آزمایش
1.393
0.9
5
4
1375
1
1
2.205
0.9
5
4
1375
2
2
3.108
0.9
5
4
1375
3
3
1.19
0.9
6
4
1375
1
4
2.086
0.9
6
4
1375
2
5
3.107
0.9
6
4
1375
3
6
1.602
1
5
3
1125
1
7
2.587
1
5
3
1125
2
8
3.405
1
5
3
1125
3
9
0.655
0.9
6
5
1375
1
10
1.508
0.9
6
5
1375
2
11
2.480
0.9
6
5
1375
3
12
0.864
0.9
7
4
1375
1
13
1.704
0.9
7
4
1375
2
14
2.506
0.9
7
4
1375
3
15
1.504
0.9
6
3
1250
1
16
2.412
0.9
6
3
1250
2
17
3.509
0.9
6
3
1250
3
18
0.254
1
5
5
1125
1
19
1.024
1
5
5
1125
2
20
2.135
1
5
5
1125
3
21
0.239
1
7
5
1375
1
22
1.051
1
7
5
1375
2
23
2.149
1
7
5
1375
3
24
1.651
1.1
5
3
1250
1
25
2.502
1.1
5
3
1250
2
26
3.401
1.1
5
3
1250
3
27
1.265
1
5
4
1375
1
28
2.145
1
5
4
1375
2
29
3.260
1
5
4
1375
3
30
1.533
1
6
3
1250
1
31
2.355
1
6
3
1250
2
32
3.146
1
6
3
1250
3
33
1.563
0.9
5
3
1250
1
34
2.320
0.9
5
3
1250
2
35
3.134
0.9
5
3
1250
3
36
1.508
0.9
6
3
1375
1
37
2.343
0.9
6
3
1375
2
38
3.172
0.9
6
3
1375
3
39
0.563
1.1
6
4
1250
1
40
1.385
1.1
6
4
1250
2
41
2.181
1.1
6
4
1250
3
42
0.975
1
5
4
1250
1
43
1.761
1
5
4
1250
2
44
2.565
1
5
4
1250
3
45
0.562
1.1
5
4
1125
1
46
1.329
1.1
5
4
1125
2
47
2.109
1.1
5
4
1125
3
48
1.584
1.1
5
3
1125
1
49
2.307
1.1
5
3
1125
2
50
3.170
1.1
5
3
1125
3
51
1.504
0.9
6
3
1250
1
52
2.352
0.9
6
3
1250
2
53
3.181
0.9
6
3
1250
3
54
1.555
1
6
3
1375
1
55
2.385
1
6
3
1375
2
56
3.189
1
6
3
1375
3
57
1.347
1
7
3
1250
1
58
2.259
1
7
3
1250
2
59
3.015
1
7
3
1250
3
60
0.703
0.9
5
5
1375
1
61
1.542
0.9
5
5
1375
2
62
2.362
0.9
5
5
1375
3
63
0.484
0.9
5
5
1250
1
64
1.258
0.9
5
5
1250
2
65
2.106
0.9
5
5
1250
3
66
0.756
0.90
5
4
1125
1
67
1.582
0.90
5
4
1125
2
68
2.391
0.90
5
4
1125
3
69
0.38
1.1
5
5
1250
1
70
1.243
1.1
5
5
1250
2
71
2.124
1.1
5
5
1250
3
72
0.296
0.9
5
5
1125
1
73
1.159
0.9
5
5
1125
2
74
2.101
0.9
5
5
1125
3
75
0.419
1
5
5
1250
1
76
1.287
1
5
5
1250
2
77
2.120
1
5
5
1250
3
78
1.497
0.9
5
3
1375
1
79
2.213
0.9
5
3
1375
2
80
3.157
0.9
5
3
1375
3
81
0.883
1.1
7
3
1125
1
82
1.536
1.1
7
3
1125
2
83
2.385
1.1
7
3
1125
3
84
0.152
0.9
6
5
1125
1
85
1.104
0.9
6
5
1125
2
86
2.102
0.9
6
5
1125
3
87
0.12
1
6
5
1125
1
88
1.01
1
6
5
1125
2
89
2.28
1
6
5
1125
3
90
1.460
1
7
3
1375
1
91
2.272
1
7
3
1375
2
92
3.196
1
7
3
1375
3
93
0.035
1
