CAROL SCHNAKOVSZKY

PRELUCRAREA DATELOR
EXPERIMENTALE

UNIVERSITATEA “VASILE ALECSANDRI” DIN BACĂU

FACULTATEA DE INGINERIE
2020
2010
2013
2015
2016
2017
2018
2019
 2010 2013 2015 2016 2017 2018 2019

  Pop % Val Pop % Val Pop % Val Pop % Val Pop % Val Pop %   Pop % Val

mil   tril mil   tril mil   tril mil   tril mil   tril mil   tril mil   tril

<10.000 3038 68.4 8.2 3207 68.7 7.3 3386 71 7.4 3546 73.2 6.1 3474 70.1 7.6 3211 63.9 6.2 2883 56.6 6.3

10.000-
1045 23.5 32.1 1066 22.9 33 1003 21 31.3 897 18.5 29.1 1054 21.3 32.5 1335 26.6 44.2 1661 32.6 15.5
100.000

100.000-
334 7.5 85 381 7.7 42.3 349 7.4 98.5 365 7.5 104 391 7.9 111 436 8.7 125 499 9.8 140
1.000.000

>1.000.000 24.2 0.5 69.2 32 0.7 89.7 34 0.7 113 33 0.7 117 36 0.7 129 42 0.8 142 47 0.9 158
Populatia in miliarde locuitori
Populatia in procente
Averea in trilioane dolari
 REPREZENTAREA DATELOR EXPERIMENTALE

În general, rezultatele cercetărilor experimentale se

concretizează:
• sub formă de tabele;
• sub formă grafică;
• sub formă matematică (de funcţie).

Fiecare din aceste modalităţi de prezentare poate fi utilizată în

diferite stadii ale cercetării, după cum urmează:
• pentru prelucrare primară prin folosirea tabelelor;
• pentru prelucrarea rezultatele obţinute în urma măsurătorilor se pot trasa
grafice de dependenţă ale mărimilor studiate;
• pentru stabilirea funcţiilor de dependenţă între aceste mărimi.

Reprezentarea grafică permite depistarea cu uşurinţă a

maximelor şi minimelor, a punctelor de inflexiune, a caracteristicilor de
periodicitate, etc. Tot cu ajutorul graficelor se pot intui, pe baza
experienţei matematice a fiecărui cercetător, forma funcţiei ce leagă
variabilele considerate.
 REPREZENTAREA DATELOR EXPERIMENTALE

2010 2013 2015 2016 2017 2018 2019

.
  Pop % Val Pop % Val Pop % Val Pop % Val Pop % Val Pop %   Pop % Val
mil   tril mil   tril mil   tril mil   tril mil   tril mil   tril mil   tril

<10.000 3038 68.4 8.2 3207 68.7 7.3 3386 71 7.4 3546 73.2 6.1 3474 70.1 7.6 3211 63.9 6.2 2883 56.6 6.3

10.000-
1045 23.5 32.1 1066 22.9 33 1003 21 31.3 897 18.5 29.1 1054 21.3 32.5 1335 26.6 44.2 1661 32.6 15.5
100.000

100.000-
334 7.5 85 381 7.7 42.3 349 7.4 98.5 365 7.5 104 391 7.9 111 436 8.7 125 499 9.8 140
1.000.000

>1.000.00
24.2 0.5 69.2 32 0.7 89.7 34 0.7 113 33 0.7 117 36 0.7 129 42 0.8 142 47 0.9 158
0
 REPREZENTAREA DATELOR EXPERIMENTALE

Exponential

Liniar

Polinomial de gradul 4

R regresia
 REPREZENTAREA DATELOR EXPERIMENTALE

În practica cercetării, o deosebită atenţie trebuie acordată

coordonatelor alese, care pot fi:
• rectangulare cu diviziuni uniforme;
• logaritmice, de tip logaritm - logaritm;
• semilogaritmice sau logaritmice;
• polare;
• rectangualare cu scări diferite pe cele două coordonate.

