¿Sabías que puedes hacer una linterna sencilla simplemente colocando una botella de plástico llena de líquido encima de una linterna? Por ejemplo, cuando se produce un corte de energía debido a un desastre, es posible que las linternas por sí solas no proporcionen suficiente luz. En ese momento, al colocar una botella de plástico llena de agua o algo similar encima de una linterna, la luz se reflejará de manera difusa y se volverá más brillante, iluminando el área circundante.
Durante un corte de energía, es deseable poder iluminar el área circundante tanto como sea posible, pero la cantidad de brillo parece variar dependiendo de las diversas condiciones de la botella de PET. Así que hagamos un experimento.
Sin embargo, esto no significa experimentar a ciegas. Realicemos experimentos y saquemos conclusiones basadas en el diseño experimental.
Experimento de luminosidad con una “linterna de botella de plástico”
Crea una base con una linterna incrustada y coloca un fotómetro a unos 50 cm de distancia.
Coloca una botella de plástico llena de líquido en la base y, al cabo de un rato, lee el valor (lux) en el medidor de iluminación una vez que se estabilice.
Hemos preparado un vídeo del experimento.
La respuesta es "brillo (lux)", y el propósito es hacerlo más grande (maximizar).
- Los cuatro factores son el tipo de líquido en la botella de plástico, el volumen, la concentración (convertida a un logaritmo común) y la forma de la botella de plástico.
- Se puede utilizar agua como tipo de líquido, pero esta vez decidimos considerar tres tipos: bebidas deportivas, bebidas de bacterias del ácido láctico y leche.
Lista de factores
Figura de la izquierda: Tipos de botellas de PET (Cola, Hida Hida), Figura de la derecha: Diferencias de concentración (100%, 10%, 1%)
Flujo del diseño experimental en este experimento.
Primero, llevamos a cabo un experimento de detección para extraer factores importantes de los cuatro factores. Una vez que se encuentra un factor importante, usamos ese factor para realizar otro experimento para ajustar la superficie de respuesta y luego ajustamos el modelo para encontrar las condiciones del factor que darán la luz más brillante (optimización).
Paso 1: Detección de factores importantes
Paso 2: crear y optimizar la superficie de respuesta
experimento de cribado
En este experimento de selección, analizaremos el efecto principal y la interacción cuadrática de los tres factores "tipo de líquido", "volumen" y "log10 (concentración)". (No se considera el efecto de interacción sobre la "forma de la botella").
■Crear un plan experimental usando un diseño personalizado
JMP [Plan personalizado] Utilice esto para crear un plan de detección.
En el modelo, incluya un efecto principal y tres interacciones bidireccionales (tipo de líquido*volumen, tipo de líquido*log10(concentración) y volumen*log10(concentración)). En este momento, el valor predeterminado para la cantidad de experimentos es 18, por lo que aquí crearemos un plan con esta cantidad de experimentos.
Realice el experimento según el plan de 18 experimentos generado e ingrese la respuesta (brillo).
■Visualización de datos experimentales.
Antes de ajustar el modelo, visualicemos los datos experimentales obtenidos. Con Graph Builder, puedes visualizar cosas como:
Figura de la izquierda: gráfico de líneas con el orden de los experimentos en el eje X y la respuesta en el eje Y. Compruebe si el orden de los experimentos está afectando los resultados.
Figura de la derecha: consulte los diagramas de efectos factoriales, los diagramas de dispersión con factores en el eje X y las respuestas en el eje Y, los gráficos de líneas (que conectan los promedios de cada nivel), la relación entre respuestas y factores, la presencia de valores atípicos, etc.
■Informe de análisis
Cuando ejecuta el script "Modelo" en la parte superior izquierda de la tabla de datos, se aplicará el modelo especificado en el diseño personalizado.
- Con referencia al "Gráfico de valores predichos y valores medidos", no hay puntos experimentales que se desvíen significativamente de la línea roja (región donde coinciden los valores medidos y los valores predichos), y el cuadrado R muestra un alto valor de 0,96, por lo que se consigue un buen ajuste, se puede ver que los hay.
