Documente Academic
Documente Profesional
Documente Cultură
DOE)[1]
Introducere
Experimentul este definit ca procedură sistematică efectuate în condiţii controlate, în scopul de
a descoperi un efect necunoscut, pentru a testa sau de a stabili o ipoteză, sau pentru a ilustra
un efect secundar cunoscut 1. Atunci când un proces se analizeaza, experimentele sunt adesea
utilizate pentru a evalua intrările procesului, care au un impact semnificativ asupra ieşirilor
procesului, şi care ar trebui să fie nivelul-ţintă al acestor intrări pentru a obţine un rezultat
dorit (de ieşire ). Experimentele pot fi proiectate în mai multe moduri diferite pentru a colecta
aceste informaţii. Planificarea experimentelor (DOE), este de asemenea mentionat
ca experimente planificate sau design experimental. Toţi aceşti termeni au acelaşi înţeles.
Proiectarea experimentala poate fi folosita la punctul de cea mai mare influenţă pentru a reduce
costurile de proiectare prin accelerarea procesului de proiectare, reducerea schimbărilor târzii
de proiectare şi reducerea materialelor de produs şi complexitatea muncii. Experimentele
planificate sunt, de asemenea, instrumente puternice pentru a realiza economii prin reducerea
costurilor de fabricare prin micsorarea variaţiilor procesului şi a eforturilor de remediere, rebuturi
şi necesarul de inspecţii.
Modulul Toolbox include o prezentare generală a proiectarii experimentelor, instrucţiuni şi
template-uri pentru realizarea de experimente simple, si link-uri si alte resurse pentru a ajuta
în realizarea de experimente mai complexe. Un glosar de termeni este, de asemenea,
disponibil în orice moment, prin funcţia Help, pentru a familiarizarea cu orice condiţii
necunoscute. In lipsa unor cunoştinte generale de statistica, trebuie studiate capitolele
Histograma , Controlul Statistic al proceselor , şi analiza de regresie şi corelare a
modulelor Toolbox înainte de a lucra cu acest modul. Deşi puteţi utiliza şabloanele de calcul
MoreSteam.com DOE pentru analiza numeroase modele si planificari experimentale utilizând
Excel sau Lotus, este nevoie de software de analiză statistică pentru a merge dincolo de aceste
şabloane de bază pentru proiectarea experimentului. Mai multe pachete gratuite pot fi
descărcate prin intermediul MoreSteam.com modulul Software-ul statistic al Toolbox .
Figura 1
În cazul în care datele sunt analizate fără cunoştinţe de specialitate, o concluzie falsă
ar putea fi că rata scăzută a producţiei cauzeaza coaja de portocala. De fapt, rata
scăzuta de producţie şi coaja de portocala sunt cauzate de absenteismul excesiv -
atunci când operatorii obisnuiti de la cabina de pulverizare sunt înlocuiti de către
angajaţii cu mai puţina calificare. Acest exemplu subliniază importanţa factoringului în
cunoştinţele operaţionale atunci când se concepe un experiment. Exerciţii de
brainstorming şi Diagrame Cauza-Efect sunt tehnici excelente, disponibile prin
intermediul Toolbox, pentru a capta aceste cunoştinţe operaţionale în faza de
proiectare a experimentului. Cheia este de a implica oamenii care trăiesc cu procesul
zi cu zi.
4. Efectele combinate sau interacţiunile dintre factori trebuie gândite atent înainte de
a efectua experimentul. De exemplu, se considera un experiment pentru a creste
plante cu două intrări: apă şi îngrăşăminte. Cantităţile crescute de apă se constată ca
duc la o creştere, dar există un punct în care apa suplimentara fac ca rădăcina sa
putrezească şi au un impact negativ. De asemenea, îngrăşământul suplimentar are un
impact benefic până la punctul în care îngrăşământul in exces arde
radacinile.Compunand această complexitate a efectelor principale, există, de
asemenea, efecte interactive - prea multa apa poate anula beneficiile
îngrăşământului, prin spălarea si indepartarea lui. Factorii pot genera efecte neliniare,
care nu sunt aditive, dar acestea pot fi studiate numai cu experimente mai complexe,
care implică mai mult de 2 nivele. Două niveluri sunt definite ca o variatie liniară (doua
puncte definesc o linie), trei niveluri sunt definite ca pătratice (trei puncte definesc o
curbă), patru niveluri sunt definite drept cubice şi aşa mai departe.
