مدیریت امضاء- ۲۴

مدیریت امضاء- ۲۴

ادامه از شماره قبل

– آقاي دكتر، حالا برگرديم به بحث اصلي.

– فقط توضيح كوتاهي در مورد شكل منحني پديده هوك باقي مانده بود و بس.

– بعد از اين همه شكوه وشكايت كه كرديم اگر ممكن است توضيحي در مورد گراف‌ها و خصوصيات آنها هم بدهيد…

– حالا كه ناچاريم؛ بسيار خوب.

لابد از دوران دبيرستان به خاطر داريد كه دستگاه محورهاي مختصات يا Coordinates system از مجموعه نقاط واقع بر يك صفحه تشكيل شده بود. موقعيت رياضي يا اصطلاحاً ”مكان هندسي” هر يك از آن نقاط را براساس محورهاي مختصات ياaxes of coordinates مشخص مي‌كرديم.

– بلي.

– محورهاي مختصات نيز از دو خط مستقيم عمود بر هم تشكيل شده است. محور افقي را تحت عنوان محور طولي (abscissa) يا محور x‌ها و محور پايه يا پيشرو مي‌گوئيم. محور عمودي را تحت عنوان محور عرض‌ها (ordinates) يا محور y نام مي‌بريم يا محور تابع و پيرو.

محل تلاقي دو محور را هم مبدأ مختصات يا نقطه o مي‌گوئيم. اين يك نقطه و آن دو محور، صفحه مختصات را به چهار ناحيه يا چهار ربع و quadrant تقسيم مي‌كنند. ما عمدتاً در كارهاي آزمايشگاهي، با ناحيه يكم آن سر و كار داريم زيرا اعداد آزمايشگاهي اكثراً با درجه مثبت هستند و ما با اعداد منفي خيلي كم برخورد داريم.

در هنگام رسم منحني نيز فقط آن بخش از محور مختصات را كه داراي جهت مثبت يا  positive direction مي‌باشند،‌ اتخاذ مي‌كنيم. (رجوع شود به تصوير A) در اين صورت، هر نقطه در اين صفحه يا در فضاي دو بعدي كه قاعدتاً بايد داراي ۲ بعد طولي و عرضي باشد همواره داراي درجه يا ارزش مثبت است. هر يك از اين نقاط به صورت زوج مرتب يا ordered pair نشان داده مي‌شود يعني داراي دو مختص است يا واجد طول و عرض جغرافيايي مي‌باشد. تا اينجاي بحث، صحبت از كليات موضوع بود.

حالا ببينيم جايگاه صفحه مختصات و نمودارهاي آن در آزمايشگاه كجاست و چه وقت به آنها نياز داريم.

همه ما در آزمايشگاه روزانه به توليد عدد و data مي‌پردازيم يعني چون كار اصلي ما ارائه سنجش‌هاي كيفي و كمي است، لذا شايد بتوان گفت كه وظيفه آزمايشگاه تشخيص طبي چيزي جز توليد عدد و رقم نيست!

منتها مجموعه‌اي از اعداد و ارقام كه داراي مفهوم هستند و بايد غيرمبهم باشند. بنابراين عددسازي و عددبازي نمي‌كنيم بلكه اعداد با معني و با ارزش را كشف مي‌كنيم و از دل پارامترهاي مختلف موجود در نمونه بيمار استخراج و استحصال مي‌كنيم.

حالا فرض كنيد تعداد زيادي عدد و رقم را روي كاغذ بنويسند و جلوي ما بگذارند. ذهن انسان نوعاً گيج مي‌شود چون نمي‌تواند تحليل منطقي‌اي براي همه اعداد ارائه دهد. يك راه براي قابل فهم كردن مجموعه‌اي از اعداد و ارقام اين است كه آنها را خلاصه كنيم يا ”دسته‌بندي” نمائيم.

به عبارت ديگر براي حركت از data به سوي information مي‌توان از tabulation يا جدول‌بندي استفاده كرد. بعد از دسته‌بندي و قرار دادن آنها در جدول، ذهن انسان آمادگي بيشتري براي تحليل آنها و فهم بهتر روابط بين اعداد پيدا مي‌كند ولي هنوز هم روش‌هاي بهتري براي تلخيص داده‌ها قبل از بهره‌برداري آنها و قابل فهم‌تر كردن مجموعه اعداد و ارقام داريم و آن هم تبديل كردن جدول‌ها به نمودار و دياگرام و chart‌است. (رجوع شود به تصوير B)

مهمترين كاربرد گراف‌ها، علاوه‌بر تلخيص (و نه تخليص) ‌داده‌ها، همين خصوصيت نمايشي آنهاست يعني شما با يك نگاه مدبرانه به گراف‌ها مي‌توانيد اطلاعات زيادي از آنها به دست بياوريد مثل max و min و DL و range و work of range و غيره.

