Smjernice za planiranje i dokumentiranje eksperimenata

6406/12

Rezime
U oblastima inženjeringa i fizičkih znanosti, eksperimenti su primarna komponenta naučne
metode. Koriste se za testiranja teorija i hipoteza o tome kako fizički procesi rade u
određenim uslovima. U ovom seminarskom radu će se pružiti smjernice za projektiranje i
dokumentiranje eksperimentalnih programa, s posebnim naglaskom na eksperimentalne
programe u mašinskim inženjerskim procesima. Čitalac će biti upoznat s najboljim i najčešće
korištenim praksama, ali i greškama i problemima s kojima se suočavaju stručnjaci za
vrijeme trajanja eksperimentalnog procesa.

Ključne riječi

- eksperiment
- bezdimenzionalni parametar
- slučajna greška
- probni test
- testna matrica

Uvod
Eksperiment je postupak koji se sprovodi s ciljem da podrži, opovrgne ili potvrdi hipotezu.
Eksperimenti pružaju uvid u uzročno-posljedične veze, demonstrirajući različite ishode za
različite vrijednosti ključnih faktora. Međusobno se razlikuju kada je u pitanju njihov cilj,
značaj i složenost, ali se uvijek oslanjaju na repetitivni postupak i logičku analizu dobijenih
rezultata.
Cilj svakog eksperimenta jeste da se dobiju opća rješenja, primjenjiva ne samo na jednom,
konkretnom problemu, već uporediva i s drugim, sličnim sistemima i eksperimentima koji su
već sprovedeni.

1
1. Pregled eksperimentalnog programa
Najbolji rezultat eksperimentalnog programa će se postići kada se koristi sistematski pristup.
Eksperimentalni proces je specijalni slučaj konstrukcijskog procesa nekog predmeta, koji se
izučavao i opsežno dokumentirao. Općenito, eksperimenti se koriste za izučavanje rada
procesa ili sistema.

Slika 1.1. Uprošteni model procesa ili sistema [7]

Iako drugačija istraživanja imaju drugačija imena za različite aktivnosti, korake ili faze
eksperimentalnog programa, oni su općenito definirani kako slijedi:
1. definiranje problema,
2. plan eksperimenta,
3. konstrukcija eksperimenta i razvoj,
4. prikupljanje podataka,
5. analiza podataka,
6. tumačenje rezultata i izvještavanje.

1.1. Definiranje problema

Istraživanje problema mora biti pravilno i pažljivo pripremljeno, također mora biti
sprovodljivo i isplativo, da bi krajnji rezultat bio realan i ostvariv. Utvrđivanje količine
potrebnih resursa, odabir pristupa i lokacije istraživanja samo su neki od elemenata potrebnih
za definiranje problema. Također, važan dio eksperimentalnog procesa je određivanje ciljeva.
Ciljevi se mogu odrediti davanjem odgovora na pitanja: „Šta je cilj?“ i „Da li je cilj realan i
ostvariv?“. Pored toga potrebno je izabrati i primijeniti adekvatan pristup. To se postiže
odabirom nekoliko komplementarnih ili različitih metoda da bi se umanjila ili isključila
mogućnost odstupanja ili greške; metode moraju biti pouzdane, primjenljive i isplative. Sve
odule u ovoj fazi bi trebale biti donešene s velikom pažnjom, ali to obično nije slučaj.

2
Inženjeri obično ne potroše dovoljno vremena definišući problem i pokreću dizajnerski proces
bez da su svjesni da su eliminirali mnogo bolje opcije.

