Сверлильный станок МВА 38 (MBA 38-1700) на магнитном основании
Главная » Инструмент Магнитные сверлильные станки Сверлильный станок МВА 38/1 (MBA 38/1-1700) на магнитном основании »
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Магнитный сверлильный станок MBA-38/1
Наша компания заботится о том, чтобы товар был доставлен адресату в целости и в строго установленные строки.
Производитель: Хайтек Инструмент (Россия)
Магнитный сверлильный станок MBA-38/1 — это надежный станок от отечественного производителся с диаметром сверления корончатым сверлом до 38 мм, а спиральным до 16 мм. Оснащен мощным электродвигателем 1150 Вт с односкоростным редуктором. Прочный алюминиевый корпус, отличная от других система замены оснастки с конусом Морзе и повышенная точность сверления делают эту бюджетную модель идеальной для применения на производстве.
Магнитный сверлильный станок MBA38/1 — уникальное предложение — полностью унифицирован по магнитному штативу с высоконадежным сверлильным станком MBA55, позволяя почти полностью сохранить первоначальные инвестиции и перейти на верхнюю ступень качества.
- Технические характеристики
- Видео
Диаметр сверления корончатым сверлом, мм | до 38 |
Диаметр сверления спиральным сверлом, мм | до 20 |
Ход подачи сверла, мм | 150 |
Мощность двигателя, Вт | 1150 |
Скорость на валу без нагрузки, об/мин | 680 |
Прижимная сила магнита, Н | 20 000 |
Масса без оснастки, кг | 14 |
Демонстрация работы магнитного сверлильного станка MBA-38/1
Цена на магнитный сверлильный станок MBA 38/1
Артикул | Наименование | Мощность, Вт | Ø спир.![]() | Ø корон. сверла, мм | Вес, кг | Цена, руб | |
---|---|---|---|---|---|---|---|
MBA38/1 | Магнитный сверлильный станок MBA 38/1 | 1150 | 16 | 38 | 14 | 0.00 |
- Магнитный сверлильный станок MBA 55V2
0 р.
Мощность: 1150 Вт
Ø кор. сверл: 55 мм
Ø спир. сверл: до 20 мм
Вес: 16 кг - Магнитный сверлильный станок MBA-35
0 р.
Мощность: 1300 Вт
Ø кор.сверл: 38 мм
Ø спир.сверл: 16 мм
Реверс: нет
Вес: 14 кг - Магнитный сверлильный станок SMD 30
0 р.
Мощность: 700 Вт
Ø кор. сверл: до 30 мм
Ø спир. сверл: до 13 мм
Реверс: нет
Вес: 11 кг
Выполнение многомерного анализа для изучения кластеризации образцов — mva • lipir
Источник: R/mva.R
mva.Rd
mva
выполняет многомерный анализ с использованием нескольких возможных методов.
Доступные методы: PCA, PCoA, OPLS и OPLS-DA. Метод OPLS
требуется числовая переменная y, в то время как OPLS-DA требует две группы для
сравнение. По умолчанию для OPLS и OPLS-DA количество предиктивных и
ортогональные компоненты устанавливаются равными 1.
Пустые образцы автоматически обнаруживаются (используя TIC) и исключаются.
Отсутствующие данные замещаются с использованием средней интенсивности липидов по всем образцам.
мва( данные, мера = "Площадь", метод = c("PCA", "PCoA", "OPLS", "OPLS-DA"), столбец_группы = NULL, группы = NULL, ... ) plot_mva( результаты, компоненты = с (1, 2), цвет_by = NULL, эллипс = ИСТИНА, отель = ИСТИНА ) plot_mva_loadings( результаты, компоненты = с (1, 2), цвет_by = NULL, top.n = nrow(mvaresults$loadings) ) top_lips(mvaresults, top.n = 10)
Аргументы
- данные
ЛипидомикаОбъект эксперимента.
- мера
Какую меру использовать в качестве интенсивности, обычно площадь (по умолчанию). Мера должна быть уже суммирована и нормализована.
- метод
Либо PCA, PCoA, OPLS или OPLS-DA.
По умолчанию
PCA
.- столбец_группы
Пример аннотации для использования в качестве группирующего столбца. Если не при условии, что образцы обрабатываются независимо.
- группы
Числовая группа (OPLS) или две группы, используемые для контролируемый анализ (OPLS-DA), игнорируемый другими методами.
- …
Дополнительные аргументы для передачи в
opls()
для OPLS-DA, игнорируются другими методами.- mvрезультаты
Результаты, полученные от
mva()
.- компоненты
Какие компоненты строить. Игнорируется для PCoA, OPLS и Результаты OPLS-DA. По умолчанию это первые 2 компонента.
- color_by
Аннотация пробы (или аннотация липидов в случае
plot_mva_loadings
) для использования в качестве цвета. По умолчанию для отдельных образцов / липиды- эллипс
Строить ли эллипсы вокруг групп
- гостиница
Нужно ли строить Hotelling T2.
- топ.n
Количество объектов с наивысшим рейтингом для выделения на графике. Если этот параметр опущен, возвращает первые 10 липидов.
Значение
Многомерный анализ приводит к объектам mvaresults
.
