اسلايد درس سطح پاسخ
Download
Report
Transcript اسلايد درس سطح پاسخ
طراحی و تحلیل آزمایش ها
به روش سطح پاسخ
محسن آهی
1
بهرام تفقدی نیا
سازمان پژوهشهای علمی و صنعتی ایران
زمستان 92
2
لزوم استفاده از طراحی آزمایشها
• یک فاکتور در یک زمان
N=15
• طرح کامل فاکتورها
N=125
• طرح مرکب مرکزی
N=20
3
لزوم استفاده از طراحی آزمایشها
4
تعاریف کلیدی
طوفان فکری
غربال گری فاکتورها
دقت طراحی ()Resolution
• دقت طراحی III
• دقت طراحی IV
• دقت طراحی V
بلوک بندی
اجرا ()Run
• سطوح
5
پاسخ
ترتیب تصادفی هر اجرا
سطوح هر فاکتور
نمایش سطوح به صورت مقدار واقعی
Temperature °C
180
170
175
نمایش سطوح به صورت کد بندی (مقدار باال ،مقدار وسط ،مقدار پایین )
Temperature
+1
6
0
-1
شمای کلی جدول طراحی آزمایشها
CCD 2 factors
7
اصول روش سطح پاسخ
ورودی
پاسخ
جعبه سیاه
x1
y
مدل سطح پاسخ
x2
طراحی آزمایش و انجام آزمایش ها
1
0
1
0
x2
-1
-1
x1
y = b 0 + b i x i + b ii x i + b ii x i x j
2
مدل توسعه یافته به روش پاسخ سطح
8
سیستم اصلی
اصول روش پاسخ سطح
9
مزایا و معایب پاسخ سطح
مزایا
•
•
•
•
•
•
10
کاهش تعداد آزمایش ها
ساده سازی یک مسئله پیچیده به یک
مسئله ساده تر
مشخص کردن حساسیت پاسخ در
برابر هر فاکتور
سادگی استفاده و یادگیری
دقت باال نسبت به روش های دیگر
بررسی متغیرهای پیوسته
معایب
• خطای احتمالی مدل و تخمین به کار
رفته
خطای احتمالی مدل و تخمین به کار رفته
Original Response
RSM Response
Optimum By RSM
True optimum
Approximation
Error
11
12
انتخاب فاکتورها و سطوح مورد بررسی
• پژوهشهای پیشین
• آزمایش های مقدماتی
– یک فاکتور در یک زمان
– غربال گری با روش پالکت برمن
13
طراحی پاسخ سطح
• طراحی مرکب مرکزی CCD
– پرکاربرد ترین روش پاسخ سطح
– تعداد 5سطح را اعمال می کند
– روش چرخش پذیر
• طراحی باکس بنکن BBD
– تعداد 3سطح را اعمال می کند
– تعداد آزمایش کمتر از CCD
– چرخش پذیر یا تقریبا چرخش پذیر
14
)CCD( طراحی مرکب مرکزی
فاکتور2
(1,1)
x1
1
1
1
1
1
1
1
1
D
0
0
0
0
0
0
0
x2
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
x3
1
1
1
1
1
1
1
1
0
0
0
0
0
0
0
0
x2
x1
(-1,-1)
(1,-1)
نقاط فاکتولایر
فاکتور3
x3
نقاط محوری
نقاط مرکزی
x1
x2
15
نقاط طراحی مرکب مرکزی
کدبندی نقاط مرکزی:
)(0,0
کدبندی نقاط محوری:
)(+a, 0) (-a, 0) (0, +a) (0, -a
نقاط مکعبی دارای کد
بندی -1و +1هستند
برای بیشتر از 5فاکتور برای کاهش تعداد آزمایشها نوع طراحی Min-run Res Vپیشنهاد می شود
در حالتی که حداکثر 5فاکتور بررسی شود و محدوده مورد عالقه و محدوده کاری یکسان باشد از
طراحی ) Face-centered “FCD”(α= 1.0استفاده می شود
در حالتی که بیش از 5فاکتور باشد طراحی با Practical alphaاستفاده می شود
16
Handbook for Experimenters, http://www.statease.com/pubs/handbk_for_exp_sv.pdf p19
طراحی باکس بنکن ()BBD
ویژگی های طراحی:
مدل درجه 2
طراحی 3سطحی
تعداد آزمایش های کمتر از CCD
چرخش پذیر یا تقریبا چرخش پذیر
برای حالتی که محدوده مورد عالقه و محدوده کاری یکسان باشد
ممکن است نقاط واقع در زوایا را خوب پیش بینی نکند.