1.2. Plan eksperimenta

Ovaj korak je glavni dio svakog eksperimentalnog programa i sadrži sljedeće glavne
komponente:
1. traženje informacija (obično, istraživanje literature),
2. utvrđivanje eksperimentalnog pristupa,
3. utvrđivanje vremenskog rasporeda i troškova,
4. utvrđivanje analitičkog metoda korištenog za analizu podataka,
5. određivanje mjerenih varijabli,
6. odabir instrumenata,
7. procjena eksperimentalne nesigurnosti,
8. utvrđivanje testne matrice (vrijednost nezavisnih varijabli),
9. određivanje testne procedure.
Ove komponente dizajnerskog procesa su obično interaktivne. Na primjer, eksperimentalni
pristup može biti odbačen ili značajno izmjenjen ako nepouzdana analiza rezultuje
neprihvatljvom tačnošću. Ako je moguće, nekoliko eksperimentalnih pristupa trebalo bi biti
analizirano odmah na početku, kako bi na kraju bio izabran najbolji pristup. Početni idejni
sastanci su produktivni u ovom pogledu i trebali bi uključivati kvalificirane osobe koje neće
učestvovati u kasnijim aspektima programa. U većini testnih programa, dizajnerska faza je
izvedena u dva dijela: preliminarni i finalni dizajn. Faza preliminarnog dizajna je
procjenjujuća vrsta studija, uključujući procjenu troška i dokumentirane rezultate zvane
ponuda. Ova ponuda je pregledana od strane sponzorske organizacije projekta, koja kontrolira
sredstva za projekat. To može biti druga komponenta iste organizacije, vanjska korporacija, ili
vladina agencija. Sponzorska organizacija bi trebala imati ponude pripremljenje od strane
nekoliko testnih grupa i izabrati samo jednu grupu da završi eksperimentalni program.

1.3. Konstrukcija eksperimenta i razvoj

Potrebna oprema za izvođenje eksperimenta je obezbijeđena u ovoj fazi, te je formirana
konfiguracija. Također, pokreću se brojni probni testovi da bi se utvrdila adekvatnost opreme
i pristupa. Nakon što se odrade probni testovi, vrši se analiza njihovih rezultata što obično
uzrokuje izmjene opreme ili eksperimentalnog pristupa.

1.4. Prikupljanje podataka

Jednom kad je testna konfiguracija napravljena i njeni nedostaci otklonjeni, testni podaci
mogu se prikupljati slijedeći određenu metodu sortiranja podataka. Jako je bitno da se prikupi
dovoljna količina podataka koji moraju biti relevantni, povjerljivi i u skladu s postavljenim
ciljevima. Vrsta podataka određuje i način njihovog prikupljanja.

3
Tabela 1.1. Vrste i tehnike za prikupljanje podataka [3]

Vrsta podataka Tehnike za prikupljanje podataka

Dokumenti (pisani, zvučni i audio‐ Analiza sadržaja

vizuelni zapisi)

Podaci o svojstvima prirodnog i Statistički popisi; druga statistička merenja

društvenog okruženja

Ponašanje (gledanje TV, čitanje novina, Intervju; Medijski paneli

slušanje radija,
prisustvo na internetu)

Lično iskustvo Introspekcija; Grupne diskusije

1.5. Analiza podataka

Mnogobrojni su kriterijumi za odabir procedura za analizu podataka. Međutim, u većini
testnih programa, analiza podataka se vrši korištenjem kompjuterskih programa razvijenih
tokom dizajnerske faze (analitički model). Podaci se počinju analizirati dok je prikupljanje još
uvijek u toku, da bi se provjerila validnost podataka. Upotrebom računarskih sistema,
prikupljanje podataka je olakšano i preliminarna analiza podataka može biti dostupna u jako
kratkom vremenu. U mnogim eksperimentima, analiza podataka se nastavlja i nakon
završetka testiranja.

1.6. Tumačenje rezultata i izvještavanje

Nakon što su podaci analizirani, izvršilac eksperimenta mora interpretirati podatke. Trebali bi
postojati logični razlozi da objasne kretanja podataka, kao i nepravilne podatke. Poređenje i
validacija mogu biti izvršeni s rezultatima iz prethodnih ili sličnih eksperimenata. Podaci bi
trebali biti korišteni da odgovore svim projektnim ciljevima. Kada je tumačenje završeno,
rezultati moraju biti dokumentovani u konačno izvješće koje prenosi rezultate sponzorskoj
organizaciji.

4
2. Česte aktivnosti u eksperimentalnim projektima
Većina aspekata eksperimentalnog programa zavisi od pojedinačnih programa. Kako god, tu
je značajan broj tehnika koje se generalno mogu koristiti u mnogo programa:
1. dimenzionalna analiza i utvrđivanje skale testne konfiguracije,
2. analiza nesigurnosti,
3. probni testovi,
4. utvrđivanje testne matrice i testnog slijeda,
5. raspored i i procjena troškova,
6. pregled dizajna,
7. izvještavanje.
Ove tehnike su razmotrene detaljnije u dijelu koji slijedi.

