مقالات

1.6: الدقة و GPE


دقة

ال الاحكام من رقم هي القيمة المكانية للرقم الأكثر دلالة على اليمين. فمثلا، هو دقيق لمكان المئات ، و هو دقيق لمكان العشرات.

تمارين

حدد الدقة (أي القيمة المكانية للرقم الأكثر دلالة على اليمين) لكل رقم.

1.

2.

3.

4.

5.

6.

7.

8.

9.

10.

التقريب المستند إلى الدقة

في وحدة سابقة حول الكسور العشرية ، استخدمناها التقريب الدقيق لأننا كنا نقرب إلى قيمة مكانية محددة ؛ على سبيل المثال ، التقريب لأقرب جزء من عشرة. دعونا نتدرب على هذا مع الأصفار الزائدة والأصفار اللاحقة.

التقريب القائم على الدقة:

  1. حدد موقع ملف رقم التقريب في المكان الذي تقرب إليه.

  2. انظر الى رقم الاختبار مباشرة على يمين الرقم التقريب.

  3. إذا كان رقم الاختبار 5 أو أكبر ، فقم بزيادة رقم التقريب بمقدار 1 وقم بإسقاط جميع الأرقام إلى اليمين. إذا كان رقم الاختبار أقل من 5 ، احتفظ برقم التقريب كما هو وقم بإسقاط جميع الأرقام إلى اليمين.

تذكر ، عندما يكون تقريب رقم صحيح هو a يتم تقريبه إلى أ ، يجب أن نكتب فوق ذلك .

أيضًا ، عندما يكون تقريب رقم عشري هو a يتم تقريبه إلى أ ، يجب أن نقوم بتضمين في ذلك المكان العشري.

تمارين

تقريب كل رقم إلى القيمة المكانية المشار إليها. تأكد من تضمين أصفار زائدة أو شريط علوي إذا لزم الأمر.

11. (بالآلاف)

12. (مئات)

13. (عشرات)

14. (أعشار)

15. (المئات)

16. (الألف)

أكبر خطأ قياس ممكن (GPE)

افترض أنك تزن كلبًا بميزان يعرض الوزن مقربًا لأقرب رطل. إذا كان الميزان يقول إن السير باركس-أ-لوت يزن جنيه ، يمكن أن يزن في أي مكان جنيه تقريبا جنيه أو رطل للوزن. يمكن أن يكون الوزن الحقيقي بقدر أرطال أعلى أو أقل من الوزن المقاس ، والذي يمكننا كتابته على هيئة .

افترض الآن أنك تزن Sir Barks-A-Lot بميزان يعرض الوزن مقربًا إلى أقرب عُشر من الرطل. إذا كان الميزان يقول إن السير باركس-أ-لوت يزن جنيه ، ونحن نعلم الآن أنه يمكن أن يزن في أي مكان جنيه تقريبا جنيه أو رطل للوزن. يمكن أن يكون الوزن الحقيقي بقدر أرطال أعلى أو أقل من الوزن المقاس ، والذي يمكننا كتابته على هيئة .

نظرًا لزيادة مستوى الدقة في قياسنا ، فإننا نخفض أكبر خطأ قياس ممكن أو GPE. GPE دائمًا نصف الدقة ؛ إذا كانت الدقة لأقرب جزء من عشرة ، ، GPE هو نصف واحد على عشرة ، أو خمس مائة ، . سيكون GPE دائمًا ملف في المكان على يمين القيمة المكانية لدقة الرقم.

هناك طريقة أخرى للتفكير في GPE وهي أنها تعطي نطاقًا للقيم التي من شأنها تقريب الرقم المعني. العودة إلى تقييم السير باركس-أ-لوت: يخبرنا بقيمة أقل وقيمة أعلى. هو أقل وزن يمكن تقريبه إلى . بصورة مماثلة، هو أعلى وزن يمكن تقريبه إلى الأدنى . نعم ، ربما ينبغي أن نقول أو ، وما إلى ذلك ، للحد الأعلى هنا ، ولكن من السهل أن نقول فقط وتوافق على ذلك هو الحد الأعلى على الرغم من أنه سيتم تقريبه لأعلى بدلاً من أسفل. باستخدام المتباينات ، يمكننا تمثيلها كنطاق من القيم في حين أن.

