primena faktorskih planova u kontroli kvaliteta · planiranje eksperimenta je moćna tehnika u...
TRANSCRIPT
UNIVERZITET U NIŠU
PRIRODNO – MATEMATIČKI FAKULTET
DEPARTMAN ZA MATEMATIKU
PRIMENA FAKTORSKIH PLANOVA
U KONTROLI KVALITETA
-master rad-
Kandidat:
Valentina Ilić
Mentor:
dr Miodrag Đorđević
Niš, 2019.
1
SADRŽAJ:
Predgovor ........................................................................................................................ 2
1 Uvod ........................................................................................................................... 3
1.1 Smernice za projektovanje eksperimenta ............................................................ 5
2 Faktorski plan ............................................................................................................. 7
3 Analiza varijanse ...................................................................................................... 10
3.1 Jednofaktorska analiza varijanse ....................................................................... 10
3.2 Dvofaktorska analiza varijanse .......................................................................... 16
4 2𝑘 faktorski plan ....................................................................................................... 22
4.1 22 faktorski plan ................................................................................................. 22
4.2 23 faktorski plan ................................................................................................. 24
5 Delimični 2𝑘 faktorski plan ........................................................................................ 31
5.1 Delimični „jedna polovina“ 2𝑘 faktorski plan ....................................................... 33
5.2 Delimični „jedna četvrtina“ 2𝑘 faktorski plan ....................................................... 37
6 Blok plan u 2𝑘 eksperimentalnom planu ................................................................... 40
6.1 Faktorski eksperiment u nepotpunim blokovima ................................................ 41
6.2 Eksperimenti sa dva nepotpuna bloka ............................................................... 42
6.3 Eksperiment sa četiri nepotpuna bloka .............................................................. 43
7. Primer ....................................................................................................................... 45
8. Dodaci ..................................................................................................................... 47
8.1 Popis slika.......................................................................................................... 47
8.2 Popis tabela ....................................................................................................... 47
Literatura ....................................................................................................................... 49
Biografija ....................................................................................................................... 50
2
PREDGOVOR
Tema ovog master rada je primena faktorskih planova u kontroli kvaliteta. Kod
faktorskog eksperimenta ispituje se uticaj dva ili više faktora, od kojih svaki ima bar dva
nivoa, na jednu ili više promenljivih. U nizu eksperimenata se uključuju sve moguće
kombinacije nivoa posmatranih faktora. U ovakvom eksperimentu se pored uticaja
pojedinačnih faktora, može ispitati i uticaj interakcije faktora na promenljive.
Rad se sastoji od 3 delova i u svakom delu pored teorijskog dela, navedeni su i primeri,
na kojima su objašnjeni primena i način izvođenja statističke analize.
U prvom delu rada govorimo o faktorskom eksperimentu, analizi varijanse i o osnovnim
pojmovima jednofaktorske i dvofaktorske analize varijanse. Ovim delom se bave drugo i
treće poglavlje.
U drugom delu govorimo o 2𝑘 faktorskom planu – planu sa 𝑘 fakora, od kojih svaki ima
samo po dva nivoa. Specijalno, pokazani su 22 – plan sa dva faktora, 23 – plan sa tri
faktora. Na kraju drugog dela je opisan 2𝑘 delimični faktorski plan. Ova tema je opisana
u četvrtom i petom poglavlju.
U trećem, poslednjem delu rada govorimo o blok planu u 2𝑘 eksperimentalnom planu i
faktorskom eksperimentu u nepotpunim blokovima. Blok plan je opisan u šestom
poglavlju.
Ovaj rad je urađen pod rukovodstvom profesora dr. Miodraga Đorđevića. Zahvaljujem mu
se na velikoj pomoći koju mi je pružio u toku izrade master rada prateći ceo tok izrade i
procenjujući rezultate. Pored njega, zahvalnost dugujem i profesorima Miroslavu Ristiću
i Aleksandru Nastiću.
3
1. UVOD
Planiranje eksperimenta je moćna tehnika u otkrivanju ključnih faktora koji utiču na
posmatranu karakteristiku kvaliteta procesa. Ova tehnika se zasniva na sistematskom
variranju kontrolisanih faktora i otkrivanju efekata koji ti faktori imaju na rezultujuću
karakteristiku. Rezultat ove tehnike je smanjenje varijabilnosti karakteristike kvaliteta i
utvrđivanje nivoa ulaznih kontrolisanih faktora koji će optimizovati performanse procesa.
Tri osnovna principa planiranja eksperimenta su ponavljanje, randomiziranje i pravljenje
blokova. Ovi principi su važan deo svakog eksperimenta.
Pod ponavljanjem se podrazumeva izvođenje eksperimenta više puta pod istim uslovima.
Na taj način se povećava mogućnost tačnije ocene faktora greške i efekata ulaznih
promenljivih na izlaznu promenljivu.
Randomizacija (nasumičan redosled) je polazni korak statističkih metoda u planiranju
eksperimenta. Redosled rasporeda kombinacija nivoa faktora u eksperimentalnim
pokušajima bi trebalo da bude slučajan što je više moguće, da bi se izbalansirali efekti
nekontrolisanih faktora na izlaznu promenljivu, smanjila pristrasnost i uvela nezavisnost
među opservacije izlazne promenljive.
Pravljenje blokova je tehnika koja se koristi kako bi se povećala preciznost
eksperimenata. Blok predstavlja deo uzorka koji je na neki način homogeniji u odnosu na
ceo uzorak. Drugim rečima, pravi se grupisanje.
Prilikom planiranja eksperimenta neophodno je da svi koji su uključeni u eksperiment
imaju unapred jasnu ideju o cilju eksperimenta, koje tačno faktore treba proučavati, kako
će eksperiment biti sproveden i razumevanje dalje analize dobijenih podataka.
Dakle, u planiranju eksperimenta se posmatra uticaj jednog ili više ulaznih faktora na
izlazne veličine. Faktori koji utiču na izlazne veličine su podeljeni u dve grupe: kontrolisani
ulazni faktori (𝑥1, 𝑥2, … , 𝑥𝑝) i nekontrolisani ulazni faktori (𝑧1, 𝑧2, … , 𝑧𝑘). Kod kontrolisanih
faktora se vrednosti tokom procesa proizvodnje mogu podešavati na željene vrednosti,
dok je kod nekontrolisanih faktora to nemoguće ili previše skupo. Neka promenljiva 𝑦
označava karakteristiku kvaliteta koja će biti mera kvaliteta procesa i proizvoda.
Ciljevi eksperimenta uključuju:
1. određivanje faktora koji najviše utiču na promenljivu 𝑦.
2. određivanje vrednosti kontrolisanih ulaznih faktora tako da vrednosti izlazne
promenljive budu najbliže ciljnoj vrednosti.
4
3. određivanje vrednosti kontrolisanih ulaznih faktora tako da vrednosti izlazne
promenljive imaju najmanje rasipanje (najmanju varijansu).
4. određivanje vrednosti kontrolisanih ulaznih faktora tako da se efekti
nekontrolisanih promenljivih 𝑧 minimiziraju.
Posle određivanja faktora koji imaju značajan uticaj na karakteristike procesa,
određujemo funkcionalnu vezu između ulaznih promenljivih i rezultata. U ovom slučaju,
najčešće se koristi regresiona analiza ili analiza vremenskih nizova.
Planiranje eksperimenata se veoma često koristi u DMAIC (Define, Measure, Analyze,
Improve, Control) proceduri i predstavljaju važan korak u poboljšanju. Takođe ima važnu
ulogu u Six Sigma strategije.
5
1.1 SMERNICE ZA PROJEKTOVANJE EKSPERIMENTA
Planiranje eksperimenata podrazumeva sledeće korake:
1. Prepoznavanje i definisanje problema – U praksi je ponekad teško shvatiti da
postoji problem koji zahteva formalno uključivanje planiranja eksperimenta. Zbog
toga može biti teško odrediti jasnu definiciju problema. Zbog toga je neophodno
prići problemu sa svih mogućih strana. Takođe je veoma bitno postaviti i specifične
ciljeve metoda poboljšanja, i među njima planiranja eksperimenata. Neophodno je
prikupiti informacije od što više učesnika u procesu – inženjera, ljudi iz kvaliteta,
menadžmenata, marketinga, operatera, kupaca. Što se više korisnih informacija
prikupi o problemu, to će njegovo razumevanje i kasnije rešavanje biti lakše.
2. Izbor faktora i njihovih nivoa – Jedna od osnovnih stvari je izbor ulaznih
kontrolisanih faktora čije će se vrednosti varirati u eksperimentu. Potrebno je
odrediti raspon vrednosti, kao i nivoe vrednosti svakog faktora. Za to je potrebno
dobro poznavati proces i kombinovati praksu i teoriju, odnosno praktična iskustva
i teorijske preporuke. U početnim fazama, kada se još vrši ispitivanje uticaja
faktora, preporučuje se variranje faktora na malom broju nivoa, najčešće dva,
eventualno tri nivoa.
3. Izvor varijable odgovora – Prilikom izbora izlazne promenljive potrebno je voditi
računa da ona stvarno pruži korisnu informaciju i da ispravnu sliku o stanju procesa
koji se ispituje. U ogromnoj veličini slučajeva se prate srednja vrednost i
standardna varijacija izlazne promenljive. Takodje važan faktor je mogućnost
merenja. Ako je sposobnost merenja loša, onda će se eksperimentom uglavnom
otkriti samo ekstremne promene izlazne promenljive koje predstavljaju posledicu
efekta nekih ulaznih faktora.
4. Izbor plana eksperimenta – Ako su prva tri koraka ispravna, ovaj korak je
relativno lak. Izbor plana eksperimenta uključuje razmatranje obima uzorka, izbor
odgovarajućeg redosleda eksperimenata i odgovarajućeg algoritma
randomizacije.
5. Izvođenje eksperimenta – Tokom izvođenja eksperimenata važno je pažljivo
pratiti proces kako bi se osiguralo da se sve vrši prema planu. Bilo kakva
odstupanja od utvrđenog plana mogu da ugroze validnost. U okruženju složenih
procesa veoma je lako potceniti pravila definisana pravom eksperimenta.
6. Analiza podataka – Da bi se dobili objektivni rezultati i zaključci potrebno je na
prikupljene podatke primeniti statističke analize. Tako dobijeni zaključci će biti
pouzdaniji od ličnog subjektivnog ocenjivanja pojedinaca. Za statističke analize se
mogu koristiti mnogi softverski paketi koji uz pravilnu upotrebu, olakšavaju rad i
tumačenje, počevši od najjednostavnijih grafičkih prikaza pa do najsloženijih
6
multivarijacionih analiza podataka. Važne su i rezudualna analiza i validnost
modela.
7. Zaključci za dalje delovanje– Nakon analize podataka potrebno je pravilno i
praktično interpretirati rezultate i preporučiti dalje delovanje, u smislu da rezultati
statističkih analiza budu “prevedeni” na jezik razumljiv svakom od učesnika u
procesu. U ovom koraku grafičke metode mogu znatno da olakšaju interpertaciju i
razumevanje rezultata. Da bi se potvrdili rezultati analiza, ponekad je potrebno
ponovo izvršiti određeni niz eksperimenata. Grafičke metode su veoma korisne u
ovoj fazi, posebno u prezentaciji rezultata drugim. Da bi se potvrdili zaključci iz
eksperimenta, treba se takodje izvršiti postupci nadgledanja i testiranja potvrda.
Prva tri koraka: prepoznavanje i definisanje problema, izbor faktora i njihovih nivoa i izbor
zavisne promenljive se obično nazivaju pre-eksperimentalno planiranje. Bitno je da se ovi
koraci izvode što je pravilnije, što je bolje moguće, da bi eksperiment bio uspešan. Tokom
čitavog procesa važno je imati na umu da je izvođenje eksperimenta deo neprekidnog
procesa učenja. U svakoj iteraciji, mi postavljamo hipotezu u vezi sa procesom, izvodimo
eksperimente i na osnovu rezultata prihvatamo ili odbacujemo postavljenu hipotezu, a
zatim postavljamo novu hipotezu i tako dalje.
7
2. FAKTORSKI PLAN
U okviru faktorskog plana se svaka od mogućih kombinacija nivoa faktora
uključenih u analizu ispituje bar u jednom eksperimentu. Ako, na primer, posmatramo
uticaj dva faktora 𝐴 i 𝐵, pri čemu faktor 𝐴 ima 𝑎 nivoa, a faktora 𝐵 ima 𝑏 nivoa, onda će
svaki ciklus ponavljanja niza eksperimenata imati po 𝑎𝑏 ponavljanja, jer toliko različitih
kombinacija nivoa faktora 𝐴 i 𝐵 je moguće. Uticaj ili efekat faktora definiše se kao
promena vrednosti posmatranog obeležja nastala promenom nivoa faktora. Ovaj efekat
se često naziva glavni efekat.
Fa
kto
r B
Faktor A Slika 1: Faktorski eksperiment sa dva faktora
Na primer, razmotrimo podatke sa slike 1. U ovom faktorskom planu, faktori 𝐴 i 𝐵 imaju
dva nivoa, označeni sa “ − “ i “ + ”. Ova dva nivoa se nazivaju “niži“ i “viši“ , respektivno.
Fa
kto
r B
Faktor A Slika 2: Faktorski eksperiment sa interakcijom
8
Glavni efekat faktora 𝐴 možemo da posmatramo kao razliku između prosečne vrednosti
obeležja na višem nivou faktora 𝐴 i prosečne vrednosti na nižem nivou faktora 𝐴:
𝐴 = �̅�𝐴+ − �̅�𝐴− = 30 + 40
2−
10 + 30
2= 20.
Ovo znači da promenom nivoa faktora 𝐴 sa nižeg nivoa (−) na viši nivo (+) dolazi do
promene prosečne vrednosti obeležja za 20 jedinica.
Analogno, glavni efekat faktora 𝐵 je:
𝐵 = �̅�𝐵+ − �̅�𝐵− = 20 + 40
2−
10 + 30
2= 10.
