Six Sigma Study Guide

Działka efektów głównych jest najprostszym narzędziem graficznym do określenia względnego wpływu różnych danych wejściowych na wynik zainteresowania. W projekcie eksperymentu lub analizy wariancji, główny wykres efektów pokazuje średni wynik dla każdej wartości zmiennej niezależnej, łącząc efekty innych zmiennych. Innymi słowy, średnie wartości odpowiedzi na każdym poziomie zmiennej procesowej.

Kiedy używać działek efektów głównych

Podstawowym celem działki efektów głównych jest porównanie zmian w środkach, aby zidentyfikować najbardziej kategoryczną zmienną, która wpływa na odpowiedź. Wyświetla on środki dla każdej grupy w ramach zmiennej kategorycznej.

Główny efekt jest efektem zmiennej niezależnej na zmiennej zależnej, uśredniającym poziomy wszelkich innych zmiennych niezależnych.Termin ten jest często używany w kontekście projektów czynnikowych i modeli regresji w celu odróżnienia efektów głównych od efektów interakcji w odniesieniu do projektu czynnikowego. W analizie wariancji, hipoteza zerowa dla efektu głównego będzie testować, czy istnieją dowody na efekt różnych zabiegów. Jednak test efektu głównego jest niespecyficzny i nie pozwala na lokalizację konkretnych średnich porównań para-wise.

Interpretacja działek efektów głównych

Działki efektów głównych to wykresy przedstawiające średnie dla każdej wartości zmiennej kategorycznej. Jest to używane do określenia, czy efekt główny jest obecny dla zmiennej kategorycznej, czy nie.

Plany efektów głównych
  • Jeśli linia jest pozioma, innymi słowy, równoległa do osi x, to nie ma efektu głównego. Średnia odpowiedzi jest taka sama na wszystkich poziomach czynnika.
  • Podobnie, jeśli linia nie jest pozioma, wtedy istnieje efekt główny. Innymi słowy, średnia odpowiedzi nie jest taka sama na wszystkich poziomach czynników. Nachylenie określa wielkość efektu głównego.
  • Chociaż wykres pokazuje efekt główny, zaleca się wykonanie testu ANOVA w celu oceny istotności statystycznej.

Kartka interakcji

Wpływ jednej zmiennej niezależnej zależy od poziomu drugiej zmiennej niezależnej. Wykres interakcji jest potężnym narzędziem graficznym, które wyświetla średnie dla poziomów jednej zmiennej niezależnej na osi x oraz oddzielną linię dla każdego poziomu innej zmiennej.

W wykresach interakcji nie ma potrzeby, aby linie przecinały się wzajemnie dla interakcji (patrz poniżej przykład 2: wykresy 6 i 8). Linie nie powinny być jednak równoległe. Aby zaistniała interakcja, nachylenia obu linii powinny być różne. Linie nie muszą się przecinać w zakresie danych.

Podobnie, jeśli dwa punkty przecinają się w prawie połowie linii (patrz przykład 2: wykres 7), często jest to nazywane interakcją krzyżową. W tym przypadku, średnia z dwóch linii jest prawie taka sama, więc nie ma głównego efektu istniejącego dla dwóch niezależnych zmiennych.

Types of Main Effects Plots

Główne efekty są efektami jednej niezależnej zmiennej na zmiennej zależnej. Znak efektu głównego pokazuje kierunek efektu. Innymi słowy, pokazuje, czy średnia wartość odpowiedzi wzrasta czy maleje. Zasadniczo, główny wątek efekt pochodzi w trzech odmian.

  • Pozytywny: Zwiększenie poziomu lub manipulacji zmiennej niezależnej to również zwiększa poziom zmiennej zależnej.
  • Negatywny efekt: Wzrost zmiennej niezależnej zmniejsza zmienną zależną.
  • Brak efektu: Brak wzrostu lub spadku zmiennej zależnej w zależności od zmiennej niezależnej.

Przykłady wykresu efektów głównych

Przykład 1: Producent taśmy samoprzylepnej badający wpływ czasu moczenia i roztworów.

% zmian w wytrzymałości na rozciąganie po moczeniu taśm w dwóch różnych roztworach przez 8 godzin i 24 godziny.

