AUTOMATIZACIJA TEHNOLOKIH

PROCESA

(Radni materijal za pripremu Testa br.1. za studente IV godine Tehnolokog fakulteta u Tuzli)

Dr. sci. Zehrudin Osmanovi, red. prof.

Tuzla, april 2017. godine

SADRAJ:
I.PROCES MJERENJA, MJERNI POSTUPCI, SKALE ...................................................................... 4
1.1. 1 Mjerenje .......................................................................................................................................... 4
1.1. 2 Svojstva mjerenja kao procesa prikupljanja podataka .................................................................. 4
1.1. 3 Mjerni postupci ................................................................................................................................ 4
1.1. 4 Proces mjerenja ............................................................................................................................... 4
1.1. 5 Mjerne skale .................................................................................................................................... 5
1.1. 6 Normalna distribucija ...................................................................................................................... 5
1.1. 7 Populacija, Uzorak .......................................................................................................................... 5
1.1. 8 Operacionalizacija.......................................................................................................................... 6
1.1. 9 Varijable ......................................................................................................................................... 6
1.1. 10 Konstrukti ....................................................................................................................................... 6
1.1. 11 Teorija testova .............................................................................................................................. 6
1.1. 12 Metrijske karakteristike ................................................................................................................. 7
1.1. 13 Osjetljivost ..................................................................................................................................... 8
1.1. 14 Eksperiment ................................................................................................................................... 8
1.1. 15 Eksperimentalni nacrt (plan provoenja eksperimenta) ................................................................ 8
1. 1. Pogreke mjerenja, granice pogreaka........................................................................................... 11
1.2. 1.Podjela pogreaka mjerenja ......................................................................................................... 12
1.2. 2. Apsolutne pogreke ...................................................................................................................... 12
1.2. 3. Relativne pogreke ....................................................................................................................... 12
1.2. 4. Postotna ili procentualna greka ................................................................................................ 13
1.2. 5. Podjela greaka po uzroku nastanka ........................................................................................... 13
1.2. 6.Sistematske pogreke .................................................................................................................... 13
1.2. 7. Sluajne pogreke ........................................................................................................................ 13
1.2. 8. Gaussova ili normalna raspodjela................................................................................................ 14
1.2. 9.Podruje pouzdanosti .................................................................................................................... 15
1.2. 10.Mjera nesigurnosti ....................................................................................................................... 16
1.2. 11.Sigurne granice pogreke ........................................................................................................... 17
1.2. 12. Pogreke funkcija posredno mjernih veliina (sloene pogreke) ............................................... 17
1.2. 13. Sigurne granice pogreaka posredno mjernih veliina .............................................................. 18
1.2. 14. Statistike granice pogreaka posredno mjernih veliina........................................................... 18
1.2. 15. Nepristrana procjena standardne devijacije posredno mjerenih veliina .................................. 18
1.2. 16.Vjerojatne granice pogreaka posredno mjerenih veliina ......................................................... 18
1.2. 17. Prave veliine i pogreke ........................................................................................................... 19
1.2. 18.Standardna devijacija................................................................................................................. 20
1.2. 19.Mjerna nesigurnost ...................................................................................................................... 21
1.2. 21. Granice pogreaka .................................................................................................................... 22
II. TEHNOLOKI/ PROCESNI SISTEMI. ...................................................................................................... 23
1. 2 Hijerarhijski nivoi tehnolokog sistema .............................................................................................. 23
1.2. 22. Klasifikacija po tipu funkcioniranja ............................................................................................ 25
1.tehnolokog sistema namijenjen za produkciju samo jednog produkta ................................................. 25
1.2. 23. Klasifikacija po strukturi ............................................................................................................. 27
1. 4. Zadaci analize, sinteze i upravljanja tehnolokog sistema, ............................................................. 30
1.3. 1. Analiza tehnolokog sistema ......................................................................................................... 30
1.3. 2. Sinteza optimalne strukture .......................................................................................................... 32
1.3. 3. Upravljanje tehnolokog sistema .................................................................................................. 35
1.4. 1. Modeliranje elemenata tehnolokog sistema................................................................................ 35
1.4. 2. Modeliranje strukture tehnolokog sistema ................................................................................... 36
1.4. 3. Proraun tehnolokog sistema ....................................................................................................... 38
1.4. 4. Ocjena svojstava tehnolokog sistema.......................................................................................... 38
III. SHEME TEHNOLOKIH PROCESA .......................................................................................... 41
Naelna (blokovska) shema procesa ....................................................................................................... 44
Procesne sheme - Generika blok shema ................................................................................................. 48
Shema toka procesa ................................................................................................................................ 49
Procesne sheme Simboli ........................................................................................................................ 49
Shema cjevovoda i instrumenata ............................................................................................................. 58
HPA alarm za visoki pritisak ................................................................................................................. 60
Procesne sheme pomone sheme........................................................................................................... 61
IV.SIMBOLI ZA IDENTIFIKACIJU PROCESA I INSTRUMENTACIJE ...................................... 74
Definicije pojmova ................................................................................................................................... 75
Kratak pregled naina oznaavanja (identifikacije) elemenata u sistemu ............................................... 77
Funkcionalna identifikacija ....................................................................................................................... 78
 I.PROCES MJERENJA, MJERNI POSTUPCI, SKALE

1.1. 1 Mjerenje

Mjerenje je primjena skupa pravila za pridruivanje brojeva pojedinim atributima prouavanih objekata.

Osnovni elementi mjerenja su:

Mjerni instrumenti
Pravila - odredbe kojima se eksplicitno odreuje pridruivanje brojeva atributima prouavanih objekata.
Trebaju biti jasna i primjenjiva, tj. ne smiju ostavljati mogunost dvosmislenosti. Omoguuju unifikaciju
mjernog procesa i osiguravaju standardiziranost njenog postupka.
Atributi - mjerenje se uvijek odnosi na jedno svojstvo (atribut) njenog objekta. Mjerenje poinje
apstrakcijom, izoliranjem pojedinog svojstva koje se mjeri. U naelu, ako se mjerni proces odnosi na vie
od jednog atributa, onda rezultat nije interpretativan.
Objekti - ovise od nauke do nauke
Problemi:
mjeri se nepostojei konstrukt-vrlo je lako upasti u zamku definiranja konstrukta koji ne posjeduje
utemeljenost. Svi rezultati dobiveni na takvom objektu su neinterpretativni.
mjeri se konstrukt sloen od vie atributa rezultati su takoer neinterpretativni jer se ne moe odrediti
to pripada kojem atributu.

1.1. 2 Svojstva mjerenja kao procesa prikupljanja podataka

1)Objektivnost. eli se postii da razliiti ljudi uporabom istog postupka dobiju iste rezultate, pa se radi
toga formira skup pravila. Tako se za posljedicu ima provjerljivost ukoliko je mjerenje bilo objektivno.
2) Kvantifikacija. U procesu mjerenja se veliina atributa nastoji odrediti u terminima koliine. Posljedice
takvog postupka:
a) omoguuje veu preciznost u odnosu a ostale strategije prikupljanja podataka
b) omoguuje primjenu matematike analize nad prikupljenim podacima.
3)Komunikacija. Jednoznana komunikacija meu ljudima koji koriste razliite jezike., to smanjuje
mogunost nerazumijevanja.
4)Ekonominost. Popisivanje realnosti je najekonominije ako se radi mjernim postupcima.
5)Mogunost generalizacije. Iz objektivnosti podataka dobivenih mjerenjem mogue je uopiti pojave

1.1. 3 Mjerni postupci

a) Direktni - usporedbe predmeta mjerenja s mjernom jedinicom koja je iste vrste (npr. mjerenje duljine). Valjanost
im je oigledna.
b) Indirektni - kada o predmetu mjerenja nemamo izravnih senzornih podataka ili je zbog tehnikih razloga
nemogue konstruirati mjerni instrument iste mjerne jedinice. Na osnovu manifestacija objekta nastoji se utvrditi
njegov identitet. Ovdje se javlja problem valjanosti - koliko je ono to namjeravamo mjeriti doista ono to mjerimo
(ili, filozofskim rjenikom, koliko se ontoloki atributi objekta poklapaju s fenomenolokim)?

1.1. 4 Proces mjerenja

Proces mjerenja ukljuuje:

1.Jasnu i jednoznanu definiciju predmeta mjerenja.

2.Postupak kojim se utvruju promjene u manifestnom predmetu mjerenja. Ti su postupci derivirani iz opih
znanstvenih metoda a predstavljaju specifine metode i tehnike koje su razvijene u pojedinim podrujima
odreene nauke.

3.Sistem brojeva s postuliranim svojstvima. Opa svojstva brojanog sistema, zbog kojih taj sistem ima neospornu
prednost pred bilo kojim drugim poznatim simbolikim sistemom, omoguuju deskripciju pojave (predmeta
mjerenja) na najjednostavniji, najkondenziraniji i jednoznaan nain i osiguravaju preciznost kakva god da je
potrebna. A apstraktna priroda brojeva pak omoguuje njihovu univerzalnu primjenu na bilo koju vrst pojava.
Konano, uvjet da mora postojati korespondencija izmeu promjena mjerene pojave i simbolikog sistema u koji
su te promjene transformirane posjeduje u zadovoljavajuem stupnju jedino sistem brojeva, iako, dakako, ta
korespondencija nikada nije potpuna. Openito govorei, pravilo pridjeljivanja brojeva pojavama moe biti bilo
koje konzistentno pravilo (osim pridjeljivanja po sluaju). Meutim, za mjerenje posebno su vane etiri
karakteristike sistema brojeva, jer te karakteristike determiniraju pravila koja se pri mjerenju koriste, a time je
ujedno odreena i nivo mjerenja ili tzv. skale mjerenja.

1.1. 5 Mjerne skale

1. svaki brojani simbol (npr. broj 3 ili bilo koji drugi broj) ima svoj identitet, tj. on je sigurno razliit od
svakog drugog broja i reprezentira uvijek isto (nominalna skala),
2. svi brojevi koji nisu identini, manji su ili vei pa se zato mogu redati po veliini (ordinalna skala),
3. za razlike medu brojevima vrijedi isto to i za same brojeve pa se moe utvrditi i red meu razlikama
(intervalna skala),
4. sistem brojeva sadri jedinstven broj - nula - koji reprezentira odsutnost bilo kakve pojave ili bilo kakve
koliine (omjerna skala).

1.1. 6 Normalna distribucija

Rezultati se mogu raspodijeliti na izvjestan nain. U statistici je posebno zanimljiva tzv. normalna (Gaussova)
raspodjela. Takva raspodjela estina pojavljivanja vrijednosti nekog mjerenja koja u grafikom prikazu ima
zvonolik oblik, odnosno, takva raspodjela frekvencija koja pokazuje izrazito grupiranje rezultata oko jedne
vrijednosti sa simetrinim opadanjem estina za vrijednosti koje su sve udaljenije od vrijednosti s najveom
frekvencijom. Posebna grana statistike koja se bavi ovakvom raspodjelom naziva se parametrijska statistika.
Distribucija je zadana pomou samo dva parametra: aritmetike sredine (M), koja predstavlja mjeru sredinje
tendencije i standardne devijacije (), koja je mjera rasprenja. Preko 99% rezultata smjeteno je u podruju
3 . Pri konkretnom mjerenju osnovni zahtjevi, koji moraju biti ispunjeni da bi se rezultati distribuirali u skladu s
normalnom raspodjelom, za mjerenje jedne osobine na veem broju individuuma (pod pretpostavkom da se ono
to mjerimo u populaciji distribuira po normalnoj raspodjeli) zahtjevi su slijedei:
definicija lanova od kojih se sastoji populacija (elementi populacije) mora osigurati njihovu homogenost s
obzirom na sve faktore (varijable) koji imaju ili mogu imati utjecaja na rezultate mjerenja odreene
varijable;
lanovi uzorka na kojemu se obavlja mjerenje trebaju biti po sluaju izabrani iz populacije;
uzorak mora biti dovoljno velik i
mjerenje na svim lanovima uzorka mora biti obavljeno u jednakim uvjetima.

1.1. 7 Populacija, Uzorak

Svako mjerenje provodi se samo na malom dijelu neke populacije (u statistici znai sve mogue lanove neke
skupine s odreenim karakteristikama), iz praktinih razloga. Takav dio populacije koji je pomno odabran da bi
je predstavljao, nazivamo uzorak. Dobro dizajnirani nacrt mjerenja omoguuje nam da s tog, relativno malog
uzorka, zakljuimo na ponaanje cjelokupne populacije. Uzorci mogu biti:
nepristrani ili pristrani- ovisno o tome predstavljaju li dobro populaciju ili ne, tj. da li su reprezentativni ili
ne
sluajni- svaki je lan uzorka biran iz populacije uporabom tablice sluajnih brojeva i svaki ima
podjednaku ansu biti izabran
sistematski - lanovi uzorka birani su iz populacije nekim algoritmom (npr. svaki N-ti, gdje je N bilo koji
prirodni broj)
stratificirani - ako se populacija sastoji od nekoliko razliitih slojeva, uzorak nastoji odrati te slojeve u
istoj proporciji, a lanovi svakog sloja biraju se po principu sluajnog uzorka
cluster uzorak - populacija se podijeli u nekoliko grupa (clustera), pa se po sluaju odabere izvjestan broj
takvih grupa, i izvri mjerenje (ispitivanje) svih lanova tih grupa
kvotni uzorak - odrede se stratumi, a anketaru se kae da po svom slobodnom izboru iz svakog
predvienog stratuma odabere definirani broj ljudi, koje e anketirati
 prigodni - kada se uzorak ne moe unaprijed odrediti (npr. kliniki sluajevi

1.1. 8 Operacionalizacija

Pretpostavka smislenim rezultatima, osim ispravno provedenog postupka mjerenja jesu dobro definirane
varijable, to se postie postupkom operacionalizacije. operacionalizacija je precizno utvrivanje i opisivanje
nekog pojma ili predmeta analize pomou konkretnih postupaka, koji do njega dovode ili se njime obavljaju, i
operacija pomou kojih se on mjeri. Operacionalizacija je postupak kojim se pojmovi i konstrukti koriteni u nauke
nastoje osloboditi nejasnih, nepreciznih i oprenih znaenja

1.1. 9 Varijable

Predmete analize koje operacionaliziramo i tako odreene istraujemo, tj. mjerimo, nazivamo varijablama.
Varijable se dijele u dvije skupine:
nezavisne-one su predmet prouavanja. Mijenjamo stanja (veliine) u nezavisnoj varijabli (ili nezavisnima,
ovisno o nacrtu istraivanja) i promatramo kako one djeluju na
zavisne-predstavljaju se varijable koje promatramo kao funkciju nezavisnih. Pretpostavka je da postoji
uzrono-posljedina veza izmeu ova dva tipa varijabli, i ona je jasno i jednoznano izreena u
hipotezama. Opaanje, eksperiment ili neka druga tehnika se provodi da bi se iskustveno dokazala ili
opovrgla ova veza.

1.1. 10 Konstrukti

Konstrukt je pojmovna tvorevina u nauci nastala sistemskom integracijom razliitih podataka o nekoj pojavi na
koju se odnosi. Konstrukti imaju dvije osnovne znaajke. Prvo, svaki konstrukt je, u pravilu, dio nekog ireg
teorijskog okvira u kojem su definirani njegovi odnosi sa drugim konstruktima. Drugo, konstrukt je, u pravilu,
definiran operativno, na nain koji omoguava njegovo opaanje i mjerenje. Dva osnovna tipa konstrukta su
hipotetski konstrukt i intervenirajua varijabla.
Hipotetski konstrukt ili pretpostavljeni konstrukt; proces ili mehanizam koji nije neposredno opaljiv ili mjerljiv, ali
ima realne znaajke i opipljive uinke koji upuuju na njegovo postojanje. Mnogi znaajni pojmovi u nauke jesu,
ili su u poetku bili, hipotetski konstrukti: na primjer, pojam gena kao materijalne osnove nasljeivanja. U
psihologiji, veina kljunih pojmova (inteligencija, stav, motiv, potkrjepljenje, engram, refleks, itd.) jesu hipotetski
konstrukti. Oni imaju heuristiku vrijednost, jer potiu istraivanja koja se bez njih ne bi mogla zamisliti. Za razliku
od intervenirajue varijable, hipotetski konstrukt se uvijek odnosi na neku realnu datost ije znaajke su vane i
izvan konkretnog teorijskog okvira u kojem su ponikle. Intervenirajua varijabla je oznaka za sve interne,
"skrivene" faktore u organizmu koji "interveniraju", posreduju, izmeu podraajne situacije i reakcije ispitanika.
Jednako znaenje imaju i termini organske varijable i organizmike varijable. Pojam su uveli neobihevioristi
proirujui osnovnu bihevioristiku shemu S-R (stimulus - reakcija) na S-O-R (stimulus -organske/unutranje varijable
- reakcija).

