Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

TUGAS RESUME JURNAL SEBELUM UTS. Dibuat oleh : JUDUL JURNAL Setting Spesifikasi Proses Robust Menggunakan Desain Eksperimen and Monte Carlo Techniques.

Presentasi serupa


Presentasi berjudul: "TUGAS RESUME JURNAL SEBELUM UTS. Dibuat oleh : JUDUL JURNAL Setting Spesifikasi Proses Robust Menggunakan Desain Eksperimen and Monte Carlo Techniques."— Transcript presentasi:

1 TUGAS RESUME JURNAL SEBELUM UTS

2 Dibuat oleh :

3 JUDUL JURNAL Setting Spesifikasi Proses Robust Menggunakan Desain Eksperimen and Monte Carlo Techniques dan Monte Carlo Teknik William D. Kappele PENGARANG

4 Menetapkan spesifikasi pada parameter proses dapat pekerjaan yang sulit Setting spesifikasi kuat yang tidak akan membutuhkan penyesuaian yang konstan mungkin tampak hampir mustahil. Presentasi ini akan menunjukkan bagaimana kombinasi Desain Percobaan dan Monte Carlo teknik dapat digunakan untuk mengatur proses yang kokoh spesifikasi tujuan, secara langsung. Anda akan melihat misalnya menggunakan data yang dipublikasikan untuk proses manufaktur karet. Anda akan melihat tahapan dari mendesain percobaan untuk mengoptimalkan proses spesifikasi melalui penggunaan simulator Monte Carlo untuk mempelajari respon terhadap perubahan spesifikasi. Anda akan melihat hasil ini digunakan untuk mengoptimalkan proses spesifikasi. Anda tidak akan perlu menyelidiki matematika – yang JMP perangkat lunak akan mengatasinya. Anda akan meninggalkan presentasi ini dengan yang baru paradigma untuk menetapkan spesifikasi proses parameter kuat

5 Berikut ini adalah skenario seperti: manufaktur permintaan spesifikasi pada proses parameter untuk sebuah produk baru dari tim pengembangan. Tidak ada satu dalam tim benar-benar tahu apa batas-batas seharusnya. Realistis spesifikasi itu keinginan semua orang, tetapi tanpa pengetahuan tentang cara mengatur spesifikasi realistis, pembangunan biasanya memilih untuk melindungi reputasi mereka dengan pengaturan spesifikasi begitu ketat bahwa mereka dijamin untuk bekerja, Sayangnya, hal ini membuat hidup lebih sulit untuk pembuatan dan pengembangan. Setiap kali tertentu banyak produk tidak memenuhi spesifikasi, manufaktur harus bertanya pembangunan jika produk ini benar-benar OK untuk menjual. Pembangunan harus menyelidiki. Jika menentukan bahwa produk ini adalah OK untuk menjual, spesifikasi dimodifikasi untuk memungkinkan perbedaan ini di masa depan. PENGANTAR

