方法を参照してください:
- 理想的な応力-ひずみ挙動の実現に役立つ方法で実験設計データを分析します。
- 新しいより硬いプラスチックを製品に使用することが目標であるケーススタディを理解する
- 実験要因は、1) ガラスビーズ、炭酸カルシウムの添加量、および 2) 圧力と温度のプロセス変数です。
- 試験ラボから入手可能なデータは、応力 (力/面積) とひずみ (長さ/長さの変化) です。
- 通常、解析に使用される要約データは、弾性率 (弾性領域の傾き)、降伏応力 (応力対汚れが非線形である点)、引張応力 (最大応力)、破壊点 (破断点での応力) です。ケーススタディの理想的な応力-ひずみ挙動を達成するために役立つ実験。
- JMP Pro Functional Data Explorer を使用すると、曲線上のいくつかの重要な点に要約するのではなく、曲線全体にわたる応力とひずみを理解し、モデル化できます。
- プラスチック配合実験を設計し、試験片の引張データを収集し、応力およびひずみデータをモデル化します。
- Predition Profiler を使用して、理想的な応力-ひずみ挙動を特定するのに役立てる
Stress vs. Strain応力とひずみ
ジェイソンが答えた質問@ジェイソン・ウィギンズそしてピーター@ピーター・ハーシュデモの後。
Q: 各要素にはいくつのレベルが関連付けられていましたか?
A: 3 つのレベルがあるため、最終的なスクリーニング デザインでした。
Definitive Screening Design Used in the Example例で使用される最終的なスクリーニング計画
Q: 試行錯誤の代わりに使用できる自動フィット オプションはありますか?
A: Functional Date Explorer では、基本的に自動調整オプションである Direct Functional PCA が提供されます。ただし、場合によっては、さまざまなフィット タイプを使用した方がより適切なフィット感が得られます。実際には、データがどれだけ複雑か、そして山と谷がどれだけあるかによって異なります。
Q: 対象関数が無い場合でも解析は可能ですか?
A: もちろんです。 ターゲット関数は最適化問題で非常に役立ちますが、厳密に必要というわけではありません。 予測プロファイラーを使用して目的の形状を調整するよりも、時間を大幅に節約できます。
Q: 望ましさの分析では、最初に望ましさを設定する必要がありましたか?
A: いいえ、最初に満足度を設定する必要はありません。ターゲット関数を使用して理想曲線をすでに定義しており、JMP はそのターゲット関数からの積分空気を最小化しようとします。それがその底です。
Q: 望ましさの分析では、最初に望ましさを設定する必要がありましたか?
A: いいえ、最初に満足度を設定する必要はありません。ターゲット関数を使用して理想的な曲線形状がすでに定義されており、JMP はそのターゲット関数からの積分誤差を最小限に抑えようとします。 好感度関数グラフをオンにすると、それが表示されます。別の目標がある場合は、Desirability も設定できます。それを制御することで結果がどのように影響を受けるかを確認してください。
Q: 望ましさの分析では、最初に望ましさを設定する必要がありましたか?
A: いいえ、最初に満足度を設定する必要はありません。ターゲット関数を使用して理想的な曲線形状がすでに定義されており、JMP はそのターゲット関数からの積分誤差を最小限に抑えようとします。 好感度関数グラフをオンにすると、それが表示されます。 別の目標がある場合は、Desirability を設定することもできます。 それを制御することで結果がどのように影響を受けるかを確認してください。
Q: 実際のモデルはどこにありますか?
A: これは、お持ちの数または形状パラメーターに基づく一般化回帰モデルです。 この場合は 3 つあります。 JMP はそれらを参照して変数を選択し、JMP がベスト サブセットと呼ぶものを作成します。 この例では、いくつかの要素がモデルに含まれていないことがわかりました。 これらはその形状に影響を与えないため、含まれませんでした。
Generalized Regression Models for Each Shape各形状の一般化回帰モデル
Q: ダイアログでの ID と Z の選択の目的は何ですか?
A: IDはバッチです。 これらの各バッチの応力対ひずみ曲線を調べていますが、それらは 1 つではないため分離する必要があります。
曲線。 Z パラメータは、注目している DOE 係数です。 それらは応力ひずみ曲線全体にわたって一貫しており、関数的な解析を行うためにそれらを使用しているため、データを見ると、変化はなく、その曲線解析のレベルに設定されています。
ID and Z Value OptionsID および Z 値のオプション
Q: モデリング用に P スプラインをどのように選択しましたか、それとも単なる試行錯誤でしたか?
A: これは少しの試行錯誤ですが、基底関数に対してこれらのモデルを実行するときに得られる最良の手がかりは、近似の様子を観察することです。 フィットが各バッチの曲線の形状を表している場合、それは成功しており、良い仕事をしたことになります。 B スプラインでは少し奇妙な結果が得られました。 これらの曲線の一部は平坦になり、収集された実際のデータから離れてしまったため、B スプラインは機能しませんでした。 そこで、私たちはそれを繰り返しました。 次に P スプラインを選択しましたが、最終的に信号データとのマッチングがはるかに良くなりました。
Q: DOE 曲線を作成するためのデータでは、テスト データをアップロードしましたか、それとも参照した 4 つのサマリー ポイントだけをアップロードしましたか?
A: 応力ひずみ曲線データはすべて使用しました。 通常、研究室に行き、それぞれのテストを実行すると、グラフ ビルダーのグラフで示したような応力ひずみ信号が得られます。 次に、これを DOE テーブルと照合する必要があります。 したがって、バッチ 287 は 1 つしかありませんが、応力ひずみ曲線データを見ると、DOE でのその試験の応力ひずみ曲線に沿って 8 つのデータ ポイントを収集していることがわかります。 したがって、テストデータを DOE テーブルとマージする必要があります。
Q: Z 変数のいずれかが分散のどの程度を占めるかを説明する関数はありますか?
A: それをエクスポートして、サマリー内でモデルを個別に実行することができます。 インタラクションプロファイラーから変数の重要性を評価することもできます。 この場合、変動重要度の概要レポートから、そのひずみがわかり、意図的に変化しているためトップになると考えられますが、圧力とガラスが全体に大きな影響を与えていることがわかり、カルシウムによる影響はほとんどありません。炭酸塩の温度。 株は常にトップの貢献者になるため、通常の見た目とは少し異なります。 少なくとも、他の要因が相互に関連してどこに位置するかを把握することができ、それが応答であるため、その最上位行を無視するだけで済みます。