سومين خصوصيت گراف‌ها deduction يا استنتاج و استخراج اطلاعات جديد است يعني استنباط داده‌هاي مجهول از روي داده‌هاي معلوم.

همين خصوصيت آخري است كه بيشترين كاربرد را در آزمايشگاه‌هاي تشخيص طبي دارد و در سابق، هدف اصلي از رسم گراف‌ها (مثل نمودار استاندارد بيلي‌روبين و Hb يا نمودار كاليبراسيون مثل CPK و LDH و OT و PT) في‌الواقع استخراج داده‌هاي مجهول از روي داده‌هاي معلوم بود به كمك نمودارهايي كه روي كاغذ شطرنجي يا كاغذ ميليمتري ترسيم مي‌شد با استفاده از اصول دستگاه مختصات.

در هر حال، در مقايسه با جدول، انجام فعاليت‌هاي interpolation نيز روي نمودار آسان‌تر است و در موارد نياز به extrapolation‌ نيز از روي نمودار بهتر مي‌توان تصميم گرفت.

خب، تا اينجاي بحث، من به ۲ موضوع اصلي اشاره كردم. ابتدا در مورد دستگاه مختصات صحبت كرديم و نقاط زوج مرتب روي آنها، سپس اشاره‌اي به فلسفه رسم گراف در آزمايشگاه‌ها كردم و چند مثال از كاربردهاي قديمي زديم كه يا امروزه منسوخ شده‌اند و يا با روش‌هاي نرم‌افزاري و دستگاهي جايگزين شده‌اند.

حالا دوباره برگرديم به همان صفحه مختصات اما … فكر خودتان را از موضوع يك نقطه واحد دور كنيد و به حالتي فكر كنيد كه مجموعه‌اي از نقاط پراكنده داريم كه هر چند در ظاهر از هم دور هستند و نامرتبط به نظر مي‌رسند ولي در باطن به هم مرتبطند و از قاعده خاصي تبعيت مي‌كنند؛ مثلاً هر چه طول نقطه بزرگ‌تر شود، ارزش عددي عرض نقطه هم زيادتر بشود فرضاً.

* بهترين مثال، تبعيت OD‌ يا ميزان جذب نوري از غلظت است. OD و غلظت هر دو متغير هستند ولي يكي از آنها متغير مستقل است (يعني  غلظت) و ديگري متغير وابسته (همان OD) است چرا كه با افزايش يا كاهش غلظت مي‌توان ملاحظه كرد كه ميزان OD نهايي نيز تابع غلظت شده است و به پيروي از آن تغيير مي‌كند.

به همين دليل هم معمول است كه تغييرات غلظت را روي محور پيشرو يا محور x‌ رسم مي‌كنند و تغييرات OD را روي محور پيرو يا محور y. اين ساده‌ترين مثال در آزمايشگاه است.

از آنجايي كه فرض را بر اين گرفتيم كه چند نقطه مشخص (تحت عنوان نقاط نماينده كه نشان‌دهنده موقعيت كاليبراتورها يا استانداردهاي ما هستند) بر روي نمودار ذاتاً به هم مرتبطند و از قاعده خاصي تبعيت مي‌كنند (كه همان فرمول خط است مثل y=axn+b) لذا حق داريم همه آن نقاط نماينده را با يك خط (خط راست يا  خط غير راست) به هم وصل كنيم تا نقاط غير نماينده نيز به دست آيند (يعني نقاط حد فاصل بين دو نقطه نماينده يا بين دو كاليبراتور متوالي).

همه اين كارها چيزي نيست جز رسم منحني استاندارد براي dose- response كه در آن ابتدا چند نمونه داراي غلظت‌هاي مشخص (يعني متغيرهاي مستقل) را آزمايش كرده‌ايم و لاجرم تعدادي سيگنال مرتبط به آنها را نيز به دست آورده‌ايم (متغيرهاي وابسته). داده‌هاي حاصل را مي‌توانيم به صورت جفت‌جفت در يك جدول دو سطري (يا دو ستوني) بنويسيم و زوج مرتب‌ها را تنظيم كنيم كه اولين قدم در assay data reduction‌يا تلخيص‌داده‌ها (و به قول برخي مترجمين تقليل اطلاعات!) است.

