Murtumissitkeyden arvioimisen ongelmia

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Murtumissitkeyden arvioimisen ongelmia"

Transkriptio

1 Master käyrä

2 Murtumissitkeyden arvioimisen ongelmia Charpy kokeissa suuri hajonta K Ic kokeet kalliita ja vaativat isoja näytteitä Lämpötilariippuvuuden huomioiminen? (pitääkö testata kaikissa lämpötiloissa) Hajonnan huomioiminen (milloin murtuma on poissuljettu? deterministinen vs. tilastollinen lähestymistapa)

3 Haurasmurtuman ydintyminen

4

5

6 Ydintyminen ura vs. särö

7

8

9

10 Lovellisissa näytteissä suurempi hajonta

11 Master-käyrä Ottaa huomioon haurasmurtuman tilastollisen luonteen Antaa kvantitatiivisen työkalun haurasmurtuman hallintaan erilaisista koetuloksista lämpötilan funktiona

12 Tilastollisuus

13 { ( { } )} P =1- exp -N V Pr I f V { } 1- Pr V/O

14

15 Ydintymisen todennäköisyys ì ï P =1- expí - B f ï B 0 î æ ç K I ç K è 0 ö 4 ü ï ý ï ø þ

16 Hajonta ì ï P =1- expí - B f ï B î 0 æ K - K I min ç è K - K 0 min ö 4 ü ï ý ø ï þ

17 Koon vaikutus K IC1 = K min + (K IC2 - K min ) æ B 2 ç è B 1 ö 1/4 ø

18 Master - käyrä Hajonta Koon vaikutus [ ] =1- exp ç - ê K I - K min ç P K IC K I æ ç è é ù 4ö ú ë ê K - K 0 min û ú ø K B 2 = K min +[ KB - 1 K min] æ ç è B 1 B2 ö ø 1/ 4?

19 Lämpötilariippuvuus K 0 = exp(0.019 [T - T 0 ])

20 Eri teräkset eri kohdassa käyrää

21 Mittauksilla määritetään T 0 Maximum-likelihood estimaatti datasta n å i=1 n d i exp{0.019 [ Ti - T 0]} exp{0.019 [ Ti - T 0]} - å ( KIC - 20) 4 exp{0.019 [ i Ti - T 0]} ( exp{0.019 [ i=1 Ti - T 0]} ) 5 = 0

22 Siis Mitataan murtumissitkeys eri lämpötiloissa K IC kokeet Charpy-kokeet Arvioidaan mittausten perusteella T 0 Lasketaan Master käyrältä K JC : eri lämpötiloissa eri murtumistodennäköisyydellä

23

24 Suunnitteluohjeet Säröllisten konstruktioiden käyttövarmuuden varmistaminen käyttäen tehokkaasti käytettävissä olevaa tietoa ja laskentamenetelmiä

25 Murtumismekaniikka K-mitoituslaskenta helppoa Valmiita ratkaisuja Lineaaris-elastisia malleja K testaus vaikeaa ja kallista J-mitoituslaskenta vaikeaa Vaatii elastis-plastisia särömalleja

26 Tarvitaan suunnitteluohje yhdistämään menetelmät s.e. Mahdollistaa LEFM käytön silloin kun se toimii Estää LEFM:n käytön silloin kun se ei sovellu Mahdollistaa työn korvaamisen konservatiivisuudella Suorituskyvystä ei makseta ellei sitä tarvita Ohjeistaa siirtymisen LEFM:stä EPFM:ään tarvittavissa kohteissa

27 Menetelmiä R6 "Assessment of the Integrity of Structures Containing Defects" SINTAP BS-PD6493 ETM jne.

28 Menetelmän perusosat Yksinkertaistettu rajakuormamääritelmä FAD CDF Analyysitaso valittavissa Mikä syötteiden laadussa tai analyysin helppoudessa voitetaan, se konservatiivisuudella maksetaan Ei-tyydyttävä tulos ohjaa tekemään monimutkaisemman(vähemmän konservatiivisen) analyysin

29 Yksinkertaista mallia pitää korjata

30 FAD - konsepti

31 Analyysitasot Vähentävät konservatiivisuutta Lisäävät työtä

32 Analyysitasot (skemaattinen esitys)

33 Failure assessment diagram FAD R6

34 Crack driving force - CDF

35 FAD vs. CDF Teknisesti ekvivalentit (nykyään) Valinta makuasia Vanhemmissa ohjeissa FAD historiallisista syistä Uudemmissa rinnalla yksinkertaisempi (?) CDF

36 Yhteenveto On olemassa lukuisia ohjeita jotka yhdistävät murtumismekaaniset parametrit ja plastisen ylikuorman suunnittelun Näiden tarkempi analyysi on jatkokurssin asiaa Jos tuntee parametrit, suunnittelumenetelmä tukee ja helpottaa analyysiä Jos ei ymmärrä menetelmän perusteita, ei menetelmä taluta oikeaan ratkaisuun

37 Väsyminen

38 1842, Versailles

39 Wöhler

40 Klassinen väsymismitoitus

41 Coffin - Manson 41

42

43 Hajonta S-N käyrässä 43

44 Vaihteleva (toistuva) kuormitus R = s max s min Ds = s max -s min 44

45 Keskijännitys 45

46 Keskijännityksen hallitsemiseksi voidaan joko Testata eri keskijännityksillä tai Arvioida väsymiskestävyyttä eri keskijännityksellä tehdyn datan perusteella

47 Keskijännitys Goodman (1899) ì s = s í 1- s 0 a fs î s UTS ü ý þ Gerber (1874) ì ï æ s = s í 1- s 0 a fs ç î ï è s UTS ö ø 2 ü ï ý þ ï 47

48 Keskijännityksen vaikutus Modified Goodman equation Gerber parabola a ar m u 1 a ar m u 2 1 m 0

49 Keskijännityksen vaikutus ar max a max 0 ar max 1 R 2 max 0 Smith, Watson, and Topper (SWT) equation

50 Keskijännityksen vaikutus ar 1 max a ( max 0) ar max Walker equation 1 R 2 max 0

51 Kun kuormituksessa erilaisia jaksoja Kukin jakso vie osan väsymiskestoiästä

52 Miner Yksinkertainen lineaarinen summaatio Jaksojen järjestyksen oletetaan olevan merkityksetön D = m å i =1 n i N f,i 52 52

53 ... mutta Todellisuudessa eri jaksojen järjestyksellä on merkitystä pienetkin syklit aiheuttavat vauriota kun se on päässyt alkuun satunnaiset ylikuormitukset parantavat kestävyyttä Minerin kaava silti yleisesti käytössä helpon käytettävyyden vuoksi

54 Entä kun kuormitus satunnaista Täytyy olla jokin tapa erottaa "syklit" satunnaisesti vaihtelevasta kuormituksesta Useita menetelmiä Käytetyin "rainflow" -menetelmä

