Járműipari tesztelés és jóváhagyás

Finszter, Ferenc

Dr. Aradi, Petra

Czmerk, András

Németh, Zoltán

Dr. Wenzelné, Gerőfy Klára

Dr. Halmai, Attila

A tananyag a TÁMOP-4.1.2.A/1-11/1-2011-0042 azonosító számú „ Mechatronikai mérnök MSc tananyagfejlesztés ” projekt keretében készült. A tananyagfejlesztés az Európai Unió támogatásával és az Európai Szociális Alap társfinanszírozásával valósult meg.

A kiadásért felel a(z): BME MOGI

Felelős szerkesztő: BME MOGI

2014


Tartalom
1. AZ OPTIMUMKERESÉS
1.1. A teljes kísérleti mező feltérképezése
1.2. A Gauss-Seidel módszer
1.3. Box és Wilson módszere
2. ALAPFOGALMAK, DEFINÍCIÓK
2.1. A kísérlet
2.2. A kísérlet sorozat
2.3. Faktorok és a faktor-szintek
2.4. A kísérleti beállítás
2.5. Az optimalizációs paraméter
2.6. A válasz-függvény; a kísérlet modellje
2.7. A fő-hatások; a lineáris modell
2.8. A kereszt-hatások (kölcsönhatások; interakciók)
2.9. Az optimalizációs paraméter modelljének megválasztása
3. FAKTORIÁLIS KÍSÉRLETI TERVEK
3.1. A kétszintű kísérleti terv
3.2. A kísérlet tervezési mátrix
3.3. A 2k típusú faktoriális kísérleti terv tulajdonságai
3.4. A teljes faktoriális kísérleti terv
3.5. A részleges (frakcionális) kísérleti terv
3.6. A részleges replikációk megválasztása. A generáló összefüggés és a meghatározó kontraszt
3.7. A b együtthatók meghatározása
3.8. Hibavizsgálat
3.9. A kísérlet ismételhetőségének vizsgálata
3.10. Az együtthatók szignifikanciájának vizsgálata
3.11. A normalitás vizsgálata
3.12. A durva hibák kiszűrése
3.13. Randomizáció
3.14. A faktorok hatásosságának vizsgálata
4. A TAGUCHI-MÓDSZER
4.1. A Taguchi-filozófia
4.2. A Taguchi kísérlet tervezési módszer
4.3. A kísérleti eredmények kiértékelése
4.4. Az ortogonális táblázat
4.5. A lineáris gráf
4.6. A kölcsönhatások háromszög-táblázata
4.7. A „jel/zaj” (Signal-to-Noise, S/N) analízis
4.8. Három- és négyszintű kísérleti tervek
4.9. Taguchi „Szakácskönyve”
4.9.1. Jelölések
4.9.2. L4 (23) kísérleti terv
4.9.3. L8 (27) kísérleti terv
4.9.4. L16 (215) kísérleti terv
4.9.5. L12(211) kísérleti terv
4.9.6. L9 (34) kísérleti terv
4.9.7. L18(21 x 37) kísérleti terv
4.9.8. L27(313) kísérleti terv
4.10. A fő-hatások oszlopainak megválasztása
4.11. Több lépésben végrehajtott kísérleti terv
4.12. Mit tegyünk, ha nincs előzetes információnk arról, hogy vannak-e kölcsönhatások az egyes hatások között?
4.13. Szűrő kísérleti tervek
4.14. A Taguchi „szakácskönyv” L8 és L16 kísérleti terveinek átalakítása kétszintűről négyszintűvé
4.14.1. Egyszerűsítések
5. MATEMATIKAI STATISZTIKAI ÖSSZEFOGLALÓ
5.1. Alapfogalmak
5.1.1. A valószínűségi változó
5.1.2. Az eloszlásfüggvény és a sűrűségfüggvény
5.1.3. A normáleloszlás
5.1.4. A standard normál eloszlás
5.1.5. A χ2 eloszlás
5.1.6. A tapasztalati szórásnégyzet
5.1.7. A szabadságfok
5.1.8. A szórás
5.1.9. A Steiner-formula
5.2. Statisztikai próbák
5.2.1. Az u-próba
5.2.2. A t-próba
5.2.3. Az F-próba
5.2.4. A Cochran-próba
5.2.5. χ2-próba, illeszkedés vizsgálat
5.3. Randomizálás
5.4. A durva hiba kiszűrése
6. Szórás analízis (ANOVA analízis)
6.1. A Fischer–Cochran-tétel
6.1.1. A Fischer-Cochran addiciós tétel
6.1.2. A Fischer-Cochran particiós tétel
6.2. Az osztályozás (csoportosítás)
6.2.1. Az egyszeres osztályozás parametrikus modellje
6.2.2. A szórásanalízis hipotézis vizsgálata
6.2.3. Az egyszeres osztályozás ANOVA táblája
6.2.4. A kétszeres keresztosztályozás parametrikus modellje
6.2.5. .A kétszeres keresztosztályozás ANOVA táblája
7. KIDOLGOZOTT PÉLDÁK
7.1. Feladat
7.2. Feladat
7.3. Feladat
7.4. Feladat
7.5. Feladat
7.6. Feladat
7.7. Feladat
7.8. Feladat
7.9. Feladat
8. A járművekre vonatkozó törvényi követelmények
8.1. Bevezetés
8.2. A keretirányelvek
8.3. Az előírások által érintett fontosabb témakörök
8.3.1. Kormányzás
8.3.2. ENSZ EGB 79/01
8.3.3. Különleges követelmények
8.3.4. Vizsgálatok
8.3.5. Stabilitás
9. Fékezési előírások:
9.1. Fékberendezés
9.1.1. ENSZ 13 számú előírás.
9.1.2. Fontosabb definíciók
9.1.3. Általános követelmények
9.2. Az időszakos vizsgálat végrehajtását támogató intézkedések
9.2.1. M és N kategóriájú járművek követelményei
9.2.2. A fékrendszer energiaellátására vonatkozó követelmények.
9.2.3. Fékerő-felosztásra vonatkozó előírások
9.2.4. Pótkocsik
9.3. melléklet: Fékvizsgálatok
9.4. melléklet: Energiaforrások és energiatárolók kapacitása
9.5. melléklet: Rugóerő-tárolós fékek követelményei
9.6. melléklet: Fékerő felosztás – kompatibilitás
9.7. melléklet: Ráfutófékes pótkocsik
9.7.1. Ráfutó szerkezet
9.7.2. Kerékfékek
9.7.3. Erőátvitel, kompatibilitási számítás
9.8. melléklet: Blokkolásgátló berendezések
9.9. melléklet: A komplex elektronikus rendszerek követelményei
9.10. melléklet: Fék részegységek vizsgálata (pótkocsik)
9.11. melléklet: Pótkocsik alternatív jóváhagyási eljárása
10. A biztonságkritikus funkciót ellátó elektronikus rendszerekre vonatkozó irányelvek (IEC 61508)
10.1. Kockázatelemzés és biztonságintegritás
10.2. Biztonságra tervezés szempontjai.
10.3. A biztonság-kritikus elektronikus rendszerek követelményei az IEC 61508 szabvány alapján
10.3.1. Bevezetés
10.4. Az IEC 61508 szabvány felépítése
10.5. Az IEC 61508 szabvány folyamatábrája
10.6. A szabvány követelményrendszere
10.7. A biztonságorientált rendszerek szükséges hibatűrése a biztonságintegritási szint függvényében:
10.7.1. Specifikáció
10.7.2. Tervezés, fejlesztés
10.7.3. Integráció
10.7.4. Üzemeltetés, karbantartás
10.7.5. Biztonsági ellenőrzés
10.7.6. Biztonsági kiértékelés
11. AJÁNLOTT IRODALOM
Az ábrák listája
1.1. A teljes kísérleti mező feltérképezése
1.2. A Gauss-Seidel módszer alkalmazása 2 faktor esetén
1.3. Box és Wilson módszere az optimális megoldás keresésére
2.1. A „fekete doboz”
2.2. Válasz-függvény két faktor esetén
2.3. Lineáris modell sík válaszfelülete kétfaktoros esetben
2.4. A kereszt-hatás: két faktor egyidejű hatásának eredménye nem egyezik meg a két független hatás összegével
3.1. Egyfaktoros kétszintű kísérlet kísérleti mátrixa
4.1. Lineáris gráf
4.2. A kísérleti beállítás bonyolultsága
4.3. A hatások és a kölcsönhatások számozása kövesse az ortogonális táblázat jelöléseit
4.4. A XIII. TÁBLÁZAT KÖLCSÖNHATÁSAIT BEMUTATÓ HÁROMSZÖG TÁBLÁZAT
4.5. Kétfaktoros háromszintű kísérleti terv
4.6. L4(23) terv lineáris gráfja
4.7. L8 (27) kísérleti terv lineáris gráfjai (1 és 2 lehetőség)
4.8. L16 (215) kísérleti terv lineáris gráfjai 5 hatás és 10 kölcsönhatás vizsgálatára (három különböző lehetőség)
4.9. L16 (215) kísérleti terv lineáris gráfjai 7 hatás és 8 kölcsönhatás vizsgálatára (háromféle lehetőség)
4.10. L16 (215) kísérleti terv lineáris gráfjai 5 hatás és kölcsönhatásainak, továbbá másik 3 hatás és azok kölcsönhatásainak vizsgálatára
4.11. L16 (215) kísérleti terv lineáris gráfjai 8 hatás és 7 kölcsönhatás vizsgálatára
4.12. L16 (215) kísérleti terv lineáris gráfjai 10 hatás és 5 kölcsönhatás vizsgálatára
4.13. L9 (34) kísérleti terv lineáris gráfja
4.14. L18(21 x 37) kísérleti terv lineáris gráfja
4.15. L27(313) kísérleti terv lineáris gráfjai (1, 2 és 3)
5.1. Eloszlásfüggvény
6.1. Az adatok véletlen hibája
7.1. ANOVA tábla
7.2. Az ortogonális táblázat
7.3. A kölcsönhatás táblázat
7.4. Lineáris gráfok 8 hatás és 7 kölcsönhatás vizsgálatára
7.5. Lineáris gráf
8.1. Kormányerő és kormányszög vizsgálata
8.2. Billentéses stabilitásvizsgálat
8.3. Stabilitás számítása
9.1. Fékrendszer
9.2. Kapcsolóponti erő
9.3. Motoros járművek fékezési időkésedelme
9.4. Pótkocsik fékezési időkésedelme
9.5. Fékerő felosztás-kompatibilitás I.
9.6. Fékerő felosztás-kompatibilitás II.
9.7. Fékerő felosztás-kompatibilitás III.
9.8. Fékerő felosztás-kompatibilitás IV.
9.9. Pótkocsi ABS rendszer elektromos csatlakoztatása a vontatóhoz
9.10. Pótkocsi EBS rendszer elektromos csatlakoztatása a vontatóhoz
9.11. Pótkocsi EBS rendszer
9.12. Kerékfékek
9.13. Pótkocsi EBS rendszer
10.1. Megvalósítási folyamat / MIL - Handbook 217
10.2. Folyamatábra
10.3. Biztonságorientált rendszer életciklusa

1. fejezet - AZ OPTIMUMKERESÉS

A legkülönbözőbb termelési folyamatok megtervezésénél és megszervezésénél a mérnökök célja mindig az optimális eredmény elérése. Az ipari gyártási folyamatok, a mezőgazdasági termelés, az energiatermelés, vagy a vegyszer- és gyógyszergyártás egyaránt több szempontból lehet optimális: lehet a termelt mennyiség maximumára, vagy a termék minőségének maximális szintjére, vagy a ráfordítások minimalizálására törekedni. Mindegyik célt más-más úton lehet megközelíteni. Mivel a legtöbb esetben bonyolult és összetett folyamatokról van szó, elkerülhetetlenül szükség van kísérletekre, amelyekből megismerhetjük a körülmények hatását a vizsgált folyamatra.

A faktoriális kísérleti tervek módszerét R.A. Fisher dolgozta ki Angliában az 1920-as években. Ez a módszer segített a kísérletezőnek megtalálni a kísérleti eredményre ható legfontosabb faktorokat, azok lehetséges összes kombinációját, mindezeknek a hatását a kísérleti eredményre, és megtalálni az optimális eredményt hozó faktor-kombinációt.

1.1. A teljes kísérleti mező feltérképezése

Kezdetben a kísérletek megtervezésénél a teljes kísérleti mező feltérképezésével próbálták megismerni a maximális eredmény eléréséhez szükséges körülményeket. Ez azt jelentette, hogy feltárták azokat a hatásokat (faktorokat), amelyek befolyásolhatták az eredményt (optimalizációs paramétert), majd a faktorok minden lehetséges értéke (faktor-szint) mellett kísérleteket végeztek. Először kiválasztották az egyik faktort és annak a szintjeit változtatták lehetőleg nem túl nagy lépésekben, miközben a többi faktor szintjét változatlan értéken tartották, és minden faktor-szint mellett egy vagy több kísérletet végeztek. Ezután egy másik, majd egy harmadik faktort változtatva és a többit változatlan értéken tartva újabb és újabb kísérleteket végeztek. A kísérleteket végül is minden faktor-szint kombináció (kísérleti beállítás) mellett elvégezték, és így ki tudták választani az optimális faktor-szint kombinációt (1.1. ábra).

A teljes kísérleti mező feltérképezése
1.1. ábra - A teljes kísérleti mező feltérképezése


Ez 2 faktor és 10-10 faktorszint mellett (1.1. ábra) 100 kísérletet, 3 faktor és 10-10 faktorszint esetén 1000 kísérletet jelentett. A mezőgazdaságban viszont jóval több, mint 3 faktor lehetséges (pl. a különböző vetőmagok, földminőségek, műtrágyák mennyisége és minősége, öntözés mennyisége és időpontja, stb.), Ezen kívül ráadásul egy-egy kísérlet lebonyolítása egy teljes év lehet. Az ilyen módszerű kísérletezés tehát megengedhetetlenül költségesnek és hosszadalmasnak bizonyult. Hasonlóképpen nehéz a helyzet a vegyiparban és a gyógyszeriparban, ahol szintén sok faktor hatásával kell számolni.

1.2. A Gauss-Seidel módszer

A Gauss-Seidel módszer alkalmazásával lényegesen lecsökkenthető az optimum megtalálásához szükséges kísérletek száma. A módszert két faktor esetére mutatjuk be az 1.2. ábrán.

A Gauss-Seidel módszer alkalmazása 2 faktor esetén
1.2. ábra - A Gauss-Seidel módszer alkalmazása 2 faktor esetén


Az 1.2. ábrán a két vízszintes tengelyen az x1 és x2 faktort ábrázoljuk, a rajzra merőleges függőleges tengelyen helyezkedik el az y válasz függvény, amely esetünkben legyen maga az optimalizációs paraméter. Az első kísérletsorozatban csak az x1 paraméter értékeit változtatjuk, a lehetséges összes érték tartományában. A kapott eredmények egy y(x1) görbén helyezkednek el (az 1.2. ábrán felülnézetben az x1x2 síkon az 1. egyenes). Ezek közül kiválasztjuk azt az x1-et, amelyikhez a legnagyobb y (a legkedvezőbb kísérleti eredmény) tartozik és most, a második kísérlet sorozatban ezt az x1 érték lesz változatlan, míg az x2 értékét változtatjuk a lehetséges értékek tartományában. Az így elvégzett kísérletek eredményei az y(x2) egyenes fölött helyezkednek el (az ábrán a 2. egyenes). Most kiválasztjuk azt az x2 értéket, amelyikhez a legnagyobb y tartozik, és az előző két lépést váltogatva (3. egyenes, 4. egyenes), 3-4 kísérlet sorozat elvégzése után eljutunk az optimálisnak tekinthető eredményhez.

Ez 2 faktor és 10-10 faktor-szint esetén csak 30-40 kísérlet elvégzését jelenti az előző módszerrel elvégzendő 100 kísérlet helyett. A módszer értelemszerűen alkalmazható 3, vagy több faktor esetén is.

1.3. Box és Wilson módszere

Először az 1920-as évek végén vetette fel az angol statisztikus, Ronald Fischer, hogy célszerű lenne az összes faktort egyidejűleg variálni.

Box és Wilson 1951-ben Angliában publikálta hasonló módszerét. A módszer alapgondolata az, hogy egymás után végrehajtott egyszerű kísérletsorozatokkal meg kell állapítani, hogy a faktor-szintek milyen irányú módosítása visz közelebb az optimális beállításhoz. Az optimumot a legmeredekebb lejtés, vagyis a gradiens irányában kell keresni. Ezért ezt a módszert gradiens-módszernek is nevezik. Az egyes kísérletsorozatokban mindig minden faktor-szintet egyidejűleg változtatni kell. Az eljárást 2 faktor-szint esetére az 1.3. ábrán mutatjuk be. Az 1. lépésben az x1 faktor növekvő és az x2 faktor csökkenő értékei hoztak javulást a kísérleti eredményben. A 2. lépésben csak az x1 faktor növelése hozott javulást. A 3. lépésben romlott a kísérleti eredmény, ebből kiderült, hogy már átléptük az optimumot.

Box és Wilson módszere az optimális megoldás keresésére
1.3. ábra - Box és Wilson módszere az optimális megoldás keresésére


A Box-Wilson módszer alkalmazásával jelentős idő- és költségmegtakarítást érhetünk el. Van azonban egy fontos feladat, amelyet a kísérletek megtervezése előtt meg kell oldani. Meg kell választani, hogy a kísérleti mező melyik pontján kezdjük el a kísérleteket, és mekkora lépésekkel (faktorszint változtatásokkal) végezzük az egyes kísérleteket. Első sorban igyekezni kell az optimumhoz minél közelebbről indulni, azaz valamilyen módon minél pontosabban megbecsülni az optimális kísérleti beállítást. Ezután minden faktornál akkora „lépés-közt” kell választani, amely sem túl kicsi, sem túl nagy. Túl kicsi lépésköz esetén ugyanis szükségtelenül sok kísérletet kell elvégezni az optimum megtalálásához, túl nagy lépésköz esetén viszont megeshet, hogy „átugorjuk” az optimumot. A teljes kísérleti mező feltérképezése esetén ilyen hibát nem követhetünk el, és a Gauss-Seidel optimumkeresési módszer alkalmazása esetén is kisebb az esély hasonló tévedésre.

A Box-Wilson módszer alkalmazása esetén tehát néhány előkísérlettel előzetes („a priori”) ismeretekre kell szert tenni.

A továbbiakban a Box-Wilson módszer különböző alkalmazásával fogunk foglalkozni.

2. fejezet - ALAPFOGALMAK, DEFINÍCIÓK

2.1. A kísérlet

A kísérlet a vizsgált folyamat lefolytatása ismert és reprodukálható körülmények között annak érdekében, hogy a folyamat eredményét megismerjük.

Aktív kísérletről beszélünk, ha a folyamat körülményeit (paramétereit) mi állítjuk be. Passzív kísérletről beszélünk, ha a vizsgált jelenségbe nincs módunk beavatkozni.

A továbbiakban az aktív kísérletek megtervezésével fogunk foglalkozni.

2.2. A kísérlet sorozat

A kísérlet sorozat több egymás után megismételt kísérlet halmaza.

A kísérlet sorozat sorrendje lehet időrendi vagy véletlenszerű (randomizált).

2.3. Faktorok és a faktor-szintek

A faktorok a folyamatot jelentősen befolyásoló körülmények (paraméterek).

A faktor-szintek a faktorok által felvehető értékek.

Ha egy kísérletben minden faktor ugyanannyi szintet vehet fel, akkor a kísérletben az összes lehetséges faktor-szint száma:

n=pk

ahol p egy-egy faktor szintjeinek száma

k a faktorok száma

na kísérletek száma.

Egy kísérletben célszerűen legfeljebb 15 faktor lehet, és azok legfeljebb 30 szintet vehetnek fel.

A faktorokkal szemben támasztott követelmények:

  • irányítható legyen

  • egyértelmű legyen

  • hatékony legyen, azaz szignifikáns hatása legyem a kísérlet eredményére

  • ismert és korlátozott értékkészlete legyen

  • a faktor-szintek beállíthatók legyenek

  • a faktorok mérési pontossága a feladat szempontjából elegendően nagy legyen

  • a faktor hatása közvetlenül a vizsgált folyamatra irányuljon

  • minden faktor-szint kombináció realizálható és veszélytelen legyen

  • A kísérletben szereplő összes faktor összeegyeztethető legyen (vagyis minden faktor egymástól független legyen, ne változzon az egyik faktor megváltoztatása esetén egy másik faktor is).

Ha egy faktort a vizsgálatból kihagyunk, akkor a vizsgált folyamatot általunk nem ismert, véletlen vagy szisztematikus hatások érhetik. Az is lehetséges, hogy a nem vizsgált faktor szintje a kísérletek alatt nem változik, de nem optimális, ebben az esetben a kísérletekkel meghatározott optimum nem a valódi optimum lesz.

Ezért célszerű inkább több faktort vizsgálni, mint kevesebbet.

2.4. A kísérleti beállítás

A kísérleti beállítás a kísérletsorozat-halmaz egyik eleménél a lehetséges faktor-szintek valamelyik kombinációja.

2.5. Az optimalizációs paraméter

Az optimalizációs paraméter az az ismérv, amelynek alapján a folyamatot optimalizálni akarjuk. Az optimalizációs paraméter a kísérletek célja; a kísérleti eredmény, amelynek a számunkra legkedvezőbb értékét keressük.

Az optimalizációs paraméter lehet egyszerűen maga a kísérleti eredmény, de lehet a kísérlet többféle eredményének valamilyen módon létrehozott kombinációja is.

Az optimalizációs paraméterrel szemben támasztott követelmények:

  • reprodukálható legyen

  • irányítható legyen

  • mennyiségi jellegű, azaz számértékkel megadható de legalábbis rangsorolható legyen

  • mérhető legyen

  • egyetlen számmal jellemezhető legyen

  • egyértelmű legyen

  • az optimalizálni kívánt rendszer működési hatékonyságának értékmérője legyen

  • statisztikailag hatékony (azaz kielégítő pontossággal mérhető) legyen

  • fizikailag értelmezhető legyen

  • egyszerű és könnyen kiszámítható legyen.

2.6. A válasz-függvény; a kísérlet modellje

A vizsgált folyamat megismeréséhez a folyamat matematikai modelljét használjuk fel. A modell az y optimalizációs paraméter és az x1, x2,…xn faktorok közötti függvénykapcsolat, amelynek általános alakja a φ válasz-függvény (2):

y = φ (x1, x2,….,xn)

Az optimalizációs paraméter lehet valamely gyártási folyamatban előállított termék minősége, mennyisége vagy önköltsége; lehet egy mezőgazdasági termék legeredményesebb termelési technológiája, de lehet egy oktatási módszer hatékonysága is.

Az optimalizációs paraméter és a faktorok kapcsolatának ábrázolására a „fekete doboz” hasonlatot szokták alkalmazni (2.1. ábra).

A „fekete doboz”
2.1. ábra - A „fekete doboz”


A fekete doboz a vizsgált folyamat vagy objektum, amelyet a bemutatott matematikai modellel kívánunk leírni és helyettesíteni a kísérletezés és a megvalósítás során. A fekete doboz az ismeretlen kapcsolatot szimbolizálja a rá ható 7x1, x2, …, xn faktor, mint bemenet és az y optimalizációs paraméter, mint kimenet között.

Két faktor esetén a válasz- függvényt szemléletesen, térben is ábrázolhatjuk (2.2. ábra). Itt az x1 és x2 faktor a vízszintes síkon található, míg az y optimalizációs paraméter értékei kirajzolják a válasz-függvény felületét, amelynek legmagasabb pontja a keresett optimális beállítást jelzi. A válasz-függvénynek most csak egy kis négyszögletes darabját látjuk az x1= -1, x1= +1, x2= -1 és x2= +1 pontok felett.

Válasz-függvény két faktor esetén
2.2. ábra - Válasz-függvény két faktor esetén


2.7. A fő-hatások; a lineáris modell

A fő-hatások független hatások, vagyis olyan hatások (faktorok), amelyeknek együttes hatása megegyezik azon hatások összegével, amelyet külön-külön gyakorolnának az optimalizációs paraméterre. A 2.3. ábrán egy kétfaktoros esetben mutatjuk be a lineáris modellt. A 2.3. ábra bal oldalán látható, hogy a válasz-felület x1 irányú b1 meredeksége állandó, különböző x2 értékek mellett. A 2.3. ábra jobb oldalán pedig az látható, hogy az x2 irányban is állandó a b2 meredekség.

Lineáris modell sík válaszfelülete kétfaktoros esetben
2.3. ábra - Lineáris modell sík válaszfelülete kétfaktoros esetben


2.8. A kereszt-hatások (kölcsönhatások; interakciók)

Kereszt-hatásról beszélünk akkor, ha két faktor egyidejű hatása nem ugyanolyan változást hoz létre az optimalizációs paraméteren, mint a két faktor független hatásának az összege. Az 2.4. ábrán olyan kétfaktoros kísérlet válasz-felülete látható, amelynél az x1 faktor és az x2 faktor között kölcsönhatás áll fenn. Az ilyen válasz-felület nem sík, hanem görbült felület, és lineáris modellel nem lehet elegendő pontossággal modellezni.

A kereszt-hatás: két faktor egyidejű hatásának eredménye nem egyezik meg a két független hatás összegével
2.4. ábra - A kereszt-hatás: két faktor egyidejű hatásának eredménye nem egyezik meg a két független hatás összegével


2.9. Az optimalizációs paraméter modelljének megválasztása

A folyamat matematikai modellje, azaz az y optimalizációs paraméter és az x1, x2,…xn faktorok közötti függvénykapcsolat elvileg bármilyen lehet. A kísérlettervezésben a kísérleti adatok azonban mindig csak többé-kevésbé pontos közelítést tesznek lehetővé. Matematikai modellként ezért célszerű mindig a lehető legegyszerűbb közelítő függvényt választani. A tapasztalat szerint leginkább az algebrai polinomok felelnek meg, bár bizonyos esetben előnyös lehet a logaritmus függvénnyel történő közelítés is.

  • Logaritmus függvénnyel történő közelítés:

y=log x

A logaritmikus közelítést ritkábban szokták alkalmazni. A továbbiakban csak polinomiális közelítéssel fogunk foglalkozni.

  • Polinomiális közelítés egyfaktoros esetben

lineáris közelítés:y=b0+b1x

másodfokú közelítés:

y=( b0+b1x) (b0+b1x)=b02+2b0b1x+b12x2

ahol az ortogonalitás következtében x2=0, ezért az együtthatók egyszerűbb jelöléseivel írható, hogy a lineáris modell:

y=b0+b1x,

Tehát ortogonális polinomok esetében másodrendű közelítés egy faktor esetén nem lehetséges.

  • Polinomiális közelítés kétfaktoros esetben:

lineáris közelítés (6):

y=b0+b1x+b2x2

másodfokú közelítés (7):

y=( b0+b1x1+b2x2) (b0+b1x1+b2x2)=

b02+b0b1x1+b0b2x2+b0b1x1+b12x12+

+b1b2x1x2+b0b2x2+b1b2x1+b22x22

ahol x12=x22=0, és ha egyszerűsítjük az együtthatókat, írható, hogy a másodrendű modell:

y=b0+b1x1+b2x2+b1b2x1x2

  • Polinomiális közelítés háromfaktoros esetben:

lineáris közelítés:y=b0+b1x+b2x2+b3x3

másodfokú közelítés:

y=( b0+b1x+b2x2+b3x3) (b0+b1x+b2x2+b3x3) (b0+b1x+b2x2+b3x3)=

y=b0+b1x1+b2x2+b3x3+b12x1x2+b13x1x3+b12x1x2

az előzőekhez hasonló módon.

A másodfokú polinomiális közelítésben szereplő b12x1x2, b13x1x3, és b12x1x2 tagok a faktor-hatások keveredését, tehát a faktorok kölcsönhatásait írják le.

3. fejezet - FAKTORIÁLIS KÍSÉRLETI TERVEK

3.1. A kétszintű kísérleti terv

A Box-Wilson módszer alkalmazása esetén egy kísérlet-sorozat lebonyolítása során minden faktor értékét egyetlen „lépéssel” változtatjuk meg. Ez azt jelenti, hogy a kísérlet sorozatban minden faktor egyszer az egyik, és egyszer a másik szintre (értékre) lesz beállítva. Vagyis minden faktornak csak 2 szintje lesz. Amint láttuk, k számú faktor összes lehetséges szintkombinációját realizáló kísérleti beállítások száma:

N = 2k

3.2. A kísérlet tervezési mátrix

Legyen a kísérleti terv összeállításánál a faktorok egyik szintjének jele +1, másik szintjének jele -1. Mindegy, hogy az alsó, vagy a felső szintet jelöljük +1-gyel illetve -1-gyel. Ezek a szintek a kísérlet lebonyolítása során konkrét fizikai mennyiségeket fognak jelenteni, attól függően, hogy az adott faktor milyen mennyiség.

A kísérletet úgy kell megtervezni, hogy minden faktor ugyanannyiszor szerepeljen +1 szinten, mint -1 szinten, és a faktor-kombinációk is egyforma sokszor szerepeljenek +1 szinten, mint -1 szinten. Ehhez nyújt segítséget a kísérleti mátrix.

Az I. táblázat egy kísérleti mátrixot mutat be.

I.táblázat Kísérleti mátrix

Kísérleti mátrix

Kísérleti beállítás sorszáma

x1

x2

x1x2

Kísérleti eredmény

1

2

3

4

-1

+1

-1

+1

-1

-1

+1

+1

+1

-1

-1

+1

y1

y2

y3

y4

.

A kísérleti mátrix az összes lehetséges kísérleti beállítás és a kísérletek eredményének szisztematikus táblázatos ábrázolása. A kísérleti mátrix egy-egy sora („sor vektor”) egy-egy kísérletet jelent, vagyis megmutatja a kísérletsorozat egyik kísérletében a faktorok beállítási szintjeit. A kísérleti mátrix egyes oszlopai („oszlop vektor”) az egyes faktorok hatásának kiszámításához ad segítséget.

Az oszlopok szisztematikus kitöltésének több módszere is ismert. Ezek közül legegyszerűbb az előjel-váltogatás módszere. Alkalmazzuk az x1, x2, stb faktorok oszlopaiban az előjel-váltogatás módszerét, azaz az első faktornál egyenként, a második faktornál kettesével, a harmadik faktornál négyesével, stb váltogatjuk az előjeleket. A kereszthatás oszlopokban a kereszthatásban résztvevő faktorok oszlopainak összeszorzásával állapítjuk meg az előjelet. Legyen két azonos előjel szorzata mindig „+” és két különböző előjel szorzata mindig „-”.

3.3. A 2k típusú faktoriális kísérleti terv tulajdonságai

  1. Szimmetria – azaz minden oszlopban ugyanannyi „+” és „-” érték van. Matematikailag:

Ahol j a faktor sorszáma,

Na kísérleti beállítások száma

  1. Normalitás – azaz a faktorok értéke a mátrixban mindig +1 vagy -1. Ebből következően:

  1. Ortogonalitás – azaz a mátrix bármely két oszlopvektorának skaláris szorzata egyenlő nullával. Matematikailag:

ahol

j ≠ u

j, u = 0, 1, 2, …,k

  1. Elforgathatóság – ez azt jelenti, hogy az optimalizációs paraméter meghatározásának pontossága a kísérlet szempontjából egyenlő távolságban egyforma és nem függ az iránytól. Azaz egyformán pontos becslést kapunk a kísérleti beállítások optimumára, akár milyen irányból közelítjük meg az optimumot.

3.4. A teljes faktoriális kísérleti terv

Az olyan kísérletet, amelyben a faktorok összes lehetséges szintkombinációját realizáljuk, teljes faktoriális kísérletnek nevezik. Az ilyen kísérletet kétszintű kísérletterv esetén 2k típusúkísérletnek nevezik.

A 3.2. táblázat a legegyszerűbb esetet mutatja be: csak egyetlen faktorunk van, és annak a két különböző szintjén végzünk 1-1 kísérletet. A kísérlet geometriai ábrázolása a 3.1. ábrán látható.

Egyfaktoros kétszintű kísérlet kísérleti mátrixa
3.1. ábra - Egyfaktoros kétszintű kísérlet kísérleti mátrixa


A 3.1. ábrán látható, hogy az x faktor hatása a faktor -1 jelű alsó és +1 jelű felső szintjén nyert kísérleti eredmények különbségével jellemezhető. Ha ez a különbség nagy, akkor a faktor hatása erős.

A kísérleti mátrix a II. táblázatban látható.

II.táblázat Egyfaktoros kísérleti terv mátrixa

Egyfaktoros kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x

Kísérleti eredmény:

y

1

2

+1

+1

-1

+1

y1

y2

Kiértékelés

b0

b

A II. táblázat x0 oszlopa csupa +1 értéket tartalmaz. Erre az oszlopra a kísérletek kiértékelésénél lesz szükség. Az x oszlop az egyetlen faktor beállítási értékeit tartalmazza, és az y jelű oszlopba kerülnek a kísérleti eredmények.

A táblázat legalsó sora a kísérletek alapján meghatározható b együtthatókat, azaz a válaszfüggvénynek az egyes faktorok által okozott meredekségét tartalmazza, míg a b0 a kísérletek kezdő értékét jelenti.

22 típusú (kétfaktoros kétszintű teljes) kísérleti terv tervezési mátrixa látható a III.táblázatban, a IV.táblázatban pedig 23 típusú kísérleti terv mátrixát mutatjuk be.

III. táblázat 22 kétfaktoros teljes faktoriális kísérleti terv mátrixa

22 típusú kétfaktoros teljes faktoriális kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x1

x2

x1x2

Kísérleti eredmény:

y

1

2

3

4

1

1

1

1

-1

+1

-1

+1

-1

-1

+1

+1

+1

-1

-1

+1

y1

y2

y3

y4

b0

b1

b2

b12

IV. táblázat 23 háromfaktoros teljes faktoriális kísérleti terv mátrixa

23 háromfaktoros teljes faktoriális kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x1x2

x2x3

x1x3

x1x2x3

Kísérleti eredmény:

y

1

2

3

4

5

6

7

8

1

1

1

1

1

1

1

1

-1

+1

-1

+1

-1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

-1

-1

+1

+1

+1

+1

+1

-1

-1

+1

+1

-1

-1

+1

+1

+1

-1

-1

-1

-1

+1

+1

+1

-1

+1

-1

-1

+1

-1

+1

-1

+1

+1

-1

+1

-1

-1

+1

y1

y2

y3

y4

y5

y6

y7

y8

b0

b1

b2

b3

b12

b23

b13

b123

A IV. táblázatban a 2-2 faktor közötti („kétfaktoros”) kölcsönhatásokon kívül megjelent a három faktor közötti („háromfaktoros”) kölcsönhatás is. Az oszlopvektor előjeleit most is a szorzási szabály alkalmazásával határozhatjuk meg.