Trasarea curbei care să reprezinte fenomenul studiat se va face

cu mare grijă, acordând tuturor punctelor ponderi egale, căutând ca
aceasta să treacă printr-un număr cât mai mare de puncte şi în acelaşi
timp curba să fie cât mai netedă.

Când cercetarea urmăreşte obţinerea unei funcţii de dependenţă între

parametrii studiaţi este necesar să cunoaştem tipul funcţiei lucru care se
poate determina pe care empirică sau raţională.
 REPREZENTAREA DATELOR EXPERIMENTALE

Funcţiile raţionale sunt cele care se cunosc din studiul teoretic al

fenomenelor sau proceselor, cercetarea urmărind să determine
constantele pe care le conţin.

Funcţiile empirice sunt cele care se stabilesc pe baza

experimentelor, prin măsurarea dependenţei unei valori faţă de altele,
într-un program bine stabilit. În acest din ultim caz cercetarea cuprinde
două etape:
• stabilirea unor dependenţe analitice pe care să o presupunem adecvată;
• stabilirea constantelor funcţiei presupusă adecvată şi verificarea
concordanţei cu rezultatele experimentale.

În caz că nu există o concordanţă corespunzătoare sau erorile

obţinute sunt mai mari decât cele impuse se stabileşte un nou tip de
funcţie analitică şi se reiau calculele.
 REPREZENTAREA DATELOR EXPERIMENTALE

Pentru a stabili o dependenţă funcţională a unei variabile y în

funcţie de o variabilă x, se măsoară variabila y pentru diferite valori ale
variabilei x, funcţia care trebuie găsită fiind de forma:

y=f(x, a, b,...)

în care a şi b sunt constante.

Presupunând că numai variabila y este afectată de erori, vom
efectua pentru fiecare valoare a lui x din şirul de valori propuse mai multe
măsurători pentru y, luând în consideraţie media aritmetică a
măsurătorilor lui y pentru fiecare x considerat.

Problema care se pune este găsirea dependenţei funcţionale

y=f(x,a,b,...) care să reprezinte cât mai exact datele experimentale şi să
conţină un număr cât mai de constante.
 REPREZENTAREA DATELOR EXPERIMENTALE

Pentru aceasta, neexistând o metodă directă pentru obţinerea

formei adecvate, se procedează în general astfel:
• datele experimentale se înscriu într-un sistem de coordonate adecvat;
• se trasează curba determinată de punctele obţinute respectând
indicaţiile date anterior;
• se apreciază forma funcţiei curbei trasate;
• se verifică dacă forma funcţiei este adecvată;
• se determină constantele funcţiei presupuse adecvată.

Dacă forma funcţiei este necorespunzătoare, se alege o altă

formă a funcţiei de reprezentare, repetându-se procedeul până când
forma aleasă este corespunzătoare.

Proba de verificare a formei funcţiei se face fără determinarea

constantelor pentru fiecare formă aleasă, deoarece aceasta ar necesita
un volum foarte mare de muncă. Pentru verificare se folosesc metoda
grafică sau metoda tabelară.
 REPREZENTAREA DATELOR EXPERIMENTALE
Metoda grafică

Metoda grafică se foloseşte pentru funcţii ce pot fi scrise ca

dependenţe liniare în raport cu alte două funcţii X şi Y, care nu conţin
constantele ecuaţiei şi care una conţine numai pe X şi una numai pe Y,
adică o dependenţă de forma:
Y=A+BX

în care: Y=f(y), X=f(x), A=f(a), B=f(b).

Pentru astfel de funcţii se procedează în felul următor:
• se găseşte dependenţa Y=A+BX;
• se calculează X şi Y pentru 5-6 perechi de valori ale lui x şi y, fără ca
acestea să fie extremităţile intervalelor;
• se trasează graficul funcţiei Y=A+BX şi dacă se obţine o dreaptă, se
poate aprecia că forma funcţiei y=f(x,a,b,...) este adecvată. În caz contrar
se alege o altă formă pentru funcţia de reprezentare.

