Università degli studi di Cagliari Disegno degli Esperimenti per l’industria (2) Daniele Romano Piani fattoriali a 2 livelli: disegno e analisi 2 ESEMPIO: Piano 2 con tre replicazioni (r=3) Studio di un processo chimico Fattori: concentrazione del reagente (A, %), quantità del catalizzatore (B, lb) Risposta: resa della reazione (Y, %) Fattori Livelli A (%) ─ 15 + 25 B (lb) 1 2 Codifica delle variabili per ottenere i livelli standard (-1,+1) X X X ( ) 2 X cod X X ( ) 2 X X : media dei livelli 2 X X : semiampiezza dell’intervallo 2 A 20 5 B 1.5 0 .5 Acod Bcod Stima dell’ effetto di un fattore (effetto principale) (Fattoriale 22) Variazione nella risposta prodotta dal cambiamento nel livello del fattore (dal livello basso al livello alto) 2 interpretazioni equivalenti Media delle variazioni ai due livelli dell’altro fattore YA B A Y A B Y A B Y A B Variazione della media ai due livelli del fattore A Y A Y A 2 YA B : media (sulle replicazioni) della risposta per la combinazione di livelli A•B• Y A B Y A B 2 Y A B Y A B 2 YA : media (sulle replicazioni e sui livelli dell’ altro fattore) della risposta al livello A• In termini di totali di trattamento si ha: A a (1) ab b 2r A a ab (1) b a ab b (1) 2r 2r 2r Interpretazione grafica degli effetti A b ─ (1) a ab b (1) 2r B ab b b ab a (1) 2r + ab ─ a + a (1) Diagramma degli effetti principali Y Y A Effetto positivo Y A Y ─ Y A Y A + Effetto nullo Y A Y A Effetto negativo ─ Y A ─ A + A + Definizione dell’ effetto di interazione tra due fattori Differenza tra l’effetto del fattore A al livello alto di B e l’effetto di A al livello basso di B (divisa per due). YA B AB Y A B Y A B Y A B b ab ─ 2 + ovvero, con i totali di trattamento AB ab b a (1) (1) ab a b 2r 2r Il fattore di scala 1/2 è convenzionale ed ha lo scopo di rendere comparabili gli effetti di interazione e gli effetti principali (1) a Grafico delle interazioni Y YA B Interazione nulla Y YA B B+ ─ YA B YA B YA B ─ B─ A Interazione positiva + YA B Y A YA B B YA B ─ B+ YA B B+ + YA B ─ B YA B YA B ─ A + Interazione negativa Effetti principali per un fattoriale 23 A Y A Y A Y A B C Y A B C Y A B C Y A B C 4 Y A B C Y A B C Y A B C Y A B C 4 ovvero, con i totali di trattamento a ab ac abc (1) b c bc a ab ac abc (1) b c bc A 4r 4r 4r A B bc c abc ─ bc + + b abc c ac C b ab bc + c ac ─ abc ac b ab ab ─ (1) a (1) a (1) a Effetti di interazione di ordine superiore a 2 L’effetto di interazione tripla ABC è la differenza tra l’effetto di interazione AB al livello alto di C e l’effetto AB al livello basso di C (divisa per due). Analogamente vengono generati tutti gli effetti di interazione di ordine superiore. ABC AB C 1 Y A B C 2 AB C 2 Y A B C Y A B C Y A B C 2 YA B C Y A B C Y A B C Y A B C 2 bc abc ovvero, con i totali di trattamento abc bc ac c ab b a (1) ABC c 4r 4r a b c abc (1) ab ac bc 4r ac b ab + =─ = (1) a Generalizzando ad un fattoriale 2n Effetto = YA B ... 