Header Image - MCM Alchimia 4
MCM Alchimia 4MCM & GUM UNCERTAINTY ESTIMATION ENGINE
Скачать MCM Alchimia "4" (русский)Download mcm alchimia "4" (eng)

Советы и рекомендации при использовании MCM Alchimia

by admin 0 Comments

Хотя MCM Alchimia может использоваться в любой области, требующей моделирования методом Монте-Карло, инструмент был создан с учетом анализа неопределенности измерений. Вот почему многие из предопределенных опций уникальны в этом программном обеспечении и не будут найдены ни в одном подобном приложении (экспериментальное распределение, анализ калибровочных кривых или результат в классическом формате GUM в соответствии с JCGM 100). Ниже мы расскажем о некоторых советах и ​​трюках, чтобы вы стали экспертом в использовании приложения и позволили получить более надежные и быстрые результаты в кратчайшие сроки.

1 .- Рекомендуемая последовательность действий
Хотя приложение очень интуитивно понятно, всегда полезно следовать последовательности работ, чтобы обеспечить как точность вычислений, так и эффективность использования времени. Методология работы можно обобщить на следующих этапах.

  1. Определение математической модели измеряемой величины. На этом этапе основная модель (уравнение) нашего исследования определяется так же, как мы обычно выполняем вычисления, или как это рекомендуется в наших справочных документах.
  2. Распределение входных величин в источниках неопределенности. Необходимо оценить все источники неопределенности, которые составляют каждую входную величину. Например, при использовании измерительного прибора будут иметься как минимум два источника неопределенности, один из которых должен быть калиброван, а другой — из-за разрешения (или разделения) оборудования. Но могут быть и налогоплательщики для дополнительных оценок (например, повторяемость). Мы рекомендуем диаграмму причинно-следственной связи, чтобы увидеть в целом налогоплательщиков модели.
  3. Напишите дополнительное уравнение в последующих строках для каждой величины базовой модели, которая имеет более одного источника неопределенности, используя префикс «S» для компонентов, которые будут принимать значение = 0 и будут включены только в неопределенность. Это лучше всего объясняется в следующем пункте.
  4. Убедитесь, что в каждом письменном уравнении число открываний круглых скобок равно количеству скобок закрытия.
  5. Перед назначением значений и распределений удобно сделать таблицу на бумаге со столбцами:
    Переменная / Единицы / Значение (среднее) / Распределение вероятностей / Стандартное отклонение (или полуинтервация).
    Это позволит увидеть все компоненты в общности модели. Эти данные затем будут напечатаны на шаге 3.
  6. Последующие шаги обеспечат успех в вашей оценке. Помните, что использование времени в вашем проекте будет составлять 80% для правильного проектирования математической модели (тестового уравнения).

2. Разделить большие модели на несколько простых уравнений

Мощный редактор уравнений MCM Alchimia infin позволяет вам писать неограниченное количество уравнений в текстовой области. Нет необходимости писать всю математическую модель эссе в одной строке. Чтобы избежать ошибок в скобках или других трудностей, которые трудно найти в конце, рекомендуется начать с базовой модели, содержащей общие переменные, а затем написать конкретные уравнения для каждой базовой величины. Вы можете увидеть пример решаемой модели, позже в справке, которая выполняется именно таким образом.

3. Правила редактора уравнений

Несмотря на то, что можно представить любую модель с MCM Alchimia, редактор уравнений имеет некоторые правила, которые хорошо помнить, чтобы избежать ошибок sintax.