1.1. 11 Teorija testova

Teorija testova je skup modela i pretpostavki na temelju kojih se rjeava problem skaliranja ili mjerenja atributa.
kod ljudi. To su sve one empirijske tehnike koje imaju za cilj dobivanje informacije od ispitanika. Testovi se dijele s
obzirom na:

I) nain primjene
a)individualni jedan ispitiva simultano ispituje jednog ispitanika
b)grupni jedan ispitiva simultano ispituje skupinu ispitanika

II). brzine i snage

a) testovi snage su bez vremenskog ogranienja, ali posjeduju teke zadatke
b) testovi brzine, kojima je glavni limitator uinka striktno odreeno vrijeme radnje, a sastavljeni su od
lakih zadataka koje mogu rijeiti svi
III) predmet mjerenja
a) testovi znanja registriraju se efekti nekog procesa uenja, treninga
b ) testovi sposobnosti ispituju ope dispozicije za uspjeno bavljenje nekim aktivnostima
- testovi senzornih sposobnosti ispituju funkcionalnu nivo osjetnih analizatora
- mentalni testovi (t. inteligencije; kognitivni t.)
- testovi psihomotorikih sposobnosti
c) testovi linosti
- analitike tehnike za ispitivanje linosti: upitnici, inventari, skale procjene
- sintetike tehnike za ispitivanje linosti: veina projektilnih tehnika

Problemi u teoriji i praksi testova:

1. konstrukcija, izrada testova sa analizom zadataka
2. formiranje testovnih rezultata problemi objektivnosti i osjetljivosti
3. odreivanje pouzdanosti ili tanosti rezultata testova
4. odreivanje simptomatske ili teorijske ili konstruktivne valjanosti testa
5. ispitivanje i odreivanje praktine vrijednosti testova
6. vrednovanje testovnih rezultataproblemi standardizacije i izrade psihometrijskih ljestvica

1.1. 12 Metrijske karakteristike

Valjanost

Valjanost je metrijska karakteristika nekog mjernog postupka (npr. testa, upitnika linosti, skale sudova) koja nam
pokazuje da li on mjeri i u kojem stupnju mjeri upravo ono to smatramo da mjeri. Moe se rei da postoje dva
osnovna tipa valjanosti, a to su teorijska valjanost i praktina valjanost. Sve ostale vrste valjanosti u osnovi su
samo metodoloki varijeteti utvrivanja ova dva osnovna tipa valjanosti. Praktina valjanost je svojstvo testa ili
mjernog postupka openito da diferencira uspjene od neuspjenih u nekom kriteriju praktine djelatnosti.
Najee se operacionalizira kao neka mjera povezanosti izmeu testovnih i kriterijskih rezultata. Praktina
valjanost testa nam kazuje s koliko se uspjenosti moe na temelju testovnih rezultata predviati poloaj ispitanika
u nekom kriteriju praktine djelatnosti. Zato se jo naziva i prognostikom valjanou testa. Vano je razumjeti da
praktina valjanost nije inherentno svojstvo testa, ve je ona njegovo svojstvo u danoj, specifinoj situaciji njegove
upotrebe. Jedan te isti test primijenjen u razliitim situacijama imat e razliite praktine valjanosti.
Teorijska valjanost predstavlja skup svih relevantnih informacija koje pridonose utvrivanju da li, i u kojem stupnju,
neki test ili psihologijski mjerni postupak openito mjeri neku hipotetsku osobinu ili konstrukt (odatle i sinonim
konstruktna valjanost) koja predstavlja intencijsku olinu, odnosno da li odgovori i reakcije ispitanika predstavljaju
zadovoljavajue simptome (otuda i sinonim simptomatska valjanost) mjerene osobine. Teorijska valjanost testa
moe se analizirati na razliite naine:
a) sistematskom logikom analizom postupaka mjerenja i testovnog sadraja (sadrajna valjanost);

b) empirijskom analizom povezanosti izmeu testovnih rezultata i razliitih drugih manifestacija mjerene osobine
(empirijska valjanost), pri emu i podaci o praktinoj valjanosti testa mogu biti znaajan prilog utvrivanju
njegove teorijske valjanosti;

c) faktorskom analizom testovnih rezultata (faktorska valjanost). Akumulacijom rezultata svih ovih analiza osnauje
se spoznaja o tome to test mjeri.

Pouzdanost
Metrijska karakteristika testa ili mjernog postupka openito, koja se odnosi na tanost mjerenja bez obzira na to
to se mjeri; pouzdanost je nezavisnost mjerenja od nesistematskih izvora pogreaka. U statistici postoji nekoliko
mjera pouzdanosti, a njihov izbor ovisi o specifinim ciljevima istraivanja.
Objektivnost
Stupanj nezavisnosti rezultata (psihologijskog) mjerenja o razlikama u postupcima ispitivaa prilikom registracije i
vrednovanja rezultata mjerenja. Odreuje se koreliranjem rezultata koje su dobili razliiti ispitivai primjenjujui
isti mjerni postupak na istim ispitanicima. Iako se obino smatra posebnom metrijskom karakteristikom, objektivnost
se moe smatrati jednim aspektom pouzdanosti mjerenja.
1.1. 13 Osjetljivost

U psihometriji, o. Ili diskriminativnost, jedna je od metrijskih karakteristika (psihologijskih) testova ili mjernih
postupaka openito. Osjetljiv ili diskriminativan je onaj mjerni postupak pomou kojeg se mogu dobro
diferencirati ispitanici. Osjetljivost testa iskazuje se u veliinama rasprenja testovnih rezultata, a ovisi i o njegovoj
primjerenosti ispitivanoj populaciji. Mogua distribucija podataka prikazana je na Sl. 1.,

Slika 1. Distribucija podataka

1.1. 14 Eksperiment

Eksperiment je proces u kojem u strogo kontroliranim uvjetima vrimo promjenu na nezavisnoj varijabli
(varijablama) da bi uzrokovali i izmjerili promjene na nezavisnoj varijabli. Nezavisna varijabla je ona varijabla
koja se u eksperiment namjerno unosi i mijenja da bi se provjerilo utjee li na zavisnu varijablu, a ako utjee, da
bi se utvrdilo kakav je tip odnosa prema zavisnoj varijabli (linearan, zakrivljen ili bilo koji drugi). Sinonim je
eksperimentalna varijabla. Zavisna varijabla je ona varijabla (fenomen, pojava) koja je predmet opaanja ili/i
mjerenja u eksperimentu. esto se upotrebljava i sinonimni naziv kriterij varijabla ili kriterijska varijabla. Bitan je
pojam intervenirajue varijable, koji znai za sve interne, skrivene faktore u organizmu koji interveniraju,
posreduju, izmeu podraajne situacije i reakcije ispitanika. Jednako znaenje imaju i termini organske varijable i
organizmike varijable. Dva su glavna tipa eksperimenta:
Faktorijalni eksperiment nastoji odrediti (ne)postojanje uzrono-posljedine veze izmeu zavisne i nezavisne
varijable. Ispitivanje se izvodi pomou dvije eksperimentalne situacije: u jednoj je nezavisna varijabla nazona, a
u drugoj nije. Statistiki se utvruje postoji ili ne znaajna razlika u veliini zavisne varijable u tim situacijama. Ako
je odgovor pozitivan, tada je efekt dokazan.
Funkcionalni eksperiment pretpostavlja postojanje veze nezavisna-zavisna varijabla i nastoji odrediti kakve je
vrste ta veza. Nezavisna je varijabla stalno prisutna, ali se u veem broju eksperimentalnih situacija varira njena
vrijednost, te biljei njen utjecaj na zavisnu. Da bi eksperiment uope mogao dati bilo kakav odgovor o vezi
izmeu ispitivanih varijabli, neophodno je postaviti takav njihov odnos da je logiki mogue zastupati da
izmjereni rezultati govore neto o toj vezi. Pri tome vrijede pretpostavke:
1. Odnos izmeu vrijednosti varijabli i brojanih vrijednosti je odnos ekvivalencije- nakon to na brojanim
vrijednostima obavimo statistiku analizu, imamo pravo tvrditi da je upravo takav odnos i meu varijablama.
Ovim se bavi problem mjerenja.
2. Mogue je izolirati sve relevantne utjecaje, ili ih barem drati pod kontrolom. Ovaj dio posla obavljen je u
eksperimentalnom nacrtu.

S logike strane, eksperiment je oblik induktivnog zakljuivanja, koji se najbolje opisuje modelom Millovih
induktivnih metoda: metode slaganja, razlike, kombinirana metoda slaganja i razlike, metoda ostatka i metoda
popratnih promjena. Pri tome se metoda popratnih promjena koristi kao model funkcionalnog eksperimenta, a
ostale kao model faktorijalnog eksperimenta. Stoga, o eksperimentalnom nacrtu ovisi koliko e taj zakljuak o
vezi nezavisne-zavisne varijable biti vrst.

1.1. 15 Eksperimentalni nacrt (plan provoenja eksperimenta)

Eksperimentalni nacrt je plan provoenja eksperimenta. Obuhvaa niz meusobno zavisnih operacija:
operacionalizaciju nezavisne i zavisne varijable, odabiranje ispitanika i pridjeljivanje ispitanika razliitim
eksperimentalnim situacijama, utvrivanje naina kontrole u eksperimentu, samo izvoenje eksperimenta te
manipuliranje nezavisnom varijablom, nain registriranja zavisne varijable i utvrivanje statistike obrade
rezultata. Odluka o nacrtu ovisit e o nekoliko faktora: cilju istraivanja (da li se hoe samo relativno grubo
utvrditi postoji li djelovanje odreene nezavisne na odreenu zavisnu varijablu, ili se hoe utvrditi i tip odnosa
izmeu nezavisne i zavisne varijable; da li se hoe utvrditi postoji li utjecaj jedne izolirane nezavisne varijable, ili
se hoe utvrditi postoje li interakcijski efekti dvije ili vie nezavisnih varijabli na zavisnu varijablu); vrsti varijabli
koje su predmet eksperimentalnog ispitivanja (da li su to preteno fizioloke, psihofizioloke, psiholoke ili
socijalno-psiholoke varijable); mogunosti upotrebe metoda i tehnika pri opaanju i mjerenju zavisne varijable
(da li se moe koristiti samo opaanje eksperimentatora, ili se mogu koristiti i naprave kojima se dobivaju
precizniji mjerni podaci o promjenama zavisne varijable); podruju istraivanja (da li primjena nezavisne
varijable ostavlja manje-vie trajne tragove, npr. kod uenja; da li primjena nezavisne varijable moe izazvati
nepopravljive promjene na ispitaniku; da li se moraju potovati neki opi etiki razlozi itd.). Glavna je prednosti
eksperimenta kao metode mogunost kontrole uvjeta i promjena u varijablama. Taj postupak izolacije varijabli
nam omoguuje vre zakljuivanje o njihovim uzrono-posljedinim vezama. Eksperimentator unaprijed zna to se
i kada mijenja, pa je spreman za reakciju, to znai da e njegovo opaanje i biljeenje podataka biti preciznije
i uinkovitije. On takoer moe birati varijable, kako nezavisne, tako i zavisne. Bitna je prednost ponovljivost
prirodno opaanje uvijek je jedinstveno-mogu se ponoviti slini dogaaji, ali nikada se ne ponavlja jedan isti, dok
eksperiment omoguava repliciranje identinih uvjeta i kasnije potvrivanje ili revidiranje hipoteza. Meutim,
metoda nije savrena i postoje izvjesni nedostaci.
Ekoloku valjanost eksperiment je redovno umjetna situacija, pa je onda upitno koliko su rezultati iz takvog
okruja primjenjivi na stvarni ivot. Isto je tako gotovo nemogue ispitati neke varijable. Sistematska greka, koja
je uvjetovana sistematskim faktorom, pa uvijek djeluje u istome smjeru (npr. puka koja uvijek zanosi u istome
smjeru). Efekti ovakve pogreke se zbrajaju, pa njihova nazonost ne doprinosi tanosti rezultata. Meutim,
upravo zbog ove sistematinosti, moe se dosta uspjeno eliminirati: Znamo li rezultate sistematske pogreke
moemo pokuati kompenzaciju (npr. puka koja zanosi u lijevo kompenzira se gaanjem u desno za iznos
pogreke) ili oduzimanje pogreke od rezultata. Sluajna (nesistematska) greka se dobiva djelovanjem sluajnih
nesistematskih faktora. Oni djeluju u razliitim smjerovima, pa se na koncu njihovi rezultati ponitavaju. Greka je
minimalizira izraunavanjem srednje vrijednosti. Primjena ove pojave vidljiva je u zahtjevu za posjedovanjem
nekoliko ocjenjivaa- svatko od njih je na vlastiti nain pristran, ali prosjena ocjena je najblia stvarnoj
vrijednosti. Posjedujemo li vie eksperimentalnih situacija, potrebno je eliminirati eventualne serijalne efekte koji bi
imali veze s redoslijedom primjene.
Statistike metode
Razlikujemo dvije vrste statistike prema podacima koje nam prua:
Deskriptivna statistikabrojano opisuje uzorak koji obraujemo. Nudi nam mjere sredinje tendencije
(medijan, mod, aritmetiku sredinu) ili mjere rasprenja (raspon, interkvartilni raspon, standardnu devijaciju).
Inferencijalna statistika- omoguuje zakljuivanje o naravi izmjerenih podataka jer analize otkrivaju
strukturu i odnos izmeu vrijednosti zavisnih i nezavisnih varijabli.

Ovisno o kakvoj je distribuciji podataka rije, moe se govoriti o neparametrijskoj statistici:

-ine je postupci obrade podataka na distribucijama koje nisu Gaussove (normalne). Njeni su rezultati
manje vrsti od onih u,
-Parametrijskoj statistici obavljena na normalnoj distribuciji. Bez obzira o kakvoj je vrsti statistike i
distribucije rije, vrijedi pravilo:

Mjere centralne tendencije

Aritmetika sredina je vrijednost u kojoj je algebarski zbroj odstupanja od te vrijednosti jednak nuli, a zbroj
kvadrata tih odstupanja najmanji je za tu vrijednost od bilo koje druge vrijednosti u odreenom skupu rezultata.
Izraunava se kao zbroj skupa rezultata podijeljen s brojem rezultata. Aritmetiku sredinu ima smisla izraunavati
jedino ako je distribucija barem priblino normalna.
Centralna vrijednost (medijan) je toka od koje je najmanja suma svih odstupanja.
Dominantna vrijednost (mod) je odreena frekvencijom rezultata, tj. ta vrijednost se najee pojavljuje u mjerenju.
S obzirom na nju, razlikujemo unimodalne, bimodalnen-modalne distribucije. Potrebno je napomenuti da su kod
normalne distribucije, ove tri vrijednosti identine. Geometrijska sredina obino odraava prosjenu mjeru brzine
nekih promjena. Harmoninu sredinu koristimo kada elimo dobiti prosjeke nekih odnosa (npr. Prosjeni broj km/h,
prosjeni broj znakova u minuti).

Mjere varijabilnosti
Raspon je jednostavno razlika izmeu najvee i najmanje izmjerene vrijednosti. Osjetljiv je na ekstremne rezultate,
a s poveavanjem broja mjerenja se poveava i raspon (vei su izgledi da e se pojaviti ekstremni rezultat).
Srednje odstupanje je prosjena mjera apsolutnih odstupanja od bilo koje srednje vrijednosti. Precizniji je
pokazatelj od raspona, ali slabiji od
Standardna devijacija je mjera normalne distribucije koja pokazuje koliko su gusto rezultati rasporeeni oko
aritmetike sredine. Unutar 1 s.d nalazi se 68.26 % rezultata, unutar 2 s.d. nalazi se 95.44 % rezultata, a
unutar 3 s.d. nalazi se 99.73 % rezultata, tako da je u praksi gotovo potpuni opis pojave dan unutar tog
intervala. Ako posjedujemo iznose aritmetike sredine i standardne devijacije, imamo potpuni opis normalne
distribucije.
Koeficijent varijabilnosti daje informaciju u kojem svojstvu neka grupa varira vie, a u kojem manje, ili koja od
grupa varira vie, a koja manje i istom svojstvu. Primjena je mogua iskljuivo na omjernim skalama.

Poloaj rezultata u skupini

Budui se distribucije razlikuju po iznosu aritmetike sredine i standardne devijacije, potrebna je mjera koja bi
omoguila usporedbu rezultata iz dviju distribucija. Na raspolaganju su:
Kvartili dijele rezultate na etiri jednake skupine. Grafiki bi to mogli prikazati kao podjelu povrine koju zatvara
krivulja distribucije (P=1), te je podijelili na etiri jednake povrine. Decili dijele tu povrinu na deset dijelova.
ee se primjenjuje u svrhu badarenja testova, a praktini su i iz razloga to ne trae normalnu distribuciju kao
ni CENTILI, koji dijele povrinu na 100 jednakih dijelova. Decili i centili se odreuju pomou kumulativnih
vrijednosti, a ujedno mogu sluiti i kao kontrola normalnosti distribucije. Z-Vrijednosti su najbolje mjerilo, ali
zahtijevaju normalnu distribuciju. Oni predstavljaju poloaj rezultata u odnosu na odstupanje od aritmetike
sredine (negativni predznak z-vrijednosti znai da je rezultat manji od aritmetike sredine, pozitivni da je vei) u
jedinicama standardne devijacije. Na taj nain je mogue usporeivati rezultate razliitih mjerenja kod iste
osobe, ili meu pojedinim osobama.

Testiranje Hipoteza
Nul-Hipoteza je svaka hipoteza koja se testira prema nekoj drugoj, alternativnoj hipotezi. Potvrena je ako se ne
uspije dokazati da se ove hipoteze meusobno razlikuju. Nul-hipoteza znai i pretpostavku da neka naena
razlika izmeu dvije vrijednosti nije statistiki znaajna, tj. da razlika ne postoji nego je dobivena sluajno.
Mogue greke povezane za odbacivanje/prihvaanje nul-hipoteze prikazane su u Tabeli 1.,

Tabela 1. Mogue greke povezane za odbacivanje/prihvaanje nul-hipoteze

odluka nema razlike izmeu dvije postoji razlika izmeu dvije
artimetike sredine aritmetike sredine
odbacujemo nul-hipotezu greka tipa 1( ) nema pogreke
prihvaamo nul-hipotezu nema pogreke greka tipa 2 ( )

Iako postoji nekoliko naina kako statistiki moemo odrediti narav odnosa izmeu nezavisne i zavisne varijable,
jedino se testiranjem razlika moe odgovoriti na pitanje o uzrono-posljedinoj naravi te veze.
Testiranje razlike moe biti:
Dvosmjerno kada nas zanima postoji li razlika meu populacijama, ali nam nije bitan njen smjer. Ako je razlika
znaajna na 5%, tada s obje strane krivulje ima 2.5% rezultata za koje se moe s 95% vjerojatnosti tvrditi da
nisu sluajno dobiveni.
Jednosmjerno kada nam je bitan smjer odstupanja (npr. da li je nivo bakterija u vodi previsoka). Tada, ako je
razlika znaajna na 5%, s obzirom na predznak testa razlike, postoji s jedne strane krivulje 5% rezultata za koje
se s 95% sigurnosti moe tvrditi nisu dobiveni sluajno. Kada se govori o X % sigurnosti, to u stvari znai da
postoji vjerojatnost od (100-X)% da smo u krivu na 5% sigurnosti, statistika jami da je 19 od 20 mjerenja koja
pokazuju razliku, ta razlika odraava stvarni odnos meu varijablama, ali da je u jednom ona moda sluajna.
Utoliko nauka nema konanih rjeenja, ve nudi samo najbolja dostupna. Ako je rije o normalnoj distribuciji,
moemo testirati efekte pomou:
T-Testa (student analiza), koja nam govori, ovisno o tome da li su uzorci zavisni ili nezavisni, o znaajnosti razlike
izmeu tretmana (uzoraka)
Analiza Varijance praktinija od t-testa jer omoguuje ispitivanje veeg broja tretmana jedne nezavisne
varijable, to bi trailo vei broj t-testova
Multipla Analiza Varijance omoguuje da se testiraju podaci iz vie od dvije varijable
Faktorska Analiza omoguuje analizu meuzavisnosti izmeu veeg broja varijabli, u cilju njihove racionalnije
klasifikacije i nalaenja temeljnih dimenzija koje se nalaze u osnovi analiziranih varijabli. U temelju faktorske
analize stoji naelo parsimonije, to je heuristiki naputak koji kae u izboru izmeu dva ili vie teorijskih
objanjenja neke pojave, prednost treba dati (naj) jednostavnijem. To je samo posebna primjena occamove
britve. Testiranje se obavlja po naelu usporeivanja aritmetikih sredina i standardnih devijacija izmjerenih
distribucija, na temelju ega je mogue brojano izraziti koliko je odstupanje izmeu njih, tj. da li je vee ili manje
od neke kritine vrijednosti (koja govori da je razlika statistiki znaajna).
Ako je rije o ne parametrijskoj statistici, koristimo postupke
hi kvadrat testa ( 2 )
test homogenog niza
medijan test
test sume rangova (Wilcoxonov t-test, Mann-Whitneyev u-test)
Siegel-Tukeyev test
test predznaka (sign test)
Wilcoxonov test ekvivalentnih parova
proireni medijan test
Kruskal-Wallisov test
Friedmanov test
Fergusonov test monotonije trenda

