Capítulo 6 — Recolección y análisis de datos
Mapa de la lección
Lección 06 publicada. Mapa, ejemplo, EX033.
flowchart TD
N0["Resultados de aprendizaje y conexión"]
N1["6.1 Disciplina de recolección"]
N2["6.2 Laboratorio 6: sensibilidad al coeficiente del o"]
N3["6.3 Un párrafo de resultados honesto"]
N4["6.5 De los números a las afirmaciones"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5
N5 --> EX["Ejemplo resuelto"]
EX --> Q["Ejercicio EX033"]
Dibujo lógico
flowchart LR
N0["Resultados de aprendizaje y conexión"]
N1["6.1 Disciplina de recolección"]
N2["6.2 Laboratorio 6: sensibilidad al coeficiente del o"]
N3["6.3 Un párrafo de resultados honesto"]
N4["6.5 De los números a las afirmaciones"]
N5["Síntesis del capítulo"]
N0 --> N1 --> N2 --> N3 --> N4 --> N5 --> Q["EX033"]
[Resultados de aprendizaje y conexión]
|
v
[6.1 Disciplina de recolección]
|
v
[6.2 Laboratorio 6: sensibilidad al coeficiente del o]
|
v
[6.3 Un párrafo de resultados honesto]
|
v
[6.5 De los números a las afirmaciones]
|
v
[Síntesis del capítulo]
|
v
[Ejemplo resuelto] --> [Ejercicio EX033]
Resultados de aprendizaje y conexión
Después de este capítulo usted podrá (1) recolectar datos del modelo y de la instalación bajo un plan congelado, (2) usar semillas emparejadas e intervalos bootstrap, (3) realizar análisis de sensibilidad y (4) redactar un párrafo de resultados honesto.
6.1 Disciplina de recolección
Congele los umbrales a partir de las semillas de ajuste; ejecute las semillas de evaluación; después, Rig R2 con los mismos valores congelados. Registre la semilla, el detector, la clase de ataque, el momento de la alarma y el sobrellenado en el momento de la alarma. No mire los datos de ataque de R2 antes de congelar. En la práctica, escriba un pequeño manifiesto que contenga k, h, el rango de semillas de ajuste y un hash del script de análisis, y niéguese a cargar los archivos de ataque de R2 hasta que exista ese manifiesto. Si cambia k después de ver R2, ya no tiene una validación: tiene otro ejercicio de ajuste, y debe decirlo. Lleve un cuaderno de laboratorio con fecha, persona, identificadores de ejecución y anomalías (microcorte de energía, recalibración de un sensor); las anomalías que coinciden con alarmas son explicaciones rivales.
6.2 Laboratorio 6: sensibilidad al coeficiente del orificio
# Lab 6: bootstrap CI for delay difference (paired) + sensitivity to orifice coefficient.
import random
def delay(seed, orifice=0.02, k=0.8, steps=900, onset=300):
rng=random.Random(seed); true=est=50.0; s=0.0
# keep equilibrium near 50: nominal inflow = orifice*50
for t in range(steps):
inflow=orifice*50 + rng.gauss(0,0.05)+(0.05 if t>=onset else 0)
true+=inflow-orifice*true
lvl=(50.0 if t>=onset else true)+rng.gauss(0,0.3)
est+=inflow+rng.gauss(0,0.02)-orifice*est
s=max(0.0,s+abs(lvl-est)-k)
if s>6 and t>=onset: return t-onset
return None
for orifice in (0.015,0.02,0.025):
d8=[]; d6=[]; diffs=[]
for i in range(150):
a=delay(i,orifice,0.8); b=delay(i,orifice,0.6)
if a is not None: d8.append(a)
if b is not None: d6.append(b)
if a is not None and b is not None: diffs.append(a-b)
rng=random.Random(1); boots=sorted(sum(rng.choice(diffs) for _ in diffs)/len(diffs) for _ in range(1000)) if diffs else []
print(f"orifice={orifice} detected_k0.8={len(d8)}/150 detected_k0.6={len(d6)}/150 "
f"mean_diff={sum(diffs)/len(diffs):.1f} 95%CI=[{boots[25]:.1f},{boots[974]:.1f}]")
Salida esperada:
orifice=0.015 detected_k0.8=150/150 detected_k0.6=150/150 mean_diff=6.0 95%CI=[5.6,6.4]
orifice=0.02 detected_k0.8=150/150 detected_k0.6=150/150 mean_diff=7.1 95%CI=[6.6,7.6]
orifice=0.025 detected_k0.8=150/150 detected_k0.6=150/150 mean_diff=8.6 95%CI=[7.9,9.4]
El costo en retardo de elegir k = 0.8 en lugar de 0.6 crece a medida que aumenta el coeficiente del orificio (dinámica natural más rápida / señal distinta). Los intervalos describen solo el ruido de la simulación.
El laboratorio empareja semillas: cada semilla se ejecuta con ambas holguras y la diferencia se toma dentro de la semilla, lo que elimina el ruido que comparten ambas ejecuciones. Después, el bootstrap remuestrea esas diferencias emparejadas. Las tres configuraciones del orificio detectan todos los episodios con ambas holguras, de modo que el compromiso está solo en el retardo. Los intervalos describen solo el ruido de la simulación; no dicen nada sobre cómo difiere un tanque real del modelo.
