센서 교정 곡선 맞추기
센서 원시 측정값과 알려진 기준값의 CSV를 붙여넣거나 여세요. 적합 전에 각 행을 train 또는 check로 표시하므로 검증행은 계수 계산에 들어가지 않습니다. 중심·범위를 맞춘 선형 또는 2차 최소제곱 모델이 측정값을 기준값으로 변환합니다. 학습·별도 검증 잔차를 비교하고 새 측정값을 예측하세요. 이는 탐색용 교정 분석이며 계기 인증이 아닙니다.
주요 기능
- measured·reference·train/check 역할을 명시하는 엄격한 로컬 CSV
- 중심·척도 정규화와 재직교 QR을 사용한 1차·2차 최소제곱
- 학습과 미사용 검증 데이터의 RMSE·MAE·편향·행별 부호 있는 잔차
- 학습 측정 범위 및 검증행·요청값이 범위 밖일 때 경고
- 잔차 자유도와 레버리지를 반영한 모델 전용 약 ±2σ 예측 퍼짐
- 잔차 CSV와 재현 가능한 모델·진단 JSON 저장
사용 방법
- measured,reference,role 열의 CSV를 붙여넣거나 로컬 파일을 열고 check 행을 2개 이상 둡니다.
- 적합 전에 train/check 역할을 정하고 선형 또는 2차 모델을 선택합니다.
- 새 센서 측정값을 입력하고 적합 및 검증을 누릅니다.
- 척도화 계수식·학습 범위·별도 학습/검증 지표·행별 부호 있는 잔차를 확인합니다.
- 외삽과 불확도 한계를 읽고 잔차 CSV 또는 모델 JSON을 저장합니다.
활용 예시
- 벤치 센서 출력을 기준 계기 값에 맞추기
- 직선과 곡선 모델을 미사용 점검 표준으로 비교
- 새 측정값이 교정 측정 범위를 벗어났는지 확인
- 실험 기록에 계수와 행별 잔차 근거 함께 보존
자주 묻는 질문
어느 방향으로 교정하나요?
측정값에서 기준값을 예측합니다. 식은 reference ≈ Σ c[k] z^k, z=(measured−center)/scale입니다. 단위는 CSV에 넣은 그대로이며 자동 단위 변환은 하지 않습니다.
왜 check 행이 필요한가요?
check 행은 계수나 학습 잔차 표준편차를 계산하는 데 쓰지 않습니다. 적합 전에 남겨 둔 값에서 모델 불일치를 따로 보게 합니다. 분할은 사용자가 정하므로 check 표본의 대표성을 도구가 증명할 수는 없습니다.
±2σ는 인증된 95% 신뢰구간인가요?
아닙니다. 학습 잔차 표준편차×sqrt(1+레버리지)×2인 모델 전용 근사 범위입니다. 독립적이고 분산이 비슷한 잔차를 가정하며 기준기 불확도·센서 반복성·드리프트·계통오차를 제외합니다. 적합 잔차가 0이어도 물리적 불확도가 0이라는 뜻은 아닙니다.
학습 범위 밖에서도 사용할 수 있나요?
외삽 경고와 함께 값은 표시하지만 실제 정확도는 검증하지 않습니다. 쓰려는 범위 전체에 기준 측정점을 모으는 편이 좋습니다.
다항 모델의 랭크 부족 오류는 무엇인가요?
측정값 종류가 너무 적거나 열들이 거의 종속되면 안정적인 계수를 정할 수 없습니다. 간격을 두고 학습 점을 늘리세요. 2차식은 직선보다 더 많은 독립 측정값이 필요합니다.
교정 값을 서버에 올리나요?
아닙니다. CSV 읽기·적합·그래프·요청한 파일 저장은 브라우저 탭에서 실행됩니다.
개인정보 안내
측정값과 기준값은 브라우저 탭에만 남습니다. 파일은 로컬에서 읽고 요청할 때만 내려받으며 서버 계산을 사용하지 않습니다.
댓글과 질문