Bizonyos rendű interakiók lehetséges számának meghatározásához a kombinációk számának meghatározására vonatkozó ismert képletet használhatjuk föl:

ahol k:a faktorok száma,

m:az interakciókban szereplő elemek száma

A lehetséges hatások száma, beleértve b0-t, a lineáris hatásokat és az összes lehetséges interakciót, egyenlő a teljes faktoriális kísérlet beállításainak számával, az ismert képlet szerint:

aholN:a faktorok összes lehetséges szintkombinációját realizáló kísérleti beállítások száma,

l:a vizsgált hatások sorszáma

Általában a teljes faktoriális kísérletben a legmagasabb rendű interakció rendje eggyel kisebb, mint a faktorok száma.

3.5. A részleges (frakcionális) kísérleti terv

A teljes faktoriális kísérletben a kísérleti beállítások száma jelentősen meghaladja a faktorok által okozott változások meghatározásához szükséges együtthatók számát. Például a IV. táblázatban látható kísérleti mátrixban az x1, x2 és x3 faktor hatását a b1, b2 és b3 együttható kellő mértékben jellemzi. A kereszthatások irányában (pl az x1 és x2 faktorok közös irányában) történő változások a következő lépés megtervezéséhez már kevésbé fontosak (bár megtörténhet, hogy két faktor együttes hatása lényegesen eltér a külön-külön hatástól, pl egy betegség gyógyításánál két gyógyszer együttes alkalmazása akár ronthatja is a beteg állapotát!).

Felmerül a gondolat, hogy csökkentsük úgy a kísérleti beállítások számát, hogy ezáltal csak olyan információt veszítsünk, amely nem túlságosan lényeges a válasz-függvény megismeréséhez.

A IV. táblázatban például a b12, b23 és b13 irányú meredekség ismerete csak abban a nem túl valószínű esetben lényeges számunkra, ha valamely jelentős kölcsönhatásra kell számítanunk. A b123 együttható pedig a faktorhatások nagy keveredése miatt már alig használható a válasz-függvény megismerése szempontjából. Mód van tehát arra, hogy a háromszoros kölcsönhatás oszlopvektorát egy újabb, x4 faktornak adjuk át (V. táblázat). Ezt nyugodtan megtehetjük, hiszen a tervezési mátrix nem veszíti el ezáltal kedvező tulajdonságait (ortogonalitás, elforgathatóság, stb.).

Az ilyen kísérleti tervet feles replikációnak is szokták nevezni, mivel fele annyi kísérletet kell elvégezni általa, mint a teljes kísérleti terv esetén.

V. táblázat 23-1 frakcionális faktoriális kísérleti terv mátrixa

23-1 frakcionális faktoriális kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x4

x1x2

x2x3

x1x3

Kísérleti eredmény:

y

1

2

3

4

5

6

7

8

1

1

1

1

1

1

1

1

-1

+1

-1

+1

-1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

-1

-1

+1

+1

+1

+1

-1

+1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

+1

+1

+1

-1

-1

-1

-1

+1

+1

+1

-1

+1

-1

-1

+1

-1

+1

y1

y2

y3

y4

y5

y6

y7

y8

b0

b1

b2

b3

b4

b12

b23

b13

Az V. táblázat tervezési mátrixának alkalmazásával ugyanazzal a 8 kísérlettel, amellyel teljes faktoriális kísérlet esetén 3 faktor hatását vizsgálhattuk meg, most már 4 faktor hatását ismerjük meg. Ehhez teljes faktoriális kísérleti terv alkalmazása esetén 16 kísérletre lett volna szükség!

Ha pedig előzetes információk alapján biztosan tudjuk, hogy valamelyik két faktor között nem lehetséges kölcsönhatás, akkor ezt a kölcsönhatás oszlopot további, most már ötödik faktor vizsgálatára fordíthatjuk. Például egy termés mennyiség javítására irányuló kísérletben a vizsgált faktorok a vetőmag fajtája, az egy m2 területre vetett vetőmag mennyisége, a vetés időpontja, az öntözés gyakorisága, a műtrágya fajtája, az 1 m2 területre kijuttatott műtrágya mennyisége, az előzetes szántás mélysége és a talaj minősége. Ebben az esetben majdnem biztos, hogy nincs kölcsönhatás pl. vetőmag fajtája és az előzetes szántás mélysége között.

A VI. táblázat kísérleti mátrixa egy olyan 23 teljes faktoriális kísérleti tervből indult ki, amelyben a háromszoros kölcsönhatás oszlopvektorát egy újabb, x4 faktornak, az x1 és x2 faktor kölcsönhatás oszlopvektorát pedig egy további x5 faktornak adtuk át.

VI.táblázat 25-2 frakcionális faktoriális kísérleti terv mátrixa

25-2 frakcionális faktoriális kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x4

x5

x2x3

x1x3

Kísérleti eredmény:

y

1

2

3

4

5

6

7

8

1

1

1

1

1

1

1

1

-1

+1

-1

+1

-1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

-1

-1

+1

+1

+1

+1

-1

+1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

+1

+1

+1

-1

-1

-1

-1

+1

+1

+1

-1

+1

-1

-1

+1

-1

+1

y1

y2

y3

y4

y5

y6

y7

y8

b0

b1

b2

b3

b4

b5

b23

b13

A VI. táblázatban látható kísérletet egynegyedes replikációnak is szokás nevezni, mert a teljes kísérleti terv esetében szükséges 25 = 32 kísérlet helyett mindössze egynegyedrésznyi, azaz 8 kísérletre van szükség.

A telített kísétleti terv abban az esetben alkalmazható, ha minden kétszeres és magasabb kölcsönhatásról feltételezhetjük, hogy elhanyagolható. Ekkor minden kölcsönhatás oszlopába egy-egy új faktort írhatunk be. A VII. táblázatban egy 27-4 telített frakcionált faktoriális kísérleti terv mátrixa látható. Most a 27 = 128 kísérlet helyett is csak 23 = 8 kísérletre van szükség 7 faktor vizsgálatához.

VII.táblázat 27-4 frakcionált faktoriális kísérleti terv mátrixa

27-4 frakcionált faktoriális kísérleti terv mátrixa

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x4

x5

x6

x7

Kísérleti eredmény:

y

1

2

3

4

5

6

7

8

1

1

1

1

1

1

1

1

-1

+1

-1

+1

-1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

-1

-1

+1

+1

+1

+1

-1

+1

+1

-1

+1

-1

-1

+1

+1

-1

-1

+1

+1

-1

-1

+1

+1

+1

-1

-1

-1

-1

+1

+1

+1

-1

+1

-1

-1

+1

-1

+1

y1

y2

y3

y4

y5

y6

y7

y8

b0

b1

b2

b3

b4

b5

b6

b7

3.6. A részleges replikációk megválasztása. A generáló összefüggés és a meghatározó kontraszt

A generáló összefüggés azt a lépést önti matematikai formába, amelynek alapján a frakcionált kísérleti tervet létrehoztuk a teljes kísérleti tervből. A 7. táblázat frakcionált kísérleti tervét például a 4. táblázat teljes kísérleti tervéből úgy alakítottuk ki, hogy az x4 faktort az x1x2 kölcsönhatás, az x5 faktort az x2x3 kölcsönhatás, az x6 faktort az x1x3 kölcsönhatás és az x7 faktort az x1x2x3 kölcsönhatás oszlopába írtuk be. Matematikailag:

x4=x1x2; x5=x2x3;x6=x1x3; x7=x1x2x3

Tehát a generáló összefüggést ebben az esetben ez az összefüggés adja meg.

Nem mindegy, hogy a generáló összefüggést hogyan alkalmazzuk, vagyis melyik újabb faktort melyik korábbi kölcsönhatás oszlopába írjuk be. Számolnunk kell a hatások különböző keveredésével. A fontos hatásokat olyan oszlopokba célszerű helyezni, amelyekben nagyon sok hatás van kölcsönhatásban, ezért a zavaró információk nagyfokú keveredése miatt ezek a hatások valószínűleg elnyomják, kompenzálják egymást, és nem keverednek (konfundálódnak) be túl nagymértékben a fontos faktor hatásába. Vagy olyan oszlopot válasszunk a fontos faktor számára, amelyben olyan faktorok kölcsönhatása szerepel, amelyek az adott faktorral feltehetőleg nincsenek erős kölcsönhatásban.

Azt, hogy jól választottuk-e meg a generáló összefüggéseket, igazán csak a kísérletek lefolytatása után, a kiértékelés alapján végzett hibaszámításból tudhatjuk meg.

Oszlopok olyan szorzatát, amelynek minden eleme +1, vagy minden eleme -1, meghatározó kontrasztnak, más néven definiáló kontrasztnak nevezzük. A kontraszt segítséget nyújt a keveredő hatások meghatározásában. Annak megállapítása céljából, hogy egy adott hatással mely hatás keveredik, a meghatározó kontraszt mindkét oldalát meg kell szoroznunk az adott hatásnak megfelelő oszloppal.

Ha például a VII. táblázat x1, x2 és x5 oszlopában levő faktorok szorzatát képezzük, akkor az eredményként kapott oszlopvektor minden tagja 1 lesz, tehát meghatározó kontraszthoz jutottunk, és írható, hogy

x1x2x5=1minden beállításra.

Ez az összefüggés tehát a meghatározó kontraszt definiciója.

Ha most azt akarjuk megvizsgálni, hogy az x5 faktor mely hatásokkal keveredik, akkor a meghatározó kontraszt mindkét oldalát megszorozzuk x5-tel:

x5=x1x2x5x5

Mivel a kísérleti terv mátrixára vonatkozó normalitási tétel szerint x5x5=1, ezért

x5=x1x2

Tehát az x5 faktorhatásban az x1 és x2 faktor hatása keveredik.

Ez az eredmény tulajdonképpen várható is volt, mert a VII. táblázat kísérleti mátrixát a IV. táblázatban található 23 kísérleti terv mátrixából hoztuk létre, annak az oszlopvektorait adtuk át az új faktoroknak, és az x5 faktor éppen az x1x2 kölcsönhatás oszlopát kapta. Ilyen viszonylag egyszerű és áttekinthető esetben úgy tűnik, nincs is szükség a meghatározó kontraszt fogalmára, de sok faktor és sok kölcsönhatás esetén nagy segítséget jelent.

3.7. A b együtthatók meghatározása

Mint már megállapítottuk, a Box-Wilson módszer alkalmazása esetén minden faktor szintjét egyszerre, egyetlen lépéssel változtatjuk meg az első kísérletsorozatban. Ezután megvizsgáljuk, melyik faktor módosítása milyen mértékben javította vagy rontotta az optimalizációs paraméter értékét, és ennek alapján tervezzük meg a következő kísérletsorozatot. Az egyes faktorok hatásának meghatározásánál elegendő a változás irányát és nagyságát (tulajdonképpen a válasz-függvény meredekségét az adott faktor irányában) megtudnunk ahhoz, hogy megtervezzük a következő lépést. A meredekséget a faktor két értékének ismeretében határozhatjuk meg, amint az a 3.1. ábrán látható

Mivel az n-dimenziós kísérleti térben egy-egy faktor irányában egy lépésben csak két adatunk van, erre a 2 pontra csak egyenes fektethető, magasabb rendű görbe nem. Ezért a mérési adatok alapján meghatározandó kísérleti felületet, azaz az összes faktor együttes hatását az előzőek értelmében egy lineáris modellel (regressziós függvénnyel) írhatjuk le:

y = b0x0+b1x1 + b2x2 + b3x3 + … +bnxn

A b együtthatók meghatározása a kísérleti mátrix segítségével nagyon egyszerű. Minden faktor előjelei a saját oszlopvektorában találhatók. Az y kísérleti eredmények oszlopvektorát skalárisan össze kell szorozni az adott faktor oszlop-vektorával, majd képezni kell az oszlopvektor elemeinek összegét. Az összeget osztani kell az oszlop elemeinek számával. Matematikailag az előzőek szerint az alábbi kifejezéssel fogalmazhatjuk meg:

bj =

i=1, 2, 3…, Na kísérleti beállítások sorszáma

j= 0, 1, 2…, ka faktor sorszáma

Nem biztos azonban, hogy a kísérleti felületet valóban jól lehet közelíteni lineáris modellel. A kísérleti felület nemlinearitása gyakran abból ered, hogy két faktor között kölcsönhatás, interakció van (az egyik faktor változása magával vonja valamelyik másik faktor változását is).

A kölcsönhatásban álló két faktor közötti kapcsolat megfogalmazására alkalmazhatjuk pl. a két faktor szorzatát! (Természetesen ez is közelítés, de a tapasztalat szerint általában nem rossz közelítés.) Két faktor esetében ekkor a modell a következő képen alakul:

y = b0x0+b1x1 + b2x2 + b12x1x2 + b3x3 + … +bnxn

A három faktor összes lehetséges kölcsönhatásának leírásával pedig az alábbi függvénykapcsolathoz (regressziós függvényhez) jutunk:

y=b0+b1x1+b2x2+b3x3+b12x1x2+b13x1x3+b12x1x2+b123x1x2x3

A teljes faktoriális kísérlet lehetővé teszi a b12, b13, b23, b123, stb. együttható numerikus becslését is. A becsléshez az oszlopok összeszorzásának szabálya szerint előállítjuk a két faktor szorzatának oszlopvektorát. Ez lesz az interakció oszlopvektora. Az interakciónak megfelelő együttható kiszámításában ezt az új oszlopvektort ugyanúgy használjuk, mint bármelyik oszlopvektort. Ezáltal lehetővé válik a kölcsönhatások súlyának, fontosságának meghatározása.

3.8. Hibavizsgálat

Mindez viszont csak akkor lenne igaz, ha végtelen sok mérés (kísérlet) alapján határoznánk meg a b együtthatók értékeit. Azonban a kísérletből, amely véges számú beállítást tartalmaz, csupán becsléseket kaphatunk a b együtthatókra, és ezért helyesebb lett volna a modellt „körülbelül egyenlő” jellel, az alábbi alakban írni fel:

y ≈ b0x0 + b1x1 + b2x2 + b12x12 + b3x3 +... +bnxn

A pontos értékeket, amelyeket végtelen sok mérés alapján kapnánk meg, görög betűkkel szokás írni:

μ = β0x0 + β1x1 + β2x2 + β12x12 + β3x3 … + βnxn

A b „tapasztalati” együtthatók a β „elméleti” együtthatóknak valamilyen hibával terhelt becslései. A b0 együtthatóra nézve

ahol β0 a b0 becsült értéke, és

a hiba, amely abból ered, hogy egyszerű lineáris modellt alkalmaztunk, és a négyzetes tagokat elhanyagoltuk. Ez a hiba végtelen sok mérés estén is megmarad, tehát a b0 együttható becslése pontatlan, vagyis „torzított”. A többi együttható becslése viszont torzítatlan, azaz írható:

β1→b1, β2→b2, β12→b12, …

A kísérletek elvégzése során számtalan hiba terheli a mérési eredményt. Ezért a kísérleti beállítások változatlan körülmények közötti megismétlése esetén sem kapunk azonos értéket az előző kísérleti eredménnyel. Másrészt a kísérleti terv különbözőbeállításaival a különböző faktorhatások miatt is eltérő mérési eredményeket kapunk az optimalizációs paraméterre nézve.

Szükség van tehát egy olyan módszerre, amellyel meghatározhatjuk, hogy az optimalizációs paraméter eltéréseit véletlen hibák, vagy a faktorhatások okozzák.

A véletlen hibák kiszűréséhez ismételt kísérleteket kell végezni. Megtehetjük, hogy csak egyes beállításokat ismétlünk meg, de megismételhetjük a teljes kísérletsorozatot is. Az ismétlések száma lehet egy, de lehet több is. Minél több ismétlést végzünk, annál nagyobb biztonsággal kapunk választ a kérdéseinkre.

Ha a teljes kísérletsorozatot ismételjük meg egyszer vagy többször, a kísérletek kiértékelése egyszerűbb, mint akkor, ha csak egyes beállításokat ismétlünk meg. A továbbiakban azt a módszert ismertetjük, amikor a teljes kísérletsorozatot ismételjük meg.

Az ismételt mérések alapján a következő vizsgálatokat végezhetjük el.

3.9. A kísérlet ismételhetőségének vizsgálata

A legfontosabb kérdés, hogy maga a modell megfelelően írja-e le a vizsgált folyamatot, azaz azonos körülmények között közel azonos eredménnyel megismételhető-e a kísérlet. Ezt a kérdést úgy szokták feltenni, hogy a modell adekvát-e. Ha adekvát, akkor érdemes tovább folytatni a kísérleteket, és új meg új beállítás-sorozatokkal egyre jobban megközelíteni az optimumot.

A kísérletek megismételhetőségét az optimalizációs paraméter szórásnégyzetének vagy más néven reprodukálhatósági szórásnégyzetének meghatározása alapján lehet megítélni.

Az optimalizációs paraméter szórásnégyzetét az alábbi módon határozhatjuk meg:

Ha a kísérletet j=1…n –szer ismételjük meg, akkor képezni kell az n párhuzamos megfigyelést tartalmazó kísérleti beállításhoz tartozó korrigált tapasztalati szórásnégyzetet:

majd ezeknek meg kell határozni az átlagát, és ez lesz az optimalizációs paraméter szórásnégyzete:

Ha meghatároztuk az optimalizációs paraméter szórásnégyzetét, el kell dönteni, hogy ennek alapján meghatározható-e az optimalizációs paraméter legjobb értéke, vagyis a jel (a faktorok hatása) kiemelkedik-e a zajból (a véletlen hibákból).

3.10. Az együtthatók szignifikanciájának vizsgálata

Az együtthatók meghatározása után meg kell vizsgálni, hogy az együtthatók szignifikánsak-e, azaz a kapott regressziós függvény meredeksége minden irányban jelentős-e.

Minden egyes együttható szignifikancia vizsgálatát egymástól függetlenül el kell végezni. Az együtthatók szignifikanciáját a Student-féle t-próbán alapuló megbízhatósági intervallummeghatározása alapján döntjük el.

Először meg kell határozni az együtthatók szórásnégyzetét:

A képletből látható, hogy valamennyi együttható szórásnégyzete megegyezik egymással, minthogy ez csak a kísérleti hibától és a kísérleti beállítások számától függ. Innen a regressziós együtthatók szórása:

Innen pedig az együtthatók megbízhatósági intervallumának fél szélessége:

Ahol t a Student-féle t-próba táblázati értéke olyan szabadságfok mellett, amilyennel az együtthatók szórásnégyzetét meghatároztuk, és a megválasztott szignifikancia-szint mellett (ez általában 0,05).

Az együttható szignifikáns, ha abszolút értéke nagyobb a megbízhatósági intervallum fél szélességénél.

3.11. A normalitás vizsgálata

Az átlag és a szórásnégyzet azonban csak akkor alkalmazható a legvalószínűbb y érték és a legvalószínűbb y eltérések jellemzésére, ha az y optimalizációs paraméter normál eloszlású. Ha nincs lehetőség normalitás vizsgálatra pl. χ2 próbával, amihez elegendő számú (legalább 10) ismétlésre volna szükség, akkor azt kell megvizsgálni, hogy a tapasztalati szórásnégyzetek azonos elméleti szórásnégyzethez tartoznak-e. Ebben az esetben a tapasztalati szórásnégyzetek azonosnak tekinthetők. Tehát voltaképpen azt kell ellenőrizni, hogy a tapasztalati szórásnégyzetek azonosak. Ennek a vizsgálatára a következő számításokat lehet végezni:

  • Ha csak két szórásnégyzetet kell összehasonlítani, akkor leghelyesebb a Fischer-féle F-próbát alkalmazni (l. Függelék).

  • Akkor is alkalmazhatjuk az F-próbát, ha több szórásnégyzetet kell összehasonlítani. Ekkor ugyanis ki kell választani az összes szórásnégyzet közül a legnagyobbat és a legkisebbet, és F-próbával megvizsgálni azt, hogy azok egymástól szignifikánsan különböznek-e. Ha azok nem különböznek egymástól szignifikánsan, akkor biztos, hogy az összes szórásnégyzetre igaz, hogy nem különböznek egymástól. Ha azonban az jön ki, hogy nem egyeznek szignifikánsan, akkor további vizsgálatot kell végezni.

  • Ha az összehasonlítandó szórásnégyzetek száma nagyobb kettőnél, és az egyik szórásnégyzet lényegesen meghaladja a többit, akkor a Cochran-próba alkalmazható (l. Függelék). Ez a próba abban az esetben megfelelő, ha az összes kísérletet azonos számú (n) párhuzamos kísérleti beállítással végeztük el.

  • Abban az esetben, ha feltételezzük, hogy az elméleti szórásnégyzetek nem megegyezők, akkor a Bartlett-próba alkalmazása javasolható (l. Függelék).

3.12. A durva hibák kiszűrése

Minden kísérletnél vagy mérésnél előfordulhatnak véletlenszerűen durva hibák (például hibás leolvasás, áramkimaradás, műszerhiba vagy emberi figyelmetlenség miatt). Ha ezeket már a kísérlet közben észrevesszük, azonnal ki kell hagyni az eredmények közül. Azonban sokszor elkerüli a figyelmet a durva hiba oka, és csak a mérési eredmények vizsgálata során válik gyanússá némelyik adat. Az ilyen adatok kiszűrésére egy egyszerű módszer javasolható.

Képezzük az alábbi számértéket:

Itt most y a „gyanús” kísérleti eredmény,

a többi eredmény átlaga, a kiugró értéket figyelmen kívül hagyva

sa többi eredmény szórása, a kiugró értéket figyelmen kívül hagyva

A „v” értéket össze kell hasonlítani egy táblázati értékkel (l. Függelék).

3.13. Randomizáció

Ahhoz, hogy a külső körülmények (hőmérséklet, nyersanyag, évszakok változása, a kísérletet végző személyek változása, stb) által okozott szisztematikus hibák hatását kiszűrjük, javasolható a mátrix kísérleti beállításaiból véletlen sorozatok képzése: a kísérleti beállítások végrehajtási sorrendjét véletlenszerűen kell kialakítani, vagyis a kísérletek időpontjait randomizálni kell (l. Függelék).

3.14. A faktorok hatásosságának vizsgálata

A tovább lépéshez, vagyis a kísérleti beállítások optimalizációjához el kell dönteni, hogy melyik faktor irányában érdemes tovább lépni. Ennek érdekében meg kell vizsgálni, hogy az egyes faktorhatások (b meredekségek) szignifikánsak-e, vagyis valóban hatásosak-e. A nem szignifikáns faktorokat a további vizsgálatból általában ki lehet hagyni, és ez által a továbblépéshez szükséges kísérletek száma csökkenhet. Gondolni kell azonban arra is, hogy előfordulhat olyan eset, amikor a kísérleti mező egyik területén nem szignifikáns faktor más területen szignifikáns lehet. Ez főleg olyankor fordulhat elő, amikor a kísérleteket az optimumtól nagyon távoli beállításokkal kezdjük el.

Az együtthatók szignifikanciáját több módszerrel is vizsgálhatjuk. Az egyik lehetséges módszer, hogy először szórás analízissel megvizsgáljuk, hogy az együtthatók között van-e szignifikáns eltérés.

Ha a vizsgálat azt mutatja, hogy nincs az együtthatók között szignifikáns eltérés, akkor ebből az alábbi következtetések vonhatók le:

  • mindegyik faktor egyformán hatásos. A kísérleti eredmény további javításához az előbbi irányban kell változtatni a faktor-szinteket

  • egyik faktor sem hatásos, ezért nem tudunk az együtthatók alapján elindulni a kísérleti eredmény javulása felé. Ennek oka vagy az lehet, hogy rossz faktorokat választottuk, amelyek nincsenek hatással a kísérleti eredményre, vagy túl kicsiny lépéssel változtattuk meg a faktor-szinteket, és ennek kimutathatatlanul kicsi a hatása, vagy az optimumtól túlságosan távolról indultunk.

Ha a vizsgálat azt mutatja, hogy van az együtthatók között szignifikáns eltérés, akkor a Student-féle t-próbával egyenként megvizsgálhatjuk a 0-tól eltérő b együtthatók szignifikanciáját, és amelyik nem bizonyul szignifikánsnak, azt (esetleg csak átmenetileg) kihagyhatjuk a következő lépés megtervezésénél.

4. fejezet - A TAGUCHI-MÓDSZER

4.1. A Taguchi-filozófia

Dr. Genichi Taguchi japán mérnök volt, aki a II. világháború után alapított Electrical Communication Laboratories dolgozójaként úgy találta, hogy a kísérlettervezés és a minőség ellenőrzés hagyományos módszerei már nem felelnek meg a modern kor követelményeinek. Kidolgozta a kísérlettervezés statisztikai módszerét, melyért 1960-ban állami kitüntetést kapott. 1980-ban az amerikai Bell Laboratóriumban ismertette új statisztikai módszereit, amelyek azóta az egész világon elterjedtek.

A Taguchi-filozófia forradalmasította a gyáripar minőségellenőrzési módszerét. Ez a filozófia 3 alapelven alapul:

  1. A gyártmány minőségét nem utólag kell ellenőrizni, hanem a gyártmányba bele kell tervezni („quality design”).

  2. A minőség akkor lesz a legjobb, ha minimalizáljuk az előirányzattól való eltérést. Úgy kell megtervezni a terméket, hogy érzéketlen legyen az ellenőrizhetetlen környezeti hatásokra („robust design”).

  3. Az előírástól való eltérés függvényében definiálni kella minőség előírt „költségét”. Atényleges költséget a teljes termelési folyamat során rendszeresen mérni kell („cost of quality”).

4.2. A Taguchi kísérlet tervezési módszer

A Taguchi módszernem annyira a kísérlettervezés matematikai formuláin, sokkal inkább a kísérleteken, gyakorlati, tapasztalati tervezési módszereken alapul. Ez az új elgondolás tette a Taguchi-módszert egyedülállóan sikeressé a hagyományos módszerekkel szemben.

A korábban alkalmazott, ma már „hagyományos”-nak nevezett módszer, a faktoriális kísérlettervezési módszer segített a kísérletezőnek megtalálni a kísérleti eredményre ható legfontosabb faktorokat, és azok lehetséges összes kombinációját, mindezeknek a hatását a kísérleti eredményre, és megtalálni az optimális eredményt hozó faktorkombinációt.Ezek a faktoriális tervek azonban a nagyon sokfaktoros esetekben túl bonyolultakká váltak, és túl sok kísérlet elvégzését tettek szükségessé (különösen mezőgazdasági, vegyipari és biológiai gyártás illetve tervezés esetén). A részleges faktoriális kísérletek megtervezésénél a feles és negyedes replikációk még jól tervezhetők a kihagyott kölcsönhatások következtében létrejövő hatás-keveredések szempontjából, azonban a nyolcados vagy még magasabb rendű replikációkat már igen nehezen lehet áttekinteni.

Taguchi a faktoriális kísérlettervezési módszert fejlesztette tovább. Oly módon csökkentette az optimum eléréséhez vezető kísérletek számát, illetve oly módon növelte a viszonylag egyszerűen megvizsgálható faktorok és kölcsönhatások számát, hogy rengeteg kísérlet eredménye alapján létrehozott néhány, a gyakorlatbangyakran előforduló feladatra kísérleti terveket. A tervekhez úgynevezett ortogonális táblázatokat dolgozott ki. Ezekben az ortogonális táblázatokban („orthogonal arrays”) kidolgozta a legáltalánosabbnak nevezhető faktor kombinációkat, és meghatározta, hogy hogyan célszerű elhelyezni a fontosabb és kevésbé fontos hatásokat és kölcsönhatásokat azokban. Ezek a táblázatok alkotják Taguchi „szakácskönyvét”.

A szakácskönyv alkalmazójának nem kell végiggondolni minden lehetséges hatás- és kölcsönhatás variációt, csupán jól kell használni a szakácskönyvet. A gyártmány vagy folyamat előzetes ismeretében meg kell határozni azokat a legfontosabb hatásokat és kölcsönhatásokat, amelyek befolyásolhatják a gyártmány vagy folyamat minőségét. Egyetlen befolyásoló faktort sem szabad figyelmen kívül hagyni. Ezután kikeressük a Taguchi-szakácskönyvből azt a kísérleti tervet, amely az adott esetben a legmegfelelőbb, és el kell dönteni, hogy melyik faktor melyik oszlopba kerüljön.

Előzetes információ szükséges annak eldöntéséhez is, hogy az egyes faktoroknak mekkora legyen az alsó és a felső szintje. Ha túl nagy a távolságuk, átléphetjük velük és nem találjuk meg az optimomot, ha túl kicsi, nem lesz a faktor eléggé érzékeny az optimum megtalálására. Ha a szintek túl távol vannak az optimumtól, a kísérleti felület esetleg nem lesz egyértelmű, még az is lehet, hogy egy mellék-optimumot fogunk megtalálni. Gondolni kell arra is, hogy egy-egy kísérlet ne tartalmazzon összeférhetetlen faktorszinteket (pl. túl magas hőmérséklet túl magas nyomással kombinálva robbanáshoz vezethet).

Mindez sok előzetes ismeretet és mérlegelést igényel, de ez az ára annak, hogy nagyságrendekkel kevesebb kísérletet kelljen elvégezni lényegesen kevesebb idő- és költségráfordítással, mint a hagyományos kísérlettervezési módszerek alkalmazásával kellett.

A Taguchi kísérleti terv a lehető legkevesebb kísérlet lebonyolítását teszi lehetővé. Egy kétszintű 15 faktoros teljes faktoriális kísérleti terv 32 768 (215) kísérletből áll. Egy frakcionális kísérleti terv Taguchi ortogonális táblázata alapján 15 kétszintű faktor vizsgálatát 16 kísérlettel teszi lehetővé!

A kísérlet teljes lebonyolítása az alábbi lépésekből áll:

  1. Egy „brain storming”-on meg kell határozni a minőség jellemzőit, a kísérletben megvizsgálandó legfontosabb faktorokat és azok szintjeinek szóba jöhető értékeit.

  2. Meg kell tervezni és lebonyolítani a kísérleteket a Taguchi-szakácskönyv valamelyik receptje szerint.

  3. Analizálni kell az eredményeket, és meg kell határozni az optimális körülményeket.

  4. Le kell futtatni egy ellenőrző kísérletet az optimális körülmények mellett.

4.3. A kísérleti eredmények kiértékelése

Három dolgot kell meghatározni a kísérletek alapján.

  1. Meg kell határozni a gyártmány vagy folyamat optimális feltételeit

  2. Becslést kell adni az egyes faktorok hatásának erősségére

  3. Meg kell határozni a kísérleti eredmény nagyságát az optimális paraméterek mellett

Az optimális feltételek meghatározása az összes faktor hatásának kiszámítása alapján történik. Ez a számítás egyszerű aritmetikai műveletek alkalmazásával elvégezhető, akár egy kis kézi kalkulátor segítségével. Ezen hatások ismeretében becslést végezhetünk arra, hogy milyen faktor-beállításokkal érhetünk el optimális eredményt. Ha szükséges, a faktorszintek újabb, kedvező irányú megválasztásával egy további kísérletsorozatot tervezhetünk meg.

A szórás-analizis (Analysis of Variance, ANOVA) az a statisztikai módszer, amelyet leggyakrabban alkalmaznak annak vizsgálatára, hogy mely faktorok szignifikánsak, tehát melyik faktorokat érdemes ellenőrizni a gyártás vagy a folyamat alatt.

Az újabb kísérleti terv elkészítésénél kihagyhatjuk azokat a faktorokat, amelyek hatása elhanyagolhatónak bizonyult. Az elhanyagolhatóságot a Taguchi-féle „jel/zaj” (Signal-to-Noise, S/N) analízis segítségével dönthetjük el.

Taguchi két fontos vizsgálatot javasol a kísérletek után elvégezni:

Először:Az egységes megközelítésegykísérlet eredményének vagy ismételt kísérletek átlagos eredményének feldolgozására a hatások elemzése ANOVA analízissel.

Másrészt:Nagyon hasznos azonos körülmények között megismételt kísérletek végzése. Az S/N analízis alapján meghatározható a faktorok legrobusztusabb kombinációja.

4.4. Az ortogonális táblázat

Az ortogonális táblázatok jellemzői:

- Az ortogonális táblázatok általában 2-szintű változókat tartalmaznak

- Jelölésük L4, L8 vagy L16. Ezek 22, 23 vagy 24 kísérletet tartalmaznak. A sorok száma ezeknél 4, 8 vagy 16.

- Az oszlopok száma mindig 1-gyel kevesebb, mint a soroké.

- Az oszlopok jelentése: „VALAMI amire kíváncsiak vagyunk”. Ez lehet hatás vagy kölcsönhatás, tetszés szerint.

- A sorok az egyes kísérleti beállítások faktorszint-kombinációit tartalmazzák.

- A kísérleti beállítások szintjének jelölése „1” vagy „2”. az „1” az egyik, a „2” a másik szintjét jelenti az adott „valami”-nek.

- A kísérleti beállítások megtervezése a táblázatban a faktoriális kísérleti terveknél alkalmazott módszerrel történik, tehát a főhatás oszlopokban az „1” és „2” szintet négyesével, kettesével, majd egyesével váltogatjuk.

- A kereszthatás oszlopok kísérleti beállításainak szintjeit a hatások oszlopainak szorzásával képezzük, ahol azt a szabályt alkalmazzuk, hogy azonos számok szorzata mindig „1”, különböző számok szorzata mindig „2” lesz.

AVIII. Táblázat egy L8 ortogonális táblázatot mutat be, amelynek oszlopaiban A, B, C, D, E, F, és G-vel jelöltük azt a 7 „VALAMI”-t, amire kíváncsiak vagyunk.Ezek lehetnek főhatások és kölcsönhatások is. A sorokban T-1, T-2, T-3, T-4, T-5, T-6, T-7 és T-8 jelöli a kísérleteket.