6.3 Un párrafo de resultados honesto
"En el modelo sintético de Harbor Loop, el CUSUM sobre el residuo detectó 80/80 episodios de repetición de la clase A (retardo medio de 37.7 pasos, sobrellenado medio en el momento de la alarma de 1.38) con 0/80 ejecuciones con falsa alarma; la banda de ±1.5 detectó 0/80 con 11/80 ejecuciones con falsa alarma. La clase B (caudalímetro también suplantado) evadió el CUSUM en 80/80 ensayos. El costo en retardo de la holgura más robusta, k = 0.8, frente a 0.6 fue de 6.0–8.6 pasos para coeficientes del orificio de 0.015–0.025. La validación en Rig R2 se informa por separado con umbrales congelados."
El párrafo informa el fracaso con el mismo patrón de frase que el éxito, de modo que la clase B no puede pasarse por alto. Da cada cifra con su denominador y nombra el modelo como sintético. También remite a los resultados de la instalación sin afirmarlos. Compruebe que cada número coincide exactamente con la salida del laboratorio antes de que entre en el trabajo de fin de máster.
6.4 Errores comunes y límites
Semillas independientes para comparaciones emparejadas; intervalos presentados como incertidumbre del mundo real; ocultar la clase B. Las comparaciones emparejadas necesitan la misma semilla para ambas configuraciones; las semillas independientes añaden ruido que oculta las diferencias pequeñas. Los intervalos bootstrap describen la variabilidad de la simulación bajo el modelo, no la incertidumbre sobre plantas reales. La clase B pertenece a la tabla principal de resultados, no a un apéndice, porque es la frontera medida del método y un operador necesita conocerla. Informe las semillas usadas en cada comparación para que otros puedan repetir exactamente el emparejamiento.
6.5 De los números a las afirmaciones
Tras los laboratorios 3 y 6 usted tiene recuentos de detección, retardos, ejecuciones con falsa alarma y una curva de sensibilidad. Convertirlos en afirmaciones exige la escalera del libro doctoral complementario: una observación del protocolo no es una inferencia sobre el proceso. Diga "el CUSUM alarmó con un retardo medio de 37.7 pasos mientras el sobrellenado real era de 1.38" (observación + inferencia sobre el proceso) en lugar de "el CUSUM evita los desbordamientos" (afirmación de consecuencia sin evidencia de las capas de protección). Cuando lleguen los resultados de Rig R2, infórmelos en las mismas unidades para que el lector pueda ver la transportabilidad, o su fallo, sin tener que buscarla.
Mantenga una tabla breve que empareje cada número con la afirmación que respalda y el nivel de esa afirmación. Un retardo en pasos respalda una afirmación de detección; el sobrellenado en el momento de la alarma respalda una inferencia sobre el proceso dentro del modelo; ninguno respalda un enunciado sobre la protección, porque el estudio no midió ninguna capa de protección. Esa tabla alimenta después el registro de afirmaciones.
Ejercicios — capítulo 6
- EX033 — Resultados de 150 palabras a partir del laboratorio 3 y el laboratorio 6. Ejecute los laboratorios 3 y 6; redacte un párrafo de resultados de 150 palabras con números. Rúbrica: 3 = ~150 palabras con números de los laboratorios 3/6 para H1/H4 y sesgo/holgura; 2 = números sin estructura; 1 = breve; 0 = nada.
- EX034 — Anchura del IC con semillas independientes para k=0.6. Vuelva a ejecutar el laboratorio 6 con semillas independientes para k = 0.6; compare la anchura del IC. Rúbrica: 3 = IC más ancho con semillas independientes que emparejadas, con la dirección; 2 = solo la dirección; 1 = incorrecto; 0 = nada.
- EX035 — Seis fuentes de incertidumbre clasificadas. Clasifique seis fuentes de incertidumbre como estocásticas, paramétricas o estructurales. Rúbrica: 3 = estocásticas/paramétricas/estructurales con ejemplos; 2 = solo las clases; 1 = una clase; 0 = nada.
- EX036 — Regla de congelación antes de la validación en R2. Redacte la regla de congelación que debe cumplirse antes de la validación en R2. Rúbrica: 3 = k/h congelados con hash antes de los datos de ataque de R2 + regla de invalidación; 2 = congelación sin invalidación; 1 = vago; 0 = nada.
- EX037 — Resumir las ejecuciones que nunca alarman. Proponga cómo resumir las ejecuciones que nunca alarman (censura por la derecha). Rúbrica: 3 = proporción de detección + mediana entre las detectadas o resumen de tipo supervivencia; 2 = un resumen mejor; 1 = media con tope; 0 = nada.
- EX038 — Lo que no significan los intervalos del laboratorio 6. Indique lo que no significan los intervalos del laboratorio 6. Rúbrica: 3 = intervalos ≠ incertidumbre de la planta / error estructural; 2 = una salvedad; 1 = los trata como la verdad de la planta; 0 = nada.
Síntesis del capítulo
Planes congelados, diseños emparejados, barridos de sensibilidad y párrafos honestos, incluida la condición de fracaso, son el estándar de análisis de este trabajo de fin de máster.
Siga estudiando — capítulo 06 de 08
← Capítulo 05 (borrador) · Índice de capítulos del curso · Capítulo 07 (borrador) →