Scopri come:
- Analizza i dati di progettazione sperimentale in un modo che possa aiutare a ottenere un comportamento ideale di sollecitazione-deformazione
- Comprendere il caso di studio in cui l'obiettivo è creare plastica nuova e più dura per un prodotto
- I fattori sperimentali sono 1) quantità aggiuntive di sfere di vetro, carbonato di calcio e 2) variabili di processo di pressione e temperatura
- I dati disponibili dal laboratorio di prova sono Stress (Forza/Area) e Deformazione (variazione di Lunghezza/Lunghezza)
- I dati di riepilogo normalmente utilizzati per l'analisi sono modulo (pendenza della regione elastica), tensione di snervamento (punto in cui la sollecitazione rispetto alla macchia non è lineare), sollecitazione di trazione (sollecitazione massima) e punto di rottura (sollecitazione al punto di rottura). esperimento per aiutare a raggiungere il comportamento stress-deformazione ideale per un caso di studio.
- Utilizzare JMP Pro Functional Data Explorer per comprendere e modellare la sollecitazione rispetto alla deformazione lungo l'intera curva anziché riepilogarla in pochi punti chiave della curva
- Progettare un esperimento di formulazione plastica, raccogliere dati di trazione sui provini, modellare i dati di sollecitazione e deformazione
- Usa Predition Profiler per aiutare a identificare il comportamento stress-deformazione ideale
Stress vs. StrainStress contro sforzo
Risposte alle domande di Jason @Jason_Wiggins e Pietro @Peter_Hersh dopo la dimostrazione.
Quanti livelli sono stati associati a ciascun fattore?
A: Tre livelli, quindi era un progetto di screening definitivo.
Definitive Screening Design Used in the ExampleProgetto di vagliatura definitivo utilizzato nell'esempio
Esiste un'opzione di adattamento automatico da utilizzare, invece di tentativi ed errori?
A: Functional Date Explorer ti offre un PCA funzionale diretto che è fondamentalmente un'opzione di adattamento automatico.Tuttavia, in alcuni casi otterrai una vestibilità migliore con diversi tipi di vestibilità.Dipende davvero da quanto sono complessi i tuoi dati e da quanti picchi e valli ha.
L'analisi può essere eseguita se non si dispone di una funzione target?
R: Assolutamente. La funzione target ci aiuta molto nel problema di ottimizzazione, ma non è strettamente necessaria. Ci fa solo risparmiare un sacco di tempo piuttosto che usare il profiler di previsione cercando di comporre la forma che vogliamo.
Per l'analisi della desiderabilità avresti dovuto impostare prima la desiderabilità?
R: No, non è necessario impostare prima la desiderabilità, perché hai già definito la curva ideale utilizzando la funzione target e JMP cerca di ridurre al minimo l'aria integrata da quella funzione target e questo è quel fondo.
Per l'analisi della desiderabilità avresti dovuto impostare prima la desiderabilità?
R: No, non è necessario impostare prima la desiderabilità, poiché è già stata definita la forma della curva ideale utilizzando la funzione target e JMP tenta di ridurre al minimo l'errore integrato da quella funzione target. Se attivassi i grafici della funzione di desiderabilità, vedresti solo.Se hai un obiettivo diverso, puoi impostare anche Desiderabilità.Scopri come e in che modo il controllo potrebbe influire sul tuo risultato.
Per l'analisi della desiderabilità avresti dovuto impostare prima la desiderabilità?
R: No, non è necessario impostare prima la desiderabilità, poiché è già stata definita la forma della curva ideale utilizzando la funzione target e JMP tenta di ridurre al minimo l'errore integrato da quella funzione target. Se attivassi i grafici della funzione di desiderabilità, vedresti solo. Se hai un obiettivo diverso, puoi anche impostare Desiderabilità. Scopri come e in che modo il controllo potrebbe influire sul tuo risultato.
Dov'è il modello attuale?
A: È un modello di regressione generalizzato basato sui parametri numerici o di forma che hai. In questo caso ne abbiamo tre. JMP li guarda, fa una selezione variabile per te per creare ciò che JMP chiama Best Subset. In questo esempio hai visto che un paio di fattori non sono stati inclusi nel modello. Poiché non avevano un impatto su quella forma, non sono stati inclusi.
Generalized Regression Models for Each ShapeModelli di regressione generalizzati per ogni forma
Quali sono gli scopi delle scelte ID e Z nel dialogo?
A: ID è batch. Stiamo esaminando le curve di stress e deformazione per ciascuno di questi lotti e devono essere separati perché non è uno
curva. I parametri Z sono i fattori DOE che stiamo osservando. Sono coerenti in tutta l'intera curva di deformazione da stress e li stiamo usando per fare quell'analisi funzionale, quindi, se guardi i dati, non stanno cambiando ma sono impostati a un livello per quell'analisi della curva.
ID and Z Value OptionsOpzioni ID e valore Z
Come hai scelto P-spline per la modellazione o è stato solo un tentativo ed errore?
A: È un po 'di tentativi ed errori e il miglior indizio che hai quando esegui quei modelli per le funzioni di base, è guardare l'aspetto dell'adattamento. Se l'adattamento descrive la forma delle tue curve per ciascuno dei tuoi lotti, allora hai fatto un buon lavoro. Le B-spline hanno dato un risultato un po' strano. Alcune di quelle curve si sono appiattite e si sono allontanate dai dati effettivi raccolti, ecco perché le B-spline non hanno funzionato. Quindi, abbiamo iterato. Le P-spline sono state la nostra scelta successiva e hanno finito per abbinare i dati del segnale molto meglio.
Nei tuoi dati per creare le curve DOE, hai caricato i tuoi dati di test o solo i 4 punti di riepilogo a cui hai fatto riferimento?
A: Abbiamo utilizzato tutti i dati della curva di deformazione dello sforzo. In genere, vai in laboratorio, esegui ciascuno dei miei test e poi ricevo un segnale di deformazione da stress proprio come ho mostrato con i grafici in Graph Builder. Quindi dobbiamo abbinarlo alla nostra tabella DOE. Quindi, ho solo un lotto 287 ma se guardo i dati della mia curva di deformazione da sforzo, vedo che ho raccolto 8 punti dati lungo quella curva di deformazione da sforzo per quella prova nel DOE. Quindi, dobbiamo unire i dati del test con la tabella DOE.
Esiste una funzione che descriva quanta varianza è rappresentata da una qualsiasi delle variabili Z?
R: Possiamo sicuramente esportarlo ed eseguire il modello separatamente nei riepiloghi. Possiamo anche valutare l'importanza variabile dal profiler dell'interazione. In questo caso, dal rapporto di riepilogo dell'importanza variabile, vediamo che la tensione sarà la migliore perché è variata di proposito, ma vediamo che la pressione e il vetro stanno avendo un grande impatto complessivo e non c'è quasi alcuna influenza da quel calcio carbonato in temperatura. È un po' diverso da come sembrerebbe normalmente perché la varietà sarà sempre la fonte principale. Possiamo almeno avere un'idea di dove cadono gli altri fattori l'uno rispetto all'altro e semplicemente ignorare quella linea superiore perché è la risposta.
