ГОСТ Р 71687-2024 Искусственный интеллект. Наборы данных для разработки и верификации моделей машинного обучения для косвенного измерения механических свойств полимерных композиционных материалов. Общие требования

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