1 / 20

Analýza experimentu pro robustní návrh

Analýza experimentu pro robustní návrh. Eva Jarošová, VŠE v Praze. Úvod. Cíl zlepšování jakosti procesu posunout střední hodnotu procesu směrem k cílové hodnotě minimalizovat variabilitu procesu Statistické nástroje navrhování experimentů

melora
Download Presentation

Analýza experimentu pro robustní návrh

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Analýza experimentu pro robustní návrh Eva Jarošová, VŠE v Praze

  2. Úvod • Cíl zlepšování jakosti procesu • 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

  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

  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 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 = 0,05 ... 2,735 (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. C- H+ C+ H- Grafy interakcí

  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

More Related