Korelacije
Korelacija je statistiki postupak pomou kojeg usporeujemo promjene unutar dvije (ili vie) varijabli, te nam
rezultat govori koliko su te promjene sline. Vrijednosti variraju u rasponu [-1, +1] i oznaavaju stupanj slinosti-
to je apsolutna vrijednost vea, vea je i slinost, dok predznak govori u kojem smjeru se povezanost kree; ako
je pozitivna, tada su promjene proporcionalne, a ako je negativna, promjene su obrnuto proporcionalne. U
idealnom sluaju, zakon bi trebao biti funkcija bijekcije, tj. da svakoj izmjerenoj vrijednosti u jednoj varijabli
odgovara iskljuivo jedna vrijednost u drugoj. Primjerice, takav je odnos izmeu polumjera krunice i njene
duljine-znamo li jednu vrijednost, moemo tano izraunati drugu, i obrnuto. Grafiki, takav bi odnos imao prikaz
afine funkcije, tj. pravca. Parametar a bi odgovarao koeficijentu korelacije. Ovaj pravac je ujedno i model
pravca regresije, tj. Pravca od kojeg je najmanje odstupanje svih izmjerenih vrijednosti, i na temelju ije formule
se nastoje procijeniti budue vrijednosti (funkcija predikcije).U najjednostavnijem sluaju, kada imamo jednu
nezavisnu i jednu zavisnu varijablu, rezultate moemo prikazati tzv. scatter dijagramom, gdje je svako mjerenje
prikazano jednom takom. Ako je povezanost izmeu rezultata nitica, tada e grafikon imati oblik krunice. to
je povezanost vea, to e se 'oblak' taaka vie izduljivati u oblik elipse, da bi u ekstremnom sluaju imali oblik
pravca. Statistiki postupci za odreivanje korelacije su Spearmanov koeficijent ( ), Pearsonov koeficijent (r),
point-biserijalni koeficijent, koeficijent konkordacije (W), -koeficijent kontigencije. U sluaju da radimo
koeficijent multiple korelacije (izmeu vie varijabli), potrebno je voditi rauna da koeficijent ne bi umjetno bio
povean. Grafikoni prikazuju takve sluajeve: U prvom sluaju, postoje tri skupine od kojih niti jedna nema
povezanosti unutar sebe, ali zajedniko djelovanje upuuje na posjedovanje povezanosti. U drugom sluaju, svaka
od skupina posjeduje povezanost, ali je grupno djelovanje takvo, da se rezultati meusobno ponitavaju. U
treem sluaju ti bi se koeficijenti povezanosti zbrajali, dok u treem ne bi imali zajednikog efekta. Potrebno je
istai jo jedan detalj: koeficijent korelacije izraunat za bilo koje dvije vrijednosti uvijek ima istu apsolutnu
vrijednost: 1 naime, kroz bilo koje dvije toke mogue je provui pravac. Utoliko je vei broj mjerenja
neophodan. Jo je jedna bitna stvar: koeficijent korelacije, ma koliko visok bio, ne daje za pravo zakljuiti da
vrijedi uzrono-posljedini odnos izmeu varijabli. Naime, mogue je da postoji trea varijabla, koja moderira taj
odnos, pa da je stvarno stanje stvari nezavisna varijabla- moderator, te moderator zavisna varijabla.

1. 1. Pogreke mjerenja, granice pogreaka

Osnovni zadatak mjerne tehnike je da eksperimentalnim putem odredi pravu vrijednost mjerene veliine s
odreenom (ili potrebnom) tanou u odreenim (postojeim) okolnostima. Zato s odreenom tanou a ne
potpuno tano? Pa zato jer nije mogue potpuno tano odrediti pravu vrijednost mjerene veliine. Kod svakog
mjerenja imamo neku pogreku mjerenja. Paljivim strunim radom, upotrebom boljih i tanijih instrumenata i ako
je ikako mogue provodei mjerenje u referentnim uvjetima, greka mjerenja se moe smanjiti ali ne i ukloniti. Uz
to problem je, i da tako kaemo, to je to prava vrijednost mjerene veliine. Imamo pred sobom neki stol. Veliina
koju elimo izmjeriti je njegova duljina. No gdje mjeriti tu duljinu? Sprijeda? U sredini? Straga? Ili negdje drugdje?
Da li tu duljinu mjeriti paralelno s prednjim bridom ili sa stranjim? Ili moda okomito na lijevi ili desni brid? Na
prvi pogled stol nam izgleda kao pravokutnik, pa bi bilo potpuno svejedno gdje mjerili. Ali stvarno on je neto to
karikirano prikazuje na crte, dakle neki opti etverokut. Predmet mjerenja prikazan je na Sl. 2.,

Slika 2. Predmet mjerenja

Sreom u stvarnosti stol je ipak stol a ne njegova karikatura. Razlike, odnosno odstupanja od pravokutnika su vrlo
male, gotovo neprimjetne. Uz to obino nam nije potrebno da poznamo dimenzije stola na milioniti dio milimetra
tano. U pravilu dovoljno nam je da bude izmjeren s tanou (bolje bi bilo rei s pogrekom) od 1mm. A sva
ova mjerenja bi dala takav rezultat. Ipak stvarno mi ne moemo rei to je to prava vrijednost duljine ovog stola.

Pa zato pomalo filozofski kaemo da je prava vrijednost neke veliine ona vrijednost koju ta veliina stvarno ima.

Ovu vrijednost mi nikada ne moemo tano izmjeriti, ali kao pravu vrijednost uzeti emo najee srednju
vrijednost vie mjerenja ili vrijednost izmjerenu tonijim postupkom, no o tome emo priati kasnije. Openito mi
kaemo da dolazi do stanovitog odstupanja izmeu prave i izmjerene vrijednosti mjerene veliine. Ta odstupanja
nazivamo apsolutnim grekama mjerenja, a razliito ih definiramo ovisno o tome da li su to pogreke mjerenja ili
pogreke mjera.

1.2. 1.Podjela pogreaka mjerenja

1. PO IZNOSU;

1.2. 2. Apsolutne pogreke

Apsolutna greka je razlika izmeu izmjerene vrijednosti i prave vrijednosti mjerene veliine.
P = Iv Pv

Apsolutna greka je razlika izmeu prave vrijednosti i naznaene vrijednosti (na pr. kod utega).
P = Pv Nv

Naoko ovo su znatno razliite jednaine. No kod toga moramo imati na umu to emo uzeti kao pravu vrijednost
nekog utega. Jasno je ne ono to pie na njemu, to je samo naznaena vrijednost. Uteg bi trebao imati tu masu,
ali ne znai i da ju ima. Pa uteg se odnese do neke tone vage i izvae dakle za pravu vrijednost uzeti emo
ustvari izmjerenu vrijednost. A pogreku, to je logino, raunati emo prema naznaenoj vrijednosti, jer uteg je
neto vee ili neto manje mase od one koja na njemu pie (koja je naznaena).Kod ocjenjivanja tanosti mjerenja
redovito je interesantna relativna greka koja je omjer apsolutne pogreke i prave, odnosno naznaene,
vrijednosti mjerene veliine. Jasno je da nije isto ako smo pogrijeili 1mm kod mjerenja duljine stola, sobe, zgrade
ili relacije London-Pariz.

1.2. 3. Relativne pogreke

Relativna greka je kvocijent apsolutne pogreke i prave vrijednosti mjerene veliine.
P Iv Pv
p
Pv Pv
Relativna greka je kvocijent apsolutne pogreke i naznaene vrijednosti mjerene veliine.
P Pv Nv
p
Nv Nv
1.2. 4. Postotna ili procentualna greka
Postotna greka je relativna greka izraena u postocima (procentima).
Iv Pv
p% p 100% 100% p% p 100% Pv Nv 100%
Pv Nv
Da bi se smanjila greka mjerenja vrlo esto koristimo korekciju, to jest ispravak. Korekcija je neki iznos koji
dodajemo izmjerenoj vrijednosti nae mjerene veliine kako bi smanjili pogreku mjerenja. Naravno uz ove
vrijednosti je uvijek obavezno prisutna mjerna jedinica.
Korekcija - ispravak

Dakle korekcija, odnosno ispravak, je vrijednost koja se dodaje izmjerenoj vrijednosti kako bi se smanjila greka
mjerenja. Korekcija ima istu apsolutnu vrijednost kao i apsolutna greka ali je suprotnog predznaka.

K=-P

1.2. 5. Podjela greaka po uzroku nastanka

Pogreke dijelimo i po uzroku nastanka. Grube pogreke ili PROPUSTI. Grube pogreke nastaju:
nepanjom ili neznanjem ispitivaa,
izborom neodgovarajueg mjernog postupka ili
zbog neuoavanja uzroka pogreke.
Primjer: Na instrumentu s vie skala poloaj kazaljke je oitan sa krive skale, ili ispitiva je odabrao pogrenu
mjernu metodu, pogreni mjerni instrument itd. Kako se moe s pravom pretpostaviti da ete nakon kolovanja
znati raditi, tj. mjeriti pa ove greke neete raditi zbog neznanja, a uz to onaj koji e plaati va posao oekuje
da radite paljivo, ne bi vam se ovakve greke smjele dogaati. Stoga ih i ne prouavamo.

1.2. 6.Sistematske pogreke

Sistematske pogreke nastaju zbog obuhvatljivih utjecaja kao to su;

nesavrenosti mjerila,
mjera,
mjernog postupka,
mjernog objekta,
utjecaja okoline i
linih utjecaja ispitivaa (tj. kratko reeno svega to sudjeluje u procesu mjerenja).

Ove pogreke uvijek imaju isti iznos i isti predznak, tako da ih je analizom mjernog procesa mogue ustanoviti.
Dakle;
Sistematske pogreke imaju odreeni predznak i odreeni iznos pa se mogu analizom ustanoviti i uzeti u obzir
putem korekcije, tj. mjerni rezultat je mogue ispraviti.

Ako mjerna vrijednost nije ispravljena (korigirana) mjerni rezultat je neispravan, odnosno ima sistematsku
pogreku.

1.2. 7. Sluajne pogreke

Sluajne pogreke nastaju zbog neobuhvatljivih i neizbjenih promjena koje nastaju:

u mjerilima,
mjerama,
mjernom objektu,
te zbog neobuhvatljivih promjena utjecaja okoline i ispitivaa.

Jednostavnije reeno i ovdje zbog svega to sudjeluje u mjerenju ali sada zbog neobuhvatljivih utjecaja. One su
neobuhvatljive jer su od sluaja do sluaja, od mjerenja do mjerenja, razliite po iznosu i predznaku. Nastaju
zbog vrlo mnogo uzroka istovremeno a svaki od tih uzroka izaziva malu pogreku sluajnog iznosa i predznaka.
U zbroju svih tih pogreaka sluajna greka je i opet mala po iznosu.
Kako se sluajne pogreke od mjerenja do mjerenja razlikuju po veliini i predznaku dovode do rasipanja mjernih
rezultata, tj. ine mjerni rezultat nesigurnim. Prema metodi najmanjih kvadrata (Gauss, 1795.g.) najvjerojatnija
vrijednost mjerene veliine je aritmetika sredina pojedinanih mjernih rezultata.

X 1 X 2 X 3 ... X N 1 N
X Xi
N N i 1
(Samo najvjerojatnija vrijednost mjerene veliine, ali ne i prava vrijednost)to je neki mjerni postupak taniji
(precizniji), to se meusobno manje razlikuju pojedinani rezultati mjerenja, pa se za raunsku ocjenu tanosti
nekog mjernog postupka procjenjuje srednja kvadratna greka pojedinanog mjerenja ili varijanca.

N
1
Xi X
2
V s2
N 1 i 1

Za samu procjenu tanosti mjernog postupka ee se koristi nepristrana procjena standardne devijacije
pojedinanog mjerenja.

N
1
Xi X
2
s V
N 1 i 1

U tehnici radije koristimo oznaku '%' koju dodajemo uz slovo s, dakle piemo s%.
s
s% 100%
X
Nepristrana procjena standardne devijacije aritmetike sredine. Ako smo obavili mnogo mjerenja pa
raspolaemo s mnogo pojedinanih rezultata koji se rasipaju oko srednje aritmetike vrijednosti X s nekom
nepristranom procjenom standardne devijacije pojedinanih mjerenih rezultata, moemo zakljuiti da vjerojatno
odstupanje same srednje vrijednosti od prave vrijednosti mora biti manje od odstupanja tih pojedinanih mjernih
rezultata. Zbog toga je uveden pojam; nepristrana procjena standardne devijacije aritmetike sredine a ova se
izraunava pomou nepristrane procjene standardne devijacije pojedinanih mjerenja i samog broja mjerenja
(podataka) prema slijedeoj jednaini;
s
sX
N
Ovaj podatak ima smisla samo za konaan broj N jer za sluaj kada N uvijek iznosi 0 to se lijepo vidi iz
jednaine;

0
N
a kako taj rezultat znamo i ne govori nam nita novo (zato se i aritmetika sredina beskonanog skupa podataka
zove oekivanje, jer je to oekivana prava vrijednost, pa onda i to oekivanje ne moe odstupati od te prava
vrijednosti tako da mora biti jednako 0).

1.2. 8. Gaussova ili normalna raspodjela

To je jedna od najvanijih raspodjela sluajne kontinuirane varijable koja se i najee koristi u statistici. Kod vrlo
velikog broja mjerenja, pojedinani mjerni rezultati rasipati e se oko srednje aritmetike vrijednosti zbog
sluajnih pogreaka (sistematske smo uklonili korekcijom) upravo po ovoj razdiobi. Gaussova ili normalna
raspodjela prikazana je na Sl. 3.,
 Slika 3. Gaussova ili normalna raspodjela
Kad promatramo ovu sliku, znamo da nam ovi brojevi s postocima ne govore mnogo. Oni samo prikazuju kako
brzo opada ova funkcija. Znaajnija nam je informacija o povrini ispod krivulje. Kod standardizirane krivulje
ukupna povrina ispod krivulje jednaka je 1, to odgovara vjerojatnosti 1, tj. 100% da e vrijednost neke veliine
x biti unutar granica - i +. Jasno i da nam ova informacija nita ne znai. No ako pogledamo povrinu
izmeu nekog X1 i X2 onda nam ova povrina kae kolika je vjerojatnost da na x bude unutar intervala X 1 i X2
a to nam je ve vrlo interesantno. Gaussova ili normalna raspodjela prikazana je na Sl. 4

Slika 4. Gaussova ili normalna raspodjela

Ono to je znaajno, je to da e se X nalaziti u intervalu;
u 68,27% sluajeva u 50 %sluajeva u intervalu 0,6745
2 u 95,45% sluajeva u 95 % sluajeva u intervalu ((1,96(
((3( u 99,73% sluajeva u 99% sluajeva ( u intervalu (2,58))

1.2. 9.Podruje pouzdanosti

Naravno, jasno nam je da aritmetika srednja vrijednost rezultata naih mjerenja nije prava vrijednost mjerene
veliine. Zbog toga trebamo odrediti granice unutar kojih se moe s odreenom statistikom sigurnou
(vjerojatnou) P oekivati prava vrijednost nae mjerene veliine, uz pretpostavku normalne (Gaussove) razdiobe.
Takve granice nazivamo granicama pouzdanosti, a podruje unutar tih granica podrujem pouzdanosti. Problem
je u praksi da mi nemamo beskonano mnogo mjerenja, pa ak niti vrlo mnogo mjerenja, ve svega 5 do 20
mjerenja (najee) tako da niti ne moemo izraunati standardnu devijaciju , ve jedino moemo za taj mali
broj podataka izvriti nepristranu procjenu standardne devijacije s. Dakle, bez obzira na broj rezultata
mjerenja (ako je 3) mi smo u stanju izvriti dobru nepristranu procjenu standardne devijacije 's' (umjesto ) i
tada emo uz pomo Studentove t-razdiobe (W.S.Gosset pseudonim "student") moi izraunati granice
pouzdanosti (iako nemamo vrlo velik broj podataka). Dakle prava vrijednost e se s odabranom pouzdanosti
nalaziti unutar podruja;
s
X t
N
Kod toga je 't' studentov faktor koji ovisi o odabranoj pouzdanosti (68,3%, 95%, 99% ili neka druga) i o broju
podatakapojedinanih rezultata mjerenja N. U pravilu broj N treba biti vei od 2, dakle barem 3. Tako na
primjer ako elimo imati pouzdanost 95% 0,95 znai da je 'netanost' 1-0,95=0,05 i ako imamo 7 mjerenja
pisati emo u nekoj eliji Exselovog radnog lista "=tinv(0,05;6)" i dobiti emo rezultat "2,446914" to je
vrijednost studentovog t-faktora. Moe se dakle tvrditi da se pojedinani rezultati mjerenja trebaju s odabranom
pouzdanosti nalaziti unutar granica;
X s t Iv X s t
te da je prava vrijednost unutar granica;
s s
X t Pv X t
N N

to je ustvari;
X sX t Pv X s X t
t
s
Odnosno izraeno u relativnim iznosima; N X 1
X
Broj pojedinanih mjerenja i vrijednost faktora t dat je u Tabeli 2.,

Tabela 2. Broj pojedinanih mjerenja i vrijednost faktora t

Broj pojedinanih Vrijednost faktora - t
mjerenja P=68,3% P=95% P=99%
3 1,322 4,303 9,925
5 1,143 2,776 4,604
10 1,059 2,262 3,250
20 1,028 2,093 2,861
50 1,011 2,010 2,680
100 1,006 1,984 2,626
200 1,003 1,972 2,601
500 1,002 1,965 2,586
1 1,960 2,576

1.2. 10.Mjera nesigurnosti

Kod rauna pouzdanosti pretpostavlja se da su uklonjene sve sistematske pogreke (korekcijom). To u praksi
nikada nije mogue postii, jer nam jednostavno nisu poznati svi uzroci sistematskih pogreaka. Stoga korekcijom
neemo ukloniti sistematske pogreke izazvane nama nepoznatim uzrokom. Kada ne znamo uzrok, ne moemo
izvriti analizu utjecaja tog uzroka, tj. ne moemo analizom utvrditi iznos tog dijela sistematskih pogreaka, pa
tada ne moemo niti izvriti odgovarajuu korekciju mjernog rezultata. Ipak mogue je barem grubo procijeniti
veliinu tih sistematskih pogreaka zbog nepoznatog uzroka (ako imamo dovoljno iskustva prakse). U takvom
sluaju mjernu nesigurnost aritmetike sredine iz "n" pojedinanih mjerenja odreujemo pomou podruja
pouzdanosti uveanog za procijenjenu vrijednost f sistematskih pogreaka nepoznatog uzroka.
s
u t f
N

A konani rezultat piemo u obliku; X u ili X 1 u

Pri iskazivanju konanog rezultata i njegove mjerne nesigurnosti treba oznaiti da li su podaci dobiveni
postupkom ponavljanja eksperimenta ili postupkom usporednih eksperimenata. Postupak ponavljanja
eksperimenta je kad jedan mjeritelj odreuje mjerenu vrijednost s istim mjernim ureajem, ponavljajui
eksperiment N puta. Ovim postupkom se u glavnom ne mogu u cijelosti obuhvatiti sve sistematske pogreke (one
nepoznatog uzroka). Nepristrana procjena standardne devijacije je manja od one kod postupka usporednih
eksperimenta.

