10.12.2019.

Planiranje i analiza pokusa

“When your television set misbehaves, you may discover that a kick in the right
place often fixes the problem, at least temporarily. However, for a long term
solution the reason for the fault must be discovered. In general, problems can be
fixed or they may be solved. Experimental design catalyzes both fixing and
solving.” ‐‐ Box, Hunter and Hunter.

Poveznica s 6 (DMAIC):

D Definiraj ciljeve aktivnosti unaprjeđenja

M Izmjeri postojeći sustav (način rada, proces)

A Analiziraj sustav (proces) radi utvrđivanja mogućnosti eliminacije

razlika današnjih performansi sustava ili procesa i željenog cilja

I Unaprijedi sustav, proces

C Kontroliraj (upravljaj) novi sustav

1
 10.12.2019.

Podjela planova pokusa:

2
 10.12.2019.

Dodatak - analiza varijance

• Postupak usporedbe više uzoraka pri čemu svaki uzorak predstavlja
osnovni skup (populaciju)
• U tehničkim i proizvodnim uvjetima analiza varijance predstavlja postupak
provjere djelovanja promjene stanja nekog faktora na mjerenu vrijednost –
rezultat
• Analizom varijance provjeravaju se promjene aritmetičkih sredina uzoraka –
jednakost očekivanih vrijednosti osnovnog skupa

Uvod u planiranje i analizu pokusa

• visoki zahtjevi koje suvremeno tržište postavlja na sve aspekte kvalitete

proizvodnih i tehnoloških procesa zahtijevaju uporabu različitih metoda
kontrole i upravljanja kvalitetom kako u procesima proizvodnje tako i u
njihovu projektiranju (pr. 6sigma)
• uz već uobičajene metode i tehnike upravljanja kvalitetom, sve se više
koristi i metodologija planiranja i analize pokusa (Design of Experiments),
koja se pokazala vrlo učinkovitom, posebice žele li se postići optimalna
rješenja kako u funkcionalnim značajkama proizvoda tako i u pogledu
parametara odvijanja tehnološkog i proizvodnog procesa
• također, u znanstveno istraživačke svrhe spomenuta metodologija vrlo
često nema alternativu

3
 10.12.2019.

Povijest i osnovni pojmovi

– Francis Bacon (1561.–1626.), filozof, znanstvenik, povjesničar, koristio
jednofaktorske pokuse
ZNANJE JE MOĆ
– Sir Ronald Aylmer Fisher (1890.–1962.), utemeljitelj pojma DOE – Design of
Experiments
• istraživač na Rothamsted Laboratory (London)
• istraživao utjecaj različitih faktora na rast i prinose u poljoprivrednoj
proizvodnji
• uveo u istraživački rad “faktorske pokuse”, tj. istraživanje istovremenom
promjenom više utjecajnih faktora  interakcije
• definirao osnovne pojmove vezane uz pokuse:
– ponavljanje (repetiton; replicates), slučajnost pri izvođenju pokusa
(randomization), blokovi, aliasi
objavio knjige:
– Statistical methods for research workers (1925)
– Design of experiments (1935) - od tada je izraz Design of Experiments
u službenoj upotrebi
• početkom 20-og stoljeća pokusi sa smjesama se pojavljuju u poljoprivrednoj
industriji, industriji guma te industriji sapuna

Vrste pokusa
• Faktorski planovi pokusa
• Koristi se za ispitivanje veza između više faktora na više razina
odjednom
• Metode odzivnih površina
• Koristi se za istraživanje veza između više zavisnih i nezavisnih
varijabli
• Glavna ideja metode je korištenje sekvenci u planiranju pokusa
kako bi se postigao optimalni odziv
• Ovaj model je samo aproksimacija, ali se često koristi jer je takav
model lako procijeniti i upotrijebiti, čak i kada je malo toga poznato o
procesu
• Pokusi sa smjesama (mješavinama)

4
 10.12.2019.

Princip uporabe planova pokusa:

5
 10.12.2019.

