(значение+величин)

 

динамические модели экономики
Модели, описывающие экономику в развитии ( в отличие от статических, характеризующих ее состояние в определенный момент). Модель является динамической, если как минимум одна ее переменная относится к периоду времени, отличному от времени, к которому отнесены другие переменные. Существуют два принципиально различных подхода к построению таких моделей. Первый подход — оптимизационный. Он состоит в выборе из числа возможных траекторий (путей) экономического развития оптимальной траектории (например, обеспечивающей наибольший объем фонда потребления за плановый период). Второй подход заключается в исследовании равновесия в экономической системе. В этом случае, переходя к экономической динамике, используют понятие «равновесная траектория» (т.е. уравновешенный, сбалансированный экономический рост), которая представляет собой результат взаимодействия множества ячеек экономической системы (см. Равновесный сбалансированный рост). В общем виде динамические модели сводятся к описанию следующих экономических явлений: начального состояния экономики, технологических способов производства (каждый «способ» говорит о том, что из набора ресурсов x можно в течение единицы времени произвести набор продуктов y), а также (при первом из названных подходов) - критерия оптимальности. Используемые в реальной динамической модели временные ряды содержат три элемента — тренд, сезонные переменные (см. Сезонные колебания) и случайную переменную (остаток); во многих моделях рыночной экономики выделяется еще одна составляющая — циклическая (см. Цикл). В качестве экзогенных величин могут выступать, например, выявленные статистическим путем макроэкономические зависимости, сведения о демографических процессах и т.п.; в качестве эндогенных величин — темпы роста, показатели экономической эффективности и др. Математическое описание динамических моделей производится с помощью систем дифференциальных уравнений (в моделях с непрерывным временем), разностных уравнений (в моделях с дискретным временем), а также систем обыкновенных алгебраических уравнений. С помощью динамических моделей решаются, в частности, следующие задачи планирования и прогнозирования экономических процессов: определение траектории экономической системы, ее состояний в заданные моменты времени, анализ системы на устойчивость, анализ структурных сдвигов. С точки зрения теоретического анализа большое значение приобрели динамическая модель фон Неймана (см. Неймана модель) и так называемые теоремы о магистралях. Что же касается практического применения Д.м.э., то оно находится еще в начальной стадии: расчеты по модели, хотя бы сколько-нибудь приближающейся к реальности, чрезвычайно сложны. Но развитие в этом направлении — продолжается. Используются, в частности, многоотраслевые (многосекторные) динамические модели развития экономики (см. Динамические модели межотраслевого баланса). См. также Производственная функция, Теория экономического роста.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• dynamic economiс models

 

продольная дифференциальная защита
Защита, действие и селективность которой зависят от сравнения величин (или фаз и величин) токов по концам защищаемой линии.
[ http://docs.cntd.ru/document/1200069370]

продольная дифференциальная защита
Защита, срабатывание и селективность которой зависят от сравнения амплитуд или амплитуд и фаз токов на концах защищаемого участка.
[Разработка типовых структурных схем микропроцессорных устройств РЗА на объектах ОАО "ФКС ЕЭС". Пояснительная записка. Новосибирск 2006 г.]

продольная дифференциальная защита линий
-
[Интент]

EN

longitudinal differential protection
line differential protection (US)
protection the operation and selectivity of which depend on the comparison of magnitude or the phase and magnitude of the currents at the ends of the protected section
[ IEV ref 448-14-16]

FR

protection différentielle longitudinale
protection dont le fonctionnement et la sélectivité dépendent de la comparaison des courants en amplitude, ou en phase et en amplitude, entre les extrémités de la section protégée
[ IEV ref 448-14-16]

Продольная дифференциальная защита линий

Защита основана на принципе сравнения значений и фаз токов в начале и конце линии. Для сравнения вторичные обмотки трансформаторов тока с обеих сторон линии соединяются между собой проводами, как показано на рис. 7.17. По этим проводам постоянно циркулируют вторичные токи I 1 и I 2. Для выполнения дифференциальной защиты параллельно трансформаторам тока (дифференциально) включают измерительный орган тока ОТ.
Ток в обмотке этого органа всегда будет равен геометрической сумме токов, приходящих от обоих трансформаторов тока: I Р = I 1 + I 2 Если коэффициенты трансформации трансформаторов тока ТА1 и ТА2 одинаковы, то при нормальной работе, а также внешнем КЗ (точка K1 на рис. 7.17, а) вторичные токи равны по значению I 1 =I2 и направлены в ОТ встречно. Ток в обмотке ОТ I Р = I 1 + I 2 =0, и ОТ не приходит в действие. При КЗ в защищаемой зоне (точка К2 на рис. 7.17, б) вторичные токи в обмотке ОТ совпадут по фазе и, следовательно, будут суммироваться: I Р = I 1 + I 2. Если I Р >I сз, орган тока сработает и через выходной орган ВО подействует на отключение выключателей линии.
Таким образом, дифференциальная продольная защита с постоянно циркулирующими токами в обмотке органа тока реагирует на полный ток КЗ в защищаемой зоне (участок линии, заключенный между трансформаторами тока ТА1 и ТА2), обеспечивая при этом мгновенное отключение поврежденной линии.
Практическое использование схем дифференциальных защит потребовало внесения ряда конструктивных элементов, обусловленных особенностями работы этих защит на линиях энергосистем.
Во-первых, для отключения протяженных линий с двух сторон оказалось необходимым подключение по дифференциальной схеме двух органов тока: одного на подстанции 1, другого на подстанции 2 (рис. 7.18). Подключение двух органов тока привело к неравномерному распределению вторичных токов между ними (токи распределялись обратно пропорционально сопротивлениям цепей), появлению тока небаланса и понижению чувствительности защиты. Заметим также, что этот ток небаланса суммируется в ТО с током небаланса, вызванным несовпадением характеристик намагничивания и некоторой разницей в коэффициентах трансформации трансформаторов тока. Для отстройки от токов небаланса в защите были применены не простые дифференциальные реле, а дифференциальные реле тока с торможением KAW, обладающие большей чувствительностью.
Во-вторых, соединительные провода при их значительной длине обладают сопротивлением, во много раз превышающим допустимое для трансформаторов тока сопротивление нагрузки. Для понижения нагрузки были применены специальные трансформаторы тока с коэффициентом трансформации n, с помощью которых был уменьшен в п раз ток, циркулирующий по проводам, и тем самым снижена в n2 раз нагрузка от соединительных проводов (значение нагрузки пропорционально квадрату тока). В защите эту функцию выполняют промежуточные трансформаторы тока TALT и изолирующие TAL. В схеме защиты изолирующие трансформаторы TAL служат еще и для отделения соединительных проводов от цепей реле и защиты цепей реле от высокого напряжения, наводимого в соединительных проводах во время прохождения по линии тока КЗ.

