Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

1 →tengelymetszet nélküli modell Mixture designs Modellek: linear model b 1 a rendszer válasza a tiszta 1. komponensre.

Hasonló előadás


Az előadások a következő témára: "1 →tengelymetszet nélküli modell Mixture designs Modellek: linear model b 1 a rendszer válasza a tiszta 1. komponensre."— Előadás másolata:

1 1 →tengelymetszet nélküli modell Mixture designs Modellek: linear model b 1 a rendszer válasza a tiszta 1. komponensre

2 2 quadratic model special cubic model

3 3 1. példa M.J.Anderson, P.J. Whitcomb, Rubber & Plastics News, Oct. 21, 2002, p. 16 Három oldószer elegyében egy anyag oldhatósága MEK.sta

4 4 Statistics>Industrial Statistics & Six Sigma> >Experimental Design (DOE)>Mixture designs and triangular surfaces

5 5 Analyze design fülön Special cubic

6 6

7 7 Az optimum megközelítése szimplex módszerrel

8 8 Több faktorra is általánosítható n-dimenziós szimplex: n+1 csúcsot tartalmazó konvex poliéder Ha egy csúcs n+1 lépés után is megőrzi helyét, a szimplex forog: az optimum közelében vagyunk hiba miatt kiugró kísérleti érték új kísérlet zsugorítás

9 9

10 10 a tükrözéssel kapott új pont:

11 11 A feladat a gázkromatográfiás elválasztás egyes beállítható paramétereinek változtatásával a kromatogram felvételéhez szükséges idő minimalizálása. Csak olyan beállításokat fogadtak el, amelyekkel a csúcsfelbontás még elfogadható. A faktorok a következők: 1. a vivőgáz áramlási sebessége, amelyet közvetve, egy U csöves manométerrel mértek, vagyis a vizsgált faktor: p, torr (1torr= Pa); 2. a programozott fűtés kezdeti hőmérséklete, t, o C; 3. a lineáris hőmérsékletprogram meredeksége,  t, amely 2 o C/min és 30 o C/min határok között 2 o C/min fokozatonként állítható be, vagyis csak e diszkrét értékei értelmezhetők. 2. példa J. Holderith, T. Tóth, A. Váradi: Minimizing the time for gas chromatographic analysis. Search for optimal operational parameters by a simplex method. J. Chromatograph. 119, (1976)

12 12 Az elfogadható csúcsfölbontás azt jelenti, hogy a legkisebb relatív retenciójú (egymástól a legnehezebben elválasztható) komponenspárok, az adott esetben a meta- és para-xilol, ill. az 1,3,5-trimetil-benzol és az 1,2,4-trimetil-benzol közötti elválasztást jellemző PS érték 0.5-nél nagyobb. Mivel a z 3 faktor szintjei csak diszkrét értékek lehetnek, ha a faktornak az új csúcsbeli számított értéke nem volt beállítható, a legközelebbi beállítható értéket vették.

13 13

14

15 15 Összevetés a faktoros tervekkel A szimplex kísérletek egyenként hajtandók végre: előnyös, ha gyorsan van eredmény megtalálják az optimumot kevés információt adnak a hatásokról A faktoros tervek párhuzamosan hajtandók végre: előnyös, ha lassan van eredmény, de kevésbé időigényes megismerjük a hatásokat haladunk az optimum felé

16 16 Összevetés a faktoros tervekkel 2 A szimplex kísérletek a faktorok csak folytonosak lehetnek érzékenyek a hibákra mivel nincs mögöttük modell, nem adnak eredményfelületet csak egy függő változónk lehet A faktoros tervek a faktorok lehetnek és diszkrétek (legalábbis két szint esetén) a hibákat a modell kiegyenlíti mivel van mögöttük modell, eredményfelületet adnak több függő változónk lehet

17 17 3. példa Kalibráció ingadozás-forrásainak elemzése kalibr_varcomp.sta Graphs>Scatterplot

18 18 Volt egy koncentrált (300g/l) törzsoldat, ebből 3 ismétléssel állítottak elő 12-féle koncentrációjú oldatot. Mind a 36 oldatból kétszer készítettek kb. 40-szeres szeres (de egyforma) hígítást, és ezeket vitték a plate-re, és mindegyiket 3-szor injektálták. y ijkl az i-edik koncentráció j-edik bemérése k-adik hígításából végzett l-edik injektálással kapott terület (Area)

19 19 Mit akarunk megismerni? a kalibrációs függvény alakját az ingadozás összetevőit (számszerűsítve) az illesztés feltételeit Statistics>Advanced Linear/Nonlinear Models>General Linear Models> >Nested Design ANOVA