AVIII. Táblázatnak egy teljes faktoriális kísérleti terv esetén a IX. Táblázat felelne meg, amelyben feltűntettük a 7 „VALAMI”-nek az alsó és felső szintjeit, és azok lehetséges összes kombinációját. AVIII. Táblázatban szereplő 1 és 2 számok alapján bejelöltük a IX. Táblázatban azokat a cellákat, amelyekben a T1, T2,… T7, T8 kísérlet beállítási kombinációi találhatók.

Látható, hogy a VIII. Táblázat összes lehetséges faktorszint kombinációja közül a IX. Táblázatban nagyon sok kimaradt, de az ortogonalitási feltételek a kitöltött cellák esetén fennmaradtak.

Ha megnézzük a VIII. táblázat faktor-szintjeit, észrevehető, hogy a C oszlop számai az A és B oszlop számainak szorzatai. Tehát írható, hogy C=AB. Hasonlóképpen az is írható, hogy E=AD, F=BD és G=ABD. A C, E, F és Goszlopokba kerülő „VALAMI”-kre gyakorolt többi hatás ezek hatásával keveredni („konfundálódni”) fog. Ezért a kísérletek megtervezése során ezekre a keveredésekre figyelni kell.

Taguchi ezeket a keveredéseket figyelembe véve alkotta meg szakácskönyvét, és ezzel megkönnyíti a kísérletek megtervezését. A szakácskönyv szabályaitól azonban nem célszerű eltérni.

VIII.táblázat Teljes faktoriális kísérleti terv 7 „VALAMI”-nek a vizsgálatára

Teljes faktoriális kísérleti terv 7 „VALAMI”-nek a vizsgálatára

A „VALAMI„ neve

Eredmények

A

B

C

D

E

F

G

A kísérlet sorszáma

1

2

3

4

5

6

7

T-1

T-2

T-3

T-4

T-5

T-6

T-7

T-8

1

1

1

1

2

2

2

2

1

1

2

2

1

1

2

2

1

1

2

2

2

2

1

1

1

2

1

2

1

2

1

2

1

2

1

2

2

1

2

1

1

2

2

1

1

2

2

1

1

2

2

1

2

1

1

2

  

IX.táblázat

A VIII. Táblázat T-1, T-2, … , T-8 kísérletének beállítási kombinációi

A1

A2

B1

B2

B1

B2

C1

C2

C1

C2

C1

C2

C1

C2

D1

E1

F1

G1

T-1

    

G2

  

F2

   

G1

  
   

G2

T-3

   

E2

F1

G1

   
 

G2

T-5

     

F2

G1

T-7

     
 

G2

     

D2

E1

F1

G1

  
   

G2

T-8

    

F2

  

G1

T-6

    
  

G2

    

E2

F1

G1

T-4

  

G2

   

   
 

F2

G1

   

G2

 

T-2

     

Taguchi az ortogonális táblázatokban nem tűnteti fel sem az A, B, stb. jelölést, sem a T-1, T-2, stb. jelölést, hanem teljesen általános alakban, sorszámozással jelöli a sorok és oszlopok mentén a beállítási szinteket (X. Táblázat).

Tehát aX. Táblázatban az 1, 2, 3, 4, 5, 6 és 7. oszlopban azok a „dolgok” (faktorok) helyezkednek el, amelyeknek a hatását vizsgálni akarjuk. A sorok az egyes kísérleteket jelentik. Tehát összesen 8 kísérletet kell elvégezni ahhoz, hogy 7 dologhatását megvizsgálhassuk. A cellákban a faktorok beállítandó szintjei találhatók egy-egy kísérlet során.

X.táblázat Kísérleti terv 7 hatás vizsgálatára

Kísérleti terv 7 hatás vizsgálatára

Oszlopok

Kísérlet

1

2

3

4

5

6

7

Eredmények

1

2

3

4

5

6

7

8

1

1

1

1

2

2

2

2

1

1

2

2

1

1

2

2

1

1

2

2

2

2

1

1

1

2

1

2

1

2

1

2

1

2

1

2

2

1

2

1

1

2

2

1

1

2

2

1

1

2

2

1

2

1

1

2

A faktoriális kísérleti terv módszernél más jelöléseket alkalmaztunk: a hatásokat x1, x2, x3, stb jelölte, míg a kölcsönhatásokat x1x2 vagy x2x3, stb. Ezekkel a jelölésekkel talán szemléletesebben tudnánk követni az összefüggéseket a hatások és kölcsönhatások között. Például a X. Táblázat a faktoriális kísérleti terveknél alkalmazott jelölésekkel a XI. Táblázatban látható módon alakulna.

XI. táblázat

A X. táblázat a faktoriális kísérleti terveknél alkalmazott jelölésekkel

Oszlopok

Kísérlet

x1

x2

x1x2

x3

x1x3

x2x3

x1x2x3

Eredmények

1

2

3

4

5

6

7

8

1

1

1

1

2

2

2

2

1

1

2

2

1

1

2

2

1

1

2

2

2

2

1

1

1

2

1

2

1

2

1

2

1

2

1

2

2

1

2

1

1

2

2

1

1

2

2

1

1

2

2

1

2

1

1

2

Azonban Taguchi tudatosan alkalmaz más jelöléseket, mert a kísérletek számának csökkentését azáltal kívánta elérni, hogy a lehetséges teljes, vagy feles, negyedes, nyolcados faktoriális kísérleti terv kötöttségeitől is megszabadul. Ezért bizonyos, gyakorlatban gyakran előforduló sémáknak megfelelően választotta meg azokat a kölcsönhatásokat, amelyeket érdemesnek tart vizsgálni. Ezt az általa bevezetett sémát a lineáris gráfok és a kölcsönhatás-táblázatok segítségével ismerteti.

4.5. A lineáris gráf

Az egyes faktorok és kölcsönhatások kapcsolatát Taguchi egy „lineáris gráf” formájában ábrázolja. A gráf csomópontjai a hatások (faktorok), és a csomópontok közötti gráf-ágak az adott csomóponti hatások kölcsönhatásai (4.1. ábra).

Lineáris gráf
4.1. ábra - Lineáris gráf


A 4.1. ábrán 1 és 2 tehát az x1 és x2 faktort jelenti, míg a 3 jelű vonal az x1x2 kölcsönhatást. A számozás pedig megegyezik a faktor vagy a kölcsönhatás oszlop-számával az ortogonális táblázatban.

Ha megnézzük a X. Táblázat L8 szintű ortogonális táblázatát, akkor azt látjuk, hogy az 1. oszlopban lévő faktor szintjét a kísérleti terv lebonyolítása során csak egyszer kell megváltoztatni (a 4. kísérlet után). A 2. oszlopban lévő faktor szintjeit a kísérleti terv lebonyolítása során háromszor kell megváltoztatni (a 2., 4. és 6. kísérlet után). A 4. számú oszlopban lévő faktor szintjeit pedig minden egyes kísérlet után meg kell változtatni. Ez pedig a gyakorlatban lehet, hogy nem is olyan egyszerű feladat. Például nézzünk meg egy olyan kísérletsorozatot, ahol az üveg fújás optimális beállításait keressük, és a vizsgált három faktor az üveg olvadék hőmérséklete, az üvegfújó eszköz típusa, és az üveg olvadék összetétele. Az üvegfújó eszköz megváltoztatása egyszerűen keresztül vihető, a hőmérséklet megváltoztatása már elég körülményes,és az összetétel megváltoztatásához ki kell üríteni, le kell hűteni, ki kell tisztítani, újra kell tölteni és fel kell fűteni a kemencét. Tehát célszerű a faktorokat úgy helyezni el az egyes oszlopokban, hogy az 1. oszlopba kerüljön az üveg összetétele, a 2. oszlopba a hőmérséklet és a 4. számú oszlopba az üvegfújó eszköz típusa.

A lineáris gráfokban az ilyen típusú mérlegelésre Taguchi egy újabb jelölést vezetett be. A csomópontokat négy féle ponttal jelölte (4.2. ábra).

A kísérleti beállítás bonyolultsága
4.2. ábra - A kísérleti beállítás bonyolultsága


Az ortogonális táblázat megtervezésekor a jobb áttekinthetőség kedvéért az egyes oszlopokat csoportosíthatjuk a szükséges beállítások (faktor-szint változtatások) gyakorisága szerint, (például a XVI. vagy a XVII. táblázatban a Group 1-ben csak egyszer kell változtatni a faktor-szintet az egész kísérletsorozat elvégzése közben, míg a Group 2-ben három-négyszer és a Group 3-banmég többször).

Ennek a kísérletnek a lineáris gráfja ezekkel a jelölésekkel a 4-3. ábrán látható. Ez a lineáris gráf 3 hatás és 3 kölcsönhatás vizsgálatára alkalmas. Az L8 szintű ortogonális mátrixnak viszont 7 oszlopa van. Lehetőség van ennek a 7 oszlopnak a segítségével a háromszoros kölcsönhatásra következtetni, de ha a szórás analízissel történő vizsgálat azt mutatja, hogy ennek az oszlopnak a hatása nem szignifikáns (ez valószínű, mert ebben a hatások már erősen keverednek), akkor ez az oszlop a „zaj”-ra lesz jellemző. Így feleslegessé válhat ismételt kísérletek végzése, amelyeknek szintén a zaj meghatározása a fő célja.

A hatások és a kölcsönhatások számozása kövesse az ortogonális táblázat jelöléseit
4.3. ábra - A hatások és a kölcsönhatások számozása kövesse az ortogonális táblázat jelöléseit


Amint látjuk, Taguchi csak a kettős kölcsönhatásokat vizsgálja, a faktoriális kísérleti terveknél megismert többszörös (több faktor közötti egyidejű) kölcsönhatásokat nem. Vagyis csak arra kíváncsi, hogy két faktor között van vagy nincs kölcsönhatás.

4.6. A kölcsönhatások háromszög-táblázata

A kölcsönhatások háromszög-táblázatai az ortogonális táblázatok összes lehetséges kölcsönhatásának információit tartalmazzák. A XIV. Táblázat egy háromszög-táblázatot mutat be. A táblázat a XIII. Táblázat L8 szintű ortogonális táblázatához és a 4.3. ábra lineáris gráfjához tartozik.

XIII. táblázat

8 kísérletből álló kísérleti terv 7 hatás vizsgálatára

Oszlopok

Kísérlet

1

2

3

4

5

6

7

Eredmények

1

2

3

4

5

6

7

8

1

1

1

1

2

2

2

2

1

1

2

2

1

1

2

2

1

1

2

2

2

2

1

1

1

2

1

2

1

2

1

2

1

2

1

2

2

1

2

1

1

2

2

1

1

2

2

1

1

2

2

1

2

1

1

2

A XIII. táblázat kölcsönhatásait mutatja be az alábbi háromszög-, vagy kölcsönhatás táblázat (XIV. táblázat).

XIV.táblázat A XIII. táblázat kölcsönhatásai

A XIII. táblázat kölcsönhatásait bemutató háromszög táblázat

A XIII. TÁBLÁZAT KÖLCSÖNHATÁSAIT BEMUTATÓ HÁROMSZÖG TÁBLÁZAT
4.4. ábra - A XIII. TÁBLÁZAT KÖLCSÖNHATÁSAIT BEMUTATÓ HÁROMSZÖG TÁBLÁZAT


A háromszög táblázat minden oszlopa megfelel az ortogonális táblázat azonos számú oszlopának. Ha most azt szeretnénk megtudni, hogy az ortogonális táblázat 4. és 2. oszlopa közötti kölcsönhatás melyik oszlopban található, akkor induljunk el a 4. oszloptól lefelé, majd onnan ahonnan lehetséges, egy irány-töréssel vízszintesen a (2) pont irányába. Ha a töréspont a „6”-nál volt, akkor ez lesz a kölcsönhatás oszlopa.

A háromszög táblázat alkalmazása rendkívül lerövidíti a kísérlet megtervezésének idejét, és csökkenti a tévedések lehetőségét.

4.7. A „jel/zaj” (Signal-to-Noise, S/N) analízis

Egy olyan kísérleti program, amely ismételt kísérleteket tartalmaz, sokkal több információt eredményez a kísérleti eredmény hibáiról, mint ha minden kísérletet csak egyszer végeznénk el. Az egyetlen kísérlet „indulás a semmiből”, az ismétlés, ha teljesen az előbbivel azonos körülmények között végezzük, megmutatja azokat a hibákat, amelyeket a mérőműszerek és a mérési módszerek hibája okoz, sőt egyéb hibák is felléphetnek, mivel lehet, hogy nem sikerül még egyszer teljesen az előzőhöz hasonló körülményeket elő állítani.

Taguchi kidolgozott egy formulát ismételt kísérletek S/N analízise céljára:

Vagy másképpen:

ahol

Az S/N érték fenti formulája akkor igaz, ha a szórás függ az átlagtól.

Ha a szórás független az átlagtól, akkor az S/N értéket a következőképpen alkalmazhatjuk. Vezessük be a következő jelölést:

S/N= z

Amennyiben a kísérletek eredményét úgy értékeljük, hogy a legjobb a tervezett nominális érték, akkor

Ha pedig az a véleményünk, hogy a nominálishoz képest „a kisebb eredmény még jobb”, akkor alkalmazzuk a (34)-et:

Végül abban az esetben, ha „a nagyobb eredmény még jobb” a (35) szerint

A S/N analízis megértésére egy elméleti példát mutatunk be a XV. Táblázatban:

XV. táblázat

kétszer elvégzett, 8 kísérletből álló kísérleti terv ortogonális mátrixa,

2-2 y eredménnyel

RUN

NO.

C

1

B

2

3

A

4

5

6

7

RESULTS

Y

AVG.

STD. DEV.

S

z =

10logs2

1

1

1

1

1

1

1

1

35, 37

36

1.41

3.0103

2

1

1

1

2

2

2

2

34, 40

37

4.24

12.5527

3

1

2

2

1

1

2

2

41, 43

42

1.41

3.0103

4

1

2

2

2

2

1

1

40, 46

43

4.24

12.5527

5

2

1

2

1

2

1

2

42, 44

43

1.41

3.0103

6

2

1

2

2

1

2

1

39, 45

42

4.24

12.5527

7

2

2

1

1

2

2

1

36, 38

37

1.41

3.0103

8

2

2

1

2

1

1

2

33, 39

36

4.24

12.5527

Ha a táblázatban megnézzük az átlagos Y értékeket, felfedezhetjük, hogy a számértékek körülbelüli nagysága ugyanolyan sorrendben váltakozik, mint a 3 oszlopban. Minthogy a 3 oszlop az 1 és 2 oszlop kölcsönhatásait tartalmazza, arra következtethetünk, hogy a mi átlagos kísérleti eredményeinket a C és B faktor hatása befolyásolja.

Ha megfigyeljük a szórás (s) oszlopot, azt vehetjük észre, hogy a számértékek körülbelüli nagyságának sorrendje a 4 oszlopéhoz hasonlít. Minthogy a 4 oszlop az A faktor hatását tartalmazza, ebből arra következtethetünk, hogy a cellán belüli szórás (az egyes kísérletek ismételt eredményeinek szórása) az A faktor hatása alatt áll.

A „z” oszlop hasonló gondolatot sugall. A „z” oszlop éppen azért került ide, hogy bizonyítsuk, hogy ha ANOVA analízissel akarjuk statisztikailag igazolni az egyes faktorok szignifikáns voltát, akkor nem a szórást, hanem a z értéket kell alkalmazni.

Összefoglalva az eddigieket, azt látjuk, hogy az A faktor hatással van a szórásra, vagyis az ismétlőképességre, de nincs hatással a kísérletek abszolút értékére. Viszont a B és a C faktor a kísérletek abszolút értékére van hatással, miközben nem befolyásolja a cellán belüli szórást.

Kezünkben van tehát annak a kulcsa, hogy a fenti faktorok megválasztásával csökkentsük a cellán belüli szórást (anélkül, hogy rontanánk az átlagot), illetve javítsuk az átlagot anélkül, hogy rontanánk a szórást.

Vagyis lehetőségünk van javítani a rendszerünk minden fontos jellemzőjét.

4.8. Három- és négyszintű kísérleti tervek

Eddig csak kétszintű Taguchi kísérletekről van szó. Lehetőség van azonban három- és négyszintű faktorokkal is dolgozni. Ekkor az ortogonális táblázat egyik, vagy több oszlopában a faktorok szintjét 3 vagy 4 értéken váltogatjuk. A szinteknek természetesen nagyság szerint kell követni egymást. Az eredmény pedig az adott faktor hatását a faktor 3 vagy 4 szintjén mutatja meg, tehát olyan, mintha a többdimenziós eredményfelületen az adott faktor tengelye irányában több lépést tettünk volna meg. Az adott faktor irányában tehát az eredményfelületnek egy síkmetszetét kapjuk meg, és az eredmény változását függvényszerűen ábrázolhatjuk (4.4. ábra)

Kétfaktoros háromszintű kísérleti terv
4.5. ábra - Kétfaktoros háromszintű kísérleti terv


4.9. Taguchi „Szakácskönyve”

4.9.1. Jelölések

A következőkben bemutatjuk a 7 alapvető kísérleti tervet Taguchi szakácskönyvéből. A tervekhez megadjuk az ortogonális táblázatot, a lineáris gráfokat és esetenként a kölcsönhatás táblázatokat (háromszög táblázatokat) is.

A kísérleti tervek jelölése a következő:

La(bc)a a kísérletek száma

ba faktor-szintek száma

ca vizsgálható hatások („dolgok”) száma

Például:

L9(34) egy 9 kísérletből álló, négy 3 szintű faktor hatásának vizsgálatára kidolgozott kísérletsorozat tervét jelenti.

Vannak olyan kísérleti tervek is, amelyben kétszintű és többszintű faktorok is vannak (kevert kísérleti tervek). Ezek jelölése például:

L18(21 x 37)Ez egy kétszintű és hét háromszintű, összesen 18 kísérletből álló kísérletsorozatot jelent.

A továbbiakban ismertetjük Taguchi „receptjeit” az ortogonális táblázattal, a kölcsönhatások

háromszög táblázatával és a lineáris gráfokkal.

4.9.2. L4 (23) kísérleti terv

XVI.Táblázat

L4 (23) kísérleti terv ortogonális táblázata

Col.

No.

1

2

3

1

1

1

1

2

1

2

2

3

2

1

2

4

2

2

1

Group 1

Group 2

Az L4(23) terv lineáris gráfja a 4.5. ábrán látható.

L4(23) terv lineáris gráfja
4.6. ábra - L4(23) terv lineáris gráfja


4.9.3. L8 (27) kísérleti terv

XVII.Táblázat

L8 (27) kísérleti terv Ortogonális táblázata

Col.

No.

1

2

3

4

5

6

7

1

1

1

1

1

1

1

1

2

1

1

1

2

2

2

2

3

1

2

2

1

1

2

2

4

1

2

2

2

2

1

1

5

2

1

2

1

2

1

2

6

2

1

2

2

1

2

1

7

2

2

1

1

2

2

1

8

2

2

1

2

1

1

2

Group 1

Group 2

Group 3

XVIII.táblázat

L8 (27) kísérleti terv Kölcsönhatás táblázata

Col.

No.

1

2

3

4

5

6

7

(1)

3

2

5

4

7

6

(2)

1

6

7

4

5

(3)

7

5

5

4

(4)

1

2

3

(5)

3

2

(6)

1

(7)

A lineáris gráfok a 4.6. ábrán láthatók:

L8 (27) kísérleti terv lineáris gráfjai (1 és 2 lehetőség)
4.7. ábra - L8 (27) kísérleti terv lineáris gráfjai (1 és 2 lehetőség)


4.9.4. L16 (215) kísérleti terv

Az L16 (215) kísérleti terv sokféle kísérleti sorrendben megtervezhető attól függően, hogy hány hatást és hány kölcsönhatást akarunk megvizsgálni a 16 kísérletből álló kísérletsorozat során.

A lehetőségek sokaságát mutatják a 4.7., 4.8., 4.9., 4.10. és 4.11.ábrán bemutatott lineáris gráfok. Az ortogonális táblázat minden esetben azonos (XIX.táblázat), csak a hatásokat és kölcsönhatásokat más-más oszlopba helyezzük el attól függően, hogy melyik főhatást milyen komplikált beállítani.

XIX. táblázat

L16 (215) kísérleti terv Ortogonális táblázata

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

2

1

1

1

1

1

1

1

2

2

2

2

2

2

2

2

3

1

1

1

2

2

2

2

1

1

1

1

2

2

2

2

4

1

1

1

2

2

2

2

2

2

2

2

1

1

1

1

5

1

2

2

1

1

2

2

1

1

2

2

1

1

2

2

6

1

2

2

1

1

2

2

2

2

1

1

2

2

1

1

7

1

2

2

2

2

1

1

1

1

2

2

2

2

1

1

8

1

2

2

2

2

1

1

2

2

1

1

1

1

2

2

9

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

10

2

1

2

1

2

1

2

2

1

2

1

2

1

2

1

11

2

1

2

2

1

2

1

1

2

1

2

2

1

2

1

12

2

1

2

2

1

2

1

2

1

2

1

1

2

1

2

13

2

2

1

1

2

2

1

1

2

2

1

1

2

2

1

14

2

2

1

1

2

2

1

2

1

1

2

2

1

1

2

15

2

2

1

2

1

1

2

1

2

2

1

2

1

1

2

16

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

Group 1

Group 2

Group 3

Group 4

XX. táblázat

L16 (215) kísérleti terv Kölcsönhatás táblázata

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

(1)

3

2

5

4

7

6

9

8

11

10

13

12

15

14

(2)

1

6

7

4

5

10

11

8

9

14

15

12

13

(3)

7

6

5

4

11

10

9

8

15

14

13

12

(4)

1

2

3

12

13

14

15

8

9

10

11

(5)

3

2

13

12

15

14

9

8

11

10

(6)

1

14

15

12

13

10

11

8

9

(7)

15

14

13

12

11

10

9

8

(8)

1

2

3

4

5

6

7

(9)

3

2

5

4

7

6

(10)

1

6

7

4

5

(11)

7

6

5

4

(12)

1

2

3

(13)

3

2

(14)

1

A lineáris gráfok 5 hatás és 10 kölcsönhatás vizsgálatára a 4.7. ábrán láthatók:

Tegyük fel, hogy most csak 5 hatásra és azok kétszeres kölcsönhatásaira (összesen 10 kölcsönhatás) vagyunk kíváncsiak. Ha nem akarjuk vizsgálni az összes kölcsönhatást, a kísérlet fölösleges oszlopait nem használjuk fel, de a teljes 16 kísérletet el kell végezni. Fel is használhatjuk a felmaradt 5 oszlopot a kísérlettel kapcsolatos egyéb hatások egymástól független vizsgálatára; ekkor ezeknek a vizsgált faktoroknak a szintjeit variáljuk a kísérleti tervnek megfelelően.

L16 (215) kísérleti terv lineáris gráfjai 5 hatás és 10 kölcsönhatás vizsgálatára (három különböző lehetőség)
4.8. ábra - L16 (215) kísérleti terv lineáris gráfjai 5 hatás és 10 kölcsönhatás vizsgálatára (három különböző lehetőség)


A lineáris gráfok 7 hatás és 8 kölcsönhatás vizsgálatára a 4.8. ábrán láthatók:

L16 (215) kísérleti terv lineáris gráfjai 7 hatás és 8 kölcsönhatás vizsgálatára (háromféle lehetőség)
4.9. ábra - L16 (215) kísérleti terv lineáris gráfjai 7 hatás és 8 kölcsönhatás vizsgálatára (háromféle lehetőség)


A lineáris gráfok 5 hatás és kölcsönhatásainak, továbbá másik 3 hatás és azok kölcsönhatásainak vizsgálatára a 4.9. ábrán láthatók:

L16 (215) kísérleti terv lineáris gráfjai 5 hatás és kölcsönhatásainak, továbbá másik 3 hatás és azok kölcsönhatásainak vizsgálatára
4.10. ábra - L16 (215) kísérleti terv lineáris gráfjai 5 hatás és kölcsönhatásainak, továbbá másik 3 hatás és azok kölcsönhatásainak vizsgálatára


A lineáris gráfok 8 hatás és 7 kölcsönhatás vizsgálatára a 4.10. ábrán láthatók:

L16 (215) kísérleti terv lineáris gráfjai 8 hatás és 7 kölcsönhatás vizsgálatára
4.11. ábra - L16 (215) kísérleti terv lineáris gráfjai 8 hatás és 7 kölcsönhatás vizsgálatára


A lineáris gráfok 10 hatás és 5 kölcsönhatás vizsgálatára a 4.11. ábrán láthatók:

L16 (215) kísérleti terv lineáris gráfjai 10 hatás és 5 kölcsönhatás vizsgálatára
4.12. ábra - L16 (215) kísérleti terv lineáris gráfjai 10 hatás és 5 kölcsönhatás vizsgálatára


4.9.5. L12(211) kísérleti terv

XXI. táblázat

L12(211) kísérleti terv Ortogonális táblázata

Col.

No.

1

2

3

4

5

6

7

8

9

10

11

1

1

1

1

1

1

1

1

1

1

1

1

2

1

1

1

1

1

2

2

2

2

2

2

3

1

1

2

2

2

1

1

1

2

2

2

4

1

2

1

2

2

1

2

2

1

1

2

5

1

2

2

1

2

2

1

2

1

2

1

6

1

2

2

2

1

2

2

1

2

1

1

7

2

1

2

2

1

1

2

2

1

2

1

8

2

1

2

1

2

2

2

1

1

1

2

9

2

1

1

2

2

2

1

2

2

1

1

10

2

2

2

1

1

1

1

2

2

1

2

11

2

2

1

2

1

2

1

1

1

2

2

12

2

2

1

1

2

1

2

1

2

2

1

Group 1

Group 2

Megjegyzés:

Ezt a tervet „szűrő terv”-nek nevezik, mert akkor célszerű alkalmazni, ha sok hatás van, és azt szeretnénk tudni, melyik szignifikáns, melyik nem, miközben a kölcsönhatásokkal még nem kívánunk foglalkozni. Két-két oszlop kölcsönhatása ugyanis az L12(211) kísérleti tervnél konfundálódik a többi kilenc oszlophatással. Csak szekvenciál analizissel lehet felderíteni a kölcsönhatásokat. Ezért ez a kísérleti terv nem alkalmazható akkor, ha kölcsönhatásokat is akarunk vizsgálni.

4.9.6. L9 (34) kísérleti terv

XXII. táblázat

L9 (34) kísérleti terv Ortogonális táblázata

1 2 3 4

1

2

3

4

5

6

7

8

9

1 1 1 1

1 2 2 2

2 3 3 3

2 1 2 3

2 2 3 1

2 3 1 2

3 1 3 2

3 2 1 3

3 3 2 1

A lineáris gráf az 1 és 2 főhatás és kölcsönhatás között a 4.12. ábrán látható:

L9 (34) kísérleti terv lineáris gráfja
4.13. ábra - L9 (34) kísérleti terv lineáris gráfja


Megjegyzés:

A kölcsönhatásokat elhelyezhetjük anélkül, hogy oszlopokat (fő-hatásokat) kellene feláldozni, ha az 1 és 2 oszlop kétszintű tervét használjuk fel. Viszont így a háromszintű oszlopok kölcsönhatásai bizonyos mértékig keveredni (konfundálódni) fognak a többi háromszintű oszlop hatásaival.

4.9.7. L18(21 x 37) kísérleti terv

XXIII.táblázat

L18(21 x 37) kísérleti terv Ortogonális táblázata

Col.

No.

1

2

3

4

5

6

7

8

 

1

1

1

1

1

1

1

1

1

 

2

1

1

2

2

2

2

2

2

 

3

1

1

3

3

3

3

3

3

 

 

4

1

2

1

1

2

2

3

3

 

5

1

2

2

2

3

3

1

1

 

6

1

2

3

3

1

1

2

2

 

 

7

1

3

1

2

1

3

2

3

 

8

1

3

2

3

2

1

3

1

 

9

1

3

3

1

3

2

1

2

 

 

10

2

1

1

3

3

2

2

1

 

11

2

1

2

1

1

3

3

2

 

12

2

1

3

2

2

1

1

3

 

 

13

2

2

1

2

3

1

3

2

 

14

2

2

2

3

1

2

1

3

 

15

2

2

3

1

2

3

2

1

 

 

16

2

3

1

3

2

3

1

2

 

17

2

3

2

1

3

1

2

3

 

18

2

3

3

2

1

2

3

1

 

 

Group 1

Group 2

Group 3

A lineáris gráf a 4.13. ábrán látható:

L18(21 x 37) kísérleti terv lineáris gráfja
4.14. ábra - L18(21 x 37) kísérleti terv lineáris gráfja


Megjegyzés:

A kölcsönhatásokat most is elhelyezhetjük anélkül, hogy oszlopokat (fő-hatásokat) kellene feláldozni, ha az 1 és 2 oszlop kétszintű tervét használjuk fel. Viszont így a háromszintű oszlopok kölcsönhatásai bizonyos mértékig itt is keveredni (konfundálódni) fognak a többi háromszintű oszlop hatásaival.

Col.

No.

1

2

3

4

5

6

7

8

9

10

11

12

13

1

1

1

1

1

1

1

1

1

1

1

1

1

1

2

1

1

1

1

2

2

2

2

2

2

2

2

2

3

1

1

1

1

3

3

3

3

3

3

3

3

3

4

1

2

2

2

1

1

1

2

2

2

3

3

3

5

1

2

2

2

2

2

2

3

3

3

1

1

1

6

1

2

2

2

3

3

3

1

1

1

2

2

2

7

1

3

3

3

1

1

1

3

3

3

2

2

2

8

1

3

3

3

2

2

2

1

1

1

3

3

3

9

1

3

3

3

3

3

3

2

2

2

1

1

1

10

2

1

2

3

1

2

3

1

2

3

1

2

3

11

2

1

2

3

2

3

1

2

3

1

2

3

1

12

2

1

2

3

3

1

2

3

1

2

3

1

2

13

2

2

3

1

1

2

3

2

3

1

3

1

2

14

2

2

3

1

2

3

1

3

1

2

1

2

3

15

2

2

3

1

3

1

2

1

2

3

2

3

1

16

2

3

1

2

1

2

3

3

1

2

2

3

1

17

2

3

1

2

2

3

1

1

2

3

3

1

2

18

2

3

1

2

3

1

2

2

3

1

1

2

3

19

3

1

3

2

1

3

2

1

3

2

1

3

2

20

3

1

3

2

2

1

3

2

1

3

2

1

3

21

3

1

3

2

3

2

1

3

2

1

3

2

1

22

3

2

1

3

1

3

2

2

1

3

3

2

1

23

3

2

1

3

2

1

3

3

2

1

1

3

2

24

3

2

1

3

3

2

1

1

3

2

2

1

3

25

3

3

2

1

1

3

2

3

2

1

2

1

3

26

3

3

2

1

2

1

3

1

3

2

3

2

1

27

3

3

2

1

3

2

1

2

1

3

1

3

2

Group 1

Group 2

Group 3

4.9.8. L27(313) kísérleti terv

XXIV. táblázat

L27(313) kísérleti terv Ortogonális táblázata

XXV. táblázat

L27(313) kísérleti terv kölcsönhatás táblázata

Col.

No.

1

2

3

4

5

6

7

8

9

10

11

12

13

(1)

3

2

2

6

5

5

9

8

8

12

11

11

4

4

3

7

7

6

10

10

9

13

13

12

(2)

1

1

8

9

10

5

6

7

5

6

7

4

3

11

12

13

11

12

13

8

9

10

(3)

1

9

10

8

7

5

6

6

7

5

2

13

11

12

12

13

11

10

8

9

(4)

10

8

9

6

7

5

7

5

6

12

13

11

13

11

12

9

10

8

(5)

1

1

2

3

4

2

4

3

7

6

11

13

12

8

10

9

(6)

1

4

2

3

3

2

4

5

13

12

11

10

9

8

(7)

3

4

2

4

3

2

12

11

13

9

8

10

(8)

1

1

2

3

4

10

9

5

7

6

(9)

1

4

2

3

8

7

6

5

(10)

3

4

2

6

5

7

(11)

1

1

13

12

(12)

1

11

A lineáris gráfok a 4.14. ábrán láthatók:

L27(313) kísérleti terv lineáris gráfjai (1, 2 és 3)
4.15. ábra - L27(313) kísérleti terv lineáris gráfjai (1, 2 és 3)


4.10. A fő-hatások oszlopainak megválasztása

A fenti kísérleti tervekben csoportosítva látjuk az oszlopokat (Group 1, Group 2, Group +).

A Grup1 oszlopaiba helyezzük azokat a faktorokat, amelyek szintjeit bonyolult váltogatni, mert a kísérletek során ebben az oszlopban csak egyszer kell szintet változtatni. A Group 2 oszlopaiba kerülhetnek a könnyebben változtatható, és a későbbiekben a Group 3-ba a legkönnyebben változtatható faktorok.

4.11. Több lépésben végrehajtott kísérleti terv

Előfordulhat, hogy a kísérleteket nem akarjuk gyors egymásutánban lebonyolítani, hanem kisebb sorozatokba (blokkokban fogjuk elvégezni. Nem oszthatjuk ötlet szerűen blokkokra a kísérleti tervet.

Tegyük fel, hogy egy L16 kísérleti tervet két napon akarunk végrehajtani, nyolc kísérletet az egyik napon és nyolcat a másikon. Ha az L16 ortogonális mátrix első nyolc kísérletét végezzük el az első napon és a másodi nyolcat a második napon, akkor nem lehetünk biztosak abban, hogy az 1. faktor kimutatható hatása valóban az 1. faktor hatása, vagy a két nap különböző körülményeiből ered. Ezért az 1. oszlop nem használható egyik faktor hatásának vizsgálatára sem, hanem ez lesz a „felosztási változó” (blocking variable”).

Ha az L16 kísérleti tervet 4 alkalommal akarjuk végrehajtani, akkor a 2. és 3. oszlopot is fel kell áldozni, mert ezekben a négy blokkon belül a faktorok szintjei azonosak.

4.12. Mit tegyünk, ha nincs előzetes információnk arról, hogy vannak-e kölcsönhatások az egyes hatások között?

Taguchi a következőket tanácsolja:

  • Ha csak 2 faktorunk van, alkalmazzuk az L4 tervet, és helyezzük a főhatásokat az 1. és a 2. oszlopba.

  • Ha 3 faktorunk van, alkalmazzuk az L8 tervet, és helyezzük a főhatásokat az 1. , a 2. és a 4. oszlopba.