Рис. 7.17. Принцип выполнения продольной дифференциальной защиты линии и прохождение тока в органе тока при внешнем КЗ (а) и при КЗ в защищаемой зоне (б)

 

Рис. 7.18. Принципиальная схема продольной дифференциальной защиты линии:
ZA - фильтр токов прямой и обратной последовательностей; TALT - промежуточный трансформатор тока; TAL - изолирующий трансформатор; KAW - дифференциальное реле с торможением; Р - рабочая и T - тормозная обмотки реле

Распространенные в электрических сетях продольные дифференциальные защиты типа ДЗЛ построены на изложенных выше принципах и содержат элементы, указанные на рис. 7.18. Высокая стоимость соединительных проводов во вторичных цепях ДЗЛ ограничивает область се применения линиями малой протяженности (10-15 км).
Контроль исправности соединительных проводов. В эксплуатации возможны повреждения соединительных проводов: обрывы, КЗ между ними, замыкания одного провода на землю.
При обрыве соединительного провода (рис. 7.19, а) ток в рабочей Р и тормозной Т обмотках становится одинаковым и защита может неправильно сработать при сквозном КЗ и даже при токе нагрузки (в зависимости от значения Ic з .
Замыкание между соединительными проводами (рис. 7.19, б) шунтирует собой рабочие обмотки реле, и тогда защита может отказать в работе при КЗ в защищаемой зоне.
Для своевременного выявления повреждений исправность соединительных проводов контролируется специальным устройством (рис. 7.20). Контроль основан на том, что на рабочий переменный ток, циркулирующий в соединительных проводах при их исправном состоянии, накладывается выпрямленный постоянный ток, не оказывающий влияния на работу защиты. Две секции вторичной обмотки TAL соединены разделительным конденсатором С1, представляющим собой большое сопротивление для постоянного тока и малое для переменного. Благодаря конденсаторам С1 в обоих комплектах защит создается последовательная цепь циркуляции выпрямленного тока по соединительным проводам и обмоткам минимальных быстродействующих реле тока контроля КА. Выпрямленное напряжение подводится к соединительным проводам только на одной подстанции, где устройство контроля имеет выпрямитель VS, получающий в свою очередь питание от трансформатора напряжения TV рабочей системы шин. Подключение устройства контроля к той или другой системе шин осуществляется вспомогательными контактами шинных разъединителей или. реле-повторителями шинных разъединителей защищаемой линии.
Замыкающие контакты КЛ контролируют цепи выходных органов защиты.
При обрыве соединительных проводов постоянный ток исчезает, и реле контроля КА снимает оперативный ток с защит на обеих подстанциях, и подастся сигнал о повреждении. При замыкании соединительных проводов между собой подается сигнал о выводе защиты из действия, но только с одной стороны - со стороны подстанции, где нет выпрямителя.

Рис. 7.19. Прохождение тока в обмотках реле KAW при обрыве (а) и замыкании между собой соединительных проводов (б):
К1 - точка сквозного КЗ; К2 - точка КЗ в защищаемой зоне
В устройстве контроля имеется приспособление для периодических измерений сопротивления изоляции соединительных проводов относительно земли. Оно подаст сигнал при снижении сопротивления изоляции любого из соединительных проводов ниже 15-20 кОм.
Если соединительные провода исправны, ток контроля, проходящий по ним, не превышает 5-6 мА при напряжении 80 В. Эти значения должны периодически проверяться оперативным персоналом в соответствии с инструкцией по эксплуатации защиты.
Оперативному персоналу следует помнить, что перед допуском к любого рода работам на соединительных проводах необходимо отключать с обеих сторон продольную дифференциальную защиту, устройство контроля соединительных проводов и пуск от защиты устройства резервирования при отказе выключателей УРОВ.
После окончания работ на соединительных проводах следует проверить их исправность. Для этого включается устройство контроля на подстанции, где оно не имеет выпрямителя, при этом должен появиться сигнал неисправности. Затем устройство контроля включают на другой подстанции (на соединительные провода подают выпрямленное напряжение) и проверяют, нет ли сигнала о повреждении. Защиту и цепь пуска УРОВ от защиты вводят в работу при исправных соединительных проводах.

[ http://leg.co.ua/knigi/raznoe/obsluzhivanie-ustroystv-releynoy-zaschity-i-avtomatiki-5.html]

Тематики

• релейная защита

Синонимы

• продольная дифференциальная защита линий

EN

• line differential protection
• longitudinal differential protection

DE

• Längsdifferentialschutz, m

FR

• protection différentielle longitudinale

 

экономико-математическая модель
Математическое описание экономического процесса или объекта, произведенное в целях их исследования и управления ими: математическая запись решаемой экономической задачи (поэтому часто термины “модель” и “задача” употребляются как синонимы). Существует еще несколько вариантов определения этого термина. В самой общей форме модель — условный образ объекта исследования, сконструированный для упрощения этого исследования. При построении модели предполагается, что ее непосредственное изучение дает новые знания о моделируемом объекте (см. Моделирование). Все это полностью относится и к Э.-м.м. В принципе в экономике применимы не только математические (знаковые), но и материальные модели. Например, гидравлические (в которых потоки воды имитируют потоки денег и товаров, а резервуары отождествляются с такими экономическими категориями, как объем промышленного производства, личное потребление и др.) и электрические (в США была известна модель «Эконорама», представлявшая собой сложную электрическую схему, в которой имитировались экономические процессы). Но все эти попытки имели лишь демонстрационное применение, а не служили средством изучения закономерностей экономики. С развитием же электронно-вычислительной техники потребность в них, по-видимому, и вовсе отпала. Э.-м.м. оказывается в этих условиях основным средством модельного исследования экономики. Модель может описывать либо внутреннюю структуру объекта, либо, если структура неизвестна, — его поведение, т.е. реакцию на воздействие известных факторов (принцип «черного ящика«). Один и тот же объект может быть описан различными моделями в зависимости от исследовательской или практической потребности, возможностей математического аппарата и т.п. Поэтому всегда необходима оценка модели и области, в которой выводы из ее изучения могут быть достоверны. Во всех случаях необходимо, чтобы модель содержала достаточно детальное описание объекта, позволяющее, в частности, осуществлять измерение экономических величин и их взаимосвязей, чтобы были выделены факторы, воздействующие на исследуемые показатели. Например, формула, по которой определяется на заводе потребность в материалах, исходя из норм расхода, есть Э.-м.м. Если количество видов изделий обозначить через n, нормативы расхода — ai, количество изделий каждого вида — xi, то модель запишется так: где i = 1, 2, …, n. Кроме того, полезно записать условия, в которых она действительна, т.е. ограничения модели (например, лимиты на те или иные материалы). Строго говоря, расчет по такой формуле не даст точного результата: потребность в материалах может зависеть также от случайных изменений в размерах брака и отходов, от страховых запасов и т.д. Но в общем, она зависит именно от указанных двух видов величин: норм расхода материала и объемов выпуска продукции. Первые из них в данном случае называются параметрами модели, вторые — переменными модели. Такая модель называется описательной, или дескриптивной; она описывает зависимость расхода (потребности в материале), от двух факторов: количества изделий и расходных норм. Большое значение в экономике имеют оптимизационные модели (или оптимальные). Они представляют собой системы уравнений, равенств и неравенств, которые кроме ограничений (условий) включают также особого рода уравнение, называемое функционалом или критерием оптимальности. С помощью такого критерия находят решение, наилучшее по какому-либо показателю, например, минимум затрат на материалы при заданном объеме продукции, или, наоборот, максимум продукции (или прибыли) при заданных ограничениях по ресурсам и т.д. Например, можно попытаться найти такой план работы цеха, который при заданном объеме материалов (т.е. их расход не должен быть больше какой-то величины, допустим, B) гарантирует наибольший объем продукции. Единственное, что надо при этом знать дополнительно — цену единицы продукции — pi. Тогда модель будет записываться так при условии Кроме того, обязательно надо учесть, что искомые величины объемов производства каждого изделия не должны быть отрицательными: xi ? 0, i = 1, 2, …, n. Мы получили элементарную оптимизационную модель, относящуюся к типу моделей линейного программирования. Решив эту модель, т.е. узнав значения всех xi от 1-го до n-го, мы получим искомый план. Важное свойство Э.-м.м. — их применимость к разным, на первый взгляд непохожим ситуациям. Например, если в приведенном примере через ai обозначить нормы внесения удобрений, а через xi — размеры участков, то та же самая формула покажет общий объем потребности в удобрениях. Точно такую же формулу можно применить к расчету затрат семьи на покупку разных продуктов, и во многих других случаях. Модель может быть сформулирована тремя способами: в результате прямого наблюдения и изучения некоторых явлений действительности (феноменологический способ), вычленения из более общей модели (дедуктивный способ), обобщения более частных моделей (индуктивный способ). Подобные модели, в которых описывается моментное состояние экономики, называются статическими (от слова «статика»). Те же, которые показывают развитие объекта моделирования, — динамическими. Модели могут строиться не только в виде формул, как рассмотренные здесь (это называется аналитическое представление модели; см. Аналитическая модель), но и в виде числовых примеров (численное представление) и в форме таблиц (матричное представление), и в форме особого рода графов (сетевое представление модели). Соответственно различают модели числовые, аналитические, матричные, сетевые. Экономическая наука давно пользуется моделями. Одной из первых была модель воспроизводства, разработанная французским ученым Ф.Кенэ еще в XYIII в. А в XX в. первая общая модель развивающейся экономики была сконструирована Дж. фон Нейманом. Значительный опыт построения э.-м. моделей накоплен учеными СССР, применявшими их для анализа экономических процессов, прогнозирования и планирования во всех звеньях и на всех уровнях экономики, вплоть до планирования развития народного хозяйства страны в целом, особенно — перспективного. Принято подразделять Э-м.м. на две большие группы: модели, отражающие преимущественно производственный аспект экономики; модели, отражающие преимущественно социальные аспекты экономики. Разумеется, такое деление в значительной степени условно, поскольку в каждой из моделей в той или иной степени сочетаются производственный и социальный аспекты. Из моделей первой группы можно назвать: модели долгосрочного прогноза сводных показателей экономического развития; межотраслевые модели; отраслевые модели оптимального планирования и размещения производства, а также модели оптимизации структуры производства в отраслях. Из моделей второй группы наиболее разработаны модели, связанные с прогнозированием и планированием доходов и потребления населения, демографических процессов. Существует большое число классификаций типов Э.-м.м., которые, однако, носят фрагментарный характер. И это, по-видимому, неизбежно, так как нереально охватить все многообразие социально-экономических задач, объектов и процессов, описываемых различными моделями. Представленные в нашем словаре модели можно условно классифицировать следующим образом 1. Наиболее общее деление моделей — по способу отражения действительности: Аналоговая модель Иконическая модель (то же: портретная модель) Концептуальная модел Структурная модель Функциональная модель. 2. По предназначению (цели создания и применения) модели: Балансовая модель Дескриптивная модель (то же: Описательная) Имитационная модель Информационная модель Нормативная модель (то же: Прескриптивная модель), в т.ч. Оптимальная модель (то же: Оптимизационная модель). 3. По способу логико-математического описания моделируемых экономических систем: Аналитическая модель Вероятностная модель (то же: Стохастическая модель) Детерминированная модель Дискретная модель Линейная модель Математико-статистическая модель Матричная модель Нелинейная модель Непрерывная модель Модель равновесия Неравновесная модель Регрессионная модель Сетевая модель Числовая модель Эконометрическая модель. - дискретного выбора - непрерывной длительности (выживания) -логит-иодель -пробит-модель - тобит-модель.. 4. По временному и пространственному признаку: Гравитационная модель Динамическая модель (см. Динамические модели экономики) Модели с «бесконечным временем» Статическая модель Точечная модель Трендовая модель и др.. 5. По уровню моделируемого объекта в хозяйственной иерархии: Глобальная модель Макроэкономическая модель (то же: Агрегатная модель) Модели мезоэкономики Микроэкономическая модель 6. По внутренней структуре модельного описания системы: Автономная модель Закрытая модель Комплекс моделей Многосекторная модель (многоотраслевая, многопродуктовая) Однопродуктовая модель Открытая модель Система моделей (в том числе многоуровневая или многоступенчатая). 7.. По сфере применения. Выше было указано на необозримость областей применения Э.-м.м.; поэтому мы не даем здесь их перечисления, а отсылаем к соответствующим статьям словаря: например, о прогнозных моделях — к статье Прогнозирование, об отраслевых — к статье Отраслевые задачи оптимального планирования развития и размещения производства, и т.д. Наиболее развитая типология социально-экономических задач и моделей представлена в кн.: Вилкас Э.Й., Майминас Е.З. Решения: теория, информация, моделирование. — М.: “Радио и связь”, 1981.При разработке приведенной выше условной классификации учитывались материалы этой книги.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• economic model
• economico-mathematical model