6 PENGANTAR ( Lanjutan....) Berikut ini kabar baik - Anda dapat menggunakan data untuk menetapkan spesifikasi kuat yang realistic. realistis. The key is the use of an empirical model to predict the Kuncinya adalah penggunaan model empiris untuk memprediksi consequences of different specification choices. konsekuensi dari pilihan spesifikasi yang berbeda. The Objective Design of Experiments 7-Step Process for experimentation will Desain Tujuan Percobaan 7-Langkah Proses untuk eksperimen akan provide this empirical model. menyediakan model empiris. Monte Carlo analysis on this model will Monte Carlo analisis pada model ini akan elucidate the consequences of the specification choices. menjelaskan konsekuensi dari pilihan spesifikasi. Berikut ini kabar baik - Anda dapat menggunakan data untuk menetapkan spesifikasi kuat yang realistic. realistis. The key is the use of an empirical model to predict the Kuncinya adalah penggunaan model empiris untuk memprediksi consequences of different specification choices. konsekuensi dari pilihan spesifikasi yang berbeda. The Objective Design of Experiments 7-Step Process for experimentation will Desain Tujuan Percobaan 7-Langkah Proses untuk eksperimen akan provide this empirical model. menyediakan model empiris. Monte Carlo analysis on this model will Monte Carlo analisis pada model ini akan elucidate the consequences of the specification choices. menjelaskan konsekuensi dari pilihan spesifikasi. Berikut ini kabar baik - Anda dapat menggunakan data untuk menetapkan spesifikasi kuat yang realistic. realistis. The key is the use of an empirical model to predict the Kuncinya adalah penggunaan model empiris untuk memprediksi consequences of different specification choices. konsekuensi dari pilihan spesifikasi yang berbeda. The Objective Design of Experiments 7-Step Process for experimentation will Desain Tujuan Percobaan 7-Langkah Proses untuk eksperimen akan provide this empirical model. menyediakan model empiris. Monte Carlo analysis on this model will Monte Carlo analisis pada model ini akan elucidate the consequences of the specification choices. menjelaskan konsekuensi dari pilihan spesifikasi Hal ini bisa terjadi beberapa kali sebelum spesifikasi yang melebar ke batas yang realistis. spesifikasi Robust yang realistis. Mereka tidak membutuhkan tenaga kerja ini intensif iteratif perubahan spesifikasi Mereka adalah benar, atau sangat hampir jadi, langsung dari awal. Berikut ini kabar baik - Anda dapat menggunakan data untuk menetapkan spesifikasi kuat yang realistis. Kuncinya adalah penggunaan model empiris untuk memprediksi konsekuensi dari pilihan spesifikasi yang berbeda. Desain Tujuan Percobaan 7-Langkah Proses untuk eksperimen akan menyediakan model empiris Monte Carlo analisis pada model ini akan menjelaskan konsekuensi dari pilihan spesifikasi.

7 1.Ask Pertanyaan Kanan 2.Choose your model 2.Choose model Anda 3.Choose an Experiment Design 3.Choose sebuah Desain Eksperimental 4.Collect Your Data 4.Collect Data Anda 5.Analyze Your Data 5.Analyze Data Anda 6.Test Model (Including Specification Scenarios) 6.Test Model (Termasuk Skenario Spesifikasi) 7.Celebrate Success! 7.Celebrate Sukses! (Take Pride in a Job Well-Done) (Ambil Kebanggaan dalam Ayub Well-Done) 1.Ajukan Pertanyaan Yang Tepat 2.Choose Model Anda 3.Choose Sebuah desain eksperimental 4.Collect data Anda 5.Analize Data Anda 6.Test Model ( Termasuk Skenario Spesifikasi ) 7.Celebrate Sukses ! ( Ambil Kebanggan dalam Ayyub Well-Done )

