Použití statistických metod pro analýzu řezných podmínek

Podobné dokumenty
Analýza variance (ANOVA) - jednocestná; faktor s pevným efektem; mnohonásobná srovnání

HODNOCENÍ STAVU OBROBENÉHO POVRCHU PO VÍCEOSÉM FRÉZOVÁNÍ

SEMESTRÁLNÍ PRÁCE. Leptání plasmou. Ing. Pavel Bouchalík

Plánování experimentu

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc. dohnal@nipax.cz

Regresní analýza. Eva Jarošová

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie ANOVA. Semestrální práce

Analýza rozptylu. Ekonometrie. Jiří Neubauer. Katedra kvantitativních metod FVL UO Brno kancelář 69a, tel

Univerzita Pardubice Chemicko-technologická fakulta Katedra analytické chemie

Statistika, Biostatistika pro kombinované studium. Jan Kracík

ANOVA. Semestrální práce UNIVERZITA PARDUBICE. Fakulta chemicko-technologická Katedra analytické chemie

ADDS cviceni. Pavlina Kuranova

Statistická analýza jednorozměrných dat

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie. Nám. Čs. Legií 565, Pardubice. Semestrální práce ANOVA 2015

S E M E S T R Á L N Í

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie

Způsobilost systému měření podle normy ČSN ISO doc. Ing. Eva Jarošová, CSc.

Přednáška IX. Analýza rozptylu (ANOVA)

KORELACE. Komentované řešení pomocí programu Statistica

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

A B C D

Úvod do analýzy rozptylu

Intervalové odhady. Interval spolehlivosti pro střední hodnotu v N(µ, σ 2 ) Interpretace intervalu spolehlivosti. Interval spolehlivosti ilustrace

1.4 ANOVA. Vliv druhu plodiny na míru napadení houbami Fusarium culmorum a Fusarium graminearum v systému ekologického hospodaření

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Jednofaktorová analýza rozptylu

Testování hypotéz. 1. vymezení základních pojmů 2. testování hypotéz o rozdílu průměrů 3. jednovýběrový t-test

Design Experimentu a Statistika - AGA46E

Jednofaktorová analýza rozptylu

letní semestr 2012 Katedra pravděpodobnosti a matematické statistiky Matematicko-fyzikální fakulta Univerzity Karlovy Matematická statistika

MSA-Analýza systému měření

Design of experiment Návrh experimentu

UNIVERZITA PARDUBICE Fakulta chemicko-technologická Katedra analytické chemie Nám. Čs. Legií 565, Pardubice

Univerzita Pardubice Fakulta chemicko-technologická Katedra analytické chemie STATISTICKÉ ZPRACOVÁNÍ EXPERIMENTÁLNÍCH DAT

Univerzita Pardubice Fakulta chemicko technologická Katedra analytické chemie Licenční studium chemometrie

Srovnávací studie cementovaných a nitridovaných vzorků pomocí analýzy Barkhausenova šumu a RTG difrakce

Korelace. Komentované řešení pomocí MS Excel

Analýza rozptylu. PSY117/454 Statistická analýza dat v psychologii Přednáška 12. Srovnávání více než dvou průměrů

Optimalizace provozních podmínek. Eva Jarošová

Statgraphics v. 5.0 STATISTICKÁ INDUKCE PRO JEDNOROZMĚRNÁ DATA. Martina Litschmannová 1. Typ proměnné. Požadovaný typ analýzy

Zpracování studie týkající se průzkumu vlastností statistických proměnných a vztahů mezi nimi.

PYTHAGORAS Statistické zpracování experimentálních dat

Katedra matematické analýzy a aplikací matematiky, Přírodovědecká fakulta, UP v Olomouci

Regresní analýza 1. Regresní analýza

Testy nezávislosti kardinálních veličin

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

4EK211 Základy ekonometrie

Předpoklad o normalitě rozdělení je zamítnut, protože hodnota testovacího kritéria χ exp je vyšší než tabulkový 2

Statistika. Testování hypotéz - statistická indukce Parametrické testy. Roman Biskup

Jste aktivní sportovec?(pravidelně sportuji alespoň 2x týdně) Jakým sportovním činnostem se pravidelně věnujete? (alespoň 1 x za dva týdny v sezóně)

Statistické vyhodnocení průzkumu funkční gramotnosti žáků 4. ročníku ZŠ

Uni- and multi-dimensional parametric tests for comparison of sample results

JEDNOVÝBĚROVÉ TESTY. Komentované řešení pomocí programu Statistica

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Národní informační středisko pro podporu jakosti

UNIVERZITA PARDUBICE CHEMICKO-TECHNOLOGICKÁ FAKULTA KATEDRA ANALYTICKÉ CHEMIE

RNDr. Eva Janoušová doc. RNDr. Ladislav Dušek, Dr.