2.1. Dimenzionalna analiza i utvrđivanje skale testne konfiguracije

Veoma snažna tehnika dostupna u eksperimantalnom radu, nazvana dimenzionalna analiza,
dozvoljava smanjenje u broju varijabli koje treba razmatrati u eksperimentu, pojednostavljuje
predstavljanje rezultata, i osigurava pouzdan metod za utvrđivanje skale testne konfiguracije.
Dimenzionalna analiza je proces kojim dimenzionalne varijable, koje opisuju fizikalni
problem, mogu biti kombinovane da tvore skup bezdimenzionalnih parametara.

Slika 2.1. Pregled osnovnih fizikalnih veličina[6]

Jedan od bezdimenzionalnih parametara je Reynoldsov broj, korišten za dizajniranje pritisak-

diferencijal mjerača protoka. Reynoldsov broj je definiran kao:
ρVL
ℜ= ,
μ
pri čemu je ρ gustina fluida, V brzina fluida, L dužina skale i μ viskoznost fluida. Dok sve
varijable u Reynoldsovom broju imaju dimenziju i imaju vrijednost koja zavisi od sistema
jedinica, Reynoldsov broj sam po sebi je bezdimenzionalan i neovisan od sistema jedinica.
Drugi dobro poznat bezdimenzionalni parametar je Machov broj, koji se koristi u
aerodinamici i drugim kompresivnim tokovima fluida. Machov broj je odnos lokalne fluidne
brzine i lokalne brzine zvuka.
Za bilo koji specifičan problem, kompletan skup bezdimenzionalnih parametara može biti
utvrđen na osnovu standardnih tehnika, čak i kad nisu poznate jednakosti koje upravljaju
problemom. Jedini zahtjev za formiranje skupa bezdimenzionalnih parametara je da skup

5
relevantnih dimenzionalnih parametara bude popunjen. E. Buckingham je u ranim godinama
20. stoljeća promovisao dimenzionalnu analizu i predstavio teorem koji predstavlja glavnu
karakteristiku ove tehnike. Ovo je Buckinghamov ∏ teorem, gdje je simbol ∏ korišten da
predstavi bezdimenzionalne parametre.
Ako je m dimenzionalnih varijabli koje opisuju fizikalni fenomen – A1, A2,..., Am (e.g. gustina,
brzina i dužina), tada postoji funkcionalna relacija između ovih varijabli:

f(A1, A2,... Am ) = 0.

Ovo jednostavno znači da ako je naša lista varijabli kompletna i relevantna, tu postoji
prirodno rješenje problema. Ako je n dimenzija sadržanih u skupu dimenzionalnih varijabli
(e.g. dužina, masa i vrijeme), tada tu postoji skup (m - n) bezdimenzionalnih varijabli ∏1,
∏2,... , ∏m-n koji opisuje isti fizikalni problem. Ovi bezdimenzionalni parametri su povezani
drugom funkcionalnom vezom:
F(∏1, ∏2,... , ∏m-n) = 0.
Nijedna od funkcija f i F nije nužno matematička funkcija i može jednostavno predstavljati
vezu koja jednio može biti utvrđena iz eksperimenata. Treba napomenuti da je u nekim
slučajevima n manje nego broj dimenzija.
Dvije su bitne posljedice ove teoreme. Prva, fizikalni problem može funkcionalno biti
objašnjen koristeći odgovarajući skup bezdimenzionalnih parametara. Druga, skup
bezdimenzionalnih parametara ima manje članova neko skup dimenzionalnih varijabli.
Nekoliko je tehnika koje mogu biti korištene da utvrde skup bezdimenzionalnih parametara iz
dimenzionalnih varijabli. Jedan od njih je nazvan metod ponavljanja varijabli. Rezultujući
skup bezdimenzionalnih parametara koji opisuje fizikalni problem nije jedinstven, tu su
obično alternativni skupovi, ali neki su poželjniji zbog praktičnih ili historijskih razloga. Npr.,
razmotrite problem pada pritiska laminarnog toka fluida kroz horizontalnu cijev. Koristeći
dimnezionalne varijable, problem može biti izražen kao:
f(∆P, V, P, L, ρ, μ) = 0,
gdje je ∆P pad pritiska, V brzina fluida, D prečnik cijevi, L dužina cijevi, a ρ i μ gustina fluida
i viskoznosti, respektivno. ∏ teorem nam govori da možemo alternativno opisati problem s tri
bezdimenzionalna parametra (tu je šest dimenzionalnih varijabli, a samo tri dimenzije, dužina,
masa i vrijeme):
F(∏1, ∏2, ∏3) = 0.
Najčešći skup bezdimenzionalnih parametara korišen u ovom problem je Reynoldsov broj Re,
faktor trenja f, te odnos dužina-prečnik:

∏1=ℜ=
ρVL
μ
,
∏2=f =
∆P ( DL ) , ∏3=
L
D
.

ρ ( )
V2
2

6
Da bismo vidjeli kako ovi parametri mogu biti korišteni, razmotrimo test u kojem je odnos
dužina-prečnik konstantan i tražimo varijaciju faktora trenja prema Reynoldsovom broju.
Reynoldsov broj možemo mijenjati promjenom bilo koje od varijabli, brzine, prečnika,
gustine ili viskoznosti. Prilagodljivost uveliko pojednostavljuje izgled eksperimenta. Podaci iz
eksperimenta mogu biti primjenjeni na najčešće fluide, npr., voda, zrak ili živa, te cijevi bilo
kojeg prečnika. Jedna ključna posljedica bezdimenzionalnog problema jeste da je broj
varijabli smanjen. U laminarnom toku, broj varijabli je smanjen sa šest na tri. Ovo uveliko
pojednostavljuje ne samo testiranje (manje testova se treba izvesti), nego i predstavljanje
rezultata. Npr., čitav skup podataka može biti predstavljen na jednom grafu. Možemo koristiti
Reynoldsov broj kao horizontalnu osu i faktor trenja kao vertikalnu osu. Odnos dužina-
prečnik može biti parametar koji označava odvojene krivulje. U dimenzionalnoj formi, sa šest
varijabli, bio bi razmatran veliki broj grafova. Kako upotreba bezdimenzionalnih parametara
odgovara predstavljanju rezultata, oni se često koriste za grafičku reprezentaciju rezultata
neeksperimentalnih analiza.
Bezdimenzionalni parametri također mogu biti korišteni da utvrde prikladnu skalu za testove
tehnike poznate kao sličnost. Obično govorimo o sličnosti u smislu prototipa (stvarni uređaj) i
modela (uređaj koji se testira). Koncept sličnosti je obično izložen u dva dijela: geometrijska
sličnost i dinamička sličnost. Navodi se da su prototip i model geometrijski slični ako sve
odgovarajuće dimenzije imaju isti odnos. Npr., ako je dužina modela 1/10 prototipa, širina
modela također mora biti 1/10 širine prototipa.
Prototip i model će biti dinamički slični ako odgovarajući bezdimenzionalni parametri imaju
istu vrijednost i za prototip i za model. U laminarnom toku u cijevi u prethodnom primjeru,
imat ćemo dinamičku sličnost ako su zadovoljene sljedeće dvije relacije:
ρ p V p D p ρm V m D m
ℜp = = =ℜm
μP μm
L p Lm
= .
D p Dm
U slučaju trenja cijevi, ako napravimo dva od tri primjenjiva bezdimenzionalna parametra
istim, treći, faktor trenja, će automatski biti isti kako je funkcionalno povezan sa
Reynoldsovim brojem i odnosom dužina-prečnik. Razmotrimo test laminarnog toka u cijevi
na modelu razmjere 1/10. I prečnik modela i dužina 1/10 će biti odgovarajuća veličina
pritotipa. Koristeći isti fluid (ista gustina i viskozitet), sličnost Reynoldsovog broja zahtjeva
da brzina modela bude 10 puta veća od brzine prototipa.
U primjeru laminarnog toka u cijevi bili smo u mogućnosti da odredimo precizan test model-
razmjera. Precizan test model razmjere je moguć u mnogim problemima, uključujući
mehaniku fluida, aerodinamiku i dinamiku. Nažalost, nije uvijek moguće dizajnirati testove
model-razmjera koristeći dostupne fluide i materijale. Čest primjer ovoga je ispitivanje
model-razmjera otpora tekućine na brodove. U ovom slučaju bezdimenzionalni parametri su
koeficijent otpora, Reynoldsov broj i drugi parametar nazvan Froudeov broj. Ispostavilo se da
je nemoguće razmjeriti i Reynoldsov broj i Froudeov broj u isto vrijeme koristeći uobičajene
fluide. U ovom slučaju, ispitivanje se izvodi skaliranjem testa sa Froudeovim brojem,