7
5
1125
1
94
0.952
1
7
5
1125
2
95
1.723
1
7
5
1125
3
96
1.359
0.9
7
3
1250
1
97
2.159
0.9
7
3
1250
2
98
3.236
0.9
7
3
1250
3
99
1.543
1.1
6
3
1250
1
100
2.415
1.1
6
3
1250
2
101
3.328
1.1
6
3
1250
3
102
0.415
1
7
4
1250
1
103
1.298
1
7
4
1250
2
104
2.157
1
7
4
1250
3
105
1.265
1.1
6
3
1125
1
106
2.185
1.1
6
3
1125
2
107
3.151
1.1
6
3
1125
3
108
1.041
1
6
4
1375
1
109
2.128
1
6
4
1375
2
110
3.058
1
6
4
1375
3
111
0.517
0.9
7
4
1250
1
112
1.308
0.9
7
4
1250
2
113
2.309
0.9
7
4
1250
3
114
0.41
1
6
5
1375
1
115
1.257
1
6
5
1375
2
116
2.325
1
6
5
1375
3
117
0.183
1.1
7
5
1375
1
118
1.271
1.1
7
5
1375
2
119
2.149
1.1
7
5
1375
3
120
0.634
1
5
4
1125
1
121
1.202
1
5
4
1125
2
122
2.104
1
5
4
1125
3
123
1.06
1
7
3
1125
1
124
2.105
1
7
3
1125
2
125
3.201
1
7
3
1125
3
126
0.583
1.1
7
4
1375
1
127
1.412
1.1
7
4
1375
2
128
2.307
1.1
7
4
1375
3
129
0.621
1
5
5
1375
1
130
1.428
1
5
5
1375
2
131
2.159
1
5
5
1375
3
132
1.109
1
7
5
1250
1
133
2.107
1
7
5
1250
2
134
3.082
1
7
5
1250
3
135
1.465
1.1
7
3
1375
1
136
2.253
1.1
7
3
1375
2
137
3.170
1.1
7
3
1375
3
138
1.446
0.9
7
3
1375
1
139
2.382
0.9
7
3
1375
2
140
3.213
0.9
7
3
1375
3
141
0.379
1
6
4
1125
1
142
1.182
1
6
4
1125
2
143
2.231
1
6
4
1125
3
144
0.279
0.9
7
5
1375
1
145
1.154
0.9
7
5
1375
2
146
2.204
0.9
7
5
1375
3
147
1.379
1
6
3
1125
1
148
2.269
1
6
3
1125
2
149
3.108
1
6
3
1125
3
150
0.202
1.1
6
5
1250
1
151
1.107
1.1
6
5
1250
2
152
2.204
1.1
6
5
1250
3
153
0.115
1.1
7
4
1125
1
154
1.101
1.1
7
4
1125
2
155
2.015
1.1
7
4
1125
3
156
1.096
0.9
5
4
1250
1
157
2.071
0.9
5
4
1250
2
158
3.092
0.9
5
4
1250
3
159
0.315
1.1
7
4
1250
1
160
1.126
1.1
7
4
1250
2
161
2.047
1.1
7
4
1250
3
162
0.08
1.1
7
5
1250
1
163
0.82
1.1
7
5
1250
2
164
1.721
1.1
7
5
1250
3
165
0.912
1.1
6
4
1375
1
166
1.725
1.1
6
4
1375
2
167
2.628
1.1
6
4
1375
3
168
0.228
1.1
5
5
1125
1
169
1.143
1.1
5
5
1125
2
170
2.257
1.1
5
5
1125
3
171
0.351
1.1
6
5
1375
1
172
1.257
1.1
6
5
1375
2
173
2.328
1.1
6
5
1375
3
174
1.582
0.9
5
3
1125
1
175
2.489
0.9
5
3
1125
2
176
3.381
0.9
5
3
1125
3
177
0.689
1
6
4
1250
1
178
1.520
1
6
4
1250
2
179
2.482
1
6
4
1250
3
180
1.573
1
5
3
1375
1
181
2.482
1
5
3
1375
2
182
3.302
1
5
3
1375
3
183
1.149
1.1
5