Na slici 1 vrednost izlazne promenljive pri nižem nivou faktora 𝐴 manja je od vrednosti pri
višem nivou faktora 𝐴, bez obzira na to da li je faktor 𝐵 na nižem ili višem nivou. I ako
sada posmatramo slučaj gde nije tako, odnosno vrednost izlazne promenljive pri nižem
nivou faktora 𝐴 je jednaka vrednosti pri višem nivou faktora 𝐴, tada će efekat faktora 𝐴
zavisiti od izbora nivoa faktora 𝐵. Što nas dovodi do promene na slici 2. Posmatrajmo
sada podatke sa slike 2 i odredimo efekte faktora 𝐴 i 𝐵.
Vidimo da je efekat faktora 𝐴, na nižem nivou faktora 𝐵:
𝐴 = 30 − 10 = 20.
Takođe vidimo i da je efekat faktora 𝐴, na višem nivou faktora 𝐵:
𝐴 = 0 − 20 = −20.
Kako efekat faktora 𝐴 zavisi od izbora nivoa faktora 𝐵 , to postoji interakcija između
faktora 𝐴 i 𝐵. Kada je interakcija velika, odgovarajući glavni efekti nemaju veliki značaj.
Na primer, koristeći podatke sa slike 2 pronaći ćemo glavni efekat faktora 𝐴 kao:
𝐴 =30 + 0
2−
10 + 20
2= 0
i na osnovu toga zaključujemo da promena nivoa faktora 𝐴 ne izaziva promenu u
prosečnim vrednostima izlazne promenljive. Međutim, kada ispitamo glavni efekat faktora
𝐴 pri različitim nivoima faktora 𝐵, vidimo da to nije slučaj. Efekat faktora 𝐴 zavisi od nivoa
faktora 𝐵. Dakle, informacija da postoji interakcija faktora 𝐴 i 𝐵 može da bude korisnija od
informacije vezane za glavni efekat.
Posmatrajmo sada sliku 3 i sliku 4 dobijene na osnovu istih podataka kao i slika 1 i slika
2.
9
Slika 3: Faktorski eksperiment, bez interakcije
Slika 4: Faktorski eksperiment sa interakcijom
Na slici 3 vidimo da su linije 𝐵+ i 𝐵− približno paralelne, a to bi trebalo da ukazuje na
nepostojanje interakcije faktora 𝐴 i 𝐵.
Međutim, na slici 4 linije 𝐵+ i 𝐵− se seku, što može ukazivati na postojanje interakcije
između faktora 𝐴 i 𝐵. Ovakav grafički prikaz, s obzirom na njegovu intuitivnost, može biti
vrlo koristan prilikom prezentacije rezultata.
10
3. ANALIZA VARIJANSE
Izraz analiza varijanse (ANOVA što potiče od engleskog naziva: Analysis of
Variance) opisuje grupu statističkih procedura koje je razvio britanski statističar Sir
Ronald Fisher i izložio ga 1923.godine. Analiza varijanse je statistička metoda kojom se
ispituje efekat jedne ili više nezavisnih promenljivih na jednu zavisnu promenljivu.
Nezavisne promenljive se nazivaju faktori uticaja i oni sadrže više nivoa, a njihov efekat
se odražava na veće ili manje promene vrednosti zavisne promenljive. Kada se ispituje
uticaj jedne nezavisne promenljive (jednog faktora), koji ima dva ili više nivoa, na zavisnu
promenljivu, onda je to jednofaktorska analiza. U višefaktorskoj analizi varijanse ispituje
se uticaj dva faktora (dvofaktorska analiza varijanse), tri faktora (trofaktorska analiza
varijanse) ili više faktora, od kojih svaki ima više nivoa, na jednu zavisnu promenljivu. U
ovom radu će biti opisani različiti slučajevi analize varijanse.
3.1 JEDNOFAKTORSKA ANALIZA VARIJANSE
U ovom eksperimentu, posmatra se dejstvo jednog faktora 𝐴 na ishod
eksperimenta. Faktor 𝐴 ima 𝑎, 𝑎 ≥ 2 različitih nivoa (vrednosti) u eksperimentu. Neka su
različiti nivoi uticaja obeleženi sa 𝐴1, 𝐴2, … , 𝐴𝑎.
Nivoi faktora
Merenja
1 𝑦11, 𝑦12, ⋯ , 𝑦1𝑗, ⋯ , 𝑦1𝑛1
2 𝑦21, 𝑦22, ⋯ , 𝑦2𝑗 , ⋯ , 𝑦2𝑛2
⋮ ⋯
𝑖 𝑦𝑖1, 𝑦𝑖2, ⋯ , 𝑦𝑖𝑗 , ⋯ , 𝑦𝑖𝑛𝑖
⋮ ⋯
𝑎 𝑦𝑎1, 𝑦𝑎2, ⋯ , 𝑦𝑎𝑗 , ⋯ , 𝑦𝑎𝑛𝑎
Tabela 1: Podaci za jednofaktorski eksperiment
11
Linearan matematički model za jednofaktorski eksperiment je:
𝑦𝑖𝑗 = 𝜇 + 𝜏𝑖 + 𝜀𝑖𝑗 𝑖 = 1,2, … , 𝑎, 𝑗 = 1,2, … , 𝑛𝑖
gde je 𝜇 =∑ 𝜇𝑖
𝑎𝑖=1
𝑎 srednja (očekivana) vrednost zavisne promenljive, 𝜇𝑖 srednja vrednost
zavisne promenljive pri dejstvu 𝑖-tog nivoa faktora 𝐴, 𝜀𝑖𝑗 nezavisne slučajne promenljive
sa istom raspodelom 𝜀𝑖𝑗 : 𝒩(0, 𝜎2) i 𝜏𝑖 = 𝜇𝑖 − 𝜇 efekat 𝑖-tog nivoa faktora 𝐴.
Neka je 𝑦𝑖. suma svih vrednosti obeležja 𝑦 u uzorku na 𝑖-tom nivou faktora 𝐴, 𝑦.. suma
svih vrednosti obeležja 𝑦, a �̅�𝑖. i �̅�.. odgovarajuće uzoračke sredine.
𝑦𝑖. = ∑ 𝑦𝑖𝑗
𝑛𝑖
𝑗=1
𝑦.. = ∑ ∑ 𝑦𝑖𝑗
𝑛𝑖
𝑗=1
𝑎
𝑖=1
�̅�𝑖. =𝑦𝑖.
𝑛𝑖
�̅�.. =𝑦..
∑ 𝑛𝑎𝑖=1 𝑖
Suma kvadrata greške, 𝜀𝑖𝑗 je:
∑ ∑ 𝜀𝑖𝑗2𝑛𝑖
𝑗=1 = ∑ ∑ (𝑦𝑖𝑗 − 𝜇𝑖)2𝑛𝑖𝑗=1
𝑎𝑖=1
𝑎𝑖=1
Minimiziranjem ove vrednosti, može se pokazati da je ocena za 𝜇𝑖:
�̅�𝑖. =∑ 𝑦𝑖𝑗
𝑛𝑖𝑗=1
𝑛𝑖, 𝑖 = 1,2, … , 𝑎
Kako su 𝜀𝑖𝑗 nezavisne slučajne promenljive sa sredinom 0 i istom varijansom, ocena iz
prethodne jednačine je takođe nepristrasna ocena za 𝜇𝑖 , 𝑖 = 1,2, … , 𝑎.
▪ Suma kvadrata greške je:
𝑆𝑆𝐸 = ∑ ∑(𝑦𝑖𝑗 − �̅�𝑖.)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
▪ Ukupna suma kvadrata je:
𝑆𝑆𝑇 = ∑ ∑(𝑦𝑖𝑗 − �̅�..)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
gde je �̅�.. =∑ ∑ 𝑦𝑖𝑗
𝑛𝑖𝑗=1
𝑎𝑖=1
∑ 𝑛𝑖𝑎𝑖=1
ocena za 𝜇.
12
Razlika između 𝑆𝑆𝑇 i 𝑆𝑆𝐸 je:
𝑆𝑆𝑇 − 𝑆𝑆𝐸 = ∑ ∑(𝑦𝑖𝑗 − �̅�..)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
− ∑ ∑(𝑦𝑖𝑗 − �̅�𝑖.)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
= ∑ 𝑛𝑖(�̅�𝑖. − �̅�..)2
𝑎
𝑖=1
,
što znači da se ukupna suma kvadrata može predstaviti na sledeći način:
∑ ∑(𝑦𝑖𝑗 − �̅�..)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
= ∑ 𝑛𝑖(�̅�𝑖. − �̅�..)2
𝑎
𝑖=1
+ ∑ ∑(𝑦𝑖𝑗 − �̅�𝑖.)2
𝑛𝑖
𝑗=1
𝑎
𝑖=1
.
Dakle, ukupna suma kvadrata se može predstaviti u obliku zbira dve sume kvadrata,
sume kvadrata faktora 𝐴 i sume kvadrata greške. Suma kvadrata faktora 𝐴 sadrži
informaciju o odstupanjima srednjih vrednosti zavisne promenljive po nivoima faktora
uticaja od ukupne srednje vrednosti, čime se obuhvata ocena efekta nivoa faktora.
Ispitivanje uticaja jednog faktora na ishod eksperimenta se može svesti na testiranje
hipoteza.
Testira se nulta hipoteza
𝐻0: (𝜇1 = 𝜇2 = ⋯ = 𝜇𝑎 = 𝜇)
da su sve prosečne vrednosti zavisne promenljive po nivoima faktora jednake, što
ukazuje na to da niti jedan nivo faktora ne prouzrokuje promenu vrednosti zavisne
promenljive, tj. nema uticaj, protiv alternativne hipoteze
𝐻1: (𝜇𝑖 ≠ 𝜇𝑗 𝑧𝑎 𝑏𝑎𝑟 𝑗𝑒𝑑𝑎𝑛 𝑝𝑎𝑟 𝑖, 𝑗)
da postoje bar dva nivoa faktora takva da se prosečne vrednosti zavisne promenljive
razlikuju.
Ove hipoteze se mogu zapisati u terminima efekata nivoa faktora i na sledeći način:
Nulta hipoteza će biti
𝐻0: (𝜏1 = 𝜏2 = ⋯ = 𝜏𝑎 = 0)
da je efekat bilo kog nivoa faktora 𝐴 jednak nuli, odnosno faktor 𝐴 nema nikakav uticaj
na vrednost zavisne promenljive, protiv alternativne
𝐻1: (𝜏𝑖 ≠ 0 𝑧𝑎 𝑏𝑎𝑟 𝑗𝑒𝑑𝑛𝑜 𝑖 = 1,2, … , 𝑎)
da postoji bar jedan nivo faktora 𝐴 čiji je efekat različit od nule, tj.faktor 𝐴 ipak utiče na
vrednosti zavisne promenljive.
13
Važna pretpostavka u postupku testiranja ovih hipoteza je pretpostavka da svi 𝑦𝑖𝑗 imaju
istu varijansu (𝜎2). Popravljena varijansa iz 𝑖-te podgrupe je:
𝑠𝑖2 =
∑ (𝑦𝑖𝑗 − �̅�𝑖.)2𝑛𝑖
𝑗=1
𝑛𝑖 − 1, 𝑖 = 1,2, … , 𝑎
Korišćenjem ovih 𝑎 ocena, možemo dobiti ocenu ukupne varijanse:
�̂�2 =∑ 𝑠𝑖
2𝑎𝑖=1
𝑎=
1
𝑎∑ ∑
(𝑦𝑖𝑗 − �̅�𝑖.)2
𝑛𝑖 − 1
𝑛𝑖
𝑗=1
𝑎
𝑖=1
.
Da bismo odredili raspodelu test statistike, odredićemo prvo stepene slobode za svaku
od suma kvadrata koje će se koristiti u daljim izračunavanjima. Ocena parametra dovodi
do gubitka jednog stepena slobode. Izračunavanje 𝑆𝑆𝑇 zahteva izračunavanje �̅�... Broj
stepeni slobode za ukupnu sumu kvadrata će biti:
𝑑. 𝑓. (𝑆𝑆𝑇) = ∑ 𝑛𝑖
𝑎
𝑖=1
− 1 = 𝑁 − 1
gde je 𝑁 obim celog uzorka, 𝑁 = ∑ 𝑛𝑖𝑎𝑖=1 . Broj stepeni slobode za sumu kvadrata
tretmana 𝑆𝑆𝐴 će biti:
𝑑. 𝑓. (𝑆𝑆𝐴) = 𝑎 − 1,
a broj stepeni slobode za sumu kvadrata greške 𝑆𝑆𝐸 se dobija oduzimanjem broja stepeni
slobode za 𝑆𝑆𝐴 od broja stepeni slobode za 𝑆𝑆𝑇:
𝑑. 𝑓. (𝑆𝑆𝐸) = 𝑑. 𝑓. (𝑆𝑆𝑇) − 𝑑. 𝑓. (𝑆𝑆𝐴) = (∑ 𝑛𝑖
𝑎
𝑖=1
− 1) − (𝑎 − 1) = 𝑁 − 𝑎
Deljenjem suma kvadrata odgovarajućim stepenima slobode, dobijaju se tzv. prosečne
vrednosti suma kvadrata (𝑀𝑆).
Prosečna suma kvadrata tretmana ili faktora 𝑀𝑆𝐴 =𝑆𝑆𝐴
(𝑎−1)
Prosečna suma kvadrata greške 𝑀𝑆𝐸 =𝑆𝑆𝐸
𝑁−𝑎
Može se pokazati da ako je nulta hipoteza 𝐻0 ∶ (𝜏1 = 𝜏2 = ⋯ = 𝜏𝑎 = 0) tačna, tada
𝑆𝑆𝐸 𝜎2⁄ i 𝑆𝑆𝐴 𝜎2⁄ imaju 𝒳2 raspodelu sa odgovarajućim stepenima slobode,
𝑆𝑆𝐸 𝜎2⁄ : 𝒳(𝑁−𝑎)2 𝑆𝑆𝐴 𝜎2⁄ ∶ 𝒳(𝑎−1)
2
14
Na osnovu toga sledi da statistika 𝑆𝑆𝐴/(𝑎−1)
𝑆𝑆𝐸/(𝑁−𝑎)=
𝑀𝑆𝐴
𝑀𝑆𝐸
ima Fišerovu raspodelu sa (𝑎 − 1) i
(𝑁 − 𝑎) stepeni slobode.
