自动气象站和质量功能部署方法外文翻译资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

自动气象站和质量功能部署方法

摘要：地面测量的可靠性在气象预报，空气质量和气候等各种气象领域都很重要。为了提高这种可靠性，已经建立了与计量学界的更密切的合作。基于使用先进的质量技术对地面测量进行质量评估，本文考察了另一种可能的改进途径。调整质量功能部署（QFD）方法，以便能够分析气象界进行的调查结果。被要求系统分析世界气象组织（WMO）分类和要求的典型自动气象站（AWS）的关键性能特征。 QFD是一种着名的质量工具，可将客户期望与技术功能或工程特性相结合。它可以优先考虑需求并量化评估结果。调查问卷的答案被用作QFD矩阵的输入数据。最终相关性在客户期望或属性与工程特征之间，例如AWS的验证和测量方法，传感器的常规校准以及实施自动化和手动控制。从QFD矩阵的第二层开始，发现为上述需求提供服务的最重要的技术方案与控制AWS软件的开发和升级有关，并且在自动检查和数据传输方面到中央数据库。

关键词：自动气象站;气象; QFD;质量

1.引言

这项工作正在欧洲计量研究计划（EMRP）联合研究项目“METEOMET”的框架内开发。该项目的任务3.6集中在自动气象站（AWS）的软件测试以及AWS的可靠性以及质量上。本文第二部分将部分涉及。目的是介绍如何使用质量评估方法来提高地面测量的可靠性。在评估最终用户（天气预测部门）的需求后，确定了AWS的重要特征。目前，需要确保连续数据监测/生成的质量，提高可靠性和可维护性，并评估地面站测量数据丢失和虚假数据的潜在风险。因此，与最终用户，气象服务和制造商建立了联系。根据准备的问卷系统对气象台的关键性能特征进行了系统分析。该问卷符合世界气象组织（WMO）的分类和要求，WMO（2010年），其中列出了AWS属性的一般描述，例如气象和气候要求，可能的AWS类型，网络，硬件，数据采集和处理软件。然后，根据WMO要求，将质量功能部署（QFD）适用于对AWS所需特性的分析。使用QFD方法获得的结果的详细分析在第3节中介绍了AWS的特定属性，并指出了最佳AWS的重要细节和解决方案。

2.问题

根据WMO的分类和要求，分析了典型AWS的性能特征，WMO（2010）。之后，编写了一份草案版本的问卷，由三个主要问题组成：bull;您的组织细节和气象工作/经验领域是什么？ bull;如何开发气象测量系统具有以下属性（见图4）; bull;如果您可以开发自己的气象测量系统，哪些属性对您而言很重要？图1显示了问卷的统计结果。来自25个国家和16个不同气象部门共收到32份全面答复，其中包括气候，天气预报，航空气象学，测量设备维护，数据控制，校准实验室，空气质量，水文，管理，工程，水电 - 气候服务，农业气象学，观测，研发，信息和观测与地震学。由于调查问卷中的答复也是从欧洲以外地区获得的，所以这一组答案在欧洲层面上甚至更广泛。调查表的答案包括每个绩效特征的优先次序，这是后续分析的输入信息。

2.1 质量方法

进行分析，以便根据AWS的要求识别潜在的质量工具。因此，由于输入和输出数据的性质，最常用的技术，即QFD被选为最合适的技术（Akao和Mazur，2003; Han等，2001）。 QFD方法基于所谓的质量之家（图2），其中包括许多在质量评估过程中专门用于不同功能的房间。第一个房间包括客户的声音，优先级，这是分析的最重要的部分。在这种情况下，这些是AWS的要求，它们是从准备好的问卷中输出的。第二个房间涉及AWS的工程特性。在第三部分中，连接是在两者之间进行的。客户可能需要优先考虑需求以及当前和所期望的状态。四号厅量化了质量评估结果，并且在技术解决方案中展现了相关性。

3.AWS的QFD实现

在本研究的后续研究中，使用质量评估模型对问卷的答案进行分析（Tanand Shen，2000）。根据最终用户需求的评估和最终用户需求的评估，设计了QFD结果的两个矩阵级的评估，如图3所示。AWS的一些关键属性由用户识别，在他们同时遵守WMO的要求。测量的质量控制是通过良好的规划和建立的测量网络进行的，包括定期维护和校准。除了监测仪表和自动测量站的运行情况外，气象服务还需要对测量值进行定期的自动和手动控制。在规划测量网络时，测量位置的选择，AWS和验证的选择（包括软件）都很重要。通过检查包括软件在内的各个量的测量仪器，仔细选择和验证每种数量和类型的测量方法也很重要。测量气象变量由于其空间变异性而对测量点的选择是非常苛刻的。在崎岖不平的地形上，特别难以安装雨水和风力的测量仪器。如果将仪器安装在空心中，则无法正确测量风速和速度。另外，当在屋顶上安装仪器时，由于受到风的影响，降雨量的测量是不正确的。不正确的安装可能会导致终端用户无法测量的结果，尽管有完整的测量系统以及对测量质量保证的整套要求的实施。过去，自动测站主要测量模拟测量仪器的输出;然而，今天他们的功能是收集和汇总智能电表的测量结果，并与中央数据库进行通信。测量站的重要特点是：

