Содержание к диссертации
Введение
1 Анализ состояния исследуемой проблемы 10
1.1 Анализ технологических моделей и лабораторно-аналитического обеспечения клинико-диагностической деятельности 10
1.2 Техническое обеспечение процессов контроля биофизических параметров в клинических лабораторных исследованиях 18
1.3 Математическое обеспечение клинических лабораторных исследований биофизических параметров 25
2 Математические модели количественной оценки достоверности лабораторно-аналитических исследований 40
2.1 Методологические предпосылки и общая методика исследования 40
2.2 Моделирование качества контроля при распределении случайной погрешности измерений и контролируемого параметра по нормальным законам при детерминированных нормативах 43
2.3 Влияние статистической природы нормативных значений контролируемого параметра на достоверность результата 48
2.4 Прогнозирование достоверности мониторинга артериального давления на постаналитическом этапе 58
2.5 Ранжирование контрольно-измерительных процедур клинических лабораторных аналитических исследований веществ и биофизических параметров 60
3 Экспериментальные исследования и разработка практических рекомендаций 65
3.1 Экспериментально-статистические исследования 65
3.2 Программное обеспечение оценки и прогнозирования достоверности контроля 81
4 Техническое обеспечение преаналитической подготовки лабораторной медицины 94
4.1 Экспериментальные исследования устройства для приготовления и дозированной подачи химических растворов 94
4.2 Оптимизация технико-экономических требований к средствам приготовления дезинфицирующих растворов 105
4.3 Компьютерное оптимизационное моделирование точности подготовки и дозирования химических дезинфекционных растворов 110
Основные результаты и выводы по работе 112
Список литературы 114
- Техническое обеспечение процессов контроля биофизических параметров в клинических лабораторных исследованиях
- Математическое обеспечение клинических лабораторных исследований биофизических параметров
- Моделирование качества контроля при распределении случайной погрешности измерений и контролируемого параметра по нормальным законам при детерминированных нормативах
- Программное обеспечение оценки и прогнозирования достоверности контроля
Введение к работе
Актуальность. Одной из причин низкой эффективности результатов реформирования отечественного здравоохранения является недостаточная изученность и научное обоснование моделей управления качеством медицинской помощи и особенно качеством клинических лабораторных исследований. Проблема повышения качества результатов лабораторных анализов актуальна для всей мировой медицинской науки и практики. Неудержимый рост стоимости медицинской помощи без адекватного повышения качества заставило правительства многих стран обратить самое серьезное внимание на эту проблему и резко увеличить финансирование работ в этом направлении. Расходы программ по обеспечению качества медицинской помощи в бюджетах развитых стран и отдельных клиник достигают 25% и имеют заметную тенденцию к дальнейшему неконтролируемому увеличению. Для выхода из сложившейся финансовой ситуации, не поступаясь качеством, остается лишь одна альтернатива -разработка современных технологий, опирающихся на новые организационно- технические принципы, модели и решения.
Эффективной перспективой обеспечения качества может служить, так называемая, индустриальная модель, предлагаемая зарубежными специалистами и широко поддерживаемая отечественными учеными и практиками. Отличие индустриальной модели от профессиональной, базирующейся на высокой квалификации медицинского персонала и бюрократической модели гарантии качества, в которой делается главный упор на внешнем контроле строгого соблюдения стандартов, состоит в том, что клинические лабораторные исследования рассматриваются технологически, по аналогии с промышленным производством. В данной технологии качество обеспечивается системным процессным подходом, в котором воедино связаны методика, техника, информация и «человеческий фактор».