55 Spektriväsytys 55

56 High-cycle vs. Low cycle 56

57 Alexander Kielland, 1980

58 UA232, DC-10, 1989

59 Eschede, 1998

60 Yleisin vaurio

61 Mitä tapahtuu ennen katastrofia? Miten vaurio syntyyy? Miten vaurio etenee? Mitä väsyminen on?

62 Materiaalimuutokset väsymisen aikana Vähäisiä Dislokaatiorakenteet muuttuvat Suurella kuormituksella havaitaan lujittumista tai pehmenemistä 62

63 Sykliset jännitys-venymäkäyrät 63

64 Vaurio alkaa särön muodostumisella Extruusio Intruusio Deformoitumaton matriisi

65 Sulkeumien vaikutus väsymisrajaan C riippuu sulkeuman sijainnista (C=1.56 pinnan alaisille sulkeumille ja C=1.43 pintasulkeumille) 65

66 Väsymissärön kasvu

67 Vaurio keskittyy särön kärkeen

68 Särön kasvu kiihdyttää vauriota

69 Väsymisrajan luonne Väsymisraja häviää spektriväsytyksessä, ympäristövaikutteisessa väsytyksessä, jne. Väsymisrajaa ei havaita kaikilla materiaaleilla 69

70 70

71 Lujuuden vaikutus 0.5 x UTS 1.6 x HV 71

72 Paris: särönkasvua voidaan ennustaa Särönkasvu (µm / sykli) Kynnys K

73 Särön eteneminen näkyy murtopinnalla

74 Murtopinta-analyysi Ydintymiskohta Beach marks 74

75 ... ja mikroskoopissa Väsymisjuovat (striations)

76 Väsyminen = ydintyminen + särönkasvu Extruusio Intruusio matriisi Deformoitumaton +

77 Ydintymisen osuus 900 Jännitysvaihtelu (MPa), Särönpituus (µm) Syklit 10 6

78 Väsymisen hallinta

79 Valmistuksen laaduntarkkailu Väsymissuunnittelun parantaminen Turvallisuuskulttuuri Parannetut valmistuksen aikaiset tarkastukset Parannettu käytön aikaiset tarkastukset Lisätty käytön aikaisia tarkastuksia

80 Yhteenveto Väsyminen on vaihtokuorman ajamaa kiihtyvää särönkasvua Väsymisen hallinta kattaa koko tuotteen elinkaaren Suunnittelu Valmistus Seuranta

Väsymissärön ydintyminen

Väsymissärön ydintyminen Väsymissärön ydintyminen 20.11.2015 1 Vaurio alkaa särön muodostumisella Extruusio Intruusio Deformoitumaton matriisi S-N käyrät Testattu sauvan katkeamiseen Kuvaavat aikaa "engineering särön muodostumiseen"

Lisätiedot

Murtumismekanismit: Väsyminen

Murtumismekanismit: Väsyminen KJR-C2004 Materiaalitekniikka Murtumismekanismit: Väsyminen 11.2.2016 Väsyminen Väsyminen on dynaamisen eli ajan suhteen aiheuttamaa vähittäistä vaurioitumista. Väsymisvaurio ilmenee särön, joka johtaa

Lisätiedot

Vauriomekanismi: Väsyminen

Vauriomekanismi: Väsyminen Vauriomekanismi: Väsyminen Väsyminen Väsyminen on vaihtelevan kuormituksen aiheuttamaa vähittäistä vaurioitumista. Erään arvion mukaan 90% vaurioista on väsymisen aiheuttamaa. Väsymisikää voidaan kuvata

Lisätiedot

Murtumismekaniikka II. Transitiokäyttäytyminen ja haurasmurtuma

Murtumismekaniikka II. Transitiokäyttäytyminen ja haurasmurtuma Murtumismekaniikka II Transitiokäyttäytyminen ja haurasmurtuma Kertauskysymyksiä: Miksi säröt ovat vaarallisia? Miksi säröllinen kappale ei murru pienellä jännityksellä? Mikä on G? Yksikkö? Mikä on K?

Lisätiedot

Vaatimukset. Rakenne. Materiaalit ja niiden ominaisuudet

Vaatimukset. Rakenne. Materiaalit ja niiden ominaisuudet Vaurioituminen I Vaatimukset Rakenne Materiaalit ja niiden ominaisuudet 3 Vaurioituminen Miksi materiaalit murtuvat? Miten materiaalit murtuvat? Timo Kiesi 18.9.2013 4 Miksi insinöörin pitää tietää vauriomekanismeista?

Lisätiedot

Murtumismekaniikka III LEFM => EPFM

Murtumismekaniikka III LEFM => EPFM Murtumismekaniikka III LEFM => EPFM LEFM Rajoituksia K on validi, kun plastisuus rajoittuu pienelle alueelle särön kärkeen mitattavat TMMT-tilassa Hauraille materiaaleille Validiteetti Standardin kokeellinen

Lisätiedot

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾.

Koska ovat negatiiviset. Keskihajontoja ei pystytä laskemaan mutta pätee ¾. 24.11.2006 1. Oletetaan, että kaksiulotteinen satunnaismuuttuja µ noudattaa kaksiulotteista normaalijakaumaa. Oletetaan lisäksi, että satunnaismuuttujan regressiofunktio satunnaismuuttujan suhteen on ݵ

Lisätiedot

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden 1.12.2006 1. Satunnaisjakauman tiheysfunktio on Ü µ Üe Ü, kun Ü ja kun Ü. Määritä parametrin estimaattori momenttimenetelmällä ja suurimman uskottavuuden menetelmällä. Ratkaisu: Jotta kyseessä todella

Lisätiedot

Tuukka Yrttimaa. Vaurioituminen. Sitkeä- ja haurasmurtuma. Brittle and Ductile Fracture

Tuukka Yrttimaa. Vaurioituminen. Sitkeä- ja haurasmurtuma. Brittle and Ductile Fracture Tuukka Yrttimaa Vaurioituminen Sitkeä- ja haurasmurtuma Brittle and Ductile Fracture Sitkeä- ja haurasmurtuma Metallin kyky plastiseen deformaatioon ratkaisee murtuman luonteen (kuva 1) [3] Murtumaan johtaa

Lisätiedot

Väsyminen. Amanda Grannas

Väsyminen. Amanda Grannas Väsyminen Amanda Grannas Väsyminen Materiaalin struktuurin heikentyminen vaihtelevan kuormitusten tai jännitysten seurauksena Lähtee usein säröstä leviää kasvaa (syklinen jännityskuormitus jatkuu) murtuma

Lisätiedot

Hitsaustekniikkaa suunnittelijoille koulutuspäivä Hitsattujen rakenteiden lujuustarkastelu Tatu Westerholm