Navrhování experimentů a jejich analýza. Eva Jarošová

Stav Svobodný Rozvedený Vdovec. Svobodná Rozvedená Vdova 5 8 6

II. Statistické metody vyhodnocení kvantitativních dat Gejza Dohnal

STATISTICA Téma 7. Testy na základě více než 2 výběrů

Testování statistických hypotéz

Seminář 6 statistické testy

Design of Experiment (DOE) Petr Misák. Brno 2017

Analýza rozptylu. Podle počtu analyzovaných faktorů rozlišujeme jednofaktorovou, dvoufaktorovou a vícefaktorovou analýzu rozptylu.

Statistická analýza dat

STATISTIKA A INFORMATIKA - bc studium OZW, 1.roč. (zkušební otázky)

Design of experiment Návrh experimentu

Plánování experimentu

Analýza rozptylu. Statistika II. Jiří Neubauer. Katedra ekonometrie FVL UO Brno kancelář 69a, tel

Inovace bakalářského studijního oboru Aplikovaná chemie

Problematika analýzy rozptylu. Ing. Michael Rost, Ph.D.

ANOVA PSY252 Statistická analýza dat II

Zápočtová práce STATISTIKA I

Mann-Whitney U-test. Znaménkový test. Vytvořil Institut biostatistiky a analýz, Masarykova univerzita J. Jarkovský, L. Dušek

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

STATISTICAL DESIGN OF EXPERIMENT FOR SOLDER JOINTS QUALITY EVALUATION STATISTICKÉ PLÁNOVÁNÍ EXPERIMENTŮ PRO ÚČELY VYHODNOCOVÁNÍ KVALITY PÁJENÝCH SPOJŮ

Tabulka 1 Rizikové online zážitky v závislosti na místě přístupu k internetu N M SD Min Max. Přístup ve vlastním pokoji ,61 1,61 0,00 5,00

(motto: An unsophisticated forecaster uses statistics as a drunken man uses lamp-posts - for support rather than for illumination.

ZNALOSTI A DOVEDNOSTI ČESKÝCH MUŽŮ V OBLASTI INFORMAČNÍ BEZPEČNOSTI - VÝSLEDKY STATISTICKÉ ANALÝZY

Lineární regrese. Komentované řešení pomocí MS Excel

Pravděpodobnost a matematická statistika Doc. RNDr. Gejza Dohnal, CSc.

Testování hypotéz. Testování hypotéz o rozdílu průměrů t-test pro nezávislé výběry t-test pro závislé výběry

Závislost obsahu lipoproteinu v krevním séru na třech faktorech ( Lineární regresní modely )

Regresní a korelační analýza

Korelační a regresní analýza. 1. Pearsonův korelační koeficient 2. jednoduchá regresní analýza 3. vícenásobná regresní analýza

EFEKTIVNÍ FRÉZOVÁNÍ FERITICKO-MARTENZITICKÝCH OCELÍ VLIV MIKROGEOMETRIE NÁSTROJE NA ŘEZNÝ PROCES SVOČ FST 2013

Experimentální výzkum vlivu zesílení konstrukce valené klenby lepenou uhlíkovou výztuží

Statistika. Testování hypotéz statistická indukce Neparametrické testy. Roman Biskup

Testy statistických hypotéz

Regresní a korelační analýza

8 ANALÝZA ČASOVÝCH ŘAD SEZÓNNÍ SLOŽKA

TECHNICKÁ UNIVERZITA V LIBERCI

Stanovení manganu a míry přesnosti kalibrace ( Lineární kalibrace )

Aplikovaná statistika v R - cvičení 2

Matematická statistika. Testy v. v binomickém. Test pravděpodobnosti. Test homogenity dvou. Neparametrické testy. statistika. Testy v.