Postupak usporednih eksperimenata je kad vie mjeritelja (M) odreuju mjerenu vrijednost iste veliine, ali svaki u
svom laboratoriju, svojom opremom iste izvedbe, ponavljajui eksperiment Ni puta.

Kod ovog naina e nepristrana procjena standardne devijacije rezultata svih mjerenja biti i do dva puta vea
nego li je kod postupka ponavljanja eksperimenta ali e se sistematske pogreke nepoznatog uzroka pojavljivati
kao "dodatne sluajne pogreke". Zato? Pa zato jer e od laboratorija do laboratorija biti razliitog (ali
stalnog) iznosa i predznaka. Tek rezultati dobiveni ovim postupkom imaju openitu vanost.

Granice pogreaka

Pouzdanost (i granice pouzdanosti) i mjernu nesigurnost treba razlikovati od granica pogreaka.

Granice pogreaka dijelimo u tri grupe.

sigurne granice pogreke
statistike granice pogreke
vjerojatne granice pogreka

1.2. 11.Sigurne granice pogreke

Sigurne granice pogreaka (skraeno granice pogreaka) su ugovorena ili garantirana najvea odstupanja na
vie ili nie od prave ili od naznaene vrijednosti. Ove granice pogreaka ne smiju nikada biti prekoraene, bez
obzira na mjernu nesigurnost kojom e biti ustanovljen mjerni rezultat. Sigurne granice pogreaka omoguuju
nedvosmislenu podjelu mjernih ureaja ili mjernih objekata na "ispravne" i "neispravne".
Primjer;
ivin termometar ima skalu od 0C do 50C s podiocima od 0,1C, te garantirane (sigurne) granice pogreaka
0,15C. Pri badarenju pokazao je kod temperature 20,0C temperaturu od 20,1C. Dakle njegova
sistematska greka (kod 20,0C) iznosi;
20,1C 20,0C = 0,1C
tako da je jo uvijek unutar sigurnih granica pogreke. Ako bi istu ili manju pogreku ustanovili i kod ostalih
temperatura, ovaj termometar bi mogli proglasiti ispravnim. Mjerna nesigurnost ovakvih termometara iznosi
0,02C, to je prema ovom primjeru ak 7,5 puta manje od sigurnih granica pogreke (0,15C), tako da se
eventualno prekoraenje granica pogreke moe sa sigurnou ustanoviti.

Primjer a termometar je ispravan jer je rezultat mjerenja unutar granica pogreke.

Primjer b termometar je ispravan jer je rezultat mjerenja unutar granica pogreke.
Primjer c termometar je jo uvijek ispravan jer je rezultat mjerenja na samoj donjoj granici.
1.2. 12. Pogreke funkcija posredno mjernih veliina (sloene pogreke)
Vrlo esto nismo u mogunosti neposredno (direktno) mjeriti traenu veliinu. Tada se sluimo mjernim metodama
pomou kojih iznos traene veliine doznajemo posredno raunom preko nekih drugih izmjerenih veliina. U tom
sluaju je greka traene veliine sastavljena (sloena) od vie pogreaka veliina koje smo mjerili. Primjer je
mjerenje otpora UI-metodom. Imamo pogreku mjerenja napona i pogreku mjerenja struje a zanima nas greka
(posredno) mjerenog otpora. Kako se izraunavaju takve pogreke posredno mjerenih veliina ?Ovdje u obraditi
skup pravila koja su relativno jednostavna, uvijek ista i uvijek daju ispravan rezultat. Koritenjem tih pravila
postupak postaje ablona.
1.2. 13. Sigurne granice pogreaka posredno mjernih veliina

Sigurne granice pogreaka izraunavamo tako da pretpostavimo da e sve pogreke pojedinih parametara
djelovati s istim predznakom i sa svojim maksimalnim iznosom. Tako izraunata granica pogreke je mnogo vea
od iznosa pogreaka koje se mogu oekivati, ali ovako izraunate granice pogreaka sigurno nikada nee biti
premaene (ako je ureaj ili mjerenje ispravno). Zato se i zovu sigurne granice pogreaka. Pretpostavimo da je
neka naa traena veliina y sloena od vie parametara x1, x2, , xN.

Ako smo izmjerili sve te parametre, onda se iznos mjerene veliine y moe izraunati pomou jednaine;
y = f(x1, x2, , xN)

Uz poznate sigurne granice pogreaka svakog od mjerenih parametara (u mjernim jedinicama, ne u %), tj. ako je;
G'1 sigurna granica pogreke parametra x1, G'2 sigurna granica pogreke parametra x2 itd. moe se izraunati
sigurne granice pogreaka nae posredno mjerene veliine pomou slijedee jednaine;
y y y N
y
Gy' Gx' 1 Gx' 2 ... Gx' N Gx' i
x1 x2 xN i 1 xi

1.2. 14. Statistike granice pogreaka posredno mjernih veliina

Sigurne granice pogreaka odreene su uz vrlo malo vjerojatnu pretpostavku da e svi parametri biti izmjereni
sa svojom graninom pogrekom i to takvom da se ove u rezultat unose s najveim iznosom i da se sve
podudaraju po smjeru svog djelovanja (ili sve poveavaju rezultat ili sve umanjuju rezultat).to je vie
parametara preko kojih odreujemo iznos traene veliine, to je ovako izraunata sigurna granica pogreaka
nerealnija i nevjerojatnija. Ovako izraunate granice su vrlo esto preiroke (prevelike), tako da se u mjernoj
praksi mnogo koriste statistike granice pogreaka G"y koje se odreuju pomou slijedee jednaine;
2
N
y [mj. jed.]
G"y x Gx' i
i 1 i

Ove granice, kao to to kae i njihovo ime, nisu sigurne, ve samo statistiki s odreenom vjerojatnosti pouzdane
da nee biti premaene. Teoretski dva parametra [prethodni primjer R=U/I statistika sigurnost ovih granica
iznosi;
- 95 % ako su standardne devijacije parametara manje od polovine njihovih granica pogreaka (si G'xi/2)
-99 % ako su standardne devijacije parametara barem 2,5 puta manje od njihovih granica pogreaka (s i
G'xi/2,5)

1.2. 15. Nepristrana procjena standardne devijacije posredno mjerenih veliina

Standardna devijacija (odstupanje, greka) moe se izraunati na jednak nain kao i statistike (ali ne kao
sigurne) granice pogreaka, ako poznajemo nepristrane procjene standardnih devijacija neposredno mjerenih
veliina pomou kojih dolazimo do vrijednosti nae posredno mjerene veliine.
1. izraunajmo nepristrane procjene standardnih devijacija pojedinih parametara u mjernim jedinicama.
2. izraunajmo parcijalne derivacije funkcije posredno mjerene veliine po pojedinim parametrima.
3. uvrstimo ove vrijednosti u slijedeu jednainu;
2
N
y
sy
i 1
sxi [mj. jed.]
X i
1.2. 16.Vjerojatne granice pogreaka posredno mjerenih veliina

Fiziari esto koriste tako zvane vjerojatne granice pogreaka, odnosno vjerojatnu pogreku, kao mjerilo tanosti
nekog mjerenja, odnosno neke pojave. Ove granice se odreuju tako da e u 50% sluajeva rezultat biti unutar
tih granica a u drugih 50% sluajeva izvan tih granica.
Dakle jednako je vjerojatno da je rezultat unutar ili izvan granica.
GVy 0,674
U tehnici bi ovu jednainu trebalo malo izmijeniti jer nema mnogo mjernih rezultata, pa bi se koristila nepristrana
procjena standardne devijacije i studentova t-razdiobu, a tada bi to izgledalo;
GVy 0,674 s t

1.2. 17. Prave veliine i pogreke

to je to prava vrijednost mjerene veliine ?

Eto zamislimo jednu priu. U nekom konstruktivnom birou netko je konstruirao radni stol. Projektirao je stol
dimenzija 1000 x 2000mm s dozvoljenim odstupanjem od zadanih vrijednosti od 1mm. Zato je tu zadana
tolerancija od 1mm ? Pa zato jer konstruktori znaju (poznaju) tehnoloki proces i znaju da, moe se rei, nikada
nee biti izraen stol upravo dimenzija 1000 x 2000mm.No ako bi mjerili sve prikazane dimenzije, na svim
izraenim stolovima serije, na primjer na 1000 stolova, vrlo vjerojatno bi srednja vrijednost svih tih mjerenja bila
1000 x 1000mm. Stoga se i kae da je najvjerojatnija prava vrijednost jednaka srednjoj vrijednosti. Zato samo
najvjerojatnija a ne i stvarno prava vrijednost ? Pa zato jer se kod svakog mjerenja ne mjeri apsolutno tano
ve s nekom pogrekom. Mi to jednostavno kaemo; mjerni rezultat sadri sistematske pogreke nepoznatog
uzroka. Sluajne pogreke zar tu samo ime ne govori da su to pogreke koje su od sluaja do sluaja (od
mjerenja do mjerenja) razliite po iznosu i predznaku. E pa ako su uvijek razliite onda ih nikakvom analizom ne
moemo ustanoviti, niti to ih tano izaziva, ni koji je njihov predznak a ni kojeg su iznosa. Kad bi ak i za jedno
mjerenje ustanovili iznos i predznak rezultantne sluajne pogreke, pa to nam ba i ne bi puno vrijedilo jer je ve
kod slijedeeg mjerenja njihov iznos i predznak promijenjen. Zato se i kae da se utjecaj sluajnih pogreaka na
mjerni rezultat moe smanjiti samo ponavljanjem mjerenja. No zbog toga to u rezultatu ostaju sistematske
pogreke zbog nepoznatog uzroka nema nikakvog smisla ponavljati mjerenja nekoliko stotina ili hiljadu puta (to
je preskupo i traje predugo).

Dakle kod mjerenja je bitno:

grube pogreke neemo raditi,
utjecaj sluajnih emo smanjiti na prihvatljivi nivo ponavljanjem mjerenja,
sistematske pogreke emo ukloniti korekcijom, osim jednog njihovog malog dijela koji nastaje zbog
nama nepoznatog uzroka.
Stoga e i srednja vrijednost biti razliita od prave vrijednosti za jedan takav mali iznos. Zato i kaemo; da je
srednja vrijednost najvjerojatnija (ali ne i) prava vrijednost mjerene veliine.

Po raunanju pogreke dijelimo takoer u tri grupe;

apsolutne,
relativne i
postotne.

Apsolutna greka moe biti pozitivna ili negativna. Bitno je da zapamtimo da je to razlika izmeu izmjerene i
prave vrijednosti (odnosno onoga to emo uzeti za pravu vrijednost), odnosno kod mjera (na pr. utezi) izmeu
prave i naznaene vrijednosti. Bitno je takoer da shvatimo da apsolutna greka nije apsolutna vrijednost
pogreke to su dva bitno razliita pojma. Dakle apsolutnu pogreku emo u svakom sluaju dobiti tako da od
izmjerene vrijednosti odbijemo ono to uzimamo za pravu vrijednost.Kod obinih mjerenja mi izmjerimo neku
veliinu (1 ili n puta), a za pravu vrijednost uzimamo ili srednju vrijednost iz n mjerenja ili vrijednost koju smo
izmjerili 5 do 10 puta tanijim instrumentom. Kod mjera s vrlo tanim mjernim instrumentom izmjerimo tu mjeru,
izmjerimo na pr. masu utega vrlo tanom vagom recimo 199,3g. Tu tano izmjerenu vrijednost uzimamo za
pravu vrijednost u naem primjeru mase utega. A na mjeri, tj. utegu pie njezin iznos na pr. 200g. Kad s takvim
utegom neto vaete, uzeli bi da je to prava vrijednost ipak kako vidimo to je samo naznaena vrijednost.
Zato kod mjera jednainu piemo malo drugaije;
P = Pv Nv
gdje je prava vrijednost ustvari izmjerena masa utega a naznaena vrijednost je ona koju normalno koristimo kao
pravu vrijednost utega (vaemo njime i raunamo da je masa robe kad vaga pokazuje ravnoteu jednaka toj
naznaenoj vrijednosti).

Po gore navedenim vrijednostima (kao primjer) apsolutna greka naeg utega bila bi;
 P = Pv Nv = 199,3 200 = -0,7g
a naravno da bi apsolutna vrijednost apsolutne pogreke bila |P| = |-0,7| = 0,7g

Jasno, svatko ima pravo da misli da bi apsolutnu pogreku u gornjem primjeru trebalo raunati drugaije, na pr.
da se od naznaene vrijednosti oduzme prava vrijednost. No jednostavan primjer e pokazati da to ne bi bilo
ispravno. Postoje razni elektroniki elementi na pr. otpornici. I oni imaju na sebi naznaenu vrijednost a uz nju i
dozvoljena odstupanja.

Primjer:
Na otporniku je naznaeno - 1000 5%. to to znai ? To znai da proizvoa garantira da e svi otpornici
ove serije imati otpor najmanje 950 a najvie 1050 (-5% - +5% 5% od 1000= 50). Pa evo uzmimo
da smo izmjerili da jedan otpornik iz te serije ima otpor od 950. Moramo smatrati da je on ispravan jer je u
garantiranim granicama. No ako bi raunali na ovaj gore spomenuti ali neispravan nain mi bi zakljuili da je
njegova postotna greka;
Nv Iv 1000 950 5000
p% 100% 100 5,263%
Iv 950 950

tj. krivo bi zakljuili da otpor odstupa za vie od +5% pa da je neispravan (a odstupa za dozvoljenih 50), a
isto tako bi u sluaju kad bi izmjerili da je iznos otpornika 1052 za ovu pogreku na ovaj nain neispravno
izraunali da mu je postotna greka;
Nv Iv 1000 1052 5200
p% 100% 100 4,943%
Iv 1052 1052
tj. i opet bi krivo zakljuili da je ovaj otpornik ispravan jer nam kao odstupa za manje od -5% (iako je
neispravan jer odstupa za nedozvoljena 52).

No ako provedemo raun po ispravnoj formuli dobiti emo i ispravne rezultate;

1. - p Iv Nv 100% 950 1000 100% 5,0% dakle ispravan i
%
Nv 1000

2. - p%
Iv Nv
100%
1052 1000
100% 5,2%
dakle neispravan.
Nv 1000
1.2. 18.Standardna devijacija
Kako su apsolutne pogreke i pozitivne i negativne po iznosu zakljuilo se da je najbolje raunati srednju
kvadratnu pogreku. Kad kvadriramo neki broj on je uvijek pozitivan [ (-5)2=25; (+4)2=16 itd.]. Drugo kvadrat
nekog malo veeg broja je dosta vei pa e vee pogreke dati i vei doprinos srednjoj kvadratnoj pogreci. I
tako je nastala varijanca ili srednja kvadratna greka pojedinanog mjerenja;

N 2 N
1
Xi X
1
Xi X
2
V s2 s V
N 1 i 1 N 1 i 1
Ovu veliinu s nazivamo punim imenomnepristrana procjena standardne devijacije pojedinanog mjerenja.
Poznato nam je da su ljudi prilino lijeni da govore ovako duge nazive. Obino tu progutaju vei dio i kau da je
to standardna devijacija. Tu ne bi bilo problema da se kod toga ne sukobljavamo s matematiarima koji u
pravilu operiraju s beskonanim brojem podataka. A gornji izraz ako N onda je naravno i N-1N= a osim
toga statistiari srednju vrijednost beskonanog skupa nazivaju oekivanje i oznauju ga s , tako da po
njihovom (a oni su tu u pravu) dobivamo da je standardna devijacija pojedinanog mjerenja (eto ipak je i to
dulje);

1
X i 2
N
No bez obzira da li se radilo o nepristranoj procjeni standardne devijacije pojedinanog mjerenja - s,
standardnoj devijaciji pojedinanog mjerenja - , ili neispravno reeno samo standardnoj devijaciji (pa mislili li
kod toga na s ili ) ova veliina nam u stvari govori isto;
koliko je standardno odstupanje (greka, devijacija) odnosno rasipanje pojedinanih rezultata mjerenja od
srednje vrijednosti (odnosno od oekivanja).
zato standardno pa zato jer se po tano poznatoj i propisanoj proceduri rauna. Ova nepristrana procjena
standardne devijacije pojedinanog mjerenja omoguuje nam da izraunamo nepristranu procjenu standardne
devijacije aritmetike sredine. Raun je vrlo jednostavan;
s
sX
N
Za beskonani skup podataka ovo nema smisla jer uvijek ispada jednako nuli. Dakle ovdje se moe govoriti samo
o nepristranoj procjeni standardne devijacije aritmetike sredine.