Model pokusa

Faze pri izvođenju pokusa

1. Definirati problem i cilj istraživanja
2. Odabrati utjecajne faktore i
njihove razine
3. Odabrati mjerene vrijednosti
(izlazne varijable)
4. Odabrati model pokusa
5. Izvesti pokus (predpokus, glavni
pokus)
6. Analizirati rezultate
7. Formulirati zaključke i prijedloge

Faktorski planovi pokusa

• pogodni za istraživanje utjecaja 2, 3, 4, ... faktora
• odabrane faktore moguće je ispitivati na 2 ili više razina istovremeno
• ovisno o broju razina faktora regresijski model će biti sastavljen od članova
prvoga odnosno višeg reda te interakcija (prvog, drugog i višeg reda)
• pokusa po faktor po faktor OFAT (One factor at time):
• Prosječni efekt:
Faktora A – razlika u rezultatu A1B1 i A2B1
Faktora B – razlika A1B1 i A1B2
• U slučaju dodavanja točke A2B2 prosječan
efekt :
Faktora A – prosjek razlika u rezultatu A1B1-A2B1 i
A1B2 - A2B2
Faktora B – prosjek razlika A1B1-A1B2 i A2B1-A2B2
• Problem neuključivanja interakcija!!!

6
 10.12.2019.

Puni faktorski plan pokusa na dvije razine

• označavanje: 2k · r

broj razina
broj faktora
broj izvođenja pokusa za
svaku kombinaciju razina faktora
• najjednostavniji slučaj; k = 2 faktora svaki na 2 razine
 - očekivanje (opća aritm. sredina)
linearni model:
i - efekt faktora 1
yijk =  + i + j + ij + eijk j - efekt faktora 2
ij - efekt interakcije
eijk – ostala varijacija

Primjer:
A1, A2, B1, B2  razine faktora
(1), a, b, ab  stanja pokusa

Prikaz promjene rezultata:

rezultat
yij B1 B2
(1) b
A1 10 20
a ab
A2 30 40

7
 10.12.2019.

Rezultati djelovanja promjene faktora

• glavni efekti:

• interakcija

VAŽNO: ISTOVREMENA PROMJENA FAKTORA A i B NE UTJEČE NA

REZULTAT NEMA INTERAKCIJE

Primjer:
• glavni efekti:

• interakcija

INTERAKCIJA AB = – 20

rezultat
yij B1 B2
(1) b
A1 10 20
a ab
A2 30 0

8
 10.12.2019.

Primjer 22 plana pokusa:

Glavni efekti:

Dekompozicija sume kvadrata odstupanja:

Interakcija:

Primjer 23 plana pokusa:

E12= 3 E13= -0,5

E23= 0,5 E123= -0,5

9
 10.12.2019.

Faktorska analiza varijance (analiza značajnosti utjecaja

faktora i interakcija)
• Faktorskim pokusom varijabilnost je moguće rastaviti na:
• Glavne efekte – prosječne vrijednosti razlika po razinama faktora
• Interakcije – razlike koje ne pripadaju glavnim efektima, a posljedica
su istovremene promjene faktora

Analiza značajnosti utjecaja faktora i interakcija

a  broj razina faktora A * opaska: p – greška odbacivanja

b  broj razina faktora B ispravne hipoteze Ho
r  broj ponavljanja pokusa

10
 10.12.2019.

Primjer1: Potrebno je analizirati pokus 23 x 3. Rezultati su dani u tablici.

Proces

24 x

Estimated Effects and Coefficients for Tvrdoca (coded units)

Term Effect Coef SE Coef T P

Constant 586,417 0,8047 728,72 0,000
A 25,500 12,750 0,8047 15,84 0,000
B -14,000 -7,000 0,8047 -8,70 0,000
C -4,333 -2,167 0,8047 -2,69 0,016
A*B 8,667 4,333 0,8047 5,38 0,000
A*C 0,333 0,167 0,8047 0,21 0,839
Ulje T.O. B*C 6,500 3,250 0,8047 4,04 0,001
A*B*C 3,167 1,583 0,8047 1,97 0,067

S = 3,94229 PRESS = 559,5

R-Sq = 95,99% R-Sq(pred) = 90,98% R-Sq(adj) = 94,24%

Analysis of Variance for Tvrdoca (coded units)

Source DF Seq SS Adj SS Adj MS F P

Main Effects 3 5190,17 5190,17 1730,06 111,32 0,000
2-Way Interactions 3 704,83 704,83 234,94 15,12 0,000
3-Way Interactions 1 60,17 60,17 60,17 3,87 0,067
Residual Error 16 248,67 248,67 15,54
Pure Error 16 248,67 248,67 15,54
Total 23 6203,83

Ulje V.L.

11
 10.12.2019.

Primjer2: Plan pokusa 33 + 5 nc „Zavarivanje trenjem aluminijskih sendvič panela

rotirajućim alatom” – (dr. rad M. Bušić)

Rm = 70,02364 + 0,040111 · v + 11,03252 · αA – 17,04735 · dA ‒ 1,72718 · αA 2 + 1,04115 · dA2

12
 10.12.2019.