Návrh a vyhodnocení experimentu

SEMESTRÁ LNÍ PRÁ CE. Licenč ní studium STATISTICKÉZPRACOVÁ NÍ DAT PŘ I KONTROLE A Ř ÍZENÍ JAKOSTI

Seminář 6 statistické testy

Transkript:

Abstrakt Použití statistických metod pro analýzu řezných podmínek Ing. Alexey Molotovnik Vedoucí práce: doc. Ing. Rudolf Dvořák, CSc. Provedení technických experimentů vyžaduje následující důkladnou statistickou analýzu výstupních dat. V některých případech dostačujícími jsou základní metody analýzy jako analýza rozptylů, ale v dalších případech je potřeba provést další testy pro ověření statistických hypotéz. V rámcích výzkumného projektu po analýze systému čištění průmyslových kalů byly analyzovány řezné podmínky pro obrábění bubnů odstředivky. Základní statistická analýza se ukázala jako nedostačující a proto byly použity další metody porovnání kontrastů několika souborů hodnot. Klíčová slova Statistická analýza, DOE, ANOVA 1. Úvod Vzorek BUBEN KUŽEL, dále jen buben I, byl vyroben z Cr-Ni-Mo-N austeniticko-feritické korozivzdorné oceli na odlitky (1.70; GX2CrNiMoN22-5-3) ve výrobních prostorech První brněnské strojírny Velká Bíteš, a. s. Povrh bubnu I byl opracován finální technologií soustružení. Byly obrobeny dva druhů bubnů o průměrech 205 a 235mm, počet otáček za minutu při obrábění byl zvolen na 70, resp. 90. Cílem experimentu bylo posoudit vliv jednotlivých faktorů, kterými byla řezná rychlost a posuv řezného nástroje na následující parametry: zbytkové napětí ( A a T), míru plastické deformace (WA a WT), magnetoelastické parametry (mpa a mpt), remaneci (BrA a BrT), permeabilitu (ma a mt), koercitivní sílu (HcA a HcT) a drsnost povrchu (Ra, Ry, Rsm). Faktory byly nastaveny na následující úrovně: řezná rychlost 5, 65 m/min.; posuv řezného nástroje 0,1; 0,2; 0,3 mm/ot. Byl použit úplný faktorový plán experimentu s jednou replikací (opakováním), tedy bylo provedeno celkem 12 jednotlivých běhů experimentu. Návrh i analýza byly provedeny v softwaru Design-Expert 6. Pro studium vlivu faktorů na určité parametry byly použity lineární modely, to stačí pro tak zvaný screening, t.j. analýzu existence závislostí. Pro dva faktory lineární model může mít jednu s následujících forem: yijk i j ij ijk (1) yijk i j ijk (2) yik i ik (3) yjk j jk ()