Aşa cum se arată în tabelul de mai sus, cele doua noi trasee catre casă (B & C) par a fi mai
rapide decât traseul existent A. Pentru a stabili dacă diferenţa între rezultate se datoreaza
intamplarii sau este un proces statistic diferit semnificativ, se efectuează un test F. Raportul F
prevede o statistica care poate fi comparata cu un tabel de distribuţie a probabilităţii pentru un
nivel de încredere dat pentru a stabili dacă mediile tratamentelor diferă în mod
semnificativ. Exista un numar infinit de distribuţii F, bazate pe nivelurile de încredere, grade de
libertate pentru factori şi grade de libertate pentru variaţiile inexplicabile.În general, vom folosi
două niveluri de încredere: 95% şi 99%. Urmeaza calcularea raportului F pentru "unitatea de
origine" A din exemplul de mai sus, cu n = mărimea eşantionului:
Raportul F de 3.61 este comparată cu o valoare din tabelul de distribuţie F pentru nivelul de
încredere de ales. Aceste diagrame sunt disponibile ca anexa in cele mai multe carti de
statistica. Există o diagramă separată pentru niveluri de încredere diferite (încredere mai mare =
probabilităţi mai mici de semnificaţie).
Trebuie, de asemenea, sa se stie gradele de libertate pentru numărător şi numitor ale
raportului F, în scopul de a selecta o valoare F din tabelul statistic. În cazul prezentat, există
două grade de libertate la numărător, deoarece trei valori au fost utilizate pentru a calcula
varianţa factorilor, minus un grad de libertate pentru termenul de eroare. Numitorul raportului F,
numit varianţa grupata în cadrul fiecărui tratament, are 27 de grade de libertate (30 de date
individuale mai puţin 3 grade de libertate pentru calcularea mediilor eşantioanelor). În totalul
gradelor de libertate se adăuga până la numărul total de puncte de date în analiza (2 numărător
+ 1 eroare + 27 numitor = 30). Cu cat este mai mare numarul de grade de libertate, cu atat
este mai puternica analiza. Din fericire, cele mai multe software de analiză statistică
calculeaza gradele de libertate în mod automat!
În acest caz, factorul de studiat a fost traseul spre acasă, şi a avut trei setări de nivel. Trei setări minus 1
(randamentele grade de libertate pentru factor) dau 2. Gradele totale de libertate pentru un set de date
este întotdeauna cu unul mai puţin decât numărul total de puncte de date, sau în acest caz 30, mai puţin
1, egal 29 grade de libertate. Gradele de libertate Inexplicate se afla ca numarul total de grade de
libertate, mai putin gradele de libertate asociate cu factori, sau în acest caz, 29 - 2 = 27.
Revenind la raportul F de 3.61 pentru experimentul "traseul spre casa", s-a ales un nivel de încredere şi
s-a căutat valoarea lui F pentru 2 (numărător) şi 27 (numitorul) grade de libertate.
Folosind un nivel de încredere de 95%, valoarea lui F este 3.35. Având în vedere că raportul F, de 3.61,
depăşeşte 3.35, putem concluziona că există o probabilitate mai mică de 5%, ca diferenţa dintre
duratele traseelor sa se datoreze şansei aleatorii. Notă: La un nivel de încredere de 95% sau mai mare,
orice raport F de 1,5 sau mai mic nu va verifica testul de semnificaţie pentru orice număr de grade de
libertate în numitor, mai mic de 100.000.
