7-7.

2 Nonlinear Combinations

Dalam beberapa masalah, dimensi biasanya kita boleh sebut dengan nonlinier combinations dengan n componen x1, x2, ... xn, yaitu

dalam masalah jenis ini, pendekatan yang biasa dilakukan adalah mendekati fungsi nonlinier dari xi di wilayahnya. Jika adalah dimensi nominal yang terkait dengan komponen x1, x2,..., xn maka dengan memperluas sisi kanan dari persamaan 7-41 dalam serangkaian taylor tentang kita memperoleh

dimana R merupakan istilah tingkat tinggi. mengabaikan ketentuan orde tinggi, kita dapat menerapkan nilai harapan dan varians operator untuk mendapatkan

Dan

prosedur ini untuk menemukan perkiraan dan variansi dari combation nonlinier variabel acak yang biasanya disebut menthod delta. Persamaan 7.44 sering disebut transmisi formula kesalahan. Contoh berikut menggambarkan bagaimana hasil ini berguna dalam masalah toleransi. Contoh 7-11 Dalam mempertimbangkan komponen-komponen rangkaian sederhana DC ditunjukkan pada Gambar 7-20. Anggaplah bahwa tegangan ke seluruh titik (a, b) diperlukan untuk menjadi 100 2V. Spesifikasi pada saat ini dan perlawanan pada sirkuit ditampilkan pada gambar 720. Kita asumsikan bahwa variabel komponen acak I dan R biasanya normal dan independen didistribusikan dengan nilai nominal.

bentuk hukum Ohm, kita tahu bahwa tegangan V=IR karena ini melibatkan kombinasi nonlinier, kami memperluas seri V dalam Taylor terhadap mean saat ini I dan berarti resistensi R , menghasilkan

Sekarang mean dan varians dari tegangan adalah

Dan

Sehubungan dengan itu, di mana 2 I dan 2 R adalah varians I dan R. Sekarang anggaplah bahwa I dan R berpusat pada nilai nominal dan bahwa batas toleransi didefinisikan sehingga = 0,0027 adalah bagian dari nilai-nilai dari setiap komponen yang berada di luar batas-batas ini. Asumsikan juga bahwa batas spesifikasi yang persis sama dengan batas toleransi. Untuk I saat ini kita telah mendapatkan I = 25 1 A. Yaitu, 24 I 26 A sesuai dengan batas toleransi dan spesifikasi. Karena I ~ N(25, 2 I ) dan Z
a 2

= Z 0,00135 = 3.00, kita telah mendapatkan

atau i = 0,33. Untuk daerah perlawanan, kita memiliki R = 4 0,06 ohm sebagai batas spesifikasi dan batas toleransi. Dengan demikian,

dan R = 0,02. Dicatat bahwa i dan R adalah nilai yang terbesar dari komponen standart deviasi konsisten dengan batas toleransi jatuh di dalam atau sama dengan batas

spesifikasi. Dengan hasil ini, dan jika kita mengasumsikan bahwa tegangan V terdistribusi mendekati normal, maka

Dan

sekitar sehingga v = 1.99 = 1,41. Karenanya, probabilitas bahwa tegangan akan jatuh dengan spesifikasi desain adalah

yaitu, hanya 84% dari tegangan output yang diamati akan jatuh dengan spesifikasi desain. Perhatikan bahwa batas toleransi alam atau kemampuan proses untuk tegangan output

Dan

dalam masalah ini rasio kemampuan proses adalah

dicatat bahwa, meskipun saat ini individu dan variasi resistensi yang tidak relatif berlebihan untuk spesifikasinya, karena "toleransi stack-up", yang berinteraksi untuk menghasilkan sirkuit yang kinerjanya relatif terhadap spesifikasi tegangan yang sangat rendah. 7.8 Estimating The natural Tolerance Limits of a Process( Memperkirakan Batas-Batas Toleransi alami dari suatu Proses) Dalam berbagai jenis proses produksi, adalah untuk memikirkan batas toleransi sebagai batas-batas tertentu yang mengandung pembagian 1 - - Distribusi. Dalam bagian ini kami menyajikan beberapa pendekatan untuk memperkirakan batas toleransi dalam proses.

Jika distribusi yang mendasari karakteristik kualitas dan parameternya diketahui, berdasarkan panjang - maka batas toleransi mungkin siap dibentuk. Sebagai contoh, dalam bagian 7-6, kita mempelajari berbagai masalah yang melibatkan toleransi dimana karakteristik kualitas itu biasanya didistribusikan dengan rata-rata dikenal dan dikenal varians 2 Jika dalam kasus ini kita mendefinisikan batas toleransi sebagai batas-batas yang mengandung 100 (1 - )% dari distribusi ini karakteristik kualitas, kemudian batas ini hanya Z 2 . Jika = 0,0 s, maka batas toleransi yang diberikan oleh 1.96 . Dalam masalah paling praktis, baik bentuk dari distribusi dan parameter akan diketahui. Namun, biasanya parameter dapat diestimasi dari data sampel. dalam kasus-kasus tertentu, maka, adalah mungkin untuk memperkirakan batas toleransi dari proses dengan penggunaan statistik sampel. Kita akan membahas dua prosedur untuk memperkirakan batas toleransi, satu untuk situasi di mana asumsi normalitas tidak pantas. Perkiraan batas tolerance proses adalah sebuah masalah penting dengan banyak implikasi praktis yang signifikan. Seperti dicatat sebelumnya, kecuali spesifikasi produk bertepatan dengan atau melebihi batas toleransi alami dari proses (PCR 1), persentase yang sangat tinggi dalam produksi akan keluar, mengakibatkan kerugian yang tinggi atau tingkat pengerjaan ulang. 7-8.1 Tolerance Limits based on the Normal Distribution(Batas Toleransi berdasarkan Distribusi Normal) Misalkan x variabel acak terdistribusi normal dengan mean dan varians 2 , keduanya tidak diketahui. Membentuk sampel acak pengamatan n, mean sampel x dan Sampel varians s 2 dapat dihitung. Sebuah prosedur logis untuk memperkirakan batas toleransi Z 2 . adalah untuk mengganti oleh x dan oleh s, menghasilkan