عندما يُطلب منك تحديد GPE ، قد يساعدك التفكير في "ما هو الحد الأدنى والحد الأقصى من الأرقام التي يمكن تقريبها إلى الرقم المحدد؟" على سبيل المثال ، افترض أن الحضور في مباراة بورتلاند ثورنز يقدر اشخاص. هذا الرقم دقيق لأقرب ألف. الحد الأدنى للرقم الذي يمكن تقريبه إلى سيكون (لان سوف تقرب إلى ) ، والحد الأقصى للرقم الذي سيتم تقريبه إلى سيكون أقل بقليل (لان سوف تقريب ما يصل إلى ). لأن كل هذه الأرقام بعيدا عن ، GPE هو . إذا كان تقدير صحيح لأقرب ألف ، فنحن نعلم أن الحضور الفعلي في حدود 500 من .

تمارين

21. حزمة تزن جنيه أو رطل للوزن. ما هو GPE؟

22. لفة من الأغطية البلاستيكية بوصات سميكة. ما هو GPE بالبوصة؟

23. الأغطية البلاستيكية بوصة سميكة يشار إليها باسم ميل. ما هو GPE بالملس؟

تذكر من الوحدة السابقة أن دقة القياس هي عدد الأرقام المهمة. دعنا نجمع أفكار الدقة والدقة وأكبر خطأ قياس ممكن.

تمارين

تشير خرائط Google إلى أن مسافة القيادة من الحرم الجامعي الرئيسي لـ CCC إلى الحدود الكندية هي اميال. (ملاحظة: يتم تقريب هذا إلى أقرب ميل.)

24. ما هي الدقة؟

25. ما هي الدقة؟

26. ما هو GPE؟

من المتوقع أن يكون هناك ملعب جديد حوله المقاعد.

27. ما هي الدقة؟

28. ما هي الدقة؟

29. ما هو GPE؟

سعة خزان الغاز للسيارة هي جالون.

30. ما هي الدقة؟

31. ما هي الدقة؟

32. ما هو GPE؟

فيما يلي ملخص للمصطلحات الهامة من هاتين الوحدتين. من السهل الخلط بينهما ، ولكن تذكر أن كلا من "الدقة" و "القيمة المكانية" يبدأان بحرف "p" يمكن أن يكون مفيدًا.

ملخص الشروط

من الشخصيات الهامة: الأرقام التي نثق في صحتها

صحة: عدد الخانات ذات الدلالة

دقة: القيمة المكانية للرقم في أقصى اليمين

أكبر خطأ قياس ممكن (GPE): نصف الدقة


مقدمة للتعرف على الكيانات المسماة في بيثون

في هذا المنشور ، سأقدم لك شيئًا يسمى التعرف على الكيانات المسماة (NER). NER هو جزء من معالجة اللغة الطبيعية (NLP) واسترجاع المعلومات (IR). المهمة في NER هي العثور على نوع الكيان للكلمات. يمكن أن تكون الكيانات ، على سبيل المثال ، مواقع أو تعبيرات زمنية أو أسماء. إذا كنت تريد تشغيل البرنامج التعليمي بنفسك ، فيمكنك العثور على مجموعة البيانات هنا. الآن نقوم بتحميله والذروة في بعض الأمثلة.

جملة او حكم على #كلمةنقاط البيعبطاقة شعار
1048565الحكم: 47958تأثيرNNا
1048566الحكم: 47958..ا
1048567الجملة: 47959هنديجيB-gpe
1048568الجملة: 47959القواتNNSا
1048569الجملة: 47959قالتVBDا
1048570الجملة: 47959أنهمPRPا
1048571الجملة: 47959أجابVBDا
1048572الجملة: 47959للا
1048573الجملة: 47959الDTا
1048574الجملة: 47959هجومNNا

إذن لدينا 47959 جملة تحتوي على 35178 كلمة مختلفة.

نبدأ بكتابة فصل صغير لاستعادة جملة من مجموعة البيانات.