bull;鲁棒性;

bull;稳定性

bull;功能;

bull;操作知识;

bull;对总数据执行算术运算;

bull;实施自动控制的细节;

bull;营业时间;

bull;将数据传输到中央数据库。

有几种测量方法可用于测量每个变量。这意味着可以获得不同的测量结果，特别是在极端条件下。这对于现代智能电表尤其如此，其中核心测量方法由软件实现。测量方法应根据测量的预期目的进行选择。例如，可以通过倾倒容器，通过称重或通过使用计算液滴数量并通过复杂算法测量其尺寸的光学方法来测量沉淀。这些方法都有自己的弱点。

在测量网络的构造方面，需要检查安装有缺陷的测量设备的解决方案。每个测量设备以及它们的相互作用和共同的功能，包括将测量值传输到中央数据库是重要的。

为了满足测量要求，用户还需要定期维护测量位置和测量设备。在测量位置定期进行的维护程序和基本功能测试通常由设备制造商规定。由于手动工作的量以及测量位置的距离和可及性，定期维护是昂贵的。这意味着管理者会在网络中进行修改，从而影响结果的质量。

自动气象站的传感器和测量输入的常规校准确保测量的可追溯性。传感器应在校准实验室进行校准;然而，由于物流原因，自动测量站的模拟测量输入通常仅在现场进行验证。

当使用嵌入式软件运行的现代仪器进行气象测量时，主要的问题是软件升级。受版权保护并且是制造商的商业秘密（因此通常记录不全）的新软件版本的发布在执行测量和数据准确性时引入风险。尽管使用新软件修改仪器的外观类似，但它可能有故障。这意味着没有验证，测量的质量保证可能会有不连续性。测量者必须对制造商的变化进行控制，通常会对仪器进行新的测试和验证。

在监测网络中实施连续气象测量的最大问题之一是仪器的不断运行。因此，有必要对其操作进行自动和手动的控制，并建立相对于测量值的最短停机时间的程序。为了支持这一要求，需要实施相同数量的二次测量仪器。这是备份数据源于主仪器故障的情况。但是，它也可以引起与主仪器相关的漂移的注意。使用不同测量方法的二次仪器的引入可以在极端事件期间补充操作测量网络中特定数量的信息。测量气象数据的最后一个行为是他们的控制。自动控制程序程序是2015年皇家气象学会在AWS级别或中央数据库的级别，其中根据仔细定义的过滤器的测量值，如不切实际的值，不切实际的跳跃，相邻测量站之间的异常差异而不切实际的价值观，根据其他变量的测量值需要检查。自动控制后，需要手动管理数据，填补空白或纠正数据。它还在测量和通信设备中引入应急服务干预。手动控制是非常有用的，但是大量的数据难以处理并且昂贵。

图1 QFD问卷统计结果

图2 质量之家的例子

3.1。质量矩阵

当气象需求与上述测量系统的特性相关时，可以组成质量矩阵，Leprevost和Mazur（2005）。图4中示出的主要质量标准，第二级别如图5所示。关于图1中的标签，图4和图5中的标签以相同的方式标记。气象需求标有（1），技术特征（2），相关矩阵（3,8），计算相对重要性（4,9），技术特征（5），客户评估（ 6）和自动气象站的详细特征（7）。相关矩阵（3,5和8）具有评估符号，其中相关函数为1，意味着相关函数为3，意味着相关函数为9.值1表示弱相关性，值为9的相关关系。 （-1）。图4中的区域（6）表示客户对AWS当前状态的评估

（bull;）和AWS的需求，从1到10，其中1表示低重要性，10表示高度重要。

QFDmatrix识别客户的需求并收集解决方案。此外，它还可以进行定量分析，以确定AWS属性中最突出的部分。此外，矩阵还提供标准化的术语，并收集有关AWS的信息，该信息在一个地方是透明的。通常，主要QFD矩阵提供有关分析问题及其解决方案的一般信息。更详细的结果可以在第二次更高的层次中看到。在这种情况下，在图5中研究并提出了一个附加的QFD矩阵级。评估哲学与主要的QFD矩阵相同。另外，第二层提出了需求和解决方案的相对重要性。第二级矩阵的输入被标识为AWS的最突出的技术属性，并标有infin;（技术方案的最后四列：主矩阵中的第（2）部分）。