Технологический индустриальный подход в клинических лабораторных исследованиях принято организационно-функционально представлять тремя этапами: преаналитическим, аналитическим и постаналитическим. Качество лабораторных аналитических исследований в значительной мере зависит от метрологических показателей процессов и процедур. Но, несмотря на повсеместное внедрение цифровой измерительной медицинской техники, имеющей высокую инструментальную точность, качество конечных результатов - достоверности в клинических лабораторных исследованиях во многих случаях, как показывает практика остается недопустимо низким, т.к. повышение технических характеристик отдельных функциональных звеньев в лабораторных исследованиях, не приводит к ожидаемым качественным результатам. Так, согласно исследованиям Международной федерации клинической химии, доля «клинически неправильных» результатов при проведении лабораторных исследования колеблется в пределах от 17 до 50 процентов. Значительную долю неправильных решений (недостоверных решений) следует отнести к факторам межэтапной организационной конфликтности и нечеткости нормативных (пороговых) значений контролируемых параметров. Пороговые значения в процедуре контроля играют важнейшую системную связующую роль между актом измерения и принятием решения, т.е. роль системно -процессного интерфейса. Во многих сферах и отраслях научной и практической деятельности, например, в машиностроении, экологии и др. вопросам количественной оценки и прогнозирования достоверности контроля в условиях статистической неопределенности нормативов в последнее время уделяется все возрастающее внимание.
С учетом изложенного и в связи с невозможностью полного описания
биологических объектов, высокой вариабельности параметров и размытости
их предельных значений актуальность исследований проблемы
количественной оценки и прогнозирования достоверности клинических лабораторно - аналитических исследований становится очевидной.
Цель работы разработка метрологического обеспечения систем клинического лабораторного контроля
Основными задачами в диссертационной работе, в соответствии с поставленной целью, являются следующие:
1. Анализ состояния метрологического и инструментального
обеспечения аналитических клинических лабораторных исследований.
Разработка математической модели оценки и прогнозирования ошибок контроля и достоверности в контрольно-измерительных клинических системах в условиях статистической неопределенности входных параметров.
Разработка математической модели оценки и прогнозирования достоверности контроля параметров лабораторных аналитических исследований в условиях статистической неопределенности нормативов.
Экспериментально-статистические исследования и реализация компьютерного эксперимента с целью оценки адекватности основной научной гипотезы и модельных предпосылок.
Объектом исследования является процесс контроля в клинико -лабораторных системах.
Предметом исследования является механизм обеспечения метрологической достоверности контроля в клинических лабораторных исследованиях.
По степени изученности задачи диссертационной работы можно отнести к новым. Имеются разработки по оценке и прогнозированию метрологических показателей клинических лабораторных исследований, а также и в других отраслях деятельности, но они, как правило, рассматривают не конечный результат контроля объекта с учетом всех факторов, влияющих на достоверность результата, и в частности, статистическую неопределенность нормативных параметров, а оценивают качество отдельных тестовых и измерительных процедур. При решении задач диссертации использовались работы ученых, практиков по всеобщему менеджменту качества (TQM), нормативные документы по управлению
7 качеством измерений и контроля, работы по организации лабораторных исследований в лечебно-диагностической деятельности медицинских учреждений. Среди работ по исследуемым вопросам следует отметить труды: Назаренко Г.И., Кишкун А.А., Степанова В.В., Финченко Е.А., Вентцель Е.С., Китаєва Н.Н., Евланова Л.Г., Надлера Д, Трахтенгерца Э.А., Ларичева О.И, Нейлора К., Ансофф И. и других авторов. В числе работ, рассматривающих метрологичекие аспекты повышения качества измерений и принятия решений следует назвать труды Шейнина A.M., Новицкого П.В., Зографа И.А., Кульсеитова Ж.О., Корнева В.А., Сергеева А.Г. , в области системного анализа и моделирования книгу Моисеева Н.Н., в области статистической обработки информации труды Гмурмана В.Е., Орлова А.И. , Боровикова В.П., Кулешова В.К.
Методологическая база и методы исследований. Методологической базой диссертационного исследования является системный подход. Методика исследований предполагает теоретические и экспериментальные исследования. В теоретических исследованиях использованы методы моделирования на базе теории вероятностей и математической статистики, регрессионного и корреляционного анализа и экспертных оценок. Экспериментальные исследования опираются на методику пассивного и компьютерного эксперимента. Достоверность результатов поддерживалась нормами Государственной системы обеспечения единства измерений и специальными программными средствами статистической обработки.