7
uzimajući u obzir efekat Reynoldsovog broja. Mnogo je situacija u kojima model-razmjera
testovi uključuju značajne kompromise, zbog čega su oni nekada nepraktični. Ipak, model-
razmjera ispitivanje ima značajne ekonomske prednosti i ispitivač bi ga trebao uzeti u
razmatranje.

2.2. Analiza nesigurnosti

Analiza neisgurnosti će biti značajna komponenta praktično svakog inženjerskog
eksperimenta. Obično se izvodi u dvije odvojene faze, u dizajnerskoj fazi i kasnije, u fazi
analize podataka. U dizajnerskoj fazi, analiza nesigurnosti je sastavni dio specifikacije
instrumenata. Instrumenti moraju imati dovoljnu preciznost tako da će, kada su podaci
konačno analizirani, rezultati biti korisni za namjenu. Analiza mora uključivati sistematske i
slučajne greške instrumenta, procjenu raznih opterećenja i instalacijske greške. Nažalost, neki
izvori slučajnih greški će biti nepoznati u dizajnerskoj fazi i mogu se dobiti samo od samih
testova (ili izdržljivosti ili sporednih testova). Za vrijeme izvođenja ove preliminarne analize
nesigurnosti, biće neophodno imati barem preliminarnu verziju analitičkog modela koji će se
koristiti za analizu testa podataka.
Kada je ispitivanje završeno, neophodno je izvesti analizu nesigurnosti. U ovom trenutku
trebalo bi imati i dodatne informacije o slučajnim greškama na osnovu testa podataka. Neki
dijelovi testne matrice mogu biti ponovljeni (tj. izvršeni nekoliko puta, ali ne istovremeno),
dajući dodatnu informaciju o slučajnim greškama. Kalibracija instrumenta može smanjiti limit
sistemske greške i tu može biti informacija kako smanjiti prethodnu procjenu različitog
opterećenja i instalacijskih grešaka. U nekim slučajevima, testno iskustvo može uzrokovati
povećanje u intervalima nesigurnosti ako je prethodno identificiran nepoznati fenomen.

2.3. Probni testovi

Velika karakteristika eksperimentalnih programa jesu neočekivani događaji. Zadovoljavajuća
analiza nesigurnosti i visokokvalitetni instrumenti neće garantovati da će rezultati biti
prihvatljivi. Nepredviđen fluid i termalna curenja, greške u električnom vodu i vodovodu i
drugi nepredviđeni problem će se obično pojaviti. Uspješan eksperimentalni program zahtjeva
pažnju na detaljima i upornost od strane osobe koja izvodi eksperiment. Da bi osigurali
kvalitet eksperimenta, obično se izvode specijalni testovi i mjerenja s ciljem da se obezbijedi
da je eksperiment zadovoljio osnovne zahtjeve. Ova mjerenja, obično naziva probni testovi,
zavise od eksperimenta, međutim, tu je nekoliko procedura koje se široko upotrebljavaju.
Obično je neophodno instalirati dopunske instrumente za ove testove.
Ispitivanje instrumenata u stanju statičnosti: Kada testna konfiguracija ne radi, obično je
moguće znati iz nezavisnih sredstava koje bi očitanje određenog instrumenta trebalo biti.
Npr., uređaj za mjerenje temperature treba mjeriti poznatu temperaturu (kao što je sobna) i
obično je moguće odrediti očekivano očitanje drugih instrumenata, kao što su tlakomjeri i
pretvarači sile.
Testiranje posebnih slučaja: U mnogo slučajeva, testovi mogu biti izvedeni, a rezultati
upoređeni s analiziranim ili prethodno postojećim izvorima podataka. Npr., očitanja stabilnog
stanja mogu biti napravljena na konfiguraciji namijenjenoj za nepostojanja mjerenja. U