  • Ha 4 vagy 5 faktorunk van, alkalmazzuk az L16 tervet, és helyezzük a főhatásokat az 1. , a 2., a 4. és a 8. oszlopba, végül 5 faktor esetén a 15. oszlopba.

4.13. Szűrő kísérleti tervek

Ezek a kísérleti tervek arra szolgálnak, hogy kiszűrjük velük a nem szignifikáns faktorokat, és a továbbiakban részletesen vizsgálhassuk a szignifikánsakat.

Tegyük fel, hogy egy L16 kísérleti tervben 15 faktor közül akarjuk kiszűrni a nem szignifikánsakat. Ezért mind a 15 oszlopban elhelyezünk egy-egy faktort (ezt akísérleti tervet „telített” kísérleti tervnek nevezik). Az egyes oszlopok viszont továbbra is részben fő-hatásokra, részben kölcsönhatásokra utalnak, ezért lehet, hogy némelyik a 15 faktor közül a kölcsönhatás miatt tűnik szignifikánsnak, vagy éppen nem szignifikánsnak.

Az L12 kísérleti terv viszont alkalmas a faktorok szűrő vizsgálatára, mert ez éppen a kölcsönhatások vizsgálatára nem alkalmas.

Ha igen sok lehetséges faktorunk van (ez a gyakorlati feladatoknál igen gyakori helyzet), akkor inkább végezzük a szűrést több részletben. Ne akarjuk az összes problémát egy hatalmas kísérleti tervben megoldani!

4.14. A Taguchi „szakácskönyv” L8 és L16 kísérleti terveinek átalakítása kétszintűről négyszintűvé

Megfigyelhettük, hogy a 7 alapvető kísérleti terv kétszintű és háromszintű kísérleti terveket tartalmaz, de egyikben sincsenek négyszintű faktorok. Pedig a gyakorlatban ilyen faktorok gyakran előfordulnak, pl. akkor, ha 4 különböző beszállító termékét alkalmazzuk a kísérletek során. A továbbiakban bemutatjuk, hogyan lehet egy L8 vagy egy L16 kétszintű kísérleti tervet úgy átalakítani, hogy alkalmas legyen egy vagy több négyszintű faktor vizsgálatára.

Az átalakítás alapgondolata az, hogy a kiinduló ortogonális táblázatból kiválasztunk három olyan oszlopot, amelyek egymással összefüggenek, és ezekből hozunk létre egy új négyszintű oszlopot.

Alakítsunk át például egy L8 ortogonális mátrixot úgy, hogy legyen egy négyszintű oszlopa!

A kiindulást képező L8 ortogonális táblázat (XXVI. táblázat):

XXVI. táblázat

L8 ortogonális táblázat

Col.

No.

1

2

3

4

5

6

7

1

1

1

1

1

1

1

1

2

1

1

1

2

2

2

2

3

1

2

2

1

1

2

2

4

1

2

2

2

2

1

1

5

2

1

2

1

2

1

2

6

2

1

2

2

1

2

1

7

2

2

1

1

2

2

1

8

2

2

1

2

1

1

2

Group 1

Group 2

Group 3

Válasszuk ki a táblázat 1. 4. és 5. oszlopát! Képezzük ebből az A faktornak nevezett négyszintű faktor oszlopát oly módon, hogy minden azonos szint-mintázatot nevezzünk el 1, 2, 3 vagy 4-nek. Ezek lesznek az új faktorszintek az A oszlopban. (XXVII. táblázat).

XXVII. táblázat

Kétszintű L8 ortogonális táblázat négyszintűvé átalakításának első lépése

Run

No.

Az L8 tábla oszlopai

Az A faktor szintjei

1

4

5

1

1

1

1

1

2

1

2

2

2

  

3

1

1

1

1

  

4

1

2

2

2

  

5

2

1

2

3

  

6

2

2

1

4

  

7

2

1

2

3

  

8

2

2

1

4

  

Miután kialakítottuk az új oszlopot, az új ortogonális táblázatban már nem szerepelhet a régi 1., 4. és 5. oszlop, mert ezeket már felhasználtuk az A oszlop létrehozásához. Az új ortogonális táblázat a XXVIII.táblázatban látható.

XXVIII. táblázat

kétszintű L8 ortogonális táblázatból kialakított négyszintű

ortogonális táblázat

Run

A

2

3

6

7

1

1

1

1

1

1

2

2

1

1

2

2

3

1

2

2

2

2

4

2

2

2

1

1

5

3

1

2

1

2

6

4

1

2

2

1

7

3

2

1

2

1

8

4

2

1

1

2

Egy L16 ortogonális táblázatátalakítható úgy is, hogy 4 négyszintű faktor vizsgálatát tegye lehetővé. A kiinduló L16 ortogonális táblázat a XXIX. táblázatban látható. A táblázat 1., 2. és 3. oszlopából alakítsunk ki egy A négyszintű oszlopot, a 4., 12. és 8. oszlopból egy B négyszintű oszlopot, az 5., 15. és 10. oszlopból egy C négyszintű oszlopot, és végül a 7., 14. és 9. oszlopból egy D négyszintű oszlopot (XXIX. táblázatban Group1,2, 3 és 4)!

Col. No.

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

2

1

1

1

1

1

1

1

2

2

2

2

2

2

2

2

3

1

1

1

2

2

2

2

1

1

1

1

2

2

2

2

4

1

1

1

2

2

2

2

2

2

2

2

1

1

1

1

5

1

2

2

1

1

2

2

1

1

2

2

1

1

2

2

6

1

2

2

1

1

2

2

2

2

1

1

2

2

1

1

7

1

2

2

2

2

1

1

1

1

2

2

2

2

1

1

8

1

2

2

2

2

1

1

2

2

1

1

1

1

2

2

9

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

10

2

1

2

1

2

1

2

2

1

2

1

2

1

2

1

11

2

1

2

2

1

2

1

1

2

1

2

2

1

2

1

12

2

1

2

2

1

2

1

2

1

2

1

1

2

1

2

13

2

2

1

1

2

2

1

1

2

2

1

1

2

2

1

14

2

2

1

1

2

2

1

2

1

1

2

2

1

1

2

15

2

2

1

2

1

1

2

1

2

2

1

2

1

1

2

16

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

Group 1

Group 2

Group 3

Group 4

         

XXIX. Táblázat

L16 ortogonális táblázat átalakítása 4 négyszintű faktor vizsgálatára

Az új négyszintű ortogonális táblázat a XXX. táblázatban látható.

Az ilyen négyszintű kísérleti tervvel megvizsgálhatjuk például egy gyártási folyamat eredményességét 4 gépkezelő, 4 különböző gép, 4 anyagféleség és 4 műveleti sorrend alkalmazása mellett. A b együtthatók azt fogják megmutatni, hogy a 4 tényező közül melyiknek van hatása a gyártási folyamat eredményességére. A faktorok 4-4 „szintjét” is megvizsgálhatjuk soronként, hogy melyiknél lettek az Y kísérleti eredmények a legjobbak.

XXX. táblázat

ortogonális táblázat négy négyszintű faktor vizsgálatára

Run

A

B

C

D

6

11

13

1

1

1

1

1

1

1

1

2

1

2

2

2

1

2

2

3

1

3

3

3

2

1

2

4

1

4

4

4

2

2

1

5

2

1

2

3

2

2

1

6

2

2

1

4

2

1

2

7

2

3

4

1

1

2

2

8

2

4

3

2

1

1

1

9

3

1

3

4

1

2

2

10

3

2

4

3

1

1

1

11

3

3

1

2

2

2

1

12

3

4

2

1

2

1

2

13

4

1

4

2

2

1

2

14

4

2

3

1

2

2

1

15

4

3

2

4

1

1

1

16

4

4

1

3

1

2

2

4.14.1. Egyszerűsítések

Ha több kétszintű faktort akarunk vizsgálni, mint amennyit egy L8 kísérleti terv lehetővé tesz, de kevesebbet, mint egy L16, akkor használhatunk egy L16 kísérleti tervet, amelynek egyes oszlopait nem használjuk fel. Célszerűen ne fő-hatás oszlopot hagyjunk ki a tervezésnél. Előzetes információk alapján a legfontosabbnak ítélt faktorok kerüljenek a fő-hatás oszlopokba. és a kevésbé fontosak a kereszthatás oszlopokba. Ugyanezt tehetjük háromszintű és négyszintű kísérleti terveknél is.

Ha több fontosnak ítélt faktor hatását akarjuk vizsgálni, mint amennyi fő-hatás az ortogonális táblázatban van, akkor kereszt-hatás oszlopba is tehetünk fontos hatást, de előzetes információk alapján olyat, amelyről feltételezhető, hogy nincs kölcsönhatásban azzal a két fő-hatással, amelynek kölcsönhatás oszlopába kerül.

5. fejezet - MATEMATIKAI STATISZTIKAI ÖSSZEFOGLALÓ

5.1. Alapfogalmak

5.1.1. A valószínűségi változó

A gyakorlatban előforduló kísérletek túlnyomó részében a kísérlet eredménye leírható egy numerikus értékkel, azaz valamilyen számmal. A kísérlet eredménye tehát egy esemény, amelyhez egy számértéket rendelünk. Ezt nevezik „elemi esemény”-nek. Mivel a kísérlet eredménye általában a kísérlet többszöri megismétlése után egy kicsit mindig más számérték lesz, a kísérlet eredményét „valószínűségi változó”-nak tekintjük.

5.1.2. Az eloszlásfüggvény és a sűrűségfüggvény

Ha a valószínűségi változókat a számegyenesen ábrázoljuk, a valószínűségeloszláshoz jutunk. A valószínűség eloszlás függvényét az alábbi módon definiálták:

F(x)=P(ξ<x)

ahol F(x)a ξ valószínűségi változó eloszlásfüggvénye

xa ξ valószínűségi változó egyik aktuális értéke a számegyenesen

P(ξ<x)annak a valószínűsége, hogy ξ kisebb mint x

A valószínűségeloszlás sűrűségfüggvénye a valószínűségeloszlás eloszlásfüggvényéből származtatható. A sűrűség értékek az eloszlásfüggvény valamilyen tetszőlegesen keskeny tartományába eső részének középértékei. Definiciója:

f(x)= F’(x)

A sűrűségfüggvény és az eloszlásfüggvény lehet folytonos és lehet diszkrét.

Folytonos eloszlásról beszélhetünk akkor, ha F(x) az x változó folytonos függvénye. Diszkrétnek nevezzük a ξ valószínűségi változót és annak eloszlását, ha ξ lehetséges értékei egy véges vagy végtelen x1, x2, … sorozatot alkotnak (5.1. ábra).

Eloszlásfüggvény
5.1. ábra - Eloszlásfüggvény


5.1.3. A normáleloszlás

A gyakorlati életben, a méréstechnikában és a kísérleti eredmények területén az egyik leggyakoribb és legnagyobb jelentőségű eloszlás a normális eloszlás.

Egy x valószínűségi változót normális eloszlásúnak nevezünk, ha sűrűségfüggvénye

ahol m valós szám és az eloszlás várható értékét (a

sűrűségfüggvény maximumhelyét) jelenti

σpozitiv konstans és az eloszlás szórásával egyenlő

A normál eloszlás jelölése:N(m, σ)

5.1.4. A standard normál eloszlás

A sandard normál eloszlás azt a normáleloszlást jelenti, amelynek várható értéke 0, és szórása 1.

A standard normál eloszlás sűrűségfüggvénye:

A standard normál eloszlás jelölése: N(0,1)

5.1.5. A χ2 eloszlás

n számú független, N(0,1) eloszlású valószínűségi változó négyzetösszegének eloszlását n-szabadságfokú χ2 eloszlásnak nevezzük.

Eloszlás függvénye:

χ2= ξ12 + ξ22 + ξ32 +…+ ξn2

5.1.6. A tapasztalati szórásnégyzet

A szórásnégyzet egy y változó saját középértékétől való négyzetes eltéréseinek középértéke. Jelölése s2, képlete:

ahols2a tapasztalati szórásnégyzet

na kísérleti adatok száma

n-1a szabadságfokok száma

5.1.7. A szabadságfok

A szabadságfokot gyakran f betűvel szokták jelölni. Azt jelenti, hogy egy kifejezés hány független információt tartalmaz. Ha például az s2 valószínűségi változó kiszámításánál n darab adatot használtunk fel, de ezekből már kiszámítottuk az adatok átlagát és az s2 kifejezésben az átlag is szerepel, akkor az s2 csak n-1 független adatot tartalmaz, ezért f=n-1

5.1.8. A szórás

A szórás a szórásnégyzet pozitív előjelű négyzetgyöke.

5.1.9. A Steiner-formula

5.2. Statisztikai próbák

5.2.1. Az u-próba

Az u-próba egy statisztikai minta (statisztikai sokaság) „m” várható értékének meghatározására szolgál. Akkor használhatjuk, ha valamilyen előzetes információ alapján tudjuk, hogy a sokaság normál eloszlású, ismerjük a szórás számszerű értékét, és az m várható értékére is van már egy „m0” becslésünk. Ennek a becslésnek a megerősítésére vagy megcáfolására szolgál az u-próba

A statisztikai próba 0-hipotézise:

m=m0

A próba statisztikája („próba-statisztika”):

ahol x1, x2, …, xna sokaságból vett n-elemű minta,

σ a számszerűen ismert szórás,

m0az m várható érték becslése

ua próba kísérleti értéke

és az n elemű mintából számolt átlag:

Ha helyes az m=m0 hipotézis, akkor az u valószínűségi változó standard normál eloszlású.

Ha most egy n konkrét numerikus értékből álló mintánk van, akkor ezekből u-ra egy numerikus értéket kapunk. Ezt az u-t összehasonlítjuk a standard normál eloszlás sűrűségfüggvényének táblázatából (XXXII. táblázat) vett up értékkel, és amennyiben teljesül, hogy

abban az esetben a 0-hipotézist elfogadjuk, azaz elfogadjuk, hogy m és m0 különbsége nem szignifikáns, nem lényeges, tehát elhanyagolható.

Az up értéket a táblázatból úgy határozzuk meg, hogy egy

0 < p <1

számhoz megkeressük azt az up-t, amelyre teljesül az alábbi reláció.

A p általában használatos értékei:

p=0,05 ; 0,01 ; 0,001

A műszaki gyakorlatban leggyakrabban a p=0,05 értéket szokták használni.

A p jelentése az, hogy ennyi a valószínűsége annak, hogy a null-hipotézis nem volt helyes. Ellenkező esetben 1-p annak a valószínűsége, hogy a null-hipotézist valóban helyes volt.

XXXI. táblázat és XXXII. táblázat

A standard normális eloszlás eloszlás- és sűrűségfüggvénye

x

x

x

x

x

0,00

0,3989

0,32

0,3790

0,64

0,3251

0,96

0,2516

1,28

0,1758

0,01

0,3989

0,33

0,3778

0,65

0,3230

0,97

0,2492

1,29

0,1736

0,02

0,3989

0,34

0,3765

0,66

0,3209

0,98

0,2468

1,30

0,1714

0,03

0,3988

0,35

0,3752

0,67

0,3187

0,99

0,2444

1,31

0,1691

0,04

0,3986

0,36

0,3739

0,68

0,3166

1,00

0,2420

1,32

0,1669

0,05

0,3984

0,37

0,3725

0,69

0,3144

1,01

0,2396

1,33

0,1647

0,06

0,3982

0,38

0,3712

0,70

0,3123

1,02

0,2371

1,34

0,1626

0,07

0,3980

0,39

0,3697

0,71

0,3101

1,03

0,2347

1,35

0,1604

0,08

0,3977

0,40

0,3683

0,72

0,3079

1,04

0,2323

1,36

0,1582

0,09

0,3973

0,41

0,3668

0,73

0,3056

1,05

0,2299

1,37

0,1561

0,10

0,3970

0,42

0,3653

0,74

0,3034

1,06

0,2275

1,38

0,1539

0,11

0,3965

0,43

0,3637

0,75

0,3011

1,07

0,2251

1,39

0,1518

0,12

0,3961

0,44

0,3621

0,76

0,2989

1,08

0,2227

1,40

0,1497

0,13

0,3956

0,45

0,3605

0,77

0,2966

1,09

0,2203

1,41

0,1476

0,14

0,3951

0,46

0,3589

0,78

0,2943

1,10

0,2179

1,42

0,1456

0,15

0,3945

0,47

0,3572

0,79

0,2920

1,11

0,2155

1,43

0,1435

0,16

0,3939

0,48

0,3555

0,80

0,2897

1,12

0,2131

1,44

0,1415

0,17

0,3932

0,49

0,3538

0,81

0,2874

1,13

0,2107

1,45

0,1394

0,18

0,3925

0,50

0,3521

0,82

0,2850

1,14

0,2083

1,46

0,1374

0,19

0,3918

0,51

0,3503

0,83

0,2827

1,15

0,2059

1,47

0,1354

0,20

0,3910

0,52

0,3485

0,84

0,2803

1,16

0,2036

1,48

0,1334

0,21

0,3902

0,53

0,3467

0,85

0,2780

1,17

0,2012

1,49

0,1315

0,22

0,3894

0,54

0,3448

0,86

0,2756

1,18

0,1989

1,50

0,1295

0,23

0,3885

0,55

0,3429

0,87

0,2732

1,19

0,1965

1,51

0,1276

0,24

0,3876

0,56

0,3410

0,88

0,2709

1,20

0,1942

1,52

0,1257

0,25

0,3867

0,57

0,3391

0,89

0,2685

1,21

0,1919

1,53

0,1238

0,26

0,3857

0,58

0,3372

0,90

0,2661

1,22

0,1895

1,54

0,1219

0,27

0,3847

0,59

0,3352

0,91

0,2637

1,23

0,1872

1,55

0,1200

0,28

0,3836

0,60

0,3332

0,92

0,2613

1,24

0,1849

1,56

0,1182

0,29

0,3825

0,61

0,3312

0,93

0,2589

1,25

0,1826

1,57

0,1163

0,30

0,3814

0,62

0,3292

0,94

0,2565

1,26

0,1804

1,58

0,1145

0,31

0,3802

0,63

0,3271

0,95

0,2541

1,27

0,1781

1,59

0,1127

5.2.2. A t-próba

A t-próba az u-próbához hasonlóan egy statisztikai minta „m” várható értékének meghatározására szolgál, ha valamilyen előzetes információ alapján tudjuk, hogy a sokaság normál eloszlású, és az m várható értékére is van már egy „m0” becslésünk, de nem ismerjük a szórás számszerű értékét. Ennek a becslésnek a megerősítésére vagy megcáfolására az u-próba alkalmazható.

A statisztikai próba 0-hipotézise:

m=m0

A próba-statisztika:

ahol x1, x2, …, xna sokaságból vett n-elemű minta,

s* az ismeretlen szórás,

m0az m várható érték becslése

ta próba kísérleti értéke

és az n elemű mintából számolt átlag:

A próba lebonyolítása egyszerű. Adott p-hez (általában p=0,05) a Student-eloszlás táblázatból (XXX. táblázat) meghatározható olyan tp, amelyre teljesül az alábbi egyenlőség:

Ha most a mintából számított konkrét t érték abszolút értéke nagyobb, mint tp, az m=m0 hipotézist elvetjük. Ellenkező esetben nincs ellentmondás a minta és a hipotézis között, ezért a null-hipotézist elfogadhatjuk.

A Student-próba alkalmazható olyan esetben is, amikor egy j-szer megismételt kísérlet egyik jellemzőjének szignifikáns voltát akarjuk ellenőrizni. Ekkor alkalmazhatjuk az alábbi képletet:

Itt a kísérlet j-szer megismételt jellemzőjének abszolút értéke,

s(bj)az adatok tapasztalati szórásnégyzetének négyzetgyöke

ta t-próba számított értéke

Szabadsági fokok száma

kritikus t-értékek

Szabadsági fokok száma

kritikus t-értékek

Szabadsági fokok száma

kritikust-értékek

1

12,71

11

2,201

21

2,080

2

4,303

12

2,179

22

2,074

3

3,182

13

2,160

23

2,069

4

2,776

14

2,145

24

2,064

5

2,571

15

1,131

25

2,060

6

2,447

16

2,120

26

2,056

7

2,365

17

2,110

27

2,052

8

2,306

18

2,101

28

2,048

9

2,262

19

2,093

29

2,045

10

2,228

20

2,086

30

2,042

1,960

XXXIII. táblázat

A Student-féle t-eloszlás táblázat

A t-próba számított értékét össze kell hasonlítani a Student táblázatból valamilyen (pl. 5%) szignifikancia szinten „f= j-1” szabadságfokkal vett tp értékkel.

Ha most a mintából számított konkrét t érték abszolút értéke nagyobb, mint tp, akkor elvetjük a null-hipotézist, vagyis azt, hogy a konkrét bj nem szignifikáns.

.

5.2.3. Az F-próba

A Fischer-féle F-próba két szórásnégyzet nagyságának összehasonlítására szolgál normál eloszlások esetén.

Az F-próba a nagyobb szórásnégyzetnek a kisebbel való osztása alapján képezett hányadosra épül. A kapott mennyiség összevethető az F-próba táblázati értékével (XXXIV. táblázat). Ha a szórásnégyzetek hányadosára kapott F érték nagyobb a megfelelő szabadsági fokokhoz és a választott szignifikanciaszinthez tarozó táblázati értéknél, ez azt jelenti, hogy a szórásnégyzetek szignifikánsan különböznek egymástól, vagyis különbségük ellentmond annak a feltevésnek (nullhipotézisnek), hogy a szórásnégyzetek megegyeznek.

A próba elvégzéséhez meg kell határozni az F számot, a két szórás hányadosát. Ezt nevezik próba-statisztikának.

ahols12a nagyobbik tapasztalati szórásnégyzet

s22a kisebbik tapasztalati szórásnégyzet

Fa tapasztalati F érték

XXXIV. táblázat

Az F-próba táblázat

A Fisher-féle F-próba 5%-os szignifikanciaszinthez tartozó kritikus értékei

f2

f1

1

2

3

4

5

6

12

24

1

164,4

199,5

215,7

224,6

230,2

234,0

244,9

249,0

254,3

2

18,5

19,2

19,2

19,3

19,3

19,3

19,4

19,4

19,5

3

10,1

9,6

9,3

9,1

9,0

8,9

8,7

8,6

8,5

4

7,7

6,9

6,6

6,4

6,3

6,2

5,9

5,8

5,6

5

6,6

5,8

5,4

5,2

5,1

5,0

4,7

4,5

4,4

6

6,0

5,1

4,8

4,5

4,4

4,3

4,0

3,8

3,7

7

5,5

4,7

4,4

4,1

4,0

3,9

3,6

3,4

3,2

8

5,3

4,5

4,1

3,8

3,7

3,6

3,3

3,1

2,9

9

5,1

4,3

3,9

3,6

3,5

3,4

3,1

2,9

2,7

10

5,0

4,1

3,7

3,5

3,3

3,2

2,9

2,7

2,5

11

4,8

4,0

3,6

3,4

3,2

3,1

2,8

2,6

2,4

12

4,8

3,9

3,5

3,3

3,1

3,0

2,7

2,5

2,3

13

4,7

3,8

3,4

3,2

3,0

2,9

2,6

2,4

2,2

14

4,6

3,7

3,3

3,1

3,0

2,9

2,5

2,3

2,1

15

4,5

3,7

3,3

3,1

2,9

2,8

2,5

2,3

2,1

16

4,5

3,6

3,2

3,0

2,9

2,7

2,4

2,2

2,0

17

4,5

3,6

3,2

3,0

2,8

2,7

2,4

2,2

2,0

18

4,4

3,6

3,2

2,9

2,8

2,7

2,3

2,1

1,9

19

4,4

3,5

3,1

2,9

2,7

2,6

2,3

2,1

1,9

20

4,4

3,5

3,1

2,9

2,7

2,6

2,3

2,1

1,8

22

4,3

3,4

3,1

2,8

2,7

2,6

2,2

2,0

1,8

24

4,3

3,4

3,0

2,8

2,6

2,5

2,2

2,0

1,7

26

4,2

3,4

3,0

2,7

2,6

2,5

2,2

2,0

1,7

28

4,2

3,3

3,0

2,7

2,6

2,4

2,1

1,9

1,7

30

4,2

3,3

2,9

2,7

2,5

2,4

2,1

1,9

1,6

40

4,1

3,2

2,9

2,6

2,5

2,3

2,0

1,8

1,5

60

4,0

3,2

2,8

2,5

2,4

2,3

1,9

1,7

1,4

120

3,9

3,1

2,7

2,5

2,3

2,2

1,8

1,6

1,3

3,8

3,0

2,6

2,4

2,2

2,1

1,8

1,5

1,0

A táblázat szerkezete a következő. Az oszlopok a számlálóra, a sorok a nevezőre vonatkozóan meghatározott szabadsági fokokkal kapcsolatosak (f1 illetve f2). A megfelelő sorok és oszlopok metszésénél állnak az F-próba kritikus értékei.

A kísérlet tervezési gyakorlatban általában 5%-os szignifikanciaszinten (p=0,05) szokták a számításokat elvégezni, vagyis a becsléseket meghatározni. Ezért a megadott F-táblázat 5%-os szignifikanciaszinten adja meg a kritikus F értékeket és csak annyi szabadságfokra, amennyi a kísérletek megtervezéséhez általában szükséges. Ha ettől eltérő szignifikanciaszinten, vagy több szabadságfokkal akarjuk az F-próbát elvégezni, az [1, 2] ajánlott irodalmat lehet alkalmazni.

5.2.4. A Cochran-próba

A Cochran-próba több szórásnégyzet egyformaságának vizsgálatra szolgál. Ha az összehasonlítandó szórásnégyzetek száma nagyobb kettőnél, és az egyik szórásnégyzet lényegesen meghaladja a többit, akkor normál eloszlás esetén a Cochran-próba alkalmazható. Ez a próba azokra az esetekre vonatkozóan megfelelő, amikor az összes pontban azonos számú (mégpedig n számú) párhuzamos kísérleti beállítás van. Ekkor kiszámítandó az alábbi próba-statisztika:

aholGa Cochran-próba kísérleti értéke

smax2 az összehasonlítandó összes szórásnégyzetek közül a legnagyobbik

si2az összes szórásnégyzet

Naz összehasonlítandó szórásnégyzetek száma

Ha a kísérletek alapján meghatározott G érték nem haladja meg a Cohran-próba táblázatban megadott kritikus értéket (XXXV. táblázat), akkor elfogadhatjuk a null-hipotézist, vagyis azt, hogy a szórásnégyzetek közt nincs szignifikáns eltérés.

A táblázat szerkezete az F táblázathoz hasonló: az oszlopok a számlálóra, a sorok a nevezőre vonatkozóan meghatározott szabadsági fokokkal kapcsolatosak (f1 illetve f2). A megfelelő sorok és oszlopok metszésénél állnak a Cochran-próba kritikus értékei.

A Cochran-próba . 5%-os szignifikanciahatárok a G=, statisztikához, ahol s1,s2,…, sk mindegyike f szabadságfokú szórásbecslés.

XXXV. táblázat

1

2

3

4

5

6

7

2

0,9985

0,9750

0,9392

0,9057

0,8772

0,8534

0,8332

3

9669

8709

7977

7457

7071

6771

6530

4

9065

7679

6841

6287

5895

5598

5365

5

0,8412

0,6838

0,5981

0,5440

0,5063

0,4783

0,4564

6

7808

6161

5321

4803

4447

4184

3980

7

7271

5612

4800

4307

3974

3726

3535

8

0,6798

0,5157

0,4377

0,3910

0,3595

0,3362

0,3185

9

6385

4775

4027

3584

3286

3067

2901

10

6020

4450

3733

3311

3029

2823

2666

12

0,5410

0,3924

0,3264

0,2880

0,2624

0,2439

0,2299

15

4709

3346

2758

2419

2195

2034

1911

20

3894

2705

2205

1921

1735

1602

1501

24

0,3434

0,2354

0,1907

0,1656

0,1493

0,1374

0,1286

30

2929

1980

1593

1377

1237

1137

1061

40

2370

1576

1259

1082

0968

0887

0827

60

0,1737

0,1131

0,0895

0,0765

0,0682

0,0623

0,0583

120

0998

0632

0495

0419

0371

0337

0312

0000

0000

0000

0000

0000

0000

0000

8

9

10

16

36

144

2

0,8159

0,8010

0,7880

0,7341

0,6602

0,5813

0,5000

3

6333

6167

625

5466

4748

4031

3333

4

5175

5017

4884

4366

3720

3093

2500

5

0,4387

0,4241

0,4118

0,3645

0,3066

0,2513

0,2000

6

3817

3682

3568

3135

2612

2119

1667

7

3384

3259

3154

2756

2278

1833

1429

8

0,3043

0,2926

0,2829

0,2462

0,2022

0,1616

0,1250

9

2768

2659

2568

2226

1820

1446

1111

10

2541

2439

2353

2032

1655

1308

1000

12

0,2187

0,2098

0,2020

0,1737

0,1403

0,1100

0,0833

15

1815

1736

1671

1429

1144

0889

0667

20

1422

1357

1303

1108

0879

0675

0500

24

0,1216

0,1160

0,1113

0,0942

0,0743

0,0567

0,0417

30

1002

0958

0921

0771

0604

0457

0333

40

0780

0745

0713

0595

0462

0347

0250

60

0,0552

0,0520

0,0497

0,0411

0,0316

0,0234

0,0167

120

0292

0279

0266

0218

0165

0120

0083

0000

0000

0000

0000

0000

0000

0000

  1. A normalitás vizsgálata

Ha a valószínűségi változó, amellyel dolgozunk, sok kisebb, függetlenül ható tényező befolyása alatt áll, akkor indokolt a normális eloszlás feltételezése, és nem szükséges statisztikai próbával vizsgálni a normalitást. Ha azonban nem vagyunk biztosak abban, hogy az eloszlásunk valóban normál eloszlás, χ2-próbát kell végeznünk.

5.2.5. χ2-próba, illeszkedés vizsgálat

Ha a kérdéses statisztikai függvény χ2-eloszlású, vagy legalábbis a mintanagyság minden határon túli növelésekor aszimptotikusan χ2-eloszlású, akkor a statisztikai próbát χ2-próbának nevezzük. A χ2-próbával ellenőrizhetjük egy ξ valószínűségi változó eloszlására tett hipotézisünket. Mivel most nem csupán egy általunk ismert eloszlás paramétereire tett hipotézis, hanem a ξ valószínűségi változó egész valószínűségeloszlására tett hipotézis ellenőrzéséről van szó, a megfelelő próbát illeszkedésvizsgálatnak nevezzük. Ha ezt a hipotetikus eloszlást teljesen megadjuk, akkor tiszta illeszkedésvizsgálatról, ha pedig csak az eloszlás típusát tekintjük ismertnek, és a benne levő paramétereket a mintából becsüljük, akkor becsléses illeszkedésvizsgálatról beszélünk.

A χ2-próba alkalmazásának feltétele a nagy (minimálisan 10 elemű) mintaelem-szám.

A χ2-próbával az illeszkedésvizsgálaton kívül még két további vizsgálatot végezhetünk. Tehát tulajdonképpen a χ2-próbával (kisebb módszerbeli különbségekkel) négy különböző vizsgálat végezhető:

  1. Tiszta illeszkedés vizsgálat – az eloszlás típusának és paramétereinek meghatározása

  2. Becsléses illeszkedésvizsgálat – ismertnek tekintett eloszlás paramétereinek meghatározása

  3. Adott valószínűségi változók függetlenségének vizsgálata

  4. Adott valószínűségi változók azonos eloszláshoz tartozásának vizsgálata

A továbbiakban azt a χ2-próbát ismertetjük, amikor adott valószínűségi változók azonos valószínűségeloszláshoz tartozását vizsgáljuk.

A következő próba-statisztika konstruálható:

ahol N az Ai megfigyelések száma, amelyek közül A1 esemény γ1-szer,

A2 esemény γ2-ször, …, Ar esemény γr-szer következik be. (Az Ai

egymást kizáró események teljes eseményrendszere, tehát az Aí események valószínűségének összege 1.)

γiaz Ai események gyakorisága. A vizsgálat elvégzésénél törekedni kell arra, hogy minden γi értéke legalább 10 legyen. A γi értékekrenézve fennáll, hogy

piaz Ai események valószínűsége

Ha a χ2 értéket az adatainkból kiszámoljuk, akkor a kísérleti χ2 értékhez jutunk. Ha a kísérleti χ2 érték a χ2 táblázatban (XXXVI. táblázat) található kritikus értéket nem haladja meg, akkor elfogadhatjuk a null-hipotézist, vagyis azt, hogy az A1, A2, … Ar események valószínűsége normál eloszlású, és szórásnégyzeteik megegyeznek.

A táblázatban a szabadságfokok száma

f=N-1

XXXVII. táblázat

A χ2 eloszlás táblázata

f

χ2

f

χ2

f

χ2

f

χ2

f

χ2

1

3,841

21

32,671

41

56,942

61

80,232

81

103,010

2

5,991

22

33,924

42

58,124

62

81,381

82

104,139

3

7,815

23

35,172

43

59,304

63

82,529

83

105,267

4

9,488

24

36,415

44

60,481

64

83,675

84

106,395

5

11,070

25

37,652

45

61,656

65

84,821

85

107,522

6

12,592

26

38,885

46

62,830

66

85,965

86

108,648

7

14,067

27

40,113

47

64,001

67

87,108

87

109,773

8

15,507

28

41,337

48

65,171

68

88,250

88

110,898

9

16,919

29

42,557

49

66,339

69

89,391

89

112,022

10

18,307

30

43,773

50

67,505

70

90,531

90

113,145

11

19,675

31

44,985

51

68,669

71

91,670

91

114,268

12

21,026

32

46,194

52

69,832

72

92,808

92

115,390

13

22,362

33

47,400

53

70,993

73

93,945

93

116,511

14

23,685

34

48,602

54

72,153

74

95,081

94

117,632

15

24,996

35

49,802

55

73,311

75

96,217

95

118,752

16

26,296

36

50,998

56

74,468

76

97,351

96

119,871

17

27,587

37

52,192

57

75,624

77

98,484

97

120,990

18

28,869

38

53,384

58

76,778

78

99,617

98

122,108

19

30,144

39

54,572

59

77,931

79

100,749

99

123,225

20

31,410

40

55,758

60

79,082

80

101,879

100

124,342

5.3. Randomizálás

A kísérletek lebonyolítása több napot, esetleg több hetet vehet igénybe. Ezalatt a kísérlet körülményei fokozatosan vagy hirtelen megváltozhatnak (időjárás változás, mérőszemély cseréje, gyártó berendezés kopása, stb.), és ezáltal szisztematikus, de ismeretlen mértékű hibák adódhatnak a kísérleti eredményhez. Ezeknek a hibáknak a hatását úgy lehet kiszűrni, hogy a kísérletek sorrendjét összekeverjük, véletlenszerű sorrendbe állítjuk őket. Arra kell törekedni, hogy egyik lényeges faktor összes azonos beállítása ne történjen egymáshoz közeli időpontokban. Ezt az eljárást nevezik „randomizálás”-nak.