Объект содержит следующее:
баллов Примерные баллы
нагрузки Нагрузки функций или компонентов (не для PCoA)
метод Используемый многофакторный метод
row_data Аннотации молекул липидов
col_data Примеры аннотаций
original_object Исходный объект вывода, возвращенный соответствующие методы анализа
plot_mva
возвращает ggplot результатов выборки.
plot_mva_loadings
возвращает ggplot загрузок.
top_lipes
возвращает кадр данных top.n
липидов с
их аннотации.
Функции
plot_mva
: строит многомерную диаграмму рассеяния выборочных оценок для исследования выборочная кластеризация.plot_mva_loadings
: построить многомерную диаграмму рассеяния загрузок функций исследовать важность функции.top_lips
: извлекает основные липиды из результатов OPLS-DA
Примеры
данные (данные_нормализованные) # ППШ mvaresults <- mva (data_normalized, Measure = «Площадь», method = «PCA») plot_mva(mvaresults, color_by = "группа") # НЕ РАБОТАТЬ # plot_mva(mvaresults, color_by = "Диета", компоненты = c(2, 3)) # ПКоА mvaresults <- mva (data_normalized, Measure = «Площадь», method = «PCoA») # НЕ РАБОТАТЬ # plot_mva(mvaresults, color_by = "группа") #ОПЛС-ДА mvaresults <- mva( данные_нормализованные, method = "OPLS-DA", group_col = "Диета", groups = c ("HighFat", "Normal") ) plot_mva(mvaresults, color_by = "группа") plot_mva_loadings(mvaresults, color_by = "Класс", top.n = 10) top_lips(mvaresults, top.n = 10) #> filename Molecule Precursor.Mz Precursor.Charge clean_name #> 1 F1_data.csv Cer d18:1/C16:0 538.7 1 Cer 18:1/16:0 #> 2 F1_data.csv Cer d18:1/C18:0 566.7 1 Cer 18:1/18:0 #> 3 F1_data.csv СМ 18:1/16:0 703.5 1 СМ 18:1/16:0 #> 4 F1_data.csv Cer d18:0/C20:0 596.7 1 Сер 18:0/20:0 #> 5 F1_data.csv Cer d18:1/C22:6 610.7 1 Cer 18:1/22:6 #> 6 F1_data.csv СМ d18:0/16:0 705.6 1 СМ 18:0/16:0 #> 7 F2_data.csv PC(O-34:3) 742.5 1 PCO-34:3 #> 8 F2_data.csv ПК(P-34:2) 742.5 1 PCP-34:2 #> 9 F2_data.csv ПК(P-38:1) 800.6 1 PCP-38:1 #> 10 F2_data.csv ПК(P-36:5) 764.6 1 PCP-36:5 #> ambig not_matched istd class_stub chain1 l_1 s_1 chain2 l_2 s_2 chain3 l_3 #> 1 ЛОЖЬ ЛОЖЬ ЛОЖЬ Cer 18:1 18 1 16:0 16 0 NA #> 2 ЛОЖЬ ЛОЖЬ ЛОЖЬ Cer 18:1 18 1 18:0 18 0 NA #> 3 ЛОЖЬ ЛОЖЬ ЛОЖЬ SM 18:1 18 1 16:0 16 0 NA #> 4 FALSE FALSE FALSE Cer 18:0 18 0 20:0 20 0 NA #> 5 ЛОЖЬ ЛОЖЬ ЛОЖЬ Cer 18:1 18 1 22:6 22 6 NA #> 6 ЛОЖЬ ЛОЖЬ ЛОЖЬ SM 18:0 18 0 16:0 16 0 NA #> 7 FALSE FALSE FALSE PCO 34:3 34 3 NA NA NA #> 8 ЛОЖЬ ЛОЖЬ ЛОЖЬ PCP 34:2 34 2 NA NA NA #> 9НЕВЕРНО НЕПРАВИЛЬНО НЕПРАВИЛЬНО PCP 38:1 38 1 НП НП НП #> 10 ЛОЖЬ ЛОЖЬ ЛОЖЬ PCP 36:5 36 5 NA NA NA #> s_3 chain4 l_4 s_4 total_cl total_cs Класс molrank #> 1 NA NA NA 34 1 Cer 1 #> 2 NA NA NA 36 1 Cer 2 #> 3 НП НП НП 34 1 ПМ 3 #> 4 NA NA NA 38 0 Cer 4 #> 5 NA NA NA 40 7 Cer 5 #> 6 НП НП НП 34 0 ММ 6 #> 7 НП НП НП 34 3 ПК 7 #> 8 НП НП НП 34 2 ПК 8 #> 9НП НП НП 38 1 шт.
9 #> 10 НП НП НП 36 5 ПК 10
AAC_Lft_Route-Yellow.indd
%PDF-1.6 % 1 0 объект >]/Pages 3 0 R/Type/Catalog/ViewerPreferences>>> эндообъект 2 0 объект >поток 2022-03-29T14:27:08-07:002022-03-29T14:27:10-07:002022-03-29T14:27:10-07:00Adobe InDesign 16.0 (Macintosh)uuid:41ca2832-2dab-744c- ab8e-5db89d511027xmp.did:02801174072068119109E2BBD1F37798xmp.id:daf7a93f-2dc2-4a65-bdbd-c67e78c0bcf6proof:pdf1xmp.iid:87a624d0-5b3f-4257-923f-6a202cdd7282xmp.did:802aac1f-1de9-42fc-adf7-0ccb63f8f286xmp.did:02801174072068119109E2BBD1F37798default