kde i vliv řezné rychlosti na sledovaný parametr yi, j vliv posuvu řezného nástroje na yi i = 5, 65 (úrovně faktoru Řezná rychlost); j = 0,1; 0,2; 0,3 (úrovně faktoru Posuv); k = 1, 2,..., 12 (pořadové číslo vzorku); přičemž ijk jsou náhodné chyby nezávislé navzájem a s rozdělením N(0, 2 ). Člen ( )ij v modelu odpovídá možné interakci mezi faktory. Pro ověření existence závislosti je vhodné otestovat následující hypotézy: H0 : i = 0, i = 1, 2, 3 (čili není patrný vliv faktoru A), resp. H0 : j = 0, j = 1, 2 (není patrný vliv faktoru B), resp. H0 : ( )ij = 0, i= 1, 2, 3; j = 1, 2 (není patrný vliv interakce) [1]. 1.1. Zbytková napětí Difrakční tenzometrická měření byla prováděna za účelem posouzení vlivu posuvu řezného nástroje a vlivu řezné rychlosti na stav zbytkové napjatosti. Rentgenografická tenzometrická analýza byla provedena na površích všech dvanácti stop označených 1 12. Na každé stopě byla zvolena 3 místa po 120, viz obr 1. Analyzované body byly měřeny jak ve směru posuvu nástroje δa, tak i ve směru kolmém tj. δt. Tabulka 1 Naměřené hodnoty zbytkových napětí. Stopa Řezná rychlost vc m/min. Posuv f mm/ot < A>, MPa <WA>, deg < >, MPa <WT>, deg 1 5 0,3 667 3,13 56 3,18 2 5 0,1 222 3,27 81 3,06 3 5 0,1 127 3,09 557 3,08 65 0,2 288 3,26 600 3,06 5 65 0,1-209 3,26 121 3,09 6 5 0,2 352 3,28 599 3,18 7 65 0,2 233 3,31 633 3,22 8 5 0,2 3 3,23 582 3,16 9 65 0,3 561 3,31 558 3,27 10 65 0,1 313 3,03 593 3,02 11 5 0,3 536 3,5 22 3,6 12 65 0,3 23 3,3 709 3,25 Vlastní měření bylo prováděno pomocí ψ goniometru Xstress 3000 G2 firmy Stressech Oy se zářením rentgenky s chromovou anodou a cylindrickým kolimátorem o průměru 3 mm. Plocha ozářené oblasti činila cca 9 mm 2. Byla analyzována difrakční linie {211} α-fe. Hodnoty zbytkových napětí byly vypočteny z mřížkových deformací stanovených z experimentálních závislostí 2θ(sin²ψ) za předpokladu dvojosého stavu zbytkové napjatosti (θ je difrakční úhel, ψ

úhel mezi povrchem vzorku a difraktujícími mřížkovými rovinami). Závislosti 2θ 211 (sin²ψ) byly měřeny ve dvou azimutech A a T (obr. 1). Difrakční úhel 2θ 211 byl stanoven autokorelační metodou z difraktovaného dubletu CrKα na mřížkových rovinách {211} α-fe. Při výpočtu napětí byl použit makroskopický Youngův modul pružnosti 2,1 GPa a Poissonovo číslo 0,3. Experimentální chyba uvedená u jednotlivých naměřených hodnot je směrodatnou odchylkou dle algoritmu výpočtu zbytkových napětí metodou sin²ψ [2]. Veličiny WA, WT jsou průměrnou integrální šířkou difrakční linie {211} α-fe z měření A a T, a reprezentují míru plastické deformace analyzovaných vzorků v daných směrech. Viz o procesu měření [3]. Residual stress A 803.606 Residual stress T 816.377 Residual stress A 550.5 297.303 Residual stress T 62.532 68.688.1515 29.8-209 121 a Obrázek 1. Interaction graph of residuals stress in axial direction and tangential directions b Graf interakcí efektů A a B (Obrázek 1a) ukazuje na možný vliv faktoru B na výstupní hodnoty zbytkových napětí v axiálním směru. Při nastavení faktoru A na 65 m/min a faktoru B na 0,1 mm/ot. je pozorovaná velká variabilita hodnot. Samozřejmě je potřeba tento předpoklad ověřit statisticky, proto byla použitá metoda ANOVA. Výsledky této analýzy obsahuje Tabulka, ze které lze přečíst, že plný faktorový model není vhodný pro vstupní soubor dat. ANOVA pro model hlavních efektů ukázala, že model je statisticky významný a p-hodnota faktoru B, která se rovná 0.0085 ukazuje na významnost toho faktoru. Metoda ANOVA má určité předpoklady, proto je potřeba ověřit její výsledky. Obrázek 2 obsahuje dva testy, ve kterých se ověřuje normalita rozdělení rezidua a odlehlé hodnoty. V obou grafech je vidět dvě zvláštní hodnoty, jsou to stejné body, které byly pozorovány na Obrázek 1. Odlehlé hodnoty se nachází v kontrolních mezích, ale jsou jim velice blízko, proto bylo rozhodnuto použít neparametrický test hypotézy. Jako alternativa ANOVA je doporučen Kruskal-Wallis test []. Tabulka 1 obsahuje výsledky testu pro posuv na zub, ze kterých vyplývá, že faktor posuv na zub ovlivňuje hodnoty zbytkových napětí v axiálním směru.

