Stáhnout prezentaci
Prezentace se nahrává, počkejte prosím
1
Analýza experimentu pro robustní návrh
Eva Jarošová, VŠE v Praze
2
Úvod Cíl zlepšování jakosti procesu Statistické nástroje
posunout střední hodnotu procesu směrem k cílové hodnotě minimalizovat variabilitu procesu Statistické nástroje navrhování experimentů identifikace faktorů, které mají vliv na úroveň hodnot odezvy (tradiční přístup) identifikace faktorů s disperzními efekty (robustní návrh) určení optimálních podmínek Cp a ztrátová funkce co znamená robustní návrh rozdíl v určení optimálních podmínek v obou přístupech
3
Podstata robustního návrhu
dvě hlavní skupiny faktorů řiditelné – i během normálního procesu rušivé – zdroj nežádoucí variability v normálním provozu, zároveň ovladatelné během experimentu oba druhy faktorů zahrnuty do experimentu návrh experimentu vnitřní pole pro řiditelné faktory vnější pole pro rušivé faktory
4
Příklad dílčí faktoriální návrh 28-4 typický příklad na robustní návrh
netypický rušivý faktor - kvalitativní
5
Původní přístup (Taguchi)
dva modely pro charakteristiku polohy pro charakteristiku variability identifikace faktorů s disperzními efekty (model ln s2) optimální kombinace identifikace faktorů s vlivem na polohu (model ) posun střední hodnoty
6
Problémy Směšování efektů Odhad směrodatné chyby efektů
důsledek dílčího faktoriálního návrhu které interakce zařadit Odhad směrodatné chyby efektů důsledek shrnování do charakteristik žádné stupně volnosti
7
Směšování efektů
8
Směšování efektů - výstup Minitab
9
Výpočet efektů efekt A = atd.
10
Identifikace významných efektů
Normální pravděpodobnostní graf (Daniel) Robustní odhad směrodatné chyby efektů a analogie t-testu (Lenth)
11
Normální pravděpodobnostní graf pro odezvu (Minitab)
12
Normální pravděpodobnostní graf pro odezvu ln s2 (Minitab)
13
Test s použitím robustního odhadu PSE
kritická hodnota pro a = 0, ,735 (tabulky Wu, Hamada)
14
Paretův diagram pro odezvu (Minitab)
PSE = 0,081
15
Paretův diagram pro odezvu ln s2 (Minitab)
PSE = 0,644
16
Alternativní přístup Model odezvy y Matice návrhu
Identifikace významných efektů Normální pravděpodobnostní graf PSE Zahrnutí nejmenších efektů do náhodné složky modelu
17
Model odezvy vliv řiditelných faktorů vliv rušivých faktorů
interakce řiditelných a rušivých faktorů
18
Grafy interakcí C- C+ H+ H-
19
Závěr Porovnání přístupů
Vhodnost použití podle povahy rušivých faktorů Účinnost druhý přístup účinnější zvlášť v případě několika srovnatelných efektů Splnění předpokladů u prvního přístupu zjevně nesplněny, heteroskedasticita
20
Další směr zkoumání Zlepšit metodu identifikace modelu odezvy – stepwise ANOVA Najít účinnější metodu identifikace faktorů s disperzními efekty v modelu pro rozptyl Modelování odezvové plochy pro nalezení optimálních podmínek v případě kvantitativních řiditelných faktorů
Podobné prezentace
© 2024 SlidePlayer.cz Inc.
All rights reserved.