1 2 n 1 1 r c.l. (2n medie del tipo Y A B ... , con segno ±1) r Y ij... k k 1 ovvero, in termini di totali di trattamento Effetto = 1 2 n 1 r c.l. (2n totali, con segno ±1) Tali combinazioni lineari, sia di medie di risposte che di totali, si chiamano contrasti. Scrittura del piano fattoriale nella forma standard Fattoriale 22 Fattoriale 23 Prove A B AB Prove A B 1 ─ ─ + 1 ─ ─ ─ + + 2 + ─ ─ 2 + ─ ─ ─ ─ + + 3 ─ + + + ─ 3 ─ ─ ─ + ─ + 4 + + + + + + ─ ─ + + + ─ + ─ ─ + + ─ + + + + ─ ─ ─ ─ ─ + + ─ ─ ─ + + ─ 4 5 6 7 8 C ─ AB AC + BC ABC ─ + A parte il divisore 2n-1, i segni dei coefficienti delle combinazioni lineari delle risposte medie che compongono gli effetti corrispondono alle colonne del piano fattoriale nella forma standard. Se non ci sono replicazioni, la matrice del modello associata al piano fattoriale ha in più la prima colonna, composta da valori tutti unitari, corrispondente al termine noto del modello. A questo è associato l’effetto medio. Algebra dei piani fattoriali • Ogni colonna della matrice del modello, tranne la prima, ha tanti segni meno quanti segni più (bilanciamento) • Le colonne sono tutte ortogonali tra di loro: XiT.Xj = 0, i,j=1,2n, i ≠ j • Ogni colonna può essere ottenuta per moltiplicazione, riga per riga, di altre due • La prima colonna è, rispetto alla moltiplicazione riga per riga, elemento identità • Si può adottare un’aritmetica modulo 2: A2=I A3=A2.A=I.A=A Relazione tra effetti fattoriali e coefficienti del modello della risposta Modello della risposta Yijk 0 1 Ai 2 B j 12 ( AB)ij ijk , ijkN(0,s2) e mutuamente indipendenti Scriviamo l’effetto calcolato usando il modello: YA B A Y A B Y A B Y A B 2 1 [ 0 1 1 2 (1) 12 (1) A B 0 1 (1) 2 (1) 12 1 A B 2 0 1 1 2 1 12 1 A B 0 1 (1) 2 1 12 (1) A B ] 1 [ 4 1 A B A B A B A B ] 2 da cui : E ( A) 21 Analogamente : E ( B) 2 2 E ( AB ) 212 L’effetto di un fattore (valor medio dello stimatore dell’effetto) corrisponde al doppio del corrispondente coefficiente nel modello della risposta Calcolo della varianza degli stimatori degli effetti Ogni effetto è calcolato come combinazione lineare di 2n medie della risposta nei trattamenti (contrasto). Effetto = YA B ... 1 2 n 1 1 r c.l. (2n medie del tipo Y , con segno ±1), A B ... 1 Var r r Y ij... k k 1 2 2 1 ns Var effetto n 1 2 r 2 4 n s2 2 r 4 s2 N s2 Yij..k r k 1 r Gli effetti calcolati corrispondono alle stime ai minimi quadrati dei coefficienti (moltiplicate per 2) Y Xˆ ˆ X T X ˆ R 2 n Y R(2 1 1 1 1 1 1 1 1 1 X 1 1 1 1 , 1 1 1 1 ... ripetuto r volte X TY 1 n r )1 r 1: 1 1 1 1 1 1 1 1 , X 1 1 1 1 1 1 1 1 In generale: quindi: 4 0 XTX 0 0 X X 2 rI T Effetto i n 1 2 n 1 r 2n 0 0 0 4 0 0 , 0 4 0 0 0 4 X X T , Xi Y T 1 2 2n r 1 2n r X R X X T I 1 ( 2 n r )2 n 4 1 0 0 0 1 4 0 0 0 1 0 0 4 0 1 0 0 0 4 ˆ 1 X TY , 2n 2n r X i T Y 2 ̂ i Valutazione della significatività degli effetti Gli stimatori degli effetti, costruiti a partire dal piano fattoriale a due livelli, sono variabili casuali Normali con media pari al valore vero dell’effetto e varianza (comune a tutti gli effetti) data da: Var effetto 4 2n r s2 4 2 s N La varianza s2 si può stimare utilizzando le replicazioni in ciascuno dei trattamenti: 1 sˆ 2 si2 r 1 2 Y Y ij i , r i 1,2,..., 2 n (r -1 gradi di libertà) j 1 La media delle 2n stime calcolate è la miglior stima di s2 ottenibile: ŝ s 2 2 1 2 n 2n i 1 si2 (2n.(r -1) gradi di libertà) continua La valutazione di significatività si può fare con un test della media dell’effetto Sotto l’ipotesi nulla (H0) la variabile casuale T stimatore effetto 2s/ N è distribuita come una t-Student con 2n.