هكذا تبدو الجملة.

قد تكون الفكرة والخط الأساسي البسيط الأول هو مجرد تذكر الكيان المسمى الأكثر شيوعًا لكل كلمة والتنبؤ بذلك. في حالة عدم معرفتنا بكلمة ، نتوقع فقط & lsquoO & rsquo. الفصل التالي يفعل ذلك. أقوم بتطبيقه وراثيًا من فئات أساسية scikit-Learn لاستخدام الفصل مع التحقق المتبادل الداخلي.

حسنًا ، يبدو أنه يعمل بشكل أساسي. الآن نقوم بالتحقق من صحة 5 أضعاف.

سنستخدم تقرير تصنيف scikit-Learn لتقييم الوسم ، لأننا مهتمون أساسًا بالدقة والتذكر والنتيجة f1. هذه المقاييس شائعة في مهام البرمجة اللغوية العصبية وإذا لم تكن معتادًا على هذه المقاييس ، فراجع مقالات ويكيبيديا.

هذا لا يبدو سيئا للغاية! الدقة معقولة ، ولكن كما قد تكون خمنت ، فإن الاسترجاع ضعيف جدًا. هذا يرجع إلى حقيقة أننا لا نستطيع التنبؤ بالكلمات التي لا نعرفها. للتغلب على هذه المشكلة ، سنقدم الآن نموذجًا بسيطًا للتعلم الآلي للتنبؤ بالكيانات المسماة. لتحقيق ذلك ، نقوم بتحويل البيانات إلى متجه ميزة بسيط لكل كلمة ثم نستخدم غابة عشوائية لتصنيف الكلمات.

تحتوي خريطة المعالم الأكثر بساطة على معلومات عن الكلمة نفسها فقط.

واو ، هذا يبدو سيئا حقا. هذا متوقع ، لأن الميزات تفتقر إلى الكثير من المعلومات اللازمة لاتخاذ القرار. لذلك نقوم الآن بتحسين ميزاتنا البسيطة من ناحية من خلال الذاكرة ومن ناحية أخرى باستخدام معلومات السياق.

أدى هذا إلى تحسين النتيجة قليلاً ، لكن هذا لا يزال غير مقنع للغاية. في المنشور التالي ، سأوضح كيفية القيام بعمل أفضل باستخدام خوارزميات أكثر تعقيدًا.


رسم بياني للمقارنة

الدقة مقابل مخطط مقارنة الدقة
صحةدقة
تعريف درجة المطابقة وصحة شيء ما عند مقارنته بقيمة حقيقية أو مطلقة. حالة من الدقة الصارمة - كم مرة يكون الشيء دقيقًا تمامًا.
قياسات عامل واحد أو قياس هناك حاجة إلى قياسات أو عوامل متعددة
صلة يمكن أن يكون شيء ما دقيقًا في بعض الأحيان باعتباره حظًا. لكي يكون الشيء دقيقًا بشكل ثابت وموثوق ، يجب أن يكون دقيقًا أيضًا. يمكن أن تكون النتائج دقيقة دون أن تكون دقيقة. بدلاً من ذلك ، يمكن أن تكون النتائج دقيقة ودقيقة.
الاستخدامات الفيزياء والكيمياء والهندسة والإحصاء وما إلى ذلك. الفيزياء والكيمياء والهندسة والإحصاء وما إلى ذلك.

رينج بوينت RTX

خدمة تحديد المواقع بدقة عالية وبأسعار معقولة مبنية على تقنية RTX الحصرية من Trimble ، مما يوفر مستوى دقة يصل إلى 50 سم عبر التوصيل عبر الأقمار الصناعية أو الخلوية في جميع أنحاء العالم. إنه الحل المثالي لجمع البيانات الميدانية والزراعة على نطاق واسع وتتبع الأصول.

دقة واسعة

تتميز Trimble RangePoint RTX بدقة تصل إلى أقل من 50 سم ، مما يساعدك على إنجاز عملك بسرعة مع أداء موثوق.