Hitsaustekniikkaa suunnittelijoille koulutuspäivä Hitsattujen rakenteiden lujuustarkastelu Tatu Westerholm Hitsaustekniikkaa suunnittelijoille koulutuspäivä 27.9.2005 Hitsattujen rakenteiden lujuustarkastelu Tatu Westerholm HITSAUKSEN KÄYTTÖALOJA Kehärakenteet: Ristikot, Säiliöt, Paineastiat, Koneenrungot,

Lisätiedot

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾

edellyttää valintaa takaisinpanolla Aritmeettinen keskiarvo Jos, ½ Ò muodostavat satunnaisotoksen :n jakaumasta niin Otosvarianssi Ë ¾ ËØÙ ÓØÓ Ø Mitta-asteikot Nominaali- eli laatueroasteikko Ordinaali- eli järjestysasteikko Intervalli- eli välimatka-asteikko ( nolla mielivaltainen ) Suhdeasteikko ( nolla ei ole mielivaltainen ) Otos

Lisätiedot

Pienahitsien materiaalikerroin w

Pienahitsien materiaalikerroin w Pienahitsien materiaalikerroin w Pienahitsien komponenttimenettely (SFS EN 1993-1-8) Seuraavat ehdot pitää toteutua: 3( ) ll fu w M ja 0,9 f u M f u = heikomman liitettävän osan vetomurtolujuus Esimerkki

Lisätiedot

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko

Otosavaruus ja todennäköisyys Otosavaruus Ë on joukko, jonka alkiot ovat kokeen tulokset Tapahtuma on otosavaruuden osajoukko ÌÓÒÒĐĐÓ ÝÝ ÔÖÙ ØØ Naiiveja määritelmiä Suhteellinen frekvenssi kun ilmiö toistuu Jos tehdas on valmistanut 1000000 kpl erästä tuotetta, joista 5013 ovat viallisia, niin todennäköisyys, että tuote on viallinen

Lisätiedot

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi.

¼ ¼ joten tulokset ovat muuttuneet ja nimenomaan huontontuneet eivätkä tulleet paremmiksi. 10.11.2006 1. Pituushyppääjä on edellisenä vuonna hypännyt keskimäärin tuloksen. Valmentaja poimii tämän vuoden harjoitusten yhteydessä tehdyistä muistiinpanoista satunnaisesti kymmenen harjoitushypyn

Lisätiedot

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä

Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä Tilastollisen analyysin perusteet Luento 8: Lineaarinen regressio, testejä ja luottamusvälejä arvon Sisältö arvon Bootstrap-luottamusvälit arvon arvon Oletetaan, että meillä on n kappaletta (x 1, y 1 ),

Lisätiedot

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen

Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen Simulation and modeling for quality and reliability (valmiin työn esittely) Aleksi Seppänen 16.06.2014 Ohjaaja: Urho Honkanen Valvoja: Prof. Harri Ehtamo Työn saa tallentaa ja julkistaa Aalto-yliopiston

Lisätiedot

Ympäristövaikutteinen murtuminen EAC

Ympäristövaikutteinen murtuminen EAC Ympäristövaikutteinen murtuminen EAC Ympäristövaikutteinen murtuminen Yleisnimitys vaurioille, joissa ympäristö altistaa ennenaikaiselle vauriolle Lukuisia eri mekanismeja ja tyyppejä Tässä: Jännistyskorroosio

Lisätiedot

Kon Luento 12 -Säteilyhaurastuminen -Mikrorakenteen vaikutus murtumiseen -Yhteenveto -CASE: Murtumismekanismien yhteisvaikutukset

Kon Luento 12 -Säteilyhaurastuminen -Mikrorakenteen vaikutus murtumiseen -Yhteenveto -CASE: Murtumismekanismien yhteisvaikutukset Kon-67.3401 Luento 12 -Säteilyhaurastuminen -Mikrorakenteen vaikutus murtumiseen -Yhteenveto -CASE: Murtumismekanismien yhteisvaikutukset Säteilyhaurastuminen Reaktoripaineastia ja sisukset 12/3/2015 3

Lisätiedot

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8,

Näihin harjoitustehtäviin liittyvä teoria löytyy Adamsista: Ad6, Ad5, 4: 12.8, ; Ad3: 13.8, TKK, Matematiikan laitos Gripenberg/Harhanen Mat-1.432 Matematiikan peruskurssi K2 Harjoitus 4, (A=alku-, L=loppuviikko, T= taulutehtävä, P= palautettava tehtävä, W= verkkotehtävä ) 12 16.2.2007, viikko

Lisätiedot

Kuparikapselin pitkäaikaiskestävyys

Kuparikapselin pitkäaikaiskestävyys Kuparikapselin pitkäaikaiskestävyys Juhani Rantala, Pertti Auerkari, Stefan Holmström & Jorma Salonen VTT, Espoo Tapio Saukkonen TKK Materiaalitekniikan laboratorio, Espoo KYT2010 Puoliväliseminaari 26.9.2008,

Lisätiedot

Testaus ja suunnittelu. Heikki Lagus

Testaus ja suunnittelu. Heikki Lagus Testaus ja suunnittelu Heikki Lagus Tehtävänanto Kerro lyhyesti seuraavista testausmenetelmistä, niistä saatavasta datasta ja miten sitä voidaan hyödyntää suunnittelussa: Charpy-V iskusitkeyskoe (impact

Lisätiedot

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH

8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH 8. Muita stokastisia malleja 8.1 Epölineaariset mallit ARCH ja GARCH Osa aikasarjoista kehittyy hyvin erityyppisesti erilaisissa tilanteissa. Esimerkiksi pörssikurssien epävakaus keskittyy usein lyhyisiin

Lisätiedot

JULKISEN HALLINNON DIGITAALISEN TURVALLISUUDEN JOHTORYHMÄN SIHTEERISTÖN (VAHTI-sihteeristö) JA ASIANTUNTIJAJAOSTON ASETTAMINEN

JULKISEN HALLINNON DIGITAALISEN TURVALLISUUDEN JOHTORYHMÄN SIHTEERISTÖN (VAHTI-sihteeristö) JA ASIANTUNTIJAJAOSTON ASETTAMINEN Asettamispäätös ÊÓñîïëëñððòðïòððòðïñîðïê Ö«µ ÝÌó± ± ïòíòîðïé Ö«µ ²»² JULKISEN HALLINNON DIGITAALISEN TURVALLISUUDEN JOHTORYHMÄN SIHTEERISTÖN (VAHTI-sihteeristö) JA ASIANTUNTIJAJAOSTON ASETTAMINEN Ê ±ª

Lisätiedot

VÄSYMISMITOITUS Pasila. Antti Silvennoinen, WSP Finland

VÄSYMISMITOITUS Pasila. Antti Silvennoinen, WSP Finland TIESILTOJEN VÄSYMISMITOITUS Siltaeurokoodikoulutus- Teräs-, liitto- ja puusillat 29.-30.3.2010 Pasila Antti Silvennoinen, WSP Finland TIESILTOJEN VÄSYMISMITOITUS Väsymisilmiö Materiaaliosavarmuuskertoimet