  • Все уравнения должны быть записаны в формате [measurand] = f ([variable 1] [variable 2] … [variable n]), то есть оба элемента уравнения должны быть включены.
  • В модели может быть только одна величина вывода (измеряемая величина).
  • Выходная величина должна быть в первой строке.
  • Нельзя помещать «;» в конце строки возврат каретки (enter) в конце строки достаточно для разделения уравнений.
  • Нельзя ставить два уравнения с одним и тем же промежуточным результатом.
  • Редактор позволяет использовать символы ASCII (прописные буквы, строчные буквы, цифры и подсимволы и специальные символы виртуальной клавиатуры, которые могут отображаться с помощью кнопки αβ .) Например, имена переменных могут быть «Vol_p», «Temp2», «δ_724», «Δt» и т. Д. Не допускаются имена переменных, такие как «2_t» (по числу при запуске) или «ABS» (поскольку это ограниченный термин, это функция ).
  • Переменные имена должны начинаться с буквенного символа и, кроме того, номера не могут использоваться в начале имени.
  • Переменные имена чувствительны к регистру.
  • Существуют зарезервированные термины, которые соответствуют функциям, которые не могут использоваться как имена переменных.
  • Ссылка f(s) на область уравнений открывает клавиатуру функций, которые могут использоваться непосредственно в модели. Если часть уравнения отмечена, а затем с помощью клавиатуры выбрана функция, эта часть уравнения останется в качестве параметра функции.
  • Также доступна ссылка с греческими буквами, которая позволяет включать символы из греческого алфавита в имена переменных.

4 .- Как включить переменные с различными источниками неопределенности

Очень распространенным случаем в тестах и ​​калибровках является то, что величины имеют более одного источника неопределенности. Например, использование измерительного прибора может представлять несколько вкладов неопределенности из-за его калибровки, разрешения, повторяемости и т. Д. Чтобы включить все эти источники неопределенности, существует два способа:

  1. Величину можно разбить на столько же слагаемых, сколько источников неопределенности. Первый будет принимать измеренное или прочитанное значение (как среднее), а остальное будет распределением с нулевой точкой (среднее значение = 0), поскольку они будут использоваться только для оценки неопределенности и не будут влиять на результат. Например. температура, принятая в 10 раз, обеспечивая неопределенность для калибровки, разрешения и повторяемости, может быть выражена как:
    T = T_cal + ST_res + ST_rep.
  2. Другой вариант заключается в том, чтобы разбить величину на константу, а затем на вкладчиков неопределенности, со средним значением = 0. Следуя предыдущему примеру:
    T = T_value + ST_cal + ST_res + ST_rep

Обратите внимание, что переменные неопределенности, которые будут принимать нулевое значение, были записаны с использованием начального S. Хотя они могут принимать любое имя, хорошей практикой является разграничение имен с такими общими критериями. Таким образом, структура модели может быть известна уже из названия переменных.

5 .- Неопределенности типа A с MCM Alchimia

Очень распространенной ошибкой в ​​использовании метода Монте-Карло для оценки неопределенностей является назначение функции распределения Обычный для величин, которые представляют неопределенности типа А, присваивая в качестве стандартного отклонения стандартное отклонение показаний.

Это даст ошибочные результаты неопределенности (под-оценки) из-за того, что учитывается небольшая информация о населении, то есть «степени свободы», используемые в подходе ГУМ. Полагая рассчитанное стандартное отклонение напрямую, предполагается, что эта величина имеет бесконечные степени свободы, что неверно.

Существует три способа включения правильно типа неопределенности в MCM Alchimia

  1. JCGM 101 Оценка руководства по измерению данных — Приложение 1 к. «Руководство по выражению неопределенности в измерении» указывает, что для неопределенностей типа А следует использовать распределение Стьюдента (масштабирование и сдвиг) вместо гауссовского. Для этого распределения в качестве параметра указывается степень свободы, так что уровень информации, который у вас есть, будет включен.
  2. Если вы хотите использовать нормальное распределение, это также можно сделать, хотя в качестве стандартного отклонения необходимо ввести отклонение, рассчитанное в нашем тесте, умноженное на коэффициент покрытия для наших степеней свободы и 95,45% вероятности покрытия (Student t), разделенное 2. Эта простая операция позволит моделировать с учетом степеней свободы величины.
  3. Наша рекомендация. Эксклюзивная спецификация MCM Alchimia — это включение FDP под названием Experimental. Эта мощная панель позволяет нам работать с неопределенностями типа А непосредственно из исходных значений нашего теста, без необходимости вычислять стандартное отклонение или другую операцию с нашей стороны. Используя эту опцию, приложение автоматически рассмотрит проблему степеней свободы, стандартных отклонений и т. Д. Их можно даже использовать для более сложных моделей повторяемости, для образца / стандарта / образца и других.