Zvláštní variabilita v bodech 5 a 10, kdy faktory A a B byly nastaveny na hodnoty 65 m/min a 0,1 mm/ot. je způsobena změnou v řezných podmínkách, kdy právě při nejvyšším poměru f/vc rychlost (f = 0,1 mm/ot. k vc = 65 m/min) dochází k redistribuci řezných sil a tím i ke změně charakteru zbytkových napětí [3]. Tabulka 2- ANOVA pro zbytková napětí v axiálním směru, plný faktorový model. Analysis of variance table [Partial sum of squares] Sum of Mean F Source Squares DF Square Value Prob > F Model 2025, 5 8085,08 3,081328 0.1016 not significant A 286,75 1 286,75 1,62290 0.298 B 375872,7 2 187936,3 6,886995 0.0279 AB 266 2 133 0,0087 0.9951 Pure Error 163731,5 6 27288,58 Cor Total 58156,9 11 Residual stress A Normal Plot of Residuals Residual stress A Outlier T 3.50 99 95 90 1.75 80 Normal % Probability 70 50 30 20 10 5 Outlier T 0.00-1.75 1-3.50-2.2-1.12-0.00 1.11 2.23 1 3 5 7 9 11 Studentized Residuals Run Number a b Obrázek 2. Graf normálního rozdělení rzidua (a) a graf odlehlých hodnot (b).

Tabulka 1 - Kruskal-Wallis Test hodnot zbytkového napětí v axiálním směru proti posuvu na zub Kruskal-Wallis Test on Residual stress A versus Feed rate f Feed rate f 0,1 0,2 0,3 Overall N 12 H = 8,12 DF = 2 P = 0,017 Median 17,5 320,0 58,5 Ave Rank 3,0 6,3 10,3 6,5 Z -2,38-0,17 2,55 Obrázek 1b obsahuje graf hlavních efektů hodnot zbytkového napětí v tangenciálním směru. Z grafu je vidět, že žádný z faktorů neovlivňuje výstupní hodnoty. Analýza ANOVA pro plný faktorový model a pro model hlavních efektů tento předpoklad potvrdila. Při zkoumání míry plastické deformace ve směru axiálním byl vybrán plný faktorový model, ale ANOVA prokázala nepřítomnost významné závislosti podle p-hodnoty, která byla rovná 0,6625. Modely (2), (3) a () byly testovány také a byly zamítnuty na hladině významnosti 0,05. Ačkoli střední hodnoty šířky difrakční linie se zvyšují, když se zvyšuje posuv na zub (obr. 3a) další faktor řezná rychlost nemůže být považován za statisticky významný. Důvodem je především velká variabilita, kdy faktory A a B byly stanoveny na 0,3 mm/ot a 65 m/min. Degree of plastic deformation 3.55 Wa Degree of plastic deformation 3.6 W t 3.1 3.3 Degree of plastic deformation Wa 3.26 3.11 2 2 Degree of plastic deformation Wt 3.21 3.09 2 2 2.96 2.97 a Obrázek 3. Graf interakcí faktorů pro hodnoty šířky difrakční linie v axiálním a tangenciálním směrech. b Analýza ANOVA prokázala statistickou významnost modelu hlavních efektů a významnost faktoru B Posuv na zub, což znamená závislost míry plastické deformace na posuvu na zub nástroje. Z následující analýzy lineárního modelu vyplývá, že rezidua mají normální rozdělení, ale přesto byla zaznamenána jedna odlehlá hodnota, která se blíží kritické mezi. Kruskal-Wallis Test byl

