การนำเสนอข้อมูลทางวิศวกรรม (Engineering Data Presentation)

วิศวกรรมถูกขับเคลื่อนด้วยข้อมูล ไม่ว่าข้อมูลนั้นจะมาจากการคำนวณทางทฤษฎี การจำลองด้วยคอมพิวเตอร์ หรือการทดลองทางกายภาพ วิศวกรจะต้องสามารถตีความข้อมูลนั้น และนำเสนอให้ผู้อื่นเข้าใจได้อย่างชัดเจน เพื่อให้สามารถตัดสินใจในการออกแบบได้อย่างปลอดภัย

ตาราง vs. กราฟ (Tables vs. Graphs)

ข้อมูลส่วนใหญ่ถูกนำเสนอในสองรูปแบบหลัก คือ ตารางและกราฟ ซึ่งแต่ละรูปแบบก็มีวัตถุประสงค์การใช้งานทางวิศวกรรมที่แตกต่างกัน

ตารางทางวิศวกรรม (Engineering Tables)

ตารางจะถูกนำมาใช้เมื่อต้องการ ค่าตัวเลขที่แน่นอน สำหรับการคำนวณ

ตัวอย่าง: หากคุณต้องการทราบความหนาแน่นที่แน่นอนของไอน้ำอิ่มตัวที่อุณหภูมิ $150^\circ\text{C}$ เพื่อกำหนดขนาดของวาล์วนิรภัย คุณจะต้องเปิดหาจากตารางไอน้ำ (Steam Table)
ข้อดี: มีความแม่นยำสูงและไม่มีความกำกวม
ข้อเสีย: เป็นการยากที่จะมองเห็นแนวโน้มโดยรวม หรือพฤติกรรมของระบบได้จากการมองเพียงปราดเดียว

กราฟทางวิศวกรรม (Engineering Graphs / Charts)

กราฟจะถูกนำมาใช้เมื่อ ความสัมพันธ์หรือแนวโน้ม ระหว่างตัวแปรต่างๆ มีความสำคัญมากกว่าค่าตัวเลขเดี่ยวๆ ที่แน่นอน

ตัวอย่าง: กราฟสมรรถนะของปั๊ม (Pump performance curve) ที่แสดงให้เห็นว่าความดันขาออก (Head) ของปั๊มลดลงอย่างไรเมื่ออัตราการไหลเพิ่มขึ้น
ข้อดี: ช่วยให้มองเห็นภาพความสัมพันธ์ที่ซับซ้อน จุดการทำงานที่เหมาะสมที่สุด และขอบเขตของการทำงานที่ปลอดภัยได้ในทันที
ข้อเสีย: การดึงค่าตัวเลขที่แม่นยำออกมาโดยการอ่านจากแกนกราฟ อาจทำให้เกิดความคลาดเคลื่อนจากผู้ทบทวน (Reading error) ได้

องค์ประกอบของกราฟทางวิศวกรรม

เพื่อให้ได้รับการยอมรับว่าเป็นเอกสารทางวิศวกรรมระดับมืออาชีพ กราฟจะต้องมีองค์ประกอบเฉพาะดังนี้:

ชื่อกราฟที่ชัดเจน (Clear Title): ระบุให้แน่ชัดว่ากำลังพลอตค่าอะไร (เช่น "สมรรถนะปั๊ม 104-A: ความดันขาออก เทียบกับ อัตราการไหล")
แกนที่มีป้ายกำกับและหน่วย (Labeled Axes with Units): แกน x (ตัวแปรต้น) และแกน y (ตัวแปรตาม) จะต้องมีป้ายกำกับระบุปริมาณทางกายภาพ พร้อมด้วย หน่วยเสมอ กราฟที่เขียนแค่ "ความดัน" นั้นนำไปใช้ประโยชน์ไม่ได้ จะต้องเขียนเป็น "ความดัน (kPa)"
มาตราส่วนที่เหมาะสม (Appropriate Scales): แกนกราฟควรจัดสเกลให้ข้อมูลกระจายเต็มพื้นที่ที่มีอยู่ เพื่อให้อ่านได้ง่าย แม้ว่าสเกลแบบเชิงเส้น (Linear scales) จะเป็นที่นิยม แต่สเกลแบบลอการิทึม (Logarithmic scales) ก็ถูกใช้บ่อยมากในงานวิศวกรรม (เช่น ด้านเสียงรบกวน การสั่นสะเทือน หรืออายุความล้า) เพื่อบีบอัดข้อมูลที่มีความแตกต่างกันหลายระดับความสำคัญ (Orders of magnitude) ให้อยู่ในกราฟแผ่นเดียว
คำอธิบายสัญลักษณ์ (Legend / Key): หากมีการพลอตข้อมูลหลายชุดลงในกราฟเดียวกัน จะต้องมีคำอธิบายสัญลักษณ์ที่ชัดเจนเพื่อแยกแยะข้อมูลเหล่านั้น

การทำงานกับข้อมูลเชิงประจักษ์ (Working with Empirical Data)

ไม่ใช่ทุกปัญหาทางวิศวกรรมจะมีสมการทางคณิตศาสตร์ที่ลงตัวเสมอไป เมื่อทำการออกแบบปีกเครื่องบินใหม่ หรือทดสอบวัสดุคอมโพสิตชนิดใหม่ วิศวกรต้องอาศัยการทดสอบทางกายภาพเพื่อสร้าง ข้อมูลเชิงประจักษ์ (Empirical data) (ข้อมูลที่ได้จากการสังเกตและการทดลอง แทนที่จะมาจากทฤษฎี)

การสร้างเส้นโค้งพอดีและการประมาณค่าในช่วง (Curve Fitting and Interpolation)

เมื่อพลอตจุดข้อมูลที่ได้จากการทดลอง จุดเหล่านั้นแทบจะไม่เรียงตัวเป็นเส้นตรงที่สมบูรณ์แบบ เนื่องจากมีสัญญาณรบกวนจากการวัด (Measurement noise)

การสร้างเส้นโค้งพอดี (Curve Fitting): วิศวกรจะลาก "เส้นแนวโน้มที่ดีที่สุด (Line of best fit)" ที่มีความเรียบเนียน ลากผ่านจุดข้อมูลที่กระจัดกระจายเหล่านั้น เพื่อเป็นตัวแทนของแนวโน้มทางกายภาพที่ซ่อนอยู่
การประมาณค่าในช่วง (Interpolation): หากวิศวกรต้องการค่าที่อยู่ ระหว่าง จุดข้อมูลสองจุดที่เคยวัดได้บนเส้นโค้ง พวกเขาจะทำการประมาณค่าในช่วง (โดยการอ่านค่านั้นโดยตรงจากเส้นที่ลากไว้) โดยทั่วไปวิธีนี้เป็นวิธีปฏิบัติที่ปลอดภัยและแม่นยำ
การประมาณค่าขยายนอกช่วง (Extrapolation): หากวิศวกรพยายามที่จะทำนายค่าที่อยู่ นอกเหนือ ขอบเขตของข้อมูลที่เคยวัดได้ โดยการลากต่อความยาวของเส้นโค้งออกไป วิธีนี้เรียกว่า Extrapolation ซึ่งถือเป็นเรื่องอันตรายอย่างยิ่งในงานวิศวกรรม ระบบทางกายภาพมักจะมีพฤติกรรมที่คาดเดาไม่ได้เมื่ออยู่นอกขอบเขตที่เคยทดสอบไว้ (เช่น วัสดุที่มีพฤติกรรมยืดหยุ่น อาจจะเกิดการครากและหักหักพังอย่างกะทันหันได้)

ข้อมูลเชิงประจักษ์และกราฟที่ได้ ถือเป็นความจริงสูงสุดในทางวิศวกรรม เมื่อใดที่ทฤษฎีและข้อมูลจากการทดลองขัดแย้งกัน ข้อมูลทางกายภาพจะเป็นฝ่ายชนะเสมอ