8
drugim slučajevima, odabrani podskup nezavisnih varijabli može rezultirati situacijom sa
poznatim ishodom. Npr., u eksperimentu dizajniranom tako da utvrdi određene osobine novog
materijala, drugi materijal s već utvrđenim osobinama može također može biti testiran.
Ukupne provjere stanja: Često je moguće koristiti opći fizikalni princip za izvođenje ukupne
provjere ispravnosti eksperimenta. U termalnim eksperimentima, energija će se očuvati. S
adekvatnim instrumentima, često je moguće mjeriti sve energetske protoke. Odstupanja od
pravog očuvanja mogu ukazati na značajnu grešku u mjerenjima. Druge mogućnosti ukupne
provjere stanja uključuju uravnoteženja sile, očuvanje mase i očuvanje impulsa, očuvanje
atomskih vrsta i Kirchhoffov zakon. Ukupne provjere stanja mogu se izvesti ne samo u
početnoj fazi, nego i u fazi uzimanja podataka, kao konstantni posmatrači pravilnog
izvođenja.

2.4. Testna matrica i testni slijed

Eksperiment traži da se utvrdi veza između jedne ili više zavisnih varijabli, koje se zovu
odgovori, i skupa nezavisnih varijabli, koje se obično zovu faktori. Izvođač eksperimenta
normalno određuje i postavlja vrijednost za faktore i eksperiment tada utvrđuje odgovor. Ako
je samo jedna varijabla nezavisna, eksperiment je jednofaktorski, dvije nezavisne varijable
prave dvofaktorski eksperiment, itd. Set kombinacije faktora za dati eksperiment je poznat
kao testna matrica i ona je obično utvrđena barem djelimično prije početka ispitivanja. Za
jednofaktorske eksperimente, utvrđivanje testne matrice je obično jednostavno. Neophodno je
odrediti vrijednost faktora koji se testira (i raspon i razmještaj), na način na koji će test biti
izveden, i broj ponavljanja svakog testa. Očekivani oblik testnih rezultata i metoda korištena
za analizu podataka može utjecati na ove odluke.
Kopiranje testnih uslova razlikuje se od ponavljanja testnih uslova. U jednostavnom
ponavljanju, testni uslovi mogu biti podešeni, podaci uzeti, a sam proces odmah ponovljen. U
kopiranju, testni uslovi će biti ponovljeni u drugo, kasnije vrijeme, moguće koristeći drugačije
instrumente. Kopiranje je poželjno ponavljati u dokazivanju osnova za procjenu slučajne
greške mjerenja. Treba napomenuti da, ako je slučajna greška u jednofaktorskom
eksperimentu velika, to ustvari i nije jednofaktorski eksperiment; očito postoji jedan ili više
nekontroliranih stranih faktora koji značajno utječu na odgovor.
Svaki faktor će varirati u nekom rasponu od minimalne do maksimalne vrijendosti.
Razmještaj vrijednosti faktora unutar ovog raspona zaslužuje pažnju. Za uski raspon faktora
(vrijednost od dva do tri), moglo bi biti razumno smjestiti vrijednosti faktora ravnomjerno
unutar raspona. Za širok raspon faktora (vrijednosti od jedan do hiljadu), podatak odgovora će
vjerovatno biti predstavljen u odnosu na logaritam faktora. U ovom slučaju vjerovatno je
najbolje smjestiti vrijednosti faktora u ravnomjernim logaritamskim uvećanjima faktora.
Za dva ili više faktora, utvrđivanje matrice je komplikovanije i postoji više alternativa. Ovdje
razmatramo dvofaktorske i trofaktorske eksperimente, ali vrijedi napomenuti da su metode
suštinski iste za veći broj faktora. Razmotrimo prvo dvofaktorski eksperiment gdje je odgovor
R funkcija faktora X i Y.

