UNIVERZITET U BIHAĆU

TEHNIČKI FAKULTET
BIHAĆ

MASTER STUDIJ
MAŠINSKI ODSJEK

PLANIRANJE EKSPERIMENTA
Seminarski rad

PREDMETNI NASTAVNIK: Van. prof. dr. Damir Hodžić

STUDENT: Hasan Cinac

Bihać, novembar 2022. godine

Sadržaj

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:

Tabela 1. Ulazni podaci

Ulazni faktori
Nivo A B C
Donji 40 0,25 550
Gornji 60 0,50 750

Tabela 2. Rezultati mjerenja

Rezultat mjerenja
Y
1. mjerenje 2. mjerenje
3,90 3,97
2,63 2,21
6,83 6,60
2,55 2,73
8,63 8,84
2,33 2,21
8,54 7,88
4,05 3,83

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.

Tabela 3. Rezultati mjerenja

Faktori Rezultat mjerenja
Ponavljanje Y
A B C
1. mjerenje 2. mjerenje
1 40 0,25 550 3,90 3,97
2 60 0,25 550 2,63 2,21
3 40 0,50 550 6,83 6,60
4 60 0,50 550 2,55 2,73
5 40 0,25 750 8,63 8,84
6 60 0,25 750 2,33 2,21
7 40 0,50 750 8,54 7,88
8 60 0,50 750 4,05 3,83

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.

Tabela 4. Tabela faktorijalnog plana

1. 2. Suma
Y A B C AB AC BC ABC
mjerenje mjerenje mjerenja
(-1) -1 -1 -1 3,90 3,97 7,87 1 1 1 -1
a 1 -1 -1 2,63 2,21 4,84 -1 -1 1 1
b -1 1 -1 6,83 6,60 13,43 -1 1 -1 1
ab 1 1 -1 2,55 2,73 5,28 1 -1 -1 -1
c -1 -1 1 8,63 8,84 17,47 1 -1 -1 1
ac 1 -1 1 2,33 2,21 4,54 -1 1 -1 -1
bc -1 1 1 8,54 7,88 16,24 -1 -1 1 -1
abc 1 1 1 4,05 3,83 7,88 1 1 1 1

Sa Y u prethodnoj tabeli označena je kombinacija mjerenja, a sa Suma mjerenja označen je

zbir dva mjerenja. Sume mjerenja za svih osam kombinacija mjerenja mogu se prikazati pomoću
kocke faktorijalnog plana 23 na način da će iznos krajnje mjerene večićine biti postavljen u
odgovarajuću tačku kocke na osnovu slike 1.

2
 16,24 7,88
8

17,47 4,54

C 13,43 5,28

B
7,87
A 4,84

Slika 1. Geometrijski prikaz faktorijalnog plana eksperimenta 23

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 (-).

Tabela 5. Vrijednosti sume za sve glavne i interakcijske faktore efekta

Suma
A B C AB AC BC ABC
mjerenja

7,87 -7,87 -7,87 -7,87 7,87 7,87 7,87 -7,87

4,84 4,84 -4,84 -4,84 -4,84 -4,84 4,84 4,84
13,43 -13,43 13,43 -13,43 -13,43 13,43 -13,43 13,43
5,28 5,28 5,28 -5,28 5,28 -5,28 -5,28 -5,28
17,47 -17,47 -17,47 17,47 17,47 -17,47 -17,47 17,47
4,54 4,54 -4,54 4,54 -4,54 4,54 -4,54 -4,54
16,42 -16,42 16,42 16,42 -16,42 -16,42 16,42 -16,42
7,88 7,88 7,88 7,88 7,88 7,88 7,88 7,88
-32,65 8,29 14,89 -0,73 -10,29 -3,71 9,51

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.

[𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏𝑐 − (1) − 𝑏 − 𝑐 − 𝑏𝑐] 1066,023

𝑆𝑆 = = = 66,6264
8∙𝑛 16

Ostale vrijednosti suma kvadrata glavnih i interakcijskih faktora će biti:

𝑆𝑆 = 4,2953

𝑆𝑆 = 13,8570

𝑆𝑆 = 0,0333

𝑆𝑆 = 6,6178

𝑆𝑆 = 0,0860

𝑆𝑆 = 5,6525

Ukupna vrijednost sume kvadrata dobije se izrazom:

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

Da bi se upotpunila tabela analize varijanse neophodne za određivanje signifikantnosti faktora,

potrebno je još odrediti stepen slobode. Za svaki od faktora kao i interakciju između njih, broj
stepeni slobode jedank je broju nivoa umanjen za jedan pa će biti:

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

Tablična vrijednost F za nivo signifikantnosti 𝛼 = 0,05 je 4,46. Upoređivanjem računskih

vrijednosti F sa tabličnom može se zaključiti da su računske vrijednosti F kod faktora A, B, C, AC,
BC i ABC veće od tabličnih pa su ti isti faktori signifikantni za ovaj primjer.
Uticaj glavnih i interakcijskih faktora na proces određivanja vrijednosti Y može se prikazati
procentualno na osnovu veličine sume kvadrata.