𝑆𝑆𝐴/(𝑎 − 1)
𝑆𝑆𝐸/(𝑁 − 𝑎)=
𝑀𝑆𝐴
𝑀𝑆𝐸∶ 𝐹𝑎−1,𝑁−𝑎.
Hipotezu 𝐻0 odbacujemo, ako su vrednosti statistike 𝐹𝑎−1,𝑁−𝑎 veće od kritične vrednosti
𝑐 za koju je:
𝑃{𝐹𝑎−1,𝑁−𝑎 ≥ 𝑐} = 𝛼
gde je 𝑐 = 𝐹𝑎−1,𝑁−𝑎,𝛼 kvantil reda 1 − 𝛼 za slučajnu promenljivu sa Fišerovom
raspodelom 𝐹𝑎−1,𝑁−𝑎.
Označimo sa 𝑓𝑎−1,𝑁−𝑎 realizovanu vrednost statistike 𝐹𝑎−1,𝑁−𝑎. Verovatnoća
𝑃{𝐹𝑎−1,𝑁−𝑎 ≥ 𝑓𝑎−1,𝑁−𝑎} = 𝑝
se naziva 𝑝 vrednost ili značajnost testa.
Nultu hipotezu 𝐻0 odbacujemo ako je:
𝑓𝑎−1,𝑁−𝑎 ≥ 𝐹𝑎−1,𝑁−𝑎 odnosno ako je 𝑝 ≤ 𝛼
Za prikaz rezultata analize varijanse se obično koristi sledeća tabela u kojoj su prikazane
sve relevantne vrednosti za postupak testiranja ovih hipoteza.
Izvori Suma
kvadrata Stepeni slobode
Prosečna suma kvadrata
𝑭
Tretman 𝑆𝑆𝐴 𝑎 − 1 𝑀𝑆𝐴 =𝑆𝑆𝐴
𝑎 − 1
𝑀𝑆𝐴
𝑀𝑆𝐸
Greška 𝑆𝑆𝐸 𝑁 − 𝑎 𝑀𝑆𝐸 =𝑆𝑆𝐸
𝑁 − 𝑎
Ukupno 𝑆𝑆𝑇 𝑁 − 1
Tabela 2: Rezultati analize varijanse
Primer 1: Inženjer procesa želi da testira efekat temperature žarenja na čvrstoću
komponente. Izabrano je tri nivoa temperature: 600℉, 650 ℉ i 700℉ . Odabrano je
ukupno devet identičnih komponenti za eksperiment i po tri komponente su testirane na
15
svakoj od tri temperature. Raspored komponenti po temperaturama je generisan na
slučajan način. Izmerene vrednosti čvrstoća devet komponenti su date u tabeli 3.
Temperatura Ponavljanje 1 Ponavljanje 2 Ponavljanje 3
𝟔𝟎𝟎℉ 5 (𝑦11) 6 (𝑦12) 7 (𝑦13)
𝟔𝟓𝟎℉ 3 (𝑦21) 4 (𝑦22) 5 (𝑦23)
𝟕𝟎𝟎℉ 7 (𝑦31) 8 (𝑦32) 9 (𝑦33)
Tabela 3: Čvrstoće komponenti nakon žarenja na tri različite temperature
𝑆𝑆𝑇 = 52 + 62 + 72 + 32 + 42 + 52 + 72 + 82 + 92 −542
3 ∙ 3= 30,0
𝑆𝑆𝐴 =182 + 122 + 242
3−
542
9= 24,0
𝑆𝑆𝐸 = 30 − 24 = 6,0.
Tabela 4: Rezultati jednofaktorske analize varijansi za primer žarenja komponenti
Pretpostavimo da je nivo značajnosti 𝛼 = 0,05. Kako je 12,0 > 5,14, zaključujemo da
temperatura utiče na zateznu čvrstoću za nivo značajnosti 𝛼 = 0,05.
Izvori varijanse Suma
kvadrata Stepeni slobode
Prosečna suma kvadrata
𝑭 𝑭 vrednost
(𝜶 = 𝟎, 𝟎𝟓)
Temperatura 24 3 − 1 = 2 24
2= 12
12
1= 12,0 5,24
Greška 6 8 − 2 = 6 6
6= 1
Ukupno 30 9 − 1 = 8
16
3.2 DVOFAKTORSKA ANALIZA VARIJANSE
Posmatraćemo faktorski model sa dva faktora i opisaćemo postupak statističke
analize na tom modelu. Neka je 𝑎 broj nivoa faktora 𝐴 i 𝑏 broj nivoa faktora 𝐵. Ako se
eksperiment za svaku kombinaciju nivoa faktora 𝐴 i 𝐵 ponavlja 𝑛 puta, imaćemo
raspored podataka kao u tabeli 5:
𝐴 𝐵⁄ 1 2 ⋯ 𝑏
1 𝑦111, 𝑦112, . . , 𝑦11𝑛 𝑦121, 𝑦122, … , 𝑦12𝑛 ⋯ 𝑦1𝑏1, 𝑦1𝑏2, … , 𝑦1𝑏𝑛
2 𝑦211, 𝑦212, … , 𝑦21𝑛 𝑦221, 𝑦222, … , 𝑦22𝑛 ⋯ 𝑦2𝑏1, 𝑦2𝑏2, … , 𝑦2𝑏𝑛
⋮ ⋮ ⋮ ⋮ ⋮
𝑎 𝑦𝑎11, 𝑦𝑎12, … , 𝑦𝑎1𝑛 𝑦𝑎21, 𝑦𝑎22, … , 𝑦𝑎2𝑛 ⋯ 𝑦𝑎𝑏1, 𝑦𝑎𝑏2, … , 𝑦𝑎𝑏𝑛
Tabela 5: Podaci za dvofaktorski eksperiment
Pošto za svaku kombinaciju nivoa faktora 𝐴 i 𝐵 imamo 𝑛 ponavljanja eksperimenta, biće
ukupno 𝑎𝑏𝑛 vrednosti obeležja 𝑌.
Matematički model dvofaktorskog eksperimenta se može predstaviti na sledeći način :
𝑦𝑖𝑗𝑘 = 𝜇 + 𝜏𝑖 + 𝛽𝑗 + (𝜏𝛽)𝑖𝑗 + 𝜀𝑖𝑗𝑘 𝑖 = 1,2, . . . , 𝑎, 𝑗 = 1,2, . . . , 𝑏, 𝑘 = 1,2, … , 𝑛
gde je 𝜇 matematičko očekivanje obeležja 𝑦 , 𝜏𝑖 je efekat 𝑖 -tog nivoa faktora 𝐴 , 𝛽𝑗 je
efekat 𝑗-tog nivoa faktora 𝐵, (𝜏𝛽)𝑖𝑗 je efekat interakcije faktora 𝐴 i 𝐵 i 𝜀𝑖𝑗𝑘 je greška koja
ima 𝒩(0, 𝜎2). Efekat ili uticaj nivoa faktora se definiše kao srednje vrednosti obeležja na
tom nivou faktora od ukupnog očekivanja obeležja, pa je:
∑ 𝜏𝑖𝑎𝑖=1 = 0 i ∑ 𝛽𝑗
𝑏𝑗=1 = 0
Slično, važi i za efekat interakcije:
∑ ∑(𝜏𝛽)𝑖𝑗
𝑏
𝑗=1
𝑎
𝑖=1
= 0
Testiraćemo sledeće parove hipoteza:
nultu hipotezu da je efekat bilo kog nivoa faktora 𝐴 jednak nuli, odnosno faktor 𝐴 nema
nikakav uticaj na vrednost zavisne promenljive, protiv alternativne hipoteze da postoji bar
17
jedan nivo faktora 𝐴 čiji je efekat različit od nule, tj.faktor 𝐴 ipak utiče na vrednosti zavisne
promenljive:
𝐻0 ∶ (𝜏1 = 𝜏2 = ⋯ = 𝜏𝑎 = 0)
𝐻1 ∶ (∃𝑖 ∶ 𝑖 ∈ {1,2, … , 𝑎}, 𝜏𝑖 ≠ 0),
nultu hipotezu da je efekat bilo kog nivoa faktora 𝐵 jednak nuli, odnosno faktor 𝐵 nema
nikakav uticaj na vrednost zavisne promenljive, protiv alternativne hipoteze da postoji bar
jedan nivo faktora 𝐵 čiji je efekat različit od nule, tj.faktor 𝐵 ipak utiče na vrednosti zavisne
promenljive:
𝐻0 ∶ (𝛽1 = 𝛽2 = ⋯ = 𝛽𝑏 = 0)
𝐻1 ∶ (∃𝑗 ∶ 𝑗 ∈ {1,2, … , 𝑏}, 𝛽𝑗 ≠ 0),
nultu hipotezu da je efekat interakcije bilo kojih nivoa faktora 𝐴 i 𝐵 jednak nuli, odnosno
ne postoji interakcija faktora 𝐴 i 𝐵, protiv alternativne hipoteze da je efekat nekog nivoa
faktora 𝐴 i 𝐵 različit od nule, tj. postoji efekat interakcije faktora 𝐴 i 𝐵 na zavisnu
promenljivu:
𝐻0 ∶ ((𝜏𝛽)𝑖𝑗 = 0, ∀(𝑖, 𝑗) ∶ 𝑖 ∈ {1,2, … , 𝑎}, 𝑗 ∈ {1,2, … , 𝑏})
𝐻1 ∶ (∃(𝑖, 𝑗) ∶ 𝑖 ∈ {1,2, … , 𝑎}, 𝑗 ∈ {1,2, … , 𝑏}, (𝜏𝛽)𝑖𝑗 ≠ 0).
Za testiranje ovih hipoteza ćemo koristiti dvofatkorsku analizu varijanse.
Neka je 𝑦𝑖.. suma svih vrednosti obeležja 𝑦 u uzorku na 𝑖-tom nivou faktora 𝐴, 𝑦.𝑗. suma
svih vrednosti obeležja 𝑦 u uzorku na 𝑗-tom nivou faktora 𝐵 , 𝑦𝑖𝑗. suma svih vrednosti
obeležja 𝑦 u uzorku pri dejstvu 𝑖-tog nivoa faktora 𝐴 i 𝑗-tog nivoa faktora 𝐵, 𝑦... suma svih
vrednosti obeležja 𝑦, a �̅�𝑖.., �̅�.𝑗., �̅�... i �̅�𝑖𝑗. odgovarajuće uzoračke sredine:
𝑦𝑖.. = ∑ ∑ 𝑦𝑖𝑗𝑘
𝑛
𝑘=1
𝑏
𝑗=1
�̅�𝑖.. =𝑦𝑖..
𝑏𝑛
𝑦.𝑗. = ∑ ∑ 𝑦𝑖𝑗𝑘
𝑛
𝑘=1
𝑎
𝑖=1
�̅�.𝑗. =𝑦.𝑗.
𝑎𝑏𝑛
𝑦𝑖𝑗. = ∑ 𝑦𝑖𝑗𝑘
𝑛
𝑘=1
�̅�𝑖𝑗. =𝑦𝑖𝑗.
𝑛
𝑦... = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
�̅�... =𝑦...
𝑎𝑏𝑛
18
Ukupna suma kvadrata odstupanja od srednje vrednosti je:
𝑆𝑆𝑇 = ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − �̅�…)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
= 𝑏𝑛 ∑(�̅�𝑖.. − �̅�…)2 + 𝑎𝑛 ∑(�̅�.𝑗. − �̅�…)2
+ 𝑛 ∑ ∑(�̅�𝑖𝑗. − �̅�𝑖.. − �̅�.𝑗. + �̅�…)2
𝑏
𝑗=1
𝑎
𝑖=1
𝑏
𝑗=1
𝑎
𝑖=1
+ ∑ ∑ ∑(𝑦𝑖𝑗𝑘 − �̅�𝑖𝑗.)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
Možemo i simbolički zapisati kao:
𝑆𝑆𝑇 = 𝑆𝑆𝐴 + 𝑆𝑆𝐵 + 𝑆𝑆𝐴𝐵 + 𝑆𝑆𝐸
gde su:
𝑆𝑆𝐴 = ∑ ∑ ∑(�̅�𝑖..
− �̅�…
)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
= 𝑏𝑛 ∑(�̅�𝑖..
− �̅�…
)2
𝑎
𝑖=1
𝑆𝑆𝐵 = ∑ ∑ ∑ (�̅�.𝑗.
− �̅�…
)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
= 𝑎𝑛 ∑ (�̅�.𝑗.
− �̅�…
)2
𝑏
𝑗=1
𝑆𝑆𝐴𝐵 = ∑ ∑ ∑ (�̅�𝑖𝑗.
− �̅�𝑖..
− �̅�.𝑗.
+ �̅�…
)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
= 𝑛 ∑ ∑ (�̅�𝑖𝑗.
− �̅�𝑖..
− �̅�.𝑗.
+ �̅�…
)2
𝑏
𝑗=1
𝑎
𝑖=1
𝑆𝑆𝐸 = ∑ ∑ ∑ (𝑦𝑖𝑗𝑘
− �̅�𝑖𝑗.
)2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
sume kvadrata odstupanja od odgovarajućih srednjih vrednosti sa vrednostima stepena
slobode: 𝑎 − 1, 𝑏 − 1, (𝑎 − 1)(𝑏 − 1), 𝑎𝑏(𝑛 − 1), respektivno.
Deljenjem zbira kvadrata odstupanja odgovarajućim stepenom slobode dobijaju se
prosečne ili srednje sume kvadrata:
𝑀𝑆𝐴 =𝑆𝑆𝐴
𝑎−1, 𝑀𝑆𝐵 =
𝑆𝑆𝐵
𝑏−1, 𝑀𝑆𝐴𝐵 =
𝑆𝑆𝐴𝐵
(𝑎−1)(𝑏−1) i 𝑀𝑆𝐸 =
𝑆𝑆𝐸
𝑎𝑏(𝑛−1)
To su prosečne sume kvadrata faktora 𝐴, fakora 𝐵, interakcije faktora 𝐴 i 𝐵 i greške. Ove
prosečne sume kvadrata imaju 𝒳2 raspodelu sa odgovarajućim stepenima slobode.