Научная новизна. В ходе исследования были получены следующие результаты, имеющие определенную научную новизну:
разработаны теоретические основы оценки и прогнозирования ошибок контроля в условиях статистической неопределенности входных параметров на аналитическом и постаналитическом этапах лабораторного исследования;
предложены вероятностная модель количественной оценки и прогнозирования ошибок и достоверности контроля биофизических
8 параметров в процессе аналитических лабораторно-клинических исследований в условиях нечеткости нормативов;
разработана автокорреляционная модель оперативного
функционального контролинга на постаналитическом этапе.
Практическая ценность результатов исследований состоит в
возможности использования разработанных математических моделей и
прикладного программного обеспечения для прогнозирования
метрологической эффективности, как имеющегося, так и вновь разрабатываемого и приобретаемого оборудования в лабораторных исследованиях и лечебно-диагностической деятельности.
Реализация результатов. Результаты исследований по теме диссертации нашли применение в деятельности Восточно-Казахстанском Областном медицинском объединении, и в частности, в системе менеджмента качества на базе стандартов ISO, в проекте технического развития и переоснащения лабораторного комплекса диагностического центра.
Апробация работы. Основные положения исследования
апробировались на республиканских и международных научных и научно-практических конференциях: Томского политехнического университета; Новосибирской Государственной Академии экономики и управления; Национальном техническом Университете Украины « Киевский политехнический институт», Восточно-Казахстанского государственного технического университета. Диссертация обсуждалась на объединенном заседании профилирующих кафедр Томского государственного политехнического университета, Восточно-Казахстанского государственного технического университета, Восточно-Казахстанского института экономики и статистики и Восточно-Казахстанского государственного университета.
Публикации. По теме диссертации опубликовано 12 печатных работ, из них две монографии, а также одно авторское свидетельство на изобретение и патент Республики Казахстан.
Техническое обеспечение процессов контроля биофизических параметров в клинических лабораторных исследованиях
Анализ технической оснащенности лабораторных структурных подразделений медицинских учреждений показывает, что основная доля нового оборудования поступила в лечебно-профилактические учреждения в последние 5-7 лет. Причем, наряду с одно и малофункциональными приборами и оборудованием наблюдается тенденция создания многофункциональных комплексов на базе новых компьютерных технологий. К числу однофункциональных специализированных инструментальных средств можно отнести измерители артериального давления, цифровые термометры и пр. Некоторые фирменные приборы для измерения давления рассматривались в предыдущем подразделе, где экспертно оценивались качественные показатели упомянутых приборов. Ниже на рисунке 1.2 представлены некоторые из широко рекламируемых типов цифровых тонометров. Цифровые тонометры промышленного производства (Япония) На рисунке 1.2а представлен, согласно экспертизе Института Клинической Кардиологии им.А.Л.Мясникова, «самый лучший тонометр на сегодняшний день.
Технические характеристики данного прибора следующие: - расчет среднего значения по 3-м последним измерениям; - индикатор аритмии, индикатор качества измерения; - интеллектуальная система управления Intellisence; - высокоточное, быстрое и комфортное измерение; - оптимальное соотношение цена-качество. Анализ рекламируемых характеристик показывает, что среди множества технико-экономических показателей отсутствуют конкретные метрологические данные, которые указаны как «высокоточные». Данный случай в менеджменте называется «потерей ценности» за счет снижения качества [15]. Одной из важных составляющих менеджмента является предотвращение потери ценности продукции или услуг за счет снижения их качества, так как одновременно с полезными изменениями накапливаются различного рода вредные изменения, которые приводят к потере ценности. В практике для обозначения этого явления используется понятие "потери качества" [15]. Причины появления потерь качества весьма разнообразны, в данном случае проявляет себя нарушение системного технологичесого единства.