1) General subject: ambient, cosmetic, cosmetical, (в сложных словах имеет значение) ecto (с греч. корнями), environmental, (в сложных словах-терминах имеет значение) exo (с греч. корнями), exterior, external, extraneous, extrinsic, female (о поверхности), foreign, formal, lip deep, lip-deep, out, out of door, outdoor, outside, outward, over, superficial, surface, the outer world, outer, oversea

2) Biology: allogenetic, choronomic (о воздействии географических или региональных условий)

3) Medicine: allochthonic, allochthonous

4) Engineering: ext, foreign (напр. о торговле), outboard (напр. мотор), outdoor (на открытом воздухе), outer (напр. слой), overall (о размере), walk-around

5) Bookish: extrinsical

6) Anatomy: ectal, externus

7) Mathematics: exogenous, outermost, periphery

8) Railway term: superposed

9) Law: ex situ

10) Economy: exogenous (о факторах, определяющих динамику макроэкономических величин), external (о торговле), outer (напр. о факторе), overseas

11) Road works: surface (поверхностный)

12) Psychology: exoteric, object, overt

13) Jargon: slick

14) Information technology: front-end, peripheral, room-temperature (по отношению к криостату)

15) Oil: exsitu, outboard

16) Astronautics: off-base

17) Ecology: choronomic (о воздействии географических или региональный условий), circumambient, off-site

18) Business: independent

19) Drilling: female

20) Programming: allied

21) Cables: outer (слой, поверхность)

22) General subject: off-board (не расположенный в кабине)

23) Makarov: applied, exposed, exterior (о виде), external (о виде), external (о давлении), female (о ПВ), impressed, outer (о слое, о поверхности), outlying, outside (о силе), perimeter

24) Logistics: outage

 

аварийный сигнал
аварийная сигнализация
Оповещение оператора о наступлении определенного события, связанного с нарушением или угрозой нарушения регламентного течения технологического процесса.
[ http://kazanets.narod.ru/AlarmsArchive.htm]

Аварийные сигналы настраиваются путем задания предельных значений (границ, thresholds) индивидуально для каждой процессной переменной. Система автоматически отслеживает изменение процессной переменной и сопоставляет ее значение с заранее настроенными границами. В случае выхода переменной за нормальные границы система генерирует оповещение и фиксирует его в журнале аварийных сигналов. Рассмотрим наиболее часто используемые аварийные сигналы для аналоговых величин:

Lo – нижняя предупредительная граница. В случае если процессная переменная становится меньше Lo, генерируется предупредительное оповещение.

LoLo – нижняя аварийная граница. В случае если процессная переменная становится меньше LoLo, генерируется аварийный сигнал.

Hi - верхняя предупредительная граница. В случае если процессная переменная становится больше Hi, генерируется предупредительное оповещение.

HiHi – верхняя аварийная граница. В случае если процессная переменная становится больше HiHi, генерируется аварийный сигнал.

DEV_HI (DEVIATION_HI) – верхняя граница отклонения (рассогласования). Если разность (абсолютное значение) между двумя переменными становится больше DEV_HI, то генерируется аварийный сигнал. Например, такой сигнал можно настроить у блока PID; в этом случае система будет сигнализировать об отклонении регулируемой величины от уставки, превышающей границу DEV_HI. По аналогии можно настроить сигнал DEV_LO.

ROC_HI (RATE_OF_CHANGE_HI) – верхняя граница скорости изменения. Система отслеживает скорость изменения процессной переменной (первую производную). Если скорость возрастания переменной выше границы ROC_HI, то генерируется аварийный сигнал.

Для дискретных переменных сигналов гораздо меньше. По сути их всего две – аварийное состояние, соответствующее значению 1, или авария в случае значения 0.