Gaussova ili normalna raspodjela

Ovdje gore smo spominjali da nam s i govore o rasipanju pojedinanih rezultata mjerenja oko aritmetike
sredine. Kako ? Na to pitanje odgovor daje Gaussova ili normalna raspodjela sluajne kontinuirane varijable. Isto
tako dan je pregled iz kojeg vidimo da emo u podruju od imati 68,27% naih vrijednosti u tom intervalu tj.
neto vie od 2/3. U intervalu 2 imati emo ve 95,45% naih vrijednosti u tom intervalu a kod intervala od
3 biti e ak 99,73% podataka u ovom intervalu. No odmah si postavljamo (potpuno ispravno) pitanje, a to
nam to vrijedi kad mi imamo skroman broj podataka a ne beskonano. Eto to bi moglo priblino vrijediti za vrlo
veliki broj podataka ali za 3, eventualno 10 i vrlo rijetko 20 ili 50 podataka to sigurno ne vrijedi. Da ova
konstatacija je ispravna, ne vrijedi. No u pomo nam priskae studentova t-raspodjela. Ona nam daje podatak
za koliko moramo proiriti to podruje kako bi s potrebnom pouzdanosti mogli tvrditi da e odreeni broj
podataka biti u nekom podruju (podruju pouzdanosti). Broj pojedinanih mjerenja i vrijednost faktora t dat je u
Tabeli 3.,

Tabela 3. Broj pojedinanih mjerenja i vrijednost faktora t

Broj pojedinanih Vrijednost faktora - t i koliko puta treba poveati raspon jer nema podataka
mjerenja P = 68,27% P = 95,45% P = 99,73%
Faktor - t Poveanje Faktor - t Poveanje Faktor - t Poveanje
3 1,321 1,321 4,527 2,263 19,206 6,402
5 1,142 1,142 2,869 1,434 6,620 2,207
7 1,091 1,091 2,517 1,258 4,904 1,635
10 1,059 1,059 2,320 1,160 4,094 1,365
15 1,037 1,037 2,195 1,098 3,636 1,212
20 1,027 1,027 2,140 1,070 3,447 1,149
30 1,018 1,018 2,090 1,045 3,280 1,093
40 1,013 1,013 20,66 1,033 3,204 1,068
50 1,010 1,010 2,052 1,026 3,160 1,053

U tabeli u lekcijama dane su pouzdanosti 68,3% a ne 68,27% pa su u gornjoj tabeli faktori neto malo manji.
Dalje u lekcijama je P=95% a ovdje 95,45%, kao i 99% prema 99,73%. Pa 99% je jo odstupanje od 1% od
potpuno sigurnog raspona, a ovdje je uz 99,73% ta razlika samo 0,27% to je znatno sigurnije (skoro 4 puta da
se tako izrazimo iako to i nije ispravno). No ovdje sam dao namjerno ove vjerojatnosti koje vrijede za 1, 2 i
3.Pa eto kod ve sasvim solidne vjerojatnosti od 95,45% i ne prevelikog broja podataka 20 (sitnica prema
beskonano) raspon trebamo poveati za samo 7% jer nemamo tih beskonano mnogo podataka. Zar je to
mnogo? Naravno za poveanu pouzdanost ili za manji broj podataka poveanje raspona je vee.

1.2. 19.Mjerna nesigurnost

Eto pie nam, ako to dobro shvatimo, uzrokovana je upravo sistematskim grekama nepoznatog uzroka. U svakom
laboratoriju su te pogreke drugaijeg iznosa i predznaka ali kako su to sistematske pogreke-onda u jednom
laboratoriju imaju tano odreeni iznos i predznak. Naalost poto ne znamo uzrok ne moemo im analizom
ustanoviti iznos i predznak. (A kad bi znali uzrok- pa onda to ne bi bile sistematske pogreke nepoznatog
uzroka). No u nekom laboratoriju koji vri profesionalna mjerenja ili znanstvena mjerenja, gdje rade iskusni i vrlo
struni mjeritelji, oni ipak mogu dosta dobro procijeniti iznos ovih pogreaka. Stoga oni procjenjuju iznos
sistematskih pogreaka nepoznatog uzroka f, i za taj iznos poveavaju podruje pouzdanosti. Kod toga jasno je
da povremeno neke svoje rezultate mjerenja usporeuju s mjerenjima drugih mjeriteljskih ustanova i na osnovu
toga mogu bolje procijeniti iznos tih pogreaka u svom laboratoriju. Pa iako bi trebali vjerovati da je kod nas
ona i veeg iznosa, ipak emo zbog jednostavnijeg pristupa vjebi procijeniti njezin iznos na nulu (garantirano
pogreno).
1.2. 20. Postupak ponavljanja eksperimenta i postupak usporednih eksperimenta
Kao to je ve reeno to je nain mjerenja neke veliine kada se ona istovremeno mjeri u nekoliko laboratorija
obino razne drave, a kako jedna osoba istovremeno ne moe biti na vie mjesta tu sudjeluje i vie mjeritelja
koliko laboratorija, toliko mjeritelja, toliko mjernih instrumenata i mjerne opreme. Sva mjerna oprema u svim
laboratorijima mora biti istog tipa (ne mora biti od istog proizvoaa). Najbolji primjer za ovaj mjerni postupak
je mjerenje svjetskog vremena. Ono se obavlja u nekoliko velikih svjetskih laboratorija koji su opremljeni sa po tri
cezijeva sata. Svaki laboratorij izbacuje kao rezultat srednje vrijeme svojih satova a za svjetsko vrijeme rauna
se srednja vrijednost svih ovih srednjih vrijednosti pojedinih laboratorija.

1.2. 21. Granice pogreaka

Nas zanimaju samo sigurne i statistike granice pogreaka. Vjerojatne granice pogreaka za tehniku nisu
interesantne, osim u nekim vrlo rijetkim sluajevima ali statistiki su interesantne. Eto sigurne granice pogreaka
nazivaju se jo garantirane granice pogreaka ili ugovorene granice pogreaka. Zato? Pa zato jer nam
proizvoa garantira da ove granice pogreaka nee biti premaene dok god je proizvod ispravan. Ako
mjerenjem ustanovimo da su ove granice pogreaka premaene, onda ili proizvod nije ispravan ili je mjerenje
neispravno. Pa ako se kontrolom ustanovi da je mjerenje ispravno zna se, proizvod je neispravan. U tom sluaju
ovisno o kupoprodajnom ugovoru ili garanciji proizvoa je duan taj proizvod zamijeniti ispravnim (samo u
garantnom ili ugovornom roku). Ako je garancija istekla, proizvoa ipak ima obavezu da taj proizvod dovede u
ispravno stanje, jasno sada na raun vlasnika (no i opet u rokovima prema ugovoru odnosno priloenoj tehnikoj
dokumentaciji).Dakle jednostavno te granice nikada ne smiju biti premaene ako je sve kod mjerenja ispravno.
Otuda i naziv ovih granica sigurne, ili garantirane ili ugovorene. Te granice kod nekoliko parametara ispadaju
nerealno velike. Mnogo vjerojatnije su statistike granice pogreaka, koje e kod nekoliko parametara biti znatno
manje. Iako u malom broju sluajeva ove granice mogu biti premaene, proizvoai ponekad iz trgovakih,
odnosno propagandnih razloga, znaju statistike granice pogreaka proglasiti sigurnim granicama pogreke. to
to znai? Pa to znai da e oni u svom propagandnom materijalu izgledati kvalitetniji (manje granice pogreaka)
a da u malom broju sluajeva kada e ove granice biti premaene, da e tada unutar garancije zamijeniti
proizvod novim. Ako su procijenili da na taj nain vie dobivaju nego gube to je tada sasvim dobra poslovna
politika, ali ona nema veze s nainom raunanja naih pogreaka.
 II. TEHNOLOKI/ PROCESNI SISTEMI.

Principi rjeavanja zadataka analize i sinteze tehnolokog sistema

Proizvodne procese, proizvodnja hemijskih komponenti, proizvodnja nafte i njenih derivata, metalurgija, tekstilna
proizvodnja, proizvodnja hrane i dr. karakterizira
raznovrsnost produkcije, i
velika sloenost.

Osnovna karakteristika svih ovih procesa je preobrazba sirovinskog materija u poluproizvod ili proizvod uz
razrjeenje velikog broja razliitih stepeni obrade. Pri tome bitne stavke su vrste materijala, koriteni energenti i
informacije.

Uslovi odvijanja reakcija mogu biti od :

izuzetno visokih temperatura (cementna industrija, proizvodnja crijepa, opeke, proizvodnja

kalcijim karbida) do
izuzetno niskih temperatura (kriogeno razdvajanje vazduha),
visokog pritiska (proizvodnja amonijaka i metanola)
niskog pritiska (vakuum uparivai).

Sami proizvodni sistemi ostvaruju veze unutar svojih granica i sa okolinom. U optoj teoriji sistema ovi sistemi
spadaju u kategoriju sloenih sistema.

1. 2 Hijerarhijski nivoi tehnolokog sistema

Svaki proizvodni sistem se sastoji iz elemenata sistema odnosno svaki sistem moe potencijalno biti element nekog
veeg sistema. Hijerarhija sistema podrazumijeva njegovu strukturu u smislu funkcioniranja i organizacije i data je
u Tabeli 4.,

Tabela 4. Hijerarhija sistema funkcioniranja tehnolokog sistema

Hijerarhijski nivoi tehnolokog
sistema
Hemijski/prehrambeni kombinat
Tehnoloke linije
Hemijska/prehrambena fabrika
Primjer
Svi instalirani fabriki kapaciteti vezani za preradu nafte ukljuujui i
sirovinsku eksploataciju
Sve fabrike vezane proizvodnom linijom, polimerizacija etilena, atmosfersko-
vakuum uparivai, piroliza benzina
Zbir pogona objedinjenih optom vezom npr. sirovinom ili poluproduktima

Pogon, odjeljenje Sinteza amonijaka

Tipski proces, element sistema Rektifikaciona kolona, izmjenjiva topline, reaktor

Tipski procesi (elementi) ne podlijeu daljnjem ralanjivanju pri razmatranju sistema. tehnolokog sistema
karakterizira struktura (topologija) tj. sastav elementa i veze meu njima.

Osnovna odlika savremenih tehnolokog sistema karakterizira veliki broj unutarnjih veza, recirkulacionih, bay-pas
i dr.
Sam tehnolokog sistema je povezan sa okolinom ulaznim i izlaznim tokovima iz sistema preko sirovinskih tokova,
produktima, energijom i informacijom.

Pod analizom tehnolokog sistema se podrazumijeva :

istraivanje njegove strukture (elemenata, hijerarhije, ulaznih i izlaznih tokova), i
naina (reima) funkcioniranja.

Vana zadaa pri tome je njegova dekompozicija (razdvajanja na sastavne dijelove), modeliranje elementa i
strukture sistema, proraun parametra sistema po zadatim ulazima u sistem.
Pod sintezom tehnolokog sistema se podrazumijeva sastavljanje takve strukture i izbor takvih elemenata kako bi
takva struktura omoguila najbolji, najracionalniji, (optimalni nain) pretvorbe ulaznih tokova (sirovine) u izlazne
tokove (produkte).
Na Sl. 5 dat je shematski prikaz analize i sinteze;

Sinteza
Y=? X Y
Struktura TS ?

Slika 5. Analiza i sinteza tehnolokog sistema

Pod upravljanjem sistemima se podrazumijeva rjeavanje sinteze algoritama upravljanja pomou upravljakih
maina i mikroprocesora.

1. 3.Klasifikacija tehnolokih sistema

Klasifikacija tehnolokih sistema se moe vriti po:
karakteristikama produkata,
tipovima struktura,
vidovima funkcioniranja,
oblastima promjene parametara (temperatura, pritisak i dr.)

Tehnoloki sistem za preradu ribe prikazan je na Sl. 6.,

Slika 6. Tehnoloki sistem za preradu ribe

1.2. 22. Klasifikacija po tipu funkcioniranja

1.tehnolokog sistema namijenjen za produkciju samo jednog produkta

a) stacionarno radni tehnoloki sistem
Ovakvi sistemi se karakteriziraju stacionaranou (neovisni o vremenu) glavnih promjenjivih koje karakteriziraju
stanje sistema. Zbog toga njihova struktura se ne mijenja po vremenu. Primjeri ovakvih sistema su tehnoloke
sheme proizvodnje metanola, amonijaka i dr.

b) stacionarno-cikliki tehnoloki sistemi

Ulazi i izlazi ovakvih sistemi su nepromjenjivi u vremenu a takoer i njihova struktura. Cikliki se mijenjaju
po vremenu promjenjive po nekim podsistemima i struktura tih podsistema.
Tipini predstavnik ovakvih sistema je ureaj za adsorpciju gdje tehnoloki sistem ukupno radi nepromjenjivo, neki
podsistemi (adsorberi)se mogu nalaziti u razliitim stanjima (adsorpcija, ispiranje, desorpcija) prikazana je na Sl.
7.,
sirovina

desorbirajue
sredstvo

adsorber 1 adsorber 2 adsorber 3

sirovina

desorbat

isprani produkt

Slika 7.Cikliki radni sistem desorpcije

Tehnoloki sistem za proizvodnju soka prikazan je na Sl. 8.,

 Slika 8. Tehnoloki sistem za proizvodnju soka

c)stacionarno-periodiki tehnoloki sistemi

Ulazi, izlazi i struktura ovakvih sistema se po pravilu mijenja sa vremenom iako se oni sastoje kako od
neperiodikih tako i periodikih elementa. Primjer strukture je polimerizacija vinilklorida u suspenziji gdje hemijski
reaktori rade periodiki a demonomerizacija i suenje polivinilklorida neperiodiki.

2. Tehnoloki sistem namijenjen za produkciju vie produkata

Ovakva vrsta tehnolokih sistema je ea u upotrebi najee pri proizvodnji malotonanih produkata. Obino
rade periodiki. Razlikuju se dva tipa sistema:

a) vienamjenski proizvodni tehnoloki sistemi

U skladu sa proizvodnim programom sa procesnih aparatima se formira i procesna struktura. U zavisnosti od

uslova ovakav sistema moe producirati nekoliko produkata istovremeno. Po pravilu se mijenja procesna
struktura nakon finalizacije jednog produkta. Procesna shema je prikazana na Sl. 9.,

produkt A

prvi period
vremana

produkt B

produkt C

drugi period
vremana
produkt D

Slika 9. Procesna shema vienamjenskog proizvodnog tehnolokog sistema

b) Tehnoloki sistemi tipa mnogoasortimentne produkcije (uklapajua struktura)

Ovakav tip tehnolokog sistema po pravilu objedinjuje odijeljene pogone. U sastav tehnolokog sistema ulaze ne
samo glavni elementi nego i elementi za produkciju odreenih produkata i shema takve strukture prikazana je na

Sl. 10.,

prvi period
vremana

produkt A

produkt B

Slika 10. Tehnoloki sistem tipa mnogoasortimentne produkcije (uklapajua struktura)

drugi period
vremana

1.2. 23. Klasifikacija po strukturi

Tehnoloki sistemi se odlikuju velikom sloenou i razliitim strukturama, praktino sve procesne strukture pomou
dekompozije ili agregacije elemenata mogu najveem broju biti svedene na tipske strukture s karakteristinim
protocima. Struktura tehnolokog sistema ima veliki znaaj ne samo za organizaciju konkretnog tehnolokog
sistema nego i za proraun parametra, optimizaciju i upravljanje.
I. Serijska veza elemenata
Serijska veza elementa inu osnovu svake strukture tehnolokog sistema i prikazana je na Sl. 11.,
 element 1 element 2 ... element
N-1
element N

Slika 11. Serijska veza elemenata

U ovisnosti o smjeru tokova mogua je varijanta sa istosmjernim tokovima prikazana na Sl. 12.,

element 1 element 2

Slika 12. Serijska veza elementa s istosmjernim tokovima

Procesna struktura sa protusmjernim tokovima prikazana je na Sl. 13.,

element 1 element 2

Slika 13. Serijska veza elementa s protusmjernim tokovima

Procesne strukture mogu bit i sloenim sistemom veza izmeu elemenata prikazan je na Sl. 14.,

element 1 element 2 element 3

element 1 element 2 element 3

Slika 14. Kombinovana veza izmeu elemenata sistema

II. Paralelna veza elemenata

Uglavnom su karakteristini za sredinu i izlaz iz procesne strukture. Paralelno povezivanje elemenata iroke se
primjenjuje za poveanje fleksibilnosti sistema. Procesna struktura sa paralelnom vezom elemenata prikazan je na
Sl. 15.,
 element 2 element 2

element 1 element 1

element 3 element 3

Slika 15. Paralelna veza izmeu elemenata sistema

Sloeniji oblik paralelne veze meu elementima prikazan je na Sl. 16.,

element 2

element 1 element 4

element 3

Slika 16. Paralelna veza izmeu elemenata sistema

Struktura sa bajpasom (zaobilaznim) tokom

Struktura sa bajpasom nije toliko prisutna u topolokim shemama u cilju fleksibilnosti sistema koliko u cilju
dobivanja ciljana produkta i neophodnosti dodatnog tretmana (ienja, razdjeljivanja i sl.) tokova. Procesna
shema je prikazana na Sl. 17.,

element 1 element 2 element 3

Slika 17. Procesna struktura sa bajpasom

Flow sheet za proizvodnju paradajzne paste prikaza je na Sl. 18.,

 Slika 18. Flow sheet za proizvodnju paradajzne paste.

Struktura sa reciklinom vezom (povratna)

Savremene procesne strukture karakteristine su po velikim brojem recirkulacionih (povratnih) tokova u cilju boljem
toplinskog iskoritenja topline (rekuperacija energije), povienja brzine odvijanja procesa, veeg stepena
transformacije sirovina u produkte i dr. Topoloka struktura sa recirkulacionim tokom prikazana je na Sl. 19.

element 1 element 2 element 3

Slika 19. Procesna struktura sa recirkulacionim tokom

1. 4. Zadaci analize, sinteze i upravljanja tehnolokog sistema,

1.3. 1. Analiza tehnolokog sistema

Analiza tehnolokog sistema se provodi u sljedeim koracima:

Odreivanje elemenata podsistema sa njihovim vezama
Provoenje dekompozicije po vezama elemenata
Primjena hijerarhije po znaenju (ulozi) elemenata
 Odreivanje vanih i znaajnih protoka i promjenjivih sistema i podsistema
Sastavljanje bilansa za sistem i podsisteme
Koritenje uprotenih tipskih modela elemenata sistema
modeliranje elemenata (ukljuujui eksperimentalna istraivanja)
provjera adekvatnosti modela
analiza strukture tehnolokog sistema
proraun sistema u cjelini (s primjenom specijalnih programa za proraun tehnolokog sistema)
ispitivanje svojstava tehnolokog sistema( osjetljivost, dinamika, stabilnost, upravljivost i dr.)
ocjena efikasnosti funkcioniranja tehnolokog sistema
ocjena stepena iskoritenja (transformacije) sirovine i energije (proraun koeficijenata iskoritenja i dr.),
proraun trokova i ekonomskih pokazatelja koji karakteriziraju sistem i dr.)
izbor naina poveanja efikasnosti promatranog sistema i nain kako ih realizirati.