В связи с этим современный менеджмент качества пришел к пониманию, что «управлять нужно не качеством продукции или услуг, а качеством исполнения процессов» и это обстоятельство нашло свое отражение в международных стандартах ISO серии 9000 версии 2000 года, где провозглашен принцип процесснного подхода к менеджменту качеством. Преимуществом процессного подхода является то, что, «представляя процесс производства продукции или услуги в виде последовательностей операций, мы яснее понимаем структуру формирования ценности для потребителя. Представляя структуру формирования ценности, мы представляем также и структуру возникновения потерь качества. Зная "больные места", мы можем предотвращать потери качества, вместо того, чтобы тратить силы и средства на восстановление уже потерянной ценности» [16,17]. В качестве примера многофункционального комплекса следует рассмотреть « COBAS INTEGRA 400 plus" (в дальнейшем «ИНТЕГРА»). В клинической лаборатории диагностического центра ВК ОМО большая часть лабораторных исследований (36 тестовых исследований) осуществляется на данном селективном дискретном анализаторе. Производительность анализатора 400 тестов в час. Наиболее частыми и важными, как с клинической, так и технико-экономической точек зрения диагностическими тестами являются исследования: -холестерина; -билирубина; -белка; -мочевины; -глюкозы; -АЛТ; -Тимоловая проба.
Анализируя многолетний опыт использования данного комплекса многими медицинскими учреждениями, следует признать, что обеспечение высокого качества клинических лабораторных исследований на базе современного дорогостоящего оборудования типа ИНТЕГРА становится невозможным без оптимального «процессного» сочетания всех элементов и функций, нацеленных на конечный результат. Критерием качества исследований проводимых на ИНТЕГРА являются как метрологические показатели процесса, так экономические или оптимальное их сочетание. В перечне вспомогательных лабораторных процессов следует отметить такие, как дезинфекция и прочие санитарно-гигиенические технологии. Вместе с тем, как показывает практика, эти процессы довольно часто являются в общей лечебно-диагностической технологии наиболее «узким» и критическим звеном, пренебрежение которым приводит к масштабным и порой непоправимым последствиям в виде массовых заражений с трагическими исходами и затем большим экономическим затратам на их ликвидацию. До сих пор в клинических условиях очистка и дезинфекция инструмента зачастую производится вручную. При этом "человеческий" фактор (несоблюдение времени экспозиции, неточная дозировка дезинфектанта и т.п.) может самым серьезным образом сказаться на качестве предстерилизационной подготовки и на состоянии самого инструмента, зачастую весьма не дешевого.
Математическое обеспечение клинических лабораторных исследований биофизических параметров
В связи широким внедрением компьютерных технологий в управление лечебно-диагностической деятельностью, клинические лабораторные преаналитические, аналитические и постаналитические исследования появилась возможность эффективного использования математического аппарата не только в статистической обработке информации, но и строить корректирующие и прогнозные модели, используя информацию баз данных и знаний, что существенно повышает метрологическое качество конечных лечебно-диагностических результатов. Так, в работе [21], по результатам накопленной информации за многолетний период была построена модель прогноза безотказной работы средств измерения в виде кубического полинома где m(t) - выборочные средние характеристики погрешности от времени. Используя накопленные данные можно оперировать не только точечными статистическими характеристиками, но и рассчитывать интервальные оценки, используя распределения Стьюдента, что позволяет сократить объемы выборок и, как следствие, расходы на поверку [21]. В этой же работе отмечается, что использование математических средств дает возможность структурной декомпозиции результирующей погрешности, что упрощает поиск источников погрешностей. Вместе с тем, используя математический аппарат, особенно математическую статистику, следует крайне осторожно относиться к использованию параметрических методов, например, параметрических распределений случайной величины. Параметрическая теория математической статистики предполагает, что распределения результатов наблюдений принадлежат тем или иным параметрическим семействам. Автор работы [21] отмечает « экспериментально установлена модель погрешности измерений анализаторов, которая описывается нормальным распределением случайной составляющей погрешности при незначительной систематической составляющей». В последнее время появились публикации, например Орлова А.