На рис. 4 показана схема появления аварийных сигналов на примере быстро изменяющейся процессной переменной. Стоит отменить, что на рисунке изображены отнюдь не все генерируемые оповещения. Например, при возврате переменной обратно в нормальный диапазон значений, кроме изображенных на рисунке, генерируется оповещение RETURN_TO_NORMAL

Рис. 4. Пример генерации аварийных сигналов и оповещений.

Важность (или критичность) аварийного сигнала определяется приоритетом (целое число). Как правило, чем выше приоритет у аварийного сигнала, тем критичнее она для производства, и тем быстрее на нее надо обратить внимание.

При появлении аварийного сигнала у оператора есть два варианта действий:

1.    Игнорировать его. Не всегда хорошее решение, мягко говоря. При этом если процессная переменная вернется обратно в нормальные границы, то появиться новое оповещение UNACK_RETURN_TO_NORMAL, говорящее о том, что оператор проспал аварийное событие, но, к счастью, все нормализовалось.

2.    Подтвердить, что сигнал замечен оператором ( acknowledge). Дело в том, что сразу после появления аварийного сигнала ему автоматически присваивается статус UNACK (не подтвержден). Как только сигнал подтверждают (иногда говорят “квитируют”), его статус становится ACK (подтвержден). В этом случае возврат переменной в нормальные границы ведет к появлению оповещения ACK_RETURN_TO_NORMAL, свидетельствующее о том, что оператор “держит ухо востро”.

Аварийные сигналы можно произвольно группировать. На практике группировка проводится путем распределения процессных переменных, а следовательно, и соответствующих им аварийных сигналов по различным технологическим участкам ( plant areas) и установкам ( plant units).

[ http://kazanets.narod.ru/AlarmsArchive.htm]

Тематики

• автоматизированные системы

Синонимы

• аварийная сигнализация

EN

• alarm

 

ненормальный режим работы электротехнического изделия
Режим работы электротехнического изделия (электротехнического устройства, электрооборудования), при котором значение хотя бы одного из параметров режима выходит за пределы наибольшего или наименьшего рабочего значения.
[ ГОСТ 18311-80]

К ненормальным относятся режимы, связанные с отклонениями от допустимых значений величин тока, напряжения и частоты, опасные для оборудования или устойчивой работы энергосистемы.

Рассмотрим наиболее характерные ненормальные режимы.

а) Перегрузка оборудования, вызванная увеличением тока сверх номинального значения. Номинальным называется максимальный ток, допускаемый для данного оборудования в течение неограниченного времени.
Если ток, проходящий по оборудованию, превышает номинальное значение, то за счет выделяемого им дополнительного тепла температура токоведущих частей и изоляции через некоторое время превосходит допустимую величину, что приводит к ускоренному износу изоляции и ее повреждению. Время, допустимое для прохождения повышенных токов, зависит от их величины. Характер этой зависимости показан на рис. 1-3 и определяется конструкцией оборудования и типом изоляционных материалов. Для предупреждения повреждения оборудования при его перегрузке необходимо принять меры к разгрузке или отключению оборудования.

б) Качания в системах возникают при выходе из синхронизма работающих параллельно генераторов (или электростанций) А и В (рис. 1-2, б). При качаниях в каждой точке системы происходит периодическое изменение («качание») тока и напряжения. Ток во всех элементах сети, связывающих вышедшие из синхронизма генераторы А и В, колеблется от нуля до максимального значения, во много раз превышающего нормальную величину. Напряжение падает от нормального до некоторого минимального значения, имеющего разную величину в каждой точке сети. В точке С, называемой электрическим центром качаний, оно снижается до нуля, в остальных точках сети напряжение падает, но остается больше нуля, нарастая от центра качания С к источникам питания А и В. По характеру изменения тока и напряжения качания похожи на к. з. Возрастание тока вызывает нагревание оборудования, а уменьшение напряжения нарушает работу всех потребителей системы. Качание — очень опасный ненормальный режим, отражающийся на работе всей энергосистемы.

в) Повышение напряжения сверх допустимого значения возникает обычно на гидрогенераторах при внезапном отключении их нагрузки. Разгрузившийся гидрогенератор увеличивает частоту вращения, что вызывает возрастание э. д. с. статора до опасных для его изоляции значений. Защита в таких случаях должна снизить ток возбуждения генератора или отключить его.
Опасное для изоляции оборудования повышение напряжения может возникнуть также при одностороннем отключении или включении длинных линий электропередачи с большой емкостной проводимостью.
Кроме отмеченных ненормальных режимов, имеются и другие, ликвидация которых возможна при помощи релейной защиты.

[Чернобровов Н. В. Релейная защита. Учебное пособие для техникумов]

Тематики

• изделие электротехническое
• релейная защита
• электротехника, основные понятия

Синонимы

• аномальный режим

EN

• abnormal duty
• abnormal operating conditions
• fault

3.13 ненормальный режим работы (abnormal operation): Связанные с режимом работы оборудования неисправности, которые возникают редко.

Источник: ГОСТ Р МЭК 61241-10-2007: Электрооборудование, применяемое в зонах, опасных по воспламенению горючей пыли. Часть 10. Классификация зон, где присутствует или может присутствовать горючая пыль оригинал документа

3.13 ненормальный режим работы (abnormal operation): Связанные с режимом работы оборудования неисправности, которые возникают редко.

Источник: ГОСТ Р МЭК 61241.10-2007: Электрооборудование, применяемое в зонах, опасных по воспламенению горючей пыли. Часть 10. Классификация зон, где присутствует или может присутствовать горючая пыль оригинал документа

3.13 ненормальный режим работы (abnormal operation): Связанные с режимом работы оборудования неисправности, которые возникают редко.

Источник: ГОСТ IEC 61241-10-2011: Электрооборудование, применяемое в зонах, опасных по воспламенению горючей пыли. Часть 10. Классификация зон, где присутствует или может присутствовать горючая пыль

 

неопределенность
—
[ http://www.rfcmd.ru/glossword/1.8/index.php?a=index&d=4925]

Тематики

• защита информации

EN

• uncertainty

 

неопределённость
—
[Я.Н.Лугинский, М.С.Фези-Жилинская, Ю.С.Кабиров. Англо-русский словарь по электротехнике и электроэнергетике, Москва, 1999]

Тематики

• электротехника, основные понятия

EN

• uncertainty

3.2 неопределенность (uncertainty): Оценка, приписанная результату измерений, которая характеризует диапазон значений, внутри которого, как можно ожидать, лежит истинное значение.

Примечание - В общем случае неопределенность измерений включает многие составляющие. Некоторые из них могут быть оценены на основе статистического распределения результатов ряда измерений и охарактеризованы экспериментальным стандартным отклонением (среднеквадратическим отклонением - СКО). Оценки других составляющих могут основываться только на опыте или другой информации.

Источник: ГОСТ 31371.2-2008: Газ природный. Определение состава методом газовой хроматографии с оценкой неопределенности. Часть 2. Характеристики измерительной системы и статистические оценки данных оригинал документа

3.20 неопределенность (uncertainty): Параметр, связанный с результатом измерения и характеризующий дисперсию (разброс) значений, которые могут быть обоснованно приписаны измеряемой величине.

[VIM:1993, 3.9]

Примечание - Неопределенность результата измерения может быть описана с помощью (суммарной) стандартной неопределенности или с помощью расширенной неопределенности с установленной доверительной вероятностью.

Источник: ГОСТ Р ИСО 11222-2006: Качество воздуха. Оценка неопределенности измерений характеристик качества воздуха, полученных усреднением по времени оригинал документа

2.37 неопределенность (uncertainty): Параметр, ассоциируемый с результатом количественного определения, который характеризует разброс значений, относящихся к количественной величине.

Примечание - Неопределенность (погрешность) устанавливает, как правило, количественную оценку вероятного или предполагаемого разброса значений и качественное описание вероятных причин разброса.

