От привычек курильщика до экспериментальных систем осаждения аэрозольных частиц
Игорь Трубин
TruTech Development, LLC
Ноябрь 2026 года
Что считать нормой для курильщика?
Представим человека, который на протяжении многих лет выкуривает примерно 15 сигарет в день. Его потребление довольно стабильно и обычно колеблется между 12 и 18 сигаретами.
С точки зрения статистики такое поведение можно считать нормальным для данного человека.
Но предположим, что постепенно количество выкуриваемых сигарет увеличивается до 20, а затем до 25 в день. В какой момент мы должны заключить, что привычная норма изменилась?
А что, если количество сигарет остаётся прежним, но человек начинает делать более глубокие, продолжительные или частые затяжки?
Эти вопросы иллюстрируют потенциально интересное применение концепции области нормального функционирования (Area of Normal Functioning, ANF), которую я развиваю на основе своих прежних исследований в промышленной робототехнике, статистическом обнаружении исключений и управлении производительностью компьютерных систем.
Основная идея состоит в том, чтобы отслеживать не только отдельные измерения, но и границы области, в пределах которой система обычно функционирует.
Сразу необходимо подчеркнуть важное различие: статистическая нормальность не означает безопасность или отсутствие вреда для здоровья. Устойчивое поведение курильщика может быть статистически нормальным для него самого, но это не делает курение безопасным. Безопасного уровня курения сигарет не существует.
Различие между наблюдаемой нормальностью и независимо установленными допустимыми пределами — один из фундаментальных принципов ANF.
1. От промышленной робототехники к области нормального функционирования
Концепция ANF возникла в ходе моих исследований захвата объектов промышленными роботами.
Робот мог успешно захватывать объект при определённых отклонениях его положения от номинального. Если отклонение становилось слишком большим, операция захвата завершалась неудачей.
Экспериментально изменяя положение объекта и наблюдая результат, можно было определить область, в пределах которой захват оставался успешным.
Позднее я перенёс родственные идеи в область управления производительностью и мощностями компьютерных систем, разработав систему статистического обнаружения исключений и трендов (Statistical Exception and Trend Detection System, SETDS), показатель Exception Value (EV) и IT-Control Charts — контрольные карты для мониторинга ИТ-систем.
Для наблюдаемого параметра (X) статистическую область нормального функционирования можно представить следующим образом:
[
ANF_X(t)=[L_X(t),U_X(t)]
]
где (L_X(t)) и (U_X(t)) — нижняя и верхняя границы наблюдаемого нормального поведения.
Эти границы необязательно остаются постоянными. Они могут изменяться в зависимости от нагрузки, условий окружающей среды, конфигурации системы и других факторов.
Таким образом, ANF позволяет различать случайные выбросы, устойчивые тренды, структурные изменения и переходы между различными режимами функционирования.
Могут ли подобные идеи оказаться полезными в исследованиях табака и аэрозолей?
2. ANF для поведения курильщика
Курение — многомерный процесс.
Его можно характеризовать различными показателями:
Количество сигарет в день.
Интервалы между сигаретами.
Время до первой сигареты после пробуждения.
Объём и продолжительность затяжек.
Количество затяжек на одну сигарету.
Отдельные биомаркеры воздействия табачного дыма.
Человек может сохранять постоянное количество выкуриваемых сигарет, но при этом изменять характер затяжек или количество поступающего в организм никотина.
Это позволяет предположить, что для потребления, характера курения и фактического воздействия можно построить отдельные, но взаимосвязанные области ANF.
Например:
[
ANF_{\text{smoking}}(t)=
{ANF_C(t),ANF_T(t),ANF_E(t)}
]
где:
(C) — количество потребляемых сигарет;
(T) — характеристики затяжек (smoking topography);
(E) — показатели воздействия (exposure).
Изменение одной области может происходить без заметных изменений в других.
Один из возможных примеров — так называемое компенсаторное курение (compensatory smoking), когда изменение характеристик табачного продукта может сопровождаться изменением интенсивности затяжек.
Однако компенсаторное курение возникает далеко не всегда, и его нельзя считать обязательной реакцией. Это вопрос, требующий экспериментальных измерений.
Задача ANF в данном случае — обнаруживать и характеризовать изменения, а не определять, какой уровень потребления табака является безопасным.