Lisätiedot

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4

3.11.2006. ,ܾ jaü on annettu niin voidaan hakea funktion 0.1 0.2 0.3 0.4 Ü µ ½ ¾Ü¾µ Ü¾Ê 3.11.2006 1. Satunnaismuuttujan tiheysfunktio on ¼ ļ ܽ ܾ ÜÒµ Ä Ü½ ÜÒµ Ò Ä Ü½ ܾ ÜÒµ ܽ µ ܾ µ ÜÒ µ Ò missä tietenkin vaaditaan, että ¼. Muodosta :n ¾Ä ܽ ÜÒµ Ò ½¾ ܾ Ò ½ ¾Ü¾½µ ½ ¾Ü¾Òµ

Lisätiedot

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan 17.11.2006 1. Kahdesta kohteesta (A ja K) kerättiin maanäytteitä ja näistä mitattiin SiO -pitoisuus. Tulokset (otoskoot ja otosten tunnusluvut): A K 10 16 Ü 64.94 57.06 9.0 7.29 Oletetaan mittaustulosten

Lisätiedot

Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!

Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)! LUT-Kone Timo Björk BK80A2202 Teräsrakenteet I: 17.12.2015 Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon käsittelystä p. 1/18 Puuttuvan tiedon käsittelystä pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto Puuttuvan tiedon

Lisätiedot

TERÄKSEN KÄYTTÄYTYMINEN ÄÄRIOLOSUHTEISSA.

TERÄKSEN KÄYTTÄYTYMINEN ÄÄRIOLOSUHTEISSA. 1 SAVONIA-AMK TEKNIIKKA/ KUOPIO HitSavonia- projekti Seppo Vartiainen Esitelmä paineastiat / hitsausseminaarissa 1.11.05 TERÄKSEN KÄYTTÄYTYMINEN ÄÄRIOLOSUHTEISSA. Kylmät olosuhteet. Teräksen transitiokäyttäytyminen.

Lisätiedot

AKSIAALIVUOSÄHKÖMOOTTORIN VALURUNGON VÄSYMISTARKASTELU

AKSIAALIVUOSÄHKÖMOOTTORIN VALURUNGON VÄSYMISTARKASTELU LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillinen tiedekunta Konetekniikan koulutusohjelma BK10A0400 Kandidaatintyö ja seminaari AKSIAALIVUOSÄHKÖMOOTTORIN VALURUNGON VÄSYMISTARKASTELU Lappeenrannassa 3.2.2011

Lisätiedot

7.4 PERUSPISTEIDEN SIJAINTI

7.4 PERUSPISTEIDEN SIJAINTI 67 7.4 PERUSPISTEIDEN SIJAINTI Optisen systeemin peruspisteet saadaan systeemimatriisista. Käytetään seuraavan kuvan merkintöjä: Kuvassa sisäänmenotaso on ensimmäisen linssin ensimmäisessä pinnassa eli

Lisätiedot

Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!

Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)! LUT-Kone Timo Björk BK80A2202 Teräsrakenteet I: 31.3.2016 Oheismateriaalin käyttö EI sallittua, mutta laskimen käyttö on sallittua Vastaukset tehtäväpaperiin, joka PALAUTETTAVA (vaikka vastaamattomana)!

Lisätiedot

"h 'ffi: ,t^-? ùf 'J. x*r:l-1. ri ri L2-14. a)5-x:8-7x b) 3(2x+ l) :6x+ 1 c) +* +5 * I : 0. Talousmatematiikan perusteet, onus to o.

h 'ffi: ,t^-? ùf 'J. x*r:l-1. ri ri L2-14. a)5-x:8-7x b) 3(2x+ l) :6x+ 1 c) +* +5 * I : 0. Talousmatematiikan perusteet, onus to o. 1 Vaasan yopso, kev a 0 7 Taousmaemakan perusee, onus o o R1 R R3 R ma 1-1 ma 1-1 r 08-10 r -1 vkko 3 F9 F53 F5 F53 1.-0..01 R5 R o R7 pe R8 pe - r-1 08-10 10-1 F53 F10 F5 F9 1. Sevennä seuraava ausekkee.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 30. marraskuuta 2007 Antti Rasila () TodB 30. marraskuuta 2007 1 / 19 1 Lineaarinen regressiomalli ja suurimman uskottavuuden menetelmä Minimin löytäminen

Lisätiedot

pitkittäisaineistoissa

pitkittäisaineistoissa Puuttuvan tiedon ongelma p. 1/18 Puuttuvan tiedon ongelma pitkittäisaineistoissa Tapio Nummi tan@uta.fi Matematiikan, tilastotieteen ja filosofian laitos Tampereen yliopisto mtl.uta.fi/tilasto/sekamallit/puupitkit.pdf

Lisätiedot

Vastaanotettu Hyväksytty Julkaistu verkossa

Vastaanotettu Hyväksytty Julkaistu verkossa Rakenteiden Mekaniikka Vol. 50, Nro 3, 2017, s. 153-157 https://rakenteidenmekaniikka.journal.fi/index https://doi.org/10.23998/rm.23998/rm.65049 Kirjoittaja(t) 2017. Vapaasti saatavilla CC BY-SA 4.0 lisensioitu.

Lisätiedot

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio

Tilastollisen analyysin perusteet Luento 9: Moniulotteinen lineaarinen. regressio Tilastollisen analyysin perusteet Luento 9: lineaarinen lineaarinen Sisältö lineaarinen lineaarinen lineaarinen Lineaarinen Oletetaan, että meillä on n kappaletta (x 1, y 1 ), (x 2, y 2 )..., (x n, y n

Lisätiedot

Harjoitus 11. Betonin lujuudenkehityksen arviointi

Harjoitus 11. Betonin lujuudenkehityksen arviointi Harjoitus 11 Betonin lujuudenkehityksen arviointi Betonin lujuudenkehityksen arvioiminen Normaali- ja talviolosuhteet T = +5 +40 C lujuudenkehityksen nopeus muuttuu voimakkaasti, mutta loppulujuus sama

Lisätiedot

JÄNNEVIRRAN SILLAN VÄSYMISMITOITUS MITATULLA LIIKENNEKUORMALLA

JÄNNEVIRRAN SILLAN VÄSYMISMITOITUS MITATULLA LIIKENNEKUORMALLA JÄNNEVIRRAN SILLAN VÄSYMISMITOITUS MITATULLA LIIKENNEKUORMALLA DIPLOMITYÖN SISÄLTÖ Teoria osuus Väsymismitoitus Eurokoodin mukaan Väsymisluokka Hitsin jälkikäsittelymenetelmät Mitatut liikennekuormat Jännevirran

Lisätiedot

Visuaalinen ilme (luonnos)

Visuaalinen ilme (luonnos) Työterveys Helsinki Visuaalinen ilme (luonnos) 24.11.2015 1 Työterveys Helsingin ilmeessä sovelletaan Helsingin kaupungille luotuja visuaalisen ilmeen elementtejä uudella kuosilla, tunnuksella ja väripaletilla

Lisätiedot

Valetun valukappaleelle on asetettu usein erilaisia mekaanisia ominaisuuksia, joita mitataan aineenkoestuksella.