Источник: ГОСТ Р ИСО 14064-1-2007: Газы парниковые. Часть 1. Требования и руководство по количественному определению и отчетности о выбросах и удалении парниковых газов на уровне организации оригинал документа

2.30 неопределенность (uncertainty): Параметр, ассоциируемый с результатом количественного определения, который характеризует разброс значений, относящихся к количественной величине.

Примечание - Неопределенность (погрешность) устанавливает, как правило, количественную оценку вероятного или предполагаемого разброса значений и качественное описание вероятных причин разброса.

Источник: ГОСТ Р ИСО 14064-2-2007: Газы парниковые. Часть 2. Требования и руководство по количественной оценке, мониторингу и составлению отчетной документации на проекты сокращения выбросов парниковых газов или увеличения их удаления на уровне проекта оригинал документа

2.38 неопределенность (uncertainty): Параметр, ассоциируемый с результатом количественного определения, который характеризует разброс значений, относящихся к количественной величине.

Примечание - Неопределенность (погрешность) устанавливает, как правило, количественную оценку вероятного или предполагаемого разброса значений и качественное описание вероятных причин разброса.

Источник: ГОСТ Р ИСО 14064-3-2007: Газы парниковые. Часть 3. Требования и руководство по валидации и верификации утверждений, касающихся парниковых газов оригинал документа

3.7 неопределенность (uncertainty): Оценка, приписанная результату измерения, которая характеризует диапазон значений, внутри которого, как можно ожидать, лежит истинное значение.

Примечание - В общем случае неопределенность измерений включает много составляющих. Некоторые из них могут быть оценены из статистического распределения результатов ряда измерений и охарактеризованы стандартным отклонением (среднеквадратическим отклонением - СКО). Оценки других составляющих могут основываться только на предыдущем опыте или другой информации.

Источник: ГОСТ 31371.1-2008: Газ природный. Определение состава методом газовой хроматографии с оценкой неопределенности. Часть 1. Руководство по проведению анализа оригинал документа

3.29 неопределенность (uncertainty): Количественная характеристика ошибки (случайной и/или систематической), соответствующей результатам наблюдений, значениям переменных, параметров, математических выражений или неизвестных величин.

Примечание - См. «распространение неопределенности».

Источник: ГОСТ Р 51901.10-2009: Менеджмент риска. Процедуры управления пожарным риском на предприятии оригинал документа

 

номинальное напряжение измерительной аппаратуры
Ume
Напряжение, при котором должна использоваться измерительная аппаратура и значение которого указано в ее маркировке.
[ ГОСТ Р 61557-1-2006]

Тематики

• измерение электр. величин в целом

EN

• nominal voltage of measuring equipment

3.1.11 номинальное напряжение измерительной аппаратуры (nominal voltage of measuring equipment) U_me: Напряжение, при котором должна использоваться измерительная аппаратура и значение которого указано в ее маркировке.

Источник: ГОСТ Р МЭК 61557-1-2005: Сети электрические распределительные низковольтные напряжением до 1000 В переменного тока и 1500 В постоянного тока. Электробезопасность. Аппаратура для испытания, измерения или контроля средств защиты. Часть 1. Общие требования оригинал документа

 

оценка
-
[IEV number 151-16-11]

оценка
Понятие математической статистики, эконометрики, метрологии, квалиметрии и других дисциплин, по-разному определяемое в каждой из них. С помощью экономических О. характеризуется и соизмеряется эффективность различных ресурсов (см. Оценка природных ресурсов, Оценка трудовых ресурсов, а также Объективно-обусловленные оценки, Нормативы). Статистическая О. определяется как «функция от результатов наблюдений, при¬меняемая для оценки неизвестных параметров распределения вероятностей изучаемых случайных величин»[1]. О. применяются для количественного определения параметров экономико-матема¬тических моделей с помощью статистического преобразования выборочной (наблюдае¬мой) информации. Применяются точечная О. и интервальная О. См. также Выборка, Метод наименьших квадратов, Метод максимального правдоподобия, Оценка параметров модели. [1] СЭС, с.1270
[ http://slovar-lopatnikov.ru/]

EN

rating
set of rated values and operating conditions
[IEV number 151-16-11]

FR

caractéristiques assignées, f, pl
ensemble des valeurs assignées et des conditions de fonctionnement
[IEV number 151-16-11]

Тематики

• экономика

EN

• estimation
• rating

DE

• Bemessungsdaten

FR

• caractéristiques assignées

3.9 оценка (evaluation): Систематическое определение степени соответствия объекта установленным критериям.

Источник: ГОСТ Р ИСО/МЭК 12207-99: Информационная технология. Процессы жизненного цикла программных средств оригинал документа

3.3.4 оценка (evaluation): Вычисление значения, представленного в виде выражения.

Источник: ГОСТ Р ИСО 13584-20-2006: Системы автоматизации производства и их интеграция. Библиотека деталей. Часть 20. Логический ресурс. Логическая модель выражений оригинал документа

3.44 оценка (evaluation): Элемент стадии интерпретации жизненного цикла, необходимый для обеспечения достоверности результатов оценки жизненного цикла.

Примечание - Оценка включает проверку полноты, проверку чувствительности, проверку соответствия, а также любую другую проверку достоверности, которая может потребоваться в соответствии с установленной целью и определенной областью исследования.

Источник: ГОСТ Р ИСО 14040-2010: Экологический менеджмент. Оценка жизненного цикла. Принципы и структура оригинал документа

3.44 оценка (evaluation): Элемент стадии интерпретации жизненного цикла, необходимый для обеспечения достоверности результатов оценки жизненного цикла.

Примечание - Оценка включает в себя проверки полноты, чувствительности, соответствия, а также любую другую проверку достоверности, которая может потребоваться в соответствии с установленной целью и определенной областью исследования.

Источник: ГОСТ Р ИСО 14044-2007: Экологический менеджмент. Оценка жизненного цикла. Требования и рекомендации оригинал документа

3.7 оценка (estimate): Значение статистического критерия, полученное при проведении расчета.

[ИСО 3534-1, статья 2.51]

Источник: ГОСТ ИСО 14698-2-2005: Чистые помещения и связанные с ними контролируемые среды. Контроль биозагрязнений. Часть 2. Анализ данных о биозагрязнениях оригинал документа

2.3 оценка (assessment): Процесс (2.31) или результат этого процесса - сравнение конкретного объекта с соответствующими справочными данными.

Источник: ГОСТ Р ИСО 24511-2009: Деятельность, связанная с услугами питьевого водоснабжения и удаления сточных вод. Руководящие указания для менеджмента коммунальных предприятий и оценке услуг удаления сточных вод оригинал документа

2.3 оценка (assessment): Процесс (2.31) или результат этого процесса - сравнение конкретного объекта с соответствующими справочными данными.

Источник: ГОСТ Р ИСО 24512-2009: Деятельность, связанная с услугами питьевого водоснабжения и удаления сточных вод. Руководящие указания для менеджмента систем питьевого водоснабжения и оценке услуг питьевого водоснабжения оригинал документа

3.23 оценка (estimator): Функция выборочных значений, используемая для определения значений параметра совокупности.

Источник: ГОСТ Р ИСО 12491-2011: Материалы и изделия строительные. Статистические методы контроля качества оригинал документа

2.62 оценка (estimate): Значение статистического критерия (2.64), полученное в результате расчета.

[ИСО 14698-2:2003, статья 3.7]

Источник: ГОСТ Р ИСО 14644-6-2010: Чистые помещения и связанные с ними контролируемые среды. Часть 6. Термины оригинал документа

2.3 оценка (assessment): Процесс (2.31) или результат этого процесса - сравнение конкретного объекта с соответствующими справочными данными.

Источник: ГОСТ Р ИСО 24510-2009: Деятельность, связанная с услугами питьевого водоснабжения и удаления сточных вод. Руководящие указания по оценке и улучшению услуги, оказываемой потребителям оригинал документа

2.3 оценка (assessment): Верификация оцениваемого объекта доверия с помощью соответствующего подхода с целью установления соответствия стандарту и определения степени (уровня) доверия.