И и др., где критически оцениваются возможности классических подходов к использованию методов статистической обработки данных для прикладных целей [14]. На предположении нормальности построены классические модели регрессионного, дисперсионного, факторного анализов, метрологические модели, которые, как утверждают авторы критики, «еще продолжают встречаться как в отечественной нормативно - технической документации, так и в международных стандартах». Однако теоретических оснований для такого предположения нет. В тоже время, результаты экспериментов [26], позволяют утверждать, что в большинстве случаев распределение погрешностей измерений отличается от нормального. Там же в [14] приводится, что в Машинно-электротехническом институте в Болгарии было исследовано распределение погрешностей градуировки шкал аналоговых электроизмерительных приборов. Изучались различные приборы, изготовленные в Чехословакии, СССР и Болгарии. Оказалось, что закон распределения погрешностей один и тот же и имеет плотность
Были проанализированы «данные о параметрах 219 фактических распределений погрешностей, исследованных разными авторами, при измерении как электрических, так и не электрических величин самыми разнообразными (электрическими) приборами. В результате этого исследования оказалось, что 111 распределений, т.е. примерно 50% , принадлежат классу распределений Вейбулла с плотностью
Из них 63 распределения, т.е. 30%, имеют плотности с плоской вершиной и пологими длинными спадами и не могут быть описаны как нормальные или, например, экспоненциальные. Оставшиеся 45 распределений оказались двухмодальными».
Результаты исследования законов распределения различного рода погрешностей измерения, приведенные в книге известного метролога проф. П. В. Новицкого [22], показали, что 46 из 47 распределений значимо отличались от нормального. Исследования формы распределения погрешностей у 25 экземпляров цифровых вольтметров Щ-1411 в 10 точках диапазона показали, что результаты аналогичны. В лаборатории прикладной математики Тартуского государственного университета проанализировано 2500 выборок из архива реальных статистических данных. В 92% гипотезу нормальности пришлось отвергнуть [14]. Отсюда следует, что погрешности измерений в большинстве случаев имеют распределения, отличные от нормального. Методика статистической обработки данных клинических лабораторных исследований, как уже отмечено выше, также опирается на распределение результатов измерения по нормальному закону, что привносит в результат дополнительную погрешность методического характера. Методы прогнозирования метрологических показателей, в частности, метрологической надежности исследованы в работе [20]. Автор данной работы утверждает, что «математический аппарат общей теории надежности, разработанный для широкого класса технических устройств, не может быть применен для оценки метрологической надежности». Метрологическая надежность рассматривается как нестационарный процесс во времени в области контроля Ті в дискретные моменты to, t(, tk .
Моделирование качества контроля при распределении случайной погрешности измерений и контролируемого параметра по нормальным законам при детерминированных нормативах
Ошибки контроля, как известно и уже указывалось, в значительной мере зависят от погрешностей измерения. В клинических лабораторных исследованиях различают три типа погрешностей: систематические, случайные и грубые, называемые промахами. Систематические погрешности остаются постоянными достаточно длительное время [22,23], они могут быть изучены, а в результат измерения вводится поправка. Случайные погрешности нельзя исключить из результатов измерений введением поправок, но, используя математическую статистику, можно уточнить результаты измерения. Для исключения грубых ошибок в математической статистики существуют специальные методы, позволяющие выделять их в выборке и исключать из дальнейшей обработки [13,22]. В ряде случаев разделение погрешностей на систематические и случайные весьма проблематично и носит чисто условный характер.