Дополнительная помощь

Первый проект — Результаты

by admin 0 Comments

Когда нажата кнопка «Старт-имитация», под кнопкой отображается панель, которая непрерывно указывает на ход случайной выборки. После завершения моделирования с указанными данными приложение автоматически находится на панели результатов.

На этой панели показан графический селектор в левом верхнем углу, который позволяет переключаться между результатами моделирования методом Монте-Карло и анализом в соответствии с подходом ГУМ, который также оценивается во всех случаях

Затем мы анализируем информацию, представленную в представлении основных результатов:

  1. Название приложения.
  2. Используемая версия программного обеспечения.
  3. Время, затрачиваемое приложением на получение результатов (в миллисекундах, минутах и ​​секундах)
  4. Технические данные с текстом, указанным на шаге 1
  5. Число итераций. 500 000 в нашем случае.
  6. Статистический анализ моделирования
    1. Медиа = 100.04112
    2. Отклонение = 1.99547e-4
    3. Стандартное отклонение = 1.41335e-2
    4. Skew = -5.43060e-3
    5. Куртозис = 2,71623
    6. Максимальное значение = 100.11225
    7. Минимальное значение = 99,975
    8. Медиана = 100.0386
    9. Диапазон = 0.13726
  7. Тест на нормальность (Jarque — Bera) = 1677.68425 (не соответствует)
  8. Результат = 100.04111. Это указывает на результат калибровки без округлых цифр.
  9. Доверительный интервал (p = 95,45%): [100,01338, 100,06884] (интервал полуширины = 2,773e-2)
  10. Формат ГУМ: 100,041 ± 0,028 мл. Это представляет результат теста и связанную с ним расширенную неопределенность для вероятности покрытия, указанной на шаге 3.
  11. Список вкладов в неопределенность для каждого параметра модели.
  12. Раздел с входными данными и математической моделью, полностью описывающим, что было введено при создании проекта моделирования.

Дополнительная помощь

Первый проект — Шаг 3

by admin 0 Comments

Данные моделирования

Единственное, что нам осталось сделать в нашем первом проекте, — это присвоить функцию распределения вероятности каждой случайной переменной, которая представляет наш проект. Как видно из программы, сетка состоит из нескольких строк, некоторые из них с белым фоном, а другие с серым фоном. Строки с серым фоном соответствуют величинам, для которых функция распределения не может быть назначена, поскольку они представляют собой промежуточные результаты или конечный результат, то есть величины, которые будут получены при моделировании в результате вторичных уравнений.

В нижней части рабочей панели есть окно команд, которое даст нам раскрывающийся список функций распределения вероятности, чтобы мы могли выбрать тот, который соответствует входной величине. После того, как мы выбрали распределение вероятности, в нижнем поле мы попросим ввести необходимые параметры для моделирования. Поэтому процесс этого шага будет следующим:

  1. Рекомендуется оставить число итераций в 500000, так как оно получено в превосходной производительности в приложении, и результаты абсолютно надежны с этим количеством итераций (можно ознакомиться с документом: Вычислительные аспекты при оценке неопределенностей теста методом Монте-Карло (только на испанском языке)
  2. Мы выбираем вероятность покрытия результатов. Для получения результатов для K = 2 рекомендуется использовать 95,45%.
  3. Мы нажимаем на первую строку с белым фоном (или мы достигаем ее клавишами курсора нашей клавиатуры)
  4. Мы выбираем функцию распределения вероятности в раскрывающемся списке.
  5. Мы заполняем параметры моделирования на нижней панели (пожалуйста, учитывайте единицы измерения).
  6. Мы нажимаем «Применить». Если все правильно, строка будет иметь зеленый фон, что указывает на правильность присвоения им данных моделирования.