9
 Slika 2.2. Testna matrica dvofaktorskog eksperimenta[1]

Prvo trebamo utvrditi odgovarajući rang za X i Y, a onda možemo postaviti testnu matricu kao
što je prikazano na Slici 2.2. (za pet vrijednosti svakog faktora). S ovom matricom ćemo
izvesti 25 testnih prolaza. Bit će neophodno kopirati jedan ili više testnih uslova za
demonstriranje ponovljivosti testa. Ako je slučajna greška visoka, može biti neophodno
kopirati svaki testni uslov jednom ili više puta da bismo dobili upotrebljive rezultate.
Rezultati ovog eksperimenta mogu biti grafički prikazani kao što je to urađeno na Slici 2.3. i
krivulje mogu biti prilagođene podacima, odnosno, može biti utvrđena korelacijska krivulja.
Kad se ispituje Slika 2.3., očito je da je oblik krivulja konstante Y jednak. Posljedično, neki od
podataka mogu biti nepotrebni, tako da se ne moraju nužno napraviti mjerenja za sve pozicije
u testnoj matrici prikazanoj na Slici 2.2. Mi možemo pouzdano otkloniti neke od testnih
uslova; takvi su prikazani kao zaokružene tačke na Slici 2.3., odnosno vrijedosti sa
zvjezdicom na Slici 2.2.
Tip testne matrice prikazane na Slici 2.2. vjerovatno, s velikom sigurnošću, otkriva potpuni
odgovor u izabranom rasponu faktora za većinu inženjerskih problema. Npr., razmotrimo
mjerenje kvazi stalnog porasta pritiska hidraulične centrifugalne pumpe kao funkcije protoka i
brzine vratila. Mjerenja u ovom eksperimentu imaju malu slučajnu grešku (koja umanjuje
kopiranje) i mjerenja na svakom testnom uslovu mogu biti završena brzo. Kako god, s
testnom matricom prikazanom na Slici 2.2., postoji prilično veliki broj testnih uslova (čak i
ako je nekoliko uslova moguće eliminirati, kao što je napomenuto) i ako se zahtjeva više
kopiranja, ovaj broj će rasti (porastom broja faktora, rast će postati brži). U našem primjeru,
ako je uključen treći faktor s pet vrijednosti, testna matrica će porasti s inicijalnih 25 testnih
uslova na 125. Dakle, ovaj pristup ne može biti praktičan za mnogo testova.

10
 Slika 2.3. Grafički prikaz rezultata eksperimenta[1]
Npr., razmotrite test čvrstog raketnog pojačivača da bi se utvrdili efekti vrste goriva, pritisak
u komori i geometrija rasprskivača. Tu je cijena po testu velika, te kako mogu postojati velike
slučajne greške, kopiranje može biti izuzetno zahtjevano. U takvim slučajevima, drugi
pristupi bi trebali biti razmotreni.
Jedna mogućnost je one-factor-at-a-time (jedan faktor istovremeno) testna matrica. Odgovor
nekih procesa može biti okarakterisan jednom od sljedećih funkcionalnih formi:
R = F(X)G(Y), odnosno, R = F(X) + G(Y).
U svakom slučaju, funkcija koja upravlja odgovorom faktora X je potpuno nezavisna od
funkcije koja utvrđuje odgovor faktora Y. Faktori ne djeluju međusobno. Ako izvođač
eksperimenta ima razlog da vjeruje da proces slijedi jednu od ovih funkcionalnih formi,
jednostavnija testna matrica može biti određena kao što je prikazano na Slici 2.4. Podaci iz X3
reda mogu se koristiti da utvrde G(Y), a podaci iz Y3 kolone mogu se koristiti da utvrde F(X).
S ovom testnom matricom, postoji samo 9 testnih uslova, a ne 25, a broj testnih uslova će biti
povećan samo na 13.
Glavni nedostatak one-factor-at-a-time pristupa je da neće dozvoliti procjenu međudjelovanja
između faktora, pa čak ni određivanje postojanja međudjelovanja.
Moderne statističke tehnike nude druge opcije za analizu testnih podataka i utvrđivanja testne
matrice. Dvije su situacije gdje su statističke tehnike očito najbolji izbor: situacija s velikim
brojem faktora i situacija u kojoj je preciznost mjerenja slaba (visoka slučajna greška).
Testovi proizvodnog procesa i vijeka trajanja proizvoda obično imaju visoku slučajnu grešku i
najbolje su analizirani statističkim testovima. Čak i kada je korištena konvencionalna testna
matrica (kao na Slici 2.2.), statističke metode mogu smanjiti nepouzdanost. Kako god,
statističke metode često omogućavaju dobijanje korisnih rezultata s manjim brojem testnih
uslova. Npr., razmotrimo matricu prikazanu na Slici 2.6. za tri faktora i pet vrijednosti svakog
faktora. Ovaj tip matrice (ponekad se naziva Latin square), ima isti broj vrijednosti svakog
faktora, ali samo 23 testna uslova. Čak i s kopiranjem, ukupan broj testnih uslova će biti
manji ako izdužimo matricu sa Slike 2.2. na tri faktora (što će rezultirati sa 125 uslova). Bilo

11
bi izuzetno teško smanjiti podatke prikazane na Slici 2.6. da napravimo graf kao što je ovaj na
Slici 2.3. koristeći nestatističke tehnike. Međutim, korištenjem dostupnih statističkih metoda,
to je izvodivo.