Njihova očekivanja su:
𝐸(𝑀𝑆𝐴) = 𝐸 (𝑆𝑆𝐴
𝑎−1) = 𝜎2 +
𝑏𝑛
𝑎−1∑ 𝜏𝑖
2𝑎𝑖=1
19
𝐸(𝑀𝑆𝐵) = 𝐸 (𝑆𝑆𝐵
𝑏 − 1) = 𝜎2 +
𝑎𝑛
𝑏 − 1∑ 𝛽𝑗
2
𝑏
𝑗=1
𝐸(𝑀𝑆𝐴𝐵) = 𝐸 (𝑆𝑆𝐴𝐵
(𝑎 − 1)(𝑏 − 1)) = 𝜎2 +
𝑛
(𝑎 − 1)(𝑏 − 1)∑ ∑(𝜏𝛽)𝑖𝑗
2
𝑏
𝑗=1
𝑎
𝑖=1
𝐸(𝑀𝑆𝐸) = 𝐸 (𝑆𝑆𝐸
𝑎𝑏(𝑛 − 1)) = 𝜎2.
Ako su nulte hipoteze tačne, onda će sva nabrojana očekivanja biti jednaka i iznosiće 𝜎2.
Međutim, ako je tačna alternativna hipoteza, odnosno ako između srednjih vrednosti
zavisne promenljive na različitim novoima faktora postoje razlike, onda će prosečne sume
kvadrata odgovarajućih faktora biti veće od prosečne sume kvadrata. Da bismo testirali
značajnost efekata faktora, kao i njihove interakcije, potrebno je podeliti odgovarajuće
prosečne sume kvadrata prosečnom sumom kvadrata greške. Ako se pretpostavi da je
naš linearan model adekvatan, onda 𝑀𝑆𝐴/𝑀𝑆𝐸 , 𝑀𝑆𝐵/𝑀𝑆𝐸 i 𝑀𝑆𝐴𝐵/𝑀𝑆𝐸 imaju Fišerovu
raspodelu sa odgovarajućim brojem stepeni slobode:
𝐹𝑎−1,𝑎𝑏(𝑛−1) =𝑀𝑆𝐴
𝑀𝑆𝐸
𝐹𝑏−1,𝑎𝑏(𝑛−1) =𝑀𝑆𝐵
𝑀𝑆𝐸
𝐹(𝑎−1)(𝑏−1),𝑎𝑏(𝑛−1) =𝑀𝑆𝐴𝐵
𝑀𝑆𝐸.
Izvori varijanse
Suma kvadrata
Stepeni slobode
Prosečna suma kvadrata 𝑭
Faktor 𝑨 𝑆𝑆𝐴 𝑎 − 1 𝑀𝑆𝐴 =𝑆𝑆𝐴
𝑎 − 1
𝐹0 = 𝑀𝑆𝐴/𝑀𝑆𝐸
Faktor 𝑩 𝑆𝑆𝐵 𝑏 − 1 𝑀𝑆𝐵 =𝑆𝑆𝐵
𝑏 − 1
𝐹0 = 𝑀𝑆𝐵/𝑀𝑆𝐸
Interakcija 𝑨𝑩 𝑆𝑆𝐴𝐵 (𝑎 − 1)(𝑏 − 1) 𝑀𝑆𝐴𝐵 =𝑆𝑆𝐴𝐵
(𝑎 − 1)(𝑏 − 1)
𝐹0 = 𝑀𝑆𝐴𝐵/𝑀𝑆𝐸
Greška 𝑆𝑆𝐸 𝑎𝑏(𝑛 − 1) 𝑀𝑆𝐸 =𝑆𝑆𝐸
𝑎𝑏(𝑛 − 1)
Ukupno 𝑆𝑆𝑇 𝑎𝑏𝑛 − 1
Tabela 6: Tabela za prikaz rezultata dvofaktorske analize varijanse
20
Jednostavnije formule za izračunavanje suma kvadrata su:
suma kvadrata odstupanja od srednje vrednosti
𝑆𝑆𝑇 = ∑ ∑ ∑ 𝑦𝑖𝑗𝑘2
𝑛
𝑘=1
𝑏
𝑗=1
𝑎
𝑖=1
−𝑦…
2
𝑎𝑏𝑛
suma kvadrata odstupanja za faktor 𝐴
𝑆𝑆𝐴 = ∑𝑦𝑖..
2
𝑏𝑛
𝑎
𝑖=1
−𝑦…
2
𝑎𝑏𝑛
suma kvadrata odstupanja za faktor 𝐵
𝑆𝑆𝐵 = ∑𝑦.𝑗.
2
𝑎𝑛
𝑏
𝑗=1
−𝑦…
2
𝑎𝑏𝑛
suma kvadrata interaktivnog dejstva faktora 𝐴 i 𝐵
𝑆𝑆𝐴𝐵 = ∑ ∑𝑦𝑖𝑗.
2
𝑛
𝑏
𝑗=1
𝑎
𝑖=1
−𝑦…
2
𝑎𝑏𝑛− 𝑆𝑆𝐴 − 𝑆𝑆𝐵
suma kvadrata greške
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵 − 𝑆𝑆𝐴𝐵
Primer 2: Inženjer dizajnira bateriju koja se koristi unutar uređaja, a koji će biti izložen
ekstremnim temperaturnim varijacijama. Jedini parametar dizajna koji inženjer može da
odabere u tom trenutku je materijal od kojeg je ploča baterije napravljena i on ima tri
moguća izbora. Kada je uređaj napravljen, inženjer nema kontrolu nad temperaturnim
ekstremima koje će zadesiti uređaj. On zna iz iskustva da će temperature imati uticaj na
trajanje baterije. Međutim, temperatura može da se kontroliše tokom laboratorijskog
razvoja proizvoda, a zarad testiranja. Inženjer odlučuje da testira sva tri materijala na tri
različite temperature - 15℉, 70℉ i 125℉ - zbog toga što su ove temperature konzistentne
sa trajanjem proizvoda. Testirane su četiri baterije u svakoj kombinaciji materijala i
temperature, redosled svih 36 pokušaja je određen nasumično. Eksperiment i rezultati
trajanja baterije su prikazeni u tabeli 7.
21
Temperatura (𝐵)
Materijal (𝐴) 15℉ 70℉ 125℉ 𝑦𝑖..
1 130 155
74 180
34 40
80 75
20 70
82 58 998
2 150 188
159 126
136 122
106 115
25 70
58 45 1300
3 138 110
168 160
174 120
150 139
96 104
82 60 1501
𝑦.𝑗. 1738 1291 770 3799 = 𝑦…
Tabela 7: Trajanje baterije u zavisnosti od temperature i vrste materijala
𝑆𝑆𝑇 = 1302 + 1552 + ⋯ + 602 −(3799)2
36= 77 646,97
𝑆𝑆𝐴 =9982 + 13002 + 15012
12−
(3799)2
36= 10 683,72
𝑆𝑆𝐵 =17382 + 12912 + 7702
12−
(3799)2
36= 39 118,72
𝑆𝑆𝐴𝐵 =1
4[5392 + 2292 + ⋯ + 3422] −
(3799)2
36− 10 683,72 − 39 118,72 = 9 613,78
𝑆𝑆𝐸 = 77 646,97 − (10 683,72 + 39 118,72 + 9 613,78) = 18 230,75
Izvori Suma
kvadrata Stepeni slobode
Prosečna suma
kvadrat 𝑭
𝑷 vrednost
Materijal 𝐴 10 683,72 2 5 341,86 7,91 0,002
Temperatura 𝐵 39 118,72 2 19 559,36 28,97 0,000
Interakcija 𝐴𝐵 9 613,78 4 2 403,44 3,56 0,018
Greška 18 230,75 27 675,21
Ukupno 77 646,97 35
Tabela 8: Rezultati analize varijanse u eksperimentu sa trajanjem baterija
Na osnovu 𝑃 vrednost, zaključujemo da vrsta materijala, temperatura i interakcija između
njih imaju značajan uticaj na trajanje baterije.
22
4. 2𝑘 FAKTORSKI PLAN
Neke specijalne vrste faktorskih planova su veoma korisne u procesu razvoja i
poboljšanja kvaliteta. Jedan od njih je faktorskii plan sa 𝑘 faktora, pri čemu svaki faktor
ima dva nivoa. Zbog toga što sva moguća ponavljanja ovog plana zahtevaju 2𝑘
posmatranja, plan nazivamo 2𝑘 faktorskii plan. Ovaj plan ima jednostavnu analizu. Pored
toga, čini i osnovu mnogih drugih korisnih planova.
U nastavku će biti reči o najjednostavnijim slučajevima 22, 23 planovima, a zatim i o
delimičnom faktorskom 2𝑘 planu.
4.1 22 FAKTORSKI PLAN
Najpre posmatramo najjednostavniji slučaj: plan sa dva faktora 𝐴 i 𝐵, svaki sa po
dva nivoa, tj.plan 22. Geometrijska šema plana 22 je prikazana na slici 5. Plan možemo
predstaviti geometrijski kao kvadrat čije svako teme predstavlja po jedan eksperiment.
Matrica plana prikazuje četiri eksperimenta u tabličnom formatu, što je ilustrovano u tabeli
9.
Slika 5: Geometrijski šema 22 faktorskog plana
23
𝐴 𝐵
(1) − −
𝑎 + −
𝑏 − +
𝑎𝑏 + +
Tabela 9: Matrica 22 faktorskog plana
Neka oznake (1), 𝑎, 𝑏, 𝑎𝑏 predstavljaju zbir vrednosti zavisne promenljive u 𝑛
eksperimenata na odgovarajućim nivoima faktora 𝐴 i 𝐵. Cilj analize je da se utvrdi da li
postoje efekti faktora 𝐴 i 𝐵 i eventualno njihove interakcije. Da bismo ocenili glavni efekat
faktora 𝐴, treba od prosečne vrednosti 𝑛 opservacija na desnoj strani kvadrata, kada je
faktor 𝐴 na višem nivou, oduzeti od prosečne vrednosti 𝑛 opservacija na levoj strani
kvadrata, gde je faktor 𝐴 na nižem nivou, tj.
𝐴 = �̅�𝐴+ − �̅�𝐴− =𝑎 + 𝑎𝑏
2𝑛−
𝑏 + (1)
2𝑛=
1
2𝑛[𝑎 + 𝑎𝑏 − 𝑏 − (1)]
Analogno, glavni efekat faktora 𝐵 dobijamo tako što se od prosečne vrednosti 𝑛
opservacija na vrhu kvadrata, gde je faktor 𝐵 na višem nivou, oduzima prosečna vrednost
𝑛 opservacija na dnu kvadrata, gde je 𝐵 na nižem nivou, tj.
𝐵 = �̅�𝐵+ − �̅�𝐵− =𝑏 + 𝑎𝑏
2𝑛−
𝑎 + (1)
2𝑛=
1
2𝑛[𝑏 + 𝑎𝑏 − 𝑎 − (1)]
Interakciju 𝐴𝐵 ocenjujemo tako što se uzima razlika u prosečnim vrednostima
kombinacija na dijagonalama kvadrata (slika 5), tj.
𝐴𝐵 =𝑎𝑏 + (1)
2𝑛−
𝑎 + 𝑏
2𝑛=
1
2𝑛[𝑎𝑏 + (1) − 𝑎 − 𝑏].
Vrednost u zagradama prethodnih izraza se naziva kontrast. Kontrast se koristi pri
izračunavanju efekata faktora 𝐴, 𝐵 i interakcije 𝐴𝐵 i predstavlja njihove totalne efekte.
Dakle, kontrasti za 𝐴, 𝐵 i 𝐴𝐵 su:
𝐾𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝐴 = 𝑎 + 𝑎𝑏 − 𝑏 − (1)
𝐾𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝐵 = 𝑏 + 𝑎𝑏 − 𝑎 − (1)
𝐾𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝐴𝐵 = 𝑎𝑏 + (1) − 𝑎 − 𝑏.
U ovim izrazima, koeficijenti linearne kombinacije kontrasta su uvek +1 ili −1.
24
Fakorski efekti
𝐼 𝐴 𝐵 𝐴𝐵
𝟏 (1) + − − +
𝟐 𝑎 + + − −
𝟑 𝑏 + − + −
𝟒 𝑎𝑏 + + + +
Tabela 10: Tabelarni prikaz znakova koeficijenata odgovarajućih kontrasta
Za računanje suma kvadrata odstupanja od srednjih vrednosti može se koristiti i sledeća
formula:
𝑆𝑆 =(𝑘𝑜𝑛𝑡𝑟𝑎𝑠𝑡)2
𝑛 ∑(𝑘𝑜𝑒𝑓𝑖𝑐𝑖𝑗𝑒𝑛𝑡𝑖 𝑘𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝑎)2
Na taj način sume kvadrata odstupanja će biti:
𝑆𝑆𝐴 =[𝑎 + 𝑎𝑏 − 𝑏 − (1)]2
4𝑛
𝑆𝑆𝐵 =[𝑏 + 𝑎𝑏 − 𝑎 − (1)]2
4𝑛
𝑆𝑆𝐴𝐵 =[𝑎𝑏 + (1) − 𝑎 − 𝑏]2
4𝑛.
Ukupna suma kvadrata 𝑆𝑆𝑇 ima 4𝑛 − 1 stepen slobode, a suma kvadrata greške 𝑆𝑆𝐸 ima
4(𝑛 − 1) stepen slobode i računa se preko ostalih suma kvadrata
𝑆𝑆𝐸 = 𝑆𝑆𝑇 − 𝑆𝑆𝐴 − 𝑆𝑆𝐵 − 𝑆𝑆𝐴𝐵.
4.2 23 FAKTORSKI PLAN
Primer 3: Izveden je eksperiment da se ispita završna obrada metalne površine.
Eksperiment je 23 faktorski plan sa brzinom rezača (𝐴), dubinom reza (𝐵) i uglom alata
(𝐶), sa 𝑛 = 2 pokušaja. U tabeli 11 su prikazani podaci koji predstavljaju ocenu kvaliteta
završne obrade, a plan je grafički prikazan na slici 6.