(r -1) gradi di libertà Quindi si rifiuta l’ipotesi nulla al livello di significatività (1-a) se: effetto calcolato t1a / 2, 2n ( r 1) 2s/ N pdf a/2 a/2 m=0 effetto Analisi del caso proposto Calcolo degli effetti Oltre ai metodi visti si può applicare il metodo di Yates Trattamenti A B Ymedio 1 2 Divisore Effetti (1) a b ab – + – + – – + + 26.7 33.3 20.0 30.0 60 50 6.6 10 110 16.6 -10 3.4 4 2 2 2 27.5 8.3 -5.0 1.7 Nome I A B AB Diagramma di Pareto degli effetti + A – B AB + 1.7 5.0 8.3 effetto sulla resa (%) Diagrammi degi effetti principali e delle interazioni Test di significatività degli effetti Si esegue un test della media per ogni effetto Sotto l’ipotesi nulla H0 tutti gli effetti hanno la stessa distribuzione: Normale con media nulla e varianza 4 s 2 a/2 N stima della varianza del’errore tramite le replicazioni (con 2n.(r -1) gradi di libertà) ŝ 2 s 2 1 2n pdf 2n si2 a/2 m=0 i 1 Imponendo una probabilità a di rifiutare erroneamente l’ipotesi nulla, si avrà per ogni effetto: si decide per H0 se: effetto calcolato t1a / 2, 2n ( r 1) 2s/ N si decide per H1 se: effetto calcolato t1a / 2, 2n ( r 1) 2s/ N soglia di significat ività t1a / 2, 2n ( r 1) 2s/ N Quindi è sufficiente calcolare la soglia di significatività e confrontarla con tutti gli effetti calcolati (ad eccezione dell’effetto medio). effetto replicazioni Combinaz. di trattamenti (1) a b ab 1 s 2 2 2 22 i 1 A B y1 y2 y3 si2 – + – + – – + + 28 36 18 31 25 32 19 30 27 32 23 29 2.3 5.3 7.0 1.0 15.6 = si2 15.6 4 2 3.9 sˆ eff 2 3.9 1.3 4 2 3 22 si2 i 1 per a 5% t0.975,8 2.306 soglia di significat ività t0.975,8 sˆ eff 2.306 1.3 2.63 Graficamente è utile rappresentare la soglia di significatività sul diagramma di Pareto – B AB l’ interazione AB non è significatività (al livello 95%) + A + 1.7 2.63 5.0 8.3 effetto sulla resa (%) Scrittura del modello di previsione Yˆ 27.5 4.15 A 2.5B Definiamo i residui: ei Y Yˆ Calcolo dei residui: e Y, replicazioni Combinaz. di trattamenti (1) a b ab A B I II III Yˆ – + – + – – + + 28 36 18 31 25 32 19 30 27 32 23 29 25.85 34.15 20.85 29.15 N I residui soddisfano la condizione: I II III 2.15 1.85 -2.85 1.85 -0.85 -2.15 -1.85 0.85 1.15 -2.15 2.15 -0.15 ei 0 i 1 Verifica di normalità Se il modello stimato della risposta è corretto, allora: ei ˆi Come ottenere un grafico di probabilità normale su carta ordinaria Su un asse si rappresenta la variabile casuale di cui si dispone del campione (xi , i=1,n), sull’altro la variabile casuale normale standardizzata Z Si ordina in senso crescente il campione osservato Si suddivide l’intervallo [0,1] in n sotto-intervalli uguali e si calcola la coordinata del punto medio di ogni sotto-intervallo ( j 0.5) , n j 1,2,..., n 0 1/12 3/12 5/12 7/12 9/12 11/12 Ad ogni unità del campione ordinato (x(j) , j=1,n) si associa il valore della variabile casuale Normale standardizzata zj per cui: j 0.5 z j 1 , n j 1,2,..., n Si rappresentano nel diagramma i punti di coordinate x( j ) , z j , j 1,2,..., n 1 Verifica di omoschedasticità Residuals vs. Factors Verifica di assenza di legame tra media e varianza della risposta