Статус документа
Статус документа

ГОСТ Р 71687-2024

НАЦИОНАЛЬНЫЙ СТАНДАРТ РОССИЙСКОЙ ФЕДЕРАЦИИ

Искусственный интеллект

НАБОРЫ ДАННЫХ ДЛЯ РАЗРАБОТКИ И ВЕРИФИКАЦИИ МОДЕЛЕЙ МАШИННОГО ОБУЧЕНИЯ ДЛЯ КОСВЕННОГО ИЗМЕРЕНИЯ МЕХАНИЧЕСКИХ СВОЙСТВ ПОЛИМЕРНЫХ КОМПОЗИЦИОННЫХ МАТЕРИАЛОВ

Общие требования

Artificial intelligence. Datasets for developing and verifying machine learning models for indirect measuring the mechanical properties of polymer composite materials. General requirements



ОКС 35.020

        35.240.99

Дата введения 2025-01-01

Предисловие

 

1 РАЗРАБОТАН Федеральным государственным бюджетным учреждением "Российский институт стандартизации" (ФГБУ "Институт стандартизации")

2 ВНЕСЕН Техническим комитетом по стандартизации ТК 164 "Искусственный интеллект"

3 УТВЕРЖДЕН И ВВЕДЕН В ДЕЙСТВИЕ Приказом Федерального агентства по техническому регулированию и метрологии от 11 октября 2024 г. № 1437-ст

4 ВВЕДЕН ВПЕРВЫЕ

Правила применения настоящего стандарта установлены в статье 26 Федерального закона от 29 июня 2015 г. № 162-ФЗ "О стандартизации в Российской Федерации". Информация об изменениях к настоящему стандарту публикуется в ежегодном (по состоянию на 1 января текущего года) информационном указателе "Национальные стандарты", а официальный текст изменений и поправок - в ежемесячном информационном указателе "Национальные стандарты". В случае пересмотра (замены) или отмены настоящего стандарта соответствующее уведомление будет опубликовано в ближайшем выпуске ежемесячного информационного указателя "Национальные стандарты". Соответствующая информация, уведомление и тексты размещаются также в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет (www.rst.gov.ru)

Введение


Одной из основных целей в области проектирования новых композиционных материалов является прогнозирование их надежности и долговечности. Известные способы прогнозирования свойств материалов взаимосвязаны с состоянием внутренней структуры материала, что является ресурсоемкой задачей. Вместе с тем, в отличие от традиционных методов поискового проектирования, растущие требования к высокотехнологичному производству требуют изготовления узлов и элементов конструкций изделий наукоемкой техники с первого раза. Существуют стандартные методы испытаний пултрузионных полимерных композитов по ГОСТ Р 57921 на растяжение, сжатие, изгиб, сдвиг в плоскости армирования и ударную прочность при изгибе. Механические свойства, полученные в результате стандартных испытаний, могут быть использованы для косвенного измерения стойкости и долговечности изделия без дополнительных исследований внутренней структуры материала с использованием машинного обучения.

Установленные в настоящем стандарте общие требования определяют порядок выбора методов сбора, анализа, постобработки набора данных высокотехнологичного производства, а также методы контроля качества и полноты наборов данных для косвенного измерения свойств узлов и элементов конструкций.

     1 Область применения

Настоящий стандарт устанавливает требования к сбору и подготовке наборов данных для разработки и верификации систем искусственного интеллекта, используемых для косвенного измерения механических свойств полимерных композиционных материалов с учетом их гетерогенности, анизотропности и зависимости свойств от производственного процесса. Стандарт обеспечивает повышенную доступность и качество данных, что позволяет облегчать разработку и верификацию систем искусственного интеллекта.

В данном стандарте приведена классификация получаемых данных, требования и рекомендации к сбору, подготовке и хранению данных.

     2 Нормативные ссылки

В настоящем стандарте использованы нормативные ссылки на следующие стандарты:

ГОСТ 32656 Композиты полимерные. Методы испытаний. Испытания на растяжение

ГОСТ 33519 Композиты полимерные. Метод испытания на сжатие при нормальной, повышенной и пониженной температурах

ГОСТ 33843 (ISO 15310:1999) Композиты полимерные. Метод определения модуля сдвига в плоскости методом кручения

ГОСТ Р 56805 Композиты полимерные. Методы определения механических характеристик при изгибе

ГОСТ Р 56810 Композиты полимерные. Метод испытания на изгиб плоских образцов

ГОСТ Р 57067 Система внешнего армирования из полимерных композитов. Метод определения межслойной прочности на сдвиг

ГОСТ Р 57715 Композиты полимерные. Определение ударной вязкости по Изоду

ГОСТ Р 57734 Композиты полимерные. Определение энергии удара, затраченной на разрушение образца

ГОСТ Р 57866 Композиты полимерные. Методы определения механических характеристик при изгибе непрерывно-армированных композитов