وقت تشغيل أفضل

تضمن شبكتنا الموثوقة أن يكون لديك اتصال غير منقطع ، لذلك لا داعي للقلق بشأن الإشارات المفقودة. استمر في العمل دون انقطاع.

خدمة موثوقة

المحطة الأساسية ليست مطلوبة ، مما يعني أنه لا داعي للقلق بشأن فقدان اتصال إشارة الراديو أو إضاعة الوقت في العمل.

العمل في أي مكان

لا توجد محطة قاعدية؟ ليس لديك شبكة VRS؟ لا مشكلة. مع RTX يمكنك العمل في أي مكان على شبكتنا العالمية عبر الأقمار الصناعية ، حتى في المواقع النائية أو عبر منطقة جغرافية كبيرة.


يبلغ طول هذا الرجل العصي حوالي 250 بكسل. نظرًا لأننا نقيس بالبكسل ، فإن GPE هو 1/2 بكسل.

مثال مشكلة # 1: ما هو GPE لمسافة 5 أمتار ؟.

الخطوة 1: أعد صياغة السؤال بوضع الكلمة & # 8220about & # 8221 أمام الرقم:
ما هو GPE ل حول 5 أمتار ؟.
هذا يجب أن يجعل الجملة تبدو مألوفة (بمعنى & # 8220It & # 8217s حوالي 5 أمتار & # 8221).

الخطوة 2: تحديد قياس الوحدة.
نحن نقيس بـ & # 8220أمتار.”

الخطوة 3: اضرب القياس في الخطوة 2 بمقدار النصف:
& # 8220 متر & # 8221 * 1/2 = 1/2 متر.

يبلغ طول GPE لمسافة 5 أمتار 1/2 متر.

مثال المشكلة رقم 2: ما هو GPE لـ 3.9 بوصة ؟.

الخطوة 1: أعد صياغة السؤال بوضع الكلمة & # 8220about & # 8221 أمام الرقم:
ما هو GPE ل حول 3.9 بوصة ؟.
هذا من شأنه أن يجعل الجملة تبدو مألوفة أكثر (بمعنى & # 8220It & # 8217s حوالي 3.9 بوصة & # 8221).

الخطوة 2: تحديد قياس الوحدة.
نحن نقيس بـ & # 8220بوصة.”

الخطوة 3: اضرب القياس في الخطوة 2 بنصف واحد:
& # 8220 بوصة & # 8221 * 1/2 = 1/2 بوصة.

GPE لـ 3.9 بوصة هو 1/2 بوصة.

مشكلة المثال رقم 3 (سؤال خادع!): ما هو GPE لـ 9.76 سم ؟.

الخطوة 1: أعد صياغة السؤال بوضع الكلمة & # 8220about & # 8221 أمام الرقم:
ما هو GPE ل حول 9.76 سم ؟.
هذا من شأنه أن يجعل الجملة تبدو مألوفة أكثر (أي & # 8220It & # 8217s حوالي 9.76 سم & # 8221).
ولكن!
نحن نقيس بالسنتيمتر ، لكن لاحظ أن هناك & # 8217s زوج من المنازل العشرية. دبليوe aren & # 8217t نقيس فعليًا بالسنتيمتر ، ونقيس بالمئات من السنتيمتر. إذا كانت لديك منازل عشرية ، فأعد صياغة العبارة بالكلمات وليس بالأرقام.
& # 8220It & # 8217s حوالي 9.76 سم & # 8221 بالكلمات & # 8220It & # 8217s حوالي 9 سم و 76 جزء من مائة. & # 8221

الخطوة 2: تحديد قياس الوحدة.
نحن نقيس بأجزاء من السنتيمتر (بالأرقام ، # 8217s 1/100 ths).

الخطوة 3: اضرب القياس في الخطوة 2 بنصف واحد:
1/2 * 1/100 سم = 0.005 سم.

يبلغ طول GPE 9.76 سم 0.005 سم.

تحتاج مساعدة في واجب منزلي أو سؤال اختبار؟ مع صفحة الفيسبوك.