EXEMPLE de funcţii care pot fi liniarizate:

y=ax
y=a+bx
 REPREZENTAREA DATELOR EXPERIMENTALE

Astfel, funcţia y=axb se poate liniariza prin logaritmare, astfel:

ln y = ln a +b ln x

Notând ln y =Y, ln x=X, ln a = A şi b= B rezultă o funcţie de forma:

Y=A+BX

Pentru liniarizarea funcţiei

se împarte membrul al doilea la x şi rezultă:

Notând

rezultă tot o ecuaţie de forma

Y=A+BX.
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

Valoarea probabil adevărată şi indicii de precizie a unei mărimi

măsurate
Practic, măsurarea unei mărimi se poate face doar cu erori, ceea
ce necesită repetarea de mai multe ori a experimentului sau a
măsurătorii. Pentru a se putea evalua cât mai corect, cu o eroare cât mai
mică, mărimea măsurată, se foloseşte prelucrarea statistică a datelor
experimentale, lucru care să ducă la obţinerea unei valori probabil
adevărate, indicându-se totodată şi precizia de obţinere a acesteia.
Pentru a se obţine un rezultat calitativ bun, prin prelucrarea
statistică a datelor experimentale, trebuie ca mărimile rezultate în urma
măsurătorilor să aibă aceeaşi probabilitate de apariţie, iar erorile
sistematice şi grosolane trebuie eliminate. Se admite rămânerea în studiu
doar a erorilor întâmplătoare.
Plecându-se de la premizele expuse mai sus, dacă în urma a n
măsurători independente se obţin, pentru o mărime X, valorile X1, X2,...,
Xn, se consideră că cea mai bună estimare a valorii probabil adevărate a
mărimii X este media aritmetică, notată cu Mx şi se calculează cu relaţiile:
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

Valoarea probabil adevărată şi indicii de precizie a unei mărimi

măsurate

unde: r = numărul de intervale de valori ale mărimii măsurate; mi =

numărul de valori ce apar într-un interval oarecare i, cu alte cuvinte este
frecvenţa de apariţie a mărimii Xi în intervalul i. Se constată că:

Cea de a doua relaţie se aplică atunci când într-un interval rezultă

mai multe valori ale mărimii măsurate. De obicei la măsurarea cu aparate
la care valoarea măsurată se citeşte pe o scală gradată, mărimea unui
interval se ia egală cu valoarea intervalului dintre două diviziuni
succesive.
PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

EXEMPLU

Numărul Valoarea măsurată

măsurătorii F [N]
1 1234
Valoarea măsurată F [N]

2 1222
1350
3 1324 1300
1250
4 1119
1200

5 1212 1150
1100
6 1222 1050
1000
7 1321
1 2 3 4 5 6 7 8 9 10

8 1311

9 1211

10 1200

1237.6
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

EXEMPLU
Metoda Valoarea măsurată F [N]
de
măsurar
e 1 2030
2 3 4 5  
1 1990 1995 1998 1991 1993 1993
2 1980 1989 1989 1989 1989 1987
3 1987 1991 1991 1991 1991 1990
4 1890 1993 1993 1993 1993 1972
5 1934 1995 1995 1995 1995 1983
6 1899 1997 1997 1997 1997 1977
7 1995 1999 1999 1999 1999 1998
8 2001 2001 2001 2001 2001 2001
9 2003 2003 1987 2003 2003 2000
1930
10 2005 1991 2005 1999 2005 2001 1 2 3 4 5 6 7 8 9 10 11
1990
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

