Professional Documents
Culture Documents
Seminarski Rad
Seminarski Rad
TEHNIČKI FAKULTET
BIHAĆ
MASTER STUDIJ
MAŠINSKI ODSJEK
PLANIRANJE EKSPERIMENTA
Seminarski rad
1. Zadatak ...................................................................................................................................... 1
2. Riješenje .................................................................................................................................... 2
3. Provjera ANOVA tablice upotrebom softvera R ...................................................................... 8
4. Provjera ispravnosti modela u softveru Design Expert ........................................................... 11
1. Zadatak
Potrebno je odrediti linearni model izlazne veličine Y za plan eksperimenta sa tri ulazna faktora
A,B i C koji se mijenjaju na dva nivoa. Eksperiment se radi u 8 ponavljanja (plan eksperimenta 23)
sa po dva mjerenja za svako ponavljanje.
U seminarskom radu je potrebno prikazati jednačine i računanje kako se došlo do konačnog
modela.
Za računanje je poželjno koristiti Excel ili neki drugi softver.
Za nivo signifikantnosti koeficijenata uzeti da je 𝛼 = 0,05.
Nakon dobivanja modela potrebno je dobiti tablicu analize varijanse (ANOVA) u softveru R koji
se može besplatno instalirati.
Poželjno je modela provjeriti pomoću softvera Design Expert.
Ulazni podaci:
1
2. Riješenje
Pošto postoje tri faktora sa po dva nivoa svaki, možemo primjeniti faktorijalni plan 23. Donji
nivo faktora označavamo sa (-) a gornji nivo svakog fakora sa znakom (+). Urađena su po dva
mjerenja za svaku kombinaciju faktora. Dobiveni rezultati prikazani su u tabeli 3.
Sada se mogu zadane i izmjerene veličine složiti u tabelu faktorijalnog plana 23 sa prikazanim
glavnim efektima faktora i interakcijskim efektima kao što tabela 4. prikazuje.
2
16,24 7,88
8
17,47 4,54
C 13,43 5,28
B
7,87
A 4,84
Radi boljeg razumijevanja kao i zbog lakšeg daljnjeg statičkog računanja uvrstit će se u
sljedeću tabelu vrijednosti sume mjerenja vrijednosti Y za sve glavne i interakcijske efekte faktora
uz poštivanje odgovarajućih predznaka (+) i (-).
Sada se mogu jednostavno odrediti glavni efekti faktora A,B i C te interakcijski efekti AB, AC,
BC i ABC pomoću poznatih jednačina u kojima izraz u zagradi predstavlja sumu svake kolone iz
prethodne tabele. Broj mjerenja je 𝑛 = 2.
−32,6
𝐴= = − 4,075
4∙2
8,29
𝐵= = 1,0363
4∙2
3
14,89
𝐶= = 1,8613
4∙2
−0,73
𝐴𝐵 = = −0,0913
4∙2
−10,29
𝐴𝐶 = = 1,2863
4∙2
−3,71
𝐵𝐶 = = −0,4638
4∙2
9,51
𝐴𝐵𝐶 = = 1,1888
4∙2
Nakon što su izračunati glavni i interakcijski efekti mogu se izračunati i sume kvadrata za
svaki efekat. Sume kvadrata jednostavno se mogu odrediti na način da se kvadrira suma svake
kolone iz prethodne tabele i podijeli se sa 8𝑛, npr. za faktor A.