ClosedLoop.ai يفوز بتحدي النتائج الصحية للذكاء الاصطناعي بقيمة 1.6 مليون دولار CMS

أوستن ، تكساس - (بزنيس واير) - فازت ClosedLoop.ai ، المنصة العلمية لعلوم البيانات للرعاية الصحية ، في تحدي النتائج الصحية للذكاء الاصطناعي (AI) لمراكز الرعاية الصحية والخدمات الطبية (CMS) ، وهو أكبر تحدٍ للذكاء الاصطناعي يركز على الرعاية الصحية في التاريخ. . تفوقت ClosedLoop على أكثر من 300 مؤسسة رائدة في مجال التكنولوجيا والرعاية الصحية والأدوية في العالم ، بما في ذلك IBM و Mayo Clinic و Geisinger و Merck و Accenture و Deloitte. منح التحدي الذي تبلغ قيمته 1.6 مليون دولار الأولوية لإنشاء "حلول ذكاء اصطناعي قابلة للتفسير لمساعدة الأطباء في الخطوط الأمامية على فهم وثقة ردود الفعل على البيانات المستندة إلى الذكاء الاصطناعي" لإظهار كيف يمكن لحلول الذكاء الاصطناعي أن تتنبأ بالقبول غير المخطط له في المستشفيات والأحداث السلبية - وهي مشكلة بقيمة 200 مليار دولار تؤثر على ما يقرب من 32٪ من المستفيدين من برنامج Medicare. يعزز هذا الفوز شركة ClosedLoop كشركة رائدة في الصناعة في تقديم حلول ذكاء اصطناعي قابلة للتفسير يثق بها الأطباء للتنبؤ بالنتائج الصحية واستهداف الموارد النادرة والحفاظ على صحة مرضاهم.

تؤثر النماذج التنبؤية القابلة للتفسير من ClosedLoop بشكل إيجابي بالفعل على أكثر من 3 ملايين مريض يوميًا. "كانت توقعاتنا المتعلقة بصحة المرضى (PHF) عاملاً أساسيًا للفوز بالتحدي. لقد أعدنا تصور المفهوم بأكمله في توقعات شاملة وشخصية للمخاطر يمكن تسليمها مباشرة إلى سير العمل السريري ، "قال ClosedLoop CTO والشريك المؤسس Dave DeCaprio. "يبرز كل توقع المتغيرات الرئيسية ويشرح بدقة كيفية مساهمتها في المخاطر المحددة للمريض." تدمج التوقعات المعلومات السريرية ذات الصلة وترتبط بتدخلات محددة تستخدمها الفرق السريرية لمنع الأحداث الضائرة وتحسين النتائج وتقليل التكاليف غير الضرورية.

"الأطباء حريصون على استخدام أحدث الابتكارات للمساعدة بشكل أفضل في تحديد المرضى المعرضين للخطر ، وتقديم رعاية عالية الجودة ، وتحسين النتائج الصحية. قال ليز ريختر ، القائم بأعمال مدير CMS ، "إن استخدام الذكاء الاصطناعي لديه القدرة على تحقيق هذه الأهداف من خلال توفير معلومات مهمة للأطباء قد تكون مفيدة في توفير رعاية عالية الجودة". "لقد جعل تحدي الذكاء الاصطناعي للنتائج الصحية من CMS هذا المستقبل المثير أقرب خطوة إلى الواقع من خلال المشاركة مع بعض من ألمع مبتكري الذكاء الاصطناعي في البلاد. نهنئ ClosedLoop.ai و Geisinger على إنجازاتهما ، ونهنئ جميع المتأهلين للتصفيات النهائية والمشاركين على المساعدة في زيادة المعلومات المتاحة للأطباء لتحسين رعاية المرضى ".

قامت ClosedLoop ببناء المئات من الخوارزميات التنبؤية لأفضل مؤسسات الرعاية الصحية في الصناعة على مدار السنوات العديدة الماضية. يثق العملاء مثل HealthFirst ، وهي أكبر خطة صحية غير ربحية في نيويورك ، والشبكة الطبية المنزلية ، أكبر برنامج Medicaid ACO في البلاد ، في منصة علوم البيانات الخاصة بـ ClosedLoop ودقة لا مثيل لها لمساعدتهم على التنبؤ باحتياجات الرعاية المزمنة والوقائية ، وتحديد أولويات التوعية ، وتخصيص استراتيجيات التدخل الخاصة بهم .