Precizia de măsurare
Precizia de măsurare a mărimii studiate poate fi evaluată prin mai
mulţi indici, cei mai mult întrebuinţaţi fiind:
abaterea medie pătratică σ
eroarea probabilă p.
Abaterea medie pătratică (eroarea standard) se determină cu
următoarea relaţie, în cazul în care n<25:
n

  Xi  M  2

 i 1

n 1
Pentru cazul în care n>=25:
n

  Xi  M  2

 i 1

n
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

Precizia de măsurare
Eroarea probabilă p.

p=0,6745σ

Pentru cazul unei distribuţii normale, de tip Gauss a valorilor

măsurate, cunoaşterea abaterii medii pătratice permite determinarea
câmpului de împrăştiere R, în care sunt cuprinse peste 99% din valorile
Xi. Această determinare se face cu relaţia:

R=6σ
În urma efectuării măsurătorilor este posibil ca în cele n valori
obţinute să apară unele valori care să difere mult faţă de majoritatea
celorlalte valori obţinute. Acest lucru se poate datora în general unor erori
grosolane care nu au fost sesizate şi înlăturate, datorită neatenţiei
cercetătorului sau operatorului.
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

Deoarece astfel de valori pot influenţa substanţial rezultatele

obţinute prin calculul probabilităţilor, este necesar ca în aceste calcule,
valorile cu diferenţe mari faţă de majoritatea datelor să fie excluse.
Pentru a putea decide care valori trebuie eliminate din şirul de n
valori obţinute în urma măsurătorilor, se folosesc diferite criterii ştiinţifice
de excludere cum ar fi: criteriul lui Chauvenet, regula lui Charlier, criteriul
Smirnov-Grubbs, etc.
Cel mai folosit este criteriul lui Chauvenet şi în conformitate cu
acest criteriu, orice valoare dintr-un şir de n rezultate ale măsurătorilor
unei mărimi trebuie să fie eliminată, dacă abaterea ei de la media şirului
este astfel încât probabilitatea de apariţie a tuturor abaterilor egale cu ea
sau mai mari, să nu depăşească 1/2n.
Deci, dacă abaterea x a unei valori faţă de medie este mai mare
sau egală cu abaterea limită x' definită prin:
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

atunci valoarea respectivă trebuie eliminată. Valorile limită ale lui

xi`, calculate cu relaţia de mai sus sunt date în tabelul următor în funcţie
de numărul măsurătorilor n şi de abaterea medie pătratică σ.
n 5 6 7 8 9 10 12 14 16 18
xi`/σ 1,73 1,73 1,76 1,86 1,92 1,96 2,03 2,10 2,16 2,20
n 20 22 24 26 30 40 50 100 200 500
xi`/σ 2,24 2,28 2,31 2,35 2,39 2,50 2,58 2,80 3,02 3,29

Pentru a putea utiliza tabelul se determină rapoartele xi/σ şi se compară

cu valoarea xi`/σ din tabel corespunzătoare numărului de măsurători
efectuate. Valorile pentru care

se exclud, după care se calculează din nou media aritmetică şi abaterea

medie pătratică pentru valorile rămase. Se aplică apoi din nou criteriul,
până când toate valorile satisfac criteriul.
 PRELUCRAREA STATISTICĂ A DATELOR EXPERIMENTALE

EXEMPLU
Nr valoare 1 2 3 4 5 6 7 8 9 10    

Valoare 8 7 6 5 9 10 11 12 20 9 9.7 Media

Valoare- Dev
-1.7 -2.7 -3.7 -4.7 -0.7 0.3 1.3 2.3 10.3 -0.7 4.22
Media standard
  -0.40 -0.64 -0.88 -1.11 -0.17 0.07 0.31 0.55 2.44 -0.17    