در موارد بسياري، جدول نمي‌تواند روش مناسبي براي تحليل و فهم اطلاعات باشد.

قدم دوم براي reduction دستاوردها، انتقال داده‌ها به صفحه گراف است ….

– يعني ترسيم نقاط نماينده.

– درست است. موقعيت نقاط نماينده را معلوم مي‌كنيم. به اين كار مي‌گوئيم Plot كردن.

– و بعد هم وصل كردن نقاط به هم.

– بله. به اين كار هم مي‌گوئيم fit كردن يك خط يا برازش.

– برازش؟

– بلي. يعني يك لباس خوش قواره از جنس ”خط” بر قامت همه نقطه‌هاي كاليبراسيون بپوشيم. با ترسيم اين خط وصل‌كننده، به طور ضمني پذيرفته‌ايم كه يك ارتباط پيوسته و يك relationship مستمر بين دو متغير اصلي و تابع وجود دارد. … كه البته اين عمل آخري جزو reduction داده‌ها نيست بلكه generalization يا تعميم داده‌ها است. كار مشكلي هم هست.

– چرا مشكل؟

– چند دقيقه‌اي بود كه ساكت بوديد و بحث ما خوب پيش مي‌‌رفت ولي دوباره سؤال‌ها شروع شد!

– ببخشيد.

– اشكالي ندارد. سؤال مهمي بود.

عمل وصل كردن نقاط نماينده به همديگر، بايد با دقت زيادي صورت بگيرد. اگر همه نقاط در يك راستا باشند (يا انتظار ما از قبل اين باشد كه در يك راستا هستند) با ساده‌ترين موقعيت كه بهترين وضعيت هم هست روبرو هستيم و به كمك يك خط‌كش معمولي، پاره خطي را كه best fit‌ براي آن نقاط باشد و اصطلاحاً برازش بهينه ايجاد كند، رسم مي‌كنيم.

در اين حالت، نقاطي كه به هر دليل از راستاي ساير نقاط فاصله گرفته‌اند، مثلاً به دليل خرابي يكي از مواد استاندارد يا بي‌دقتي آزمايشگر (در هر مرحله از توليد و پردازش و خوانش تست) و يا به دليل اشكالات و ايرادات لحظه‌اي و گاهيانه دستگاه‌ها، اين نقاط كه دچار لغزش شده‌اند، خود را نشان مي‌دهند و شما به سادگي آنها را تشخيص مي‌دهيد. اين نقاط، outlier محسوب مي‌شوند و معمولاً‌ بلااستثناء هميشه وجود دارند.

گاهي كمتر و گاهي بيشتر. به همين دليل معمولاً رسم بهترين خط (كه منظورم خط راست يا غيرراست مثل منحني است) كاري مشكل است و مثلاً اگر قرار باشد هر كدام از ما بر روي تعداد ثابت و مشخصي از نقاط روي يك صفحه، خطي را افراز كنيم، معمولاً هيچ كدام از اين خطوط بر هم منطبق نخواهند بود.

– يعني تكرارپذيري بين فردي كم است.

– بلي. ولي اگر از فرمول‌هاي رياضي و محاسبات گرافيكي استفاده كنيم (مثل قانون كمترين مربعات كه اسم ديگرش حداقل مجذورات است يا  Least Squares) آن گاه اختلافات به حداقل خواهد رسيد. به همين دليل معمولاً كار را به كامپيوتر واگذار مي‌كنيم يعني همان نرم‌افزارهاي پردازش اطلاعات و رسم منحني در گاماكانتر و بتا كانتر و الايزا ريدر و برخي فلوئوريمترها و نفلومترها.

– و كمي لومي‌نسانس. اسم دستگاه كميلومينسانس را نبرديد.

– آفرين بر حواس جمع!

عمداً اسم نياوردم چون اين دستگاه‌ها آنقدر ”خودكار” شده‌اند كه ”خودسر” هم هستند!

– يعني چطور؟

– يعني آنقدر تمام اتوماتيك هستند كه تكنسين را كنار زده‌اند. سيستم‌هاي بسته و دستگاه‌هاي closed خودشان براي شما تصميم مي‌گيرند و بدون رسم منحني و حتي بدون نمايش منحني به شما، جواب را تحويل مي‌دهند. منتظر نظريه شما  در رد كردن يا قبول كردن منحني و اصلاح احتمالي آن نمي‌شوند.