Рассмотрим сначала случай однопредельного ограничения контролируемого параметра. При измерении средствами контроля, обладающими случайной погрешностью, как уже отмечено, возможны четыре случая: истинное значение параметра лежит в допустимых пределах и измеренное в пределах; истинное значение параметра за пределами и измеренное за пределами; истинное значение параметра меньше предельного, а прибор регистрирует превышение предела; истинное значение параметра находится за пределами, а прибор не регистрирует выход за предел. Эти четыре случая представляют полную группу несовместных событий, суммарная вероятность которых равна единице. В дальнейшем нас будут интересовать только два последних случая. Назовем событием А случай, когда Si Sn , а событием В случай, когда результат измерения (показание прибора) больше предельного значения параметра. Тогда вероятности событий А и В будут Вероятность одновременного осуществления событий А и В, которое назовем вероятностью ложного брака Рлб:
Нормальное распределение считается в теории вероятностей предельным случаем, при котором статистическая неопределенность минимальна. В литературе довольно часто принимается распределение случайных погрешностей по нормальному закону, поэтому в дальнейших математических выводах будем придерживаться именно этой гипотезы. Будем считать, что распределение контролируемого параметра также аппроксимируется нормальным законом. Этот случай рассматривался в работах [ 18, 19], но для пояснения логики дальнейшего моделирования и получения конечного модельного результата, воспользуемся этими математическими выкладками и преобразования с некоторыми модификациями. Тогда, в случае, когда оба распределения подчиняются нормальному закону, приходим к следующему выражению вероятности ложного брака где Os - среднее квадратическое отклонение измеряемого параметра при пробеге; Gz - среднее квадратическое отклонение случайной погрешности измерительного средства. Выражение (2.1) есть произведение интегралов вероятностей. Вычисление подобных интегралов можно производить с помощью таблиц или стандартных программных приложений. Приведенная модель предоставляет возможность исследования влияния относительной случайной погрешности на вероятные ошибки контроля при детерминированных нормативах (пределах). Рассмотрим случай допускового ограничения контролируемого параметра при асимметричном расположении поля допуска параметра по отношению к его среднему значению Как и в предыдущем примере, рассмотрим два случая появления ошибок контроля: А - истинное значение параметра находится в пределах допуска, а результат измерения параметра оказался вне поля допуска, что и соответствует ложному браку с вероятностью Рлб;
В - истинное значение параметра находится за одним из пределов поля допуска, а прибор покажет значение S в пределах поля допуска, что соответствует необнаруженному браку с вероятностью Рнб, либо показания прибора зафиксируют значения, лежащее за другим пределом допуска.
Для составления программы расчета на ЭВМ, с целью изучения влияния характеристик распределения контролируемого параметра и средств контроля на результат, разбиваем интервал значений параметра на дискретные участки. Количество интервалов будет определяться точностью расчета. С учетом этого, выражение (2.1) для і-го значения параметра приобретает следующий вид: Подставляя в формулу (2.3) выражения для f(S) и p(z) и, делая известные преобразования, ограничиваясь 3-сигмовыми интервалами, получим следующую формулу:
Программное обеспечение оценки и прогнозирования достоверности контроля
Назначением данного программного продукта является количественная оценка достоверности и качества принятия решений в условиях заданных статистических параметров. Система позволит определять качество принимаемых решений в заданных условиях, а также прогнозировать изменение достоверности принятия решений при изменении величины погрешности измерения и нормативов.
Связь пользователя с программой можно представить как обмен сообщениями: либо пользователь передает некоторый запрос и получает на него ответ, либо запрос формируется в программе, а от пользователя ожидается ответ. Для ведения такого диалога пользователю должны быть предоставлены средства ввода сообщений, а сообщения, формируемые пакетом, должны представляться в форме, доступной для восприятия пользователем.
Пользовательский интерфейс - это видимые и невидимые компоненты, при помощи которых пользователь взаимодействует с программой.
В интерфейсе с пользователем можно выделить следующие группы функций: справочную; по управлению; по вводу-выводу данных; информационную. Все эти функции предполагают использование клавиатуры и экрана дисплея.
Справочный интерфейс предназначен для вывода справок о предметной области программы, допустимых действиях пользователя в различных состояниях программы. Отдельные справки, занимающие значительную часть экрана, целесообразно выводить только по запросу пользователя, передаваемому через интерфейс управления. Короткие справки-подсказки могут выводиться при определенных состояниях модели предметной области.