25

20 20

15
12
10 10 11
9 9
8
7
6
5 5

0
1 2 3 4 5 6 7 8 9 10
 PROGRAMAREA EXPERIMENTELOR

Dacă ne referim la domeniul fabricaţiei produselor putem accepta

faptul că experienţa este o intervenţie voluntară într-un sistem aflat în
funcţiune, pentru a observa sau măsura efectele acestei intervenţii. Astfel,
dacă ne interesează efectul compoziţiei chimice al unui oţel asupra
durităţii, se poate analiza care este efectul variaţiei compoziţiei chimice
asupra durităţii. Pentru a răspunde acestei probleme trebuie să ne punem
următoarele întrebări:
•ce se întâmplă dacă se modifică compoziţia chimică a unui element,
dar, mai interesant, este răspunsul privitor la efectele obţinute, când
se modifică mai mulţi factori, în acelaşi timp ?
•este oare necesară repetitivitatea măsurătorilor şi dacă efectul
măsurat se menţine la repetarea experienţei ?
•care este efectul impreciziei măsurătorilor asupra valorilor efectului
căutat, în cazul de faţă asupra durităţii ?
Dacă trebuie să cunoaştem efectele asupra unui sistem rezultă
că experienţele trebuie desfăşurate după un anumit plan, numit plan de
experienţe
 PROGRAMAREA EXPERIMENTELOR

Din analiza sistemică a unui proces de experienţe rezultă că

trebuie stabilite frontiera, elementele componente, proprietăţile şi relaţiile
dintre elementele sistemului şi dintre sistem şi mediul exterior, iar funcţia
de transfer, esenţială a unui sistem, permite transformarea intrărilor din
sistem, în rezultate.
Analiza unui sistem este posibilă prin ataşarea unui model
matematic care cuprinde una sau mai multe funcţii obiectiv ce definesc
din punct de vedere matematic funcţia sau funcţiile sistemului, şi un
sistem de relaţii restrictive care limitează soluţia optimă şi definesc
legăturile, proprietăţile şi relaţiile sistemului cu mediul sau între
elementele sistemului.
Reprezentarea matematică a acestor relaţii se face în raport cu
parametrii sau factorii caracteristici sistemului. Se definesc drept factori
parametrii care influenţează starea sau rezultatele estimate ale
sistemului. Parametrii obţinuţi sau parametrii de ieşire se numesc
rezultate, factori rezultat sau efecte.
În general, numărul n al factorilor care influenţează rezultatul y
este mai mare decât numărul k al factorilor identificaţi şi controlaţi în
procesul de experimentare.
 PROGRAMAREA EXPERIMENTELOR

Rezultă că există n-k factori necontrolaţi, care în timpul

experimentului sunt lăsaţi în starea lor obişnuită. În general, aceşti factori
au o împrăştiere caracteristică şi reprezintă ei înşişi cauza variabilităţii
rezultatului y.
Exemplu:
Să ne imaginăm că modificăm proporţia de carbon într-un oţel
pentru a măsura efectul acestei schimbări asupra durităţii. Conţinutul în
carbon (C) reprezintă factorul controlat.
Dacă măsurăm duritatea în cazul unei producţii de serie vom
observa o anumită împrăştiere (variabilitate) a rezultatelor. Este evident
că anumite elemente, aşa cum sunt siliciul sau manganul, influenţează
duritatea cu toate că procentul în aceste elemente se menţine în limite
prescrise.
Aceştia reprezintă factori necontrolabili. Din cauza acestor factori
se înregistrează o anumită variabilitate a rezultatelor şi se impune
repetarea experienţelor.
 PROGRAMAREA EXPERIMENTELOR

Există mai multe categorii de factori. După modul în care pot fi

măsuraţi, întâlnim:

•factori cantitativi, şi
•factori calitativi.

Factorii cantitativi sunt factorii măsurabili. De cele mai multe ori

factorii cantitativi au o variaţie continuă, dar există şi cazuri în care ei pot
lua numai valori particulare, bine determinate. Factorii cantitativi pot fi
utilizaţi în relaţii algebrice obţinute prin regresie statistică, dar şi în modele
matriceale, bazate pe calcularea efectelor şi a interacţiunii dintre factorii
controlabili ai sistemului.