3. От поведения курильщика к экспериментальным исследованиям аэрозолей
Размышляя о курении, я пришёл к выводу, что ещё более перспективное применение ANF может быть связано с лабораторными системами, используемыми для исследования табачных аэрозолей и электронных систем доставки никотина.
В частности, системы воздействия на границе раздела воздуха и жидкости — Air-Liquid Interface (ALI) — позволяют исследователям подвергать клеточные культуры воздействию аэрозолей в контролируемых экспериментальных условиях.
Одна из важных задач заключается в понимании взаимосвязей между генерацией аэрозоля, переносом частиц, эффективностью их осаждения, пространственной равномерностью и фактической дозой, достигающей биологических образцов.
Эта задача тесно связана с фундаментальным вопросом ANF:
Как определить область нормального функционирования экспериментальной системы и установить момент, когда её поведение изменилось?
В отличие от поведения человека, лабораторные установки позволяют экспериментально определять границы ANF в контролируемых условиях.
Именно здесь возникает прямая связь с первоначальной концепцией ANF, разработанной в робототехнике.
4. Существующие исследования осаждения аэрозолей и систем воздействия
Интересной отправной точкой могут служить несколько публикаций исследователя аэрозолей Паши Косачевского (Pasha Kosachevsky) и его коллег.
Эффективность и равномерность осаждения частиц в системе Vitrocell 24/48
В работе 2020 года Oldham и соавторы исследовали эффективность и равномерность осаждения монодисперсных твёрдых частиц в системе Vitrocell 24/48 ALI.
Исследование включало экспериментальные измерения и сравнение с результатами вычислительной гидродинамики — Computational Fluid Dynamics (CFD).
Рассматривались частицы с аэродинамическими диаметрами приблизительно от 0,5 до 3,3 микрометра.
Было показано, что эффективность осаждения и его пространственная равномерность зависят от размера частиц. Экспериментальная программа также включала повторные измерения в разные дни.
С точки зрения ANF здесь возникает интересная возможность: определить ожидаемое пространственное распределение осаждённых частиц при заданных условиях эксперимента.
Вместо анализа только средней эффективности осаждения можно исследовать статистически нормальную изменчивость распределения частиц по различным точкам измерения.
Экспериментальные измерения и CFD-моделирование
В другой работе 2020 года Oldham, Kosachevsky и их коллеги исследовали осаждение частиц в системе Vitrocell AMES 48 ALI.
Авторы сравнивали экспериментально измеренные эффективность и равномерность осаждения с предсказаниями CFD-модели.
Средняя эффективность осаждения, согласно опубликованным результатам, находилась приблизительно в диапазоне от 0,007% до 0,43% в зависимости от размера частиц.
Было получено хорошее согласие между средними экспериментальными значениями и расчётами CFD, однако пространственная равномерность осаждения оставалась важной характеристикой.
Здесь возникает возможность расширить ANF на задачи проверки математических моделей.
Вместо наблюдения только за экспериментальными значениями можно анализировать отклонения измерений от предсказаний модели:
[
e(s,c)=D_{\text{measured}}(s,c)-D_{\text{CFD}}(s,c)
]
где:
(s) — пространственное положение;
(c) — условия эксперимента;
(D) — эффективность осаждения или другой измеряемый параметр.
Для таких отклонений можно попытаться построить область нормального функционирования с учётом экспериментальной неопределённости.
Изменение распределения отклонений может указывать на систематические различия между ожидаемым и фактическим поведением установки.
Такой анализ не заменяет традиционные методы проверки CFD-моделей и оценки неопределённости, но потенциально может их дополнить.
Характеризация систем воздействия электронных аэрозолей
В 2022 году Zhang и соавторы опубликовали исследование, посвящённое оценке пригодности ALI-систем для воздействия аэрозолей электронных систем доставки никотина.
Авторы исследовали коммерческие установки в заданных экспериментальных условиях.
Эта работа подсказывает ещё одно возможное применение ANF: многомерную характеризацию рабочей области экспериментальной установки с учётом параметров генерации, переноса и воздействия аэрозоля.
Системы быстрого сбора конденсата
В том же 2022 году Lalonde и соавторы исследовали установку для быстрого сбора конденсата аэрозолей электронных систем доставки никотина.