Shema dekompozicije tehnolokog sistema za analizu prikazana je na Sl. 20.

X Y

Slika 20. Procesna struktura dekompozicije tehnolokog sistema u

cilju njegove analize

Procesna struktura agregacije u analizi sistema prikazana je na Sl. 21.

x y
TS

X Y

Slika 21. Procesna struktura dekompozicije tehnolokog sistema u cilju

njegove analize
Nain realizacije zavisi od karakteristika promatranog tehnolokog sistema. Najvanijim od njih se javljaju:
I. Optimalno upravljanje tehnolokog sistema
II. Nalaenje uskih mjesta u produkciji i poboljanje elemenata sistema npr. nalaenje optimalnog
temperaturnog profila u reaktoru, nalaenje najboljeg aktivnog i selektivnog katalizatora i dr.
III. Rekonstrukcija tehnolokog sistema. Povezana je sa zamjenom elemenata ili podsistema s izmjenom
strukture tehnolokog sistema to zapravo podrazumijeva primjenu metoda sinteze tehnolokog sistema

1.3. 2. Sinteza optimalne strukture

Globalni zadatak sinteze tehnolokog sistema prikazan je na Sl. 22,

potrebne
dato Sirovine, hemijske oprema, ureaji,
energija rekacije instalacije

zahtjev pristup i metode

sinteze TS

optimalna struktura TS

Slika 22. Opta postavka zadatka sinteze optimalne strukture tehnolokog sistema.

Iz poznatih (zadatih) karakteristika sirovine, energije, tehnolokog postupka, puteva hemijske pretvorbe
reaktanata u produkte neophodno je sintetizirati strukturu tehnolokog sistema. Iz velikog broja zadataka sinteze
neophodno je dekompozirati opti problem koji se simboliki moe zapisati kao:
Z Z ( x, u, , a, p)
M ( x, u, , a, p) 0
N ( x, u, , a, p) 0

gdje je Z-ciljana funkcija, M-modeli elemenata tehnolokog sistema, N-ogranienja, x-vektor sadraja
promjenjivih, u-vektor upravljakih promjenjivih, a-vektor geometrijskih promjenjivih (gabariti elemenata), -
vektor strukturnih promjenjivih, p-vektor parametara modela

Na Sl. 23. dana je jedna od varijanti dekompozicije tehnolokog sistema,

 poetak

poetni podaci
(specifikacija)

sinteza strukture

proraun
parametara
elemenata TS

proraun
parametara
teh.tokova TS
modifikacija
protoka
proraun ciljne
funkcije
modifikacija
parametara

izraunat Ne modifikacija
optimum tehnolokih strukture
promjenjivih

Da

izraunat Ne
optimum parametara
elemenata

Da

odreene optimalna Ne
struktura

Da

kraj

Slika 23 Varijanta dekompozicije tehnolokog sistema

Karakteristika ove varijante je da je zasnovana na dekompoziciji po mjerljivih veliina (protoci, parametri i dr.)
Druga varijanta sinteze je zasnovana na ralanjenju zadataka sinteze na podzadatke i podsisteme sa loginim
izborom osnovnih operacija prikazana na Sl. 24,
 izbor puteva i uslova odvijanja
reakcija

sinteza optimalnih sistema hemijskih

reaktora

sinteza optimalnih sistema

razdjeljivanja smjese

izbor pomonih (sporednih)

podsistema

sinteza optimalnog sistema

izmjenjivaa topline

analiza pouzdanosti TS

analiza dinaminosti TS

predhodna optimalna struktura

sistema

Slika 24. Druga varijanta sinteze je zasnovana na ralanjenju zadataka sinteze na podzadatke i podsisteme
Trea varijanta sastoji se od dekompozicije tehnolokog sistema na podsisteme koji e u kasnijem tehnolokog
sistema biti objedinjeni. Kao primjer takve dekompozicije je podsistem reaktor-izmjenjiva topline, separator-
izmjenjiva topline, reaktor-separator-izmjenjiva topline i dr.

Pri sintezi tehnolokog sistema mogue je uoiti sljedee etape:

I. Sinteza strukture i izbor glavnih elemenata sistema
Osnovni zadataka je izbor optimalnih puteva reakcije i uslova za njihovo odvijanje, materijalno izdvajanje
gotovih produkata. Konani cilj je sastavljanje tehnoloke sheme.

Sastavljanje materijalnih i energetskih bilansa i prethodni proraun

II.
Cilj ove etape je prije svega specifikacija podsistema i prethodno odreivanje parametara podsistema i
geometrijskih karakteristika.

III. Proraun i optimizacija

S odreenom metodom analiza, proraun i optimizacija svih protoka i geometrijskih karakteristika elemenata
tehnolokog sistema. Funkcija cilja se odreuje kao minimalna suma svih trokova.
 IV. Modifikacija tehnolokog sistema

Optimalnu strukturu tehnolokog sistema mogue je modificirati za poboljanje nekih svojstava kao to je
uklanjanje uskih grla, smanjenje rizika, poveanje elastinosti uvoenjem novih produkata i dr..

V. Sinteza sistema automatskog upravljanja

Proizala iz svojstava statike i dinamike tehnolokog sistema. Ima za cilj odreivanje upravljakih veliina,
ostvarenje funkcije cilja i izbor sistema upravljanja. Sistem upravljanja je tijesno vezan sa svim etapama. Poslije
stadija sinteze slijedi etapa analize koja ukljuuje analizu svih dobivenih parametara to po pravilu iziskuje
evoluciju tj. izmjenu svojstava tehnolokog sistema i samim tim promjenu parametara.

1.3. 3. Upravljanje tehnolokog sistema

Zadatke upravljanja potrebno je razmatrati kako u stadiju projektovanja tehnolokih sistema tako i u periodu
eksploatacije. Pri stadiju projektiranja neophodno je rijeiti sljedee zadatke:
Sinteza struktura, izbor sredstva i izbor algoritma upravljanja na nivou hijerarhijske uloge tehnolokog
sistema
Dekompozicija objekta upravljanja i problema upravljanja
Ocjena ekonomske efektivnosti algoritma upravljanja i dr.

Amplituda, frekvencija pojas djelovanja sistema odreuju zadatke upravljanja, dobivanje i obrada prvih
informacija, stabilizaciju i regulaciju parametra, optimalno upravljanje tehnolokih sistema, operativno upravljanje
tehnolokih sistema i dr..
1. 5. Osnovni koraci ka rjeavanju tipskih zadataka sistema tehnolokog sistema
Pod tipskim zadacima tehnolokog sistema pri analizi i sintezi tehnolokog sistema spadaju:
a) modeliranje elemenata i strukture tehnolokog sistema,
b) proraun tehnolokog sistema,
c) ocjena kvantitativnih i kvalitativnih karakteristika sistema, optimizacija tehnolokog sistema i dr.

1.4. 1. Modeliranje elemenata tehnolokog sistema

Prilaz matematikom modeliranju elementa tehnolokog sistema zavisi od vie faktora:

od namjene analize (proraun bilansa, odreivanje glavnih veliina i dr.),
od specifikacije glavnih elemenata tehnolokog sistema (glavni objekt, projektirajui objekt i dr.),
od obima informacija o sistemu i dr.

Razlikuju se dva glavna vida matematikih modela:

1. Determinirajui (analitiki) modeli, zasnovani na fiziko-hemijskim karakteristikama procesa,
proizalo iz elemenata

U velikom sluaju ovakvi modeli su univerzalni i imaju po pravilu irok interval adekvatnosti.
2. Statistiki (empirijski) modeli, dobiveni u vidu jednaina linearnog ili nelinearnog tipa nastali
obradom eksperimentalnih podataka.

Ovakvi modeli ustanovljuju odnos izmeu ulaznih i izlaznih parametara elemenata tehnolokog sistema no ne
odraavaju sutinu fiziko-hemijskih procesa.

Fiziko-hemijski model sastoji se iz tri grupe jednaina:

Bilansne jednaine (za masu, energiju a nekada i impulsa )
Kinetike jednaine ( hemijska kinetika, kinetika prenosa mase i topline i dr.)
Jednaine sastava (fazna ravnotea i dr.)

Pri zadacima tehnolokog sistema dopustivo je i neophodno uprotavanje sloenih modela.

Sljedei su nivoi pojednostavljenja:
I. Nivo bilansa tehnolokog sistema

Tu spada prva grupa jednaina. Jednaine mogu biti linearne i nelinearne. Iz bilansnih modela mogu se izvui
sljedee informacije:
koliina potrebne sirovine, energije, pomonih materijala
koliina ciljnog produkta, sporednih produkata i dr.
norme, odnosi (koliina sirovine ili energije po jedinici produkta i dr.)
cijenu produkta , trokovi sirovina, energije
ocjena glavnih gubitaka u procesima proraunom termodinamskog koeficijenta iskoritenja i dr.

II. Nivo linearnih modela tehnolokog sistema

Linearni modele karakteriu sljedee osobine

specijalno prevoenje (npr. po metodi Jagi i Nisimuri)
-uvoenje djelidbenih koeficijenata
-linearizacija nelinearnih modela, npr. putem razloenja redom Tejlora i dr.

Prva dva tipa linearnih modela sadravaj geometriju i parametre elemenata. Linearni modeli mogu znatno
uprostiti zadatke tehnolokog sistema. Mogunosti provoenja eksperimenata na egzistirajuem (ili pilot
postrojenju) otkrivaju put opredjeljenja parametara modela. Sastavljanje modela na osnovu aktivnog ili pasivnog
eksperimenta moe se ostvariti pomou regresione ili korelacione analize. Za provoenje aktivnih eksperimenta
neophodno je pristupiti metodi planiranja eksperimenata.

1.4. 2. Modeliranje strukture tehnolokog sistema

U zavisnosti od rjeavanja zadataka metoda prorauna ili optimizacije dobiva se razliiti vidovi matematske
strukture tehnolokog sistema. Struktura se moe moe predstaviti u vidu matrice, tablice, spiskova i dr.
Strukturu tehnolokog sistema mogue je predstaviti u vidu sistema jednaina , npr.
n
xi Aij y j i=1,2,..,n
j 1
gdje su xi i yi ulazi i izlazi i-tog i j-tog elementa, n-broj elemenata u sastavu tehnolokog sistema , Ai,j, matrica
sloenosti, elementi koji imaju ravan o ili strukturno jednakost prikazan je na Sl. 25,

x1 y1
1

10 21
01

xo
12
20 02

2
y2

Slika 25. Struktura sistema koja se sastoji od dva hemijska reaktora.

Alternativne strukture sadrane u optoj strukturi prikazane su na Sl. 26,

1 2

1 2 2 1

1 2 2 1

Slika 26. Alternativne strukture sadrane u optoj strukturi.

Zapis kada jedan aparat ima jedan ulaz i jedan izlaz
n
xi ji y j
j 1
pri tome je
m

i 1
ji yj 1
gdje je:
0 ji 1

ij-strukturne promjenjive koje mogu biti diskretne (0 ili 1) kao i neprekidne. Shematski prikaz strukturne veze
meu elementima sistema dat je na Sl. 27

uk

xi
yi
Mj element k Ri

y1
Rj

1i xi

Ni Mj

yN
Rj
 Slika 27. Strukturna veza meu elementima.
1.4. 3. Proraun tehnolokog sistema

Proraun tehnolokog sistema podrazumijeva proraun svih parametara vezanih kako za jednaine strukture tako
i jednaine svih elemenata pri zadanim ogranienjima. Razlikuju se tri naina prorauna tehnolokog sistema:

Istovremeni proraun svih nepoznatih

Ovaj nain je primjenjiv u sluaju linearnih modela svih elemenata (jednaine su linearne). Odnose se na bilansne
modele, modele dobivene pomou polarnog faktornog eksperimenta i dr. Ako su neki modeli nelinearni potrebno
ih je linearizirati tj. razloiti funkciju u redu Tejlora i nai lanove razlaganja.

Kontinuirani (postupni) nain rjeavanja

Ovaj metod je zasnovan na poznatoj tehnolokoj strukturi i modelima elemenata strukture u vidu jednaina y=f(x).
Na ovaj nain proraunava se element po element topoloke strukture.Za to je neophodno poznavati sve
parametre ulaznih tokova u elemente. Suvremeni tehnoloki sistemi obino sadre veliki broj reciklirajuih protoka.
Efektivan metoda analize takvih struktura podrazumijeva upotrebu iteracionih procedura.

Proraun tehnolokog sistema s proraunom jednakosti struktura

Ovaj vid prorauna tehnolokog sistema je veoma uestao. Ako npr. postoje ogranienja na neke komponente
vektora ulaznih elementa ili sistema neophodno je provesti obrnutu vezu odnosno sutinski izmijeniti proceduru
prorauna tehnolokog sistema. Zbog toga pri proraunu je potrebno poznavati vie informacija o strukturi samog
sistema i o jednaenjima protoka. Sam vid matematskog modela elemenata (linearni, nelinearni) sada nije bitan.
Sutina ovog metoda se sastoji u nalaenju optimalnog naina rjeenja jednaina. Za to su neophodni specijalni
algoritmi analize, strukture jednaina i nalaenja raunskih varijabli uglavnom rjeavanjem iteracijskih podsistema
manje sloenosti.

Proraun tehnolokog sistema pomou modularnih programa

Za veoma sloene tehnoloke sisteme, nelinearnost mnogih elemenata sistema, veliki broj povratnih veza koriste se
programi koji imaju sljedee blokove potprograma:
za proraun elemenata tehnolokog sistema (moduli)
za proraun fiziko-hemijskih svojstava materija
za realizaciju matematskih metoda (iteracione procedure, programi za rjeavanje sistema
algebarskih i diferencijalnih jednaina itd.)
za ocjenu kvaliteta tehnolokog sistema i optimizaciju
za odreenje naina prorauna sistema. Upravljanje programom zasniva se na ostvarivanju ulazne i
izlazne informacije u vremenu prorauna, upravljanju procesom raunanja i dr.

Brojna sredstva za proraun tehnolokog sistema mogue je podijeliti u sljedee grupe:

1.Sistemski programi za ije proraun je potreban
a) ovjek
b) automatski se upravlja (robot)

2.Programirajui programi
a) generirajui programi za proraun konkretnih tehnolokih sistema
b) hemijsko-tehnoloki programski jezik (programi koji realiziraju proraun tehnolokih operacija,
procedure i sadre sve neophodne modele podsistema , fiziko-hemijske svojstva i dr.)

1.4. 4. Ocjena svojstava tehnolokog sistema

Unutranja povezanost procesa masenom i toplinskom razmjenom, velikom potronjom sirovinskog materijala,
znaajni financijski gubici bitni su elementi za ocjenu svojstava tehnolokog sistema. Razlikuju se sljedei kriteriji
kvaliteta:
 Kriterij stepena iskoritenja sirovine, energije i dr.(selektivnost, energetski i entropijski i eksergetski
koeficijent
Kriterij ocjene kvaliteta funkcioniranja tehnolokog sistema (osjetljivost, elastinost, stabilnost i dr.)
Ekoloki kriterij (stepen zagaenja vazduha, vode,
Socijalno-psiholoki kriterij (uslovi pod kojima se radi, uslovi na radnim mjestima i dr.)
Ekonomski kriterij (rentabilnost, ekonominost, produktivnost i dr.)

Veza meu kriterijumima kvaliteta promjenjivim i parametrima tehnolokog sistema naziva se ,model kvaliteta i
definirana je kao:
Z = Z(x, y, u, p, t)

gdje su: x, y-vektori ulaznih i izlaznih tokova, u-vektor koji karakterizira upravljanje sistemom (strukturu,
tehnoloke promjene i dr.), p-vektor parametara (fiziko-hemijski, ekonomski i dr.), t-vrijeme (za kriterije dinamike,
stabilnosti, i dr.)
Modeli kvaliteta tehnolokog sistema mogu biti zadani analitiki, u vidu algoritama (programi, korelacione
zavisnosti i dr.) .Odnos meu kriterijumima prikazan je na Sl. 28.

Slika 28. Odnosi meu kriterijumima kvaliteta

Za projektiranje ili eksploataciju sistema nabrojani kriteriji se kreu u odgovarajuem intervalu.

1.4. 5. Optimizacija tehnolokog sistema

Zadaa inenjera projektanata i inenjera-tehnologa je obezbjeivanje optimalnih uslova provoenja
tehnolokog procesa u tehnolokom sistemu. Inenjer projektant rjeava zadatke pomou matematskih modela,
funkcija kvaliteta, specijalnih programa za proraun tehnolokog sistema, uglavnom bez eksperimentalnih
podataka ili samo sa pilot postrojenjem.
Inenjer-tehnolog inkorporiran je u sam proces, koji doputa ili ne doputa eksperimentiranje ili samo u uskim
oblastima izmjene parametra.

Optimizacija egzistirajuih postrojenja

Za sluaj da nepostoje adekvatni matematiki modeli, ne postoje informacije o procesu u realnom vremenu tada
zadatak eksprimentalne optimizacije se moe rijeiti sljedeim nainima:
Adaptivnim metodama (adapticija sa iskustvom u poslu, dodatna edukcija idr.)
 Metodama raspoznavanja situacije (na osnovu klasifikatora)
Metoda evolucionog planiranja eksperimenta
Simpleks metodama.

Drugi put u optimizaciji egzistirajueg tehnolokog sistema sastoji se od dobivanja empirijskih ili statistikih modela
tehnolokog sistema na osnovu planiranih aktivnih eksperimenata ili pasivnih mjerenja.

Optimizacija tehnolokih sistema na osnovu matematikih modela

Postoji veliki broj raznih zadataka optimizacije tehnolokog sistema koji se odlikuje sljedeim karakteristikama:
vrstom funkcije (linearna, razlomljeno-linearna, nelinearna, aditivna), kvalitetom funkcionalne zavisnosti (skalarna,
vektorska), modalnou funkcije (unimodalna, polimodalna), karakterom znaenja optimizirajuih promjenjivih
(neprekidne, diskretne, cjelobrojne), vidom ogranienja (u vidu jednaina, nejednaina, linearne, nelinearne)
formomom matematskih modela elemenata (linearni, nelinearni, statistiki, dinamiki model) i dr.
Na Sl. 29. prikazana je klasifikacija metoda optimizacije

metode optimizacije
tehnolokog sistema

globalne dekompozicione
metode metode

direktne indirektne dinamicko vieciljne separabilna

metode metode programiranje funkcije optimizacija

-bezgradijentne metode -metod klasicne analize -metoda vanosti

-gradijentne metode -metod Langrana -metoda vezanja meduprostornih varijabli
-metode drugoga reda -variacioni racun -metoda modifikacije modela
-linearno programiranje -princip maksimuma -metoda modifikacije modela i funkcije cilja

Slika 29. Klasifikacija metoda optimizacije

 III. SHEME TEHNOLOKIH PROCESA
Norme za sheme tehnolokih procesa-Norma ISO 10628

Blokovska shema procesa procesa za proizvodnju paradaj sa materijalnim bilansom za prikazana je na Sl. 30.,

Slika 30. Process block diagram and material balance of orange juice concentrate plant. Basis, 100 kg of
oranges.