8 A. Suara pelanggan - Pelanggan membutuhkan "tahan lama" ban truk. Durable perlu diperjelas untuk memastikan bahwa kita dapat memuaskan pelanggan. Hal ini bisa menjadi dan memakan waktu langkah yang terlibat, tetapi akhirnya peneliti ditentukan bahwa kualitas pengganti karakteristik yang dapat diukur dan yang berkorelasi dengan ketahanan yang diperlukan. B. Karakteristik Kualitas Pengganti - Modulus 300 dipilih untuk pengganti agar tahan lama. Memaksimalkan Modulus 300 juga harus memaksimalkan daya tahan. relatif mudah untuk mengukur dan memberikan nomor untuk kami analisis. C. Hal ini diyakini bahwa jika kita bisa menjaga Modulus 300 lebih besar dari 160 kami akan memiliki cukup tahan lama ban. Kami akan lebih suka untuk memiliki Modulus 300 dari 180 atau lebih jika memungkinkan. D. Faktor Pilih dan batas - Memilih yang faktor untuk belajar dan yang untuk terus konstan bisa menjadi proyek yang sangat terlibat. Ini mungkin melibatkan pemeriksaan ada teori, evaluasi data yang ada, dan penerapan skrining percobaan. Waktu tidak memungkinkan analisis rinci faktor seleksi di sini, namun para peneliti menentukan bahwa tiga komponen dan tiga aditif yang berpotensi penting bagi perumusan karet A. Suara pelanggan - Pelanggan membutuhkan "tahan lama" ban truk. Durable needs to be clarified to insure that we can satisfy the customer. Durable perlu diperjelas untuk memastikan bahwa kita dapat memuaskan pelanggan. This can be an involved and time-consuming step, but ultimately researchers Hal ini bisa menjadi dan memakan waktu langkah yang terlibat, tetapi akhirnya peneliti determined that a substitute quality characteristic that can be measured and ditentukan bahwa kualitas pengganti karakteristik yang dapat diukur dan that correlates with durability was needed. yang berkorelasi dengan ketahanan yang diperlukan. B. Substitute Quality Characteristic – Modulus 300 was chosen to substitute B. Karakteristik Kualitas Pengganti - Modulus 300 dipilih untuk pengganti for durability. agar tahan lama. Maximizing Modulus 300 should also maximize durability. Memaksimalkan Modulus 300 juga harus memaksimalkan daya tahan. Modulus 300 is relatively easy to measure and provides numbers for our Modulus 300 relatif mudah untuk mengukur dan memberikan nomor untuk kami analysis. analisis. C. Goals – It is believed that if we can keep the Modulus 300 greater than C. Tujuan - Hal ini diyakini bahwa jika kita bisa menjaga Modulus 300 lebih besar dari 160 we will have a sufficiently durable tire. 160 kami akan memiliki cukup tahan lama ban. We would prefer to have a Kami akan lebih suka untuk memiliki Modulus 300 of 180 or greater if possible. Modulus 300 dari 180 atau lebih jika memungkinkan. D. Select Factors and limits – Selecting which factors to study and which to D. Faktor Pilih dan batas - Memilih yang faktor untuk belajar dan yang untuk hold constant can be a very involved project. terus konstan bisa menjadi proyek yang sangat terlibat. It may involve examination of Ini mungkin melibatkan pemeriksaan existing theories, evaluation of existing data, and the application of ada teori, evaluasi data yang ada, dan penerapan screening experiments. skrining percobaan. Time does not permit a detailed analysis of factor Waktu tidak memungkinkan analisis rinci faktor selection here, but researchers determined that three components and three seleksi di sini, namun para peneliti menentukan bahwa tiga komponen dan tiga additives were potentially important to the rubber formulation: aditif yang berpotensi penting bagi perumusan karet Langkah Ke-1 :Ajukan Pertanyaan Yang Tepat