20 20

21 21

22 22

23 23 ha Box-Cox transzformáció

24 24

25 25 az egy hígításhoz tartozó injektálások átlaga és szórása

26 26 az egy hígításhoz tartozó injektálások átlaga és szórása

27 27 itt nemcsak a hígítás hibáját látjuk, hanem ebbe belekeveredve az injektálási hibák átlagát is az egy Mixhez tartozó ismételt hígítások átlaga és szórása

28 28 itt nemcsak a Mix (az oldat újra- elkészítése) hibáját látjuk, hanem ebbe belekeveredve a hígítási és injektálási hibák átlagát is az egy koncentrációhoz tartozó ismételt Mixek átlaga és szórása

29 29 A hiba-komponensek arányos jellegűek, és az adatok logaritmikus transzformációja indokolt

30 30 Amit kiszámoltunk (y a terület): Ha azt kérdezzük, hogy a kalibrációs pontnak (3 Mix, 2 hígítás, 3 injektálás átlaga) mekkora a varianciája

31 31 Ha azt kérdezzük, hogy a majdani fölhasználásnál, ha nem készítenek több mix-et minden koncentrációnál, nem hígítják többször, de 3-szor injektálják, és ennek átlagát rendelik a koncentrációhoz Ha csak egy injektálás van minden koncentrációnál

32 32

33 33 A másodfokú függvény illesztése az átlag-adatokra, súlyozva

34 34 weight=1/sigmayQTotal

35 35 Többszörös célfüggvény A célfüggvény megválasztása igen fontos. Például egy gumi- termék szakítószilárdságának maximalizálása ill. a gyártás költségeinek minimalizálása egészen más feladat, a független változók más beállítás-kombinációjánál van az optimum. Esetenként e kívánalmak egymásnak teljesen ellentmondanak. Lehetőségeink: Grafikusan vizsgáljuk a közös tartományokat Gazdasági természetű célfüggvény, ez alkalmasan szintetizálhatja a többféle szempontot. Ha a műszaki jellemzők pénzbeli kifejezése nehéz vagy lehetetlen, használható a Taguchi-féle négyzetes veszteségfüggvény. Kívánatossági függvény

36 példa Derringer, G., & Suich, R. (1980). Simultaneous optimization of several response variables. Journal of Quality Technology, 12, (Autógumi út-tapadása), a Statistica példája, kiegészítve Tiretrem.sta 4 függő változó: abrasion, modulus, elong, hardness 3 faktor: silica, silane, sulphur kompozíciós terv Statistics>Industrial Statistics & Six Sigma> >Experimental Design (DOE)>Central composite...

37 37

38 38 A négy célfüggvényre külön-külön végezhetünk elemzést

39 39

40 40

41 41

42 42

43 43

44 44 A d-függvény (d: desirability function) A több, különböző mértékegységben kifejezett és különböző súlyokkal figyelembe veendő jellemző kombinációjára dolgozta ki Harrington 1965-ben. A szakirodalomban több módszer, a d(y) függvénykapcsolat lehet lineáris és nemlineáris. Közös bennük, hogy a függvény a (0, 1) intervallumban vesz fel értékeket. d = 1 az y fölső határán, melynél nagyobb érték nem fordulhat elő, d = 0 y alsó határértékénél, melynél kisebb érték nem lehetséges.

45 45 Az összetett célfüggvény a komponensekre vonatkozó d értékek geometriai átlagolásával kapható. ahol q a célfüggvény-komponensek (a vizsgálandó tulajdonságok) száma. A D függvény ugyanolyan tulajdonságú, mint d i komponensei, egyes értékei ugyanúgy értelmezhetők így használható optimum keresésére. D értéke akkor és csak akkor nagy, ha egyik d i kompo- nens se kicsi. A geometriai átlagolás következtében a kisebb d értékek súlya jelentős, vagyis D kompromisszumot ad a részcélok között.

46 46 Derringer és Suich (1980) lineáris függvény a d=(0, 0.5) és a d=(0.5, 1) intervallumokban esetleg görbeség kétoldaliegyoldali LB SB

47 47

48 48 t=s=1 t=s=2 t=s=0.5 t=s=1 t=s=2 t=s=0.5 t=0.5 s=2 kétoldali határra egyoldali határra

49 49 Specifikáció és a kívánatossági függvény értéke

50 50

51 51 mean

52 52 optimum

53 53

54 54


Letölteni ppt "1 →tengelymetszet nélküli modell Mixture designs Modellek: linear model b 1 a rendszer válasza a tiszta 1. komponensre."

Hasonló előadás


Google Hirdetések