Интерфейс управления предназначен для ввода управляющей информации пользователем программы. На модули этого интерфейса целесообразно возложить и первичный (лексический) контроль вводимой информации, чтобы исключить явные ошибки пользователя, в том числе случайное нажатие клавиш.
Информационный интерфейс предназначен для вывода сообщений об ошибках и особых ситуациях, возникающих в процессе работы пакета. Поскольку эти сообщения возникают в случайные моменты времени и нежелательно, чтобы они перекрывали уже имеющуюся на экране информацию, для информационных сообщений целесообразно выделить постоянную область экрана, например нижние строки.
Информационный интерфейс в отличие от интерфейса управления является односторонним. Пользователь реагирует на сообщения об ошибках через интерфейс управления. Интерфейс ввода-вывода. Данные для решения задач могут вводиться из заранее подготовленных файлов или же непосредственно пользователем пакета с клавиатуры.
Процесс инициализации системы диалоговых и информационных окон приближен к системе реального времени и способствует созданию впечатления реального диалога между компьютером и пользователем. При запуске приложения появляется главное окно программы (рисунок 3.20).
Все функции для расчета и построения графиков исследования доступны из главного меню приложения. Панель быстрого запуска является настраиваемой - пользователь может по своему усмотрению настроить необходимые кнопки, которые будут отображаться на панелях, а также настроить расположение панелей так, как посчитает нужным или скрыть их вообще (см. рисунок 3.21).
Для расчета вероятностей ложного и необнаруженного брака, а также достоверности необходимо вызвать форму расчета, это можно сделать, используя панель быстрого запуска, как показано на рисунке 3.22.
В открывшемся окне следует заполнить необходимые поля: среднее значение диагностического параметра, отклонение параметра. Кроме того, необходимо выбрать закон распределения погрешности измерения в выпадающем меню в верхней части окна, как показано на рисунке 3.230. Следует отметить, что все данные, кроме характеристик распределения параметра, можно задавать, как в абсолютных величинах, так и относительно сигмы диагностического параметра. Если нормативные пределы недетерминированы, нужно отметить соответствующие пункты и задать значения отклонений выбранных пределов в появившихся полях (см. рисунок 3.24). 3.25 показаны результаты расчета ложного и необнаруженного брака и достоверности при среднем параметра 100, отклонении 20, отклонении измерителя 10, пределов 80 и 120, распределении нижнего предела 0,05. Рисунок 3.25 Результаты расчета ошибок контроля Для исследования влияния изменения величины какой-либо из характеристик погрешности измерения или нормативных пределов на тип и величину ошибки необходимо вызвать форму исследования. Данная форма создается при нажатии на соответствующую кнопку на панели быстрого запуска главного окна или формы расчета или может быть вызвана из главного меню приложения (рисунок 3.26).
Чтобы запустить процесс расчета и построения графиков исследования необходимо выбрать закон распределения погрешности измерения и параметр, влияние которого нужно исследовать. Выбор параметров осуществляется на панели слева с помощью переключателей, а в появившихся текстовых полях указывается начальное и конечное значение исследуемого параметра, что возможно задать как в абсолютных значениях, так и относительно среднего квадратического отклонения диагностического параметра.
Поток исследования с заданными параметрами запускается при нажатии на соответствующую кнопку на панели формы исследования. Для работы с графиками исследований и управления процессами расчета и построения графиков можно использовать панели, которые вызываются с помощью пункта главного меню «Вид - Панели инструментов» или посредством контекстного меню, вызываемого при нажатии правой кнопки мыши в области меню и панелей быстрого запуска. На рисунке 3.9 показан один из вариантов вызова панели управления графиками исследований влияния изменения значения одного из параметров на величину вероятностей появления случаев ложного брака, необнаруженного брака и на достоверность принятия управленческих решений в целом.
Время, затрачиваемое на исследование, зависит от количества точек на графике исследования, величины шага дискретизации распределения диагностического параметра, шага дискретизации распределения нижнего нормативного предела и верхнего, если исследуется случай недетерминированных нормативов.