9

10 Langkah ke-2 :Pilih Model Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. Kami tidak tahu model yang benar. Latar belakang teoritis saja tidak mencukupi untuk merumuskan model matematika. Model apa yang cocok untuk kasus ini? Untungnya, matematikawan Brook Taylor menemukan jawaban Dia mengatakan bahwa kita dapat melakukan pendekatan fungsi kontinu menggunakan polinomial. Jadi, seperti apapun model nyata terlihat, kita dapat menyesuaikan data kami ke polinomial untuk memprediksi perilaku masa depan. (Tentu saja kita harus menguji model ini untuk memastikan akan memprediksi dengan baik - yang akan datang dalam langkah 6.) Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. We Kami don't know the true model. tidak tahu model yang benar. The theoretical background alone is inadequate Latar belakang teoritis saja tidak mencukupi to formulate a mathematical model. untuk merumuskan model matematika. Where do we go from here? Mana kita pergi dari sini? Fortunately, mathematician Brook Taylor discovered the answer in the time Untungnya, matematikawan Brook Taylor menemukan jawaban dalam waktu yang of Newton. Newton. Taylor's theorem Teorema Taylor1 11 1tells us that we can approximate any smooth, mengatakan bahwa kita dapat mendekati setiap halus, continuous function using a polynomial. fungsi kontinu menggunakan polinomial. So, whatever the real model looks Jadi, apapun model nyata terlihat like, we can fit our data to a polynomial to predict future behavior. seperti, kita dapat sesuai data kami ke polinomial untuk memprediksi perilaku masa depan. (Of course (Tentu saja we will have to test this model to make sure it will predict well – that will kita harus menguji model ini untuk memastikan akan memprediksi dengan baik - yang akan come in step 6.) datang dalam langkah 6.) The specific polynomial we used is listed below: The polinomial tertentu yang kami digunakan adalah tercantum di bawah ini: Modulus 300 = b 1 *Natural + b * Alam + b 2 *SMR + b * SMR + b 3 *SBR + b * SBR + b 12 *Natural * SMR + * * SMR Alam + b 13 *Natural*SBR + b * SBR * Alam + b 14 *Natural*Oil + b * Minyak * Alam + b 15 *Natural*Resin + * * Resin Alam + b 16 *Natural*Accelerator + b * Accelerator * Alam + b 23 *SMR*SBR + b * SMR * SBR + b 24 *SMR*Oil + * SMR * Oil + b 25 *SMR*Resin + b * SMR * Resin + b 26 *SMR*Accelerator + b * SMR * Accelerator + b 34 *SBR*Oil + b SBR * * Oil + b 35 *SBR*Resin * SBR * Resin + b + B 36 *SBR*Accelerator + b * SBR * Accelerator + b 45 *Oil*Resin + b * Minyak * Resin + b 46 *Oil*Accelerator + * Minyak * Accelerator + b 56 *Resin*Accelerator + b * Resin * Accelerator + b 44 *Oil ^2 + b * Minyak ^ 2 + b 55 *Resin ^2 + * Resin ^ 2 + b 66 *Accelerator ^2 * Accelerator ^ 2 The “b's” are coefficients that adjust the model to fit the data we will collect. The "b's" adalah koefisien yang menyesuaikan model agar sesuai dengan data yang kami akan mengumpulkan. b 1 through b melalui b 3 model the “main effects” of our components – the effect each model "efek utama" komponen kita - efek masing-masing factor has on Modulus 300. faktor telah di Modulus 300. b b 44,b, B 55, and b, Dan b 56 model curvature in the effect of model lekukan pada efek Modulus 300. Modulus 300. b b 12 through b melalui b 56 model interactions among factors, allowing us model interaksi antara faktor-faktor, yang memungkinkan kita to see what happens if these factors change together. untuk melihat apa yang terjadi jika faktor-faktor ini berubah bersama-sama. With our model specified, we need to know what data to collect to fit this Dengan model kami yang ditetapkan, kita perlu tahu apa data untuk mengumpulkan agar sesuai ini model best. model terbaik Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. We Kami don't know the true model. tidak tahu model yang benar. The theoretical background alone is inadequate Latar belakang teoritis saja tidak mencukupi to formulate a mathematical model. untuk merumuskan model matematika. Where do we go from here? Mana kita pergi dari sini? Fortunately, mathematician Brook Taylor discovered the answer in the time Untungnya, matematikawan Brook Taylor menemukan jawaban dalam waktu yang of Newton. Newton. Taylor's theorem Teorema Taylor1 11 1tells us that we can approximate any smooth, mengatakan bahwa kita dapat mendekati setiap halus, continuous function using a polynomial. fungsi kontinu menggunakan polinomial. So, whatever the real model looks Jadi, apapun model nyata terlihat like, we can fit our data to a polynomial to predict future behavior. seperti, kita dapat sesuai data kami ke polinomial untuk memprediksi perilaku masa depan. (Of course (Tentu saja we will have to test this model to make sure it will predict well – that will kita harus menguji model ini untuk memastikan akan memprediksi dengan baik - yang akan come in step 6.) datang dalam langkah 6.) The specific polynomial we used is listed below: The polinomial tertentu yang kami digunakan adalah tercantum di bawah ini: Modulus 300 = b 1 *Natural + b * Alam + b 2 *SMR + b * SMR + b 3 *SBR + b * SBR + b 12 *Natural * SMR + * * SMR Alam + b 13 *Natural*SBR + b * SBR * Alam + b 14 *Natural*Oil + b * Minyak * Alam + b 15 *Natural*Resin + * * Resin Alam + b 16 *Natural*Accelerator + b * Accelerator * Alam + b 23 *SMR*SBR + b * SMR * SBR + b 24 *SMR*Oil + * SMR * Oil + b 25 *SMR*Resin + b * SMR * Resin + b 26 *SMR*Accelerator + b * SMR * Accelerator + b 34 *SBR*Oil + b SBR * * Oil + b 35 *SBR*Resin * SBR * Resin + b + B 36 *SBR*Accelerator + b * SBR * Accelerator + b 45 *Oil*Resin + b * Minyak * Resin + b 46 *Oil*Accelerator + * Minyak * Accelerator + b 56 *Resin*Accelerator + b * Resin * Accelerator + b 44 *Oil ^2 + b * Minyak ^ 2 + b 55 *Resin ^2 + * Resin ^ 2 + b 66 *Accelerator ^2 * Accelerator ^ 2 The “b's” are coefficients that adjust the model to fit the data we will collect. The "b's" adalah koefisien yang menyesuaikan model agar sesuai dengan data yang kami akan mengumpulkan. b 1 through b melalui b 3 model the “main effects” of our components – the effect each model "efek utama" komponen kita - efek masing-masing factor has on Modulus 300. faktor telah di Modulus 300. b b 44,b, B 55, and b, Dan b 56 model curvature in the effect of model lekukan pada efek Modulus 300. Modulus 300. b b 12 through b melalui b 56 model interactions among factors, allowing us model interaksi antara faktor-faktor, yang memungkinkan kita to see what happens if these factors change together. untuk melihat apa yang terjadi jika faktor-faktor ini berubah bersama-sama. With our model specified, we need to know what data to collect to fit this Dengan model kami yang ditetapkan, kita perlu tahu apa data untuk mengumpulkan agar sesuai ini model best. model terbaik Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. We Kami don't know the true model. tidak tahu model yang benar. The theoretical background alone is inadequate Latar belakang teoritis saja tidak mencukupi to formulate a mathematical model. untuk merumuskan model matematika. Where do we go from here? Mana kita pergi dari sini? Fortunately, mathematician Brook Taylor discovered the answer in the time Untungnya, matematikawan Brook Taylor menemukan jawaban dalam waktu yang of Newton. Newton. Taylor's theorem Teorema Taylor1 11 1tells us that we can approximate any smooth, mengatakan bahwa kita dapat mendekati setiap halus, continuous function using a polynomial. fungsi kontinu menggunakan polinomial. So, whatever the real model looks Jadi, apapun model nyata terlihat like, we can fit our data to a polynomial to predict future behavior. seperti, kita dapat sesuai data kami ke polinomial untuk memprediksi perilaku masa depan. (Of course (Tentu saja we will have to test this model to make sure it will predict well – that will kita harus menguji model ini untuk memastikan akan memprediksi dengan baik - yang akan come in step 6.) datang dalam langkah 6.) The specific polynomial we used is listed below: The polinomial tertentu yang kami digunakan adalah tercantum di bawah ini: Modulus 300 = b 1 *Natural + b * Alam + b 2 *SMR + b * SMR + b 3 *SBR + b * SBR + b 12 *Natural * SMR + * * SMR Alam + b 13 *Natural*SBR + b * SBR * Alam + b 14 *Natural*Oil + b * Minyak * Alam + b 15 *Natural*Resin + * * Resin Alam + b 16 *Natural*Accelerator + b * Accelerator * Alam + b 23 *SMR*SBR + b * SMR * SBR + b 24 *SMR*Oil + * SMR * Oil + b 25 *SMR*Resin + b * SMR * Resin + b 26 *SMR*Accelerator + b * SMR * Accelerator + b 34 *SBR*Oil + b SBR * * Oil + b 35 *SBR*Resin * SBR * Resin + b + B 36 *SBR*Accelerator + b * SBR * Accelerator + b 45 *Oil*Resin + b * Minyak * Resin + b 46 *Oil*Accelerator + * Minyak * Accelerator + b 56 *Resin*Accelerator + b * Resin * Accelerator + b 44 *Oil ^2 + b * Minyak ^ 2 + b 55 *Resin ^2 + * Resin ^ 2 + b 66 *Accelerator ^2 * Accelerator ^ 2 The “b's” are coefficients that adjust the model to fit the data we will collect. The "b's" adalah koefisien yang menyesuaikan model agar sesuai dengan data yang kami akan mengumpulkan. b 1 through b melalui b 3 model the “main effects” of our components – the effect each model "efek utama" komponen kita - efek masing-masing factor has on Modulus 300. faktor telah di Modulus 300. b b 44,b, B 55, and b, Dan b 56 model curvature in the effect of model lekukan pada efek Modulus 300. Modulus 300. b b 12 through b melalui b 56 model interactions among factors, allowing us model interaksi antara faktor-faktor, yang memungkinkan kita to see what happens if these factors change together. untuk melihat apa yang terjadi jika faktor-faktor ini berubah bersama-sama. With our model specified, we need to know what data to collect to fit this Dengan model kami yang ditetapkan, kita perlu tahu apa data untuk mengumpulkan agar sesuai ini model best. model terbaik Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. We Kami don't know the true model. tidak tahu model yang benar. The theoretical background alone is inadequate Latar belakang teoritis saja tidak mencukupi to formulate a mathematical model. untuk merumuskan model matematika. Where do we go from here? Mana kita pergi dari sini? Fortunately, mathematician Brook Taylor discovered the answer in the time Untungnya, matematikawan Brook Taylor menemukan jawaban dalam waktu yang Kita membutuhkan suatu model untuk memprediksi perilaku formulasi karet kami. We Kami don't know the true model. tidak tahu model yang benar. The theoretical background alone is inadequate Latar belakang teoritis saja tidak mencukupi to formulate a mathematical model. untuk merumuskan model matematika. Where do we go from here? Mana kita pergi dari sini? Fortunately, mathematician Brook Taylor discovered the answer in the time Untungnya, matematikawan Brook Taylor menemukan jawaban dalam waktu yang