proveden, aby potvrdil nebo zamítl výsledky ANOVA. Tabulka obsahuje výsledky Kruskal-Wallis Testu ze kterých vyplývá, že posuv na zub nástroje ovlivňuje šířky difrakční linie v axiálním směru. Tabulka 3 - Kruskal-Wallis Test hodnot šířky difrakční linie v tangenciálním směru proti posuvu na zub Kruskal-Wallis Test on W T versus Feed rate f Feed rate f 0,1 0,2 0,3 Overall N 12 Median 3,070 3,170 3,260 Ave Rank 3,1 6,3 10,1 6,5 Z -2,29-0,17 2,6 H = 7,57 DF = 2 P = 0,023 H = 7,62 DF = 2 P = 0,022 (adjusted for ties) 1.2. Drsnost povrchu Drsnost povrchu byla měřena měřící kartou Mahr, pomocí posuvové jednotky PGK a snímače MFW-250 # 1805 [,7%]. Výsledky měření jsou uvedeny v tabulce. Tři parametry drsnosti byly zkoumány: Ra, Ry, RSM. Run Factor A m/min Tabulka Naměřené hodnoty drsnosti povrchu. Factor B vc mm/rev Surface roughness Ra Surface roughness Ry Surface roughness RSm 1 5 0,3 1,68 6,919 311,798 2 5 0,1 0,85 2,776 10,705 3 5 0,1 0,57 2,571 170,6 65 0,2 1,88 7,61 210,752 5 65 0,1 0,77 3,561 112,197 6 5 0,2 1,025,062 210,525 7 65 0,2 2,151 7,38 211,083 8 5 0,2 1,007,203 215,052 9 65 0,3 2,805 11,206 316,069 10 65 0,1 0,602 2,88 10,72 11 5 0,3 1,69 6,983 316,078 12 65 0,3 2,799 10,98 316,388 Pro parametr drsnosti povrchu Ra byl prvním vybraným plný faktorový model, který byl statisticky významný v ANOVA analýze. Ale rezidua měla nenormální rozdělení a dvě odlehlé hodnoty byly pozorovány. Nicméně je zřejmé, vztahy mezi parametry Ra a faktory (obr. a). Drsnost Ra se stoupá, zvyšuje-li se řezná rychlost nebo posuv. Jak je vidět na obrázku a Závislost faktoru je větší, když je faktor B nastaven na úrovni 0,2 nebo 0.3mm/ot., znamená to, že existuje interakce mezi řezné rychlostí a posuvem. Tabulka ANOVA potvrzuje předpoklad interakce, ale výsledky nelze přijmout, neboť rezidua nemají normální rozdělení. V takovém případě je vhodné použít neparametrické modely (např. Kruskal-Wallis test nebo Friedmanův test), ale tyto testy nepodporují analýzu interakcí. Proto byla použitá Tukeyova metoda pro porovnání kontrastů.

Výsledky analýzy Tukeyovu metodou jsou zobrazeny v tabulce 5. Kontrast se považuje za významný pokud interval neobsahuje nulu. Surface roughness Ra 2.91126 Surface roughness Ry 11.3855 2.27388 9.1388 Surface roughness Ra 1.6365 0.999118 Surface roughness Ry 6.8825.63362 0.361736 2.383 a Obrázek. Graf interakcí faktorů pro hodnoty drsnosti povrchu Ra a Ry b Případ Ry je velmi podobný drsnosti Ra. Tady je zřejmá spojitost mezi Ry a faktory. Další analýza byla provedena stejným způsobem jako Ra a výsledky jsou stejné: posuv ovlivňuje Ry a řezná rychlost ovlivňuje Ry, když je posuv nastavena na 0,2 mm/ot nebo 0,3 mm/ot. Grafické zobrazení závislosti je na obrázku b. Surface roughness RSm 327.308 Surface roughness RSm 269.795 212.281 15.768 97.2553 Obrázek 5. Graf interakcí faktorů pro hodnoty drsnosti povrchu RSM