25
Faktori Kvalitet
površine Ukupno
𝐴 𝐵 𝐶
1 (1) −1 −1 −1 9, 7 16
2 𝑎 1 −1 −1 10, 12 22
3 𝑏 −1 1 −1 9, 11 20
4 𝑎𝑏 1 1 −1 12, 15 27
5 𝑐 −1 −1 1 11, 10 21
6 𝑎𝑐 1 −1 1 10, 13 23
7 𝑏𝑐 −1 1 1 10, 8 18
8 𝑎𝑏𝑐 1 1 1 16, 14 30
Tabela 11: Podaci koji predstavljaju ocenu kvaliteta završne obrade
Slika 6: 23 Plan završne obrade
Glavni efekat faktora 𝐴 je:
𝐴 =1
4𝑛[𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏𝑐 − 𝑏 − 𝑐 − 𝑏𝑐 − (1)]
=1
4(2)[22 + 27 + 23 + 30 − 20 − 21 − 18 − 16] =
1
8[27] = 3.375
zbir kvadrata za 𝐴 se dobija korišćenjem jednačine:
26
𝑆𝑆𝐴 =(𝑘𝑜𝑛𝑡𝑟𝑎𝑠𝑡𝐴)2
𝑛2𝑘= 45.5625.
Ocene efekata i sume kvadrata za 𝐵, 𝐶, 𝐴𝐵, 𝐴𝐶, 𝐵𝐶 i 𝐴𝐵𝐶 dobijaju se na analogan način i
iznose:
𝐵 = 1,625
𝐶 = 0,875
𝐴𝐵 = 1,375
𝐴𝐶 = 0,125
𝐵𝐶 = −0,625
𝐴𝐵𝐶 = 1,125
𝑆𝑆𝐵 = 10,5625
𝑆𝑆𝐶 = 3,0625
𝑆𝑆𝐴𝐵 = 7,5625
𝑆𝑆𝐴𝐶 = 0,0625
𝑆𝑆𝐵𝐶 = 1,5625
𝑆𝑆𝐴𝐵𝐶 = 5,0625
Izvori Suma
kvadrata Stepeni slobode
Prosečna suma kvadrata
𝑭 𝑷 vrednost
𝑨 45,5625 1 45,5625 18,69 0,003
𝑩 10,5625 1 10,5625 4,33 0,07
𝑪 3,0625 1 3,0625 1,26 0,29
𝑨𝑩 7,5625 1 7,5625 3,10 0,12
𝑨𝑪 0,0625 1 0,0625 0,03 0,88
𝑩𝑪 1,5625 1 1,5625 0,64 0,45
𝑨𝑩𝑪 5,0625 1 5,0625 2,08 0,19
Greška 19,5000 8 2,4375
Ukupno 92,9375 15
Tabela 12: Rezultati analize varijanse u eksperimentu sa tri faktora
U tabeli 12 su prikazani detaljni rezultati analize varijansi za prethodni trofaktorski
eksperiment sa ponavljanjem. Na osnovu dobijenih značajnosti se može reći da, uz prag
značajnosti 0,05, jedino faktor 𝐴 ima statistički značajan efekat na zavisnu promenljivu.
U opštem slučaju ako imamo 𝑘 = 3 faktora, svaki na dva nivoa, dobijamo faktorski plan
23 . Ovaj faktorski plan ima 23 = 8 eksperimenata. Geometrijska šema plana 23 je
prikazana na slici 7. Plan možemo predstaviti geometrijski kao kocku čije svako teme
predstavlja po jedan eksperiment, koji formiraju uglove kocke. Matrica plana prikazuje
osam eksperimenata u tabličnom formatu, što je ilustrovano u tabeli 13.
27
Slika 7: Geometrijska šema 23 faktorskog plana
𝑨 𝑩 𝑪
(1) − − −
𝑎 + − −
𝑏 − + −
𝑎𝑏 + + −
𝑐 − − +
𝑎𝑐 + − +
𝑏𝑐 − + +
𝑎𝑏𝑐 + + +
Tabela 13: Matrica plana eksperimenta sa tri faktora
Faktorski model možemo zapisati simbolički kao:
𝑦 = 𝜇 + 𝐴 + 𝐵 + 𝐶 + 𝐴𝐵 + 𝐴𝐶 + 𝐵𝐶 + 𝐴𝐵𝐶 + 𝜀
gde je 𝜇 ukupna sredina, 𝐴, 𝐵 i 𝐶 efekti pojedinačnih faktora, 𝐴𝐵, 𝐴𝐶 i 𝐵𝐶 interakcije dva
faktora, 𝐴𝐵𝐶 interakcija sva tri faktora i 𝜀 je greška sa 𝒩(0, 𝜎2) raspodelom. Mala slova (1), 𝑎, 𝑏, 𝑎𝑏, 𝑐, 𝑎𝑐, 𝑏𝑐 i 𝑎𝑏𝑐 predstavljaju zbirove svih 𝑛 opservacija na svakom od osam pokušaja.
Ocena glavnog efekta faktora 𝐴 se dobija tako što se od srednje vrednosti zavisne
promenljive dobijene za četiri kombinacije nivoa faktora u kojima faktor 𝐴 učestvuje na
višem nivou, a koje se na geometrijskom prikazu na desnoj strani kocke, oduzme
odgovarajuća srednja vrednost kombinacija na levoj strani kocke slika 7, odnosno
𝐴 = �̅�𝐴+ − �̅�𝐴− = 1
4𝑛[𝑎 + 𝑎𝑏 + 𝑎𝑐 + 𝑎𝑏𝑐 − 𝑏 − 𝑐 − 𝑏𝑐 − (1)]
28
Na sličan način se dobijaju ocene glavnih efekata faktora 𝐵 i 𝐶.
𝐵 = �̅�𝐵+ − �̅�𝐵− =1
4𝑛[𝑏 + 𝑎𝑏 + 𝑏𝑐 + 𝑎𝑏𝑐 − 𝑎 − 𝑐 − 𝑎𝑐 − (1)]
𝐶 = �̅�𝐶+ − �̅�𝐶− =1
4𝑛[𝑐 + 𝑎𝑐 + 𝑏𝑐 + 𝑎𝑏𝑐 − 𝑎 − 𝑏 − 𝑎𝑏 − (1)].
(𝑎) 𝑔𝑙𝑎𝑣𝑛𝑖 𝑒𝑓𝑒𝑘𝑡𝑖
(𝑏) 𝑑𝑣𝑜𝑓𝑎𝑘𝑡𝑜𝑟𝑠𝑘𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑘𝑐𝑖𝑗𝑎
(𝑐) 𝑡𝑟𝑜𝑓𝑎𝑘𝑡𝑜𝑟𝑠𝑘𝑎 𝑖𝑛𝑡𝑒𝑟𝑎𝑘𝑐𝑖𝑗𝑎
Slika 8: Geometrijska prezentacija kontrasta koja odgovara glavnim efektima i
interakcijama u 23 planu
Razmotrimo sada dvofaktorsku interakciju 𝐴𝐵. Interakcija 𝐴𝐵 se računa posebno za svaki
od dva nivoa faktora:
𝐴𝐵(𝐶 𝑗𝑒 𝑛𝑎 𝑛𝑖ž𝑒𝑚 𝑛𝑖𝑣𝑜𝑢) =1
2𝑛[𝑎𝑏 − 𝑏] −
1
2𝑛[𝑎 − (1)]
29
𝐴𝐵(𝐶 𝑗𝑒 𝑛𝑎 𝑣𝑖š𝑒𝑚 𝑛𝑖𝑣𝑜𝑢) =1
2𝑛[𝑎𝑏𝑐 − 𝑏𝑐] −
1
2𝑛[𝑎𝑐 − 𝑐]
Interakcija 𝐴𝐵 je sredina ova dva efekta ili
𝐴𝐵 =1
4𝑛[𝑎𝑏 + (1) + 𝑎𝑏𝑐 + 𝑐 − 𝑏 − 𝑎 − 𝑏𝑐 − 𝑎𝑐]
Koristeći sličan postupak, ocene efekata 𝐴𝐶 i 𝐵𝐶 su:
𝐴𝐶 =1
4𝑛[𝑎𝑐 + (1) + 𝑎𝑏𝑐 + 𝑏 − 𝑎 − 𝑐 − 𝑎𝑏 − 𝑏𝑐]
𝐵𝐶 =1
4𝑛[𝑏𝑐 + (1) + 𝑎𝑏𝑐 + 𝑎 − 𝑏 − 𝑐 − 𝑎𝑏 − 𝑎𝑐]
Može se pokazati da se isti izraz dobija za interakciju 𝐴𝐶 sa 𝐵 i interakciju 𝐵𝐶 sa 𝐴, ta se
veličina naziva 𝐴𝐵𝐶 interakcija. To je interakcija drugog reda ili trofaktorska interakcija.
𝐴𝐵𝐶 =1
4𝑛[𝑎𝑏𝑐 − 𝑏𝑐 − 𝑎𝑐 + 𝑐 − 𝑎𝑏 + 𝑏 + 𝑎 − (1)]
Ovu trofaktorsku interakciju možemo videti na slici 8.
Vrednosti u zagradama predstavljaju kontraste osam eksperimenata nivoa faktora.
Raspored znakova u linearnoj kombinaciji kontrasta za plan 23 je prikazan u tabeli 14.
Kombinacije pokušaja
Faktorski efekti
𝐼 𝐴 𝐵 𝐴𝐵 𝐶 𝐴𝐶 𝐵𝐶 𝐴𝐵𝐶
(𝟏) + − − + − + + −
𝒂 + + − − − − + +
𝒃 + − + − − + − +
𝒂𝒃 + + + + − − − −
𝒄 + − − + + − − +
𝒂𝒄 + + − − + + − −
𝒃𝒄 + − + − + − + −
𝒂𝒃𝒄 + + + + + + + +
Tabela 14: Tabelarni prikaz 23 faktorskog plana
30
Iz tabele možemo uočiti sledeće:
osim kolone identiteta 𝐼, sve ostale kolona imaju isti broj plus i minus znakova.
zbir proizvoda znakova za svake dve kolone je nula, tj. kolone u tabeli su
ortogonalne.
množenjem znakova iz bilo koje kolone sa znakovima iz kolone identiteta 𝐼 ,
ostavlja kolonu nepromenjenu, tj. 𝐼 je neutralni element za množenje.
proizvod bilo koje dve kolone daje već postojeću kolonu. Na primer, 𝐴 × 𝐵 = 𝐴𝐵 i
𝐴𝐵 × 𝐴𝐵𝐶 = 𝐴2𝐵2𝐶 = 𝐶.
Ocena bilo kog glavnog efekta ili interakcije se dobija na osnovu formule:
𝑒𝑓𝑒𝑘𝑎𝑡 =𝑘𝑜𝑛𝑡𝑟𝑎𝑠𝑡
𝑛2𝑘−1
Suma kvadrata za bilo koji efekat je:
𝑆𝑆 =(𝑘𝑜𝑛𝑡𝑟𝑎𝑠𝑡)2
𝑛2𝑘.
31
5. DELIMIČNI 2𝑘 FAKTORSKI PLAN
Ako se povećava broj faktora, povećaće se i broj eksperimenata koje treba
provesti. Na primer, za 5 faktora na dva nivoa, u slučaju potpunog faktorskog plana
trebalo bi sprovesti 32 eksperimenta. U takvim slučajevima, uglavnom se sprovodi samo
deo eksperimenata, npr. polovina, četvrtina ili osmina. Ovakvi planovi nazivaju se
delimični faktorski planovi. Na osnovu toga što se samo jedan deo eksperimenta
sprovodi, neminovno je da će se izgubiti informacije o nekim efektima i interakcijama
faktora.
Kod delimičnog faktorskog plana ukupan broj eksperimenata je:
𝑁 = 2𝑘−𝑞
gde je 𝑘 broj faktora, a 𝑞 pozitivna vrednost koja se uzima zavisno od željenog smanjenja
broja eksperimenata.
U sedećoj tabeli možemo videti neke generatorne kontraste za odabrane delimične
faktorske planove i odgovarajuće rezolucije.
Broj faktora
(𝒌)
Delimični plan
𝟐𝒌−𝒒
Rezolucija Broj
pokušaja Generatorni
kontrast
𝟑 23−1(1 2⁄ ) 𝐼𝐼𝐼 4 𝐴𝐵𝐶
𝟒 24−1(1 2⁄ ) 𝐼𝑉 8 𝐴𝐵𝐶𝐷
𝟓 25−2(1 4⁄ )
25−1(1 2⁄ )
𝐼𝐼𝐼
𝑉
8
16
𝐴𝐵𝐷, 𝐴𝐶𝐸
𝐴𝐵𝐶𝐷𝐸
𝟔 26−3(1 8⁄ )
26−2(1 4⁄ )
𝐼𝐼𝐼 𝐼𝑉
8 16
𝐴𝐵𝐷, 𝐴𝐶𝐸, 𝐵𝐶𝐹 𝐴𝐵𝐶𝐸, 𝐵𝐶𝐷𝐹
𝟕
27−4(1 16⁄ )
27−3(1 8⁄ )
27−2(1 4⁄ )
𝐼𝐼𝐼
𝐼𝑉 𝐼𝑉
8
16 32
𝐴𝐵𝐷, 𝐴𝐶𝐸, 𝐵𝐶𝐹, 𝐴𝐵𝐶𝐺
𝐴𝐵𝐶𝐸, 𝐵𝐶𝐷𝐹, 𝐴𝐶𝐷𝐺 𝐴𝐵𝐶𝐷𝐹, 𝐴𝐵𝐷𝐸𝐺
𝟖 28−4(1 16⁄ )
28−3(1 8⁄ )
𝐼𝑉
𝐼𝑉
16
32
𝐵𝐶𝐷𝐸, 𝐴𝐶𝐷𝐹, 𝐴𝐵𝐶𝐺, 𝐴𝐵𝐷𝐻
𝐴𝐵𝐶𝐹, 𝐴𝐵𝐷𝐺, 𝐵𝐶𝐷𝐸𝐻
𝟗 29−5(1 32⁄ )
29−4(1 16⁄ )
29−3(1 8⁄ )
𝐼𝐼𝐼
𝐼𝑉
𝐼𝑉
16
32
64
𝐴𝐵𝐶𝐸, 𝐵𝐶𝐷𝐹, 𝐴𝐶𝐷𝐺, 𝐴𝐵𝐷𝐻, 𝐴𝐵𝐶𝐷𝐽
𝐵𝐶𝐷𝐸𝐹, 𝐴𝐶𝐷𝐸𝐺, 𝐴𝐵𝐷𝐸𝐻, 𝐴𝐵𝐶𝐸𝐽
𝐴𝐵𝐶𝐷𝐺, 𝐴𝐶𝐸𝐹𝐻, 𝐶𝐷𝐸𝐹𝐽
Tabela 15: Izabrani 𝟐𝒌−𝒑 delimični faktorski plan.