– يعني ”بله” را از تكنسين نمي‌پرسند!

– دقيقاً.

اين دستگاه‌ها معمولاً از منحني‌هاي از پيش ترسيم شده در كارخانه استفاده مي‌كنند كه به Master curve معروفند و چون در هنگام آزمايش و در وقت استفاده از محتويات كيت عملاً به استانداردها و كاليبراتورهاي واقعي دسترسي نداريم بهتر است نام adjuster يا ناظم را در مورد بعضي معرف‌هاي ”شبه كاليبراتور” به كار ببريم.

چه بگويم كه بعضي از اين سيستم‌ها كار را خيلي خيلي راحت‌تر كرده‌اند اما به چه قيمتي؟ به قيمت كم شدن صحت. اين هم از نتايج كم كوشي انسان‌ها و تمايل ذاتي آنها به تنبلي است. آزمايشگاهيان كه استثناء نيستند. بگذريم.

– ممكن است اين اصطلاح Adjuster را توضيح بدهيد.

– نشد! قرار نبود كه سؤال كنيد.

– در مورد كم كوشي چطور؟ پيش‌تر از اين در يكي از جلسات قبلي هنگام صحبت از الكتروفورز هم اين اصطلاح را به كار برده بوديد. (مديريت امضاي شماره ۱۵ در نشريه شماره ۶۲).

– خاطرم نيست. خدا مي‌داند آن روزها در مورد چه چيز صحبت مي‌كرده‌ايم.

– توصيه كرده بوديد كه آزمايشگاهيان در انجام الكتروفورز، كم‌كوشي و سهل طلبي را كنار بگذارند.

– اي كاش توصيه كرده بودم خاموشي را ياد بگيرند و كم‌گويي را پيشه كنند!

توجه كنيد كه وقت زيادي نداريم. هنوز كه صحبت از گراف‌ها تمام نشده است درست نيست يك پرده ديگر را بالا بزنيم. اگر اين موضوع تمام شده. چشم؛ در آن رابطه هم صحبت مي‌كنيم.

… صحبت به اينجا رسيد كه براي مرحله تعميم و generalization كه با رسم يك خط انجام مي‌شود، بايد دقت زيادي كرد. ساده‌ترين ابزار ترسيم خط، خط‌كش است كه براي ترسيم خط مستقيم و خط شكسته به كار مي‌بريم. مزيت نمودارهايي به شكل خط مستقيم در آن است كه اولاً انحراف در آن وجود ندارد يا حداقل است. ترسيم آن ساده است و برازش در مورد آن، اطمينان‌‌بخش‌تر است. همچنين امتداد آن قابل پيش‌بيني است و با خيال راحت‌تري مي‌توانيم آن را extrapolate‌كنيم.

– يعني چه كار كنيم؟

– بعداً توضيح خواهم داد.

اگر گراف‌، مربوط به يك معادله درجه صفر يا معادله درجه اول باشد (تصاوير A و C) با همان فرمول y=axn+b كه در اينجا a معادل شيب يا Slope خط است و b نيز عرض از مبدأ را نشان مي‌دهد) خط‌كش بهترين ابزار است.

براي ترسيم گراف‌هاي چند ضلعي با خط شكسته و فرمول معادله چند جمله‌اي يا polynominal نيز مي‌توان از خط‌كش استفاده كرد خصوصاً اگر تعداد نقطه‌هاي معلوم زياد باشد ولي فاصله آنها از هم زياد نباشد. اما در مورد معادلاتي با درجه بالاتر، ديگر با خط راست و شكسته سروكار نداريم و پروفايل خط روي گراف به صورت ”انحنادار” است.

از آنجايي كه واكنش‌هاي ايمونواسي عموماً از قانون اثر جرم يا mass action law (يا قانون جنبش توده به قول برخي مترجمين فرهيخته!) تبعيت مي‌كنند لذا سينتيك اين واكنش‌ها طوري است كه هنگام رسم منحني غلظت در برابر سيگنال، با يك خط خميده يا منحني روبرو هستيم؛ معمولاً يك منحني غيرمنتظم.