Возвращаясь к нашей мерной колбе, мы получим так:

  1. V20 : отключено, потому что оно Результат, невозможно присвоить функцию распределения вероятности
  2. Ml : отключено, поскольку оно Промежуточный результат . Невозможно назначить распределение вероятности.
  3. Mv : отключено, потому что оно Промежуточный результат . Невозможно назначить распределение вероятности.
  4. Dens_w : мы назначим элемент Константа со значением = 0.99829 (г / мл)
  5. Dens_a : присвойте элементу константу значение Value = 1.2E-3 (g / ml)
  6. Dens_b : мы назначим элемент Константа со значением = 8000 (г / мл)
  7. CDT . Назначьте элемент Константа со значением = 3.3E-6 (1 / ºC)
  8. t : отключено, потому что оно Промежуточный результат . Невозможно назначить распределение вероятности
  9. Ml_cal . Из-за расширенной неопределенности мы назначим распределение Нормальный со средним значением наших показаний, Среднее значение = 162 416, вводя информацию сертификата в «Использовать сертификат «, с неопределенностью = 0,0047 (g) и k = 2
  10. SM_res . Мы назначим дистрибутив Rectangular со значением Mean = 0 (соответствующий всем переменным, которые вводятся только с целью оценки неопределенностей) и Half interval = 0,0005, то есть половину деления цифровой шкалы взвешивания.
  11. SM_rep . Для повторяемости MCM Alchimia предоставляет экспериментальное распределение, в котором мы можем непосредственно помещать измеренные значения, и приложение будет отвечать за внесение необходимых нам статистических расчетов, использовать для моделирования , Поскольку для целей неопределенности мы должны выбрать «Среднее = 0». Мы будем использовать опцию «Прямой» и нажав кнопку «Значения», мы введем 5 показаний нашего эссе: 162 384; 162431; 162409; 162,417; 162,439
  12. Mv_cal . Из-за расширенной неопределенности мы назначим распределение Нормальное со средним значением при чтении баланса, чтобы взвесить пустую колбу, Среднее = 62.651, ввод информации сертификата в «Использовать сертификат», с неопределенностью = 0.0047 (g) и k = 2
  13. SMv_res . Мы назначим дистрибутив Прямоугольный , с Media = 0 и Half interval = 0.0005.
  14. ti : отключено, потому что оно Промежуточный результат . Невозможно назначить дистрибутив
  15. tf : отключено, потому что оно Промежуточный результат . Невозможно назначить распределение вероятности.
  16. corr_t : мы назначим элемент Константа со значением = -0.022 (ºC)
  17. ti_cal . Поскольку он получен из сертификата калибровки, мы присваиваем PDF Normal значение нашего считывания среднего термометра = 20.05. В то же время мы выберем «Использовать сертификат», и мы добавим расширенную неопределенность = 0,021 (ºC) и k = 2.
  18. Sti_res . Для этой меры мы используем ртутный термометр в стекле деления: 0,1ºC, из которого мы можем визуально оценить 1/4 деления. В соответствии с этим мы назначим распределение Треугольное со средним = 0 и полуинтервалом = 0,125 (это оценка / 2)
  19. tf_cal : то же самое, что и в ti_cal, но теперь нашим средним будет конечная температура: Среднее = 20 075, выберите «Использовать сертификат» и укажите расширенную неопределенность = 0,021 (ºC) и k = 2.
  20. Stf_res : То же, что и Sti_res, т. е. Треугольное с Media = 0 и полуинтервал = 0.125.

При вводе данных для последней величины загорается кнопка «Запустить симуляцию», чтобы мы могли запустить нашу симуляцию и получить результаты. Смотреть результаты после моделирования .

Дополнительная помощь

Первый проект — Шаг 2-C: Окончательная модель

by admin 0 Comments

Определение окончательной математической модели теста.