Blokovska shema procesa procesa za proizvodnju soka od narande prikazana je na Sl. 31.,
Slika 31. Process flow diagram of orange juice concentrate plant. A, air; C, cooling water; F, fuel; K, packaging
material; S, steam; W, condenser water.

Layaut procesa proizvodnje soka od narane prikazan je na Sl. 32.,

Slika 32. Equipment layout of orange juice concentrate plant.
U industrijskim (tehnolokim) procesima, prerada sirovina u eljene proizvode obino se ne moe provesti u jednom
koraku. Procesna shema predstavlja dijagram veeg broja procesnih koraka s njihovim meusobnim
povezanostima (interakcijama). Kada se procesna shema u potpunosti definira moe se provesti simulacija
procesa, koja e nam dati uvid u funkcioniranje procesa i prije njegove konane izvedbe. Simulacijski model
procesa omoguava predvianje niza procesno vanih parametara kao to su: protok, sastav, temperatura, tlak
itd., to znai utvrivanje potreba za sirovinama, utroenom energijom, kapacitetom procesne opreme i sl.

Najvaniji dijelovi tehnike dokumentacije procesnih postrojenja tehnoloke sheme toka procesa

Prikazuju konfiguraciju i funkciju procesnog postrojenja te ine sastavni dio potpune tehniko-tehnoloke
dokumentacije, Projektne knjige
Neophodne su za planiranje i izradu: tehnike dokumentacije strojarskog dijela postrojenja,
dokumentacije sustava za mjerenje i upravljanje postrojenjem, izgradnju postrojenja, voenje tehnolokog
procesa, tehnike preglede, rad i odravanje postrojenja i sl.

U normi ISO 10628 opisuju se tri vrste shema procesa:

1. Naelne (blokovske) sheme (BFD)
2. Sheme toka procesa (PFD)
3. Sheme cjevovoda i instrumenata (P&ID)

Razlikuju se po koliini podataka koje pruaju korisnicima.

Prikazuju konfiguraciju i funkciju procesnog postrojenja
ine sastavni dio potpune tehniko-tehnoloke dokumentacije

Naelna (blokovska) shema procesa

Naelna (blokovska) shema - daje sliku procesa ili procesnog postrojenja pomou pravokutnih likova meusobno
povezanih linijama toka procesa
U pravokutne likove ukljueni su odgovarajui natpisi, a mogu prikazivati procese, procesne korake, jedinine
operacije, procesna postrojenja i/ili skupine procesnih postrojenja, dijelove postrojenja i opremu
Linije toka mogu prikazivati procesne struje (tokove) materijala, energije i/ ili energenata

Naelna (blokovska) shema treba sadravati:

nazive pravokutnih likova (jedininih operacija);
nazive ulaznih/izlaznih tokova tvari i energije te
smjer glavnih procesnih tokova meu pravokutnim likovima.

Blokovska shema moe sadravati: nazive glavnih procesnih tokova izmeu likova, protoke ulaznih i izlaznih tvari,
protoke ulaznih i izlaznih energetskih struja, te karakteristine radne uvjete.
Blokovska shema procesa procesa za proizvodnju paradajza prikazana je na Sl. 33.,
 Slika 33. Blokovska shema procesa

Blokovska shema procesa procesa za proizvodnju paradajza prikazana je na Sl. 34.,

 Slika 34. Blokovska shema procesa

Blokovska shema procesa procesa za proizvodnju paradajza prikazana je na Sl. 35.,

 Slika 35. Blokovska shema procesa

Blokovska shema procesa procesa za proizvodnju paradajza prikazana je na Sl. 36.,

 Slika 36. Blokovska shema procesa
Procesne sheme - Generika blok shema

Generika blok shema priakzana je na Sl. 37.,

Slika 37. Generika blok shema

Shema toka procesa

Shema toka procesa - precizno prikazuje proces i/ili industrijsko postrojenje pomou grafikih znakova
meusobno povezanih linijama toka

Grafikim znakovima prikazuje se procesna oprema, a linijama toka povezuju se grafiki znakovi (simboli)
te se prikazuje smjer kretanja tvari i energije u procesu

Procesne sheme Simboli

Oznake procesni jedinica date su na Sl. 38.,

 Slika 38. Oznake procesnih jedinica

Procesne sheme procesa za sagorijevanje prikazana je na Sl. 39.,

Slika 39. Procesna shema

Shema toka procesa treba sadravati:

vrstu opreme potrebne za funkcioniranje procesa (osim pogonskih strojeva);

referentne oznake za opremu (osim za pogonske strojeve);
pravac i smjer ulaska / izlaska materijala i energije;
nazive tokova ulaznih i izlaznih tvari;
nazive tokova energije ili tokova energenata,
karakteristine radne uvjete.

Bitne informacije koje sadri PFD

Broj procesne struje
Temperatura
Pritisak
Ukupni maseni / volumni protok
Ukupni molni protok
Protok svake (pojedinane) komponente

Shema toka procesa moe sadravati:

nazive tokova procesnih fluida izmeu pojedinih procesnih koraka;

protoke ili koliine energije ili energenata;
vanije ventile u loginim procesni stanjima obzirom na njihovu funkciju;
funkcionalne zahtjeve za procesno mjerenje i upravljanje na bitnim mjestima;
nazive opreme i karakteristine podatke za opremu koji se prikazuju na posebnim crteima ili listama;
nazive pogonskih strojeva i karakteristine podatke o pogonskim strojevima koji se prikazuju na posebnim
crteima ili listama, te
visinu (razinu) platformi i pribline prostorne poloaje opreme.
Shema toka procesa proizvodnje soka prikazan je na Sl. 40.,
 Slika 40. Shema toka procesa proizvodnjer soka od narande

Shema toka procesa prikazan je na Sl. 41.,

Slika 41. Shema toka procesa

Shema toka procesa procesa proizvodnje eera priokazana je na Sl. 42.,

 Slika 42. Shema toka procesa

Flow dijagram procesa proizvodnje eera prikazan je na Sl. 43.,

Slika 43. Flow dijagram procesa proizvodnje eera

Shema cjevovoda i instrumenata

Shema cjevovoda i instrumenata (P&ID) temelji se na shemi toka procesa i prikazuju tehniko ostvarenje
procesa pomou grafikih znakova za opremu i cjevovode, zajedno s grafikim znakovima za funkcije
mjerenja i upravljanje procesom

Poseban tip sheme cjevovoda i instrumenata je shema toka pomonih instalacija. Predstavlja je shematski
prikaz sustava pomonih instalacija u procesnom postrojenju koji prikazuje sve linije i druga sredstva
potrebna za prijenos, razdiobu i sakupljanje pomonih fluida

U takvoj shemi procesna oprema se moe prikazati kao kvadrat s natpisima i prikljucima pomonih
instalacija

emu slui P&ID ?

mainci i i graevinari/arhitekti projektirat e procesnu opremu i objekte za smjetanje i dispoziciju
opreme

Instrumentacijski (elektro) inenjeri e specificirati, nadzirati i provjeravati opremu za kontrolu procesa

Strojarski inenjeri e razviti projekt cjevovoda i layout postrojenja

Voditelj/voditelji projekta e razviti terminske planove podizanja postrojenja

Shema cjevovoda i instrumenata priakzan je na Sl. 44.,

Slika 44. Shema cjevovoda i instrumenata (P&ID)

P&ID dijagram reakcijkog sistema prikaz je na Sl. 45.,

 Slika 45. (P&ID) dijagram

P&ID dijagram destilacijske kolone prikazan je na Sl. 46.,

Slika 46. (P&ID) dijagram

Oznake na slici: FC Instrument za reguliranje protoka (FRC)
PC Instrument za reguliranje pritiska (PRC)
TC Instrument za reguliranje temperature (TRC)
LC Instrument za reguliranje razine tekuine

P&ID dijagram prikazan je na Sl. 47.,

 HPA alarm za visoki pritisak

Slika 47. (P&ID) dijagram

Tipina kontrola reakcijskog sistema prikazana je na Sl. 48.,

Slika 48. Tipina Kontrola reakcijskog sistema

Mjerna regulacija kontinuirane sterilizacije prikazana je na Sl. 49.,

 Slika 49. Mjerna regulacija kontinuirane sterilizacije

Procesne sheme pomone sheme

Dodatni dijagrami (pomone sheme)

Procesne sheme pomonih struja (voda, para, stlaeni zrak i sl.)
Skice procesnih posuda
Lokacijske skice i situacijske nacrte
Dispozicijske skice raspored opreme u prostoru
Presjeke postrojenja
Izometrija cjevovoda izometrijske sheme
Modeli postrojenja (3D model)

Raspored opreme u prostoru layout prikazan je na Sl. 50.,

Slika 50. Raspored opreme u prostoru layout

Shema rasporeda procesne opreme u pogonu prikazana je na Sl. 51.,

Slika 51. Shema rasporeda procesne opreme u pogonu

Shema rasporeda postrojenja u procesu prikazana je na Sl. 52.,

Slika 52. Shema rasporeda postrojenja u procesu

D raspored postrojenja prikazan je na Sl. 53.,

Slika 53. D raspored postrojenja

 Slika 54. 3D model gasnog postrojenja

D raspored postrojenja prikazan je na Sl. 54.,

 Slika 55. 3D raspored

Floushet procesa proizvodnje polimera prikazan je na Sl. 55.,

Floushet procesa proizvodnje nitratne kiseline prikazan je na Sl. 56.,

Kontrola reakcijskog sistema prikazan je na Sl. 57.,
Slika 56. Kontrola reakcijskog sistema
Slika 57. Oznake na slici: para (S), hladna voda (S), voda za hlaenje (C), procesna voda (W)
Floushet simboli procesene opreme prikazani su na Sl. 58.,
 Slika 58. Floushet simboli procesene opreme

Floushet simboli procesene opreme prikazani su na Sl. 59.,

 Slika 59. Floushet simboli procesene opreme

Floushet simboli procesene opreme prikazani su na Sl. 60.,

Slika 60. Floushet simboli procesene opreme
 IV.SIMBOLI ZA IDENTIFIKACIJU PROCESA I INSTRUMENTACIJE

Simboli za identifikaciju procesa i instrumentacije P&I dijagrami (Process & Instrumentation diagram)

ISA S5.1 1984/1992 Instrumentation Symbols and Identification

JUSM.A0.100 1979 Instrumenti i ureaji za mjerenje i regulaciju u industrijskim procesima - grafiki
simboli -osnovni principi
JUS 1998 Sheme procesnih postrojenja-vrste shema
M.E4.021
JUS 1998 Sheme procesnih postrojenja -upustva za crtanje
M.E4.022
JUSM.E4.023 1998 Sheme procesnih postrojenja-grafiki simboli
JUS 1998 Sheme procesnih postrojenja-oznake
M.E4.024

Cilj ovog standarda jeste da se ustanove jedinstvene oznake za instrumente i sklopove koji se koriste za mjerenje
i regulaciju.

Oznake procesne opreme (kotlovi, rezervoari, pei, motori, pogoni...) nisu dio ovog standarda, i koriste se
iskljuivo u cilju ilustrovanja primjene simbola instrumentacije.

Ovaj standard je razvijan radi primjene u okviru procesne industrije kao to su: hemijska, naftna, proizvodnja
elektrine energije, klimatizacija, metalska industrija, itd.

Ostale oblasti, kao to su: astronomija, navigacija i medicina koriste veoma specifinu instrumentaciju koja se
razlikuje od standardne industrijske opreme, tako da navedene oblasti nisu pokrivene ovim standardom. Ipak,
standard je veoma fleksibilan i postoji mogunost prilagoenja, tako da se on moe primijeniti i u okviru nekih
posebnih oblasti (van procesne industrije).

Standard je pogodan za primjenu u situacijama kada se ukazuje potreba za simbolikim predstavljanjem,

odnosno identifikacijom, nekog instrumenta, ureaja, upravljake funkcije ili petlje.
Najee primijene su u okviru:
Projektantskih skica;
Edukativnih primjera;
Tehnikih lanaka, dokumentacije i diskusija;
Dijagrama na kojima su prikazani instrumenti, petlje upravljana ili logika rada pojedinih
ureaja ili sklopova;
Funkcionalni opisi djelovanja;
Dijagrami tokova: procesa, mehanikih, elektrinih sistemi, cjevovoda, itd;
Tehniki crtei;
Specifikacije, narudbenice, prospekti i sl.;
Identifikacija (oznaavanje) instrumenata i upravljakih funkcija;
Instrukcije, crtei i zapisi za instalaciju, upotrebu i odravanje ureaja.

Namjena ovog standarda jeste da obezbijedi dovoljnu koliinu informacija i omogui bilo kome pregledanje bilo
kog dokumenta u vezi mjerenja i upravljanja procesima (naravno taj "bilo tko" treba da posjeduje osnovna
tehnika predznanja o procesu) i razumijevanje principa rada tog sistema.

Ovakav nain predstavljanja sistema mjerenja i upravljanja u procesima ne zahtjeva prethodno obimno
predznanje vezano za mjerne i regulacione ureaje, odnosno principe njihovog rada, konstrukcione i tehnike
karakteristike.
Metode oznaavanja i simboli uvedeni ovim standardom su pogodni za primjenu u okviru svih klasa procesa.
Njihova primjena nije samo u oznaavanju diskretnih instrumenata i njihovih funkcija, ve i u okviru kontinualnih
(analognih) funkcija sistema koji se esto oznaavaju terminima "dijeljeni displej", "dijeljeno upravljanje",
"distribuirano upravljanje", "upravljanje raunarom".

Standardom je obezbijeena identifikacija i simboliko oznaavanje kljunih funkcija nekog instrumenta. Detaljnija
objanjenja vezana za konkretni instrument se daju u okviru posebnih specifikacija, tabela, listi podataka i sl.
U okviru standarda je obezbijeena identifikacija svih instrumenta i/ili ureaja koji se nalaze u kontrolnoj petlji.
Korisnik moe, po sopstvenoj zamisli, da ove oznake dopunjuje serijskim brojevima ureaja, rednim brojem
ureaja, oznakom podruja ili pogona i ostalim slinim tipovima oznaka.

Definicije pojmova
U cilju jednoznanog tumaenja standarda, potrebno je definirati odreene pojmove.

Pristup (pristupano) - termin vezan za ureaj ili funkciju koja moe biti upotrijebljena ili detektirana (najee
vizualno) od strane operatora u cilju izvrenja neke upravljake akcije. Na primjer promjena radne take (set-
point), promjena naina rada runo- automatski, on-off akcije, i sl.

Alarm - ureaj ili funkcija koji daju audio - vizuelni signal da je neka promjenljiva u procesu izala van
dozvoljenih granica. Nije preporuljivo da se alarmni ureaji koriste za redovnu manipulaciju pogonom i/ili
procesom.

Dodjeljivanje - izraz koji oznaava direktno voenje signala od jednog do drugog ureaja bez potrebe za
dodatnim manipulacijama, transformacijama ili izmjeni oiavanja.

Balon - kruni simbol koji se koristi za oznaavanje i identifikaciju namjene odreenog instrumenta ili funkcije.
Moe da sadri i brojanu oznaku. Sinonim za Mjehur.

Iza panela - izraz koji se koristi da oznai lokaciju instrumenata u okviru instrument panela, rekova i panela.
Ureaji koji se nalaze iza panela nisu u normalnoj eksploataciji dostupni operateru i nisu predvieni za lokalnu,
odnosno montau na panel. esto se izraz iza panela koristi u smislu "ureaj u normalnom radu nije dostupan
operateru"

Binarno - izraz koji je vezan za signale i/ili ureaje koji imaju samo dvije diskretne pozicije ili stanja. esto se
koristi izraz binarni signal (kao suprotnost analognom signalu) i on definie stanja tipa on-off, visoko-nisko i sl., a
ne kontinualno promjenljive veliine.

Logika jedinica-ureaj ili funkcija koji vri neku (ili vie) raunskih ili logikih operacija nad nekim ulaznim
signalima i rezultate obrade prosljeuje kao signale na svoj izlaz. Logika jedinica se esto naziva i logiki relej.

Konfigurabilan (podesiv)-izraz koji se koristi za ureaje ili sisteme ije se funkcionalne karakteristike mogu birati
ili mijenjati programiranjem ili na neki drugi nain. Ovaj izraz (koncept) ne dozvoljava promjenu oienja u cilju
promjene konfiguracije.

Kontroler-ureaj promjenljivog izlaza koji vri regulaciju upravljane promjenljive na zadati nain. Kontroler moe
biti samostalni analogni ili digitalni instrument ili ekvivalent takvog instrumenta u okviru sistema sa raspodijeljenim
upravljanjem. Automatski kontroleri mijenjaju izlaz automatski u skladu sa izmjerenom vrijednou procesne
promjenljive. Manualni (runi) kontroleri svoj izlaz ne mijenjaju u zavisnosti od izmjerene vrijednosti procesne
promjenljive, ve se njihov izlaz podeava iskljuivo runo. Kontroler najee predstavlja integralni dio
upravljake petlje.

Upravljaka stanica - stanica sa runom manipulacijom kojom se vri izbor reima

upravljanja u regulacionoj petlji runo-automatski. esto se zove i sklopka runo-automatski. esto se operaterov
interfejs u okviru distribuiranog sistema upravljanja zove upravljaka stanica.
Regulacioni ventil - ureaj koji slui za neposrednu regulaciju jednog ili vie tokova fluida u nekom procesu.
Razlikuje se od runih on-off i sigurnosnih ventila

Konvertor - ureaj koji prima informaciju u jednom obliku i prosljeuje je na svoj izlaz u drugom. Konvertor ne
treba brkati sa transmiterom, ureajem koji signal mjerenja sa nekog senzora transformie u drugi oblik i
prosljeuje ga dalje u sistem. Na primjer sonda za mjerenje temperature se prikljuuje na transmiter, a ne na
konvertor.

Digitalni - termin kojim se oznaava ureaj ili signal koji koristi binarne cifre da reprezetnuje kontinualne
vrijednosti ili diskretna stanja.

Distribuirani sistem upravljanja- sistem koji se funkcionalno sastoji od vie cjelina koje su fiziki odvojene i
meusobno mogu biti udaljene.