Valetun valukappaleelle on asetettu usein erilaisia mekaanisia ominaisuuksia, joita mitataan aineenkoestuksella. K. Aineen koestus Pekka Niemi Tampereen ammattiopisto Valetun valukappaleelle on asetettu usein erilaisia mekaanisia ominaisuuksia, joita mitataan aineenkoestuksella. K. 1 Väsyminen Väsytyskokeella on

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 15 1 Tilastollisia testejä Z-testi Normaalijakauman odotusarvon testaus, keskihajonta tunnetaan

Lisätiedot

Vaasan ammattikorkeakoulu, University of Applied Sciences Publications OTHER PUBLICATIONS C10

Vaasan ammattikorkeakoulu, University of Applied Sciences Publications OTHER PUBLICATIONS C10 Vaasan ammattikorkeakoulu, University of Applied Sciences Publications OTHER PUBLICATIONS C10 VÄSYMISLUJUUDEN MITOITUSMENETELMÄT - nykytila ja tulevaisuuden näkymät Matti Makkonen Vaasa 2011 TIIVISTELMÄ

Lisätiedot

Todennäköisyysteoriaan pohjautuva väsymisanalyysi. Seminaari Oulun yliopistossa, toukokuu 2014 Roger Rabb

Todennäköisyysteoriaan pohjautuva väsymisanalyysi. Seminaari Oulun yliopistossa, toukokuu 2014 Roger Rabb Todennäköisyysteoriaan pohjautuva väsymisanalyysi Seminaari Oulun yliopistossa, toukokuu 2014 Roger Rabb Osa II: Muuttuva-amplitudinen jännitys Kirjan luvut 16...21 Todennäköisyysteoriaanpohjautuva väsymisanalyysi,

Lisätiedot

DEE Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 2 ratkaisuiksi

DEE Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen 2 ratkaisuiksi DEE-4000 Sähkömagneettisten järjestelmien lämmönsiirto Ehdotukset harjoituksen ratkaisuiksi Yleistä asiaa lämmönjohtumisen yleiseen osittaisdifferentiaaliyhtälöön liittyen Lämmönjohtumisen yleinen osittaisdifferentiaaliyhtälön

Lisätiedot

Murtumismekaniikka. Jussi Tamminen

Murtumismekaniikka. Jussi Tamminen Murtumismekaniikka Jussi Tamminen Taustaa Murtumismekaanisia kokeita kehitetty 1950-luvun lopusta asti Materiaali murtuu yleensä nimellysjännitystä pienemmällä jännityksellä Kriittisen vikakoon määrittäminen

Lisätiedot

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla?

(b) Onko hyvä idea laske pinta-alan odotusarvo lähetmällä oletuksesta, että keppi katkeaa katkaisukohdan odotusarvon kohdalla? 6.10.2006 1. Keppi, jonka pituus on m, taitetaan kahtia täysin satunnaisesti valitusta kohdasta ja muodostetaan kolmio, jonka kateetteina ovat syntyneet palaset. Kolmion pinta-ala on satunnaismuuttuja.

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 22. marraskuuta 2007 Antti Rasila () TodB 22. marraskuuta 2007 1 / 17 1 Epäparametrisia testejä (jatkoa) χ 2 -riippumattomuustesti 2 Johdatus regressioanalyysiin

Lisätiedot

Ultralujien terästen hitsausliitosten väsymislujuus

Ultralujien terästen hitsausliitosten väsymislujuus Ultralujien terästen hitsausliitosten väsymislujuus Timo Björk Lappeenrannan teknillinen yliopisto LUT Kone Teräsrakenteiden laboratorio Johdanto Hitsauksen laatu??? - Rakenteen lopullinen käyttötarkoitus

Lisätiedot

Identifiointiprosessi

Identifiointiprosessi Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi

Lisätiedot

p q = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 + (z 1 z 2 ) 2. x 1 y 1 z 1 x 2 y 2 z 2

p q = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 + (z 1 z 2 ) 2. x 1 y 1 z 1 x 2 y 2 z 2 º ÅÓÒ ÙÐÓØØ Ø Ö ÒØ Ð Ð ÒØ º½ Â Ø ÙÚÙÙ Ó ØØ Ö Ú Ø Ø Ù Ò ÑÙÙØØÙ Ò ÙÒ Ø Ó Ò Ö ÒØ Ð Ð ÒØ ÐÑÔ Ø Ð ÓÒ Ò Ô Ò ÙÒ Ø Ó T(x, y, z.t) ÄÑÔ Ø Ð Ö ÒØØ ÐÑÓ ØØ Ñ Ò ÙÙÒØ Ò ÐÑÔ Ø Ð Ú ÚÓ Ñ ÑÑ Ò Ù Ò Ð ÐÑÔ Ø Ð Ö ÒØØ ½½ ÃÓÓÖ

Lisätiedot

LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillinen tiedekunta LUT Metalli Konetekniikan koulutusohjelma KESTOMAGNEETTIKONEEN ROOTTORIN VÄSYMISANALYYSI

LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillinen tiedekunta LUT Metalli Konetekniikan koulutusohjelma KESTOMAGNEETTIKONEEN ROOTTORIN VÄSYMISANALYYSI LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillinen tiedekunta LUT Metalli Konetekniikan koulutusohjelma Tommi Veiste KESTOMAGNEETTIKONEEN ROOTTORIN VÄSYMISANALYYSI Tarkastajat: Professori Aki Mikkola DI Janne

Lisätiedot

EPMAn tarjoamat analyysimahdollisuudet

EPMAn tarjoamat analyysimahdollisuudet Top Analytica Oy Ab Laivaseminaari 27.8.2013 EPMAn tarjoamat analyysimahdollisuudet Jyrki Juhanoja, Top Analytica Oy Johdanto EPMA (Electron Probe Microanalyzer) eli röntgenmikroanalysaattori on erikoisrakenteinen

Lisätiedot

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja

Luento KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 1 Luento 23.9.2014 KERTAUSTA Kaksiulotteinen jakauma Pisteparvi, Toyota Avensis -farmariautoja 2 Ristiintaulukko Esim. Toyota Avensis farmariautoja, nelikenttä (2x2-taulukko) 3 Esim. 5.2.6. Markkinointisuunnitelma

Lisätiedot

Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely)

Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely) Tuotantoprosessin optimaalinen aikataulutus (valmiin työn esittely) Joona Kaivosoja 01.12.2014 Ohjaaja: DI Ville Mäkelä Valvoja: Prof. Ahti Salo Työn saa tallentaa ja julkistaa Aalto-yliopiston avoimilla