В предыдущей статье мы увидели, что наш калибровочный тест на колбу можно представить на следующей диаграмме;

Разрушая входные величины в своих вкладах, мы получим:

  • Ml = Ml_cal + SMl_res + SMl_rep, где суффиксами «cal», «res» и «rep» будут калибровка, разрешение инструмента и повторяемость соответственно. Префиксы «S» указывают на то, что этот компонент будет иметь нулевое значение, поскольку он добавляется только для целей оценки неопределенностей.
  • Mv = Mv_cal + SMv_res
  • Температура, как мы сказали ранее, будет получена из среднего значения, поэтому мы можем разбить уравнение в этом среднем показании. С другой стороны, этот термометр имеет поправки. Мы могли бы добавить это значение коррекции (corr_t) к среднему как постоянное значение без неопределенности, поскольку это будет связано с исходными значениями температуры.
    t = (ti + tf) / 2 + corr_t
  • , но на каждое из этих значений будет влиять калибровка и разрешение термометра. Так:
    ti = ti_cal + Sti_res
    tf = tf_cal + Stf_res


Поэтому для завершения этого шага 2:

  1. Мы пишем полную модель в текстовой области для набора уравнений:
    V20 = ((Ml-Mv) / (Dens_w-Dens_a)) * (1- (Dens_a / Dens_b)) * (1-CDT * (t-20))
    Ml = Ml_cal + SMl_res + SMl_rep
    Mv = Mv_cal + SMv_res
    t = (ti + tf) / 2 + corr_t
    ti = ti_cal + Sti_res
    tf = tf_cal + Stf_res
  2. Мы заполняем сетку параметров следующими данными:


V20
ml
Объем, содержащийся при 20 ºC
Ml
ml
Масса колбы, заполненной водой до калибровочной метки
Mv
ml
Масса пустой колбы
Dens_w
g / ml
Плотность заполняющей воды
Dens_a
g / ml
Плотность воздуха
Dens_b
g / ml
Плотность взвешивающих весов весов
CDT
1 / ºC
Коэффициент тепловой деформации
t
ºC
Средняя температура по тесту
Ml_cal
ml
Масса колбы, включая неопределенность калибровки
SM_res
ml
Вклад неопределенности Ml по разрешению шкалы взвешивания
SM_rep
ml
Вклад неопределенности Ml по повторяемости
Mv_cal
ml
Масса пустой колбы, включая неопределенность калибровки
SMv_res
ml
Вклад неопределенности в Mv по разрешению шкалы взвешивания
ti
ºC
Начальная температура теста
tf
ºC
Конечная температура теста
corr_t
ºC
Коррекция температуры
ti_cal
ºC
Начальная температура с неопределенностью калибровки термометра
Sti_res
ºC
Вклад неопределенности ti по разрешению термометра
tf_cal
ºC
Конечная температура с неопределенностью калибровки термометра
Stf_res
ºC
Вклад неопределенности в tf, с помощью разрешения термометра

Дополнительная помощь

Первый проект — шаг 2-B: погрешности ввода

by admin 0 Comments

Анализ входных значений и их неопределенности

На этом этапе целесообразно проанализировать величины, составляющие модель ввода, чтобы определить вклад неопределенности, которую они вносят. Целесообразным в этом случае является определение модели, которая как можно точнее представляет собой анализ нашего исследования или исследования, с тем чтобы вклад неопределенности был скорректирован с учетом того, что действительно будет представлять модель. Хотя мы затем предложим способ сделать это, понятно, что каждый эксперт будет делать это по-своему, и поэтому различные процессы будут включать в себя различные окончательные математические модели для испытания. Целью этой помощи не является фоновая дискуссия по объемной метрологии, а поиск способа достоверно представлять ее для данной тестовой модели.