Testul F descris este baza de evaluare a modelului atât pentru experimente cu un singur factor
cat si cu mai multi factori. Această analiză are de obicei ca ieşire un tabel ANOVA realizat cu un
software de analiză statistică, cum este ilustrat de tabelul de mai jos:
Tabel ANOVA
Cel mai important element de ieşire al tabelului este raportul F (3.61). Raportul F este
echivalent cu media patratelor diferentelor (varianţa) între cele două grupuri (tratamente, sau
rutele spre casa în exemplul acesta), de 19,9, împărţit la media patratelor erorilor în cadrul
grupurilor de (variaţia în cadrul traseelor inregistrate) de 5.51. Raportul F al modelului dintre
3.61arata că modelul este semnificativ. Există doar o probabilitate de 4,08% ca raportul F al
modelului ar putea avea loc din cauza zgomotului (şansă aleatoare).
Graficul de mai jos (Figura 4) prezinta intervalele pentru " diferenţa cea mai puţin semnificativa
(Least Significant Difference) " (o formă de interval de încredere) pentru fiecare dintre mediile nivelelor
- barele denota intervale de încredere de 99%, iar casetele denotă intervale de încredere de
95%. Se observa că dreptunghiurile cu 95% nivel de încredere pentru traseul A şi C nu se
suprapun - ilustrand diferenţa semnificativă care s-a testat prin utilizarea raportului F. În schimb,
barele de 99% nivel de încredere se suprapun uşor, astfel încât nu putem afirma cu 99%
încredere că timpul mediu de traseu este semnificativ diferit (de reamintit că in exemplul
ANOVA de mai sus există o şansă de 4,1% ca diferenţa dintre niveluri sa se datoreze eroarii
aleatorii) .
Figura 4
Alte abordări statistice pentru compararea a două tratamente sunt disponibile prin intermediul
statisticilor manualului on-line - Capitolul 7: http://www.itl.nist.gov/div898/handbook/
Experimente multifactoriale
Experimentele multifactoriale sunt concepute pentru a evalua factori multipli la niveluri
multiple. Se numeşte un experiment factorial complet daca fiecare factor este testat la fiecare
nivel în toate combinaţiile posibile cu alţi factori şi nivelurile lor. Experimentele factoriale
complete care studiaza toate interacţiunile asociate pot fi economice şi practice în cazul în care
există câţiva factori şi numai 2 sau 3 niveluri per factor. Avantajul este că toate interacţiunile
asociate pot fi studiate. Cu toate acestea, numărul de incercari creşte exponenţial cu factorii
suplimentari care se adaugă. Experimentele cu mai mulţi factori pot deveni rapid greoaie şi
costisitoare de executat, după cum arată graficul de mai jos:
Pentru a studia un număr mare de factori şi interacţiuni, modele factoriale fracţionate pot fi
utilizate pentru a reduce numărul de incercari prin evaluarea numai un subset dintre toate
combinaţiile posibile de factori. Aceste modele sunt foarte eficiente din punct de vedere al
costurilor, dar studiul interacţiunilor dintre factori este limitat, astfel încât programul experimental
trebuie să fie stabilit înainte ca experimentel sa fie rulate (în timpul fazei de proiectare a
experimentului).
Observaţie: când se selectează nivelurile factorilor unui experiment este important a se capta
variatia naturală a procesului. Nivelurile care sunt apropiate de media procesului pot ascunde
semnificatia factorului fata de gama sa probabila de valori. Pentru factori care sunt măsurati pe
o scară variabilă, trebuie selectate nivelurile la +/- 3 abateri standard faţă de valoarea medie.
MoreSteam.com oferă două template-uri (foi de calcul) MS Excel downloadable pentru a
facilita proiectarea şi analiza de experimente folosind două modele comune:
Experiment factorial complet cu 4 factori la 2 nivele, 16 incercari (2 4).
Algoritmul pentru experimentul Yates factorial fracţionar cu 4 factori la 2
niveluri, 2 interacţiuni, şi 8 incercari totale (1 / 2 incercari se execută dintr-un
design factorial complet pentru 4 factori la 2 niveluri). Acesta este un
experiment de rezolutie minima, cea mai potrivită pentru situaţii în care există
o cunoaştere prealabilă a interacţiunilor probabile. Fiecare foaie de calcul
include instrucţiuni şi un studiu de caz.