Подобные экспериментальные системы ставят вопросы об эффективности сбора, повторяемости измерений и влиянии условий эксплуатации.
ANF потенциально может предоставить дополнительный статистический инструмент для анализа повторных измерений и обнаружения систематических изменений.
Важно подчеркнуть, что перечисленные публикации не исследовали ANF и не доказывали преимуществ этого подхода. Они лишь представляют экспериментальную основу, на которой предложенную методологию можно было бы проверить.
5. Многомерная ANF для осаждения аэрозолей
В своих прежних работах по моделированию производительности компьютерных систем я рассматривал поведение системы как многомерное пространство данных.
Различные сечения и проекции этого пространства позволяли строить контрольные карты и обнаруживать отклонения от нормального поведения.
Аналогичный подход можно попробовать применить к осаждению аэрозолей.
Рассмотрим:
[
ANF_D(s,c,t)
]
где:
(D) — измеряемая характеристика осаждения;
(s) — пространственная координата;
(c) — условия эксперимента;
(t) — время или последовательность экспериментов, если такие данные имеются.
Можно выделить три взаимодополняющих направления.
Пространственная ANF (Spatial ANF)
Описывает нормальное распределение осаждённых частиц по различным точкам измерения.
ANF отклонений модели (Model-Residual ANF)
Описывает ожидаемые различия между экспериментальными измерениями и предсказаниями CFD.
Временная ANF (Temporal ANF)
Описывает изменчивость и возможные изменения характеристик установки в последовательности повторных экспериментов.
Первые два направления можно исследовать даже при отсутствии классического временного ряда. Третье особенно хорошо подходит для применения SETDS и IT-Control Charts при наличии достаточного количества последовательных наблюдений.
Важная методологическая задача — отличать нормальные пространственные различия от статистически значимых изменений.
Например, если осаждение частиц систематически различается в разных точках экспериментальной камеры, это может быть нормальной характеристикой установки, а вовсе не аномалией.
Следовательно, модель должна учитывать пространственное положение и условия эксперимента, прежде чем классифицировать отклонения.
6. Экспериментальное определение границ ANF
Один из наиболее интересных аспектов предлагаемого подхода — возможность экспериментально устанавливать границы области нормального функционирования.
В робототехнике я исследовал пределы успешного захвата, систематически изменяя положение объекта.
В исследованиях аэрозолей аналогичный подход может включать контролируемое изменение размеров частиц, параметров потока, конфигурации установки и других экспериментальных факторов.
Цель — определить область, в пределах которой система удовлетворяет заранее установленным критериям качества работы.
Это отличается от простого статистического описания обычных измерений.
Поэтому я предлагаю различать три понятия.
Наблюдаемая ANF (Observed ANF) — область статистически типичных измерений при заданных условиях.
Экспериментальная ANF (Experimental ANF) — область рабочих условий, в которой экспериментально подтверждено выполнение определённых требований.
Допустимые пределы (Acceptability Limits) — независимые научные, технические, нормативные или медицинские критерии.
Эти понятия не следует смешивать.
Например, лабораторная установка может демонстрировать исключительно стабильные результаты осаждения, но при этом не обеспечивать равномерность, необходимую для конкретного исследования.
Статистическая стабильность сама по себе ещё не означает пригодности экспериментальной системы.
7. Может ли SETDS дать дополнительную пользу?
Главный практический вопрос заключается в том, способны ли ANF и SETDS предоставить новые аналитические возможности по сравнению с существующими статистическими методами.
Возможные направления включают:
Обнаружение исключений. Выявление необычных измерений относительно нормальных областей, определённых для конкретных экспериментальных условий.
Обнаружение точек изменения. Выявление систематических изменений в последовательности повторных экспериментов.
Обнаружение трендов. Выявление постепенного изменения характеристик экспериментальной установки.
Многомерный анализ. Обнаружение изменений взаимосвязей между эффективностью осаждения, пространственной равномерностью и условиями эксперимента.
Моделирование с учётом влияющих факторов. Объяснение наблюдаемой изменчивости через характеристики частиц, параметры потока и другие экспериментальные переменные.
Например, средняя эффективность осаждения может оставаться практически неизменной, в то время как пространственное распределение частиц становится менее равномерным.