𝑆𝑆 = 4,2953
𝑆𝑆 = 13,8570
𝑆𝑆 = 0,0333
𝑆𝑆 = 6,6178
𝑆𝑆 = 0,0860
𝑆𝑆 = 5,6525
𝑦
𝑆𝑆 = 𝑦 −
𝑁
4
Tabela 6. Vrijednosti sume kvadrata mjerenja
1. mjerenje 2. mjerenje (𝟏. 𝒎𝒋𝒆𝒓𝒆𝒏𝒋𝒆)𝟐 (𝟐. 𝒎𝒋𝒆𝒓𝒆𝒏𝒋𝒆)𝟐 suma mjerenja
3,9 3,97 15,21 15,7609 7,87
2,63 2,21 6,9169 4,8841 4,84
6,83 6,6 46,6489 43,56 13,43
2,55 2,73 6,5025 7,4529 5,28
8,63 8,84 74,4769 78,1456 17,47
2,33 2,21 5,4289 4,8841 4,54
8,54 7,88 72,9316 62,0944 16,42
4,05 3,83 16,4025 14,6689 7,88
= 475,9691 = 77,73
77,73
𝑆𝑆 = 475,9691 − = 98,3471
16
Kako je vrijednost ukupne sume kvadrata jednaka zbiru sume kvadrata glavnih i interakcijskih
faktora i sume kvadrata greške, može se izračunati preostala suma kvadrata greške prema jednačini:
𝑆𝑆 = 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 − 𝑆𝑆 = 0,4046
𝑑𝐹 =𝑎−1=1
𝑑𝐹 = 𝑏−1=1
𝑑𝐹 =𝑐−1=1
𝑑𝐹 = 𝑎𝑏 − 1 = 1
𝑑𝐹 = 𝑎𝑐 − 1 = 1
𝑑𝐹 = 𝑏𝑐 − 1 = 1
𝑑𝐹 = 𝑎𝑏𝑐 − 1 = 1
Ukupan stepen slobode jednak je ukupnom broju mjerenja umanjen za jedan, a stepen slobode
greške se dobije kada od ukupnog stepena slobode oduzmemo stepene slobode glavnih i
interakcijskih faktora.
𝑑𝐹 = 𝑁 − 1 = 16 − 1 = 15
𝑑𝐹 = 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 − 𝑑𝐹 =8
5
Tabela 7. Proračunate vrijednosti F
Efekat SS DF MS F
A -4,075 66,62640625 1 66,62640625 1317,541095
B 1,0363 4,29525625 1 4,29525625 84,93894451
C 1,8613 13,85700625 1 13,85700625 274,0231121
AB -0,0913 0,03330625 1 0,03330625 0,658633049
AC 1,2863 6,61775625 1 6,61775625 130,8665184
BC -0,4638 0,86025625 1 0,86025625 17,01161785
ABC 1,1888 5,65250625 1 5,65250625 111,7786429
Greška 0,40455 8 0,05056875
Ukupno 98,34704375 15
6
Kodirane varijable signifikantnosti faktora A, B i C u prethodnom izrazu označene sa 𝑥 , 𝑥 i
𝑥 određuju se prema izrazima:
(𝐴 +𝐴 ) 40 + 60
𝐴− 𝐴−
𝑥 = 2 = 2 = 0,1𝐴 − 5
(𝐴 −𝐴 ) 60 − 40
2 2
(𝐵 +𝐵 ) 0,25 + 0,50
𝐵− 𝐴−
𝑥 = 2 = 2 = 8𝐵 − 3
(𝐵 −𝐵 ) 0,50 − 0,25
2 2
(𝐶 +𝐶 ) 550 + 750
𝐶− 𝐶−
𝑥 = 2 = 2 = 0,01𝐶 − 6,5
(𝐶 −𝐶 ) 750 − 550
2 2
, , , , ,
𝑦 = 4,8581 + ∙𝑥 + ∙𝑥 + ∙𝑥 + ∙𝑥 ∙𝑥 ∙𝑥 ∙𝑥 +
,
∙ 𝑥 ∙ 𝑥 ∙ 𝑥 = 𝟗𝟖, 𝟔𝟖 − 𝟐, 𝟏𝟔𝟔𝑨 + 𝟏𝟕, 𝟓𝑩 + 𝟎, 𝟎𝟕𝟒𝟑 ∙ 𝑪 − 𝟎, 𝟎𝟎𝟏𝟏𝟔 ∙ 𝑨 ∙ 𝑪 −
𝟎, 𝟎𝟐𝟓𝟔𝟔 ∙ 𝑩 ∙ 𝑪 + 𝟎, 𝟎𝟎𝟒𝟖 ∙ 𝑨 ∙ 𝑩 ∙ 𝑪
7
3. Provjera ANOVA tablice upotrebom softvera R
Unosom sljedećeg koda u softver R a prema uputama sa strane 109. (Planiranje eksperimenta
– Damir Hodžić) dolazimo do sljedećeg oblika ANOVA tablice:
8
[7,] -1 1 1 -1 -1 1 -1 16.42
[8,] 1 1 1 1 1 1 1 7.88
> ABeff <- (Total %*% AB)/(4*n)
> ACeff <- (Total %*% AC)/(4*n)
> BCeff <- (Total %*% BC)/(4*n)
> ABCeff <- (Total %*% ABC)/(4*n)
> # Tabelarni prikaz efekata
> Effects <- t(Total) %*% cbind(A,B,C,AB,AC,BC,ABC)/(4*n)
> Summary <- rbind( cbind(A,B,C,AB,AC,BC,ABC),Effects )
> Summary
A B C AB AC BC ABC
[1,] -1.00000 -1.00000 -1.00000 1.00000 1.00000 1.00000 -1.00000