Un factor calitativ este un factor nemăsurabil, care se poate

identifica printr-un atribut. Factorii calitativi, nemăsurabili sau atributivi, nu
pot fi utilizaţi decât în modele de tip matriceal.
 PROGRAMAREA EXPERIMENTELOR

Plan de experimentare 22

Factori
Experienţe
A B
1 1 1
2 2 1
3 1 2
4 2 2
 PROGRAMAREA EXPERIMENTELOR

Plan de experimentare 32
Factori
Experienţe
A B
1 1 1
2 2 1
3 3 1
4 1 2
5 2 2
6 3 2
7 1 3
8 2 3
9 3 3
 PROGRAMAREA EXPERIMENTELOR

Planurile de experienţe reprezintă strategia de programare a

încercărilor în vederea obţinerii unor rezultate utile şi cu un nivel de
încredere satisfăcător.
Dacă sistemul studiat depinde de doi factori, A şi B, iar fiecare
dintre ei variază la două nivele, notate 1 şi 2, sunt necesare 22=4
experienţe pentru a ne asigura că la fiecare nivel al unui factor, celălalt
factor se va găsi la ambele nivele de variaţie.
Dacă cei doi factori au câte trei nivele de variaţie atunci condiţia
ca pentru fiecare nivel al unui factor să întâlnim cele trei nivele pentru
celălalt necesită 32 experienţe.
Urmând acelaşi raţionament, dacă sistemul are n factori
controlaţi, fiecare având k nivele, numărul de experienţe va fi kn. Un astfel
de experiment se numeşte experiment factorial complet, întrucât în timpul
experimentului se modifică toţi factorii, la toate nivelele.
Dezavantajul principal al acestui plan de experimentare îl
constituie numărul mare de încercări.
 PLANURI DE EXPERIENŢE

Planurile de experienţe sunt utilizate de mai bine de jumătate de

secol şi au fost folosite pentru prima dată de agronomi. Cu toate acestea,
metoda planificării ştiinţifice a experienţelor este puţin cunoscută şi este
puţin folosită atât în mediul industrial cât şi în laboratoarele universitare.
Aplicarea metodei programării experimentului se realizează în
următoarele etape:

•stabilirea ipotezelor, rezonabil de formulat, cu privire la factorii ce

intervin în model, interacţiunile dintre factori şi efectele acestora;
•definirea obiectivelor de studiat prin stabilirea parametrilor importanţi
şi studiul interacţiunilor dinte parametri;
•stabilirea programului de încercări;
•analiza statistică a rezultatelor experimentărilor care constă în
deducerea ecuaţiei de răspuns, analiza varianţei modelului şi
optimizarea modelului;
•interpretarea şi validarea fenomenologică a rezultatelor astfel
obţinute.
 PLANURI DE EXPERIENŢE

Metoda programării experimentelor permite determinarea

factorilor semnificativi, a interacţiunilor semnificative dintre factori şi
asigură obţinerea relaţiei ce caracterizează fenomenul în, funcţie de
efectele reţinute ca fiind influente.
În funcţie de numărul de experienţe, planurile de experimentare
pot fi complete sau incomplete.
Planurile de experimentare complete combină toate nivele
factorilor consideraţi. Dacă factorii controlaţi (factorii de intrare) au
numere diferite de nivele avem de-a face cu planuri factoriale. Dacă
factorii controlaţi au acelaşi număr de nivele, întâlnim:

•planuri factoriale la două nivele, cunoscute şi ca planuri de tip 2n şi

•planuri factoriale la trei nivele sau planuri 3n.