Verifica di indipendenza degli errori Ottimizzazione Yˆ 27.5 4.15 A 2.5B Per massimizzare la resa si sceglie: il fattore A al livello alto, il fattore B al livello basso Il modello di previsione nelle variabili originarie è: A 20 5 B 1.5 0 .5 Acod Bcod A 20 B 1.5 ˆ Y 27.5 4.15 2.5 5 0.5 Yˆ 18.4 0.83 A 5.0 B Problema: in assenza di replicazioni, come valutare quali effetti sono importanti? Un metodo semplice ed elegante (Daniel, 1959) prevede di diagrammare gli effetti (ad eccezione dell’effetto medio) in un grafico di probabilità normale. In questo modo, gli effetti trascurabili (con valor medio circa nullo) si disporranno approssimativamente lungo una linea retta nella zona centrale del diagramma mentre quelli importanti se ne discosteranno in modo evidente. La decisione si fonda su una valutazione esclusivamente visiva. Attenzione: il metodo consente una stima indiretta della varianza dell’errore sperimentale. Esperimento fattoriale con 7 fattori a due livelli, 16 prove Fattori A : temperatura delo stampo B : velocità di inezione C : tempo di mantenimento in pressione D : tempo ciclo E : composizione del fondente F : dimensione della bocca di mandata G : pressione di chiusura Risposta ritiro volumetrico del materiale (%) Relazione di definizione della sovrapposizione: I=ABCE=BCDF=ACDG Piano frazionario 27-3 E=ABC F=BCD G=ACD combinaz. trattamenti (1) a b ab c ac bc abc d ad bd abd cd acd bcd abcd A – + – + – + – + – + – + – + – + B – – + + – – + + – – + + – – + + C – – – – + + + + – – – – + + + + D – – – – – – – – + + + + + + + + E – + + – + – – + – + + – + – – + F – – + + + + – – + + – – – – + + G – + – + + – + – + – + – – + – + Y (%x10) 6 10 32 60 4 15 26 60 8 12 34 60 16 5 37 52 Struttura di confondimento del piano (interazioni fino all’ordine 3) 1° gruppo I=ABCE=BCDF=ACDG=ADEF=BDEG=ABFG=CEFG altri gruppi 2 A = BCE = BFG = CDG = DEF 3 B = ACE = AFG = CDF = DEG 4 C = ABE = ADG = BDF = EFG 5 D = ACG = AEF = BCF = BEG 6 E = ABC = ADF = BDG = CFG 7 F = ABG = ADE = BCD = CEG 8 G = ABF = ACD = BDE = CEF 9 AB = CE = FG 10 AC = BE = DG 11 AD = CG = EF 12 AE = BC = DF 13 AF = BG = DE 14 AG = BF = CD 15 BD = CF = EG 16 ABD = ACF = AEG = BCG = BEF = CDE = DFG Il piano è di risoluzione R=4 2 73 IV Calcolo effetti con metodo di Yates Y 1 2 3 4 divisore effetti nome 6 16 108 213 437 16 27,3125 I 10 92 105 224 111 8 13,875 A 32 19 114 77 285 8 35,625 B 60 86 110 34 95 8 11,875 AB 4 20 32 143 -7 8 -0,875 C 15 94 45 142 -13 8 -1,625 AC 26 21 30 47 -15 8 -1,875 BC 60 89 4 48 3 8 0,375 ABC 8 4 76 -3 11 8 1,375 D 12 28 67 -4 -43 8 -5,375 AD 34 11 74 13 -1 8 -0,125 BD 60 34 68 -26 1 8 0,125 16 4 24 -9 -1 8 -0,125 CD 5 26 23 -6 -39 8 -4,875 ACD 37 -11 22 -1 3 8 0,375 BCD 52 15 26 4 5 8 0,625 ABCD ABD Valutazione degli effetti importanti effetti importanti Scrittura del modello di previsione Yˆ 27.31 17.81B 6.94 A 5.94 AB Minimizzazione del ritiro: B al livello basso, A al livello basso Grafico degli effetti principali significativi Grafico dell’interazione significativa Normalità dei residui Analisi della variabiità casuale in funzione dei fattori Verifica dell’indipendenza degli errori Verifica di assenza di legame tra media e varianza della risposta