قال الدكتور جيم والتون ، الرئيس التنفيذي لمجموعة الأطباء في جينيسيس ، "بالنسبة للعديد من الأطباء والممرضات ، نتعلم من خلال دراسات الحالة أو" الحكايات "." عندما نرى مريضًا يتناول دواءً معينًا ، أو بتشخيص معين ، فإننا غالبًا ما يتم تذكيرنا بدراسة حالة فريدة أو حكاية لمريض سابق. هذه الصور الذهنية يمكن أن تحيزنا ، دون سؤال ، لأن الأطباء المشغولين ليس لديهم الوقت لمراجعة سنوات من بيانات المريض لمساعدتنا على فهم ما إذا كانت صورتنا العقلية دقيقة مريض يعاني من مجموعة مماثلة من الأعراض.

"توقعات صحة المريض الخاصة بـ ClosedLoop ، إذا تمكنا من تعلم الثقة به ، فيمكنه المساعدة في عكس هذا الاتجاه ، والقول لجميع الأطباء المهتمين بممارسة رعاية ممتازة:" ثق بالآلة لمساعدتك في العثور على المعلومات ذات الصلة - الإبر الموجودة في كومة القش - و يخلصك من رد الفعل القصصي الخاص بك. "

في حين أن النظام الأساسي ClosedLoop موثوق بالفعل على نطاق واسع من قبل مؤسسات الرعاية الصحية في جميع أنحاء البلاد ، فقد أدى تحدي CMS إلى تسريع إنشاء واجهات إضافية قابلة للشرح. يتوفر أحدث إصدار من توقعات صحة المريض في نسخة تجريبية خاصة للعملاء الحاليين ولشركاء استراتيجيين محددين.

"إيجاد طرق فعالة لتحسين النتائج وتقليل تكلفة الرعاية هو واجب وطني. أوضح أندرو آي ، الرئيس التنفيذي لشركة ClosedLoop ، كيف يمكن أن تكون حلول الذكاء الاصطناعي أداة قوية للمساعدة في تحقيق ذلك. "بصفتنا المزود الرائد لحلول الذكاء الاصطناعي في مجال الرعاية الصحية ، دفعنا التحدي إلى تحسين قدراتنا في جميع المجالات - قابلية التوسع والدقة وإمكانية الشرح العميق وطرق معالجة التحيز والإنصاف في الخوارزميات. في النهاية ، لم نتوقف عند "الذكاء الاصطناعي الذي يثق به الأطباء". لقد صممنا منتجًا يحبه الأطباء ".


ما هي النسبة المئوية للخطأ مرتفع جدًا؟

يعتمد قبول النسبة المئوية للخطأ على التطبيق.

توضيح:

في بعض الحالات ، قد يكون القياس صعبًا لدرجة أن خطأ بنسبة 10٪ أو أعلى قد يكون مقبولاً.

في حالات أخرى ، قد يكون خطأ 1٪ مرتفعًا جدًا.

سيقبل معظم مدرسي المدارس الثانوية والجامعات التمهيدية خطأ بنسبة 5٪. لكن هذا مجرد دليل.

في المستويات العليا من الدراسة ، عادة ما يطلب المعلمون دقة أعلى.

انها ليست عالية جدا ابدا. إنه ما هو عليه (إذا تم حسابه بشكل صحيح). إن استخدام قيمة ذات نسبة خطأ عالية في القياس هو حكم المستخدم.

توضيح:

يجب أخذ كل من الدقة والدقة والنسبة المئوية للخطأ معًا لفهم القياس. كعالم وإحصائي يجب أن أقول إنه لا يوجد حد أعلى لـ "خطأ النسبة المئوية". لا يوجد سوى الحكم (البشري) الضروري على ما إذا كانت البيانات المشار إليها يمكن أن تكون مفيدة أم لا.