Таким образом, для нашего анализа мы предполагаем, что характеристики теста будут следующими:

  • Объемную колбу сначала промывают, сушат в печи, дают охладиться и взвешивают один раз при 20 ° C в цифровом масштабе. Таким образом, эта величина будет означать вклад неопределенности для калибровки баланса.
  • Масса колбы, заполненной водой, будет определяться путем повторения в 5 раз измерения, взвешивания на калиброванной шкале. Поэтому эта величина приведет к неопределенности из-за калибровки шкалы, ее разрешения и повторяемости измерения.
  • Температура тестируемой воды будет взята в начале и в конце испытания термометром ртутного стекла, причем среднее значение этих двух измерений используется для расчета. Затем вклады будут для калибровки термометра, его деления и для дрейфа, обнаруженного при измерении на протяжении всего испытания.
  • Другие величины (плотности и коэффициент расширения) будут взяты из таблиц и будут считаться постоянными в этой возможности (без вклада неопределенности)

Поэтому диаграмма причинно-следственной связи (Исикава) для нашего эссе будет:

Чтобы написать полную модель, вы должны разбить основные величины в своих компонентах, добавив новые строки в модель. Это будет обсуждаться на следующем этапе, нажав эту ссылку .

Дополнительная помощь

Первый проект — Шаг 2-A: Базовая модель

by admin 0 Comments

Определение математической модели испытания

На этом шаге мы определим математическую модель эссе. Руководство по ISO 4787 описывает два метода расчета для получения объема, содержащегося в мерной колбе. Первый указывает на вычисление объема, интегрирующего все величины, участвующие в модели, в уравнение. Для испытания, в частности, для определенной температуры, определенного строительного материала (стекла) и т. Д. Многие из этих значений, такие как плотность воды и коэффициент расширения, можно считать постоянными, поэтому в этом стандарте также предлагается табличный коэффициент для упрощения расчет. В этом случае мы будем использовать полное уравнение для изучения переменных и их связанной неопределенности. Уравнение (тестовая модель) будет:

Редактор уравнений MCMAlchimia — это редактор ASCII, который не имеет специальных символов, для которых греческие буквы должны быть заменены общим именем переменной. Основным уравнением, которое будет поставлено в уравнениях Set, будет V20 = ((Ml-Mv) / (Dens_w-Dens_a)) * (1- (Dens_a / Dens_b)) * (1-CDT * (t-20)), где :

V20: Объем колбы при 20ºC.
Ml: масса (считывается по шкале) колбы заподлицо с дефилированной водой (g).
Mv: масса (считывается по шкале) пустой колбы (g).
Dens_w: Плотность воды, используемой при калибровке (g/ml).
Dens_a: плотность воздуха (g/ml).
Dens_b: Плотность масс, с которыми была скорректирована шкала (g/ml).
CDT: Коэффициент кубического теплового расширения материала колбы (1/ºC).
t: Проверить температуру воды (ºC).

Целесообразно провести более глубокий анализ источников неопределенности входных величин модели. Таким образом, если какая-либо величина имеет более одного источника неопределенности, она будет разбита на сумму как можно большего числа переменных, так как есть источники неопределенности, одна из которых примет значение величины, а остальная будет равна нулю поскольку они добавляются только для целей оценки неопределенностей.

Дополнительная помощь

Первый проект — шаг 1

by admin 0 Comments

Несколько оценок неопределенности, сделанных с MCM Alchimia для передовых моделей тестов, калибровок или аналитических методов, можно получить в нескольких опубликованных научных работах, как разработчиком программного обеспечения, так и другими исследователями в различных областях науки. Однако для первого контакта с приложением в этом документе мы сделаем первый простой проект расчета, чтобы узнать о работе и возможностях приложения. В качестве примера мы проведем расчеты, относящиеся к калибровочному процессу калибровки, калиброванной гравиметрическим методом, в соответствии с руководством ISO 4787: 2010 Laboratory glassware — Volumetric glassware — Methods for use and testing of capacity