Obr. 5 obsahuje jednotlivé hodnoty parametru drsnosti povrchu RSM. Jak je vidět, není tak silný vliv faktoru A, ale je na úrovni 0,1 mm/ot faktoru B. Stejným způsobem byl Tukey metoda na vícevrstvých srovnání slouží k parametru RSM. Výsledky analýzy hlavních efektů ukazuje vlivy faktorů řezné rychlosti a posuvu. Ale analýza interakce vlivů nevykazoval žádné účinky na rychlost faktoru řezání, pokud je faktor posuv nastavena na 0.2mm/rev nebo 0.3mm/rev (intervaly spolehlivosti jsou nuly). Takže, řezná rychlost ovlivňuje RSM pouze v případě faktoru posuv je nastavena na 0,1, s rostoucí řezné rychlosti RSM klesá. Tabulka 5 Výsledky analýzy Ry Tukeyovou metodou. Tukey 95,0% Simultaneous Confidence Intervals Response Variable Ra All Pairwise Comparisons among Levels of A A = 5 subtracted from: A Lower Center Upper --------+---------+---------+-------- 65 0,672 0,7733 0,8995 (-----------------*------------------) --------+---------+---------+-------- 0,700 0,770 0,80 Tukey 95,0% Simultaneous Confidence Intervals Response Variable Ra All Pairwise Comparisons among Levels of B B = 0,1 subtracted from: B Lower Center Upper -------+---------+---------+--------- 0,2 0,792 0,930 1,137 (----*---) 0,3 1,770 1,6707 1,865 (----*----) -------+---------+---------+--------- 0,80 1,20 1,60 B = 0,2 subtracted from: B Lower Center Upper -------+---------+---------+--------- 0,3 0,530 0,7278 0,9215 (----*----) -------+---------+---------+--------- 0,80 1,20 1,60 Tukey 95,0% Simultaneous Confidence Intervals Response Variable Ra All Pairwise Comparisons among Levels of A*B A = 5 B = 0,1 subtracted from: A B Lower Center Upper -+---------+---------+---------+----- 65 0,1-0,1520 0,2035 0,5590 (--*--) -+---------+---------+---------+----- -1,2 0,0 1,2 2, A = 5 B = 0,2 subtracted from: A B Lower Center Upper -+---------+---------+---------+----- 65 0,2 0,60 0,9995 1,35503 (--*--) -+---------+---------+---------+----- -1,2 0,0 1,2 2, A = 5 B = 0,3 subtracted from: A B Lower Center Upper -+---------+---------+---------+----- 65 0,3 0,761 1,117 1,725 (--*--) -+---------+---------+---------+----- -1,2 0,0 1,2 2,

2. Závěr V této práci byl analyzován experiment soustružení bubnu pro hodnocení vlivu výrobních faktorů (řezná rychlost a posuv řezného nástroje) na parametry: zbytkové napětí, stupeň plastické deformace a drsnost povrchu. V případech, zbytkové měření byla provedena ve třech bodech 120 a měla velkou variabilitu, která způsobena nehomogenním povrchem bubnu. Zbytková napětí ve směru posuvu nástroje (axiální směr) a stupeň plastické deformace v tangenciálním směru jsou ovlivněny posuvem a klesají, když posuv klesá. Zbytková napětí v tangenciálním směru a stupně plastické deformace v axiálním směru, nezávisí na zkoumaných faktorech. Zbytková napětí v tangenciálním směru je větší než v axiálním směru ve všech případech, průměrný poměr se rovná 1,6. Neexistuje žádné podstatné rozdíly v míře plastické deformace v axiálním a tangenciálním směru. Oba faktory mají statisticky významný vliv na drsnosti povrchu Ra, Ry a RSM. Drsnost povrchu se zvyšuje, pokud se zvyšuje posuv nástroje na zub. Pokud je posuv nastaven na 0,2 mm/ot nebo 0,3 mm/ot řezná rychlost ovlivňuje Rx a Ry parametry stejným způsobem, ale když je posuv nastaven na 0,1 mm/ot řezná rychlost nemá žádný významný vliv na Rx a Ry. RSM parametr není ovlivněna rychlostí řezání, pokud je posuv stanoven na 0,2 mm/ot nebo 0,3 mm/ot a klesá, když řezná rychlost se zvyšuje, pokud je posuv nastaven na 0,1 mm / ot. Využití statistických nástrojů umožnilo provést důkladnou statistickou analýzu v případech, kdy běžné statistiky nemůžou být použity. Seznam použité literatury 1. Fabian F., Horálek V., Chmelík V., Chodounský J., Král J., Křepela J., Michálek J. Statistické metody řízení jakosti. Praha: Česká společnost pro jakost, 2007 2. Neckář F., Kvasnička I.: Vybrané statě z úběru materiálu, Vydavatelství ČVUT, Praha 1991. 3. Ganev, N., Kolařík, K. and Pala, Z. Difrakční tenzometrická diagnostika. Výzkumná zpráva o výsledcích plnění projektu MPO FR TI3/711 Výzkum a vývoj konstrukce a technologie výroby systému na čištění komunálních a průmyslových kalů na odstředivém principu. Praha, 2011. Montgomery, D.C. Design and Analysis of Experiments. Wiley, 200. ISBN 97807012866