الدقة والدقة متأصلتان في تصميمات القياس. إنها مهما كانت ، ولا يمكن تحسينها إلا من خلال تحسين الجهاز. يمكن للقياسات المتعددة تحسين دقة إحصائيات القياس ، لكنها لا تستطيع تحسين خطأ القياس المتأصل. يتم حساب النسبة المئوية للخطأ كنطاق انحراف للقياس عن آخر نقطة قياس ثابتة وأفضلها.

على سبيل المثال ، قد يكون لدي قضيب القياس القياسي الأساسي الفعلي. ولكن ، بدون فترات فرعية مُعايرة ، يمكنني علميًا إجراء قياسات "دقيقة" فقط حتى +/- 1 متر. أنا حقًا لا أستطيع الوثوق في عيني (خاصةً بالمقارنة مع الآخرين) لتحديد دقيق حتى even متر.

يحتوي قياس 0.5 متر على خطأ ، لأنه لا توجد علامة مرجعية فعلية 0.5 متر. لذا ، مقارنةً بجهاز القياس الدقيق الخاص بي ، فإن قياس 0.5 متر به خطأ 0.5 / 1 * 100 = 50٪. هذا هو الواقع المادي لأي فترة قياس. حتى هناك نفترض أن حدة البصر لدينا قادرة حقًا على إيجاد "النقطة الوسطى" بين أي علامتين أخريين.

تتعلق الدقة بمدى تناسق الجهاز في تقديم نفس القيمة لنفس القياس. عادة ما تكون هذه وظيفة لبناء الجهاز واستخدامه. الدقة هي مدى قرب القيمة "الحقيقية" من القيمة المقاسة. غالبًا ما يتعلق ذلك بمعايرة الجهاز. النسبة المئوية للخطأ هي مجرد تحديد لكيفية انحراف القيم المحتملة عن القيمة "الحقيقية" بسبب قيود الجهاز المتري واستخدامه.


1.6: الدقة و GPE

الموارد ذات الصلة: التحمل الميكانيكي

صب التسامح لكل. NADCA و ISO

تمتلك جمعية الصب بالقالب لأمريكا الشمالية (NADCA) مواصفات قياسية لتحديد تفاوتات صب القوالب ذات الضغط العالي. هناك أيضًا سلسلة معايير ISO الدولية ، والتي تركز على صب التفاوتات. تحل هذه السلسلة محل ISO 8062: 1994 السابق. لم يكن لدى ISO 8062: 1994 مواصفات لمسبوكات القوالب ذات الضغط العالي.

تحدد ISO 8062-1 & hellip3 تفاوتات الصب على أنها درجات DCT (تسامح صب الأبعاد) ودرجات GCT (تسامح الصب الهندسي). عرف ISO 8062 السابق التفاوتات فقط كدرجات CT (Casting Tolerance).

يتكون ISO 8062-1 & hellip3 من العناوين التالية.

  • ISO 8062-1: 2007 مواصفات المنتجات الهندسية (GPS) التفاوتات الأبعاد والهندسية للأجزاء المصبوبة.
  • ISO / TS 8062-2 مواصفات المنتج الهندسي (GPS) التفاوتات في الأبعاد والهندسية للأجزاء المصبوبة.
  • ISO 8062-3: 2007 مواصفات المنتجات الهندسية (GPS) التفاوتات في الأبعاد والهندسة للأجزاء المصبوبة الجزء 3: التفاوتات العامة في الأبعاد والهندسة وبدلات التصنيع للمسبوكات

وفقًا لمواصفات NADCA ، يتم تقسيم تفاوتات الصب بالضغط العالي إلى مجموعتين: التفاوتات العادية والدقيقة. لا يستخدم معيار ISO الدولي هذه المصطلحات ، ولكنه يحدد درجة التسامح الهندسي الأكثر إحكامًا كعلامة تستخدم فقط من خلال & quot؛ اتفاق خاص & quot. قد يكون تحقيق تفاوتات الدقة أكثر تكلفة ، لأن عجلة القالب يجب أن تولي مزيدًا من الاهتمام للاستقرار الحراري أثناء دورات الصب وأيضًا يجب أن يكون القالب أكثر صلابة واختبارًا جيدًا. عادةً ما تتطلب الصلابة ألواحًا أكثر سمكًا وتزيد من تكلفة القوالب.