Lisätiedot

Identifiointiprosessi

Identifiointiprosessi Alustavia kokeita Identifiointiprosessi Koesuunnittelu, identifiointikoe Mittaustulosten / datan esikäsittely Ei-parametriset menetelmät: - Transientti-, korrelaatio-, taajuus-, Fourier- ja spektraalianalyysi

Lisätiedot

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu

P(X = x T (X ) = t, θ) = p(x = x T (X ) = t) ei riipu tuntemattomasta θ:sta. Silloin uskottavuusfunktio faktorisoituu 1. Tyhjentävä tunnusluku (sucient statistics ) Olkoon (P(X = x θ) : θ Θ) todennäköisyysmalli havainnolle X. Datan funktio T (X ) on Tyhjentävä tunnusluku jos ehdollinen todennäköisyys (ehdollinen tiheysfunktio)

Lisätiedot

Esimerkki: Tietoliikennekytkin

Esimerkki: Tietoliikennekytkin Esimerkki: Tietoliikennekytkin Tämä Mathematica - notebook sisältää luennolla 2A (2..26) käsitellyn esimerkin laskut. Esimerkin kuvailu Tarkastellaan yksinkertaista mallia tietoliikennekytkimelle. Kytkimeen

Lisätiedot

Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio

Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Tilastollisen analyysin perusteet Luento 7: Lineaarinen regressio Sisältö Regressioanalyysissä tavoitteena on tutkia yhden tai useamman selittävän muuttujan vaikutusta selitettävään muuttujaan. Sen avulla

Lisätiedot

WESTENERGY OY AB MUSTASAAREN JÄTTEENPOLTTOLAITOKSEN KATTILATUHKA JA SAVUKAASUNPUHDISTUSJÄTE

WESTENERGY OY AB MUSTASAAREN JÄTTEENPOLTTOLAITOKSEN KATTILATUHKA JA SAVUKAASUNPUHDISTUSJÄTE 29/15/KRi 4.2.2015 1(9) WESTENERGY OY AB MUSTASAAREN JÄTTEENPOLTTOLAITOKSEN KATTILATUHKA JA SAVUKAASUNPUHDISTUSJÄTE Vuosiraportti 2014 16/15/KRi 21.1.2015 2(9) SISÄLLYS 1 Johdanto... 3 2 Näytteenotto...

Lisätiedot

Kon Teräkset Harjoituskierros 6.

Kon Teräkset Harjoituskierros 6. Kon-67.3110 Teräkset Harjoituskierros 6. Timo Kiesi Koneenrakennuksen materiaalitekniikan tutkimusryhmä Koneenrakennustekniikka Viikkoharjoitus #6 - kysymykset Mitä on karkaisu? Miten karkaisu suunnitellaan?

Lisätiedot

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon

Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä Olkoot γ : [a, b] R m paloittain C 1 -polku välin [a, b] jaon Polkuintegraali yleistyy helposti paloitain C 1 -poluille. Määritelmä 4.1.3. Olkoot : [a, b] R m paloittain C 1 -polku välin [a, b] jaon P = {a = t 1 < < t k = b} ja joukko D R m sellainen, että ([a, b])

Lisätiedot

Todennäköisyyden ominaisuuksia

Todennäköisyyden ominaisuuksia Todennäköisyyden ominaisuuksia 0 P(A) 1 (1) P(S) = 1 (2) A B = P(A B) = P(A) + P(B) (3) P(A) = 1 P(A) (4) P(A B) = P(A) + P(B) P(A B) (5) Tapahtuman todennäköisyys S = {e 1,..., e N }. N A = A. Kun alkeistapaukset

Lisätiedot

KANSALLINEN LIITE (LVM) SFS-EN 1993-2 TERÄSRAKENTEIDEN SUUNNITTELU Sillat LIIKENNE- JA VIESTINTÄMINISTERIÖ

KANSALLINEN LIITE (LVM) SFS-EN 1993-2 TERÄSRAKENTEIDEN SUUNNITTELU Sillat LIIKENNE- JA VIESTINTÄMINISTERIÖ KANSALLINEN LIITE (LVM) SFS-EN 1993-2 TERÄSRAKENTEIDEN SUUNNITTELU Sillat LIIKENNE- JA VIESTINTÄMINISTERIÖ 1.6.2010 Kansallinen liite (LVM), 1.6.2010 1/9 Alkusanat KANSALLINEN LIITE (LVM) STANDARDIIN SFS-EN

Lisätiedot

esitellä omia kokemuksia PTW uudesta timantti-ilmaisimesta

esitellä omia kokemuksia PTW uudesta timantti-ilmaisimesta Timantti-ilmaisimen ilmaisimen käyttöön- ottotestaus HUS:ssa 2014 Agenda ja tavoite: esitellä omia kokemuksia PTW uudesta timantti-ilmaisimesta Antti Kulmala, Fyysikko HUS-sädehoito 10/06/2015 NEUVOTTELUPÄIVÄT

Lisätiedot

CHEM-A1410 Materiaalitieteen perusteet

CHEM-A1410 Materiaalitieteen perusteet CHEM-A1410 Materiaalitieteen perusteet Laskuharjoitus 18.9.2017, Materiaalien ominaisuudet Tämä harjoitus ei ole arvioitava, mutta tämän tyyppisiä tehtäviä saattaa olla tentissä. Tehtävät perustuvat kurssikirjaan.

Lisätiedot

Harjoitus 7: NCSS - Tilastollinen analyysi

Harjoitus 7: NCSS - Tilastollinen analyysi Harjoitus 7: NCSS - Tilastollinen analyysi Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tilastollinen testaus Testaukseen

Lisätiedot

HITSATUN LIITOKSEN VÄSYMISKESTÄVYYDEN MÄÄRITTÄMINEN SÄRÖN KASVUN SIMULOINNILLA

HITSATUN LIITOKSEN VÄSYMISKESTÄVYYDEN MÄÄRITTÄMINEN SÄRÖN KASVUN SIMULOINNILLA LAPPEENRANNAN TEKNILLINEN YLIOPISTO Teknillinen tiedekunta LUT Metalli Teräsrakenteiden laboratorio BK10A0400 Kandidaatintyö ja seminaari HITSATUN LIITOKSEN VÄSYMISKESTÄVYYDEN MÄÄRITTÄMINEN SÄRÖN KASVUN

Lisätiedot

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä.

MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. MS-A0204 Differentiaali- ja integraalilaskenta 2 (ELEC2) Luento 7: Pienimmän neliösumman menetelmä ja Newtonin menetelmä. Antti Rasila Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Kevät 2016

Lisätiedot

Regressioanalyysi. Kuusinen/Heliövaara 1

Regressioanalyysi. Kuusinen/Heliövaara 1 Regressioanalyysi Kuusinen/Heliövaara 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Oletetaan, että haluamme selittää jonkin selitettävän muuttujan havaittujen arvojen vaihtelun joidenkin

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Lauri Viitasaari Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2016 Tilastolliset aikasarjat voidaan jakaa kahteen

Lisätiedot

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas TUTKIMUSAINEISTON ANALYYSI LTKY012 Timo Törmäkangas LUENNOT Luento Paikka Vko Päivä Pvm Klo 1 L 304 8 Pe 21.2. 08:15-10:00 2 L 304 9 To 27.2. 12:15-14:00 3 L 304 9 Pe 28.2. 08:15-10:00 4 L 304 10 Ke 5.3.