11 Langkah ke-2 :Pilih Model ( Lanjutan..) The polinomial tertentu yang kami digunakan adalah tercantum di bawah ini:

12 Langkah 3: Pilih Desain Eksperimental Sebuah desain eksperimen akan memberikan kami daftar percobaan terbaik untuk mengumpulkan data agar sesuai dengan model kita. Daftar ini akan efisien dan memaksimalkan kualitas. Kami telah menentukan model untuk bekerja di sekitar eksperimental Kendala Karena itu, desain tidak tersedia dalam literatur. Kami perlu membuat desain kustom untuk model kami. Untungnya, matematikawan Jack Kiefer dan Yakub Wolfowitz menemukan cara untuk menentukan desain eksperimen yang dapat memaksimalkan kualitas fit dalam situasi industri. Bahkan lebih untungnya, JMP menyediakan algoritma untuk generasi rutin-Optimal Desain saya. Kita dapat menggunakan JMP untuk membuat desain eksperimen kustom untuk model kami. 1* Thomas and Finney, Calculus and Analytic Geometry, 5th Ed, Addison- Wesley, New York, 1979, pps

13 Langkah 4: Kumpulkan Data Membangun hubungan sebab-akibat mensyaratkan bahwa setiap faktor akan dipertanggungjawabkan. Ini tidak begitu mudah. Ini mungkin bahkan tidak mungkin untuk mengidentifikasi semua faktor yang mempengaruhi pekerjaan kita. Untungnya lagi, bidang Statistik memberikan kita cara untuk memperhitungkan semua faktor: 1. Sertakan faktor yang paling penting dalam desain eksperimen. 2. Faktor lain dianggap konstan. 3. Jalankan eksperimental dalam urutan acak. (Ini membuat faktor yang tidak terkontrol seperti kebisingan sehingga kami dapat menjelaskan efek dalam ketidakpastian kita). Kami menggunakan ketiga langkah di atas untuk memastikan bahwa dampak kita diamati sebenarnya disebabkan oleh faktor yang bervariasi.

14 TABEL DATA

15 Langkah 5 : Menganalisis data

16

17

18

19

20


Download ppt "TUGAS RESUME JURNAL SEBELUM UTS. Dibuat oleh : JUDUL JURNAL Setting Spesifikasi Proses Robust Menggunakan Desain Eksperimen and Monte Carlo Techniques."

Presentasi serupa


Iklan oleh Google