doseunif op• 데이터 종류: signal × signal × scalar × scalar → table
• 호출: import fullseye as fs; fs.ledger.grind_time_for_dose_cv(t, d63, dose_mg: 'float', density: 'float', target_cv: 'float | None' = None, pass_probability: 'float | None' = None, law: 'str' = 'best', k_accept: 'float' = 2.4, limit_av: 'float' = 15.0, n_units: 'int' = 10, ref_range=(98.5, 101.5), n_mc: 'int' = 20000, seed: 'int' = 0) -> 'dict'(구현을 직접 호출하려면 import doseunif; doseunif.grind_time_for_dose_cv(t, d63, dose_mg: 'float', density: 'float', target_cv: 'float | None' = None, pass_probability: 'float | None' = None, law: 'str' = 'best', k_accept: 'float' = 2.4, limit_av: 'float' = 15.0, n_units: 'int' = 10, ref_range=(98.5, 101.5), n_mc: 'int' = 20000, seed: 'int' = 0) -> 'dict', 원장에서 가져오려면 opsdrive.get("grind_time_for_dose_cv"))
모멘트 지름 D63의 시간 변화에 분쇄 법칙을 피팅하고, 함량의 CV가 목표까지 내려가는 데 필요한 분쇄 시간을 역산합니다.
t: 분쇄 시간(에너지의 대용, grind 의 약속), d63: 그 시점의 D63 [µm] (dose_cv_from_sizes 의 d63. D50 이 아니라 D63 을 쓰는 것은 CV 가 D63 만으로 정해져 분포 형태의 가정이 필요 없기 때문 —— 분쇄 법칙을 D63 에 맞추는 것은 D50 에 맞추는 것과 마찬가지로 가정).
목표: target_cv 를 직접, 또는 pass_probability = 10 개의 제 1 단계에 합격할 확률(χ² 의 닫힌 형식, 평균 편차를 무시한 상한)로부터 CV = (L1/k) √((n−1)/χ²_p(n−1)) / 100. 둘 다 없으면 L1/k/100(= 0.0625, "AV ≤ 15 상당"의 기준, 합격은 대략 절반). 필요한 D63 은 (CV² D / c)^{1/3}(Poisson, c = πρ/6). 3 법칙(kick / bond / rittinger) 모두로 시간을 내고, law="best" 는 log rms 가 최소인 법칙, 이름을 넘기면 그 법칙. 법칙에 따른 차이는 t_req_by_law 와 t_req_spread 에(모형의 불확실성으로 읽는다).
반환: t_req, law, d63_req, target_cv, t_req_by_law, t_req_spread(min, max), extrapolated(t_req 가 측정 범위를 넘음)· extrap_ratio, already_met(첫 점에서 이미 목표 이하), cv_observed(각 점의 CV), pass_probability_chi2(목표 CV 에서의상한)·pass_probability_mc(평균 편차 항도 넣은 Monte Carlo, 정규 근사), fits(grind.comminution_law_fit 의 요약). Raises ValueError: 점이 3 미만·비양수·길이 불일치, target 과 pass_probability 둘 다, 범위 밖의 확률·CV, 철자 오류.
• 샘플 데이터 카탈로그(DL URL / 라이선스) —— 2-D 는 skimage.data(BSD/public)+ 합성, 3-D 는 실데이터 소스(Stanford/PDS 등)의 DL URL.
• 연산자의 내력·참고문헌 —— 이 연산자 족의 바탕이 된 연구/기법의 출처.
• 알고리즘의 정전(저자·연도)과 용도는 위의 패밀리 사용 가이드에 적혀 있습니다.
• poc_dose_uniformity_from_grinding — py -3.11 examples/poc_dose_uniformity_from_grinding.py
table 를 입력으로 받는 것)course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same
doseunif)dose_cv_lognormal · dose_cv_from_sizes
*Provenance: doseunif.py — DRIVE 연산자 레지스트리. 이 op 노트는 tools/opdocs.py md 가 자동 생성합니다(직접 편집하지 마세요).*
© 2026 Kazufumi Furuse — Fullseye operator documentation. Licensed under Apache-2.0.