Karena x dan s hanya estimates dan bukan nilai parameter benar, kita tidak bisa mengatakan bahwa interval di atas selalu berisi 100 (1 - )% distribusi. Namun, seseorang dapat menentukan K konstan, seperti bahwa dalam sejumlah besar sampel pecahan interval Ks akan mencakup minimal 100 (1 - )% distribusi. Nilai K untuk 0 2 I 100 = 0,90, 0,95 0,99, dan 0,10 =, 0,05, dan 0,01 diberikan dalam Lampiran Tabel VII. contoh 7-12 Produsen propelan roket berbahan bakar padat yang tertarik untuk menemukan batas toleransi dari proses seperti bahwa 95% dari tingkat pembakaran akan membatasi probabilitas 0.99. Diketahui bentuk sebelumnya bahwa laju pembakaran adalah normal didistribusikan. Sebuah sampel acak dari 25 pengamatan menunjukkan bahwa mean sampel dan varians dari laju pembakaran yang x = 40,75 dan s2= 1,87, masing-masing. Sejak = 0,05, =0,99 , dan

25, kita menemukan K = 2.972 dari tabel Appendix VII x 2.972s = 40.75 (2.972 )(1,37) = 40,75 4.07 = [36,68, 44,82] Kita mencatat bahwa ada batas berbeda yang mendasar antara batas kepercayaan dan batas toleransi. Batas-batas kepercayaan yang digunakan untuk memberikan perkiraan interval parameter dari suatu distribusi, dimana batas toleransi yang digunakan untuk menunjukkan batas-batas antara mana yang kita mengharapkan menemukan proporsi populasi tertentu. Perhatikan bahwa sebagai pendekatan terbatas n, panjang interval kepercayaan mendekati nol, sedangkan batas toleransi mendekati nilai yang sesuai untuk populasi. Jadi, dalam Lampiran Tabel VII, mendekati tak terhingga untuk =0,05, K pendekatan 1,96. Hal ini juga memungkinkan untuk menentukan satu - batas toleransi sisi didasarkan pada distribusi normal. Artinya, kita mungkin ingin menyatakan bahwa dengan probabilitas minimal 100 (1 - )% distribusi lebih besar dari batas toleransi yang lebih rendah x -Ks atau kurang dari batas atas toleransi x +Ks . Nilai K untuk 0 2 I 100 = 0,90, 0,95 0,99, dan 0,10 =, 0,05, dan 0,01 diberikan dalam Lampiran Tabel VII. 7-8.2. Nonparametric Tolerance Limits(Batas Toleransi Nonparametrik) adalah untuk membangun nonparametrik (atau distribusi - bebas) batas toleransi yang berlaku untuk setiap distribusi probabilitas kontinu. Interval ini didasarkan pada distribusi nilai ekstrim (terbesar dan pengamatan sampel terkecil) dalam sampel untuk distribusi kontinu. Selama dua - batas toleransi sisi, jumlah pengamatan yang harus diambil untuk memastikan bahwa dengan probabilitas distribusi minimal 100 (1 - )% distribusi akan terletak antara observasi terbesar dan terkecil diperoleh pada sampel.

Sekitar. Jadi, untuk menjadi 99% yakin bahwa setidaknya 95% dari populasi akan mencakup antara nilai sampel yang ekstrim, kami telah = 0,05 dan =0,99 , dan akibatnya

untuk satu - sisi. Jadi, toleransi nonparametrik batas atas bahwa seperti dengan probabilitas .. minimal 100 (1 - )% dari populasi sampel melebihi nilai terkecil untuk dalam waktu kurang dari nilai sampel. kita harus mengambil sampel n= log(1 ) log(1 )

Dengan demikian, batas toleransi nonparametrik atas yang mengandung setidaknya 90% dari populasi dengan probanility setidaknya 0,95 ( = 0,10 dan =0,95) merupakan yang terbesar dalam sampel.

n=

log(1 ) log(0.05) = =28 log(1 ) log(0.90)

Pada umumnya nonparametrik secara umum, batas toleransi nonparametrik telah membatasi nilai praktis, karena membangun interval yang sesuai yang mengandung pembagian relatif besar dari probabilitas distribusi yang tinggi, dimana sampel besar yang diperlukan. Dalam beberapa kasus, ukuran sampel yang dibutuhkan akan sangat besar untuk pelarangan penggunaan. Jika seseorang dapat menentukan bentuk distribusi, untuk ukuran sampel yang diberikan untuk membangun interval toleransi yang kecil daripada bentuk pendekatan nonparametrik diperoleh.