Источник: ГОСТ Р 54581-2011: Информационная технология. Методы и средства обеспечения безопасности. Основы доверия к безопасности ИТ. Часть 1. Обзор и основы оригинал документа

4.23 оценка (evaluation): Вычисление значения, представленного в виде выражения.

Источник: ГОСТ Р 54136-2010: Системы промышленной автоматизации и интеграция. Руководство по применению стандартов, структура и словарь оригинал документа

 

процессные переменные
-
[Интент]

Процессные переменные.

Под словосочетанием “процессные переменные” понимаются численные параметры, определяющие текущее состояние технологического процесса. К процессным переменным можно отнести сигналы ввода/вывода, параметры функциональных блоков, локальные и глобальные флаги (переменные), тэги SCADA и т.д.

Процессные переменные делятся на дискретные и аналоговые. Дискретная переменная может принимать конечное число значений из довольно узкого диапазона. На практике под дискретной переменной чаще всего подразумевают величину булевского типа (двоичную), указывающую на одно их двух возможных состояний объекта (или управляющего сигнала), хотя, формально говоря, это не совсем корректно. В общем же случае дискретная переменная аналогична типу enumeration языка C.

Аналоговая переменная может принимать любую величину из ограниченного непрерывного диапазона значений. По типу представления аналоговая переменная больше соответствует вещественному числу.

Как записываются процессные переменные в архив?
Существуют две технологии регистрации значений процессных переменных в архиве:

1.    Циклическая запись ( cyclic archiving) подразумевает периодическую запись текущего значения процессной переменной через заданные пользователем интервалы времени вне зависимости от величины и скорости изменения данной переменной (см. рис. 1). Хотя эта техника не очень экономична, она довольно часто используется для архивации аналоговых переменных. Период циклической записи для каждой переменной настраивается индивидуально и, как правило, лежит в диапазоне от 0.5 с до 10 мин. Как для дискретных переменных, так и быстро изменяющихся аналоговых переменных, подобный подход записи в архив явно не оптимален.

Рис. 1. Циклическая запись процессной переменной в архив.

2.    Архивация по изменению переменной (дельта-архивированиe, delta-archiving). Этот подход предполагает запись переменной в архив только тогда, когда изменение ее значения по сравнению с предыдущим записанным значением (абсолютная разность) достигает определенной величины (дельты, см. рис. 2). Дельта настраивается пользователем и может быть выражена как в абсолютных единицах измерения, так и в процентах от шкалы. Безусловно, это техника более экономична, чем циклическая запись, так как она адаптируется к скорости изменения архивируемой величины. Для дискретных величин – этот подход незаменим. Допустим, у нас есть дискретная переменная, которая изменяется, скажем, раз в час. Зачем же ее архивировать каждую секунду или минуту? Ведь гораздо логичнее записывать значение переменной в архив только в те моменты, когда это значение переходит из 1 в 0 или наоборот.

Рис. 2. Дельта-архивирование процессной переменной.

Куда записывается архив процессных переменных?
Чаще всего используется один из трех вариантов:

1.    Архив записывается в обычный текстовый файл в формате CSV ( comma separated values). Этот файл может храниться как на локальном, так и на сетевом диске. На самом деле архив состоит из множества последовательно создаваемых файлов: система генерирует новый файл архива каждую рабочую смену или сутки. У такого формата представления архива есть неоспоримое преимущество – его можно просмотреть любым текстовым редактором. Его также можно экспортировать в MS Excel и посмотреть в виде таблицы, применив необходимые сортировки и фильтры. Существенный недостаток – это неэкономичность хранения; накопленный таким образом архив занимает неприлично много места на жестком диске. Для уменьшения объема архива можно применить компрессию по алгоритму ZIP или RAR – благо, что текстовые файлы очень хорошо сжимаются.

2.    Архив представляет собой двоичный файл, формат которого зависит от используемого ПО визуализации тех. процесса (SCADA). Очевидно, что это более экономичное представление архива, но для работы с ним обычным экселем уже не обойдешься. При этом формат архива у разных производителей SCADA может сильно различаться. Как и в предыдущем случае, архив состоит из последовательно создаваемых файлов. Вообще, хранить архив в одном большом файле – это не очень хорошо с точки зрения скорости доступа к данным.

3.    Самый прогрессивный способ. Хранение архива в виде реляционной базы данных с поддержкой СУБД SQL. Этот способ позволяет достичь достаточно большой скорости работы с архивом (добавление записей, чтение и обработка данных), при этом сервер SQL может обеспечить оптимальный доступ к истории сразу нескольким десяткам удаленных клиентов. Поскольку доступ к архиву осуществляется по открытому интерфейсу SQL, разработчики имеют возможность создавать клиентские приложения под свои нужды. Но главное преимущество заключается в том, что архив на базе SQL – это отличная возможность для интеграции АСУ ТП с информационными системами более высокого уровня (например, уровня MES). Как правило, для ведения архива SQL и обслуживания клиентов используется достаточно мощная серверная платформа.

Во всех описанных случаях система архивирования процессных переменных – это неотъемлемая часть ПО визуализации технологического процесса. Разница заключается в формате представления архива и технологии доступа.

Какие средства служат для отображения архива? Архив можно отобразить несколькими способами. Самый простой – это представить его в табличной форме и экспортировать, например, в Excel, в котором можно строить графики, диаграммы и делать отчеты. Однако это довольно утомительно и требует много ручного труда.

Более удобный способ – это отображение истории в виде специального динамического (обновляемого автоматически) графика, называемого трендом ( trend). Тренд помещается на мнемосхемы операторского интерфейса в тех места, где это необходимо и удобно оператору. Пример тренда изображен на рисунке ниже.

Рис. 3. Пример исторического тренда, отображающего две процессные переменные.

На тренд можно выводить до 16 переменных одновременно, как дискретных, так и аналоговых. При этом тренд можно строить за произвольный промежуток времени ( time span). Также поддерживается масштабирование ( scaling). Передвигая ползунок ( slider) вдоль шкалы времени можно просматривать точные значения переменных в различные моменты времени в прошлом. Отрезки времени, в течение которых наблюдались аварийные значения переменных, выделяются на тренде контрастным цветом. В общем, тренды – это мощный и очень удобный инструмент, наглядно показывающий поведение переменных в динамике.

[ http://kazanets.narod.ru/AlarmsArchive.htm]

Тематики

• автоматизированные системы

EN

• process values

3.1.6 эквивалентный уровень звукового давления (equivalent sound pressure level): Величина, рассчитываемая как десять десятичных логарифмов отношения квадрата среднеквадратичного звукового давления на заданном временном интервале, измеренного при стандартной частотной характеристике шумомера, к квадрату опорного звукового давления.

Примечания

1 Эквивалентный уровень звука L_AeqTрассчитывают по формуле

где p_A(t) - мгновенное корректированное по частотной характеристике А звуковое давление в момент времени t;

р₀- опорное звуковое давление, равное 20 мкПа.

2 Эквивалентный уровень звука выражают в дБА

3 Эквивалентный уровень звукового давления также называют усредненным по времени уровнем звукового давления (например, усредненный уровень звука).

Источник: ГОСТ 31296.1-2005: Шум. Описание, измерение и оценка шума на местности. Часть 1. Основные величины и процедуры оценки оригинал документа

3.8 эквивалентный уровень звукового давления (equivalent continuous sound pressure level) L_eq,T, дБ: Усредненный по времени уровень звукового давления, равный уровню звукового давления постоянного шума, имеющего такое же среднее значение квадрата звукового давления, что и данный непостоянный шум за тот же период времени усреднения Т, равный продолжительности измерений.

Примечание - Эквивалентный уровень звукового давления L_eq,T рассчитывают по формуле

где р₀- опорное звуковое давление, равное 20 мкПа;

p_t- мгновенное звуковое давление, Па.