A randomizálást a véletlen számok táblázata alapján kell elvégezni (XXXVIII. táblázat). Ha pl. egy 16 kísérletből álló sorozatot akarunk randomizálni, akkor először a megtervezés sorrendjében sorszámmal látunk el minden kísérletet. Ezután a véletlen számok táblázatában véletlenszerűen kiválasztunk egy 16 alatti számot, mint kezdőértéket. Majd innen elindulva sorban kiírjuk a 16-nál kisebb számokat, olyan sorrendben, ahogyan rájuk találunk, figyelmen kívül hagyva a 16-nál nagyobb, és a már kiírt számokat. Az így kapott számsor lesz a kísérletek elvégzésének sorrendje. A kísérleti beállítások véletlenszerűen megválasztott sorozatát ezután már nem szabad megváltoztatni.

XXXVIII. táblázat

A véletlen számok táblázata

56

66

25

32

38

64

70

26

27

67

77

40

04

34

63

98

99

89

31

16

12

90

50

28

96

88

40

52

02

29

82

69

34

50

21

74

00

91

27

52

98

72

03

45

65

30

89

71

45

91

87

63

88

23

62

51

07

69

59

02

89

49

14

98

53

41

92

36

07

76

85

37

84

37

47

32

25

21

15

08

82

34

57

57

35

22

03

33

48

84

37

37

29

38

37

89

76

25

09

69

44

61

88

23

13

01

59

47

64

04

99

59

96

20

30

87

31

33

69

45

58

48

00

83

48

94

44

08

67

79

41

61

41

15

60

11

88

83

24

82

24

07

78

61

89

42

58

88

22

16

13

24

40

09

00

65

46

38

61

12

90

62

41

11

59

85

18

42

61

29

88

76

04

21

80

78

27

84

05

99

85

75

67

80

05

57

05

71

70

21

31

99

99

06

96

53

99

25

13

63

42

39

30

02

34

99

46

68

45

15

19

74

15

50

17

44

80

13

86

38

40

45

82

13

44

04

52

43

96

38

13

83

80

72

34

20

84

56

19

49

59

14

85

42

99

71

16

34

33

79

82

85

77

30

16

69

32

46

46

30

84

20

68

72

98

94

62

63

59

44

00

89

06

15

87

38

48

84

88

24

55

46

48

60

06

90

08

83

83

98

40

90

88

25

26

85

74

55

80

85

91

19

05

68

22

58

04

63

21

16

23

38

25

43

32

98

94

65

35

35

16

91

07

12

43

54

81

87

21

31

40

46

17

62

63

99

71

14

12

64

51

68

50

60

78

22

69

51

98

37

65

43

75

12

91

20

36

25

57

92

33

65

95

48

75

00

06

65

25

90

16

29

34

14

43

49

98

71

31

80

59

57

32

43

07

85

06

64

75

27

29

17

06

11

30

68

70

97

87

21

03

98

68

89

39

71

87

32

14

99

42

10

25

37

30

08

27

75

43

97

54

20

69

93

50

56

04

21

34

92

89

81

52

15

12

84

11

12

66

87

47

21

06

86

08

35

39

52

28

09

48

09

36

95

36

20

82

53

32

89

92

68

50

88

17

37

92

02

23

43

63

24

69

80

91

23

97

10

96

57

74

07

95

26

44

93

08

43

30

41

86

45

74

33

78

84

33

38

76

73

43

97

55

45

98

35

69

45

96

80

46

26

39

96

33

60

20

73

30

79

17

19

03

47

28

40

05

08

50

79

89

58

19

86

48

27

98

99

24

08

94

19

15

81

29

82

14

35

88

03

66

97

10

69

02

25

36

43

71

76

00

67

56

12

69

07

89

55

63

31

50

72

20

33

36

15

62

38

72

92

03

76

09

30

75

77

80

04

24

54

67

60

10

79

26

21

60

03

48

14

77

81

15

14

67

55

24

22

20

55

36

93

67

69

37

72

22

43

46

32

56

15

75

25

12

18

87

05

09

96

45

14

72

41

46

12

67

46

72

02

59

06

17

49

12

73

28

23

52

48

08

58

53

63

66

13

07

04

48

41

39

07

46

96

40

20

86

79

11

81

74

11

15

23

17

16

07

79

57

61

42

19

68

15

12

60

21

59

12

07

04

99

88

22

39

75

16

69

13

84

5.4. A durva hiba kiszűrése

Minden kísérletsorozat vagy méréssorozat során előfordulhatnak olyan események, amelyek következtében a kísérlet vagy a mérés eredménye egészen biztosan hibás lesz (pl. áramkimaradás, mérőműszer meghibásodása, stb.). Ha ezt az eseményt a kísérlet közben észrevesszük, a hibás eredményt azonnal ki kell hagyni az eredmények közül. Megeshet azonban az is, hogy a hibát nem észleljük azonnal, csak később, a mérések kiértékelése során kezdünk el gyanakodni, hogy valamely kiugró kísérleti eredményt vagy az átlagtól erősen eltérő mérési eredményt nem valami durva hiba okozhatott-e. Ilyenkor nagy valószínűséggel kiszűrhetjük a durva hibát az alábbi statisztikai becslés alapján. Ilyen számítás elvégzése nélkül azonban egyetlen kísérleti vagy mérési eredményt sem szabad kihagyni a további számításokból!

ahol ya „gyanús” kísérleti eredmény

a többi eredmény átlaga, a kiugró eredményt figyelmen kívül hagyva.

sa többi eredmény szórásnégyzetének pozitív négyzetgyöke, a kiugró

eredményt figyelmen kívül hagyva

A durva hiba kiszűrésére szolgáló táblázat (XXXIX. táblázat) 5% szignifikancia szinten megadja azokat a határszámokat, amelyeknél ha nagyobb az adatokból számolt „v” érték, akkor elvetjük azt a null-hipotézist, hogy a gyanús érték nem tér el szignifikánsan a többi értéktől. Ez esetben a gyanús értéket nem szabad figyelmen kívül hagyni.

XXXIX. táblázat

A durva hiba kiszűrése

n

szignifikanciahatár

n

szignifikanciahatár

3

46,7

15

3,71

4

10,1

20

3,60

5

6,51

25

3,56

6

5,31

30

3,54

7

4,73

35

3,53

8

4,40

40

3,53

9

4,18

45

3,53

10

4,04

50

3,54

6. fejezet - Szórás analízis (ANOVA analízis)

A szórás analízis olyan esetekben hasznos módszer, amikor egy valószínűségi változó adathalmaza több csoportból áll, és meg akarjuk állapítani, hogy a csoportok mind azonos adathalmaz részei, vagy valamely faktor hatása miatt különböznek egymástól.

A szórásanalízisben tehát az a kérdés, hogy valamely faktor, mint a vizsgált valószínűségi változó értékének kialakításában szerepet játszó tényező, lényeges-e vagy sem, létezik-e egyáltalán hatása, vagy sem.

A kérdést több féle képen is el lehet dönteni, például megvizsgáljuk, hogy az egyes csoportok átlaga (a várható értékük) azonos-e (t-próbával), vagy azt, hogy szórásuk azonos-e (F-próbával, vagy Cochran-próbával). De erre a feladatra a leghatékonyabb módszer a szórások vizsgálata szórás analízissel.

Minthogy a szórást és az átlagot normál eloszlás esetére definiálták, a szórás analízis is kizárólag normál eloszlás esetén alkalmazható. További előfeltétele a szórás analízis alkalmazásának az, hogy a vizsgált valószínűségi változók azonos szórásúak legyenek.

6.1. A Fischer–Cochran-tétel

6.1.1. A Fischer-Cochran addiciós tétel

Ha Q1, Q2, …, Qk független, rendre f1, f2, …, fk szabadsági fokú χ2 eloszlású valószínűségi változó, akkor a

Q = Q1 + Q2 + … + Qk

összeg ugyancsak χ2 eloszlású változó f1 + f2 +, …, + fk szabadsági fokkal (paraméterrel).

6.1.2. A Fischer-Cochran particiós tétel

Bontsuk fel „f” darab független, χ2 eloszlású valószínűségi változó Q négyzetösszegét „k” számú kifejezés összegére:

Q = Q1 + Q2 + Q3 + … Qi + … + Qk

Ekkor annak a szükséges és elegendő feltétele, hogy a Qi-k függetlenek és mind χ2 eloszlásúak legyenek, rendre fi paraméterrel az, hogy fennálljon:

n = f1 + f2 + f3 + … fi + … + fk

6.2. Az osztályozás (csoportosítás)

A szórásanalízis lehet egyszeres és többszörös osztályozás. Ez azt jelenti, hogy vagy azt vizsgáljuk, hogy egyetlen faktornak van-e a teljes adathalmaz részeire hatása, vagy ugyanezt több faktorra vizsgáljuk egyidejűleg. Ennek megfelelően beszélhetünk egyszeres, kétszeres vagy háromszoros osztályozásról. Ennél több faktor hatását nem szokás egyszerre vizsgálni.

Az egyes adatok lehetnek egyszerű számok (paraméterek) és lehetnek maguk is valószínűségi eloszlással rendelkező véletlen eloszlások. Így beszélhetünk a szórásanalízis parametrikus eljárásáról vagy valószínűségi eljárásáról.

6.2.1. Az egyszeres osztályozás parametrikus modellje

A parametrikus modell a következő:

xti = A + Bt + zti

aholxtia megfigyelt értékek

t = 1…ka faktor szintek sorszáma

i = 1…ntaz egyes megfigyelések sorszáma

Aa teljes sokaság várható értéke

és

továbbá N az összes megfigyelés száma:

Btaz egyes csoportok várható értékének eltérése a teljes átlagtól

Gt = A + Bta csoportátlag várható értéke

ztiaz egyes adatok eltérése a csoportátlagtól:

A zti reziduál (vagy reziduális eltérés) az adatok véletlen hibáját testesíti meg.

Mindezt a 6.1. ábra szemlélteti:

Az adatok véletlen hibája
6.1. ábra - Az adatok véletlen hibája


Egyszeres osztályozásnál az adatokat a XL.táblázat szerint szokás megadni.

XL. táblázat

Adatok elrendezése egyszeres osztályozáshoz

Hatások

Összes adat

t=1…k

Ismétlések

i=1…n

x11

x12

x13

x1, n

x21

x22

x23

x2,n

xk1

xk2

xk3

Átlagok

Teljes átlag

  

Feltételezések:

  • zti értékei kölcsönösen függetlenek

  • M(zti) = 0

  • s(zti)2 bármely csoporton belül azonos

  • zti(0,s) azaz standard normál eloszlású (a hibák véletlen hibák)

  • Linearitási feltétel:

  • és végül

Részletezve az összefüggéseket, a csoport átlagok:

A csoportokon belüli átlagok:

A reziduál átlaga:

A reziduál M várható értéke:

Ezekkel a jelölésekkel

6.2.2. A szórásanalízis hipotézis vizsgálata

Nullhipotézis: B1 = B2 = … Bt = 0

Ellenhipotézis:Bt ≠ 0

Az előzőek szerint:

Az egyes adatok eltérése a teljes átlagtól:

A csoportátlagok eltérése a teljes átlagtól:

Az egyes adatok eltérése a csoport átlagtól:

Ezekre pedig fenn áll az alábbi összefüggés:

Ahol

Ezekből képezzük a eltérés négyzetösszegeket:

A teljes eltérés-négyzetösszeg:

A csoportok közötti eltérés-négyzetösszeg:

A csoportokon belüli (maradék vagy reziduális) eltérés-négyzetösszeg:

És ezekre fenn áll az alábbi összefüggés:

Q = Q1 + Qe

Most meghatározzuk, hogy a minket érdeklő jel (a csoport-hatás, azaz az oszlopok közötti eltérés) szignifikánsan kiemelkedik-e a zajból (azaz a csoportokon belüli ingadozásból). Ehhez a szórásokat F-próbával fogjuk összehasonlítani.

A szórást az eltérés négyzetösszegből képezhetjük: az eltérés négyzetösszeget osztani kell a szabadságfokok számával.

A csoportok közötti eltérés négyzet összeg szabadságfoka k-1, mert k csoport van, és a csoport átlagok képzéséhez 1 szabadságfokot felhasználtunk.

A csoporton belüli négyzetösszegek szabadságfoka N-k, mert az összes N adatból k csoport átlagot képeztünk, tehát k szabadságfokot használtunk fel.

A totál négyzetösszeg szabadságfoka N-1, mert N adatból képeztük és az N adat átlagához 1 szabadság fokot használtunk fel.

A számítás áttekintéséhez az adatokat ANOVA táblában szokták összefoglalni.

6.2.3. Az egyszeres osztályozás ANOVA táblája

Az ANOVA (Analysis of Variances) tábla segít eldönteni, hogy valamely hatás befolyásolja-e a kísérleti eredményt, vagy sem. Az összes mérési adatot a vizsgált hatás különböző szintjei szerint csoportosítjuk, és ha ezek között a csoportok között szignifikáns eltérés van, azt csak a vizsgált hatás okozhatja. A mérési adatoknak egy-egy csoporton belüli ingadozását viszont csakis a véletlen hiba okozhatja. Meg kell határozni, hogy a jel nagyobb-e a zajnál, azaz a csoport-hatás nagyobb-e a véletlen hibánál. Vagyis az a kérdés, hogy a csoportok közötti ingadozás (a csoport-átlagok szórása) szignifikánsan nagyobb-e a csoporton belüli adatok ingadozásánál (a csoportokon belüli szórások átlagánál). Ezt a kérdést egy F-próbával dönthetjük el.

Az egyszeres osztályozás ANOVA táblája a XLI. táblázatban látható.

XLI. táblázat

Az egyszeres osztályozás ANOVA táblája

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Szórásnégyzet

Csoportok közötti eltérés

Q1

k-1

(s1)2 = Q1/(k-1)

Csoportokon belüli eltérés (Residuál)

Qe

N-k

(se)2 = Qe/(N-k)

Total

Q

N-1

Fszám = (s1)2 / (se)2

Az Fszám értéket összehasonlítjuk az F-táblázatban található Fkrit értékkel, és ha Fszám> Fkrit, akkor a csoporthatás szignifikáns, ellenkező esetben nem.

A műszaki gyakorlatban 95% szignifikancia szinten (p=0,05) szokás a próbát elvégezni.

6.2.4. A kétszeres keresztosztályozás parametrikus modellje

A kétszeres osztályozás két hatás együttes vizsgálatát teszi lehetővé. (Az együttes vizsgálatot jelzi a „keresztosztályozás” kifejezés.) Eljárhatnánk úgy is, hogy két független egyszeres osztályozást végzünk, azaz először az egyik hatás szignifikanciáját vizsgáljuk meg, azután a másikét. Ekkor azonban egyszerre csak az egyik hatás szórását vennénk figyelembe, és így nagyobbnak tűnne a véletlen hiba, mint valójában, mert a másik hatás okozta szórást is bele számolnánk.

Kétszeres osztályozásnál lehetőség van a kereszt-hatás vizsgálatára is, amennyiben a cellákon belül több adat – minimum két adat – van.

Kétszeres keresztosztályozásnál az adatokat a XLII. táblázat szerint szokás elrendezni.

XLII. táblázat

Kétszeres keresztosztályozás adatainak elrendezése

Oszlop hatások i=1…c

Sor

átlagok

Sor hatások

t=1…r

xtij

j=1…n

Oszlop átlagok

Teljes átlag

Az elrendezésnek megfelelően az egyik hatást sor-hatásnak (Row), a másikat oszlop-hatásnak (Column) nevezik. A sorok és oszlopok keresztezésénél vannak a cellák. A cellákban lévő adatok azonos sorok azonos oszlopa szerint végzett ismételt mérési adatok, tehát ingadozásukat (szórásukat) csak a véletlen okozhatja. Ezért a cellák szórásának átlaga a véletlen hatást tartalmazza.

A kétszeres kereszt osztályozás parametrikus modellje az alábbi:

xtij = A + Rt + Ci + (RC)ti + ztij

t=1…rta sorok száma

i=1…craz oszlopok száma

j=1…nn a cellák száma

A cellák átlaga:

A sorok átlaga:

Az oszlopok átlaga:

A sorok közötti eltérés négyzetösszeg (sor-hatás):

Az oszlopok közötti eltérés négyzetösszeg (oszlop-hatás):

A cellák közötti eltérés négyzetösszeg (kereszt-hatás vagy kölcsön-hatás):

A cellán belüli („maradék” vagy „reziduális”) négyzetösszeg:

A teljes eltérés négyzetösszeg:

A teljes eltérés négyzetösszegre pedig fennáll, hogy:

Q = Qr + Qc + Qrc + Qe

A véletlen (másképpen „maradék”, „reziduális”) eltérés négyzetösszegének meghatározásához elegendő a másik négy eltérés négyzetösszeget kiszámolni, mert ezekből a reziduál meghatározható:

Qe = Q – Qr – Qc - Qrc

6.2.5. .A kétszeres keresztosztályozás ANOVA táblája

A fenti kifejezésekkel a kétszeres keresztosztályozás ANOVA táblája a XLIII. táblázatban látható.

XLIII. táblázat

A kétszeres keresztosztályozás ANOVA táblája

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Négyzetes közép

Sor-hatás

Qr

r - 1

Qr / ( r – 1 )

Oszlop-hatás

Qc

c - 1

Qc / ( c – 1 )

Kereszt-hatás

Qrc

( r – 1 ) ( c – 1 )

Qrc / ( r – 1 ) ( c – 1 )

Reziduál

Qe

rcn - rc

Qe / ( rcn – rc )

Teljes

Q

rcn - 1

Q / ( rcn – 1 )

Az eltérés négyzetösszegek összege megegyezik a Teljes eltérés-négyzetösszeggel, és a szabadságfokok összege megegyezik a Teljes szabadságfok-számmal.

Minden egyes hatás szignifikanciáját külön F-próbával kell ellenőrizni, mindig a reziduális eltérés négyzetösszeghez képest.

Célszerű először megvizsgálni, hogy van-e kereszthatás. Ha nincs, a kereszthatást (a cellák közötti eltérés-négyzetösszeget) hozzá adjuk a véletlen hatáshoz (a cellákon belüli eltérés négyzetösszeghez), és most már csak a sor- és oszlop-hatást vizsgáljuk a véletlenhez képest.

7. fejezet - KIDOLGOZOTT PÉLDÁK

7.1. Feladat

Szórásanalízis, egyszeres osztályozás

Kidolgozta: Pintér Ádám, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Szakítószilárdság mérést végzünk négy különböző  (A, B, C és D) anyagon. Minden mérést 4-szer ismétlünk meg, de utólag kiderült, hogy az egyik mérési adatot a mérés  közben beállt műszerhiba miatt nem vehetjük figyelembe.

A N/mm2-ben mért mérési adatok az alábbiak:

mérés

A anyag

B anyag

C anyag

D anyag

1

23,014

23,121

23,085

25,415

2

21,508

23,802

24,445

25,809

3

23,766

22,690

23,802

25,666

4

-

22,548

24,161

24,958

Szórás analízis segítségével határozza meg, hogy

1.     Van-e szignifikáns különbség az A, B, C és D anyag szakító szilárdsága között?

2.     Ha van, melyik a legerősebb?

3.     Adjon becslést a mérés hibájára!

A megoldás menete:

1.)

Bemenő adatok:

Szakító szilárdság mérési eredmények σm [N/mm2] (xti)

Megjegyzés

mérés (i)

A anyag

B anyag

C anyag

D anyag

1

23,014

23,121

23,085

25,415

egy mérés hibás volt, ezt elhagytuk

2

21,508

23,802

24,445

25,809

 

3

23,766

22,690

23,802

25,666

 

4

 

22,548

24,161

24,958

 

Származtatott adatok (az ismert, témakörhöz tartozó elemi képletekkel):

at

22,763

23,040

23,873

25,462

csoport átlag

s*

1,150

0,563

0,588

0,373

korrigált tapasztalati szórás

A

23,853

a teljes átlag

k

4

a csoportok száma

N

15

a teljes mérésszám

Végzünk egy előzetes F-próbát, hogy megállapítsuk, a csoportok szórása megegyezik-e. Ezt a legrosszabb esetre nézve (A és D csoport szórása tér el leginkább egymástól ránézésre) azt az eredményt kapjuk, hogy adott, 5%-os szignifikancia szinten a szórások megegyeznek.

Előzetes F-próba a legrosszabb esetre (A-D csoport): F-szám 9,5 ; Fkrit: 19,2 tehát OK!

Ezek után elkezdjük kiszámolni az ANOVA-tábla kitöltéséhez szükséges értékeket:

xti-A

-0,839

-0,732

-0,768

1,562

mérések teljes átlagtól való eltérései

-2,345

-0,051

0,592

1,956

-0,087

-1,163

-0,051

1,813

 

-1,305

0,308

1,105

zti

0,251

0,081

-0,788

-0,047

mérések csoport átlagtól való eltérése

-1,255

0,762

0,572

0,347

1,003

-0,350

-0,071

0,204

 

-0,492

0,288

-0,504

Bt

-1,090

-0,812

0,021

1,609

csoportátlagok teljes átlagtól való eltérései

Gt

22,763

23,040

23,873

25,462

a csoportátlag várható értéke

Táblázatos formában összefoglalva az eddigiek:

 

HATÁSOKt=1…4

ÖSSZESADAT

21,508

23,802

24,445

25,809

  

23,766

22,690

23,802

25,666

  

 

22,548

24,161

24,958

  

ÁTLAGOK

22,763

23,204

23,777

25,630

28,853

Ezekből az értékekből már meg tudjuk határozni a jegyzet szerint definiált négyzetösszegeket:

Q (xti-at)

21,616

teljes négyzetösszeg

Q1 (Bt)

16,566

csooprtok közötti négyzetösszeg

Qe (zti)

5,050

csoporokon belüli négyzetösszeg

A szórásnégyzetek meghatározásához a négyzetösszegeket osztanunk kell a szabadságfokok számával. A csoportok közötti eltérés négyzet összeg szabadságfoka k-1, mert k csoport van, és a csoport átlagok képzéséhez 1 szabadságfokot felhasználtunk. A csoporton belüli négyzetösszegek szabadságfoka N-k, mert az összes N adatból k csoport átlagot képeztünk, tehát k szabadságfokot használtunk fel. A totál négyzetösszeg szabadságfoka N-1, mert N adatból képeztük és az N adat átlagához 1 szabadság fokot használtunk fel.

Így a szabadságfokok, illetve ezek felhasználásával a szórásnégyzetek:

k-1

3

Q1 szabadság foka (k-1)

N-k

11

Qe szabadságfoka (N-k)

N-1

14

Q szabadságfoka (N-1)

s12

5,522

csoportok közötti eltérés szórásnégyzete

se2

0,459

csoportokon belüli eltérés szórásnégyzete

F-szám

12,028

a két szórásnyégyzet hányadosa (F-szám)

Az eredményeket az egyszeres osztályozás ANOVA táblájában összefoglalva:

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Szórásnégyzet

Csoportok közötti eltérés

16,566

3

5,522

Csoportokon belüli eltérés

5,050

11

0,459

Total

21,616

14

F-szám: 12,028

Azt kell megvizsgálni, hogy az adott f-paraméterek (melyek: k-1 = 3 és N-k = 11) mellett megkapott Fkrit értéknél nagyobb-e a számolás során kapott F-szám:

Fkrit (3,11)

3,6

F-próba táblázatából

Megállapíthatjuk tehát, hogy 12,028 > 3,6:

A CSOPORTHATÁS SZIGNIFIKÁNS (VAN SZIGNIFIKÁNS KÜLÖNBSÉG A CSOPORTOK KÖZÖTT)

2.)

Számba vesszük az egyes anyagok szakító szilárdságát a mérnöki gyakorlatban szokásos módon, amely szerint az adott érték (több mérésből számítva) egyelő az átlaggal, plusz-mínusz a szórás kétszerese:

Anyagok

A

B

C

D

 

σm [N/mm2]

22,763 ± 2,300

23,040 ± 1,126

23,873 ± 1,176

25,463 ± 0,746

mérési eredmény a műszaki gyakorlatban szokásos " átlag ± 2 x s* " alapján

Ebből egyértelműen leolvasható, hogy:

A D anyagnak a legnagyobb a szakító szilárdsága

3.)

A mérés hibájára a műszaki méréstechnikában megszokott 95%-os szignifikancia szinthez tartozó konfidencia-intervallumot fogjuk tekinteni.

Tehát azt fogjuk kiszámolni, hogy az adott - ebben az esetben egymástól függetlennek tekintett - mérési sorozatok alapján mekkora sugarú intervallumot kellene felvennünk a mérési sorozatok átlaga körül ahhoz, hogy a valós érték (ami a valóságban soha nem ismerhető pontosan) 95%-os valószínűséggel beleessen az így kijelölt intervallumba.

p

0,95

szignifikancia szint

f

2

3

3

3

szabadsági fokok

λ

4,303

3,182

3,182

3,182

Student eloszlás táblázatából (p=0.95)

a

2,856

0,896

0,935

0,594

konfidencia intervallum sugara

A mérési sorozatok becsült hibája

Anyagok

A

B

C

D

a várható érték és az átlag maximális eltérése 0.95-ös valószínűségi szinten

Mérési hiba

± 2,856

± 0,896

± 0,935

± 0,594

7.2. Feladat

Szórásanalízis, egyszeres osztályozás

Kidolgozta: Manhertz Gábor, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Műanyag csiszolatokat kell minősítenünk a reflexiós tényező alapján. (A felületi simaság azonosan tükrös). A csiszolatokat jelöljük A, B, C és D-vel! A mérések egy része a körülmények miatt értékelhetetlennek bizonyult (jelölés: „-”). Az értékelhető mérési adatok a következők:

A

B

C

D

mérés

195

45

230

110

mérés

150

40

115

55

mérés

205

195

235

120

mérés

120

65

225

50

mérés

160

145

-

80

mérés

-

195

-

-

Szórás analízis segítségével állapítsa meg, hogy egyforma minőségűek-e a csiszolatok?

A megoldás menete:

A mérési adatokból látszik, hogy egy adott csiszolaton hiába lett végrehajtva 6 mérés, vannak olyan esetek, amelyek értékelhetetlenek. Ilyen esetben több megoldást kínálkozik. Az egyik módszer, hogy az adatsort ritkítjuk, a másik pedig, hogy változatlanul hagyjuk.

Az adatsor ritkítás csak úgy lehetséges, ha pl. minden csiszolatnál csak 4 mérést veszünk figyelembe – mivel ez az egy csiszolathoz (C-hez) tartozó mérési adatszám minimuma. Ekkor a randomizálás folyamatát kell alkalmazni azon csiszolatoknál, ahol a mérési adat több mint 4.

A feladat megoldásánál nem ez a módszer lesz terítéken, hanem az adatsort változatlanul hagyjuk, és a különböző számú adatból álló csoportokat egyedileg vizsgáljuk meg..

A szórás analízis elvégzéséhez szükség lesz a csoportok összegeire, négyzetösszegeire, a mérés teljes átlagára, valamint az egyes csoportok átlagtól való eltéréseire.

Az értékekre azért van szükség, mert az alábbi táblázat feltöltésével válaszolható meg a kérdés, végezhető el a szórás analízis. Ez a táblázat az egyszeres osztályozás ANOVA táblája, mivel jelenleg egy faktor szerepel a feladatban. Ez a faktor a reflexiós tényező.

ANOVA tábla
7.1. ábra - ANOVA tábla


Jelen feladatban a szabadságfokok a következő képen alakulnak:

k=4 (csoportok száma) és N=20 (összes mérés száma)

Az eltérések összegeit az alábbi két képlet alapján lehet számítani:

ahol:

  • nt az egy adott csoportban kiértékelhető mérések száma (jelen esetben A: 5, B: 6, C: 4, D: 5)

  • k a csoportok száma

  • i az adat sorszáma

  • t a csoport sorszáma

  • t-edik csoport átlaga

  • a teljes mérési sorozat átlaga

  • xti a t-edik csoport i-edik adata

Q1 értékének meghatározására szükség van az adott csoportok átlagaira:

Az egyes csoportok átlagainak számítása

ahol:

  • nt a kiértékelhető mérések száma

  • i az adat sorszáma

  • j a csoport sorszáma

  • a csoport i-edik adata

  • a csoport átlaga

Ezek alapján a csoportok átlagai a következők:

A csoport:

B csoport:

C csoport:

D csoport:

A teljes mérési sorozat átlaga:

ahol:

  • nt az egy adott csoportban kiértékelhető mérések száma

  • k a csoportok száma

  • i az adat sorszáma

  • t a csoport sorszáma

  • a t-dik csoport i-edik adata

  • a mérési adatsor átlaga

Tehát:

Ezen értékek felhasználásával:

A kapott eredményekkel az ANOVA táblázatot feltöltve

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Szórásnégyzet

Csoportok közötti eltérés

Csoportokon belüli eltérés

45439,6

Total

meghatározásával elvégezhető az F-próba, mellyel a kérdés megválaszolása lehetséges. Amennyiben , akkor a szórásnégyzetek szignifikánsan különböznek. az F-próba segédtáblázatából kereshető ki. F-próba a jelen esetben:

Végkövetkeztetés:

Mivel , ezért a szórásnégyzetek szignifikánsan különböznek, így a csiszolatok nem egyforma minőségűek.

7.3. Feladat

Szórásanalízis, kétszeres osztályozás kereszthatás vizsgálata nélkül Kidolgozta:

Gárdonyi Gábor, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

A, B, C és D jelű új szerszámgép teljesítményét vizsgáljuk 5 napon át. A gépek teljesítményét a rajtuk elkészült munkadarabok számával jellemezzük. Az adatok az alábbi táblázatban láthatók.

Szórás analízis segítségével határozza meg, hogy van-e szignifikáns különbség a gépek teljesítménye között?

  1. tapasztalható-e bejáratási jelenség?

Kísérleti beállítások és a kísérleti eredmények

Mérés

Gép megnevezése

Sorösszeg

Sornégyzetösszeg

A

B

C

D

1. nap

293

308

323

333

1257

918,8

2. nap

298

353

343

363

1357

2468,8

   

3. nap

280

323

350

368

1321

4392,8

   

4. nap

288

358

365

345

1356

3674

   

5. nap

260

343

340

330

1273

4616,8

   

Átlagok

283,8

337

344,2

347,8

   

Oszlopösszeg

1419

1685

1721

1739

   

Oszlopnégyzetösszeg

884,8

1770

934,8

1182,8

   

A megoldás menete:

A feladat megoldása nagyon egyszerűnek tűnik. Úgy gondolhatjuk, hogy a feladatot meg lehet oldani két külön egyszeres osztályozásra bontva.

Ez azonban nem helyes elgondolás, mert egyszer úgy tekintenénk, mintha az adatok változékonyságát csak az oszlop-hatás és a véletlen okozná, majd másodszor azt feltételeznénk, hogy az adatok változékonyságát csak a sor-hatás és a véletlen okozza. Valójában azonban a sor-hatás és az oszlop-hatás egyidejűleg okoz változékonyságot az adatokban. Ha a két hatást egyidejűleg vesszük figyelembe, a teljes adathalmaz szórásában a véletlennek kisebb lesz a szerepe, és a sor-hatás valamint az oszlophatás a kisebb véletlen-hatásból (kisebb zajból!) jobban ki fog emelkedni, azaz szignifikánsabb lesz. Az érdekesség kedvéért vizsgáljuk meg a helyzetet mind a két módszerrel, azaz két egyszeres osztályozással, és egy kétszeres, kölcsönhatás nélküli osztályozással is!

  • módszer:

  1. Kérdés: Van-e különbség a gépek között?

Az egyszeres osztályozás ANOVA táblája

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Szórásnégyzet

Csoportok közötti eltérés

Q1

k-1

(s1)2=Q1/(k-1)

Csoportokon belüli eltérés

Qe

N-k

(se)2=Qe/(N-k)

Total

Q

N-1

Fszám=(s1)2/(se)2

A táblázat alapján Fkrit értéke f1=16 és f2=3 értékek mellett 3,2.

A Fisher próba feltétele, hogy Fszám>Fkrit. Amennyiben ez a feltétel teljesül, az azt jelenti, hogy a szórásnégyzetek szignifikánsan különböznek egymástól.

Esetünkben 15,0251 >3,2 teljesül, tehát szignifikáns különbözést tapasztalhatunk.

  1. Kérdés: Van-e különbség a napok között? (Van-e bejáratási jelenség?)

A kísérleti beállítások és a kísérleti eredmények táblázatát átrendezzük az egyszeres osztályozásnak megfelelő alakra:

Mérés

Napok megnevezése

Sorösszeg

Sornégyzetösszeg

1. nap

2. nap

3. nap

4. nap

5. nap

1. gép

293

298

280

288

260

1419

884,8

2. gép

308

353

323

358

343

1685

1770

   

3. gép

323

343

350

365

340

1721

934,8

   

4. gép

333

363

368

345

330

1739

1182,8

   

Átlagok

314,25

339,25

330,25

339

318,25

   

Oszlopösszeg

1257

1357

1321

1356

1273

   

Oszlopnégyzetösszeg

918,8

2468,8

4392,8

3674

4616,8

   

Az egyszeres osztályozás ANOVA táblája:

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Szórásnégyzet

Csoportok közötti eltérés

Q1

k-1

(s1)2=Q1/(k-1)

Csoportokon belüli eltérés

Qe

N-k

(se)2=Qe/(N-k)

Total

Q

N-1

Fszám=(s1)2/(se)2

A Fisher-féle F-próba 5%-os szignifikanciaszinthez tartozó kritikus értékei táblázatos formában fentebb találhatók.