 PLANURI DE EXPERIENŢE

În cazul planurilor de experimentare incomplete întâlnim:

•planuri cu număr diferit de nivele, rezultate din descompunerea unui

plan factorial complet în două planuri produs sau planuri rezultate din
tabelele mixte ale lui Taguchi, şi
•planuri cu acelaşi număr de nivele, care pot fi planuri fracţionare de
tip 2n-p, 3n-p, planuri rezultate din tabelele Taguchi, planuri pătrate
latine sau planuri de tip pătrate greco-latine.

Toate variantele de planuri de experimentare se pot întâlni fie în

varianta fără repetare a experimentelor fie în varianta cu repetarea
experimentelor.
Cele mai frecvent întâlnite planuri de programare a experienţelor
vor fi prezentate în cele ce urmează. Planificarea experimentelor constă
în stabilirea nivelelor la care se află factorii de control, pentru fiecare
experienţă în parte.
După realizarea experienţelor se determină coeficienţii
semnificativi prin utilizarea analizei varianţei modelului.
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Fabrica de ţigle Ina Seito din Japonia şi-a modificat procesul de ardere a
ţiglelor. Înainte de această schimbare, această operaţie se efectua într-un
mod artizanal, fără probleme de calitate, în cuptoare încălzite cu lemne,
alimentate manual pe toată durata arderii.
În anul 1993, fabrica a cumpărat din Germania un cuptor tunel cu
flacără, în valoare de 2 milioane de dolari, ţiglele erau stivuite pe
vagonete care traversau tunelul, în timp ce erau supuse arderii.
Însă la punerea în funcţiune a cuptorului, lucrătorii au constat
următoarele:
•ţiglele aşezate la periferia stivei nu se uscau într-un mod uniform şi
ieşeau din cuptor cu lãţimi foarte variate, astfel încât valoarea medie
atingea limita superioară a toleranţei;

•ţiglele plasate în centrul stivei rezultă mult mai regulate şi valoarea

medie a dimensiunilor este conform cotelor specificate.
EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Prin modernizare, unica schimbare intervenită în procesul de

fabricaţie era cea a arderii, tehnicienii atribuind logic acest defect
eterogenităţii temperaturii din interiorul cuptorului. Ei au studiat
modificările de proiectare care ar putea atenua acest fenomen. Aceste
modificări erau costisitoare şi nu puteau fi suportate deoarece resursele
financiare s-au epuizat odată cu achiziţionarea cuptorului. Pe de altă
parte era imposibil să se ignore problema rebuturilor şi lipsa
productivităţii.
Pentru a se surmonta aceste deficienţe, conducerea fabricii a
apelat la metoda Taguchi de îmbunătăţire a calităţii. În acest scop toate
persoanele din fabrică care aveau cunoştinţe şi experienţă în fabricarea şi
arderea ţiglelor au fost reunite pentru o şedinţă de brainstorming. În urma
analizei procesului de fabricaţie, fig. 4.11 s-a constata că operaţia cu
probleme este arderea. În vederea eliminării acestui factor perturbator ar
fi trebuit să se investească într-un dispozitiv de control al temperaturii
cuptorului, dar fabrica nu mai avea bani.
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Plecându-se de la faptul că cuptorul este un factor perturbator în

procesul arderii s-a trecut la identificarea factorilor controlabili, susceptibili
de a avea un efect asupra dimensiunii ţiglelor. Nu se putea acţiona decât
în amontele procesului de ardere. Aceasta s-a realizat fără o convingere
adevărată, tehnicienii fabricii identificând 7 factori susceptibili de a avea
un efect asupra dimensiunii ţiglelor în urma arderii. Aceşti factori au fost
grupaţi în tabelul de mai jos, pe două nivele (valoarea actuală şi o altă
valoare estimată, tehnic acceptabilă).