  • Запустите приложение с рабочего стола. Он будет открыт в шаге 1.
  • Мы пишем в поле Заголовок : Калибровка мерной колбы в соответствии с ISO 4787: 2010
  • В поле Технические данные мы заменяем существующий текст техническим описанием нашего эссе. Там мы можем написать следующий текст:
    Этот проект состоит из оценки калибровочной погрешности 100-миллиметровой мерной колбы с помощью гравиметрического метода с ISO 4787: 2010. Для этого доступна калиброванная шкала деления 1 мг с ее сертификатом калибровки, которая сообщает нам, что если мы назначим максимальную коррекцию показаний в рабочем диапазоне неопределенности, это приведет к расширенной неопределенности 0,0054 г для k (коэффициент покрытия) = 2.
    У нас также есть термометр ртутного стекла 0,01ºC, который также имеет сертификат калибровки, который указывает, что при 20.00ºC он имеет погрешность -0.022ºC и расширенную неопределенность 0,012ºC для k = 2.
    Колбу полностью высушивают в духовке, охлаждают до 20 ° С, заполняют дистиллированной водой и затем взвешивают по шкале. Эта операция будет выполняться 5 раз, принимая 5 значений массы. В среднем по этим 5 значениям массы и температуре заполнения воды уравнения стандарта будут применены для преобразования значения массы в объеме, содержащемся в колбе, до 20 ° C
  • Введя эти данные, мы можем перейти к следующему шагу. Нажимая на ссылку или кнопку Шаг 2.

Дополнительная помощь

Понимать интерфейс MCM Alchimia

by admin 0 Comments

Хотя интерфейс MCM Alchimia был разработан по-новому, он также прост и интуитивно понятен, так что оценка неопределенностей тестовых моделей может выполняться техническими специалистами, которые не обязательно обладают компьютерными или статистическими навыками. Чтобы облегчить доступ к различным функциям программного обеспечения, этот интерфейс был разработан последовательно и практически без вложенных меню. Интерфейс состоит из следующих разделов:

1 .- Главное меню: это меню состоит всего из 6 кнопок, которые управляют файлами и документами программы, а также языковыми модулями:

Guardar Сохранить: позволяет обновлять изменения в ранее сохраненной модели. Если вы работаете над новой моделью, она производит эффект, идентичный кнопке Сохранить как.
Сохранить как: создать новый файл модели с информацией, добавленной на экране. Сохраненная модель будет содержать информацию о модели и вводить величины с информацией о ее функции распределения вероятности. Этот параметр НЕ позволяет сохранять кривые, подключенные к модели.
Загрузить модель: загружает информацию о ранее сохраненной модели.
Печать результатов: отправьте исходные данные и результаты проекта моделирования на принтер.
Изменить язык: эта опция позволяет вам изменять активный язык интерфейса приложения. Подробную процедуру изменения языка приложения можно найти, следуя этой ссылке.
Информация: отображение данных свойств приложения.

2 .- Панель приложений: Выполняет классические функции заголовка Windows. Из этой области вы можете перемещать окно MCM Alchimia через экран. В правой части находятся значки «Минимизировать», «Закрыть» и «Справка».

3 .- Sequential menu: Определяет рабочий поток, рекомендованный для подготовки проекта для оценки неопределенностей измерений. Хотя приложение позволяет перейти от одного шага к другому, просто нажав кнопку, настоятельно рекомендуется заполнить поля, текстовые области и выпадающие меню на каждом шаге. Таким образом, вы можете не только получать надежные результаты, но и повторно использовать проект, сохраненный в будущем, легко ссылаясь на входные данные.

  • Шаг 1 .- Информация о проекте. Эта панель позволяет указать название и техническое описание проекта. Эти поля являются частью окончательного отчета о результатах, который может быть отправлен на принтер, поэтому желательно заполнить эти поля.
  • Шаг 2 .- Определение модели. Верхнее поле этой панели представляет собой редактор уравнений, где вы должны указать математическую модель теста. Чтобы разбить входящие параметры типизированной модели, просто нажмите ссылку «Обновить параметры», и приложение разделит введенную математическую модель, автоматически заполнив нижний список этой панели, один из шага 3 и матрицу корреляций с нулевыми значениями.
  • Шаг 3 .-Данные моделирования. На этой панели определяются рабочие характеристики моделирования. Количество итераций, указанных здесь, будет определять размер вектора псевдослучайных значений, которые будут содержать каждая переменная, и, следовательно, количество выходных значений, полученных для измеряемой величины. В правом верхнем углу может быть выбрана вероятность покрытия для анализа неопределенности, а в нижней части панели указаны распределения вероятностей для каждого вкладчика.
  • Шаг 4 .- Матрица корреляций. Эта панель позволяет анализировать модели с коррелированными переменными с учетом ковариаций между ними. Параметры матрицы корреляции автоматически заполняются при определении модели. Значения корреляции должны вводиться вручную со значениями между -1 у 1.
  • Шаг 5 .- Результаты. После выполнения моделирования получается список результатов и статистических данных вектора. Эта панель открывается автоматически после окончания моделирования.
  • Регрессионные данные. Эта версия MCM Alchimia включает поддержку регрессии и кривых (калибровочная кривая / линейная регрессия), чтобы использовать интерполяцию кривой (в обоих направлениях) в математической модели теста.