Pre konstrukcije delimičnog plana definisaćemo neke pojmove.
Pojam rezolucija se odnosi na dužinu najkraće oznake faktorskog efekta (kontrasta) u
smislu broja slova. Što je niža rezolucija, manja je količina informacija koja se dobija u
32
analizi. Na primer, u planu sa rezolucijom IV postoji bar jedna oznaka kontrasta dužine 4
slova.
Maskiranje je situacija u kojoj više izvora varijacije (faktora ili interakcije) u
eksperimentalnom planu imaju identičan raspored nivoa, odnosno znakovni niz nivoa (+
i −) im se podudaruju. Izvori varijacije koji su međusobno maskirani zovu se dvojnici.
Generatorni kontrast je faktor ili interakcija više faktora koja se koristi za generisanje
kombinacija faktora i interakcija koje će biti uključene u eksperimentalni plan. Na osnovu
njih se može odrediti koji efekti će biti maskirani. Broj generatorkih kontrasta je uvek
jednak faktoru rezolucije (𝑞).
Definisani kontrast predstavlja kombinaciju faktora koja je u svim eksperimentima
delimičnog plana prisutna samo na nivou koji je označen znakom +.
U eksperimentalnim planovima sa Rezolucijom III efekti glavnih faktora nisu maskirani
nekim drugim glavnim faktorom. Glavni faktori su maskirani sa nekom dvofaktorskom
interakcijom. Jedan drugom su dvojnici. Dvofaktorske interakcije su maskirane drugim
dvofaktorskim interakcijama.
Primeri su: 23−1 i 25−2.
U eksperimentalnim planovima sa Rezolucijom IV efekti glavnih faktora nisu maskirani
nekim drugim glavnim faktorom ili dvofaktorskom interakcijom. Dvofaktorske interakcije
su maskirane drugim dvofaktorskim interakcijama.
Primeri su: 24−1 i 26−2.
U eksperimentalnim planovima sa Rezolucijom V efekti glavnih faktora nisu maskirani
nekim drugim glavnim faktorom ili dvofaktorskom interakcijom. Efekti dvofaktorskih
interakcija nisu maskirani nekim drugim dvofaktorskim interakcijama. Dvofaktorske
interakcije su maskirane trofaktorskim interakcijama.
Primeri su: 25−1 i 26−1.
33
5.1 DELIMIČNI „JEDNA POLOVINA“ 2𝑘 FAKTORSKI PLAN
Delimični „jedna polovina“ 2𝑘 faktorski plan sadrži 2𝑘−1 pokušaja i često se zove
2𝑘−1delimični faktorski plan. Uzećemo za primer 23−1 delimični faktorski plan, tj. delimični
„jedna polovina“ 23 faktorski plan.
Neka su 𝑎, 𝑏, 𝑐 i 𝑎𝑏𝑐 četiri pokušaja delimičnog „jedna polovina“ 23 faktorskog plana. Ove
pokušaje možemo videti u tabeli 16 kao i plus i minus znakove za plan 23. Plan 23−1 se
formira izborom samo onih pokušaja koji su označeni znakom + u kombinaciji faktora
𝐴𝐵𝐶 . Prema tome, kontrast 𝐴𝐵𝐶 je generator ovog delimičnog plana. Pored toga i
jedinična kombinacija 𝐼 sadrži samo znak + u posmatrana četiri pokušaja, tako da je 𝐼 =
𝐴𝐵𝐶 definisući kontrast za ovakav eksperimentalni plan.
(a) Glavna polovina, I = +ABC (b) Alternativna polovina, I = −ABC
Slika 9: Delimični „jedna polovina“ 23 faktorski plan
Pokušaj Faktorski efekat
𝐼 𝐴 𝐵 𝐶 𝐴𝐵 𝐴𝐶 𝐵𝐶 𝐴𝐵𝐶
𝒂 + + − − − − + +
𝒃 + − + − − + − +
𝒄 + − − + + − − +
𝒂𝒃𝒄 + + + + + + + +
𝒂𝒃 + + + − + − − −
𝒂𝒄 + + − + − + − −
𝒃𝒄 + − + + − − + −
(𝟏) + − − − + + + −
Tabela 16: Plus i minus znaci za 23 faktorski plan
34
Iz tabele 16 dobijamo ocene glavnih efekata i ocene dvofaktorskih interakcija, tj.
𝐴 =1
2[𝑎 − 𝑏 − 𝑐 + 𝑎𝑏𝑐]
𝐵 =1
2[−𝑎 + 𝑏 − 𝑐 + 𝑎𝑏𝑐]
𝐶 =1
2[−𝑎 − 𝑏 + 𝑐 + 𝑎𝑏𝑐]
𝐵𝐶 =1
2[𝑎 − 𝑏 − 𝑐 + 𝑎𝑏𝑐]
𝐴𝐶 =1
2[−𝑎 + 𝑏 − 𝑐 + 𝑎𝑏𝑐]
𝐴𝐵 =1
2[−𝑎 − 𝑏 + 𝑐 + 𝑎𝑏𝑐]
Na osnovu linearnih kombinacija opservacija u kolonama možemo zaključiti da su parovi
dvojnika sledeći: faktor 𝐴 i interakcija 𝐵𝐶, faktor 𝐵 i interakcija 𝐴𝐶, faktor 𝐶 i interakcija
𝐴𝐵. Dvojnici se mogu pronaći koristeći definisući kontrast 𝐴𝐵𝐶.
Dvojnik faktora 𝐴 je:
𝐴 = 𝐴 ∙ 𝐴𝐵𝐶 = 𝐴2 ∙ 𝐵𝐶 = 𝐵𝐶
jer je 𝐴 ∙ 𝐼 = 𝐴 i 𝐴2 = 𝐼. Dvojnik faktora 𝐵 i faktora 𝐶 su:
𝐵 = 𝐵 ∙ 𝐴𝐵𝐶 = 𝐴𝐵2𝐶 = 𝐴𝐶 i 𝐶 = 𝐶 ∙ 𝐴𝐵𝐶 = 𝐴𝐵𝐶2 = 𝐴𝐵
Pretpostavimo da smo u planu 23−1 koristili polovinu određenu kontrastom 𝐴𝐵𝐶, onda
imamo sledeće ocene efekata:
[𝐴] = 𝐴 + 𝐵𝐶
[𝐵] = 𝐵 + 𝐴𝐶
[𝐶] = 𝐶 + 𝐴𝐵
Pretpostavimo da nas u ovoj fazi eksperimenta ne zanimaju dvofaktorske interakcije, tj.
da se one mogu zanemariti, onda je plan 23−1 proizveo ocene tri glavna efekta 𝐴, 𝐵 i 𝐶.
Međutim, ako posle ovakvog niza eksperimenata glavne nismo sigurni da li interakcije
možda imaju efekat, možemo ih oceniti pomoću eksperimenata iz druge, izostavljene,
polovine potpunog faktorskog plana. Na osnovu alternativne polovine ocene efekata su:
[𝐴]′ = 𝐴 − 𝐵𝐶
[𝐵]′ = 𝐵 − 𝐴𝐶
[𝐶]′ = 𝐶 − 𝐴𝐵
35
Ako kombinujemo ocene iz ove dve polovine, dobijamo sledeće:
𝑬𝒇𝒆𝒌𝒂𝒕, 𝒊 𝟏
𝟐([𝒊] + [𝒊]′)
𝟏
𝟐([𝒊] − [𝒊]′)
𝒊 = 𝑨 1
2(𝐴 + 𝐵𝐶 + 𝐴 − 𝐵𝐶) = 𝐴
1
2[𝐴 + 𝐵𝐶 − (𝐴 − 𝐵𝐶)] = 𝐵𝐶
𝒊 = 𝑩 1
2(𝐵 + 𝐴𝐶 + 𝐵 − 𝐴𝐶) = 𝐵
1
2[𝐵 + 𝐴𝐶 − (𝐵 − 𝐴𝐶)] = 𝐴𝐶
𝒊 = 𝑪 1
2(𝐶 + 𝐴𝐵 + 𝐶 − 𝐴𝐵) = 𝐶
1
2[𝐶 + 𝐴𝐵 − (𝐶 − 𝐴𝐵)] = 𝐴𝐵
Tabela 17: Kombinacije ocena iz obe polovine
Na osnovu ovih kombinovanja možemo izolovati glavne efekte i dvofaktorske interakcije.
Ova osobina čini delimični faktorijelni plan veoma korisnim u eksperimentalnim
problemima.
Delimični „jedna polovina“ 2𝑘 faktorski plan se može objasniti i na osnovu blokova. Kao
primer, razmotrimo 24 faktorski eksperiment u kome želimo da iskoristimo delimični
„jedna polovina“ faktorski plan. Odabran je 𝐴𝐵𝐶𝐷 definisani kontrast i dva bloka su
sledeća:
Blok1"+"𝒛𝒂 𝑨𝑩𝑪𝑫 Blok2"-"𝒛𝒂 𝑨𝑩𝑪𝑫
𝑨 𝐵 𝐶 𝐷 𝐴 𝐵 𝐶 𝐷
− − − − − − − +
− − + + − − + −
− + − + − + − −
− + + − − + + +
+ − − + + − − −
+ − + − + − + +
+ + − − + + − +
+ + + + + + + −
Tabela 18: 24 plan u dva bloka
Bila koja od ova dva bloka mogu biti izabrana. Pretpostavimo da istraživač bira blok 1 i
prikuplja podatke za osam kombinacija iz tog bloka. Tabela 19 sadrži osam kombinacija
u eksperimentu iz bloka 1, sa svim mogućim pojedinačnim efektima i interakcijama iz 24
potpunog faktorskog plana. Broj različitih suma kvadrata koja može biti izračunata,
koristeći ovakav plan je 8 − 1 = 7. Ukupan broj mogućih efekata, kao što se vidi u tabeli
19 u 24 eksperimentu je 15, od kojih odbacujemo interakciju 4 faktora 𝐴𝐵𝐶𝐷 , jer sve
kombinacije u ovom bloku imaju isti znak " + " . Dakle, 14 efekata je “prisutno” u
eksperimentu, što znači da se svaka od 7 suma kvadrata odgovara dvama efektima. Iz
tabele 19 se može videti da postoji 7 parova dvojnika (glavni efekti ili interakcije) tako da
efekti u svakom paru imaju isti znak " + " i " − " i istu sumu kvadrata. Primeri takvih
parova su 𝐴 i 𝐵𝐶𝐷, 𝐵 i 𝐴𝐶𝐷 i tako dalje.
36
𝑨 𝑩 𝑪 𝑫 𝑨𝑩 𝑨𝑪 𝑨𝑫 𝑩𝑪 𝑩𝑫 𝑪𝑫 𝑨𝑩𝑪 𝑨𝑩𝑫 𝑨𝑪𝑫 𝑩𝑪𝑫 𝑨𝑩𝑪𝑫
− − − − + + + + + + − − − − +
− − + + + − − − − + + + − − +
− + − + − + − − + − + − + − +
− + + − − − + + − − − + + − +
+ − − + − − + + − − + − − + +
+ − + − − + − − + − − + − + +
+ + − − + − − − − + − − + + +
+ + + + + + + + + + + + + + +
Tabela 19: Kombinacije pokušaja iz bloka
Dvojnik faktora 𝐴 je:
𝐴 = 𝐴 ∙ 𝐴𝐵𝐶𝐷 = 𝐴2 ∙ 𝐵𝐶𝐷 = 𝐵𝐶𝐷
Ostali dvojnici u delimičnom faktorskom planu su:
𝐵 + 𝐴𝐶𝐷
𝐶 + 𝐴𝐵𝐷
𝐷 + 𝐴𝐵𝐶
𝐴𝐵 + 𝐶𝐷
𝐴𝐶 + 𝐵𝐷
𝐴𝐷 + 𝐵
U delimičnom „jedna polovina“ faktorskom planu, suma kvadrata kontrasta kojim je
generisan blok se ne može izračunati. Pored toga, postoje tačno po dva dvojnika. Ako je
test statistika dobijena iz sume kvadrata nekog para dvojnika statistički značajna, ne
može se odrediti koji od dva dvojnika je uzrok statističke značajnosti, tj. koji od dva
dvojnika ima statistički značajan efekat na zavisnu promenljivu. Međutim, delimični
faktorski plan ima najveću upotrebu kada je 𝑘 dovoljno veliko i postoji prethodno znanje
o interakcijama.
37
5.2 DELIMIČNI „JEDNA ČETVRTINA“ 2𝑘 FAKTORSKI PLAN
Da bismo pokazali delimični 1/4 plan, posmatraćemo eksperiment sa šest faktora
i pretpostaviti da je inženjer zainteresovan prvenstveno za glavne efekte faktora, ali bi
takođe želeo dobiti neke informacije o dvofaktorskim interakcijama. Plan 26−1 bi zahtevao
32 pokušaja i imao bi 31 stepen slobode za ocenu greške. Pošto postoji 6 glavnih faktora
i 15 dvofaktorskih interakcija, delimični 1/2 plan ne bi bio dovoljno efikasan, jer bi to
uključivalo previše eksperimenata. Pretpostavimo da razmatramo delimični 1/4 plan ili
26−2 faktorski plan. Ovaj plan sadrži 16 pokušaja sa 15 stepeni slobode i omogućuje
ocenu svih šest glavnih efekata, sa mogućnošću ocenjivanja dvofaktorskih interakcija. Da
bismo generisali ovaj plan, najpre ćemo zapisati plan 24 sa faktorima 𝐴, 𝐵, 𝐶 i 𝐷, a zatim
dodati dve kolone za 𝐸 i 𝐹. Raspored nivoa je prikazan u tabeli 20.