تغطي مواصفات NADCA التفاوتات التالية في صب القوالب ذات الضغط العالي:

  • تحمل الأبعاد
  • التسامح الزاوي ، والذي يتضمن التسطيح والتوازي وتحمل العمودية
  • تحمل التركيز
  • خط فراق التسامح التحول
  • التسطيح التسطيح

يغطي ISO 8062 التفاوتات التالية:

  • الأبعاد
  • الجمع بين الاستدارة والتوازي والعمودية والتسامح التماثل
  • تحمل التركيز
  • التسامح الاستقامة & التسامح ناقص التسطيح

تغطي التفاوتات في الأبعاد التفاوتات في الأبعاد في نصف القالب الواحد والأبعاد على خط الفصل. يطلب معيار ISO 80623 ملاحظة الأبعاد على خط الفصل ، لكنه لا يعطي قواعد دقيقة حول كيفية القيام بذلك.


تفاصيل

تم تصميم نطاق Vudu 1-6x24 مع وضع المنافس المتعطش بثلاث مسدسات والصياد الجاد في الاعتبار ، وهو مضغوط ، ولكنه محمّل بالكامل لتحقيق أقصى أداء قريبًا وبعيدًا. فعالة بنفس القدر على منصات AR وبندقيتك المفضلة. تم تصميم شبكاني حلقة السرعة على غرار EOTECH من أجل المشاركة المستهدفة بسرعة مع طاقة منخفضة ، مع توفير الدقة والدقة التي تحتاجها للأهداف ذات المدى الأطول. إنه الحل الأمثل للتطبيقات قصيرة إلى متوسطة المدى التي تتطلب متانة عالية ودقة قصوى.

قبل الشراء: يرجى ملاحظة أن جميع عمليات بيع المعالم نهائية. لن يتم قبول أي عوائد أو تبادل في المعالم السياحية. إذا وصل عنصر تم شراؤه تالفًا أو معيبًا ، فيرجى الاتصال بالدعم الفني لـ EOTECH للحصول على رقم RMA.


ZEISS Conquest V6 1.1-6x24.2.0 - تحديث

مجال الرؤية الواسع الخاص به مثالي للحفاظ على كل شيء في الأفق في عمليات الصيد المدفوعة. يضمن عامل التكبير الأقصى البالغ 6.5 × المرونة المطلوبة عند الصيد والتعامل البديهي يضمن استجابات سريعة.

مع Riflescope Conquest® V6 ، وضعت ZEISS مرة أخرى معيارًا جديدًا في الدقة والصيد بعيد المدى وإطلاق النار. سواء كانت لعبة جلوس أو مطاردة ، أو صيد مدفوع أو تطبيقات بعيدة المدى - تم تصميم Conquest V6 مع تكبير 6x لإثارة إعجابك في أي بيئة أو سيناريو. فهو يجمع بين جودة ZEISS الأسطورية والتكنولوجيا والتصميم الذي أثبت كفاءته ميدانيًا في حزمة واحدة قوية ضمن نطاق كل صياد جاد. بفضل نقل الضوء بنسبة 92٪ والطلاءات الحديثة متعددة الطبقات ومجال الرؤية الواسع ، يوفر ZEISS Conquest V6 جودة صورة ووضوحًا مذهلين ، حتى في أقسى الظروف وأكثر البيئات صعوبة. البصريات المتطورة محمية بغطاء من الألومنيوم المؤكسد الأسود غير اللامع تم بناؤه لأي شيء ترمي إليه الطبيعة. طلاء عدسة LotuTec® المتساقط للمطر والأوساخ المتساقطة وتعويض إسقاط رصاصة ASV اختياري جديد.

بالنسبة للصياد الذي يحتاج إلى تنوع وقدرات بعيدة المدى لا مثيل لها ، فإن ZEISS Conquest V6 هو النطاق الذي يثبت أن المسافة لا شيء.


شاهد الفيديو: What is good and bad about aspirated Ford Duratec engine? Subtitles! (شهر نوفمبر 2021).