A táblázat alapján Fkrit értéke f1=15 és f2=4 értékek mellett 3,1.

A Fisher próba feltétele, hogy Fszám>Fkrit. Amennyiben ez a feltétel teljesül, az azt jelenti, hogy a szórásnégyzetek szignifikánsan különböznek egymástól.

Esetünkben 1,9968>3,1nem teljesül, tehát szignifikáns különbözést nem tapasztalhatunk a napok között.Nincs bejáratási jelenség.

  • módszer:

Oldjuk meg most a feladatot a kétszeres osztályozás módszerével (tehát mindkét faktor hatásának egyidejű figyelembevételével)!

Feltételezzük, hogy a kereszt-hatás nem számottevő. Ezért nem is végzünk ismételt méréseket, így az egyes cellákban csak 1-1-mérési adat található

A kétszeres osztályozás ANOVA táblája:

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Négyzetes közép

Oszlop-hatás

Qc

c - 1

sc2 = Qc / ( c – 1 )

Sor-hatás

Qr

r - 1

sr2 = Qr / ( r – 1 )

Kereszt-hatás

--

--

--

Reziduál

Qe = -Qr - Qc

(r-1)(c-1)

se2 = Qe / (r-1)(c-1)

Teljes

Q

rc - 1

--

A korábban már kiszámolt adatokkal feltöltjük az ANOVA táblát. Az ANOVA tábla kereszt-hatás sora most üresen marad:

A szóródás oka

Eltérés négyzetösszeg

Szabadságfok

Négyzetes közép

(szórásnégyzet)

Oszlop-hatás

(gépek)

4 – 1 = 3

sc2=13444,8/3=4481,6

Sor-hatás

(napok)

5 - 1 = 4

sr2=2146,2/4=536,6

Kereszt-hatás

--

--

--

Reziduál

18217,2 –

13444,8 –

2146,2 =

2626.2

(4-1)(5-1) = 12

se2=2626.2/12=218.9

Teljes

18217,2

5*4 – 1 = 19

--

F-próbával megvizsgáljuk, hogy szignifikáns-e az oszlop-hatás (a gépek közötti különbség)?

A Fisher-féle F-próba 5%-os szignifikancia-szinthez tartozó kritikus értéke a táblázat alapján értéke f1=12 és f2=3 értékek mellett Fkrit = 8,7.

Fszám > Fkrit, tehát a gépek között van szignifikáns különbség.

Megvizsgáljuk azt is, hogy szignifikáns-e a sor-hatás (a napok közötti különbség)?:

A Fisher-féle F-próba 5%-os szignifikancia-szinthez tartozó kritikus értéke a táblázat alapján értéke f1=12 és f2= értékek mellett Fkrit =5,9.

Fszám < Fkrit, tehát a napok között ezzel a módszerrel sem mutatható ki szignifikáns különbség, de látható, hogy most az Fszám közelebb került a kritikus értékhez.

Tehát a gépek között szignifikáns különbséget találtunk, de bejáratási jelenség nem volt tapasztalható.

7.4. Feladat

Szórásanalízis, kétszeres osztályozás kereszthatás vizsgálatával.

Kidolgozta: Urbin Ágnes, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Egy üzemben ötvözetek edzési tulajdonságait vizsgálják. Keménységet mérnek 4 különböző összetétel alkalmazásával (A, B, C és D). A kísérleteket 3 ötvöző kemencében végzik (1, 2 és 3). Minden kísérletet 2-szer végeztek el azonos körülmények között. Kérdések:

  1. Van-e eltérés a kemencék között?

  2. Van-e eltérés az ötvözetek között?

  3. Van-e kölcsönhatás?

Kísérleti beállítások és a kísérleti eredmények

Mérés

Gép megnevezése

Sorösszeg

Sornégyzetösszeg

1

2

3

A

18 19

37

20 21

41

14 17

31

109

11881

B

24 22

46

27 30

57

20 23

43

146

21316

   

C

19 21

40

20 18

38

17 16

33

111

12321

   

D

16 15

31

16 18

34

14 12

26

91

8281

   

Oszlopösszeg

154

170

133

Teljes összeg

457

Teljes összeg négyzete:

208849

   

Oszlopnégyzetösszeg

23716

28900

17689

   

A cellán belüli adatok összegét piros színnel jelöltük meg.

A számítások során alkalmazott képletekben az átlagokat az előző táblázatban feltüntetett sor-, oszlop- és cella összegek alapján számoltuk ki.

A sorok közöttii eltérés négyzetösszeg:

Az oszlopok közötti eltérés négyzetösszeg i:

A cellák közötti (kereszthatás) eltérés négyzetösszeg:

A teljes (totál) eltérés négyzetösszeg:

A residuális („maradék” négyzetösszeg:

A számításoknál a Steiner-formulát alkalmaztuk.

A kereszthatást nem kell külön kiszámolni, hanem az eddigiekből adódik, mivel

Q = Qr + Qc + Qrc + Qe

Ezért Qrc = Q – Qr – Qc – Qe

A számítást úgy szokták elvégezni, hogy először a kereszthatást számolják ki. Ha az nem szignifikáns, akkor annak eltérés négyzetösszegét a reziduálhoz adják (mivel véletlenszerű a hatása) és az így kapott új residuálhoz hasonlítják a többi hatást.

A számszerű értékek pedig:

Qr=264,46

Qc=86,08

Qrc=22,92

Qe=25,50

Q=398,96

ANOVA Tábla:

A szóródás oka

Eltérésnégyzetösszeg

Szabadsági fok

Négyzetes közép

Sorhatás

Qr = 264,46

fr = 4-1=3

sr2 = 88,15

Oszlophatás

Qc = 86,08

fc = 3-1=2

sc2 = 43,04

Kereszthatás

Qrc = 22,92

frc = (4-1)(3-1)=6

src2 = 3,82

Reziduál

Qe 25,50

fe = Nössz –( 4 * 3)=12

se2 = 2,12

Teljes

Q = 398,96

f = Nössz –1 = 23

Van-e kölcsönhatás? (Van-e kereszthatás?)

nincs kereszthatás

Mivel nem mutatható ki kereszthatás, vagyis a cellákon belüli szóródás pusztán a véletlen műve, a kereszthatás eltérés négyzetösszegét hozzá adjuk a reziduális négyzetösszeghez, és így egy új reziduál jön létre:

(Qe)’ =Qe + Qrc = 25,50 + 22,92 = 48,42

(fe)’ = fe + frc = 12 + 6 = 18

(se2) ’ = (Qe)’ / (fe)’ = 48,42/18=2,69

Az új reziduállal újabb F-próbákkal megvizsgáljuk a sor-hatás és az oszlop-hatás szignifikanciáját:

Van-e különbség az ötvözetek között? (Van-e sorhatás?)

van sorhatás

Van-e különbség a kemencék között? (Van-e oszlophatás?)

van oszlophatás

Tehát az ötvözetek és a kemencék is szignifikáns különbségeket mutatnak, de a kölcsönhatás nem szignifikáns.

7.5. Feladat

Faktoriális kísérleti terv, feles replikáció, 3 ismétlés

Kidolgozta: Manhertz Gábor, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Olyan kísérletet kell tervezni, amelynek alapján új polimer, mégpedig kéntartalmú antioxidáns optimális előállítási feltételei határozhatók meg. Ez az új polimer nagy molekulájú polisztirol és kén reakciójából keletkezik. A feladat olyan stabilizátor előállítása, amelynek adagolása az izotaktikus polipropilénhez megnöveli az indukciós periódust anélkül, hogy a polimer fizikai-mechanikai tulajdonságait rontaná.

Faktorok

Faktorok szintjei

Variációs intervallum

-1

0

+1

– a reakciós közeg hőmérséklete, °C

200

220

240

20

– a kén adagolása, súlyrész

3

6

9

3

  

– a reakcióidő, perc

40

100

160

60

  

– antioxidáns adagolása a polipropilénhez, sr

1

2

3

1

  

A megoldás menete:

Négy faktor vizsgálatára először egy négyfaktoros teljes kísérleti terv juthat eszünkbe. Ez 24= 16 kísérletet jelent. Azonban van más lehetőség is: alkalmazhatunk egy háromfaktoros, feles replikációjú kísérleti tervet, így ugyan valamelyik kölcsönhatás vizsgálatáról le kell mondanunk (leginkább a háromszoros kölcsönhatásról, mert ebben már 3 hatás keveredik) de így csak 8 kísérletet kell elvégezni.Ha pedig ezt a 8 kísérletet kétszer végezzük el (16 kísérlet), lehetőség nyílik a kísérleti eredmények megbízhatóságának (az együtthatók szignifikanciájának) vizsgálatára is. Válasszuk ezt az utóbbi lehetőséget!

A kísérleti terv a következő táblázatban látható. Vizsgáljuk meg a terv felépítését:

  • Minden oszlopban ugyanannyi + és – beállítás található; tehát fennáll az szimmetria

  • Bármely két oszlop skaláris szorzatának összege 0, tehát fennáll az ortogonalitás.

  • Van olyan sor (kísérlet), amelyben minden beállítás + és van olyan, amelyben minegyik – szintű. Tehát egy kísérletben eljutunk a kísérleti tartomány egyik szélső (legalsó szintű) sarkától amásik szélsőig (legfelső szintű).

x0

x1

x2

x3

x4

x1x2=

=x3x4

x1x3=

=x2x4

x2x3=

=x1x4

y1

y2

y3

y

1

+

+

+

-

-

+

-

-

10

11

9

10

2

+

-

-

-

-

+

+

+

9

8

9

8,67

3

+

+

-

-

+

-

-

+

15

14

16

15

4

+

-

+

-

+

-

+

-

25

22

26

17,67

5

+

+

+

+

+

+

+

+

20

19

22

20,33

6

+

-

-

+

+

+

-

-

14

12

16

14

7

+

+

-

+

-

-

+

-

5

5

6

5,33

8

+

-

+

+

-

-

-

+

20

19

21

20

bi

13,875

-1,2

3,125

1,04

-0,625

-0,625

-0,875

2,125

Határozzuk meg az egyes faktorokhoz tartozó együtthatókat!

A kiszámított oszlop segítségével (mely a 3 kísérlet átlaga), meghatározható az együtthatók értéke. Ez úgy történik, hogy az egyes együtthatóhoz tartozó oszlopot előjelesen össze kell adni és átlagolni.

Így pl.:

Vizsgálja meg az együtthatók szignifikanciáját!

A szignifikancia vizsgálat elvégzéséhez szüksége van a megbízhatósági intervallum/intervallumok hosszára minden egyes együtthatóra vonatkozóan. Ehhez először a bi regressziós együttható s2{bi}szórásnégyzetét kell meghatározni. Ez a következő képen történik.

meghatározásához a következő módon kell eljárni:

ahol:

  • n– a kísérleti eredmények

  • N– az adat sorszáma

  • j– a csoport sorszáma

  • – egy adott kísérleti elrendezéshez tartozó eredmény

  • – a kísérletek eredményeinek átlaga

A szükséges számítások elvégzése után:

A kapott eredmény segítségével meghatározható

A megbízhatósági intervallum félszélessége úgy határozható meg pl. 0,05-ös szignifikancia szinten, hogy a 0,05-ös szinthez tartozó Student-féle t-próba táblázatból először ki kell keresni a kísérlet szabadságfokaihoz tartozó számértéket.

Mivel a szabadságfokok száma jelenleg 7 (a faktorok száma), így t = 2,365

A megbízhatósági intervallum félszélessége a következő ekvivalens alakban írható fel:

Kiszámítva:

Egy adott együttható akkor szignifikáns, ha az abszolút értéke nagyobb a megbízhatósági intervallum félszélességénél.

Sorszám

bi

Δbj

Szignifikáns?

0

13,875

1,454

Igen

1

-1,2

1,454

Nem

2

3,125

1,454

Igen

3

1,04

1,454

Nem

4

-0,625

1,454

Nem

5

-0,625

1,454

Nem

6

-0,875

1,454

Nem

7

2,125

1,454

Igen

Az iménti táblázat alapján a 2 és a 7 jelű együttható szignifikáns.

Határozza meg, hogy a kísérletek következő sorozatában melyik faktorokat illetve melyik kölcsönhatásokat célszerű vizsgálat tárgyává tenni!

A kísérletek következő sorozatában az előző lépésben meghatározott szignifikáns együtthatókhoz tartozó faktorokat, tehát az x2 faktort és a7 jelű együtthatóhoz tartozó kölcsönhatások közül a szignifikáns x2 faktornak az x3 faktorral való kölcsönhatását célszerű a vizsgálat tárgyává tenni.

7.6. Feladat

Faktoriális kísérleti terv, 2 5-2 replikációjú, 2-szer ismételt faktoriális kísérleti terv

Kidolgozta: Balla Petra, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Egy vegyi anyag előállítási folyamatának optimalizálására a feladat. Úgy határoztak, hogy a kísérleti tervben az 1. táblázatban feltüntetett 5 faktort variálják.

Optimalizációs paraméterként a kihozatal százalékában kifejezett értékét tekintették.

A kísérlet tervezési mátrixát a 2. táblázat tartalmazza.

Faktorok

Faktorok szintjei

Variációs intervallum

-1

0

1

x1 - a NaOH és az a anyag aránya

1:01

1,25:1

1,5:1

0,25

x2 - a c és az a anyag aránya

1:01

1,25:1

1,5:1

0,25

  

x3 - időtartam, óra

3

4

5

1

  

x4 - hőmérséklet, ˚C

20

25

30

5

  

x5 - az a anyag betöltésének ideje, perc

20

40

60

20

  
  1. táblázat A faktorok szintjei és a variációs intervallumok

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x4

x5

y1

y2

1

1

-1

-1

-1

-1

-1

50

52,5

2

1

1

1

-1

-1

-1

57,2

56,8

3

1

-1

-1

1

1

-1

48,1

47,9

4

1

1

-1

1

-1

1

46

46,7

5

1

-1

1

1

-1

1

64,8

62,9

6

1

1

-1

-1

1

1

45,3

44,2

7

1

-1

1

-1

1

1

54,8

52,9

8

1

1

1

1

1

-1

53

51,9

bi

52,1875

-2,05

4,6

0,475

-2,425

0,0125

 

 

Megjegyzés: A kísérletek sorrendjét randomizáltuk, hogy a környezeti hatások változása ne befolyásolja a kísérletek eredményét szignifikáns módon.

Az adott esetben a tervezéshez egy 25 típusú faktoriális kísérlet ¼-esreplikációját használták fel. Ekkor 32 kísérleti beállítás helyett 8 beállítás szükséges. A mátrixot az x4 = x1x2x3, x5 = -x1x2 generáló összefüggések, azaz az 1 = x1x2x3x4 = -x1x2x5 = -x3x4x5 összefoglaló meghatározó kontraszt által adták meg.

Az x5 = -x1x2 generáló összefüggés megválasztásában szerepet játszott az a feltételezés, hogy az x1x3 és x2x3 interakciók jelentősek. Az ilyen 1/4-es replikációból kapható együttes becslések:

b1 → β1 – β25 + β234 -β1345

b2 → β2 – β15 + β134 –β2345

b3 → β3 – β45 + β134 -β1235

b4 → β4 – β35 + β123–β1245

b5 → β5 – β12 + β34 + β12345

b13 → β13 – β24 + β235 -β145

b14 → β14 – β23 - β245 -β135

Kijelöltek egy második kísérleti beállítási sorozatot is arra az esetre, ha az optimális feltételek keresése nem bizonyul hatékonynak. Ezt úgy választották, hogy a hármas szorzatok ellenkező előjelűek legyenek, mint az első egynegyedes replikációhoz tartozók. E második ¼-esreplikáció összefoglaló meghatározó kontrasztja: 1 = x1x2x3x4 = x1x2x5 = x3x4x5.

A kísérleti beállítások és a mérési eredmények alapján:

n=2

N=8

i=1…8

j=1…2

A két méréssorból kapott értékek átlaga:

yátlag

51,25

57

48

46,35

63,85

44,75

53,85

52,45

A mérési eredmények szórásnégyzete:

s^2 (y)

3,125

0,08

0,02

0,245

1,805

0,605

1,805

0,605

(y1-y2)^2

6,25

0,16

0,04

0,49

3,61

1,21

3,61

1,21

A szórásnégyzetek átlaga: 1,03625

Az átlagos szórás: 1,01796

A Student-féle t-próba 5%-os szignifikanciaszinthez tartozó kritikus értékek táblázatából a 8 szabadsági fokhoz tartozó kritikus t érték: 2,306

A megbízhatósági intervallum félszélessége:

Δbj = ts(y)/, tehát

Δbj = (2,306*1,01796)/ = 0,8299

Minél szűkebb a megbízhatósági intervallum, annál szignifikánsabb az együttható.

Alapszabály: Ha az együttható abszolút értéke nagyobb, mint a megbízhatósági intervallum félszélessége akkor az együttható szignifikáns.

Ezen szabály alapján könnyen megállapítható a szignifikancia:

bi

b0=52,1875

b1=-2,05

b2=4,6

b3=0,475

b4=-2,425

b5=0,0125

Abszolút értékét összehasonlítva Δbj-vel

kisérleti beállítások középpontja

szignifikáns

szignifikáns

szignifikáns

szignifikáns

nem szignifikáns

7.7. Feladat

Faktoriális kísérleti terv készítése; 1/16 replikáció, két ismétlés

Kidolgozta: Pintér Ádám, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Egy piperazin származék előállítási folyamatának optimalizálása a feladat. Az alábbi táblázatban közölt két faktornak a termékkihozatalra való hatását tanulmányozzuk. A 27 típusú faktorális kísérlet 1/16 részét használjuk fel. Ez lehetőséget ad arra, hogy a kísérleti beállítások számát 128-ról 8-ra redukáljuk.

Faktorok

Faktorok szintjei

Variációs intervallum

-1

0

+1

x1 - a reakciós masszába az a anyag beöntése előtt bevitt NaOH mennyisége g/mól

0,0075

0,018

0,0285

0,0105

x2 - pH fenntartásának módja (az oldat fajtája)

NaOH 18%-os oldata metanolban

-

NaOH 4%-os oldata vízben

-

  

x3 - az a anyag és a NaOH oldat beöntésének időtartama, óra

3

4,5

6

1,5

  

x4 - időtartam, óra

1

2

3

1

  

x5 - hőmérséklet, °C

20

25

30

5

  

x6 - a b anyag és a metanol súlyaránya, g/g

1:3

1:3,5

1:4

1:0,5

  

x7 - az a ás b anyag móltörtje

1:1

1:1,1

1:1,2

1:0,1

  

A tervezési mátrixot és a lineáris egyenlet megfelelő együtthatóit a következő táblázat tünteti fel.

Kísérleti beállítás sorszáma

x0

x1

x2

x3

x4

x5

x6

x7

y1

y2

1

+

+

+

+

+

+

+

+

19,3

18,2

2

+

+

-

-

-

-

+

+

23,8

24,3

3

+

-

-

+

+

-

-

+

31,3

33,4

4

+

-

+

-

-

+

-

+

12,8

12,1

5

+

-

-

-

+

+

+

-

32,0

30,7

6

+

-

+

+

-

-

+

-

14,0

14,8

7

+

+

+

-

+

-

-

-

25,0

23,9

8

+

+

-

+

-

+

-

-

30,5

32,0

bj

23,5875

1,0625

-5,8125

0,1875

3,3125

0,0625

-1,3125

-1,7875

 

 

Annak érdekében, hogy eldönthessük, hogy elhanyagolhatunk-e faktorokat, meg kell vizsgálnunk az együtthatók szignifikanciáját. Ezt megtehetjük a Stundent-féle t-próbán alapuló vizsgálattal. A megbízhatósági intevallumok szélessége minden egyes együtthatóra vonatkozóan egyenlő egymással. A számszerű vizsgálathoz szükségünk van a bi regressziós együttható szórásnégyzetre, amelyet az alábbi képlettel határozhatunk meg:

Mivel nekünk két mérési sorozatunk van, y1 és y2, ezért a véletlen hatás meghatározása érdekében 2-2 ismételt kísérleti eredmény szórásnégyzetétt határozzuk meg, majd ezek átlagát vesszük.

Megjegyzés: 2 mérésből alapvetően nem lehet szórást meghatározni, de a szórásanalízisben elfogadott, hogy több adat felhasználása esetén 2-2 adat eltérés négyzetösszegével számolunk.

y1

y2

s2

19,3

18,2

0,605

23,8

24,3

0,125

31,3

33,4

2,205

12,8

12,1

0,245

32,0

30,7

0,845

14,0

14,8

0,32

25,0

23,9

0,605

30,5

32,0

1,125

SZÓRÁS-ÁTLAG

0,7594

A fentebbi képletet alkalmazva bj szórásnégyzete (N=8):

A megbízhatósági intervallum sugara megszerkeszthető a következő alapján:

,

ahol t a Student-féle próba táblázatából vett értéke. Ez esetünkben, 95%-os szignifikancia szinten: 2.365, ahol a szabadságfokok száma 7, mivel -t is ezzel a szabadságfokkal (n-1) határoztuk meg.

A regressziós együttható szórása a szórásnégyzetének a négyzetgyöke, azaz:

A megbízhatósági intervallum sugara a következő ekvivalens alakban írható fel:

Egy adott együttható akkor szignifikáns, ha abszolút értéke nagyobb a megbízhatósági intervallum sugaránál. Így nincs más dolgunk, mint az egyes együtthatókat megvizsgálni, hogy mely együtthatókra igaz mindez. Amennyiben egy együttható a fentebb levezetett konfidencia intervallum sugaránál nagyobb, akkor szignifikáns, azaz nem hagyhatjuk el a következő kísérletsorozatunkból (és nem vehetünk be például helyette másik faktort), amelyek viszont kisebbek, azokra azt mondhatjuk, hogy jó eséllyel elhagyhatjuk őket, ugyanis hatásuk nem szignifikáns:

bj

23,5875

1,0625

-5,8125

0,1875

3,3125

0,0625

-1,3125

-1,7875

|bj|

23,5875

1,0625

5,8125

0,1875

3,3125

0,0625

1,3125

1,7875

∆bj

 

0,728

0,728

0,728

0,728

0,728

0,728

0,728

SZIGNIFIKÁNS?

 

IGEN

IGEN

NEM

IGEN

NEM

IGEN

IGEN

7.8. Feladat

Taguchi kísérleti terv készítése

Kidolgozta: Manhertz Gábor, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Feladat

Készítsen Taguchi módszerrel kísérlet tervet arra az esetre, ha az A, B, C, D, E, F, G és H faktor hatását kívánjuk megvizsgálni. Ezek közül a C, F, G és H faktor szintjeinek beállítása nagyon költséges, a D és E faktor szintjeinek beállítása meglehetősen költséges, az A faktor szintjeinek beállítása viszonylag egyszerű, és a B faktor szintjeinek beállítása nagyon egyszerű. Érdekesnek tűnik még az AB, BC, BD, BE, BF, BG és BH kölcsönhatás is. Keresse meg a megfelelő lineáris gráfot, készítse el a háromszög-táblázatot és az ortogonális táblázatot!

Megoldás:

A feladatban összesen 8 faktort kell vizsgálni, melyek A, B, C, D, E, F, G és H. Az önálló faktorok vizsgálata mellett továbbá szükséges vizsgálni a B faktor minden más faktorral való kölcsönhatását. Így rendre: AB, BC, BD, BE, BG, BG, és BH. Ezeknek az alapkövetelményeknek az ismeretében kimondható, hogy összesen 15 tényezőt kell vizsgálni.

Taguchi módszere szerint a 15 tényező vizsgálatához egy L16 (215) kísérleti terv szükséges. A „szakácskönyvnek” megfelelően az ortogonális, valamint a kölcsönhatás táblázat a következő:

Az ortogonális táblázat
7.2. ábra - Az ortogonális táblázat


Az ortogonális táblázat

A kölcsönhatás táblázat
7.3. ábra - A kölcsönhatás táblázat


A kölcsönhatás táblázat

Taguchi módszere szerint 8 hatás és 7 kölcsönhatás vizsgálatára az alábbi lineáris gráfok a megfelelőek:

Lineáris gráfok 8 hatás és 7 kölcsönhatás vizsgálatára
7.4. ábra - Lineáris gráfok 8 hatás és 7 kölcsönhatás vizsgálatára


A fentebbi gráfok közül ki kell választani azt a gráfot, mely az adott kísérleti feladathoz illeszkedik. A kiválasztás után a csomópontok és az ágak beazonosíthatóak lesznek az egyes faktorokkal. A megfelelő gráf kiválasztása a faktorok beállítási nehézségei alapján történik. A feladat szerint a C, F, G és H faktor szintjeinek beállítása nagyon költséges, a D és E faktor szintjeinek beállítása meglehetősen költséges, az A faktor szintjeinek beállítása viszonylag egyszerű, és a B faktor szintjeinek beállítása nagyon egyszerű. A gráfokon a beállítási nehézségek a csomópontok jellege alapján azonosítható, így:

  • fekete kör: nagyon költséges (C, F, G, H)

  • fekete kör körül fehér keret: meglehetősen költséges (D, E)

  • fehér kör körül fehér keret: viszonylag egyszerű (A)

  • fehér kör: nagyon egyszerű (B)

Mivel a B faktor kölcsönhatását vizsgáljuk minden másik faktorral, így övé a kitűntetett szerep. A megfogalmazás szerint a faktor beállítása nagyon egyszerű, így olyan gráfot kell keresni, melynek középpontjában csak egy faktor áll és az fehér körrel van jelölve. Ezeknek a feltételeknek csak a felső sor, bal szélső gráfja tesz eleget, így ez a szükséges lineáris gráf a kísérleti tervhez (a többi faktor tulajdonságának megfelelő szimbólumok is megfelelőek).

A gráf kiválasztása után szükséges a számjelölések beazonosítása. Ennek megfelelően a faktorok:

  • 1: B faktor

  • 2: A faktor

  • 3, 6: D és E faktor

  • 8, 10, 12, 14: C, F, G és H faktorok

A kölcsönhatások megfeleltetése a csomópontok alapján történik, illetve a közéjük húzott ággal. Ennek megfelelően a kölcsönhatások:

  • 3: AB kölcsönhatás

  • 5: BD kölcsönhatás

  • 7: BE kölcsönhatás

  • 9: BC kölcsönhatás

  • 11: BF kölcsönhatás

  • 13: BG kölcsönhatás

  • 15: BH kölcsönhatás

Ellenőrzés képen a beazonosítások összevethetőek az ortogonális táblázattal. Így például BE kölcsönhatásának száma a 7-es, B faktor száma 1, E faktor száma 6. Az ortogonális táblázatban a 6-os jelzésű oszlop és az (1) jelzésű sor metszéspontjában található számértéket kell kikeresni. Ez ebben az esetben a 7-es, amely helyesen a BE kölcsöhatás azonosítója.

7.9. Feladat

Taguchi kísérleti terv készítése

Kidolgozta: Gárdonyi Gábor, PhD ösztöndíjas hallgató

Ellenőrizte: Dr. Wenzel Klára

Egy takarmány gyárban a termék minőségének javítása a cél. A termék minőségét a tápérték, az emészthetőség és az önköltség mutatóiból alkotott cél-függvény alapján 1-től 100-ig terjedő számozással jellemzik. Előzetes gyártási tapasztalatok alapján úgy tűnik, hogy a termék minősége (A faktor) nem azonos a téli és a nyári időszakban. Ezért ezt a faktort a kísérletekre szánt egy éven belül két szinten lehet vizsgálni, és nem lehet váltogatni a szinteket. Két féle gyártási technológiát (B faktor) kell megvizsgálni. A technológia módosítása az egész gépsor átszerelését igényli, ezért ezt a faktort is lehetőleg keveset célszerű módosíttatni. Két gépen folyik a kísérlet (C faktor), és mivel a két gépen a kísérletek alatt is folyamatosan folyik a gyártás, a gépek váltogatása nem megoldható. Két féle utókezelés hatását (D faktor) kell megfigyelni; ennek változtatása viszonylag egyszerűen megoldható. A gyártás végén két féle tartósító adalékot (E faktor) adnak a takarmányhoz. Ennek a váltogatása egyszerű.

Készítsen Taguchi módszerrel kísérlet tervet arra az esetre, ha az A, B, C, D, és E faktor hatását kívánjuk megvizsgálni. Érdekesnek tűnik még az összes kettős kölcsönhatás is. Keresse meg a megfelelő lineáris gráfot, készítse el a háromszög-táblázatot és az ortogonális táblázatot!

A faktorok-szintek beállításának nehézsége:

  • A – nagyon költséges

  • B – nagyon költséges

  • C – meglehetősen költséges

  • D – viszonylag egyszerű

  • E – nagyon egyszerű

Megoldás:

Taguchi módszer alapján feladatunk az La(bc) kísérleti tervhez tartozó ortogonális és kölcsönhatás táblázatok felírása. A feladatban definiált kísérlet esetén

  • a = 16 a kísérletek száma

  • b = 2 a faktorszintek száma

  • c = 15 a vizsgálható hatósok száma

Mivel nincs előzetes információnk arról, hogy vannak-e kölcsönhatások az egyes hatások között, ezért Taguchi szerint a következőképpen ajánlott a kísérleti tervet elkészíteni:

  • 5 faktor esetén L16 terv alkalmazása szükséges

  • A főhatások elhelyezése az 1. , 2. , 4. , 8. és 15. oszlopokba

5 faktor és az összes kétszeres kölcsönhatás vizsgálatára a Taguchi szakácskönyv a jegyzet 4.7. ábrájának lineáris gráfjait ajánlja. A faktorok nehézségi szintjeit is figyelembe véve az alábbi lineáris gráfot alkalmazzuk, az ábrán piros betűvel bejelölt faktorok szerint.

A lineáris gráf:

Lineáris gráf
7.5. ábra - Lineáris gráf


  • – 1. csoport – nagyon könnyű állíthatóság

  • – 2. csoport – viszonylag könnyű állíthatóság

  • – 3. csoport – viszonylag nehéz állíthatóság

  • – 4. csoport – nagyon nehéz állíthatóság

Az L16 (215) kísérleti terv ortogonális táblázata:

1A

2B

3

AB

4C

5

AC

6

BC

7

DE

8D

9

AD

10

BD

11

CE

12

CD

13

BE

14

AE

15E

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

2

1

1

1

1

1

1

1

2

2

2

2

2

2

2

2

3

1

1

1

2

2

2

2

1

1

1

1

2

2

2

2

4

1

1

1

2

2

2

2

2

2

2

2

1

1

1

1

5

1

2

2

1

1

2

2

1

1

2

2

1

1

2

2

6

1

2

2

1

1

2

2

2

2

1

1

2

2

1

1

7

1

2

2

2

2

1

1

1

1

2

2

2

2

1

1

8

1

2

2

2

2

1

1

2

2

1

1

1

1

2

2

9

2

1

2

1

2

1

2

1

2

1

2

1

2

1

2

10

2

1

2

1

2

1

2

2

1

2

1

2

1

2

1

11

2

1

2

2

1

2

1

1

2

1

2

2

1

2

1

12

2

1

2

2

1

2

1

2

1

2

1

1

2

1

2

13

2

2

1

1

2

2

1

1

2

2

1

1

2

2

1

14

2

2

1

1

2

2

1

2

1

1

2

2

1

1

2

15

2

2

1

2

1

1

2

1

2

2

1

2

1

1

2

16

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

Az ortogonális táblázatba a kölcsönhatásokat a lineáris gráf vagy a háromszög-táblázat alapján lehet beírni.

Ezek után a faktoriális tervek kidolgozásához hasonló módon járunk el. Az ortogonális táblázathoz egy (ismétel kísérletek esetén több) újabb oszlopot csatolunk, és ide írjuk be az egyes sorok beállításaival elvégzett kísérletek eredményét. Majd meghatározzuk a b együtthatókat, és meghatározzuk, hogy ezek közül melyik szignifikáns. Szükség esetén a szignifikáns faktorokkal további kísérleteket végzünk.

Az L16 (215) kísérleti terv kölcsönhatás vagy háromszög táblázata:

1A

2B

3

4C

5

6

7

8D

9

10

11

12

13

14

15E

(1)

3

2

5

4

7

6

9

8

11

10

13

12

15

14

(2)

1

6

7

4

5

10

11

8

9

14

15

12

13

(3)

7

6

5

4

11

10

9

8

15

14

13

12

(4)

1

2

3

12

13

14

15

8

9

10

11

(5)

3

2

13

12

15

14

9

8

11

10

(6)

1

14

15

12

13

10

11

8

9

(7)

15

14

13

12

11

10

9

8

(8)

1

2

3

4

5

6

7

(9)

3

2

5

4

7

6

(10)

1

6

7

4

5

(11)

7

6

5

4

(12)

1

2

3

(13)

3

2

(14)

1

8. fejezet - A járművekre vonatkozó törvényi követelmények

8.1. Bevezetés

A járművek típus-engedélyezési gyakorlatában két előírás-rendszert, illetve ezek előírásait, vagy direktíváit kell alkalmazni.

Az ENSZ jármű műszaki előírásait a WP29-es munkacsoport alá tartozó – szintén Genfben ülésező – szakértői csoportjai hozzák létre és terjesztik a WP29 elé elfogadásra. A jármű jóváhagyások kölcsönös elfogadása az 1958-as Genfi egyezménnyel kezdődött eredetileg az Európai Gazdasági Bizottságra (UNECE) kiterjedő hatállyal, de a későbbiekben több - az említett szervezeten kívüli – ország is alkalmazta, kötelezővé tette, ezért ma az „ENSZ EGB Előírás” helyett az „ENSZ Előírás” elnevezést használjuk. Az ENSZ előírásrendszerben jelenleg nem létezik a „teljes jármű” típusjóváhagyás. A járműveket jóváhagyni csak az egyes előírások szerint lehet és a szerződő felek – az országok – nemzeti hatáskörben döntik el, hogy melyik előírás alkalmazását írják elő kötelezően.

Az előírások aktuális állását és szerződő felek általi alkalmazásukat tartalmazza az ECE/TRANS/WP.29/343 jelű dokumentum , (http://www.unece.org/fileadmin/DAM/trans/main/wp29/wp29regs/updates/ECE-TRANS-WP.29-343-Rev.21.pdf).

Megjegyzés: az WP29 alatt 2013-ban megkezdődött a teljes jármű típus-jóváhagyási (IWVTA) eljárás kidolgozása. Ennek keretében többszintű követelményrendszer alkalmazása is lehetséges lesz a különböző országokban.