ГОСТ Р 57921 Композиты полимерные. Методы испытаний. Общие требования

Примечание - При пользовании настоящим стандартом целесообразно проверить действие ссылочных стандартов в информационной системе общего пользования - на официальном сайте Федерального агентства по техническому регулированию и метрологии в сети Интернет или по ежегодному информационному указателю "Национальные стандарты", который опубликован по состоянию на 1 января текущего года, и по выпускам ежемесячного информационного указателя "Национальные стандарты" за текущий год. Если заменен ссылочный стандарт, на который дана недатированная ссылка, то рекомендуется использовать действующую версию этого стандарта с учетом всех внесенных в данную версию изменений. Если заменен ссылочный стандарт, на который дана датированная ссылка, то рекомендуется использовать версию этого стандарта с указанным выше годом утверждения (принятия). Если после утверждения настоящего стандарта в ссылочный стандарт, на который дана датированная ссылка, внесено изменение, затрагивающее положение, на которое дана ссылка, то это положение рекомендуется применять без учета данного изменения. Если ссылочный стандарт отменен без замены, то положение, в котором дана ссылка на него, рекомендуется применять в части, не затрагивающей эту ссылку.

     3 Термины, определения и сокращения

     3.1 Термины и определения

В настоящем стандарте применены следующие термины с соответствующими определениями:

3.1.1

измерять (measure) (глагол): Производить измерение.

[ГОСТ Р ИСО/МЭК 25000-2021, пункт 4.19]

3.1.2 значение величины: Число с указанием основы для сравнения, выражающее размер величины.

Примечание - См. [1], статья 1.19.

Пример 1 - Толщина материала: 0,65 мм.

Пример 2 - Сила упругости: 10 Н.

Пример 3 - Коэффициент Пуассона: 0,27.

Пример 4 - Напряжение сдвига: 5,88 МПа.

3.1.3

функция измерения (measurement function): Алгоритм или вычисление, выполняемое для комбинации не менее чем двух элементов показателя качества.

[ГОСТ Р ИСО/МЭК 25021-2014, пункт 4.7]

3.1.4

элемент данных (ЭД) (data element, DE): Единица данных, для которой с помощью набора атрибутов заданы определение, идентификация, представление и допустимые значения.

[ГОСТ Р ИСО/МЭК 11179-1-2010, пункт 3.3.8]

Примечания

1 Поле считается синонимом ЭД.

2 ЭД - это физический объект, "контейнер" значений данных согласно [1], пункт 4.9.

3.1.5

тип данных (datatype): Множество различающихся значений, охарактеризованных свойствами этих значений и операциями над ними.

[ГОСТ Р ИСО/МЭК 11179-1-2010, пункт 3.3.11]

Примечание - Примерами типов данных являются строки символов, тексты, даты, числа, изображения, звуки и т д. (см. [1], пункт 4.16).

3.1.6 значение данных: Содержание элемента данных.

Примечания

1 С "внутренней" точки зрения качество данных относится к самим данным, таким как значения предметной области и возможные ограничения (см. [2], пункт 5.1.1).

2 Номер или категория, присвоенная атрибуту целевого объекта путем проведения измерения (см. [1], статья 4.17).

3.1.7 запись данных: Набор связанных элементов данных, рассматриваемых как единое целое.

Примечание - См. [2], пункт 4.15.

3.1.8

машинное обучение (machine learning): Процесс автоматического обучения и совершенствования поведения системы искусственного интеллекта на основе обработки массива обучающих данных без явного программирования.

[ГОСТ Р 59895-2021, пункт 2.1.7]

3.1.9

модель машинного обучения (machine learning model): Математическая конструкция, генерирующая логический вывод или прогноз на основе входных данных и/или информации.

[ГОСТ Р 71476-2024, пункт 3.3.7]

     3.2 Сокращения

В настоящем стандарте применены следующие сокращения:

ИИ - искусственный интеллект;

МО - машинное обучение;

ПКМ - полимерные композиционные материалы.

     4 Общие положения

Раздел определяет систему классификации наборов данных на основе метода их получения и целей применения, направленную на упорядочивание и систематизацию наборов данных.

     4.1 Классификация по методу получения

Данные классифицируют в зависимости от способа, которым они могут быть получены:

- данные, которые можно получить прямыми измерениями с помощью средств измерений, характеризующие плотность, прочность на растяжение, модуль упругости, коэффициент теплового расширения и другие характеристики;

Доступ к полной версии документа ограничен
Этот документ или информация о нем доступны в системах «Техэксперт» и «Кодекс».
Нужен полный текст и статус документов ГОСТ, СНИП, СП?
Попробуйте «Техэксперт: Базовые нормативные документы» бесплатно
Реклама. Рекламодатель: Акционерное общество "Информационная компания "Кодекс". 2VtzqvQZoVs