Narysuj wykres dla roztworów 1 i 2, z godzinami (8 i 24) na osi X & procentowa zmiana wytrzymałości na rozciąganie na osi Y.

Wykres efektów głównych

Zielony kolor reprezentuje rozwiązanie 1, a niebieska przerywana linia reprezentuje rozwiązanie 2

Krok 1: Efekty główne: Zbadaj główne efekty poziomów jednego czynnika (Godziny) przy jednoczesnym ignorowaniu poziomów innych czynników (Rozwiązanie).

Sprawdź czy dane dla 8 godzin różnią się od danych dla 24 godzin. Ignorując dane z Rozwiązania 1 lub 2.

Przyjąć średnią z danych dla 8 godzin i średnią z danych dla 24 godzin. Zaznacz to na wykresie.

Main Effects Plot

Powyższy wykres wyraźnie wskazuje, że istnieje efekt główny czasu moczenia przy jednoczesnym ignorowaniu danych roztworu 1 lub 2.

Krok 2: Efekty główne: Zbadaj główne efekty poziomów jednego czynnika (Solutions) przy jednoczesnym ignorowaniu poziomów innego czynnika (Hours)

Sprawdź czy dane dla Solution 1 różnią się od danych dla Solution 2 hours. Ignorując dane dotyczące czasu moczenia.

Wyciągnij średnią z danych dla roztworu 1 i średnią z danych dla roztworu 2. Zaznacz to na wykresie.

Plot efektów głównych

Powyższy wykres wyraźnie wskazuje, że nie ma efektu głównego Roztworu 1 lub Roztworu 2 przy ignorowaniu czasu namaczania.

Efekt interakcji

Krok 3: Efekty interakcji: Zbadaj interakcję- czy jeden czynnik wpływa na działanie drugiego czynnika. Innymi słowy, czy poziomy jednego czynnika zmieniają wydajność w zależności od poziomów drugiego czynnika?

Interakcja jest tak naprawdę badaniem różnicy różnic. Oblicz różnicę rozwiązania 1, danych ośmiogodzinnych z danymi 24-godzinnymi. Analogicznie oblicz różnicę rozwiązania 2, danych ośmiogodzinnych z danymi 24-godzinnymi. Zaznacz to na wykresie.

Różnica rozwiązania 1, danych ośmiogodzinnych i danych 24-godzinnych wynosi prawie 69%, natomiast różnica rozwiązania 2, danych ośmiogodzinnych i danych 24-godzinnych wynosi zaledwie 5%.

W rozwiązaniu 1 i 2 występuje ogromna różnica %. Stąd możemy wnioskować, że istnieje interakcja.

Przykład2: W zakładzie produkcyjnym, dwie niezależne zmienne (temperatura i ciśnienie) na dwóch poziomach wpływających na zmienną zależną (prędkość). Poniżej przedstawiono różne scenariusze efektów głównych i efektów interakcji.

Każdy z powyższych wykresów przedstawia różne scenariusze dotyczące efektów głównych temperatury i ciśnienia oraz ich interakcji.

Wideo Wykresy Efektów Głównych

Pytania dotyczące wykresów efektów głównych Six Sigma Green Belt

Pytanie: Dokonując graficznej analizy wyników DOE, Belt często korzysta z Planu Efektów Głównych, aby określić względny wpływ różnych danych wejściowych na interesujące go dane wyjściowe. Łatwo jest zidentyfikować najbardziej wpływowy wkład, ponieważ nachylenie linii na wykresie efektów głównych jest __________________.

A) Najbardziej strome
B) Negatywnie skorelowane
C) Pozytywnie skorelowany
D) Najpłytszy

Ta sekcja wymaga, abyś był członkiem Pass Your Six Sigma Exam. Zaloguj się lub Zarejestruj się w kilka sekund za pomocą poniższych przycisków!

Zaloguj się do swojego konta
OR
Zapisz się do Pass Your Six Sigma Exam

Pytania, komentarze, problemy, wątpliwości? Prosimy o pozostawienie uwagi w komentarzach poniżej!

Ta sekcja wymaga zalogowania.

Kontrybutorzy

  • Avatar

.

Leave a Reply

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.