Tabela 8. Uticaj glavnih i interakcijskih faktora na proces određivanja vrijednosti Y

Suma Uticaj u
Faktor
kvadrata %
A 66,6264 67,7462
B 4,2953 4,3674
C 13,8570 14,0899
AB 0,0333 0,0339
AC 6,6178 6,7290
BC 0,8603 0,8747
ABC 5,6525 5,7475
Greška 0,4046
Ukupno 98,3470

Kada su se odredile signifikantne veličine može se napisati jednačina regresijskog modela u

obliku:

4,075 1,3603 1,8613 1,2863 −0,4638

𝑦 = 4,8581 + ∙𝑥 + ∙𝑥 + ∙𝑥 + ∙𝑥 ∙𝑥
2 2 2 2 2
1,1888
∙𝑥 ∙𝑥 + ∙𝑥 ∙𝑥 ∙𝑥
2

Vrijednost 4,8481 u prethodnom izrazu je srednja vrijednost svih šesnaest mjerenja a

vrijednosti u razlomcima su veličine efekata signifikantnosti faktora A, B, C, AC, BC i ABC.

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

Uvrštavanjem izračunatih vrijednosti 𝑥 , 𝑥 i 𝑥 u jednačinu regresijskog modela dobije se:

, , , , ,
𝑦 = 4,8581 + ∙𝑥 + ∙𝑥 + ∙𝑥 + ∙𝑥 ∙𝑥 ∙𝑥 ∙𝑥 +
,
∙ 𝑥 ∙ 𝑥 ∙ 𝑥 = 𝟗𝟖, 𝟔𝟖 − 𝟐, 𝟏𝟔𝟔𝑨 + 𝟏𝟕, 𝟓𝑩 + 𝟎, 𝟎𝟕𝟒𝟑 ∙ 𝑪 − 𝟎, 𝟎𝟎𝟏𝟏𝟔 ∙ 𝑨 ∙ 𝑪 −
𝟎, 𝟎𝟐𝟓𝟔𝟔 ∙ 𝑩 ∙ 𝑪 + 𝟎, 𝟎𝟎𝟒𝟖 ∙ 𝑨 ∙ 𝑩 ∙ 𝑪

Odzivna površina može se dobiti u trodimenzionalnom dijagramu kada se u nekom softveru

kroz regresijski model obradi više različitih vrijednosti za A, B i C.

Tabela 9. Promjena vrijednosti Y u zavisnosti od promjene ulaznih veličina A,B i C

A B C Y
40 0,25 550 54,63175
42 0,275 570 54,679695
44 0,3 590 55,18998
46 0,325 610 56,191405
48 0,35 630 57,71277
50 0,375 650 59,782875
52 0,4 670 62,43052
54 0,425 690 65,684505
56 0,45 710 69,57363
58 0,475 730 74,126695
60 0,5 750 79,3725

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:

> # Knjiga Planiranje eksperimenta - Hodžić, Džanić

> # Faktorijalni plan 2^3
> # Ulazni podaci
> Y<-matrix(c(3.90,3.97,2.63,2.21,6.83,6.60,2.55,2.73,8.63,8.84,2.33,2.21,8.54,7.88,
+ 4.05,3.83),byrow=T,ncol=2)
> A <- rep(c(-1,1),4)
> B <- rep(c(-1,-1,1,1),2)
> C <- c(rep(-1,4),rep(1,4))
> Total <- apply(Y,1,sum)
> cbind(A,B,C,Y, Total)
A B C Total
[1,] -1 -1 -1 3.90 3.97 7.87
[2,] 1 -1 -1 2.63 2.21 4.84
[3,] -1 1 -1 6.83 6.60 13.43
[4,] 1 1 -1 2.55 2.73 5.28
[5,] -1 -1 1 8.63 8.84 17.47
[6,] 1 -1 1 2.33 2.21 4.54
[7,] -1 1 1 8.54 7.88 16.42
[8,] 1 1 1 4.05 3.83 7.88
> # Broj ponavljanja mjerenja = 2
> n <- 2
> # Određivanje efekata faktora
> Aeff <- (Total %*% A)/(4*n)
> Beff <- (Total %*% B)/(4*n)
> Ceff <- (Total %*% C)/(4*n)
> # Interakcijski efekti
> AB <- A*B
> AC <- A*C
> BC <- B*C
> ABC <- A*B*C
> cbind(A,B,C,AB,AC,BC,ABC,Total)
A B C AB AC BC ABC Total
[1,] -1 -1 -1 1 1 1 -1 7.87
[2,] 1 -1 -1 -1 -1 1 1 4.84
[3,] -1 1 -1 -1 1 -1 1 13.43
[4,] 1 1 -1 1 -1 -1 -1 5.28
[5,] -1 -1 1 1 -1 -1 1 17.47
[6,] 1 -1 1 -1 1 -1 -1 4.54

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

Residual standard error: 0.2249 on 8 degrees of freedom

Multiple R-squared: 0.9959, Adjusted R-squared: 0.9923
F-statistic: 276.7 on 7 and 8 DF, p-value: 6.662e-09

> 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

Dolazimo do zaključka da su ANOVA tablice dobivene korištenjem softvera R i klasičnog

načina računanja identične tako da se obje mogu primjeniti u modelu problema.

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.

Slika 1. Izbor vrste eksperimenta u softveru Design Expert

Na sljedećoj stranici unosimo ulazne podatke eksperimenta.

Slika 2. Ulazni podaci eksperimenta

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.

Slika 4. Unos rezultata mjerenja

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

Tabela 10. Usporedba vrijednosti efekata faktora

Vijednosti dobijene Vrijednosti dobijene
računskim putem korištenjem Design Experta
Ponavljanje

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

Usporedbnom ovih vrijednosti dolazimo do zaključka da su razlike između njih minimalne.

13