- Con referencia al informe "Resumen de efectos", lo siguiente es significativo al nivel de significancia del 5%: "Tipo de líquido*log10(concentración)", "log10(concentración)" y "forma de la botella". Puede ver.
■Agrupar términos innecesarios para generar errores
En los experimentos de selección, los términos que no son significativos en el modelo ajustado pueden excluirse (considerarse errores) para determinar claramente los efectos que influyen en la respuesta. En JMP, puede eliminar el término del modelo seleccionando el término que desea eliminar en el informe "Resumen de efectos" y haciendo clic en "Eliminar" en la parte inferior izquierda.
- Eliminar la interacción “capacidad*log10(concentración)” con el valor p más grande (p=0,966)
- Después de realizar el paso 1, la interacción con el valor p más grande es "Tipo de líquido * Volumen" (p = 0,384), así que elimínela.
En los pasos 1 y 2, el efecto principal "tipo de líquido" no se eliminó a pesar de que tenía un valor p grande. Esto se debe a que la interacción "tipo de líquido*log10(concentración)" está incluida en el modelo. Generalmente, no eliminamos un efecto principal si el modelo incluye una interacción con ese efecto principal. este Jerarquía de efectos Se llama.
A continuación, consideraremos un modelo al que se le han eliminado los términos innecesarios.
■Perfil de interacción
En este ejemplo, la interacción entre el tipo de fluido y la concentración es muy significativa. Es útil considerar este fenómeno en términos de perfiles de interacción. Desde el botón del triángulo rojo en la parte superior izquierda del informe Perfil de factor > Gráfica de interacción Se puede mostrar en
Si observa la figura en la parte superior derecha rodeada de rojo, puede ver claramente el efecto de interacción entre el tipo de líquido y la concentración.
En el caso de la leche, el brillo tiende a disminuir a medida que aumenta la concentración, pero en el caso de las bebidas deportivas, el brillo tiende a aumentar a medida que aumenta la concentración. En el caso de las bebidas con bacterias del ácido láctico, no parece haber relación entre la concentración y el brillo.
■Perfil de predicción
Utilice perfiles predictivos para explorar las relaciones entre respuestas y factores.
Desde el botón del triángulo rojo a la izquierda, Optimización y Satisfacción > Maximizar la Satisfacción Al seleccionar , puede encontrar la condición del factor que maximiza el valor predicho de brillo, que es la respuesta, en el modelo creado.
La condición para obtener el máximo brillo es cuando se vierten 500 ml de leche al 1% en una botella de plástico doblada. El brillo previsto en este momento será de aproximadamente 34 lux.
Como sabes, la leche contiene componentes grasos y oleosos. Este componente de aceite y grasa es responsable del brillo. Esto se puede entender por el hecho de que en el pasado se utilizaba petróleo como combustible para la iluminación.
En caso de emergencia, parece que añadir una pequeña cantidad de leche a una botella de agua de plástico crea una linterna muy brillante. Sin embargo, si usas leche (100% de concentración), bloqueará la luz, por lo que debes tener cuidado.
De experimentos de detección a experimentos de optimización
Sin embargo, es poco probable que tenga leche a mano en caso de una emergencia. Es más habitual que se almacenen agua y bebidas deportivas en caso de emergencias. Por lo tanto, la siguiente Parte 2 Ahora, creemos un modelo de superficie de respuesta para bebidas deportivas para investigar las condiciones de capacidad y concentración de la bebida más brillante.
Vídeo de referencia para este experimento: ¿Cuál es la forma más brillante de convertir una linterna en una linterna? ｜Experimento de prevención de desastres [preparar] TELEVISOR ] YouTube
https://www.youtube.com/watch?v=NbmN2s-Pjz8
por Naohiro Masukawa (JMP Japón)
Naohiro Masukawa - Comunidad de usuarios de JMP