Da bismo dobili nove kolone, uzmimo kao generatore 𝐸 = 𝐴𝐵𝐶 i 𝐹 = 𝐵𝐶𝐷. Dakle, kolonu
𝐸 nalazimo iz 𝐸 = 𝐴𝐵𝐶, a kolonu 𝐹 iz 𝐹 = 𝐵𝐶𝐷.
Kolone 𝐴𝐵𝐶𝐸 i 𝐵𝐶𝐷𝐹 će biti jednake koloni identiteta. Međutim, znamo da je proizvod bilo
koje dve kolone u tabeli plus i minus znakova za 2𝑘 samo još jedna kolona u tabeli. Tada
je proizvod 𝐴𝐵𝐶𝐸 i 𝐵𝐶𝐷𝐹 ili 𝐴𝐵𝐶𝐸(𝐵𝐶𝐷𝐹) = 𝐴𝐵2𝐶2𝐷𝐸𝐹 = 𝐴𝐷𝐸𝐹 takođe kolona
identiteta.
Na osnovu toga potpun skup definisućih kontrasta za 26−2 je:
𝐼 = 𝐴𝐵𝐶𝐸 = 𝐵𝐶𝐷𝐸 = 𝐴𝐷𝐸𝐹
38
Pokušaj 𝑨 𝑩 𝑪 𝑫 𝑬 = 𝑨𝑩𝑪 𝑭 = 𝑩𝑪𝑫
𝟏 − − − − − −
𝟐 + − − − + −
𝟑 − + − − + +
𝟒 + + − − − +
𝟓 − − + − + +
𝟔 + − + − − +
𝟕 − + + − − −
𝟖 + + + − + −
𝟗 − − − + − +
𝟏𝟎 + − − + + +
𝟏𝟏 − + − + + −
𝟏𝟐 + + − + − −
𝟏𝟑 − − + + + −
𝟏𝟒 + − + + − −
𝟏𝟓 − + + + − +
𝟏𝟔 + + + + + +
Tabela 20: 26−2 delimični faktorski plan sa generatorima 𝐸 = 𝐴𝐵𝐶, 𝐹 = 𝐵𝐶𝐷
Ovde je prikazana potpuna struktura dvojnika.
𝐴 = 𝐵𝐶𝐸 = 𝐷𝐸𝐹 = 𝐴𝐵𝐶𝐷𝐹
𝐵 = 𝐴𝐶𝐸 = 𝐶𝐷𝐹 = 𝐴𝐵𝐷𝐸𝐹
𝐶 = 𝐴𝐵𝐸 = 𝐵𝐷𝐹 = 𝐴𝐶𝐷𝐸𝐹
𝐷 = 𝐵𝐶𝐹 = 𝐴𝐸𝐹 = 𝐴𝐵𝐶𝐷𝐸
𝐸 = 𝐴𝐵𝐶 = 𝐴𝐷𝐹 = 𝐵𝐶𝐷𝐸𝐹
𝐹 = 𝐵𝐶𝐷 = 𝐴𝐷𝐸 = 𝐴𝐵𝐶𝐸𝐹
𝐴𝐵𝐷 = 𝐶𝐷𝐸 = 𝐴𝐶𝐹 = 𝐵𝐸𝐹
𝐴𝐶𝐷 = 𝐵𝐷𝐸 = 𝐴𝐵𝐹 = 𝐶𝐸𝐹
𝐴𝐵 = 𝐶𝐸 = 𝐴𝐶𝐷𝐹 = 𝐵𝐷𝐸𝐹
𝐴𝐶 = 𝐵𝐸 = 𝐴𝐵𝐷𝐹 = 𝐶𝐷𝐸𝐹
𝐴𝐷 = 𝐸𝐹 = 𝐵𝐶𝐷𝐸 = 𝐴𝐵𝐶𝐹
𝐴𝐸 = 𝐵𝐶 = 𝐷𝐹 = 𝐴𝐵𝐶𝐷𝐸𝐹
𝐴𝐹 = 𝐷𝐸 = 𝐵𝐶𝐸𝐹 = 𝐴𝐵𝐶𝐷
𝐵𝐷 = 𝐶𝐹 = 𝐴𝐶𝐷𝐸 = 𝐴𝐵𝐸𝐹
𝐵𝐹 = 𝐶𝐷 = 𝐴𝐶𝐸𝐹 = 𝐴𝐵𝐷𝐸
Ovo je plan rezolucije IV. Glavni efekti su dvojnici sa trofaktorskim ili interakcijama višeg
reda, a dvofaktorske interakcije su dvojnici jedna sa drugom. Ovaj plan će pružiti dobre
informacije o glavnim efektima i dati određenu sliku o dvofaktorskim interakcijama.
U prethodnom primeru odabrali smo 𝐴𝐵𝐶 i 𝐵𝐶𝐷 kao generatorne kontraste za izradu 26−2
delimičnog faktorskog plana. Ovaj izbor nije strogo određen. Neki generatori će formirati
39
plan sa boljim dvojnim strukturama od drugih generatora. Za dati broj faktora i željeni broj
pokušaja, želimo da odaberemo generatore tako da plan ima najveću moguću rezoluciju.
Tabela 21: Preporučeni delimični planovi
Broj faktora,k
Frakcija i rezolucija
Broj pokušaja
Generatori Broj
faktora,k Frakcija i rezolucija
Broj pokušaja
Generatori
3 2III3−1 4 C = ±AB
9
2VI9−2 128
H = ±ACDFG
J = ±BCEFG
4 2IV4−1 8 D = ±ABC
2IV9−3 64
G = ±ABCD
H = ±ACEF
J = ±CDEF 5
2V5−1 16 E = ±ABCD
2III5−2 8
D = ±AB
E = ±AC
2IV9−4 32
F = ±BCDE
G = ±ACDE
H = ±ABDE
J = ±ABCE 6
2VI6−1 32 F = ±ABCDE
2IV6−2 16
E = ±ABC
F = ±BCD
2III6−3 8
D = ±AB
E = ±AC
F = ±BC
7
2VIII7−1 64 G = ±ABCDEF
2III9−5 16
E = ±ABC
F = ±BCD
G = ±ACD
H = ±ABD
J = ±ABCD
2IV7−2 32
F = ±ABCD
G = ±ABDE
10
2V10−3 128
H = ±ABCG
J = ±BCDE
K = ±ACDF
2IV7−3 16
E = ±ABC
F = ±BCD
G = ±ACD
2IV10−4 64
G = ±BCDF
H = ±ACDF
J = ±ABDE
K = ±ABDE
2III7−4 8
D = ±AB
E = ±AC
F = ±BC
G = ±ABC
2IV10−5 32
F = ±ABCD
G = ±ABCE
H = ±ABDE
J = ±ACDE
K = ±BCDE
8
2V8−2 64
G = ±ABCD
H = ±ABEF
2III10−6 16
E = ±ABC
F = ±BCD
G = ±ACD
H = ±ABD
J = ±ABCD
K = ±AB
2IV8−3 32
F = ±ABC
G = ±ABD
H = ±BCDE
2IV8−4 16
E = ±BCD
F = ±ACD
G = ±ABC
H = ±ABD
40
6. BLOK PLAN U 2K EKSPERIMENTALNOM PLANU
Često je nemoguće sva posmatranja u faktorskom planu 2k sprovesti pod
konstantnim ili homogenim uslovima. Na primer, izvor neželjene varijabilnosti faktora
mogu biti različiti uslovi od smene do smene, od jednog radnog dana do drugog ili od
mašine do mašine. Kada dođe do ovog problema, blok plan je odlična tehnika za
uklanjanje neželjenih varijacija koje mogu biti uzrokovane nehomogenim uslovima.
Blok plan podrazumeva izvođenje eksperimenata po blokovima da bi se povećala
homogenost unutar svakog bloka, tj. da bi se eksperimentalni pokušaji odvijali pod što
homogenijim uslovima.
Uz pomoć blok plana može se objasniti delimični eksperimentalni plan. Kao primer,
uzećemo delimični „jedna četvrtina“ 2𝑘 faktorski plan i objasniti ga na osnovu blokova.
Konstrukcija delimičnog „jedna četvrtina“ 2𝑘 faktorskog plana je identična podeli 2𝑘
faktorskog eksperimenta na četiri bloka. Dva generatorna kontrasta su određena da dele
eksperimente iz 2𝑘 faktorskog plana u četiri bloka. Bilo koji od četiri bloka može biti
izabran za izvođenje eksperimenta i analize. U ovom planu, efekat generatornog
kontrasta neće biti prisutan, jer će imati samo jedan od znakova " − " ili " + " u bilo kom
odabranom bloku. Razmotrimo 1/4 25 faktorskog plana, konstruisan koristeći 𝐴𝐵𝐷 i 𝐴𝐶𝐸
kao generatorne kontraste. Definisući kontrast je 𝐵𝐶𝐷𝐸. U ovom planu se ne može otkriti
efekat interakcija 𝐴𝐵𝐷, 𝐴𝐶𝐸 i 𝐵𝐶𝐷𝐸 jer će svaka od njih imati isti znak (" − " ili " + ") u
bilo kom od četiri bloka. Odavde sledi da će biti moguće registrovati 25 − 1 − 3 = 28
efekata u ovakvom planu. Kako je ukupan broj kombinacija pokušaja u ovom planu
1 4⁄ (25) = 8, može se izračunati samo sedam (8 − 1) suma kvadrata. To znači da je
svaka suma kvadrata zajednička za 28 7⁄ = 4 efekta. To znači da u svakom bloku postoje
četvorke dvojnika. Dvojnici u svakom bloku mogu biti dobijeni brisanjem slova sa parnim
eksponentama iz proizvoda bilo kog efekta i svakog definisućeg kontrasta. Na primer
dvojnici faktora A su:
𝐴 = 𝐴 ∙ 𝐴𝐵𝐷 = 𝐴2 ∙ 𝐵𝐷 = 𝐵𝐷
𝐴 = 𝐴 ∙ 𝐴𝐶𝐸 = 𝐴2 ∙ 𝐶𝐸 = 𝐶𝐸
𝐴 = 𝐴 ∙ 𝐵𝐶𝐷𝐸 = 𝐴𝐵𝐶𝐷𝐸
To znači da 𝐴, 𝐵𝐷, 𝐶𝐸 i 𝐴𝐵𝐶𝐷𝐸 dele istu sumu kvadrata, test statistiku i značajnost.
41
6.1 FAKTORSKI EKSPERIMENT U NEPOTPUNIM BLOKOVIMA
Blok plan je tehnika za pokretanje faktorskog eksperimenta u blokovima, pri čemu
je veličina bloka manja od broja pokušaja u jednom kompletnom ponavljanju. Ova tehnika
uzrokuje da se određeni efekti ne mogu identifikovati usled podele na blokove ili usled
maskiranja. Pokazaćemo maskiranje u 2k faktorskom plana u 2p blokovima, gde je p <
k. Pretpostavimo da je četiri sata analize potrebno za svaki od 22 = 4 pokušaja. Zbog
toga je potrebno dva dana za izvođenje eksperimenta. Ako dani predstavljaju blokove,
onda moramo dodeliti dva od četiri pokušaja za svaki dan.
Posmatramo plan sa slike 10, gde blok 1 sadrži pokušaje (1) i ab , a blok 2 sadrži
pokušaje a i b.
(a) Geometrijski prikaz
Blok 1 Blok 2
(1)
(𝑎𝑏)
(1)
(𝑎𝑏)
(b) Raspored četiri pokušaja u dva bloka
Slika 10: 22 plan u dva bloka
Kontrasti za ocenu glavnih efekata A i B su:
KontrastA = ab + a − b − (1)
KontrastB = ab + b − a − (1)
Ovi kontrasti ne utiču na blok plan, jer u svakom kontrastu postoji jedan plus i jedan minus
pokušaj iz svakog bloka. To znači da će se razlika između bloka 1 i bloka 2 poništiti.
42
Kontrast za interakciju AB je:
KontrastAB = ab + (1) − a − b
Blok efekat i interakcija faktora A i B su identični, jer se u bloku 1 nalaze dva pokušaja sa
znakom plus, ab i (1), a u bloku 2 dva sa znakom minus, 𝑎 i b. Dakle, interakcija faktora
A i B je maskirana podelom eksperimentalnih pokušaja u blokove. To možemo videtu u
tabeli 10 u kojoj su prikazani plus i minus znakovi za plan 22. Takođe u tabeli 10 možemo
videti da svi pokušaji u kojima interakcija faktora A i B učestvuje sa znakom + se nalaze
u bloku 1, a oni u kojima interakcija faktora A i B učestvuje sa znakom – su u bloku 2.
6.2 EKSPERIMENTI SA DVA NEPOTPUNA BLOKA
Jedna od mana blok plana je što podela pokušaja u blokove može da maskira
efekte nekim faktorima ili interakcija. Na primer, u eksperimentalnom blok planu koji je
prikazan u tabeli 22 efekata interakcija 𝐴, 𝐵 i 𝐶 je maskiran podelom na dva bloka. U
ovakvoj konstelaciji se može identifikovati samo efekat faktora i dvofaktorskih interakcija.
Kontrast kojim je definisana podela u blokove će ostati maskiran. U našem primeru, ako
je generatorni kontrast interakcija 𝐴𝐵𝐶, u jednom bloku će se naći kombinacije u kojima
je 𝐴𝐵𝐶 označeno znakom +, a u drugom bloku kombinacije u kojima je 𝐴𝐵𝐶 označeno
znakom −. Na taj način se unutar blokova mogu identifikovati samo uticaji pojedinačnih
faktora i dvofaktorskih interakcija.
𝐀 𝐁 𝐂 𝐀𝐁𝐂
− − − −
− − + +
− + − +
− + + −
+ − − +
+ − + −
+ + − −
+ + + +
Tabela 22: Plus i minus znaci za 23 faktorski plan
43
U tabeli 23 dat je raspored pokušaja po blokovima koji su definisani interakcijom 𝐴𝐵𝐶.