Codificare Factori de încercat Nivelul 1 Nivelul 2

A cantitatea de piatră de var 5% 1% (actual)
B granulaţia aditivilor grosieră (actuală) fină
C cantitatea de liant 43% 53% (actual)
D tipul de liant nou actual
E încărcătura lotului 1300 1200 (actual)
F cantitatea de spărturi 0% (actual) 4%
G cantitatea de feldspat 5% (actual) 0%
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Toţi aceşti factori par a nu avea nimic în comun cu problema de

rezolvat. Fabrica a realizat 8 încercări, după planul factorial prezentat mai
jos, tabelul următor:
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Matricea de mai sus conţine:

•o coloană pentru fiecare dintre cei 7 factori; în această coloană, cele
două nivele de încercare sunt identificate de cifrele 1 sau 2;
•o linie pentru fiecare dintre cele 8 încercări; ea indică combinarea
nivelurilor factorilor care trebuie testaţi;
•coloana din dreapta ce permite înregistrarea rezultatelor referitoare
la cele 8 încercări.
S-a hotărât ca rezultatul fiecărei încercări va fi exprimat prin
procentajul de ţigle situate în afara toleranţelor admise. Rezultatele au
fost următoarele.
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

În urma încercării 1 au rezultat 16% rebuturi, în urma încercării 2

au rezultat 17% rebuturi şi aşa mai departe. După cum se vede din planul
de experienţe, s-au îndeplinit următoarele condiţii:
•fiecare încercare a fost efectuată cu o combinaţie diferită a nivelurilor
factorilor;
•fiecare nivel al fiecărui factor este combinat cu fiecare nivel al altor
factori, şi de un număr egal de combinări.
Datorită acestor caracteristici fundamentale a planurilor de
experienţe, efectele altor factori B, C, D, E, F, G intervin cu aceeaşi
pondere în fiecare dintre nivelurile A1 şi A2. Procentele medii de rebuturi,
când factorul A este la nivelul 1, apoi la nivelul 2 sunt date de relaţiile:
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Astfel, s-a calculat procentajul mediu de rebuturi pentru cele două

niveluri ale celorlalţi 6 factori, valorile fiind trecute în tabel

Se constată că factorul A (cantitatea de piatră de var) are efectul cel mai

mare asupra procentului de rebuturi şi că nivelul 1 este cel mai favorabil
pentru reducerea procentajului de rebuturi. După aceea urmau factorii F
la nivelul1, G la nivelul 2, E la nivelul 2, D la nivelul 1, B la nivelul 2 şi C la
nivelul 2. Configuraţia optimă a nivelurilor diferiţilor factori a fost astfel
aleasă:
A1 B2 C2 D1 E2 F1 G2
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

Această configuraţie dă speranţa eliminării totale a rebuturilor.

după efectuarea încercărilor s-a dovedit că previziunile au fost corecte.
Noile valori rezultate din experimente au fost adoptate ca valori optime de
fabricaţie. Măsurătorile efectuate au relevat următoarele rezultate
 EXEMPLU DE UTILIZARE A PLANURILOR DE EXPERIENŢE

În urma analizei dispersiei prezentată în figura de mai sus se pot

trage următoarele concluzii:
•dispersia lăţimii ţiglelor plasate la periferia stivei este considerabil
redusă şi se menţine continuu în toleranţele admise;
•abaterea la lăţimea ţiglelor situate în centrul stivei a scăzut şi mai
mult.
În final s-a luat decizia să se producă ţigle folosind următoarea
configuraţie:
A1 B2 C1 D1 E2 F1 G2

S-a ales C1 în loc de C2 deoarece C corespunde cantităţii de

liant. Influenţa sa asupra lăţimii ţiglelor este foarte scăzută, dar în schimb
este cel mai scump material utilizat.
Prin aplicare tehnicii de îmbunătăţire a calităţii elaborate de
Taguchi nu s-a rezolvat problema eterogenităţii temperaturii în interiorul
cuptorului, dar s-a dezvoltat un produs capabil să reziste acestei repartiţii
eterogene a temperaturii în condiţiile obţinerii unei calităţi acceptabile.