4 .- Рабочая панель: это область экрана, на которой информация обменивается с пользователем.

5 .- кнопка моделирования: эта кнопка остается неактивной, пока не будут выполнены все необходимые данные для выполнения имитации. Когда функции распределения вероятности указаны для всех параметров модели, эта кнопка загорается, что позволяет запускать симуляцию и получать результат вычисления с соответствующей неопределенностью.

Дополнительная помощь

Задайте свой язык по умолчанию

by admin 0 Comments

MCM Alchimia можно загрузить на английском и испанском языках, нажав кнопки загрузки на веб-сайте приложения. Тем не менее, в любой момент вы можете загрузить новый языковой модуль (или даже создать новый язык в Интернете) и установить его в приложении:

  • Проверьте, есть ли плагин для языка, который вы ищете, следуя этой ссылке .
  1. Если язык, который вы ищете, существует, его можно загрузить, нажав на ссылку с именем языка.
  2. Если язык, который вы ищете, не существует, его можно сгенерировать, переведя вручную с английского языка на ваш язык, используя форму ниже. Условия, которые не переведены, остаются на английском языке в приложении.
  3. При нажатии кнопки «Отправить» в конце формы будет загружен языковой файл с расширением «.mcl».
  • Нажмите кнопку «Установить язык»
  • Выберите загруженный языковой файл и нажмите «Открыть»
  • Затем MCMAlchimia предлагает вам использовать этот язык по умолчанию. Если вы так хотите, нажмите «Принять», иначе язык программного обеспечения будет изменен на язык по умолчанию при следующем запуске.

ПРИМЕЧАНИЕ. Соответствует ли языковой файл более ранней версии?
По мере обновления нового программного обеспечения новые термины могут появляться или меняться в связи с новыми спецификациями или возможностями программного обеспечения. В этих случаях возможно, что языковой файл не был обновлен, но содержит меньше терминов, чем необходимо.
Что делать: в этих случаях программное обеспечение автоматически решает эти проблемы, добавляя недостающие термины на английском языке. Вам нужно только нажать «Принять» в этом окне и продолжить.

Дополнительная помощь

Активировать MCM Alchimia

by admin 0 Comments

Лицензии MCM Alchimia имеют срок действия 1 год, и они полностью бесплатны. При первом запуске приложения после установки вы увидите экран с двумя полями Short Key и Long key. То же самое произойдет через год, используя приложение с этими ключами. Чтобы активировать MCM Alchimia, выполните следующие действия:
Запустите приложение. Отобразится окно с графическими указаниями для активации программного обеспечения.

  1. Нажмите на указанную ссылку, чтобы получить бесплатную лицензию сроком на один год.
  2. Если предыдущее действие не открывает веб-браузер на странице MCM Alchimia, следуйте этой ссылке .
  3. Скопируйте текст короткого ключа на веб-страницу и вставьте его в поле тезки в приложении. Затем сделайте то же самое с текстом Long key.
  4. Нажмите кнопку «Продолжить»
  5. Если появляется сообщение «Successful !!!», это означает, что программа активирована правильно. Теперь вы можете нажать кнопку «Закрыть», чтобы начать использовать приложение или просто подождать 5 секунд.
  6. Если возникла ошибка, обновите веб-страницу (также будут обновлены ключи) и повторите копирование ключей в полях приложения.

Дополнительная помощь