Lisätiedot

Inversio-ongelmien laskennallinen peruskurssi Luento 2

Inversio-ongelmien laskennallinen peruskurssi Luento 2 Inversio-ongelmien laskennallinen peruskurssi Luento 2 Kevät 2012 1 Lineaarinen inversio-ongelma Määritelmä 1.1. Yleinen (reaaliarvoinen) lineaarinen inversio-ongelma voidaan esittää muodossa m = Ax +

Lisätiedot

DEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset

DEE Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille tarkoitetut ratkaisuehdotukset DEE- Lineaariset järjestelmät Harjoitus 5, harjoitustenpitäjille taroitetut rataisuehdotuset Tämän harjoitusen ideana on opetella -muunnosen äyttöä differenssiyhtälöiden rataisemisessa Lisäsi äytetään

Lisätiedot

Regressioanalyysi. Vilkkumaa / Kuusinen 1

Regressioanalyysi. Vilkkumaa / Kuusinen 1 Regressioanalyysi Vilkkumaa / Kuusinen 1 Regressioanalyysin idea ja tavoitteet Regressioanalyysin idea: Halutaan selittää selitettävän muuttujan havaittujen arvojen vaihtelua selittävien muuttujien havaittujen

Lisätiedot

3R-menetelmän käyttö vaihtuva-amplitudisesti kuormitettujen hitsausliitosten väsymisanalysoinnissa

3R-menetelmän käyttö vaihtuva-amplitudisesti kuormitettujen hitsausliitosten väsymisanalysoinnissa Rakenteiden Mekaniikka Vol. 49, Nro 4, 2016, s. 176-201 rmseura.tkk.fi/rmlehti/ Kirjoittajat 2016. Vapaasti saatavilla CC BY-SA 4.0 lisensioitu. 3R-menetelmän käyttö vaihtuva-amplitudisesti kuormitettujen

Lisätiedot

Hitsattu rakenne vikojen vaikutus lujuuteen ja elinikään

Hitsattu rakenne vikojen vaikutus lujuuteen ja elinikään Hitsattu rakenne vikojen vaikutus lujuuteen ja elinikään Pertti Auerkari & Jorma Salonen VTT, Espoo sähköposti: pertti.auerkari@vtt.fi SHY NDT-päivät, Turku 24.9.2013 22/09/2013 2 Hitsaus heikentää? Hitsausliitos

Lisätiedot

LIITE 1 VIRHEEN ARVIOINNISTA

LIITE 1 VIRHEEN ARVIOINNISTA 1 Mihin tarvitset virheen arviointia? Mittaustuloksiin sisältyy aina virhettä, vaikka mittauslaite olisi miten uudenaikainen tai kallis tahansa ja mittaaja olisi alansa huippututkija Tästä johtuen mittaustuloksista

Lisätiedot

Matemaatikot ja tilastotieteilijät

Matemaatikot ja tilastotieteilijät Matemaatikot ja tilastotieteilijät Matematiikka/tilastotiede ammattina Tilastotiede on matematiikan osa-alue, lähinnä todennäköisyyslaskentaa, mutta se on myös itsenäinen tieteenala. Tilastotieteen tutkijat

Lisätiedot

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n =

xi = yi = 586 Korrelaatiokerroin r: SS xy = x i y i ( x i ) ( y i )/n = SS xx = x 2 i ( x i ) 2 /n = 1. Tutkitaan paperin ominaispainon X(kg/dm 3 ) ja puhkaisulujuuden Y (m 2 ) välistä korrelaatiota. Tiettyä laatua olevasta paperierästä on otettu satunnaisesti 10 arkkia ja määritetty jokaisesta arkista

Lisätiedot

Tutkimustiedonhallinnan peruskurssi

Tutkimustiedonhallinnan peruskurssi Tutkimustiedonhallinnan peruskurssi Hannu Toivonen, Marko Salmenkivi, Inkeri Verkamo hannu.toivonen, marko.salmenkivi, inkeri.verkamo@cs.helsinki.fi Helsingin yliopisto Hannu Toivonen, Marko Salmenkivi,

Lisätiedot

KUPARISAUVOJEN KOVUUS-, VETO-, JA VÄSYTYSKOKEET ANU VÄISÄNEN, JARMO MÄKIKANGAS, MARKKU KESKITALO, JARI OJALA

KUPARISAUVOJEN KOVUUS-, VETO-, JA VÄSYTYSKOKEET ANU VÄISÄNEN, JARMO MÄKIKANGAS, MARKKU KESKITALO, JARI OJALA KUPARISAUVOJEN KOVUUS-, VETO-, JA VÄSYTYSKOKEET 18.12.2008 ANU VÄISÄNEN, JARMO MÄKIKANGAS, MARKKU KESKITALO, JARI OJALA 1 Johdanto Muovauksen vaikutuksesta metallien lujuus usein kasvaa ja venymä pienenee.

Lisätiedot

À Ö Ö Ð Ù Ø ÅÖ Ø ÐÑ ÙÒ Ø Ó : Æ Æ Ñ (Ò) = O(ÐÓ Ò) ÓÒ Ø Ð ÓÒ ØÖÙÓ ØÙÚ Ó ÐÐ Ò Ò ÙÒ Ø Ó Ó ÙÚ Ñ Ö ÓÒÓÒ ½ Ò (Ò) Ò ÒÖ ØÝ ÐÐ ÓÒ Ð ØØ Ú Ø Ð O( (Ò))º Ä Ù Å Ø Ø

À Ö Ö Ð Ù Ø ÅÖ Ø ÐÑ ÙÒ Ø Ó : Æ Æ Ñ (Ò) = O(ÐÓ Ò) ÓÒ Ø Ð ÓÒ ØÖÙÓ ØÙÚ Ó ÐÐ Ò Ò ÙÒ Ø Ó Ó ÙÚ Ñ Ö ÓÒÓÒ ½ Ò (Ò) Ò ÒÖ ØÝ ÐÐ ÓÒ Ð ØØ Ú Ø Ð O( (Ò))º Ä Ù Å Ø Ø Ì ÔÙÑ ØØÓÑÙÙ Ì Ó Ø ÐÐÒ ÓÒ ÐÑ ÓØ ÓÚ Ø Ô Ö ØØ Ö Ø Ú ÑÙØØ Ó Ò Ö Ø Ù Ú Ø Ò Ò Ô Ð ÓÒ Ø Ø Ð ØØ Ö Ø Ù ÓÐ ÝØÒÒ ÐÚÓÐÐ Ò Òº Í ÑÑ Ø ÓÐ ØØ Ú Ø ØØ ÆȹØÝ ÐÐ Ø ÔÖÓ Ð Ñ Ø ÓÚ Ø Ø ÔÙÑ ØØÓÑ ÒØÖ Ø Ð µ ÑÙØØ ØØ ÓÐ ØÓ Ø ØØÙº