براي رسم اينها مي‌توان بدون ابزار از چشم و دست كمك گرفت ولي چون خط خوبي توليد نمي‌شود، بهتر است از ابزارهاي منحني‌كش استفاده كنيد كه همان شابلون‌هاي مخصوص منحني هستند. اين كار ظاهراً سخت است ولي بهتر از رجوع چشم بسته به نرم‌افزار است.

ماشين و كامپيوتر هم مثل انسان است و گاهي بدتر از انسان مي‌تواند اشتباه كند ولي در مجموع ”تكرارپذيرتر” كار مي‌كند هر چند ”دستورپذيرتر” هم هست يعني بدون اين كه انتقادي بكند يا ايرادي به كار شما بگيرد، دستورتان را اجرا مي‌كند. در حالي كه ترسيم نمودار با روش دستي شما را بر كارتان مشرف مي‌كند و معايب آن را مي‌فهميد و مي‌توانيد روش را تصديق كنيد يعني validation.

توجه داشته باشيد كه استفاده از اين شابلون‌ها يا پيستوله‌ها ضروري نيست. خصوصاً‌براي كسي كه بتواند با دست خالي منحني بكشد.

– پيستوله چيست؟

– يك نوع شابلون است. اگر يادم بماند سعي مي‌كنم نمونه‌اي از آن را برايتان بياورم. وسيله ساده‌اي است كه به كمك آن مي‌توانيد انواع منحني‌هاي دلخواهتان را رسم كنيد. شابلون در انواع مختلفي وجود دارد. شابلون دايره و شابلون بيضي داريم كه براي رسم منحني‌هاي منتظم استفاده مي‌شود و براي اندازه‌گيري ابعاد آنها.

كاربرد اين نوع شابلون‌ها در آزمايشگاه كم است مگر براي موارد خاص مثل تست‌هاي پوستي يا براي آنتي‌بيوگرام و براي SRID. اما براي منحني‌هاي غيرمنتظم يا غيرمتقارن كه داراي شعاع متغيرند (و برخلاف دايره و بيضي و سهمي و هذلولي فاقد كانون هستند) پيستوله‌ها ابزار بسيار خوبي‌اند. البته خط‌كش ماري يا Flexible هم براي رسم منحني خوب است ولي پيستوله چيز ديگري است. با آن مي‌توانيد هر نوع منحني يكنواخت با هر جور خميدگي تند و نرم را خلق كنيد.

شماها چند لحظه پيش از موقعيت‌هاي آموزشي صحبت كرديد و شرايط كسب تجربه در آزمايشگاه (رجوع شود به شماره قبل ماهنامه) و من الان موضوعي به خاطرم آمد. يادش بخير. سال‌هاي سال پيش وقتي كه براي آزمايش‌هاي آنزيمي خصوصاً ALT و AST و LDH به روش سيگما لازم بود كه حتماً گراف رسم شود چون بر خلاف امروزه، روش‌هاي كالريمتريك بودند نه كينتيك، من هنر رسم منحني را نزد يكي از دوستان بسيار خوب قديمي به نام آقاي مجيد واعظي فرا گرفتم كه در استان كرمان به اسم حاج آقاي واعظي معروفند و از خبرگان قديمي و بازنشسته آزمايشگاه هستند.

مدرك ايشان كاردان آزمايشگاه است ولي براي من كه با مدرك دكترا در سال‌هاي اوليه فعاليت حرفه‌اي‌ام با ايشان آشنا شده بودم، فرصت مغتنمي بود كه بسياري از ظرايف كار در آزمايشگاه را از ايشان بياموزم منجمله اصول QC و همين گراف‌كشي را. به همين دليل است كه به شما گوشزد كردم همه آموخته‌هاي ما از طريق كلاسيك و آكادميك به دست نمي‌آيد و اگر وارد بازار كار بشويد تجربيات خوبي را به دست مي‌آوريد كه معمولاً در دانشگاه تدريس نمي‌شود يا فرصت آموزش آنها نيست.

– البته ما هم عرض كرديم براي ساعت‌هايي كه ”فرصت آموزش” عملي در بيمارستان‌ها ”هست” تدريس معيني انجام نمي‌شود و استاد مشخصي وجود ندارد. پس وقت دانشجو به هدر مي‌رود.

– شما كه همان حرف‌هاي نااميدانه خودتان را تكرار مي‌كنيد و از گفته خود منصرف نمي‌شويد.