Az Európai Unió tagállamai saját előírás-rendszer használtak, ahol az egyes járműtulajdonságokra vonatkozó követelményeket az különböző direktívák tartalmazzák, amelyek tartalmukban hasonlóak az ENSZ előírásokhoz. Fontos különbség az ENSZ rendszeréhez képest, hogy az EU-ban a keretirányelv(ek)-ben megadott eljárási rend és alkalmazási kötelezettség szerint teljes jármű jóváhagyás adható ki.

A törvényi követelményeket az Európai Unió típus-jóváhagyásra vonatkozó előírásrendszerén keresztül mutatjuk be.

8.2. A keretirányelvek

A jármű műszaki előírások három fő területe az Európai Unió szabályozása szerint: a gépkocsik és pótkocsik, a motorkerékpárok, valamint traktorok. A keretirányelvek (ld. alább) az adott területen a típusvizsgálati eljárást leírják és a műszaki követelményeket tartalmazó direktívákat felsorolják, valamint azok alkalmazását meghatározzák a különböző járműkategóriák esetén. A járműkategóriák besorolása és a típus/változat/kivitel meghatározása szintén a keretirányelvekben szerepel.

XLIV. táblázat Keretirányelvek

Jármű

Keretirányelv

Gépkocsik és pótkocsik

2007/46 / EK

(5/90 KöHÉM rendelet A. függelék)

Motorkerékpárok

2002/24/ EK, 168/2013/EU

(5/90 KöHÉM rendelet B. függelék)

Traktorok és pótkocsik

2003/37 EK, 167/2013/EU

(5/90 KöHÉM rendelet C. függelék)

A járműre vonatkozó követelmények meghatározásánál a legelső lépés a jármű kategóriába sorolása. A felhasználási cél, kialakítás, tömeg, teljesítmény, sebesség, stb. jellemzőik alapján a járművek a keretirányelvekben megadott járműkategóriákba sorolhatók, amelyeket az alábbi táblázatokban ismertetetünk. Mindegyik keretirányelv definiálja a „típus”, „változat”, „kivitel” fogalmát. Minden típus csak egy jóváhagyást (teljes típus-, illetve az adott tulajdonságokra vonatkozó rész-jóváhagyást) kaphat. Ha a típus bővül, új kivitelekkel, vagy változatokkal egészül ki akkor a meglévő jóváhagyást(okat) kell kiterjeszteni. Az ebben az esetben szükséges vizsgálatok körét a jóváhagyás kiadásáért felelős hatóság dönti el.

A típusvizsgálatok során általában egy-egy típusnak számos változatát kell lefedni a mérésekkel, ezért igen lényeges a legrosszabb eset kiválasztása, ami direktívánként és előírásonként más-más szempontok alapján történhet. Bizonyos esetekben több-, vagy minden változatot vizsgálni kell.

Járműkategóriák

XLV. táblázat Gépkocsik és pótkocsik

2007/46/EK

Gépkocsik és pótkocsik

M kategória

Elsősorban személyek, illetve poggyászuk szállítására tervezett és épített gépjárművek.

M 1 kategória

vezetőülésen kívül legfeljebb nyolc üléssel rendelkező, M kategóriájú járművek. Az M 1 kategóriájú járműveken nem lehet hely álló utasok számára. Az ülőhelyek száma egy is lehet (amely a vezetőülés).

M 2 kategória

A vezetőülésen kívül több mint nyolc üléssel rendelkező, M kategóriájú járművek, amelyek legnagyobb tömege nem haladja meg az 5 tonnát. Az M 2 kategóriájú járműveken az ülőhelyek mellett lehet hely álló utasok számára is.

M 3 kategória

A vezetőülésen kívül több mint nyolc üléssel rendelkező, M kategóriájú járművek, amelyek legnagyobb tömege meghaladja az 5 tonnát. Az M 3 kategóriájú járműveken lehet hely álló utasok számára.

N kategória

Elsősorban áruszállításra tervezett és épített gépjárművek

N 1 kategória

Olyan N kategóriájú járművek, amelyek legnagyobb tömege nem haladja meg a 3,5 tonnát.

N 2 kategória

Olyan N kategóriájú járművek, amelyek legnagyobb tömege meghaladja a 3,5 tonnát, de nem haladja meg a 12 tonnát.

N 3 kategória

Olyan N kategóriájú járművek, amelyek legnagyobb tömege meghaladja a 12 tonnát.

O kategória:

Áru- vagy személyszállításra, valamint személyek elhelyezésére tervezett és épített pótkocsi

O1 kategória

Olyan O kategóriájú járművek, amelyek legnagyobb tömege nem haladja meg a 0,75 tonnát.

O2 kategória

Olyan O kategóriájú járművek, amelyek legnagyobb tömege meghaladja a 0,75 tonnát, de nem haladja meg a 3,5 tonnát.

O3 kategória

Olyan O kategóriájú járművek, amelyek legnagyobb tömege meghaladja a 3,5 tonnát, de nem haladja meg a 10 tonnát.

O4 kategória

Olyan O kategóriájú járművek, amelyek legnagyobb tömege meghaladja a 10 tonnát.

XLVI. táblázat Motorkerékpárok

2002/24/EK,

168/2013/EU

Motorkerékpárok

Az L kategóriájú járművek

két-, három- és négykerekű gépjárműveket foglalják magukba; ide tartoznak a motoros kerékpárok, a két- és háromkerekű segédmotoros kerékpárok, az oldalkocsis motorkerékpárok, a könnyű és nehéz közúti kvadok, valamint a könnyű és nehéz emelt teljesítményű kvadok.

L1e kategória

könnyű kétkerekű gépjárművek, a következő alkategóriákra bontva

L1e-A járművek (motoros kerékpárok) és L1e-B járművek (kétkerekű segédmotoros kerékpárok);

L2e kategória

háromkerekű segédmotoros kerékpárok, a következő alkategóriákra bontva:

L2e-P járművek: személyszállításra tervezett háromkerekű segédmotoros kerékpárok és L2e-U járművek: üzleti hasznosításra tervezett háromkerekű segédmotoros kerékpárok

L3e kategória

kétkerekű motorkerékpárok, a következő alkategóriákra bontva

teljesítmény szerinti alábontásban:

— L3e-A1 járművek (kis teljesítményű motorkerékpárok),

— L3e-A2 járművek (közepes teljesítményű motorkerékpárok),

— L3e-A3 járművek (nagy teljesítményű motorkerékpárok);

speciális felhasználás szerint:

— L3e-A1E, L3e-A2E vagy L3e-A3E Enduro motorkerékpárok,

— L3e-A1T, L3e-A2T vagy L3e-A3T Triál motorkerékpárok;

L4e kategória

oldalkocsival rendelkező kétkerekű motorkerékpárok

L5e kategória

háromkerekű gépjárművek, a következő alkategóriákra bontva

L5e-A járművek (háromkerekű motorkerékpárok), főleg személyszállításra tervezett járművek és

L5e-B járművek (áruszállító háromkerekű motorkerékpárok), üzleti hasznosítású, kizárólag áruszállításra tervezett háromkerekű motorkerékpár

L6e kategória

könnyű négykerekű motorkerékpárok, a következő alkategóriákra bontva

L6e-A járművek (könnyű közúti kvadok)

L6e-B járművek (könnyű kvadok), a következő csoportokra bontva

— L6e-BU járművek (üzleti hasznosításra tervezett, könnyű kvadok): üzleti hasznosítású, kizárólag áruszállításra tervezett járművek,

— L6e-BP járművek (személyszállításra tervezett, könnyű kvadok): elsősorban személyszállításra tervezett járművek

L7e kategória

nehéz négykerekű motorkerékpárok, a következő alkategóriákra bontva

L7e-A kategóriájú járművek (nehéz közúti kvadok)

— L7e-A1: A1 közúti kvad,

— L7e-A2: A2 közúti kvad;

L7e-B járművek (nehéz terepjáró kvad), a következő alkategóriákra bontva

— L7e-B1: terepjáró kvad,

— L7e-B2: egymás melletti ülésekkel ellátott buggy (side- by-side buggy);

L7e-Ce kategóriájú járművek (nehéz emelt teljesítményű kvadok

— L7e-CU járművek: (áruszállításra szolgáló, nehéz négykerekű gépjárművek) üzleti hasznosítású, kizárólag áruszállításra tervezett járművek,

— L7e-CP járművek: (személyszállításra szolgáló, nehéz négykerekű gépjárművek) elsősorban személyszállításra tervezett járművek

XLVII. táblázat Traktorok

2003/37/EK,

167/2013/EU

Traktorok

T kategória

valamennyi kerekes traktor; 40 km/h-ig („a”), vagy nagyobb („b”) legnagyobb tervezési sebességgel

T1 kategória

azok a kerekes traktorok, amelyek járművezetőhöz legközelebb eső tengelyének legkisebb nyomtávja legalább 1 150 mm, menetkész állapotban terheletlen tömegük meghaladja a 600 kg-ot, szabad magasságuk pedig legfeljebb 1 000 mm

T2 kategória

azok a kerekes traktorok, amelyek legkisebb nyomtávja 1 150 mm-nél kisebb, terheletlen tömegük menetkész állapotban meghaladja a 600 kg-ot, szabad magasságuk legfeljebb 600 mm, és amennyiben a traktor tömegközéppontja (talajhoz viszonyított) magasságának és az egyes tengelyek átlagos legkisebb nyomtávjának hányadosa több mint 0,90, akkor a legnagyobb tervezési sebesség legfeljebb 30 km/h lehet;

T3 kategória

azok a kerekes traktorok, amelyek terheletlen tömege menetkész állapotban nem haladja meg a 600 kg-ot;

T4 kategória

a különleges rendeltetésű kerekes traktorok

C kategória

lánctalpas traktorok, amelyeket lánctalppal vagy kerekek és lánctalp kombinációjával hajtanak meg; az alkategóriák meghatározása a T kategória analógiájára történik

R kategória

pótkocsik; – a tervezési sebesség szerint – kiegészül az „a” vagy „b” indexszel

S kategória

a cserélhető vontatott berendezések

8.3. Az előírások által érintett fontosabb témakörök

8.3.1. Kormányzás

8.3.2. ENSZ EGB 79/01

Hagyományos kormányberendezések, valamint a vezetőt támogató fejlett elektronikus rendszerek (komplex rendszerek) követelményei

Biztonságos irányíthatóság, rendellenes rezgések nélkül a végsebességig

  • Egyenesbe visszatérési hajlam,

  • Idő és elmozdulási szinkronizáció,

  • A kormányzási szög határolása,

  • Az erőátvitel hibáját – kivéve mechanikus hibát – jelezni kell. A kormányerő növekedése is lehet jelzés.

8.3.3. Különleges követelmények

  • A kormányzás iránya egyezzen meg a szándékolt haladási iránnyal.

  • Folyamatos és monoton kapcsolat a kormánykerék szög és akormányzott kerekek szöge között.

  • A kormányrudazat állító szerkezeteit rögzítő eszközökkel kell ellátni,

8.3.4. Vizsgálatok

  • 50 m sugarú kör elhagyása 40 km/h sebességgel,

  • 10 km/h sebesség esetén, félig bekormányzott helyzetben, a fordulási sugár nem növekedhet,

  • kormányzási erőszükséglet.

Kormányerő és kormányszög vizsgálata
Kormányerő és kormányszög vizsgálata
8.1. ábra - Kormányerő és kormányszög vizsgálata


8.3.5. Stabilitás

(ENSZ EGB 111 – tartályos járművek)

  • Billentéses stabilitásvizsgálat (8.2. ábra), Követelmény: 23 fok.

Billentéses stabilitásvizsgálat
8.2. ábra - Billentéses stabilitásvizsgálat


  • Stabilitás ellenőrzése számítással a súlypont kihelyeződést figyelembevéve Követelmény: 4 m/s2

Stabilitás számítása
8.3. ábra - Stabilitás számítása


9. fejezet - Fékezési előírások:

Az ENSZ és az Európai Unió előírásrendszere az alábbi járműkategóriákra vonatkozóan tartalmaz fékezési követelményeket:

XLVIII. táblázat Fékezési követelmények

Jármű (kategória)

ENSZ előírás

EU direktíva

Személygépkocsik (M1)

13H*

71/320/EGK

Kis-tehergépkocsik (N1)

13H, vagy 13 a gyártó szándéka szerint**

71/320/EGK

Tehergépkocsik, autóbuszok,pótkocsik

(N2, N3, M2, M3, O1, O2, O3)

13

71/320/EGK

Motorkerékpárok (L)

78

93/14/EGK

*A 13H elnevezésben a „H” betű arra utal, hogy a követelményrendszer az amerikaival harmonizált.

** Az N1 kategória jellemzően két fő jelleget takar a gyakorlatban:

  • személygépkocsiból kialakított áruszállítót, illetve

  • a tehergépkocsi jellegű zárt, vagy nyitott áruszállító járművet.

Attól függően, hogy a jármű a fentiek közül hova sorolható és ennek megfelelően melyik követelményrendszerhez illeszkedik jobban a fékrendszer, a gyártó kiválaszthatja, hogy a 13, vagy a 13H előírás szerint kéri a vizsgálat lefolytatását.

9.1. Fékberendezés

9.1.1. ENSZ 13 számú előírás.

A különböző fékezési követelmények közül az ENSZ 13-mas számú előírás a legösszetettebb. Az általános feltételek mellett részletes specifikus konstrukciós és hatásossági követelményt tartalmaz többféle fékrendszerre. Az alábbi részletes – elsősorban a funkcionalitásra fókuszáló - áttekintés célja az előírás mechatronikai szempontból is hasznos alapelveinek bemutatása, a bizonyos alkatrészekre és rendszerekre vonatkozó különleges követelmények tárgyalása a ráfutóféktől az elektronikusan vezérelt menetstabilizáló rendszerig.

Az ENSZ 13. előírás M2, M3, N, és O kategóriájú járművekre vonatkozik, amelyek tervezési sebessége nagyobb, mint 25 km/h.

9.1.2. Fontosabb definíciók

A fékrendszer elemeinek és funkcióinak definíciók szerinti azonosítása alapvető jelentőségű a vonatkozó követelmények helyes alkalmazásához.

A fontosabb definíciók:

Jármű típus: azon járművek sorolhatók egy típusba, amelyek kategória, legnagyobb tömeg, tömegeloszlás, maximális sebesség, hajtáslánc, fékrendszer elemei szempontjából azonosak.

A fékrendszer azon elemek összessége, amelyek a lassítás, rögzítés, visszatartás feladatát látják el. Ilyen értelemben tehát a motorfék féknek minősül, viszont a kipörgés-gátló rendszer, annak ellenére, hogy a hajtott tengely fékszerkezeteit hozza működésbe, nem számít féknek, hanem segédberendezésként vesszük figyelembe.

A fékrendszer fő részei

  • vezérlés: a kezelőszerv, amivel a jármű vezetője működteti a fékrendszert (fékpedál, kézifékkar, retarder vezérlő kar/kapcsoló, stb

  • átvitel: vezérlés, illetve energia (vagy erő-) átvitel a vezérlés és a kerékfékek között. Külső erővel működő fékrendszernél az energia-tárolók (légtartály, hidro-akkumulátor, elektromos akkumulátor) is az átvitelhez tartoznak. Ez azt jelenti, hogy az átvitel meghibásodása esetén teljesítendő – a több-körösségre utaló - követelményeket az energiatároló kiürülése esetén is ellenőrizni kell.

  • energiaellátás: azon részegységek tartoznak az energiaellátó részhez, amelyek előállítják a fékrendszer működéséhez szükséges nyomást, vákuumot, elektromos energiát.

  • fék: az az alkatrész, amelyben a jármű mozgása ellenében ható erők kialakulnak. Ez lehet súrlódó fék (amikor az erőt a jármű két, egymáshoz képest elmozduló alkatrésze közötti súrlódás hozza létre); elektromos fék (amikor az erőt a jármű két, egymáshoz képest elmozduló, de egymással nem érintkező alkatrésze közötti elektromágneses hatás hozza létre); folyadékfék (amikor az erőt a jármű két, egymáshoz képest elmozduló alkatrésze között elhelyezkedő folyadék hatása hozza létre); vagy motorfék (amikor az erők a motor mesterségesen növelt, kerekeknek átadott fékhatásából származnak).

9.1.3. Általános követelmények

Az üzemi fékrendszernek olyannak kell lennie, hogy a fékhatása szabályozható legyen és, a vezető a kormányt két kézzel fogva tudja működtetni. Ez a követelmény indirekt módon utal a fékpedál, mint vezérlés alkalmazására.

A biztonsági fék hatásának szintén szabályozhatónak kell lennie, de elegendő, ha vezető a kormányt csak egy kézzel fogja fékezés közben. Látható, hogy a rögzítőfék biztonsági fékként való használata megengedett (figyelem: nem érvényes M1 – személygépkocsi kategóriára).

A rögzítőféknek a járművet tisztán mechanikus alkatrészek révén kell a lejtőn megtartania. Ez a fékhatás időben történő állandóságára utal. Olyan rögzítőfék berendezés, amelyben nyomás alatt lévő hidraulika-, vagy sűrített levegős rendszer tartja „feszítve” a fékeket nem megengedett, mert a szivárgás révén a fékhatás hosszú idő után csökkenhet.

Abban - az egyébként tipikus – esetben, amikor a vontató jármű rögzítőfékje vezérli a pótkocsi üzemi fékjét, a tisztán mechanikus eszközökkel történő rögzítés normál befékezett állapotban nem valósul meg. Ilyenkor olyan ellenőrzési lehetőséget kell biztosítani vezető részére, aminek révén a vontató jármű behúzott rögzítőfékje mellett a pótkocsi üzemi fékje átmenetileg oldható, mialatt a szerelvényt csak a vontató mechanikus rögzítőfékje tartja a lejtőn. Ezt a gyakorlatban a rögzítőfék-karba épített ellenőrző-állással teljesítik a gyártók, ami a rögzített pozíción való túlhúzással érhető el. Ebből a pozícióból automatikusan a befékezett helyzetbe tér vissza a kézifék-kar.

Egyéb fékrendszerek is alkalmazhatók a járműveken például ajtó-, vagy megállófék autóbuszokon, retarder, stb..

Sűrített levegős fékkel ellátott vontató és pótkocsi között lehetséges kapcsolatokat az alábbi táblázat tartalmazza. Látható, hogy a pneumatikus tápvezeték mellett három-féle vezérlő vezeték kialakítás lehetséges.

XLIX. táblázat

Táp vezeték

Vezérlés

Megjegyzés

Pneumatikus táp

Pneumatikus vezérlés

Hagyományos tisztán pneumatikus kialakítás. Funkcionális követelmények vannak a 13. előírásban.

Pneumatikus táp

Pneumatikus és elektronikus vezérlés (CAN ISO 11992)

Az előző rendszer kiegészítve a CAN kommunikációhoz kapcsolódó követelményekkel.

Pneumatikus táp

Elektronikus vezérlés (CAN)

A követelmény-rendszer rendelkezésre áll, de még nem engedélyezett konfiguráció.

Általános követelmények

9.2. Az időszakos vizsgálat végrehajtását támogató intézkedések

A kopó alkatrészek állapot-ellenőrzésének lehetőségét biztosítani kell kémlelő nyílások, kopásjelző bemarások alkalmazásával, illetve a szélső értékek feltüntetésével.

Sűrített levegős fékrendszernél szabványos (M16x1,5 mm –es menetű, szeleppel állátott, az ISO 3583:1984 szabvány szerinti) nyomásvizsgáló csatlakozókat kell beépíteni a légtartályokhoz, a fékerőszabályozóhoz és tengelyek fékkamráihoz. A vizsgáló csatlakozók hozzáférhetőségét biztosítani kell.

Meg kell adni a fékrendszer fontosabb adatit, a tengelyenkénti referencia fékerőt és az elektronikus rendszerek ellenőrzéséhez szükséges információkat a járművön, vagy a járműhöz tartozó dokumentációban, illetve adathordozón.

A referencia fékerő a kerékfékszerkezetek állapotának időszakos ellenőrzésére szolgál. Olyan erőt kell megadni, ami biztosítja, hogy a jármű terhelten képes legyen az előírt fékhatásosság elérése.

A terhelt állapot, vagyis a maximális nyomás és fékerő üres állapotban történő szimulálási lehetősége is követelmény, ami mechanikus rugózás esetén a fékerőszabályozó karjának felemelésével, pneumatikus fékerőszabályozó esetén a légrugó nyomás külső táplevegő forrásból történő szimulálásával lehetséges. Bizonyos elektronikusan vezérelt fékrendszereknél ez a vezérlő modul beépített funkciója. Abban az esetben aktiválódik, ha a jármű áll és a rendszert a kódolt műveletsor végrehajtásával indítják újra. Például KNORR TEBS rendszernél: rögzítőfék kioldva, közepes nyomásszínt kivezérlés és tartás, majd gyújtás felkapcsolás. Ebben az esetben a rendszer a beprogramozott terhelt állapotra érvényes karakterisztikán működik és ezt a sárga figyelmeztető lámpa villogása jelzi.

9.2.1. M és N kategóriájú járművek követelményei

Legalább két működtető eszköz (vezérlés) szükséges. Az üzemi fék és a rögzítőfék vezérlése nem lehet azonos. Az üzemi fék és a biztonsági fék vezérlése lehet azonos, ha a vezérlés és a fékrendszer erőátviteli része közötti kapcsolat megbízható. Itt a pl. a fékpedál és a főfékhenger, vagy pedálszelep közötti kapcsolatról – mechanizmusról - van szó. A megbízhatóság értékelése a vizsgáló felelőssége. A rögzítőféknek azonban ebben az esetben is menet közben működtethetőnek kell lennie – de a szabályozhatóság nem követelmény, ez a feltétel tehát teljesíthető az „igen-nem” rendszerű nyomógombos rögzítőfékekkel is.

Ha az üzemi fék hiba által nem érintett része látja el a biztonsági fék funkcióját, vagyis az átviteli részben (a vezérlőtől a fékekig terjedő részben – beleértve az energiatárolókat ) bekövetkező bármely hiba estén a még működőképes fékkörrel el kell érni a biztonsági fékre előírt hatásosságot. Erre az esetre vonatkozó további követelmények

- rásegítő berendezéssel ellátott üzemi fékrendszernél a rásegítő rendszer hibája esetén a biztonsági fékre előírt hatásosságot (izomerővel) teljesíteni kell,

- kizárólag külső energiát használó fékrendszernél: legalább két független energiatároló berendezés szükséges (pl. körönként egy-egy légtartály) és a hiba által nem érintett rész utántöltését folyamatosan biztosítani kell. Ezt a gyakorlatban általában négykörös védőszeleppel oldják meg.

Ha az üzemi fék és a biztonsági fék vezérlése nem azonos, akkor az üzemi fék átviteli rendszerében bekövetkezett hiba esetén a hiba által nem érintett rész az un. maradó ( a biztonsági fékre előírt hatásosságnál kisebb) fékhatást kell, hogy teljesítse. Egy különleges követelmény erre az esetre, hogy az üzemi és biztonsági fékrendszer együttes működtetése nem hatástalaníthatja mindkét fékrendszert. Ennek a követelménynek a hátterében az addíció-gátló funkció van, ami – elsősorban mechanikai szilárdsági okokból megakadályozza, hogy az üzemi és rögzítőfék rendszer egyszerre hasson a fékezett kerekekre. A követelmény értelmében az addíció-gátlás megengedett, feltéve, hogy mindkét fékrendszer egyidejűleg nem válik működésképtelenné sem akkor, ha mindkét rendszer hibátlan, sem akkor, ha bármelyik rendszerben hiba van. A mérési tapasztalatok azt mutatják, hogy egy szokványos kialakítású légfékes jármű esetén ezen követelmény szempontjából az a legkedvezőtlenebb eset, amikor a mellső fékkör hibásodik meg. Ebben az esetben a hátsó fékkör – ami nem feltétlenül biztosítja a biztonsági fékhatást – együttes működtetéskor hatástalanítja a biztonsági fék szerepét betöltő rőgzítőféket. Így csupán a maradó fékhatás áll rendelkezésre. Az üzemi fék oldásakor a lassulás növekszik, mert ilyenkor a rögzítőfék ki tudja fejteni a teljes hatásosságát.

9.2.2. A fékrendszer energiaellátására vonatkozó követelmények.

Az energiaforrás (kompresszor, hidraulika szivattyú, vákuumszivattyú) meghajtása megbízható legyen. Ebből a szempontból a gyakorlat a többsoros ékszíj-, lánc-, vagy fogaskerékhajtást tekinti megbízhatónak.

Az energiaellátó rész hibája esetén olyan szinten kell stabilizálni az energiatárolók nyomásszintjét, ami biztosítja négy teljes fékműködtetés után a biztonsági fékhatás elérését. Az előzőekben említett biztonsági / maradó fékhatás követelmények esetén, amikor az átviteli rész (pl. tartály) sérül meg, a meghibásodás esetére előírt fékhatásosságot „végtelenszer” kell biztosítani. Erre utal az épen maradt rész utántöltését előíró, a korábbiakban tárgyalt, követelmény is. Az energiaellátás kimaradása esetén természetesen „véges” számú fék-működtetésre van lehetőség. Erre nézve tartalmaz minimális követelményt az adott paragrafus.

Meghibásodások : Minden olyan ellenőrzésnél, amikor valamely meghibásodás esetére előírt követelmény teljesülését ellenőrizzük, a fékrendszernek egyszerre csak egy meghibásodását kell feltételezni.

Az előírás külön kezeli azon eseteket, amikor valamely meghibásodás észrevétlen maradhat és ennek következtében egy – a későbbiekben felmerülő másik hiba már a nem elfogadható mértékű funkció, vagy fékhatás-csökkenést eredményez.

Melyek ezek a különleges esetek?

Pneumatikus fékrendszer esetén a két fékkör közötti tömítetlenség miatt fellépő átszivárgás következtében az üzemi fékrendszer egykörössé válik, de ez okoz semmilyen olyan fékezés közbeni jelenséget (fékhatás-csökkenés, szivárgás, stb), aminek következtében a hibajelenség kiderülne. Egy későbbi csőtörés esetén azonban a fent említett átszivárgás miatt nem csupán a hiba által érintett rész ürül ki, hanem csökkenhet a hiba által nem érintett rész nyomása is. Ezért azt követeli meg az előírás, hogy a két fékkört elválasztó védőszelep után minden olyan szelepnél, amelyhez a két üzemi fékkör egyaránt csatlakozik, biztosítani kell a két fékkör közötti tér szabad levegőre szellőztetését. Ez indirekt módon szükségessé teszi két tömítés alkalmazását, amelyek közöl bármelyik sérülése esetén az érintett fékkörből a levegő a két tömítés közötti térbe és innen a szabadba jut – hallhatóan jelezve ezzel a fennálló hibát. Az említett szétválasztás a hagyományos pneumatikus fékrendszerek estén a fékrendszer két helyén kell, hogy megvalósuljon:

  • a pedálszelepnél és

  • a pótkocsi fékvezérlő szelepnél.

A másik tipikusnak mondható rejtett hiba lehetőség a szelepek leragadásának veszélye. Itt olyan esetre gondolunk, amikor egy szelep a rendszer normál működése során nyugalomban van, és csak akkor kell az alkatrészeinek megmozdulniuk, amikor a fékrendszerben meghibásodás lép fel. Ebben az esetben számottevő a kockázata annak, hogy a szelep az alkatrészek letapadása miatt nem tudja ellátni a biztonsági funkcióját. Bizonyos funkciók esetén – elsősorban a biztonsági fékezés biztosítása érdekében – normál üzemben nyugalomban lévő, és így letapadásra hajlamos szelepeket nem szabad alkalmazni. A négykörös védőszelep, mint a biztonsági fék funkció szempontjából kulcsfontosságú alkatrész azért felel meg az említett követelménynek, mert a lezárást végző áteresztő szelepei minden töltési folyamat esetén kinyitnak, és a jármű leállásakor bekövetkező nyomáscsökkenéskor lezárnak.

9.2.3. Fékerő-felosztásra vonatkozó előírások

Az üzemi fékrendszer által biztosított fékerő a jármű jobb és bal oldalán a konstrukciós kialakítás lapján szimmetrikus legyen. Megjegyezzük, hogy a biztonsági fékezésre ez a követelmény nincs előírva. Az átlós kialakítású fékrendszerek hiba áltan nem érintett ezért felelhet meg biztonsági fékként. A tengelyek közötti fékerő-felosztást úgy kell megválasztani, hogy meghibásodás esetén még mindig elegendő kereket lehessen fékezni az adott esetre vonatkozó követelmény teljesítéséhez. Attól függően, hogy az üzemi fék a biztonsági fékkel kombinálva van-e. Az üzemi féknek a jármű minden kerekére hatnia kell. Különleges esetekben azonban megengedett, valamely tengely kerekein a fékerő automatikus nullára csökkentése – például akkor, ha az adott tengelynek a terhelése olyan alacsony, hogy a fékek érdemi hatásosságot nem tudnának kifejteni, csak üvegesednének.

A fékbetétek kopásának ellenőrzését – a nagyobb jármű kategóriákban – a kerék leszerelése nélkül biztosítani kell. Ebből a célból kémlelő nyílásokat, kopásjelzőket alkalmaznak.

Szintén a nagyobb kategóriák esetén kötelező a fékbetét-kopás automatikus utánállítása. A 13. előírás korábbi változataiban erre nem volt különleges vizsgálati követelmény, de a 10. sorozatszámú módosítás óta ezen berendezések működését is vizsgálni kell. Ennek lényege, hogy szimulálni kell egy megnövekedett betét-hézagot, majd 50 fékműködtetés közben bekövetkezett automatikus ráállítás után kell végrehajtani bizonyos fékvizsgálatokat (ld a 4. melléklet ismertetetésénél). A követelmény kettős:

  • megfelelő fékhatás biztosított legyen, vagyis az utánállítás kellően kis hézagot állítson be, ugyanakkor

  • a nagy hőterheléssel járó fékezések után sem szorulhat be a fék. Az utánállító műnek lehetővé kell tennie a fékezés alatt a fékdob tágulásából bekövetkező olyan többlet-elmozdulást, ami visszahűlt állapotban nem jelentkezik.

Fékrendszer
9.1. ábra - Fékrendszer


Hidraulikus fékrendszerek esetén a fékfolyadék tartállal kapcsolatos követelmények:- könnyen hozzáférhető legyen a feltöltéshez,- a folyadékszínt megbontás nélkül ellenőrizhető legyen,- az előírt fékfolyadék minőséget fel kell tüntetni a tartály közelében.

A nem a fékrendszerhez tartozó pneumatikus / hidraulikus segédberendezések (például: tengelykapcsoló rásegítő rendszer, légrugózás, ajtó-működtetés, a speciális felépítményhez szükséges berendezések) energiaellátása a fékrendszerről a következő feltétel teljesülése esetén megengedett. Az energia-ellátás hibáját feltételezve – például kompresszor meghibásodás esetén – a működő segédberendezések az üzemi fékrendszer nyomását csak olyan mértékig csökkenthetik, amely szintről 4+1 fékezés után az üzemi fékrendszerrel a biztonsági fékhatás teljesíthető.

O3 és O4 kategóriájú pótkocsik vontatására tervezett járművek különleges követelményei. Ezek a feltételek a pneumatikus átmenő fékre vonatkoznak. 3,5 t pótkocsi megengedett legnagyobb össztömeg esetén csak átmenő rendszerű féket szabad alkalmazni. Pneumatikus rendszer esetén ez csak két-, vagy több vezetékes lehet. A szokványos kialakítás egy töltő és egy fékező vezetéket tartalmaz. A vonatkozó funkcionális követelmények:

  • A pótkocsi üzemi fékrendszerét vezérelnie kell

  • a vontató üzemi fékrendszerének hibamentes állapotban, illetve meghibásodás esetén (fékkör kiesés) a hiba által nem érintett résznek,

  • a biztonsági fékrendszernek - függetlenül attól, hogy az üzemi fékkel kombinált, vagy nem. Ha az üzemi fék hiba által nem érintett része a biztonsági fék, akkor az előző követelmény teljesülése hozza magával az e pontnak való megfelelést.

A rögzítőféknek csak abban esetben kell vezérelnie a pótkocsi üzemi fékrendszerét, ha egyébként a biztonsági fékhatást is biztosítja. A mechanikus alkatrészekkel való rögzítés ellenőrizhetőségére vonatkozó követelményt (ld korábban részletesen) teljesíteni kell.

A fentieken kívül egyéb fékek - például a retarder, vagy egyéb tartós lassító fék a kerékfékszerkezetek melegedésének elkerülése miatt - nem vezérelhetik a pótkocsi üzemi fékrendszerét.

A vontató és pótkocsi fékrendszerének összeköttetését biztosító rendszer-elemek a következő biztonsági funkciókért is felelősek:

  • a vontató és a pótkocsi fékezési energiatartalékának védelme az összekötő vezetékek szakadása esetén.

  • a pótkocsi automatikus befékeződésének biztosítása a járműtagok szétszakadása esetén.

Az automatikus befékeződés tipikus megvalósításai:

  • mechanikus ráfutófék esetén a leszakadó bowden huzal a kézifék kar alsó végéhez csatlakozik és szétszakadás esetén átbillenti azt a befékezett helyzetbe,

  • sűrített levegős fékkel ellátott járműszerelvény esetén a pótkocsi fékező szelepe a töltő vezeték kiürülése esetén a pótkocsi légtartályból befékezi a vontatmányt.

A sűrített levegős fékvezérlés esetén megkülönböztetjük azt az esetet, amikor a fékező vezeték sérül meg. Ennek a kezeléséért előírás szerint a vontató jármű a felelős. A vontatón lévő pótkocsi fékvezérlő szelep folyamatosan összehasonlítja a valamely fékköbe és a fékező vezetékbe kivezérelt nyomást. A fékező vezeték leszakadása esetén a nyomáskülönbség kialakulásakor automatikusan leüríti a töltő vezetéket és ezzel mesterségesen előállítja az előző esetet, amikor is a pótkocsinak be kell fékeződnie.

  • olyan esetben, amikor a pneumatikus energiaellátás mellett csak elektronikus (CAN ISO 11992) vezérlő vezeték van (ez ma még nem megengedett, de a pótkocsik oldaláról műszakilag már megoldott és az előírás is tartalmaz erre az esetre utaló követelményeket) akkor a fékezővezeték hibát, vagy a teljes CAN kommunikáció leállása, vagy a pótkocsi felöl a „töltő vezeték fékezés igény „ –jel küldése helyettesíti. Ezek hatására a vontató jármű automatikusan csökkenti a fékező vezeték nyomását előidézve ezzel a pótkocsi befékeződését.