Primjer3: Opis problema

• Cilj je izrezati trake tako da lagano padaju na pod
– Ako su optimalno dimenzionirani konfeti se rotiraju i kreću pod
nasumičnim kutovima što odaje vrlo efektan dojam
• U tablici su prikazano faktori i nivoi koje je potrebno testirati
• Napomena
– Dodane su središnje točke (kodirane s 0) kako bi se smanjio razmak
između nižeg i višeg nivoa

Faktor Naziv Mjerne Niži Centar Viši

jedinic nivo (-) (0) nivo (+)
e
A Širina cm 1 2 3
B Visina cm 3 4 5

• Model pokusa i izmjereni podaci

No. Širina (cm) Visina (cm)
1 1
2 3
3 1
4 3
5 2
6 2
7 2
8 2
Vrijeme
(sec)
3 2,5
3 1,9
5 2,8
5 2
4 2,8
4 2,7
4 2,6
4 2,7

– Središnja točka je replicirana 4 puta kako bi se determinirala čista

pogreška pokusa

13
 10.12.2019.

Efekti:

ANOVA tablica:
p-value
Source Sum of Squares df Mean Square F Value
Prob > F
Model 0,49 1 0,49 35 0.0020

A-Širina 0,49 1 0,49 35 0.0020

Curvature 0,32 1 0,32 22,86 0.0050

Residual 0,07 5 0,014

Lack of Fit 0,05 2 0,025 3,75 0.1527

Pure Error 0,02 3 0,00667

Cor Total 0,88 7

Std. Dev. 0,12 R-Squared 0,8750

Mean 2,50 Adj R-Squared 0,8500

C.V. % 4,73 Pred R-Squared 0,5794

PRESS 0,24 Adeq Precision 10,3510

14
 10.12.2019.

Rezultati

Proširenje na centralno kompozitni model (CCD)

Centralno kompozitni model za tri faktora

Centralno kompozitni model za dva faktora

• Napomena
Kako bi se postigla maksimalna
učinkovitost ovog modela točke
stanja na osima moraju biti
udaljene od dometa faktora za
specifičnu udaljenost koja iznosi:
Drugi korijen iz broja faktora

15
 10.12.2019.

• U tablici je prikazan novi prošireni model

– Nove točke su označene kao Block 2
– Primijetite dodatne središnje točke  one omogućuju vezu i daju veću
snagu za procjenu efekata drugog reda
– CCD model sadrži 5 nivoa za svaki faktor:
• Niži osni
• Niži faktorski
• Središnji
• Viši faktorski
• Viši osni
– Toliko nivoa omogućuje generiranje dovoljno informacija da se
odredi jednadžba polinoma drugog reda

• Centralno kompozitni model  Konfeti

Širina Duljina Vrijeme
No. Blok Tip
(cm) (cm) (sec)

1 Block 1 Fact 1 3 2,50

2 Block 1 Fact 3 3 1,90
3 Block 1 Fact 1 5 2,80
4 Block 1 Fact 3 5 2,00
5 Block 1 Center 2 4 2,80
6 Block 1 Center 2 4 2,70
7 Block 1 Center 2 4 2,60
8 Block 1 Center 2 4 2,70
9 Block 2 Axial 0,59 4 2,50
10 Block 2 Axial 3,41 4 1,80
11 Block 2 Axial 2 2,59 2,60
12 Block 2 Axial 2 5,41 3,00
13 Block 2 Center 2 4 2,50
14 Block 2 Center 2 4 2,60
15 Block 2 Center 2 4 2,60
16 Block 2 Center 2 4 2,90

16
 10.12.2019.

ANOVA tablica

Rezultati – odzivna površina

3D prikaz odzivne površine

Konturni prikaz odziva

17
 10.12.2019.

Primjer4: Potrebno je analizirati i poboljšati proces zavarivanja matica na određene pozicije na školjci
automobilskog sjedala. Svrha matica je učvršćenje same školjke preko vijčanog spoja s postoljem
sjedala. Kao mjera kvalitete zavarenog spoja uzima se moment pritezanja. Planiran je eksperiment koji je
uključivao utjecajne faktore: jakost struje pri zavarivanju, kontakta elektrode izražen preko ciklusa i
pritisak. Odzivna vrijednost jest maksimalni mogući moment pri pritezanju.

Rezultat porasta kvalitete

18