– به هر حال بايد به آموزش عملي بها داده شود. رشته علوم آزمايشگاهي يك رشته عملي و حرفه‌اي است؛ يك فن‌آوري است ولي قسمت عملي اين رشته امروزه مورد بي‌توجهي و بي‌مهري است و بدون استاد است. چرا استاد بيوشيمي در آزمايشگاه بيوشيمي نيست؟ چرا استاد انگل‌شناسي يا قارچ‌شناسي به بيمارستان سري نمي‌زند كه نكات جديد را به كاركنان قديمي آموزش بدهد؟

اگر ما در روزهاي كارورزي يك سؤال از باكتر‌ي‌‌شناسي داشتيم از چه كسي بايد بپرسيم؟ ناگفته نماند كه ما هم مطالب زيادي از كاردان‌ها و كارشناس‌ها ياد مي‌گيريم، همانطور كه خود شما هم اشاره داشتيد. آنها از جنس خود ما هستند و نكته‌هاي كليدي زيادي را هم ياد داده‌اند و ياد مي‌دهند ولي استاد و متخصص چيز ديگري است.

وقتي سؤالي از كارمندان آزمايشگاه مي‌پرسيم، حتي خودشان هم بي‌تكلف جاي استاد را خالي مي‌دانند. آزمايشگاه‌ها در دستان آنها مي‌‌چرخد ولي آنها هم به بازآموزي و نوآموزي نياز دارند. … ببخشيد. لطفاً‌موضوع رسم گراف را ادامه دهيد!!

– گاهي براي رسم گراف، احتياج به كاغذ مخصوص هست ولي معمولاً كاغذهاي شطرنجي شده كافي است. كاغذهاي شطرنجي ساده اگر از نوع مهندسي باشند بهتر است چون كه دقيق‌تر و ظريف‌تر هستند و به كاغذ ميليمتري معروفند ولي در نبود آنها، كاغذهاي چهارخانه درشت نقاشي هم اشكالي ندارد اما در مواردي كه لازم است از كاغذهاي لگاريتمي و نيمه‌لگاريتمي و logit استفاده كنيم، ديگر كاغذهاي معمولي را نمي‌شود به كار برد چون مقياس درجه‌بندي آنها متفاوت است. متغير هم هست.

منظورم فاصله بين خطوط است. مثلاً در اشل لگاريتمي، فاصله بين اعداد از ۱ تا ۱۰ يا از ۱۰ تا ۱۰۰ تدريجاً كم مي‌شود. در مقياس logit هم اعداد دو سوي ۵۰ (هر چه از ۵۰ دور شويم و به سمت ۱۰۰ برويم يا در جهت مخالف به سمت صفر متمايل شويم) به طور قرينه از همديگر فاصله مي‌گيرند. مقياس log با logit از اين نظر برعكس هم هستند.

به تصاوير ۱ تا ۵ رجوع شود.

در قديم خصوصاً در سال‌هاي جنگ پيدا كردن كاغذ ميليمتري مهندسي سخت بود و در هر جايي پيدا نمي‌شد يا گران بود. البته بعضي شركت‌ها به همراه كيت‌هاي توليدي‌‌شان، اين كاغذ‌ها را ضميمه مي‌كردند. امروزه كار راحت شده است چون شما مي‌توانيد از طريق اينترنت انواع و اقسام كاغذهاي گراف را در اندازه‌ها و مقياس‌هاي متفاوت و حتي با درجه‌بندي‌هاي رنگي پرينت بگيريد. نرم‌افزارهايي هم براي ايجاد كاغذهايي با فرم‌هاي دلخواه وجود دارد كه به رايگان از وب‌قابل دسترسي است. مثلاً اگر كاغذي با ۳ سيكل يا ۴ سيكل لگاريتم بخواهيد صورت PDF آن را براي شما توليد مي‌كند.

(تذكر: خوانندگان محترمي كه تمايل دارند نرم‌افزار مربوط را داشته باشند مي‌توانند با دفتر ”اخبار آزمايشگاهي” تماس بگيرند تا از طريق ايميل به آنها ارسال شود)

ادامه در شماره بعد

شرح عكس

تصوير D– ابزارهاي رسم منحني (شابلون منتظم، خط‌كش ماري و پيستوله)

تصوير E– يك نمونه از كاربرد عملي پيستوله در رسم منحني OT و PT.

تصوير F– استفاده از ابزار مناسب (كاغذ نيمه لگاريتمي و پيستوله مطلوب) مي‌توانست منحني بهتري ايجاد كند.