Другие примененные в стандарте термины - по ГОСТ 31252( приложение Е).

Используемые в стандарте величины, кроме указанных выше, обозначены:

d - среднее измерительное расстояние, м;

h - высота микрофона, м;

h_k- высота акустического центра k-гоисточника шума, м. Если положение акустического центра неизвестно, то в качестве него принимают среднюю точку источника шума;

i - номер точки измерений;

l - длина измерительного контура, м;

- средний октавный (третьоктавный) уровень звукового давления на измерительном контуре, дБ;

 - корректированный средний октавный (третьоктавный) уровень звукового давления на измерительном контуре, дБ;

L_pi- октавный (третьоктавный) уровень звукового давления в i-й точке на измерительном контуре, дБ;

n - число источников шума предприятия;

N - число точек измерений на измерительном контуре;

S₀ - опорное значение площади, м²;

a - коэффициент затухания звука в атмосфере, дБ/м;

DL_a - затухание звука в атмосфере, дБ;

DL_F- ошибка ближнего поля (поправка, учитывающая влияние ближнего звукового поля), дБ;

DL_M- поправка, учитывающая влияние направленности микрофона, дБ;

DL_S - поправка, учитывающая влияние площади измерительной поверхности, дБ;

θ - угол поворота остронаправленного микрофона от направления на источник шума, при котором его чувствительность снижается на 3 дБ, угловые градусы (...°);

j - угол между лучами из точки измерений в крайние видимые точки периметра производственной площадки предприятия,...°.

Графические пояснения величин даны на рисунке 1.

Источник: ГОСТ 31297-2005: Шум. Технический метод определения уровней звуковой мощности промышленных предприятий с множественными источниками шума для оценки уровней звукового давления в окружающей среде оригинал документа

— влечь за собой

— делить между собой

— заменять собой

— знаменовать собой конец

— используемый... представлял собой

— малая разность близких между собой больших величин

— не должно, по-видимому, повлечь за собой

— обычно это считается само собой разумеющимся

— олицетворять собой

— по определению представляет собой

—повлечь за собой замену на

— представлять собой... сложность

— представлять собой не что иное, как

— представлять собой новшество

— представлять собой опасный участок

— представлять собой самые последние технические достижения в области

— представлять собой серьёзную техническую задачу

— представлять собой серьёзную угрозу для

— представлять собой скорее

— представлять собой среднее значение

— представлять собой только академический интерес

— представляют собой собственность фирмы или засекреченные материалы

— само собой разумеется

— сохранять за собой право

— считать само собой разумеющимся

— уносить с собой

— уравнение представляет собой

— это влечёт за собой

 Although the incidence of solid bed breakup gives some estimate of melting profile stability it is a coarse estimation.

— в их число входят

— в небольшом числе случаев, имеющих, однако, немаловажное значение

— в том числе

— в число других... входили

— в число измеряемых величин входили

— в число подходящих... для... входят

— входить в число

— выбирать... из числа многих возможных

— исключать... из числа возможных

— исключать... из числа их возможных источников

— исключать из числа рассматриваемых вариантов

— к числу других преимуществ относятся

— к числу примеров такого... относятся

— квадратный корень из комплексного числа

— критика задним числом

— можно ожидать, что к... это число составит

— на известное число

— находиться в числе

— не принадлежать к числу сторонников

— небольшое число опытов

— превосходить числом

— принадлежать к числу

— с точностью до ближайшего целого числа

— сделать выбор из большого числа возможных

— чётное и нечётное числа

— числа в квадратных скобках обозначают номера в списке работ, приведенном в конце статьи

— число лопаток на ступень

— число... невелико

— число возможных сочетаний бесконечно

— число поставщиков

— число сочетаний из... по

— число часов работы в год

 

дисперсия
Рассеяние чего-нибудь.
В математике дисперсия определяет отклонение величин от среднего значения. Дисперсия белого света приводит к его разложению на составляющие. Дисперсия звука является причиной его расплывания.
Рассеяние хранимых данных по группе запоминающих устройств также является дисперсией.
[Гипертекстовый энциклопедический словарь по информатике Э. Якубайтиса]
[ http://www.morepc.ru/dict/]

дисперсия
Среднее значение квадрата переменной составляющей случайного сигнала.
[ ГОСТ 16465-70]

дисперсия
Характеристика рассеивания значений случайной величины, измеряемая квадратом их отклонений от среднего значения (обозначается d2). Различается Д. теоретического (непрерывного или дискретного) и эмпирического (также непрерывного и дискретного) распределений. Для наиболее часто применяемого в экономике эмпирического (дискретного) распределения дисперсия определяется по формуле: где x — наблюдаемая случайная величина, — средняя исследуемого ряда, n — число элементов этого ряда. Есть и другие способы ее расчета, например: Квадратный корень из Д. называется средним квадратичным (квадратическим) отклонением или стандартным отклонением; отношение среднего квадратичного отклонения к средней величине называется коэффициентом вариации. В теории вероятностей выборочная Д. с увеличением числа наблюдений асимптотически приближается (см. Асимптота) к теоретической. Это свойство называется состоятельностью оценки Д.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• dispersion
• variance

3.45 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленная на число результатов минус один.

Источник: ГОСТ Р ИСО 13909-1-2010: Уголь каменный и кокс. Механический отбор проб. Часть 1. Общее введение оригинал документа

3.35 дисперсия (variance): Мера рассеяния результатов, равная сумме квадратов отклонений каждого результата от их среднего значения, деленной на число результатов минус один.

Источник: ГОСТ Р ИСО 18283-2010: Уголь каменный и кокс. Ручной отбор проб оригинал документа

 

единица измерения (величины)
Величина фиксированного размера, которой условно присвоено числовое значение, равное 1, и применяемая для количественного выражения однородных с ней величин (ОСТ 45.159-2000.1 Термины и определения (Минсвязи России)).
[ http://www.iks-media.ru/glossary/index.html?glossid=2400324]

Тематики

• электросвязь, основные понятия

EN

• unit of measurement

 

единица измерения физической величины
единица физической величины
единица измерения
единица величины
единицa
Физическая величина фиксированного размера, которой условно присвоено числовое значение, равное 1, и применяемая для количественного выражения однородных с ней физических величин.
Примечание. На практике широко применяется понятие узаконенные единицы, которое раскрывается как «система единиц и (или) отдельные единицы, установленные для применения в стране в соответствии с законодательными актами».
[РМГ 29-99]

Тематики

• метрология, основные понятия

Синонимы

• единица
• единица величины
• единица измерения
• единица физической величины

EN

• engineering unit
• measure
• measurement unit
• measuring unit
• metage
• module
• modulus
• unit
• unit of measure
• unit of measurement

DE

• Einheit (einer physikalischen Grösse) Masseinheit

FR

• unité (de mesure)

 