  • érdemes szót ejteni még az elektromos fékkel ellátott pótkocsikról, ahol az automatikus befékeződést a pótkocsin lévő, normál üzemi körülmények között töltéssel ellátott, akkumulátor biztosítja.

A kapcsolóponti erő szabályozása

Az ENSZ EGB 13-mas előírás megengedi ezen funkció alkalmazását, amelynek célja a pót

Blokkolásgátló felszerelésM2, M3, N2, N3 kategóriákra

Elektromos regeneratív fékkel ellátott járművek követelményei- „A” és „B” kategória

Az elektromos átvitelű rögzítőfék-rendszerek speciális követelményei- működés ép rendszer, illetve hiba esetén,- hibajelzés,- automatikus befékeződés a gyújtás kikapcsolásakor.

Az elektromos vezérlés-átvitelű ÜF fékrendszerek követelményei:- működtethetőség és előírt fékerő elérése álló helyzetben,- 40 ms-nál rövidebb átviteli hiba nem gyakorolhat számottevő hatást a fékerőre,- hiba – kivéve az energiaellátásé – jelzése sárga, vagy vörös figyelmeztető lámpával,- pótkocsi EBS hibajelzések fogadása és kijelzése,- akkumulátor kapacitás (20 fékezés utántöltés nélkül).

Kapcsolóponti erő szabályozás követelményei (CFC)- csak vontató járművön,- a pneumatikus és az elektronikus vezérlő jelre hatnia kell- meghibásodás jelzése sárga lámpával,- csak az ÜF-et kompánzálhatja.

Kapcsolóponti erő
9.2. ábra - Kapcsolóponti erő


Energiatárolós féknél a tárolt energia szintjének csökkenését jelezni kell. (jelzés után 4+1 fékezés – majd biztonsági fékhatás)A hidraulikus fékrendszer meghibásodását jelezni kell. Alternatívaként a tartály folyadék-színt csökkenés jelzése is megengedett.Hibajelző lámpák- sárga (elektr. hibák),- vörös (fékkörkiesés/fékhatás csökk.)

Féklámpa jel- normál féklámpa- vészfékezés/ABS aktív állapot jelzése

9.2.4. Pótkocsik

- ÜF (ráfutó, 3,5 t felett átmenő),- RF,- automatikus befékeződés leszakadás esetén,- oldási funkció – automatikus visszatérés üzemi állapotba,- blokkolásgátló (O3, O4),- segédberendezés energiaellátás

9.3. melléklet: Fékvizsgálatok

Motoros járművek:

Fékhatásosság: fékút / legnagyobb átlagos lassulás(MFDD)- terhelési állapot,- kezdő sebesség,- tengelykapcsoló (oldott/zárt),- fékhőmérséklet

„I” típusú vizsgálat: ÜF ismételt fékezések után melegen- utánállítók ellenőrzése,- fékhatásosság melegen:az előírt 80 %-a ésaz eredeti 60 %-a.

„II” típusú vizsgálat: Tartós lejtőn való haladás- 6%, 6km, 30 km/h, vagy- 7%, 6 km, 30 km/h

- motorfék esetén lassulással0,5 / 0,6 m/s2

- retarder vizsgálat: vontatással

Pótkocsik (hatásosság–mérés szerelvényben, csak a pótkocsit fékezve)- ÜF „0” típusú vizsgálat

- ÜF „III” típusú vizsgálat Fékhatásosság melegen, ismételt fékezések után

6. melléklet: Fékezési időkésedelem sűrített-levegős fékrendszerek eseténMotoros járművek

Motoros járművek fékezési időkésedelme
Motoros járművek fékezési időkésedelme
9.3. ábra - Motoros járművek fékezési időkésedelme


Fékezési időkésedelem sűrített-levegős fékrendszerek eseténPótkocsik

Pótkocsik fékezési időkésedelme
Pótkocsik fékezési időkésedelme
9.4. ábra - Pótkocsik fékezési időkésedelme


9.4. melléklet: Energiaforrások és energiatárolók kapacitása

Motoros járművek sűrített-levegős fékrendszerrel:- feltöltési idő (p2 nyomás)- légtartály kapacitás 8 teljes fékműködtetés, utána biztonsági fékhatás és pótkocsi fékvezérlés

9.5. melléklet: Rugóerő-tárolós fékek követelményei

- oldási nyomás-rendszernyomás,- oldhatóság legalább 3-szor,- figyelmeztető lámpa,- feltöltési sorrend,- oldás megelőzése az ÜF nyomás-csökkenése esetén.- kapcsolat a pótkocsi levegő-ellátással

9.6. melléklet: Fékerő felosztás – kompatibilitás

Fékerő felosztás-kompatibilitás I.
9.5. ábra - Fékerő felosztás-kompatibilitás I.


Fékerő felosztás-kompatibilitás II.
9.6. ábra - Fékerő felosztás-kompatibilitás II.


Fékerő felosztás-kompatibilitás III.
9.7. ábra - Fékerő felosztás-kompatibilitás III.


Kompatibilitás

Fékerő felosztás-kompatibilitás IV.
9.8. ábra - Fékerő felosztás-kompatibilitás IV.


A haszonjárművek és pótkocsik ellenőrzése fék-kompatibilitás szempontjából

–Kapcsoló elemek (pneumatikus, elektromos)

–Funkcionális ellenőrzés

•Töltés

•Fékvezérlés (pneumatikus, elektromos)

•Automatikus befékeződés

–Kapcsolási nyomássávok mérése

•Töltő vezeték, fékező vezeték nyomás sűrített-levegős vontatók esetén- p töltő:7,0 – 8,5 bar- p fékező: 6,5 – 8,5 bar

–Kompatibilitási jelleggörbe ellenőrzése (pneumatikus, elektromos)

•Megszólalási nyomások ellenőrzése

•Fékerőszabályozó beállítás ellenőrzése

Pótkocsi ABS rendszer elektromos csatlakoztatása a vontatóhoz

–Elektromos csatlakozók, kialakítás, bekötés

–Sárga (korábban piros) visszajelző lámpa a műszerfalon

Pótkocsi ABS rendszer elektromos csatlakoztatása a vontatóhoz
9.9. ábra - Pótkocsi ABS rendszer elektromos csatlakoztatása a vontatóhoz


Pótkocsi EBS rendszer elektromos csatlakoztatása a vontatóhoz

–Elektromos csatlakozók, kialakítás, bekötés

–Sárga ÉS piros hibalámpa (vagy display) a műszerfalon

Pótkocsi EBS rendszer elektromos csatlakoztatása a vontatóhoz
9.10. ábra - Pótkocsi EBS rendszer elektromos csatlakoztatása a vontatóhoz


11. melléklet: Alternatív eljárások a melegfék vizsgálat helyettesítéséreRetarder: üzemi körülmények eltérése egy korábban vizsgált beépítéstől.Pótkocsik:- „I”, vagy „III” típusú fékhatásosság ellenőrzése számítással a tengely referencia jegyzőkönyve alapján.

9.7. melléklet: Ráfutófékes pótkocsik

9.7.1. Ráfutó szerkezet

Pótkocsi EBS rendszer
Pótkocsi EBS rendszer
9.11. ábra - Pótkocsi EBS rendszer


9.7.2. Kerékfékek

Kerékfékek
Kerékfékek
9.12. ábra - Kerékfékek


9.7.3. Erőátvitel, kompatibilitási számítás

Pótkocsi EBS rendszer
Pótkocsi EBS rendszer
9.13. ábra - Pótkocsi EBS rendszer


9.8. melléklet: Blokkolásgátló berendezések

Általános követelmények:

- hibajelzés,

- hiba esetén megkövetelt fékhatásosság,

- elektromágneses összeférhetőség,

- a blokkolásgátló szabályozási módjának megváltoztatására vonatkozó előírások (terepjáró járművek),

Speciális követelmények:

- energiafogyasztás: 15 sec folyamatos ciklikus működés + 4 működtetés,

- tapadáskihasználás: kis- és nagy tapadás, üres és terhelt jármű,

- tapadáskihasználás eltérő tapadású felületen,

- kiegészítő ellenőrzések: tapadás-váltás, iránytartás eltérő tapadású útfelületen.

9.9. melléklet: A komplex elektronikus rendszerek követelményei

A rendszer teljes áttekintése- leírás,- a részegységek funkciói,- kapcsolatok a rendszeren belül és kívül,- input és output jelek,- működési határok,- FMEA,Vizsgálatok normál módban és hiba esetén.

9.10. melléklet: Fék részegységek vizsgálata (pótkocsik)

Membrán fékkamra

Rugós fékkamra

Blokkolásgátló berendezés

Menetstabilizáló rendszer

9.11. melléklet: Pótkocsik alternatív jóváhagyási eljárása

Üzemi fékhatásosság számítása

Rögzítő fékhatásosság számítása

Tartálytérfogat ellenőrzése

Funkcionális ellenőrzés, működéspróba

Időkésedelem mérése

Súlypontmagasság számítása

10. fejezet - A biztonságkritikus funkciót ellátó elektronikus rendszerekre vonatkozó irányelvek (IEC 61508)

10.1. Kockázatelemzés és biztonságintegritás

A hagyományos fék, illetve kormányrendszerek esetén a vizsgálatok kiterjedtek a

- hibamentes állapotra, illetve

- az átviteli részek (vezérlés-, vagy erőátvitel) egy meghibásodásának esetére előírt funkcionális és hatásossági követelmények ellenőrzésére.

Az előírások a szilárdságilag megfelelően túlméretezett alkatrészeket meghibásodásra nem hajlamosnak feltételezik.

A biztonság szempontjából fontos programozható elektronikus rendszereknél, azokban az esetekben, ahol a rendszer hibás működése veszélyhelyzetet teremt ( egy, vagy több személy halála, vagy több személy sérülése ) követelményként megjelenik a megbízhatóság.

A megengedett meghibásodási valószínűség a megkövetelt biztonságintegritási szint (SIL) függvénye.

Ha egy gyártó valamely biztonság szempontjából fontos szabályozási funkciót biztonságkritikus, programozható elektronikus rendszerrel kíván ellátni, akkor első lépésként meg kell határozni az elfogadható kockázat mértékét (THR), amely a specifikálástól a teljes fejlesztési és üzemeltetési ciklus szükséges eljárásait determinálja.

A felhasználható kockázatelemzési módszerek: ALARP, GAMAB, MEM, stb.

10.2. Biztonságra tervezés szempontjai.

Hibacsoportok:

  • a specifikáció, követelménylista hibái

  • az alkotóelemek véletlenszerü hibái

  • rendszeres tervezési hibák ( sotware )

Megoldási módok :

  • helyes rendszerarchitektúra ( hibatűrés)

  • megbízható kivitel ( rendszer és alkotó elemei )

  • minőségbiztosítás ( tervezési és kivitelezési eljárások )

  • “standby” redundancia

A rendszer meghibásodásainak és azok követelményinek elemzésére használható módszerek:

  • HAZOP

  • ETA

  • FMEA, FMECA

  • FTA

Az emített eljárások közül az EGB előírások az FMEA-t (hiba mód és hatás analízis), illetve az FTA-t (hibafa analízis) említik. A rendszer meghibásodásainak áttekintése alapján értékelhető a hibatűrés, valamint a biztonságos meghibásodások részaránya, amelyek mértéke szintén meg kell, hogy feleljen a biztonságintegritási szinthez tartozó követelménynek.

A biztonságorientált rendszer megvalósításához szükséges eljárásokat az alábbi “kád-görbén” bemutatott teljes megvalósítási folyamat kiemelt lépéseinél követni kell.

  1. Megvalósítási folyamat / MIL - Handbook 217
    10.1. ábra - Megvalósítási folyamat / MIL - Handbook 217


A biztonságkritikus elektronikus rendszerek teljes fejlesztési periódusának, hardver és szoftver felépítésének követelményeit az IEC 61508 szabvány tartalmazza.

10.3. A biztonság-kritikus elektronikus rendszerek követelményei az IEC 61508 szabvány alapján

A szabvány követelményrendszerének feldolgozásánál felhasználtuk a BME Közlekedés- Automatika Tanszékének közreműködését.

10.3.1. Bevezetés

Az IEC 61508 egy általános szabvány, amely az elektronikus és/vagy programozható rendszerek biztonságosságával foglalkozik. Abban az esetben, ha az adott ágazatra vonatkozó szabványok nem írják felül, akkor ez a szabvány a mérvadó. A szabvány nem foglalkozik nem elektromos (pl. mechanikus) biztonságorientált rendszerekkel, de általános megfogalmazása és rendszerszemlélete miatt sok más területen is hasznát lehetne venni. Az IEC 61058 szabvány a következő területekre terjed ki:

  • Csak elektronikus és/vagy programozható biztonságorientált rendszerek; az igény megfogalmazásától, a kiépítésen keresztül, a leselejtezésig

  • Ha emberélet van veszélyben

  • Ha egészségkárosodás lehetősége áll fenn

  • Ha környezeti kár lehetősége áll fenn

A gazdasági károk enyhítésére nem tér ki.

A biztonságorientált rendszereket inkább megbízhatóság orientált rendszereknek is nevezhetjük, lévén a szabványban foglalt kvantitatív módszernek is ez a lényege (a meghibásodások valószínűségére alapoz). Egy olyan rendszer, amellyel kevés baj van, ritkán romlik el, a köznyelv megfogalmazása szerint megbízható. Ezen a vonalon kiindulva jól használható lenne minden nem emberi biztonsággal kapcsolatos, de nagy megbízhatóságot igénylő elektromos rendszer kiépítéséhez. Pl. banki rendszerek, repülőjegy foglaló rendszerek, raktári logisztikai rendszerek.

A szabvány további érdekessége, hogy nem az abszolút biztonságra törekszik, hanem egy elfogadható határértéken, vagy alatta, akarja tartani a meghibásodásokból eredő sérülések/halálesetek számát. Ez a határérték többnyire a társadalmilag elfogadott norma, valamint az ár-érték aránya. Például: évente x ember hal meg a fékrendszer meghibásodásából eredő közúti balesetben és ez már 5 éve így van, illetve senki nem háborgott érte, hogy milyen felelőtlenek ezek a gyártók, akkor az x-1 haláleset egy teljesen új fékrendszer bevezetése után megfelelő értéknek tekinthető. De tegyük fel, hogy ez az új fékrendszer x/2 halálesetet okozna csak, de az ára tizenötször annyi, mint a hagyományosé, már nem biztos, hogy szükség lenne rá.

10.4. Az IEC 61508 szabvány felépítése

A szabvány a 8 részből áll:

  • 0. rész: Bevezető

  • 1. rész: Általános követelmények

  • 2. rész: Az elektromos/ elektronikus /programozható biztonságorientált rendszerekkel szemben támasztott követelmények

  • 3. rész: A software-kel szemben támasztott követelmények

  • 4. rész: Definíciók és rövidítések

  • 5. rész: Példák a biztonságintegritási szint (SIL) megállapítására

  • 6. rész: Útmutató a 2. és 3. rész gyakorlati alkalmazására

  • 7. rész: A szabványban használt értékelési és megvalósítási eszközök áttekintése

Ez így kellőképpen bonyolult felépítésnek tűnik és elsőre az is. Aki munkaköri ártalomként kényszerül foglalkozni vele inkább olvassa végig az egészet, mert ha csak kis részeket vesz ki, az nagyon meg tudja vezetni.

Annak ellenére, hogy a szabvány igen terjedelmes, jól tagolt és egyszerű nyelvezettel bír. Szerkezeti felépítése a következő:

Itt kiemeljük a dokumentálás fontosságát. A szabvány nagy hangsúly helyez a dokumentációk részletességére, naprakészségére, és jól strukturáltságára. A cél az, hogy a biztonságorientált rendszer minden életciklusáról elegendő információ álljon rendelkezésre azok számára, akik valamilyen szinten kapcsolatba kerülnek a rendszerrel. Legyenek egyszerű végfelhasználók, karbantartók, vezető beosztásúak, vagy minősítő szervezetek tagjai.

Egy biztonságorientált rendszer általában az alábbi részegységekből épül fel:

E/E/PE (elektronos / elektronikus / programozható) rendszerek

Más technológián alapuló rendszerek (pl. mechanikus, pneumatikus)

Külső kockázat csökkentő felszerelés / eszközök (pl. munkavédelmi felszerelések)

10.5. Az IEC 61508 szabvány folyamatábrája

Folyamatábra
10.2. ábra - Folyamatábra


10.6. A szabvány követelményrendszere

Egy átlagos biztonságorientált rendszer életciklusa folyamatábraként felrajzolva:

Biztonságorientált rendszer életciklusa
10.3. ábra - Biztonságorientált rendszer életciklusa


A fenti folyamatábrán nincsenek feltüntetve az ellenőrzések, a menedzsment és a dokumentálás fázisai. Ezek minden egyes lépésnek szerves részei kell, hogy legyenek.

A szabvány világosan meghatározza, hogy az egyes lépéseknél milyen kiindulási adatokra van szükség és milyen végeredményt kapunk:

A koncepció: a szabályozni kívánt folyamatok és berendezések megismerése tartozik ide és a kívánt végeredmény nagyvonalú meghatározása. Fizika környezet, várható veszélyforrások, és azok súlyosságának felmérése szintén feladat. Itt kell megismerni az ágazati szabványokat és a már (esetleg) felszerelt biztonsági berendezéseket.

A igények és lehetőségek meghatározása: a szabályozni kívánt folyamatok és berendezések korlátit, és lehetőségeit kell feltérképezni. A veszélyforrásokat és a kockázati tényezőket össze kell gyűjteni a későbbi analízishez. Például:

A gyártási folyamatban rejlő kockázati tényezők

Az alkatrészek meghibásodásából eredő kockázati tényezők

Többszörös meghibásodásokból származó kockázat

Az emberi tényezők

Környezeti kockázatok

Veszély és kockázat elemzés: cél az összes előrelátható veszélyhelyzet és a veszélyes szituáció összegyűjtése a rendszer minden lehetséges állapotában:

Egy meghibásodás

Meghibásodások sorozata

Helytelen használat

Egyéb emberi tényezők (figyelmetlenség)

Az eredményeket ki kell értékelni és megállapítani az egyes veszélyhelyzetek kockázati tényezőét. Ezután megfontolható a különböző veszélyhelyzetek kialakulásának valószínűségének, gyakoriságának vagy súlyosságának csökkentése.

A rendszer biztonsági követelményeinek meghatározása: Létre kell hozni egy átfogó biztonságnövelő tervet, mely konkrétan tartalmazza a biztonsági funkciókat és a biztonságintegritási szinteket. A más technológián alapuló rendszereket és a külső kockázat csökkentő tényezőket ennél a lépésnél már számításba kell venni a kívánt kockázati szint eléréséhez.

Minden egyes feltárt veszélyhelyzetre meg kell adni milyen kockázatcsökkentést várunk el. Ha van az adott ágazatra érvényes szabvány, akkor aszerint kell eljárni.

A rendszer biztonsági követelményeinek elosztása részrendszerekre: A fázis célja, hogy az egyes biztonsági funkciókat elossza az azokat megvalósító részrendszerek között és SIL szinteket rendeljen hozzájuk. Ez természetesen egy egyszerű architektúra esetén szükségtelen. Érdemes még figyelembe venni, hogy egy nagy komplexitású rendszer magasabban képzett felhasználó- és karbantartó személyzetet igényel, mint egy egyszerűbb, de ugyanolyan hatékonyságú.

Az összes biztonságintegritási követelményt a következő két csoport valamelyikébe kell besorolni:

  • Un. alacsony igénybevételű rendszerek: olyan helyzetekben alkalmazhatóak, ahol a végrehajtási igény ritka, alkalomszerű (1-2 / év). A szükséges biztonsági funkció kimaradásának valószínűségét határozzuk meg (pl. 10-4 /alkalom).

  • Un. magas vagy folyamatos igénybevételű rendszerek: A veszélyes meghibásodások valószínűségét egy órára vetítve határozzuk meg (pl. 10-7 /óra).

A SIL szinteket két alapjaiban különböző módszerrel lehet meghatározni. Az egyik a kvalitatív, a másik a kvantitatív. Ez utóbbi előnye, hogy számszerűsíthető végeredménnyel szolgál, ennél fogva konkrétabb; hátránya, ha nem áll rendelkezésre elég kiindulási (pl. statisztikai) adat, teljesen hasznavehetetlen.

A SIL szintek meghatározása a meghibásodási valószínűség függvényében:

L. táblázat Alacsony igénybevételű rendszerek meghibásodási valószínűsége

SIL szint

Alacsony igénybevételű rendszerek

(meghibásodási valószínűség /alkalom)

4

10-5 … 10-4

3

10-4 … 10-3

2

10-3 … 10-2

1

10-2 … 10-1

0

10-1

LI. táblázat Magas igénybevételű rendszerek meghibásodási valószínűsége

SIL szint

Magas vagy folyamatos igénybevételű rendszerek

(meghibásodási valószínűség /óra)

4

10-9 … 10-8

3

10-8 … 10-7

2

10-7 … 10-6

1

10-6 … 10-5

0

10-5

A SIL 0 biztonságintegritási szint nem tartozik a szabvány hatálya alá.

Példák a SIL szintek meghatározására kvalitatív módszerekkel:

LII. táblázat Hiba a kontrolálhatóság szempontjából

SIL

Hiba a kontrolálhatóság szempontjából

4

Nem kontrolálható

3

Nehezen, csak bizonyos körülmények között kontrolálható

2

Kontrolálható, de csak kellően gyors emberi reakcióval

1

A rendszer funkcionalitása csökken, de normál reakcióval közel veszélytelen marad

0

Meghibásodás esetén, csak bosszantó eredmény van, veszély nincs

LIII. táblázat Hiba a veszélyesség szempontjából

SIL

Hiba a veszélyesség szempontjából

4

Tömegkatasztrófa

3

Több ember halála, súlyos sérülése

2

Súlyosabb sérülések, egy ember halála

1

Kisebb sérülések

0

Nincs sérülés, esetleg horzsolások

A fenti példák gráfokkal összekombinálhatóak. A kvantitatív módszer hátránya, hogy erőteljesen a felhasználók morális érzékére hagyatkozik, ami nézőpont függő, ezzel megnehezíti az ellenőrzést és egy vitás esetben csak erkölcsi és filozófiai vitákat vált ki.

A biztonsági követelményének részegységek közötti felosztásánál kifejezetten figyelni kell a közös okú hibák kialakulásának megakadályozására:

  • Funkcionálisan és műszakilag is diverz alrendszereket használva (működési elvében és műszakilag teljesen különböző rendszerek ugyanazon cél elérésére).

  • A közös részegységek kerülése. Pl. közös tápellátás vagy hűtőrendszer.

  • Az részrendszerek közös karbantartása, tesztelése.

  • A fizikálisan elszeparált részrendszerek sokkal kevésbé érzékenyek a hibaterjedés hatásaira. (Például, ne menjen egy kábelkötegben a 380 V és az 5 V-os TTL jel).

  • Teljes fizikai függetlenséget kell biztosítani az egyéb technológiákon alapuló rendszerektől.

Ha különböző biztonságintegritású részrendszerekkel van dolgunk és a fent felsoroltak nem valósíthatóak meg hatékonyan, vagy egy berendezés több különböző szinthez tartozó funkciót hajt végre, akkor az alacsonyabb SIL szint igényű részrendszereket a csoportban a legmagasabb szerint kell kivitelezni. Egyetlen, nem redundáns rendszerhez nem rendelhető önálló biztonságintegritási szint, ha nem teljesíti legalább a fenti táblázatokban megadott SIL szinteknek megfelelő meghibásodási valószínűségi értékeket.

Üzemeltetés és karbantartás tervezése: Definiálni kell az üzemeltetés során használatos rutin eljárásokat: felhasználói kézikönyv, karbantartási utasítások, napló, tervszerű ellenőrzések stb. Vizsgálni kell mi a teendő egy veszélyes meghibásodás esetén.

A későbbi üzemeltetőnek egyet kell értenie ezekkel az instrukciókkal, mert a karbantartások el nem végzése és az előírások be nem tartása, nem várt eredményekhez vezethet.

Minősítés és ellenőrzés megtervezése: Létre kell hozni a kész rendszer ellenőrzésének tervét, ebbe a használni kívánt eljárásokkal, résztvevőkkel és legfőképpen a megfelelés, illetve nem megfelelés kritériumaival.

Felszerelés és üzembe helyezés megtervezése: Meg kell adni az installálás időrendjét, egymást követő fázisait, és az eljárások leírását.

Realizációs fázis: fontos, hogy a részrendszereket külön-külön ellenőrzzük és minősítsük, hogy megfelelnek-e a korábban meghatározott követelményeknek és csak a megfelelőket építsük be az architektúrába.

Felszerelés és üzembe helyezés: a Felszerelési és üzembe helyezési terv szerint kell elvégezni. Az elvégzett tevékenységek mellett a felmerülő problémákat is dokumentálni kell.

Minősítés, üzemben tartás, karban tartás, javítás: a már kidolgozott tervek szerint kell eljárni, hasonlóan, mint a felszerelésnél.

Módosítások: cél a funkcionális biztonság fenntartása, vagy javítása a rendszer élettartama folyamán. A módosítások okát, módját és hatását minden esetben részletesen elemezni és dokumentálni kell. Minden módosítás után a rendszert újra kell minősíteni.

Ellenőrzések: cél bebizonyítani, hogy a rendszer az életciklus minden fázisában megfelel-e vele szemben támasztott követelményeknek, illetve az egyes fázisok kivitelezésénél a szabvány követelményei betartásra kerültek-e.

A funkcionális biztonsági követelmények elemzése: meg kell vizsgálni és eldönteni, hogy az E/E/PE rendszer eléri-e a szükséges funkcionális biztonsági szintet. Fontos, hogy az ellenőrzést végző személyek hozzáférhessenek minden információhoz (dokumentumok, emberekhez, akik részt vesznek az életciklus fázisaiban, magához a rendszerhez). A vizsgálatot végző személyek három csoportra oszthatóak egy bekövetkező veszélyhelyzet súlyossága szerint: független személy, független részleg, független szervezet.

10.7. A biztonságorientált rendszerek szükséges hibatűrése a biztonságintegritási szint függvényében:

LIV. táblázat Hibatűrés „A” típusú rendszer esetén

Biztonságos meghibásodások aránya

Hibatűrés

0

1

2

60%-nál kisebb

SIL1

SIL 2

SIL 3

60%…89,99%

SIL 2

SIL 3

SIL 4

 

90%…98,99%

SIL 3

SIL 4

SIL 4

 

99%-tól

SIL 3

SIL 4

SIL 4

 

LV. táblázat Hibatűrés „B” típusú rendszer esetén:

Biztonságos meghibásodások aránya

Hibatűrés

0

1

2

60%-nál kisebb

Nem megengedett

SIL 1

SIL 2

60%…89,99%

SIL 1

SIL 2

SIL 3

 

90%…98,99%

SIL 2

SIL 3

SIL 4

 

99%-tól

SIL 3

SIL 4

SIL 4

 

Ahol:

„A” típusú rendszer: - az összes alkatrész meghibásodása jól definiálható, és

  • az alrendszerek működése meghibásodás esetén teljes mértékben definiálhatóak,

  • elegendő üzemeltetésből származó adat és tapasztalat áll rendelkezésre az alrendszer meghibásodási valószínűségének meghatározására.

„B” típusú rendszer: ha a fentiek közül bármelyik nem teljesül.

Hibatűrés: A rendszer N hiba esetén még biztonságosan üzemel. N+1 hiba már a biztonsági funkciók elvesztéséhez vezet.

Biztonságos meghibásodások aránya: a biztonságos meghibásodások aránya az összes meghibásodáshoz.

A kiegészítő funkciókat betöltő komplex elektronikus rendszereknél sok esetben a rendszer alacsonyabb szabályozási szintre történő átállása, vagy teljes lekapcsolása biztonságos állapotnak tekinthető, így azt ezt előidéző hibák biztonságos hibának tekinthetők. Ebben az esetben elkerülhető teljes funkcionalitást biztosító redundancia kialakítása.

Az IEC 58601 szerint a különböző biztonságintegritási szintű biztonság-integritású rendszereknél a tervezés és fejlesztés alábbi fontosabb lépéseinél a hibák elkerülése érdekében alkalmazandó technikák:

10.7.1. Specifikáció

Kötelező lépések a hibák elkerüléséhez:

  • projekt menedzsment,

  • dokumentáció,

  • a biztonságorientált rendszerek elválasztása a nem biztonságorientált rendszerektől,

  • strukturált specifikáció,

  • a specifikáció ellenőrzése/megvizsgálása, (a tervezéstől független személy bevonásával)

  • „semi-formal” módszerek.

Valamint:

  • ellenőrző lista, vagy

  • számítógéppel támogatott specifikációs eszközök, vagy

  • „formal” módszerek, vagy

  • egyéb módszerek.

10.7.2. Tervezés, fejlesztés

  • szabványok és irányelvek ismerete,

  • projekt menedzsment,

  • dokumentáció,

  • strukturált tervezés,

  • modul rendszerű felépítés,

  • „semi-formal” módszerek.

Valamint:

  • ellenőrző lista, vagy

  • számítógéppel támogatott specifikációs eszközök, vagy

  • kipróbált alkatrészek alkalmazása, vagy

  • szimuláció, vagy

  • hardverek ellenőrzése, vagy

  • „formal” módszerek, vagy

  • egyéb módszerek.

10.7.3. Integráció

  • funkcionális teszt,

  • projekt menedzsment,

  • dokumentáció,

Valamint

  • „black-box” teszt, vagy

  • helyi tapasztalat, vagy

  • statisztikus ellenőrzés, vagy

  • egyéb módszerek.

10.7.4. Üzemeltetés, karbantartás

  • üzemeltetési és karbantartási utasítások,

  • felhasználóbarát kialakítás,

  • könnyű karbantarthatóság,

  • projekt menedzsment,

  • dokumentáció

  • korlátozott felhasználói lehetőségek a működés megváltoztatására,

  • a kezelői hibák elleni védelem,

Valamint opcionálisan:

  • képzett felhasználók.

10.7.5. Biztonsági ellenőrzés

  • funkcionális teszt,

  • funkcionális teszt üzemi körülmények között,

  • EMC,

  • hiba szimuláció (90% feletti veszélyes hibadetektálási aránynál),

  • projekt menedzsment,

  • dokumentáció.

Valamint:

  • statikus, dinamikus és hiba ellenőrzés, vagy

  • szimuláció és FMEA, vagy

  • legkedvezőtlenebb állapot vizsgálata, vagy

  • „black-box” teszt, vagy

  • hiba szimuláció (90% alatti veszélyes hibadetektálási aránynál), vagy

  • helyi tapasztalat, vagy

  • statisztikus ellenőrzés, vagy

  • egyéb módszerek.

10.7.6. Biztonsági kiértékelés

  • ellenőrző lista,

  • igazságtáblák,

  • szoftver összetettségi metrikus struktúra,

  • meghibásodási analízis,

  • a különböző szoftverek közös okú meghibásodásainak analízise (csak akkor, ha különböző programokat használtak),

  • megbízhatósági blokk diagram.

A fent felsorolt technikákat az IEC61508-2 B.6 táblázata a hatékonyságuk függvényében részletesen elemzi, és utalást tartalmaz a 7. részben található leírásukra. Néhány példa:

LVI. táblázat

Módszer

Alacsony hatékonyság

Magas hatékonyság

Projekt menedzsment

A feladatok és hatáskörök definiálása; ütemezés és a pénzügyi háttér biztosítása; a résztvevő személyek képzése; konzisztencia ellenőrzés minden módosítás után

Az alacsony hatékonyságú eszközök plusz: az ellenőrzés független a tervezéstől; projekt felügyelet; szabványosított ellenőrzési eljárások; meghibásodási statisztikák készítése; számítógépes tervezési eszközök használata

Dokumentáció

Grafikus és beszélt nyelv használatával. Például: blokk-diagrammok, folyamatábrák

Az alacsony hatékonyságú eszközök plusz: egységes szerkezet és forma; tartalmi ellenőrzés; számítógépes dokumentáció menedzsment; a változások követése

„Formal” módszerek

A módszerbe járatos személy(ek) alkalmazása

A módszerbe és hasonló projektekben járatos személy(ek) alkalmazása

„Semi-formal” módszerek

Néhány kritikus részegység leírása „semi-formal” módszerrel

A teljes rendszer leírása különböző aspektusokból „semi-formal” módszerrel; a konzisztencia ellenőrzése a különböző módszerek között

Ellenőrző lista

Előkészített, a fő biztonsági követelményekre fókuszáló, ellenőrző listák az életciklus valamennyi fázisára

Előkészített részletes ellenőrző listák az életciklus valamennyi fázisára

Kipróbált alkatrészek alkalmazása

Túlméretezés; konstruktív karakterisztika

Az alacsony hatékonyságú eszközök plusz: a gyakorlatban már bevált építőelemek

Szimuláció

Elemzés modul szinten beleértve a környezetet és a szomszédos egységeket

Elemzés alkatrész szinten

Helyi tapasztalat

10000 óra üzemeltetésből származó tapasztalat; 10 egység egy éves üzemeltetése különböző területeken; a statisztikus pontosság 95%; nem volt veszélyes meghibásodás

10 millió óra üzemeltetésből származó tapasztalat; 10 egység egy éves üzemeltetése különböző területeken; a statisztikus pontosság 99,9%; az apró módosítások is dokumentálva

11. fejezet - AJÁNLOTT IRODALOM

[1] Prékopa András: Valószínűségelmélet műszaki alkalmazásokkal, Műszaki Könyvkiadó Budapest, 1962

[2] Vincze István: Matematikai statisztika ipari alkalmazásokkal, Műszaki Könyvkiadó

Budapest, 1968

[3] Adler-Markova-Granovszkij: Kísérletek tervezése optimális feltételek

meghatározására, Műszaki Könyvkiadó Budapest, 1977

[4] Ranjit K. Roy: A primer on the Taguchi method, Van Nostrand Reinhold New

York (Az internetről letölthető!)

[5] Dr. Kemény Sándor és Dr. Deák András: Kísérletek tervezése és értékelése,

Műszaki Könyvkiadó Budapest, 2000.