x3
x2
17
x1
Center Point
0
0
0
0
-1
-1
1
1
-1
-1
1
1
0
0
0
x3
2
-1
-1
1
1
0
0
0
0
-1
1
-1
1
0
0
0
x
x1
-1
1
-1
1
-1
1
-1
D
1
0
0
0
0
0
0
0
18
معادله کلی سطح پاسخ
اثرات اصلی
b 3 .x 3 ....
اثرانحنا یا غیر خطی بودن هر فاکتور ...
برهم کنش های دوتایی X1با فاکتورهای دیگر
برهم کنش های دوتایی X2با فاکتورهای دیگر
برهم کنش های دوتایی X3با فاکتورهای دیگر
2
3
2
b 3 3 .x
....
...
4
3
y b 0 b 1 .x 1 b 2 .x
2
2
b 2 2 .x
b 1 3 x 1 .x
2
2
1
b 1 1 .x
b 1 2 x 1 .x
b 2 3 x 2 .x 3 b 2 4 x 2 .x
b 3 4 . x 3 . x 4 b 3 5 . x 3 . x 5 ...
....
19
باقیمانده یا خطا
انواع مدل های مورد استفاده
• خطی )(Linear
• خطی با درنظر گرفتن برهمکنشهای دوتایی ()2FI
• درجه دو )(Quadratic
20
آنالیز نتایج ()ANOVA
• R2کیفیت برازش داده های تجربی را با مدل مشخص
می کند بهترین مقدار آن R 1
2
• Adj-R2مقدار تعدیل یافته R2است که درجه آزادی را
هم لحاظ می کند .مثال اگر یک خط با دو نقطه رسم
کنید R2آن یک میشود ولی قطعا معادله به دست
آمده دقیق ترین معادله نیست .ولی هر چه تعداد نقاط
بیشتر و R2و Adj-R2به یک نزدیکتر باشد جواب
برازش قابل قبول تر است.
21
)ANOVA( آنالیز نتایج
6
y = 1.285x + 1.714
R² = 1
adj-R2=0
5
y
3
2
1
0
0
1
2
3
30
y = 1.536x + 0.610
R² = 0.991
adj-R² = 0.982
0
x
5
x
10
y = 2.408x - 1.743
R² = 0.951
Adj-R² = 0.927
25
20
y
y
4
12
10
8
6
4
2
0
15
10
5
0
0
5
10
x
15
22
)ANOVA( آنالیز نتایج
• Lack of Fit: variation of the data around the
fitted model (large p-value is better)
• Std. Dev.: square root of the average of the
squared differences of the values from their
average value
• Mean: average of data
• C.V. %= Std. Dev/Mean *100
23
)ANOVA( آنالیز نتایج
• PRESS: A measure of how the model fits each
point in the design
• Pred R-Squared: A measure of the amount of
variation in new data explained by the model
• Adeq Precision: This is a signal to noise ratio.