математическая статистика
Раздел математики, посвященный методам и правилам обработки и анализа статистических данных (т.е. сведений о числе объектов, обладающих определенными признаками, в какой-либо более или менее обширной совокупности). Сами методы и правила строятся безотносительно к тому, какие статистические данные обрабатываются (физические, экономические и др.), однако обращение с ними требует обязательного понимания сущности явления, изучаемого с помощью этих правил. К экономике М.с. применима по той причине, что экономические данные всегда представляют собой статистические сведения, т.е. сведения об однородных совокупностях объектов и явлений. Такими однородными совокупностями могут быть выпускаемые промышленностью изделия, персонал промышленности, данные о прибылях предприятий и т.д. В настоящее время существуют разные определения сущности М.с., и не следует удивляться, если вы увидите в одной книге, вопреки сказанному выше, утверждение, что М.с. — это «наука о принятии решений в условиях неопределенности», а в другой — что это «наука, объясняющая данные статистических наблюдений при помощи вероятностных моделей». Некоторые авторы считают, что она — раздел теории вероятностей, а другие, — что она лишь связана с этой теорией, представляя собой отдельную от нее науку. Наконец, распространено расширенное понимание предмета М.с. как охватывающей не только вероятностные аспекты, но и так называемую прикладную статистику («анализ данных«), включающую и объекты не обязательно вероятностной природы. В общем случае, анализ статистических данных методами М.с. позволяет сделать два вывода: либо вынести искомое суждение о характере и свойствах этих данных или взаимосвязей между ними, либо доказать, что собранных данных недостаточно для такого суждения. Причем выводы могут делаться не из сплошного рассмотрения всей совокупности данных, а из ее выборки, как правило, случайной (последнее означает, что каждая единица, включенная в выборку, могла быть с равными шансами, т.е. с равной вероятностью заменена любой другой). Центральное понятие М.с. — случайная величина — всякая наблюдаемая величина, изменяющаяся при повторениях общего комплекса условий, в которых она возникает. Если сам по себе набор, перечень значений этой величины неудобен для их изучения (поскольку их много), М.с. дает возможность получить необходимые сведения о случайной величине с существенно меньшим количеством чисел. Это объясняется тем, что статистические данные подчиняются таким законам распределения (или приводятся к ним порою искусственными приемами), которые характеризуются всего лишь несколькими параметрами, т.е. характеристиками. Зная их, можно получить столь же полное представление о значениях случайной величины, какое дается их подробным перечислением в очень длинной таблице. (Характеристиками распределения являются среднее, медиана, мода и т.д.). Если изучаются взаимосвязи между значениями разных случайных величин, то необходимые сведения для этого дают коэффициенты корреляции между ними. Когда совокупность анализируется по одному признаку, имеем дело с так называемой одномерной статистикой, когда же рассматривается несколько признаков — с многомерным статистическим анализом. М.с. охватывает широкий круг одномерных и многомерных методов и правил обработки статистических данных: от простых приемов статистического описания (выведение средней, а также степени и характера разброса исследуемых признаков вокруг нее, группировка данных по классам и сопоставление их характеристик и т.д.), правил отбора фактов при выборочном их рассмотрении до сложных методов исследования зависимостей между случайными величинами. Среди последних: выявление связей между случайнами величинами — корреляционный анализ, оценка величины случайной переменной, если величина другой или других известна — регрессионный анализ, выявление наиболее важных скрытых факторов, влияющих на изучаемые величины, — факторный анализ, определение степени влияния отдельных неколичественных факторов на общие результаты их действия (например, в научном эксперименте) — дисперсионный анализ. Перечисленные области составляют основные дисциплины, входящие в М.с. К ним примыкают также быстро развивающиеся упоминавшиеся выше методы «анализа данных», не основанные на традиционной для М.с. предпосылке вероятностной природы обрабатываемых данных. Для экономических исследований большое значение имеет также анализ стохастических процессов, в том числе «марковских процессов«. Задачи М.с. в экономике можно разделить на пять основных типов: а) оценка статистических данных; б) сравнение этих данных с каким-то стандартом и между собой (оно применяется при эксперименте или, например, в контроле качества на предприятиях); в) исследование связей между статистическими данными и их группами. Эти три типа позволяют вынести суждение описательного характера об изучаемых явлениях, подверженных по каким-то причинам искажающим случайным воздействиям. Следующий, четвертый тип задач связан с нахождением наилучшего варианта измерения изучаемых данных. И наконец, пятый тип задач связан с проблемами предвидения и развития, здесь важное место занимают задачи анализа временных рядов. Для экономики особенно ценно то, что М.с. позволяет на основании анализа течения событий в прошлом, т. е. изучения выбранных на определенные даты сведений о характерных чертах системы, предсказать (см. Прогнозирование) вероятное развитие изучаемого явления в будущем (если не изменятся существенно внешние или внутренние условия). В управлении хозяйственными и производственными процессами применяются различные математико-статистические методы. На них основаны многие методы исследования операций, в том числе — методы теории массового обслуживания, позволяющие наиболее эффективно организовывать ряд процессов производства и обслуживания населения, теории расписаний, предназначенной для выработки оптимальной последовательности производственных, транспортных и других операций, теории решений, теории управления запасами, а также теории планирования эксперимента и выборочного контроля качества продукции, сетевые методы планирования и управления. В эконометрических исследованиях на основе математико-статистической обработки данных строятся экономико-математические (экономико-статистические) модели экономических процессов, производятся экономические и технико-экономические прогнозы. Широкое распространение математико-статистических методов в общественном производстве, а также в других областях социально-экономической жизни общества (здравоохранение, экология, естественные науки) опирается на развитие электронно-вычислительной техники. Для решения типовых задач математико-статистической обработки данных созданы и применяются многочисленные стандартные прикладные компьютерные программы и системы.
[ http://slovar-lopatnikov.ru/]

Тематики

• экономика

EN

• mathematical statistics

 

матрица
Логическая сеть, сконфигурированная в виде прямоугольного массива пересечений входных/выходных каналов.
[ http://www.vidimost.com/glossary.html]

матрица
Система элементов (чисел, функций и других величин), расположенных в виде прямоугольной таблицы, над которой можно производить определенные действия. Таблица имеет следующий вид: Элемент матрицы в общем виде обозначается aij— это показывает, что мы имеем число, расположенное на пересечении i-й строки и j -го столбца (разумеется, i и j можно заменить любой другой буквой, но такое обозначение — наиболее распространенное). Соответственно, матрица A может обозначаться [aij]. В экономике применяются действительные числа, соответственно М. из таких чисел называются действительными. М., содержащие в качестве элементов только положительные числа или ноли, — неотрицательные. Таковы, в частности, матрицы коэффициентов прямых материальных затрат в моделях межотраслевого баланса. В показанной М. m строк и n столбцов, следовательно, это — М. размера m ? n. При m = n имеем квадратную М. (такова М. межотраслевого баланса в стоимостном выражении). В этом случае число m = n называется порядком М. При m х n это просто прямоугольная М. (ею может быть, например, натуральный межотраслевой баланс). М. размера m х 1 называется вектор-столбец, а размера 1 х n — вектор-строка. Над М. можно производить ряд математических действий (с помощью операций над их элементами); сложение, умножение на скаляр, умножение на М., обращение, транспонирование и др. См. Матричная алгебра. М., транспонированная по отношению к A = [aij] есть М. того же размера, у которой столбцы поменялись местами со строками. Иначе говоря, это [aji]. Обратные и транспонированные М. имеют очень большое применение в моделях МОБ. В них также широко применяется разбиение М. на меньшие подматрицы (блоки). М. коэффициентов систем уравнений — инструмент решения задач математического программирования, задач линейной алгебры и др. • Примеры характерных матриц, имеющих широкое применение в экономике: «Временн?я матрица») — М., составленная из данных, представляющих временные ряды: g = 1, 2,…, G; t = 1, 2,…,T, где xgt — наблюденное значение переменной g в момент времени t. Матрица Леонтьева (матрица “затраты-выпуск”, см. Межотраслевой баланс): i, j =1,2, …, n где aij — затраты i-го вида продукции, необходимые для производства единицы j-го вида продукции, причем рассматривается экономика, производящая n видов продукции. Матрица Маркова (М. переходных вероятностей): i, j = 1, 2, 3, …, n; mij = 1, i = 1, 2, …, n, где mij — вероятность перехода системы, имеющей n возможных состояний, из состояния i в состояние j. См. также: Блочная матрица, Блочно-диагональная матрица, Блочно-треугольная матрица, Вырожденная матрица, Диагональная матрица, Единичная матрица, Идемпотентная матрица, Квадратная матрица, Транспонированная матрица, Треугольная матрица, а также: Алгебраическое дополнение, Главная диагональ матрицы, Обращение матрицы, Определитель матрицы, Плотность матрицы, Разложимость матрицы, Ранг матрицы.
[ http://slovar-lopatnikov.ru/]

Тематики

• информационные технологии в целом
• экономика

EN

• matrix