Finalni elemenat upravljanja- ureaj koji direktno upravlja regulisanom promjenljivom. esto se zove i regulacioni
ventil.

Funkcija - namjena ili akcija odreenog ureaja.

Identifikacija - sekvenca slova ili cifara, ili oboje koja slui da oznai odreen instrument ili petlju.

Instrument - ureaj koji direktno ili indirektno mjeri i/ili upravlja odreenom promjenljivom u procesu. Ovaj termin
u sebi sadri i senzore, finalne elemente upravljanja, logike jedinice, elektrine signalne ureaje, sklopke i
tastere. Termin se ne odnosi na dijelove, koji su sastavne komponente nekog instrumenta.

Instrumentacija - kolekcija instrumenata odnosno njihovih primjena ija je namjena nadzor, mjerenje i upravljanje,
ili bilo koja njihova kombinacija.

Lokalni - lokacija instrumenta koji se na nalazi ni na panelu, ni na konzoli ni u komandnoj sobi. Lokalni instrument
se obino nalazi u blizini senzora ili regulacionog ventila. est ose rije polje (u polju) koristi kao sinonim za
lokalni.

Lokalni panel- panel koji nije centralni ili glavni panel. Lokalni paneli se esto nalaze u blizini podsistema ili pod-
podruja u okviru nekog procesa.

Petlja- kombinacija dva ili vie instrumenata ili upravljakih funkcija povezanih tako da signal prolazi od jednog
ka drugom u cilju mjerenja i/ili upravljanja procesnom promjenljivom.

Runa upravljaka stanica- Ureaj ili funkcija koja ima manualno podesiv izlaz koji se koristi da pokrene (aktivira)
jedan ili vie udaljenih ureaja. Pomou ove stanice se ne moe vriti izbor naina upravljanja procesom runo-
automatski (nije isto to i upravljaka stanica). Ova stanica moe da bude opremljena kompletnom signalizacijom.
esto se naziva i runa stanica.

Mjerenje- utvrivanje egzistencije ili odreivanje tane vrijednosti neke promjenljive veliine.

Monitor - uopteni izraz za jedan ili grupu instrumenata koji slue za mjerenje i prikazivanje statusa ili vrijednosti
jedne ili vie promjenljivih veliina u cilju izdvajanja korisnih informacija. Ova izraz se esto koristi u smislu
analizator, indikator ili alarm. Moe da se koristi i kao Monitoring.

Svjetlosna indikacija - sinonim za pilot svjetla ili monitoring svjetla. Svjetla koja slue za indikaciju koja su trenutno
stanja i ureaji u sistemu aktivni (prisutni). Ovo nije alarmni signal koji prikazuje nenormalna radna stanja sistema.

Panel - struktura koja ima grupu instrumenata montiranu na sebi. U njoj se nalazi i interfejs operator-proces i
jedinstvena je u pogonu (procesu). Panel se moe sastojati iz vie sekcija, ormara, konzola ili pultova. Sinonim je
za instrument ili komandna tabla.
Na panelu - termin vezan za ureaj koji se montira na panel, i u normalnoj eksploataciji je dostupan operateru.
Funkcija koja je regularno dostupna operateru.

Proces- bilo koja operacija ili njena sekvenca koja obuhvata promjenu energije, stanja, strukture, dimenzija i
drugih osobina koje se mogu definirati kao podaci.

Procesna promjenljiva - promjenljiva veliina procesa.

Program - ponavljajua sekvenca akcija koja definie zavisnost izlaza od ulaza, preko fiksnih relacija.

Programibilni logiki kontroler - kontroler sa, obino, vie ulaza i izlaza koji u sebi sadri izmjenjiv program.

Relej- ureaj ija je funkcija da neku informaciju proslijedi u izmijenjenom ili neizmijenjenom obliku. Izraz relej se
esto koristi da oznai neki logiki element (jedinicu). esto relej oznaava elektrinu, hidraulinu ili pneumatsku
sklopku koja se aktivira odreenim signalom. Izraz relej se koristi i da oznai funkciju (akciju) koju izvodi relej.

Skeniranje- utvrivanje vrijednosti, po unaprijed zadatom redoslijedu, svake promjenljive naizmjenino. Funkcija
ureaja za skeniranje je utvrivanje stanja i/ili vrijednosti svake od promjenljivih veliina procesa. Ureaj moe
imati i dodatne funkcije kao to je zapisivanje vrijednosti i/ili alarm.

Senzor - dio petlje ili instrumenta koji je u direktnom kontaktu sa procesnom promjenljivom. Na osnovu toga se
pojavljuje odgovarajui, unaprijed odreeni, jasan signal na izlazi senzora.

Set point- ulazna promjenljiva kojom se podeava eljena vrijednost upravljane veliine. Set point se moe
postavljati runo, automatski ili moe biti programiran. Njena vrijednost se izraava u istim veliinama kao i
upravljana veliina.

Dijeljeni kontroler - kontroler koji sadri unaprijed programirane algoritme koji su najee dostupni,
konfigurabilni i dodjeljivi. Omoguava da vei broj procesnih promjenljivih bude upravljan pomou jednog
ureaja.

Dijeljeni displej- Operatorski interfejs, esto video ekran, koji slui da na zahtjev operatora prikae odreene
informacije koje su bitne za upravljanje procesom.

Sklopka- ureaj koji spaja. razdvaja, selektuje ili premotava jedan ili vie krugova i nije konstruiran kao
kontroler, relej ili regulacioni ventil. esto se upotrebljava da oznai funkciju koju obavlja sklopka.

Test taka- veza u procesu u kojoj nije ni jedan instrument konstantno povezan, ve slui za povremeno ili
naizmjenino vezivanje instrumenata.

Transduktor - uopteni izraz za ureaj koji prima informaciju u jednom ili vie razliitih fizikih oblika, modifikuje
informaciju i/ili njenu formu ako je potrebno i daje odreeni izlazni signal. U zavisnosti od primijene transduktor
moe biti senzor, transmiter, relej, konvertor ili neki drugi ureaj.

Transmiter - ureaj koji mjeri vrijednost procesne promjenljive preko senzora i na izlazu daje signal ija vrijednost
u stacionarnom stanju unaprijed poznata (i odreena) funkcija procesne promjenljive. Senzor moe, a i ne mora
biti integriran sa transmiterom.

Kratak pregled naina oznaavanja (identifikacije) elemenata u sistemu

Opte napomene

Svaki instrument ili funkcija mora biti oznaen alfanumerikom oznakom ili tagom, tag brojem (tag - etiketa,
oznaka, tablica), kao to je prikazano na u Tabeli 5.,

Tabela 5. Tipine oznake

 Tipine oznake
TIC 103 Identifikacija instrumenta - tag broj
T 103 Identifikacija petlje
103 Broj petlje
TIC Identifikacija funkcije
T Prvi slovo
IC Naredna (sljedea) slova

Proirene oznake
10-PAH-5A Oznaka
10 Opcionalni prefiks
A Opcionalni sufiks
Napomena: crtice kao separatori su opcionalne

Identifikacioni broj petlje u kojoj se nalazi instrument u sebi moe sadrati neku kodiranu informaciju, kao to je
npr. oznaka pogona u kome se element nalazi. Takoer, mogue je izabrati odreene serije brojeva radi
oznaavanja odreene funkcije. Na primjer brojevima od 900 do 999 se oznaavaju petlje ija je prvenstvena
uloga zatitno-sigurnosna.

Svaki instrument se na shemi (dijagramu) predstavlja simbolom. Uz taj simbol se obino pie alfanumerika
oznaka.

Funkcionalna identifikacija

Identifikacija funkcije svakog instrumenta se sastoji od slova, prikazanih u tabeli 1. Oznaka se sastoji od prvog
slova koje oznaava tip mjerene ili aktivacione promjenljive i jednog ili vie narednih slova koji oznaavaju
funkciju (operaciju) koji dati element vri.

Funkcionalna identifikacija instrumenta se vri prema njegovoj funkciji u sistemu, a ne prema konstrukciji.
To znai da e mjera diferencijalnog pritiska sa zapisivanjem mjerene veliine koji se koristi za mjerenje protoka
nekog fluida imati oznaku FR (Flow Recorder), indikator pritiska koji se koristi za mjerenje nivoa tenosti LI (Level
Indicator) a pritiskom pogonjena sklopka koja je vezana za pneumatski transmiter nivoa LS (Level Switch).

Kada se instrument nalazi u petlji, prvo slovo se bira prema inicijalnoj a ne prema direktno upravljanoj
promjenljivoj. To znai da e regulacioni ventil kojim se regulie protok fluida u cilju upravljanja nivoom tenosti u
rezervoaru imati oznaku LV (Level Valve) a ne FV(Flow rate Valve)

Naredna slova u okviru identifikacije funkcije slue za specifikaciju jedne ili vie pasivnih, izlaznih i/ili funkcija
zapisa. Slova modifikatori se mogu upotrebljavati kao dodatak narednim slovima, ako je to potrebno. Slova
modifikatori se mogu dodavati kako iza prvog, tako i iza narednih slova. Primjer, oznaka TDAL sadri dva
modifikatora. Slovo D (Differential) mijenja mjerenu promjenljivu T (Temperature) u novu "Diferencijal
Temperature". Slovo L (Low) ograniava izlaznu funkciju A (Alarm) na alarm niske vrijednosti mjerene promjenljive.

Sekvenca identifikacionih slova poinje prvim slovom, kako je prikazano u tabeli 1. Zatim slijede slova koja
oznaavaju pasivnu ili funkciju ispisa u proizvoljnom redoslijedu. Nakon toga slede slova koja oznaavaju funkciju
izlaza u proizvoljnom redoslijedu, osim u sluaju gdje oznaka izlaza C (Control) prethodi slovu V (Valve), tako da
PCV je regulacioni ventil pritiska. to se tie slova modifikatora, ona stoje neposredno iza slova na koje se
odnose.

Ureaji sa vie funkcija mogu se na dijagramu prikazati sa onoliko balona (koji se meusobno dodiruju) koliko je
potrebno da se oznae sve mjerene veliine, izlazi i/ili funkcije koje pripadaju tom ureaju. Tako se regulator
temperature sa pripadajuom sklopkom moe predstaviti pomou dva balona koja se dodiruju i u kojima se
nalaze oznake TIC-3 (Temperature Indicate Control) i TSH-3 (Temperature Switch High). U pisanom dijelu
dokumentacije koristit e se oznaka TIC/TSH-3. Ako je potrebno moe se koristiti oznaka TIC-3 za uopteni opis
sistema ili naruivanje opreme, dok se oznaka TSH-3 moe koristiti u shemama elektrinih kola. Preporuka je da
se broj slova za identifikaciju dri na minimumu.

Ukupan broj slova u oznaci elementa ne bi trebao da prelazi etiri. Broj slova se moe smanjivati na slijedee
naine:
Organiziranje slovnih oznaka u podgrupe, kako je to prikazano na primjeru regulatora temperature sa
pripadajuom sklopkom
Izostavljanjem slova za sline funkcije. Slovo I (Indicate) se moe izostaviti ako ureaj istovremeno
prikazuje i zapisuje (R) vrijednost izmjerene veliine.

Sva slova u okviru funkcionalne identifikacije su VELIKA.

Identifikacija petlji (mjernih i regulacionih krugova)

Identifikacija petlje se sastoji od prvog slova i numerike oznake. Svakom instrumentu unutar petlje se dodjeljuje
ista numerika oznaka, i u sluaju paralelne numeracije, isto prvo slovo. Svaka petlja ima jedinstven identifikacioni
broj. Ako se neki ureaj ili instrument nalazi u veem broji petlji, tada nosi oznaku one kojoj dominantno pripada.

Oznaavanje petlji moe biti paralelno ili serijsko.

Paralelno oznaavanje znai da numerika sekvenca poinje od istog broja za svako novo prvo
slovo, npr. TIC-100, FRC-100, LIC-100, AI-100 itd.
Serijsko oznaavanje koristi jednostavnu seriju brojeva za oznaavanje petlji u okviru projekta ili
veih cjelina u okviru projekta, bez obzira na prvo slovo. Na primjer TIC-100, FRC-101, LIC-102,
AI-103 itd.

Oznaka petlje moe poeti brojem 1, ili bilo kojim drugim pogodnim brojem, kao na primjer 001, 301 ili 1201.
Ovaj broj u sebi moe sadrati i neku kodiranu informaciju, a preporuka je da oznaka bude to jednostavnija.

Ako u petlji postoji vie instrumenata koji imaju istu funkcionalnu identifikaciju, tada se broju petlje moe dodati
sufiks, npr. FV-2A, FV-2B, FV-2C ili TE-25-1, TE-25-2 itd. Ipak, esto je pogodnije i loginije koristiti razliite
oznake za instrumente, npr. FV-2, FV-3 umjesto FV-2A, FV-2B. Sufikse bi bilo poeljno primjenjivati prema
sljedeem uputstvu:
Koristiti velika slova, A, B, C itd.
Za instrument koji ima vie razliitih ulaza za promjenljivu istog tipa i vri njihov prikaz (mjerenje
temperature na razliitim mjestima u procesu i tampanje njihovih vrijednosti) pogodno je
posebno numerirati primarne elemente (senzore) na primjer TE-25-1, TE-25-2, TE-25-3 gdje
sufiks senzora odgovara identifikatoru prikazane (odtampane) veliine.
Sufikse je mogue definisati i preko naizmjeninih serija brojeva ili slova.

Ako instrument ima vie funkcija, mogue je definirati njegovu oznaku u skladu sa svim funkcijama. Tako e ureaj
za zapisivanje protoka FR-2 sa perom za biljeenje pritiska PR-4 imati oznaku FR-2/PR-4. Ureaj sa dva pera
za zapisivanje pritiska je PR-7/8, a signalni prozor za alarm visoke i niske temperature TAHL-21. Crtica izmeu
brojeva nije neophodna ako funkcije i/ili ureaji nisu jasno razdvojeni.

Pribor instrumenata koji se eksplicitno ne prikazuju na dijagramu, a potrebno ih navesti zbog njihove funkcije
(mjerai istoe vazduha, zaptivai, poklopci...) nose istu oznaku petlje kao i ureaj za koga su funkcionalno
vezani. Naredna slova mogu biti razliita, a mogue je i da cjela oznaka bude ista kao nadreeni ureaj a da se
iza oznake doda rije
koja oznaava funkciju dodatnog pribora. Primjer: mjera istoe vazduha koji se nalazi ispred mjeraa pritiska
PI-8, moe imati oznaku PX-8 ili PI-8 CISTOCA.
Identifikaciona slova prikazana su u Tabeli 6.,

Tabela 6. Identifikaciona slova

(1)Korisnikov izbor znai da se na poetku projekta moe definirati znaenje datog slova. Jedno slovo moe
imati tano odreeno znaenje u projektu. Na primjer slovo N moe na prvom mjestu da znai "koeficijent
elastinosti" a kao naredno slovo "osciloskop".

(2) Ne klasifikovana slova slue da pokriju ne navedena znaenja koja e se koristiti samo jednom ili ogranienom
broju. Ako se koristi, kao prvo ili naredno slovo moe imati proizvoljan broj znaenja, u okviru istog projekta.
Osim u sluaju kada se koristi za oznaku jednoznanog simbola, potrebno je znaenje navesti na dijagramu,
pored balona sa oznakom.

(3) Gramatiki oblik narednih slova se bira prema potrebi "indikacija" moe biti "indikativan", "indikator" itd.

(4) Bilo koje prvo slovo, kada se koristi sa modifikatorima D (diferencijalni), F (odnos, razlomak), M (trenutni), K
(brzina promjene), Q (itegrator, suma) ili njihovom kombinacijom
smatra se da predstavljaju novu veliinu i tretiraju se kao prvo slovo. TDI i TI predstavljaju dvije razliite veliine,
diferencijal (razliku) temperature i temperaturu.

(5) Prvo slovo A pokriva sve vrste analize, tako da je vrstu analize potrebno navesti na dijagramu pored balona.

(6) Prvo slovo U, multivarijabilan se opciono koristi umjesto kombinacije prvih slova.

(7) Upotreba modifikovanih termina "visok", "nizak", "srednji", "usrednjen" ili "skeniranje" je opciono
(8) Pojam "sigurnost" se odnosi na ureaje ija je uloga iskljuivo zatitna i sigurnosna.

(9) Pasivna funkcija G se primjenjuje kod instrumenata i/ili ureaja kod kojih nema kalibracije, kao to su
vodokazna stakla ili TV monitori.

(10) "Indikacija" se uglavnom koristi za definiranje analognog ili digitalnog ispisa aktualnog mjerenja.

(11) Pilot svjetlo koje je dio petlje treba da ima iza prvog slova, slovo L.

(12) Naredno slovo U, viefunkcionalan se opciono koristi umjesto kombinacije oznaka razliitih funkcija.

(13) Ureaj koji spaja, razdvaja ili premouje jednu ili vie petlji moe biti sklopka, relej, on-off regulator,
regulacioni ventil i slino, u zavisnosti od primjene.

(14) Uobiajeno je da se znaenje narednog slova Y pie na dijagramu pored balona sa oznakom. To nije
potrebno ako se sa slike jednoznano moe protumaiti uloga datog ureaja.

(15) Modifikovani termini "visok", "nizak", "srednji", "usrednjen" odgovaraju vrijednostima mjerene promjenljive, a
ne vrijednosti signala, osim ako se drugaije ne navede. Na primjer alarm visokog nivoa LAH e biti aktivan ak i
kad nivo padne ispod zadate vrijednosti.

(16) Termini "visok" i "nizak", kada se upotrebe u kombinaciji sa ventilom znae: ventil potpuno otvoren i potpuno
zatvoren, respektivno.

(17) rije "zapis" znai permanentno uvanje podatak u obliku u kom je omogueno njihovo ponovno pozivanje
(pregledanje). Na primjer, magnetni disk.

(18) "Transmiter" nije isto to i "konvertor", pogledati poglavlje sa definicijama pojmova.

(19) Prvo slovo V "vibracije, mehanika analiza" se koristi uglavnom kod nadzora maina, dok se A kao "analiza"
koristi za druge, uoptene vrste analize.

(20) Prvo slovo Y se koristi kada je rije o upravljanju sistemom po dogaajima (event- driven) za razliku od
upravljanja po vremenskom planu (time-driven, time schedule-driven).

(21) Modifikator K u kombinaciji sa prvim slovima L, T ili W oznaava brzinu promjene mjerene ili inicijalne
promjenljive.

(22) Naredno slovo K oznaava upravljaku stanicu, dok naredno slovo C oznaava runi ili automatski regulator
(kontroler).

Najee kombinacije slova date su u Tabeli 7.,

Tabela 7. Najee kombinacije slova