24
25
gn-Expert® Software
کانتور:بهینه سازی با پاسخ سطح
y1
180.00
79.5606
esign Points
.3
.6
= A: A
= B: B
B: B
177.50
5
175.00
80.0052
78.2573
79.5606
77.6056
172.50
78.9089
76.954
78.2573
170.00
80.00
82.50
85.00
87.50
90.00
A: A
26
بعدی3 : بهینه سازی با سطح پاسخ
Design-Expert® Software
y1
80.3
75.6
X1 = A: A
X2 = B: B
80.4
79.175
y1
77.95
76.725
75.5
180.00
90.00
177.50
87.50
175.00
B: B
85.00
172.50
82.50
170.00
80.00
A: A
27
بهینه سازی با سطح پاسخ:حل عددی
28
برهم نهادن جوابها:بهینه سازی با سطح پاسخ
-Expert® Software
Overlay Plot
y Plot
180.00
y2: 62
gn Points
y2: 68
177.50
B: B
A: A
B: B
y3: 3400
5
175.00
y1: 78.5
172.50
y2: 68
y1: 78.5
170.00
80.00
82.50
85.00
A: A
87.50
90.00
29
پایان
30
Sum of squares/ df
Mean Squares/Residual mean square
تعداد کل آزمایش ها-1
Amount of variation in the response in replicated
نرم افزار Minitab
32
نرم افزار Minitab
انتخاب نوع طراحی
هر یک از قسمت ها به ترتیب بررسی شود
33
نرم افزار Minitab
انتخاب تعداد آزمایش ها و بلوک بندی ،مقدار آلفا ،تعداد نقاط مرکزی و تکرارها
34
نرم افزار Minitab
مشخص کردن نام هر فاکتور و سطوح باال و پایین آن (در صورت انتخاب نامناسب سطوح ممکن است
نرم افزار در بعضی موارد ،سطوح نامعقول و عددی منفی برای یک فاکتور مثبت ارائه دهد)
35
نرم افزار Minitab
حتما باید مقدار سطوح چک شود تا
سطوح پیشنهادی امکان انجام داشته
باشد( .در صورت انتخاب نامناسب
سطوح ممکن است مثال برای فاکتور
وزن عددی منفی به دست آید).
36
نرم افزار Minitab
37
نرم افزار Minitab
38
نرم افزار Minitab
می توان در اینجا یک نقطه را پیش بینی کرد
می توان در اینجا دو ستون aو bکه دما و زمان به ترتیب در آنها
آمده است را پیش بینی کرد
39
نرم افزار Minitab
نتیجه پیش بینی نرم
افزار از ستون aو b
دو ستون که زمان و دما به ترتیب در آنها آمده است
40
Minitab نرم افزار
ANOVA
41
نمودار باقیمانده ها
42
نمودار باقیمانده ها
Normal Probability Plot of residuals.
The points in this plot should generally
form a straight line if the residuals are
normally distributed. If the points on the
plot depart from a straight line, the
normality assumption may be invalid.
Histogram of the Residuals. An
exploratory tool to show general
characteristics of the residuals
including typical values, spread, and
shape. A long tail on one side may
indicate a skewed distribution. If one
or two bars are far from the others,
those points may be outliers.
Run نمودار یاقیمانده ها به ترتیب
Residuals Versus Fitted Values. This plot should show a random pattern of residuals on both
sides of 0. If a point lies far from the majority of points, it may be an outlier. There should not
be any recognizable patterns in the residual plot. For instance, if the spread of residual values
tend to increase as the fitted values increase, then this may violate the constant variance 43
assumption.
کانتورها و سطحهای 3بعدی
44
کانتورها و سطحهای 3بعدی
45
بهینه سازی با سطح پاسخ:برهم نهادن جوابها
46
بهینه سازی با سطح پاسخ:برهم نهادن جوابها
47
بهینه سازی با سطح پاسخ:برهم نهادن جوابها
48
بهینه سازی با سطح پاسخ :حل عددی
49
بهینه سازی با سطح پاسخ :حل عددی
هدف بهینه سازی هر پاسخ در این قسمت تعریف شود .بهترین مقدار مطلوبیت
( )Desirabilityمحاسبه خواهد شد .شرایطی با بیشترین مطلوبیت به عنوان جواب
ارائه می شود.
50