[2,] 1.00000 -1.00000 -1.00000 -1.00000 -1.00000 1.00000 1.00000
[3,] -1.00000 1.00000 -1.00000 -1.00000 1.00000 -1.00000 1.00000
[4,] 1.00000 1.00000 -1.00000 1.00000 -1.00000 -1.00000 -1.00000
[5,] -1.00000 -1.00000 1.00000 1.00000 -1.00000 -1.00000 1.00000
[6,] 1.00000 -1.00000 1.00000 -1.00000 1.00000 -1.00000 -1.00000
[7,] -1.00000 1.00000 1.00000 -1.00000 -1.00000 1.00000 -1.00000
[8,] 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000 1.00000
[9,] -4.08125 1.03625 1.86125 -0.09125 -1.28625 -0.46375 1.18875
> # Definisanje ANOVA tablice
> Y.vec <- c(t(Y))
> Af <- rep(as.factor(A),rep(2,8))
> Bf <- rep(as.factor(B),rep(2,8))
> Cf <- rep(as.factor(C),rep(2,8))
> options(contrasts=c("contr.sum","contr.poly"))
> Y.lm <- lm(Y.vec ~ Af*Bf*Cf)
> options(contrasts=c("contr.sum","contr.poly"))
> Y.lm <- lm(Y.vec ~ Af*Bf*Cf)
> summary(Y.lm)
Call:
lm(formula = Y.vec ~ Af * Bf * Cf)
Residuals:
Min 1Q Median 3Q Max
-0.3300 -0.1062 0.0000 0.1062 0.3300
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.85812 0.05622 86.415 3.59e-13 ***
Af1 2.04062 0.05622 36.298 3.64e-10 ***
Bf1 -0.51813 0.05622 -9.216 1.56e-05 ***
9
Cf1 -0.93063 0.05622 -16.554 1.79e-07 ***
Af1:Bf1 -0.04563 0.05622 -0.812 0.44052
Af1:Cf1 -0.64313 0.05622 -11.440 3.08e-06 ***
Bf1:Cf1 -0.23188 0.05622 -4.125 0.00332 **
Af1:Bf1:Cf1 -0.59438 0.05622 -10.573 5.59e-06 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> anova(Y.lm)
Analysis of Variance Table
Response: Y.vec
Df Sum Sq Mean Sq F value Pr(>F)
Af 1 66.626 66.626 1317.5411 3.637e-10 ***
Bf 1 4.295 4.295 84.9389 1.556e-05 ***
Cf 1 13.857 13.857 274.0231 1.791e-07 ***
Af:Bf 1 0.033 0.033 0.6586 0.440519
Af:Cf 1 6.618 6.618 130.8665 3.084e-06 ***
Bf:Cf 1 0.860 0.860 17.0116 0.003323 **
Af:Bf:Cf 1 5.653 5.653 111.7786 5.593e-06 ***
Residuals 8 0.405 0.051
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
10
4. Provjera ispravnosti modela u softveru Design Expert
Za tip eksperimenta izabiremo Regular Two-Level Factorial Design koji se u softeru Design
Expert nalazi u sekciji Factorial>Randomized. Iz tabele, na osnovu broja faktora i broja nivoa na
kojim se oni mijenjaju 23 model.
Nakon toga biramo broj izlaznih veličina. U našem slučaju imamo jednu izlaznu veličinu – Y.
11
Slika 3. Izbor izlazne veličine
Na zadnjoj stranici vršimo unos vrijednosti mjerenja za svako ponavljanje i kliknemo na opciju
Analysis.
Rezultati dobijeni analizom u Design Expertu kao i njihova usporedba sa vrijednostima dobijenim
računskim putem prikazani su na sljedećim slikama.
12
Slika 5. Vrijednosti glavnih i interakcijskih efekata faktora
A -4,075 -4,085
B 1,0363 1,12
C 1,8613 1,91
AB -0,0913 -0,3
BC 1,2863 -1,31
AC -0,4638 -3,05
ABC 1,1888 1,205
13