Lisätiedot

TILASTOLLINEN KOON VAIKUTUS MONOTONISESSA KUORMITUKSESSA

TILASTOLLINEN KOON VAIKUTUS MONOTONISESSA KUORMITUKSESSA TILASTOLLINEN KOON VAIKUTUS MONOTONISESSA KUORMITUKSESSA 1 TIIVISTELMÄ Tilastolliset mitoitusmenetelmät ovat valtaamassa alaa metallien väsymislujuuden mitoituksessa. Vanhastaan on ollut tunnettua, että

Lisätiedot

TkL. Matti Koskimäki

TkL. Matti Koskimäki LAPPEENRANNNAN TEKNILLLINEN YLIOPISTO Teknillinen tiedekunta Teräsrakenteiden laboratorio Konetekniikan koulutusohjelma Antti Raskinen DIGITAALISEN VALMISTUKSEN VAIKUTUS HITSATUN RAKENTEEN VÄSYMISKESTÄVYYTEEN

Lisätiedot

Sovellettu todennäköisyyslaskenta B

Sovellettu todennäköisyyslaskenta B Sovellettu todennäköisyyslaskenta B Antti Rasila 8. marraskuuta 2007 Antti Rasila () TodB 8. marraskuuta 2007 1 / 18 1 Kertausta: momenttimenetelmä ja suurimman uskottavuuden menetelmä 2 Tilastollinen

Lisätiedot

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme?

Estimointi. Estimointi. Estimointi: Mitä opimme? 2/4. Estimointi: Mitä opimme? 1/4. Estimointi: Mitä opimme? 3/4. Estimointi: Mitä opimme? TKK (c) Ilkka Mellin (2004) 1 Johdatus tilastotieteeseen TKK (c) Ilkka Mellin (2004) 2 Mitä opimme? 1/4 Tilastollisen tutkimuksen tavoitteena on tehdä johtopäätöksiä prosesseista, jotka generoivat reaalimaailman

Lisätiedot

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen

Oletetaan, että virhetermit eivät korreloi toistensa eikä faktorin f kanssa. Toisin sanoen Yhden faktorin malli: n kpl sijoituskohteita, joiden tuotot ovat r i, i =, 2,..., n. Olkoon f satunnaismuuttuja ja oletetaan, että tuotot voidaan selittää yhtälön r i = a i + b i f + e i avulla, missä

Lisätiedot

YHDEN RAON DIFFRAKTIO. Laskuharjoitustehtävä harjoituksessa 11.

YHDEN RAON DIFFRAKTIO. Laskuharjoitustehtävä harjoituksessa 11. YHDEN RAON DIFFRAKTIO Laskuharjoitustehtävä harjoituksessa 11. Vanha tenttitehtävä Kapean raon Fraunhoferin diffraktiokuvion irradianssijakauma saadaan lausekkeesta æsin b ö I = I0 ç b è ø, missä b = 1

Lisätiedot

Dynaamiset regressiomallit

Dynaamiset regressiomallit MS-C2128 Ennustaminen ja Aikasarja-analyysi, Heikki Seppälä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto Syksy 2015 Viikko 6: 1 Kalmanin suodatin Aiemmin käsitellyt

Lisätiedot

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta

Tilastollisen analyysin perusteet Luento 1: Lokaatio ja hajonta Tilastollisen analyysin perusteet Luento 1: ja hajonta Sisältö Havaittujen arvojen jakauma Havaittujen arvojen jakaumaa voidaan kuvailla ja esitellä tiivistämällä havaintoarvot sopivaan muotoon. Jakauman

Lisätiedot

Å Ø Ñ ØØ ¹ÙÓÒÒÓÒØ Ø Ò Ò Ì Ö ØØ Ö ÙØ ÓÖ Á Å Ö Ò Ò ÌÝ Ò Ò Ñ Ö Ø Ø Ø Ø Ì Ø Ì ØÓ Ò ØØ ÝØ Ø Ò ØÓ Ò ËÖ ÔØ ¹Ô Ó Ñ ÇÔÔ Ò ÄÖÓÑÒ ËÙ Ø Ì ØÓ Ò ØØ ÝØ ÌÝ Ò Ö Ø Ø ÖØ

Å Ø Ñ ØØ ¹ÙÓÒÒÓÒØ Ø Ò Ò Ì Ö ØØ Ö ÙØ ÓÖ Á Å Ö Ò Ò ÌÝ Ò Ò Ñ Ö Ø Ø Ø Ø Ì Ø Ì ØÓ Ò ØØ ÝØ Ø Ò ØÓ Ò ËÖ ÔØ ¹Ô Ó Ñ ÇÔÔ Ò ÄÖÓÑÒ ËÙ Ø Ì ØÓ Ò ØØ ÝØ ÌÝ Ò Ö Ø Ø ÖØ Ò ËÖ ÔØ ¹Ô Ó Ñ Á Å Ö Ò Ò À Ò ½½º º¾¼¼ Ç Ñ ØÓØÙÓØ ÒØÓ Ø ØÓ ÓÒ Ô Ø ¹ Ñ Ò Ö À ÄËÁÆ ÁÆ ÄÁÇÈÁËÌÇ Ì ØÓ Ò ØØ ÝØ Ø Ò ØÓ Å Ø Ñ ØØ ¹ÙÓÒÒÓÒØ Ø Ò Ò Ì Ö ØØ Ö ÙØ ÓÖ Á Å Ö Ò Ò ÌÝ Ò Ò Ñ Ö Ø Ø Ø Ø Ì Ø Ì ØÓ Ò ØØ ÝØ Ø Ò

Lisätiedot

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:

Vapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +

Lisätiedot

Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen

Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen KEMA221 2009 PUHTAAN AINEEN FAASIMUUTOKSET ATKINS LUKU 4 1 PUHTAAN AINEEN FAASIMUUTOKSET Esimerkkejä faasimuutoksista? Tässä luvussa keskitytään faasimuutosten termodynaamiseen kuvaukseen Faasi = aineen

Lisätiedot

Mat Tilastollisen analyysin perusteet, kevät 2007

Mat Tilastollisen analyysin perusteet, kevät 2007 Mat-2.2104 Tilastollisen analyysin perusteet, kevät 2007 2. luento: Tilastolliset testit Kai Virtanen 1 Tilastollinen testaus Tutkimuksen kohteena olevasta perusjoukosta esitetään väitteitä oletuksia joita

Lisätiedot