Один усреднённый показатель может не отражать такого изменения.
Многомерная ANF потенциально способна предоставить более полную картину.
Однако пока это лишь исследовательская гипотеза. Её необходимо проверить путём сравнения с традиционным статистическим управлением процессами (SPC), анализом отклонений, оценкой неопределённости и стандартными показателями воспроизводимости.
8. Возможное исследование
Практическим первым шагом мог бы стать анализ уже существующего экспериментального набора данных.
Желательно, чтобы он включал:
Измерения осаждения в нескольких пространственных точках.
Повторные измерения в сопоставимых условиях.
Соответствующие результаты CFD-моделирования, если они имеются.
Параметры экспериментальной установки.
Результаты при различных условиях проведения экспериментов.
На основе таких данных можно было бы построить базовые области ANF и исследовать их способность обнаруживать существенные отклонения.
В зависимости от доступных данных исследование могло бы быть сосредоточено на пространственной изменчивости осаждения, отклонениях CFD-предсказаний или временных изменениях характеристик экспериментальной установки.
Для строгой оценки необходимо разделять данные для построения базовой модели и её проверки, а также количественно оценивать чувствительность обнаружения и частоту ложных тревог.
Ключевой вопрос заключается в том, даёт ли ANF дополнительную полезную информацию по сравнению с существующими методами, а не просто предлагает другую визуализацию тех же статистических результатов.
Если результаты окажутся убедительными, они могли бы стать основой междисциплинарной публикации на научной конференции.
9. Когда нормальность меняется
Значение концепции ANF выходит далеко за пределы исследований табака и аэрозолей.
В компьютерных системах стабильная рабочая нагрузка может скрывать изменения в потреблении ресурсов.
В поведении человека стабильная активность может сопровождаться изменениями физиологических реакций.
В экспериментальных аэрозольных установках стабильные средние показатели могут скрывать изменения пространственного распределения или взаимосвязей между измеряемыми параметрами.
Во всех этих случаях принципиальный вопрос заключается не только в том, является ли отдельное измерение необычным.
Гораздо интереснее понять, изменилась ли сама область нормального функционирования системы.
Именно эта идея лежит в основе ANF.
Предлагаемое применение ANF к системам осаждения аэрозолей пока носит исследовательский характер, но существующие экспериментальные работы позволяют сформулировать несколько проверяемых гипотез.
Я буду рад комментариям исследователей в области аэрозольной науки, лабораторных измерений, вычислительной гидродинамики и статистического моделирования.
Может ли наблюдение за изменениями самой области нормального функционирования дать полезную информацию, которую трудно получить при традиционном анализе отдельных измерений?
Именно этот вопрос мне хотелось бы исследовать.
Литература
Oldham, M. J., et al. (2020). Deposition efficiency and uniformity of monodisperse solid particle deposition in the Vitrocell 24/48 Air-Liquid-Interface in vitro exposure system. Aerosol Science and Technology, 54(1), 52–65. https://doi.org/10.1080/02786826.2019.1676877
Oldham, M. J., et al. (2020). Comparison of experimentally measured and computational fluid dynamic predicted deposition and deposition uniformity of monodisperse solid particles in the Vitrocell AMES 48 air-liquid-interface in-vitro exposure system. Toxicology in Vitro, 67, 104870. https://doi.org/10.1016/j.tiv.2020.104870
Zhang, J., et al. (2022). Fit-for-purpose characterization of air-liquid-interface (ALI) in vitro exposure systems for e-vapor aerosol. Toxicology in Vitro. https://doi.org/10.1016/j.tiv.2022.105352
Lalonde, G., et al. (2022). Characterization of a rapid condensate collection apparatus for in vitro assays of electronic nicotine delivery systems. Toxicology in Vitro. https://doi.org/10.1016/j.tiv.2022.105434
National Cancer Institute. “Light” Cigarettes and Cancer Risk. https://www.cancer.gov/about-cancer/causes-prevention/risk/tobacco/light-cigarettes-fact-sheet
Примечание автора: статья представляет собой предложение о возможном расширении методологии ANF. Её применение к системам осаждения аэрозолей и исследованиям воздействия табака пока не прошло экспериментальную проверку. Описанные направления следует рассматривать как исследовательские гипотезы.
No comments:
Post a Comment