проведенных  исследований характеристик, относящихся главным образом к средствам испытаний на  герметичность (как наиболее многочисленным в отличие от методов), определена  сравнительно высокая апостеорная вероятность отнесения данных классификационных признаков к группам, распределенным по шести кластерам. Оценена возможность внесения  в действующий вышеупомянутый стандарт некоторых уточнений в целях его совершенствования.

1. ГОСТ Р 51780–2001. Контроль неразрушающий. Методы и средства испытаний на герметичность. Порядок и критерии выбора. Госстандарт России. — М.: Изд-во стандартов, 2002.—4с.

2. Айвазян С. А., Енюков И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей. Справочное издание. — М.: Финансы и статистика, 1985. — 487 с.

3. Штремель М. А., Кудря А. В., Иващенко А. В. Непараметрический дискриминантный анализ в задачах управления качеством / Заводская лаборатория. Диагностика материалов. 2006. Т. 72. № 5. С. 53 – 62.

4. Лапко А. В., Лапко В. А., Соколов М. И., Ченцов С. В. Непараметрические системы классификации. — Новосибирск: Наука, 2000. — 240 с.

5. Орлов А. И. Прикладная статистика: Учебник. — М.: Экзамен, 2004. — 656 с.

6. Петров П. К. Математико-статистическая обработка и графическое представление результатов педагогических исследований с использованием информационных технологий: учебное пособие. — Ижевск: Удмуртский университет, 2013. — 179 с.

7. Стукач О. В. Программный комплекс STATISTICA в решении задач управления качеством: учебное пособие. — Томск: Изд-во Томского политехнического университета, 2011. — 163 с.

8. Сидоренко Е. В. Математические методы обработки в психологии. — СПб.: ООО «Речь», 2002. — 350 с.

9. Ермолаев О. Ю. Математическая статистика для психологов: Учебник. Изд. 2-е испр. — М.: Флинта, 2003. — 336 с.

10. Громова Н. М., Громова Н. И. Основы экономического прогнозирования. Учебное пособие. — М., 2006. — 80 с.

11. Буяльская А. К., Клейменова Н. А., Горевая М. И. Маркетинговые исследования: Учебное пособие для вузов. — Новосибирск: Сибпринт, 2010. — 404 с.

12. Дюран Б. и Оделл П. Кластерный анализ / Пер. с англ. Е. З. Демиденко; под ред. Б. Я. Боярского. — М.: Статистика, 1977. — 128 с.

13. Боровиков В. Искусство анализа данных на компьютере: для профессионалов. Изд. 2-е. — СПб.: Питер, 2003. — 688 с.

14. Кулаичев А. П. Методы и средства анализа данных в среде Windows STADIA. Изд. 4- е. — М.: Информатика и компьютеры, 2002. — 341 с.

15. Симчера В. М. Методы многомерного анализа статистических данных: учебное пособие. — М.: Финансы и статистика, 2008. — 400 с.

16. Ким Дж.-О., Мьюллер Ч. У., Клекка У. Р. и др. Факторный, дискриминантный и кластерный анализ / Пер. с англ.; под редакцией И. С. Енюкова. — М.: Финансы и статистика, 1989. — 215 с.