Slika 2.4. Primjer one-factor-at-a-time (jedan faktor istovremeno) testne matrice[1]

Slika 2.5. Prikaz relativne učinkovitosti one-factor-at-a-time eksperimenta [7]

Slika 2.6. Testna matrica statističke metode (Latin square)[1]

12
Znatnu pozornost treba usmjeriti na sekvencu u kojoj su primjenjeni različiti testni uslovi.
Najbolje je ako su različiti prolazi završeni slučajnim redoslijedom. Tu su aspekti mjernog
procesa koji mogu mijenjati tok popunjavanja testne matrice, pa iako su podaci uzeti
parcijalno, ovi efekti se mogu pojaviti kao vještačka kretanja u odgovoru. Isto se može desiti
čak i kada pažljivo kontrolišemo eksperiment. Promjene koje se mogu desiti u mjernom
procesu uključuju termalno odstupanje instrumenta, kvarenje instrumenta ili testnog uređaja i
nenamjerne promjene u tehnici eksperimenta. Ako su, s druge strane, testni uslovi primjenjeni
slučajnim redoslijedom, podaci će se raspršiti, ali neće biti vještačkih kretanja.
Tu su neki eksperimenti gdje je slučajan raspored prolaza nemoguć ili nepoželjan. U
prolaznim (vremenski promjenjivim) eksperimentima, podaci moraju biti uzeti na vremenski
podijeljen način. U testovima za razaranje, kao što su test izdržljivosti materijala, podaci
moraju biti uzeti pojedinačno, jer se testni uzorci mijenjaju tokom testa i dio tih promjena je
poželjan odgovor.

3. Zaključak
Da bi se eksperiment uspješno proveo moraju se pratiti unaprijed određene faze u procesu
izvođenja eksperimenta.

Pri svakom testiranju mora se jasno i precizno definirati problem, izabrati pristup odnosno
metoda ispitivanja, prikupiti dovoljna količina provjerenih podataka te nakon završenog
eksperimenta izvršiti tumačenje i dokumentiranje dobijenih rezultata. Svaka od ovih faza
popraćena je nizom dodatnih koraka koji osiguravaju ispravnost eksperimenta i tačnost
rezultata.

Mnogo je tehnika koje se primjenjuju u eksperimentalnim programima, međutim kao veoma

snažna pokazala se dimenzionalna analiza. Ova tehnika dozvoljava smanjenje u broju
varijabli koje treba razmatrati u eksperimentu, pojednostavljuje predstavljanje rezultata i
osigurava pouzdan metod za dizajniranje.

Da bi osigurali kvalitet eksperimenta tj. da bi bili sigurni da je eksperiment zadovoljio

osnovne zahtjeve koristi se metoda probnih testova i mjerenja.

Tu su i druge tehnike koje se biraju u skladu sa problemom kojim se eksperiment bavi,

mogućnosti odabira pristupa, količini dostupnih informacija i dr.

13
4. Literatura
[1] Introduction to Engineering Experimentation - Anthony J. Wheeler, Ahmad R. Ganji;
3rd ed., 2010

[2] Design and Analysis of Experiments, Volume I: Introduction to Experimental Design -

Klaus Hinkelmann, Oscar Kempthorne, 2008

[3] Metodologija naučno-istraživačkog rada sa osnovama statistike - Zoran Lalović

[4] Guideliness for planning, conducting and documenting experimental research - Hans
Wigzell, Jan Lindsten, Björn Klinge

[5] Theory and Design for Mechanical Measurements – Richard S. Figliola, Donald E.
Beasley, 2015

[6] Mehanika fluida, sažetak – Dušan Prodanović, 2007

[7] Design and Analysis of Experiments - Douglas C. Montgomery, 7th ed. Wiley, 2009

14