4.QFD分析结果

分析结果表明，第一部分涉及主要QFD矩阵的结果，其提出了最高级别的问题识别。第二部分介绍了二级QFD矩阵的结果，处理被认为是主矩阵中最重要的更具体的技术解决方案。

4.1。主要QFD矩阵分析的最显着的结果

图4中的QFD矩阵提出了满足这些需求的气象需求与计量特征的相关性。实地（4）的相对重要性显示了关于满足这些气象需求最重要的特征的最终结论。在矩阵分析的过程中，根据其相对重要性（gt; 500点，400到500点之间，约300点和lt;200点），确定了三个类别。气象测量（gt; 500分）的质量保证的基本支柱是：bull;传感器网络的良好设计和布局（AWS的选择和验证，测量方法的选择）; bull;定期校准测量设备（ AWS的模拟输入校准）; bull;实施自动和手动控制（手动控制测量值作为实施用户要求的关键技术方案）。

2015年皇家气象学会第二组技术解决方案（400和500分）是：

bull;仪器类型验证（软件，测试仪器安装在网络中）;

bull;包含次级仪表/米; bull;轻松访问AWS软件和仪表。

技术解决方案的第三部分（约300分）包括：

bull;正确选择测量位置;

bull;定期维护测量位置和测量设备;

bull;控制仪表的软件升级;

bull;不断监测AWS的性能。

最后一组技术解决方案（lt;200分）包括：

bull;高效和有控制地将数据传输到中央数据库;

bull;可升级的AWS; bull;可行性与可操作性;

bull;在AWS级别持续存储原始数据的可能性。

4.2。第二级QFD矩阵分析的最显着结果

QFDmatrixinFigure5表示与主要QFD矩阵相关的相关性（这些主要QFD矩阵的一些技术特征）以及这些需求的详细技术解决方案。实地（9）的相对重要性揭示了关于哪些解决方案对于满足这些气象需求最重要的最终结论。另外，场（4）表示了主QFD矩阵的重要性。最重要的特征与用户自己开发和升级AWS软件以及检查数据并将数据传输到中央数据库的可能性有关。

图3 QFD矩阵在两个层次上

5.结论

本文介绍了气象领域的质量评估方法，以评估自动气象站（AWS）的性质，以提高地面测量的可靠性。评估最终用户的需求后，使用问卷调查的重要特点使用质量功能部署（QFD）方法确定了AWS。来自25个国家的调查问卷的答案提供了有关所谓“客户需求”的代表性信息，即QFD的输入信息。确定并检查了AWS的关键属性，看它们是否符合世界气象组织（WMO）的要求。 QFD分析表现为两层次水平。识别AWS最突出的特征，第二层将这些特征与技术解决方案相关联。 AWS的最重要的特点是与网络的良好布局/设计，可追溯性/校准，自动和手动连接数据，验证系统，包含二次测量仪/米，易于访问软件和传感器信息，控制软件升级，持续存储原始数据和即时能力来控制所有的传感器和软件属性（例如，软件的当前版本，变化历史，传感器的校准状态，传感器校正实现）。在开发新的AWS时，必须考虑到这些信息，以便解决最终用户（meteo-services）的需求。

图4 主要QFD矩阵：开发模块化气象测量系统

图5 二级QFD矩阵：创建自动气象站

致谢

这项工作正在欧洲计量研究计划（EMRP）联合研究项目“METEOMET”的框架内进行。 EMRP由EMRP参与的国家在EURAMET和欧盟联合资助。参考文献Akao Y，Mazur GH。 QFD的前沿：过去，现在和未来。

参考文献

[1].Akao Y, Mazur GH. 2003. The leading edge in QFD: past, present and future. Int. J. Qual. Reliab. Manage. 20(1): 20–35.

[2].Han SB, Chen SK, Ebrahimpour MS. 2001. A conceptual QFD planning model. Int. J. Qual. Reliab. Manage. 18(8): 796–812.

[3].Leprevost J, Mazur G. 2005. Quality infrastructure improvement: using QFD to manage project priorities and project management resources.Int. J. Qual. Reliab. Manage. 22(1): 10–16.

Tan KC, Shen XX. 2000. Integrating Kanorsquo;s model in the planning matrix of qual

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[28438]，资料为PDF文档或Word文档，PDF文档可免费转换为Word