Blok 1 " + "
Blok 2 " − "
A B C A B C
− − + − − −
− + − − + −
+ − − + − +
+ + + + + +
Tabela 23: Raspored pokušaja po blokovima
6.3 EKSPERIMENT SA ČETIRI NEPOTPUNA BLOKA
Ako se kombinacije pokušaja 2k faktorskog eksperimenta podele na četiri
nepotpuna bloka, tada istraživač bira bilo koja dva generatorna kontrasta. Efekat ova dva
kontrasta je unapred osuđen da bude maskiran podelom na blokove. Takođe postoji i
treći efekat koji će ostati maskiran. Ovaj efekat se naziva generalizovana interakcija dva
generatorna kontrasta. Dakle, ukupno tri efekta će biti maskirana blokovima u
eksperimentu sa četiri nepotpuna bloka.
Neka su dva generatorna kontrasta koja će generisati podelu na blokove interakcije AB i
CD . Treći maskirani efekat, generalizovanu interakciju dobijamo množenjem dva
generatorna kontrasta. To će u našem primeru biti AB × CD = ABCD.
Interakcije AB i CD definišu podelu na blokove na sledeći način. Kombinacije u kojima su
AB i CD označene oznakom – će generisati pokušaje za prvi blok. Kombinacije u kojima
je AB označena znakom − , a CD znakom + će generisati pokušaje za drugi blok.
Kombinacije u kojima je AB označena znakom +, a CD znakom – odrediće pokušaje za
treći blok. I na kraju, kombinacije u kojima su interakcija 𝐴𝐵 i interakcija CD označene
znakom + odrediće pokušaje za četvrti blok. Ovo je prikazano u tabeli 24.
44
𝐀 𝐁 𝐂 𝐃 𝐀𝐁 𝐂𝐃 Blok 1 Blok 2 Blok 3 Blok 4
− − − − + + *
− − − + + − *
− − + − + − *
− − + + + + *
− + − − − + *
− + − + − − *
− + + − − − ∗
− + + + − + *
+ − − − − + *
+ − − + − − ∗
+ − + − − − ∗
+ − + + − + *
+ + − − + + *
+ + − + + − *
+ + + − + − *
+ + + + + + *
Tabela 24: Kombinacije pokušaja po blokovima
45
7. PRIMER
Uzećemo za primer proces proizvodnje osovine točka automobila. Posmatra se
dejstvo sedam faktora: vrsta materijala (mekan, tvrd), brzina rotacije (175 rpm, 225 rpm),
brzina levog punjenja (0,25 ips, 0,35 ips), brzina desnog punjenja (0,35 ips, 0,45 ips),
veličina zazora (6%, 12%), dužina ciklusa (5,5 sec., 8,5 sec.) i intenzitet zagrevanja
(75%, 85%).
Faktori Nivoi
Vrsta materijala mekan, tvrd
Brzina rotacije 175 rpm, 225 rpm
Brzina levog punjenja 0,25 ips, 0,35 ips
Brzina desnog punjenja 0,35 ips, 0,45 ips
Veličina zazora 6%, 12%
Dužina ciklusa 5,5 sec., 8,5 sec.
Intenzitet zagrevanja 75%, 85%
Tabela 25: Faktori koji utiču na kvalitet osovine točka automobila
U ovakvom eksperimentu ukupno ima 7 efekata glavnih faktora i 21 efekat interakcije što
je previše za ispitivanje. Zato su izdvojeni samo faktori i interakcije koji se smatraju bitnim
za proces. To su 7 efekata glavnih faktora i 7 dvofaktorskih interakcija: interakcija vrste
materijala i brzine rotacije, interakcija vrste materijala i brzine levog i desnog punjenja,
interakcija brzine rotacije i veličine zazora, interakcija vrste materijala i dužine ciklusa,
interakcija vrste materijala i intenziteta zagrevanja, interakcija brzine rotacije i brzine
desnog punjenja kao i interakcija dužine ciklusa i intenziteta zagrevanja. To je ukupno 14
efekata i najmanji stepen broja dva koji dostiže 14 je 24 = 16 . Dakle, treba izvesti
delimični plan koji će broj pokušaja smanjiti na osminu. U skladu sa tim izabrani su
generatorni kontrasti (𝐸 = 𝐴𝐵𝐶, 𝐹 = 𝐵𝐶𝐷 i 𝐺 = 𝐴𝐶𝐷) koji će redukovati broj pokušaja u
eksperimentu sa 27 na 27−3.
Šema maskiranja je sledeća:
𝐴 = 𝐵𝐶𝐸, 𝐴𝐵𝐶𝐷𝐹, 𝐶𝐷𝐺, 𝐷𝐸𝐹, 𝐴𝐵𝐷𝐸𝐺, 𝐵𝐹𝐺, 𝐴𝐶𝐸𝐹𝐺 𝐴𝐵 = 𝐶𝐸, 𝐹𝐺
𝐵 = 𝐴𝐶𝐸, 𝐶𝐷𝐹, 𝐴𝐵𝐶𝐷𝐺, 𝐴𝐵𝐷𝐸𝐹, 𝐷𝐸𝐺, 𝐴𝐹𝐺, 𝐵𝐶𝐸𝐹𝐺 𝐴𝐶 = 𝐵𝐸, 𝐷𝐺
𝐶 = 𝐴𝐵𝐸, 𝐵𝐷𝐹, 𝐴𝐷𝐺, 𝐴𝐶𝐷𝐸𝐹, 𝐵𝐶𝐷𝐸𝐺, 𝐴𝐵𝐶𝐹𝐺, 𝐸𝐹𝐺 𝐴𝐷 = 𝐸𝐹, 𝐶𝐺
𝐷 = 𝐴𝐵𝐶𝐷𝐸, 𝐵𝐶𝐹, 𝐴𝐶𝐺, 𝐴𝐸𝐹, 𝐵𝐸𝐺, 𝐴𝐵𝐷𝐹𝐺, 𝐶𝐷𝐸𝐹𝐺 𝐴𝐸 = 𝐷𝐹, 𝐵𝐶
𝐸 = 𝐴𝐵𝐶, 𝐵𝐶𝐷𝐸𝐹, 𝐴𝐶𝐷𝐸𝐺, 𝐴𝐷𝐹, 𝐵𝐷𝐺, 𝐴𝐵𝐸𝐹𝐺, 𝐶𝐸𝐹 𝐴𝐹 = 𝐷𝐸, 𝐵𝐺
𝐹 = 𝐴𝐵𝐶𝐸𝐹, 𝐵𝐶𝐷, 𝐴𝐶𝐷𝐹𝐺, 𝐴𝐷𝐸, 𝐵𝐷𝐸𝐹𝐺, 𝐴𝐵𝐺, 𝐶𝐸𝐺 𝐴𝐺 = 𝐵𝐹, 𝐶𝐷
𝐺 = 𝐴𝐵𝐶𝐸𝐺, 𝐵𝐶𝐷𝐹𝐺, 𝐴𝐶𝐷, 𝐴𝐷𝐸𝐹𝐺, 𝐵𝐷𝐸, 𝐴𝐵𝐹, 𝐶𝐸𝐹 𝐵𝐷 = 𝐶𝐹, 𝐸𝐺
Tabela 26: Šema maskiranja efekata
46
Interakcije dva faktora koje zanimaju proizvođača su: 𝐴𝐵, 𝐴𝐶, 𝐴𝐷, 𝐵𝐶, 𝐴𝐹, 𝐵𝐷 i 𝐸𝐺.
Na kraju je randomizacijom određen redosled izvođenja eksperimentalnih pokušaja.
Raspored izvođenja i kombinacije nivoa faktora su prikazani u tabeli 27.
Pokušaji 𝐴
Vrsta materijala
𝐵 Brzina rotacije
𝐶 Brzina levog
punjenja
𝐷 Brzina desnog punjenja
𝐸 Veličina zazora
𝐹 Dužina ciklusa
𝐺 Intenzitet
zagrevanja
6 (−) mekan (−) 175 (−) 0,25 (−) 0,35 (−) 5,5 (−) 6% (−) 75%
2 (+) tvrd (−) 175 (−) 0,25 (−) 0,35 (+) 8,5 (−) 6% (+) 85%
18 (−) mekan (+) 225 (−) 0,25 (−) 0,35 (+) 8,5 (+) 12% (−) 75%
17 (+) tvrd (+) 225 (−) 0,25 (−) 0,35 (−) 5,5 (+) 12% (+) 85%
13 (−) mekan (−) 175 (+) 0,35 (−) 0,35 (+) 8,5 (+) 12% (+) 85%
15 (+) tvrd (−) 175 (+) 0,35 (−) 0,35 (−) 5,5 (+) 12% (−) 75%
5 (−) mekan (+) 225 (+) 0,35 (−) 0,35 (−) 5,5 (−) 6% (+) 85%
8 (+) tvrd (+) 225 (+) 0,35 (−) 0,35 (+) 8,5 (−) 6% (−) 75%
16 (−) mekan (−) 175 (−) 0,25 (+) 0,45 (−) 5,5 (+) 12% (+) 85%
3 (+) tvrd (−) 175 (−) 0,25 (+) 0,45 (+) 8,5 (+) 12% (−) 75%
9 (−) mekan (+) 225 (−) 0,25 (+) 0,45 (+) 8,5 (−) 6% (+) 85%
1 (+) tvrd (+) 225 (−) 0,25 (+) 0,45 (−) 5,5 (−) 6% (−) 75%
14 (−) mekan (−) 175 (+) 0,35 (+) 0,45 (+) 8,5 (−) 6% (−) 75%
11 (+) tvrd (−) 175 (+) 0,35 (+) 0,45 (+) 8,5 (−) 6% (+) 85%
10 (−) mekan (+) 225 (+) 0,35 (+) 0,45 (−) 5,5 (+) 12% (−) 75%
7 (+) tvrd (+) 225 (+) 0,35 (+) 0,45 (+) 8,5 (+) 12% (+) 85%
4 (0) mekan (0) 200 (0)0,30 (0)0,40 (0)7,0 (0) 9% (0) 80%
12 (0) tvrd (0) 200 (0)0,30 (0)0,40 (0)7,0 (0) 9% (0) 80%
Tabela 27: Receptura za redosled pokušaja u eksperimentu
47
8. DODACI
8.1 POPIS SLIKA
Slika 1: Faktorski eksperiment sa dva faktora ................................................................. 7
Slika 2: Faktorski eksperiment sa interakcijom ................................................................ 7
Slika 3: Faktorski eksperiment, bez interakcije ................................................................ 9
Slika 4: Faktorski eksperiment sa interakcijom ................................................................ 9
Slika 5: Geometrijski šema 22 faktorskog plana ............................................................ 22
Slika 6: 23 Plan završne obrade .................................................................................... 25
Slika 7: Geometrijska šema 23 faktorskog plana ........................................................... 27
Slika 8: Geometrijska prezentacija kontrasta koja odgovara glavnim efektima i
interakcijama u 23 planu ................................................................................................ 28
Slika 9: Delimični „jedna polovina“ 23 faktorski plan ...................................................... 33
Slika 10: 22 plan u dva bloka ......................................................................................... 41
8.2 POPIS TABELA
Tabela 1: Podaci za jednofaktorski eksperiment ........................................................... 10
Tabela 2: Rezultati analize varijanse ............................................................................. 14
Tabela 3: Čvrstoće komponenti nakon žarenja na tri različite temperature ................... 15
Tabela 4: Rezultati jednofaktorske analize varijansi za primer žarenja komponenti ...... 15
Tabela 5: Podaci za dvofaktorski eksperiment .............................................................. 16
Tabela 6: Tabela za prikaz rezultata dvofaktorske analize varijanse ............................ 19
Tabela 7: Trajanje baterije u zavisnosti od temperature i vrste materijala ..................... 21
Tabela 8: Rezultati analize varijanse u eksperimentu sa trajanjem baterija .................. 21
Tabela 9: Matrica 22 faktorskog plana ........................................................................... 23
Tabela 10: Tabelarni prikaz znakova koeficijenata odgovarajućih kontrasta ................. 24
Tabela 11: Podaci koji predstavljaju ocenu kvaliteta završne obrade ........................... 25
Tabela 12: Rezultati analize varijanse u eksperimentu sa tri faktora ............................. 26
Tabela 13: Matrica plana eksperimenta sa tri faktora .................................................... 27
Tabela 14: Tabelarni prikaz 23 faktorskog plana ........................................................... 29
Tabela 15: Izabrani 2𝑘−𝑝 delimični faktorski plan. ......................................................... 31
Tabela 16: Plus i minus znaci za 23 faktorski plan ........................................................ 33
Tabela 17: Kombinacije ocena iz obe polovine ............................................................. 35
Tabela 18: 24 plan u dva bloka ...................................................................................... 35
Tabela 19: Kombinacije pokušaja iz bloka .................................................................... 36
Tabela 20: 26−2 delimični faktorski plan sa generatorima 𝐸 = 𝐴𝐵𝐶, 𝐹 = 𝐵𝐶𝐷 .............. 38
Tabela 21: Preporučeni delimični planovi ...................................................................... 39
Tabela 22: Plus i minus znaci za 23 faktorski plan ........................................................ 42
48
Tabela 23: Raspored pokušaja po blokovima ............................................................... 43
Tabela 24: Kombinacije pokušaja po blokovima ........................................................... 44
Tabela 25: Faktori koji utiču na kvalitet osovine točka automobila ................................ 45
Tabela 26: Šema maskiranja efekata ............................................................................ 45
Tabela 27: Receptura za redosled pokušaja u eksperimentu ........................................ 46
49
LITERATURA
[1] M. Jeya Chandra – Statistical Quality Control, CRC Press LLC, 2011.
[2] Douglas C Montgomery- Statistical quality control – 7th edition, John Wiley & Sons,
New York, 2013.
[3] Thomas B.Barker – Quality by Experimental Design, CRC Press LLC, 2005.
50
BIOGRAFIJA
Valentina Ilić rođena 01. novembra 1990. godine u Majdanpeku. Osnovnu školu
„Miladin Bučanović“ u Vlaolu završila je 2005. godine. Te godine upisuje Gimnaziju „Mile
Arsenijević Bandera“ u Majdanpeku, opšti smer, koju je završila 2009. godine.
Osnovne akademske studije matematike upisuje na Prirodno-matematičkom fakultetu u
Nišu 2009. godine, a završila ih 2016. godine. Iste godine upisuje master akademske
studije na istom fakultetu, smer Verovatnoća, statistika i finansijska matematika. Poslednji
ispit polaže oktobra 2018. godine i time stiče pravo na odbranu master rada.