4
1375
1
184
2.108
1.1
5
4
1375
2
185
3.09
1.1
5
4
1375
3
186
0.294
0.9
6
5
1250
1
187
1.154
0.9
6
5
1250
2
188
2.093
0.9
6
5
1250
3
189
0.479
0.9
6
4
1125
1
190
1.307
0.9
6
4
1125
2
191
2.247
0.9
6
4
1125
3
192
0.024
1.1
7
5
1125
1
193
0.79
1.1
7
5
1125
2
194
1.521
1.1
7
5
1125
3
195
0.728
1
7
4
1375
1
196
1.623
1
7
4
1375
2
197
2.685
1
7
4
1375
3
198
1.589
1.1
6
3
1375
1
199
2.416
1.1
6
3
1375
2
200
3.357
1.1
6
3
1375
3
201
0.895
1.1
5
4
1250
1
202
1.629
1.1
5
4
1250
2
203
2.526
1.1
5
4
1250
3
204
0.167
1
7
4
1125
1
205
1.123
1
7
4
1125
2
206
2.018
1
7
4
1125
3
207
0.243
1
6
5
1250
1
208
1.213
1
6
5
1250
2
209
2.159
1
6
5
1250
3
210
0.301
1.1
6
4
1125
1
211
1.239
1.1
6
4
1125
2
212
2.119
1.1
6
4
1125
3
213
0.227
0.9
7
4
1125
1
214
1.146
0.9
7
4
1125
2
215
2.257
0.9
7
4
1125
3
216
1.298
1.1
7
3
1250
1
217
2.171
1.1
7
3
1250
2
218
3.029
1.1
7
3
1250
3
219
0.047
0.9
7
5
1125
1
220
0.81
0.9
7
5
1125
2
221
1.491
0.9
7
5
1125
3
222
0.095
1.1
6
5
1125
1
223
0.96
1.1
6
5
1125
2
224
1.208
1.1
6
5
1125
3
225
1.619
1
5
3
1250
1
226
2.726
1
5
3
1250
2
227
3.695
1
5
3
1250
3
228
1.638
1.1
5
3
1375
1
229
2.567
1.1
5
3
1375
2
230
3.602
1.1
5
3
1375
3
231
0.548
1.1
5
5
1375
1
232
1.416
1.1
5
5
1375
2
233
2.528
1.1
5
5
1375
3
234
1.431
0.9
6
3
1125
1
235
2.328
0.9
6
3
1125
2
236
3.487
0.9
6
3
1125
3
237
0.14
0.9
7
5
1250
1
238
1.087
0.9
7
5
1250
2
239
2.103
0.9
7
5
1250
3
240
1.169
0.9
7
3
1125
1
241
2.105
0.9
7
3
1125
2
242
3.087
0.9
7
3
1125
3
243

5-7-2- انتخاب مدل برازش
مقدار زاویه خمش از 0.024 تا 3.69 تغییر می کند. نسبت مقدار بیشینه به مقدار کمینه برابر با 153.75 می باشد. به ازای نسبت های بزرگتر از 10 استفاده از یک تابع تبدیل در بهبود مدل موثر
می باشد. تبدیل پاسخ یک از موارد مهم در تحلیل داده ها محسوب می شود. هرگاه مقادیر باقیمانده (خطا) تابعی از مقدار پاسخ (مقادیر پیش بینی شده) باشد، استفاده از تابع تبدیل ضروری است. اغلب توابع تبدیل توسط یک تابع توانی به فرم( fn(μα= σ توصیف می شود. در این رابطه σ برابر انحراف استاندارد و μ برابر مقدار میانگین است. توابع تبدیل توانی به ازای λ های مختلف، α – 1= λ متفاوت می باشد. فهرست توابع تبدیل توانی رایج در جدول 5-9 آورده شده است.
جدول 5-9: فهرست توابع تبدیل توانی رایج
موارد استفاده
رابطه
λ
تابع تبدیل توانی
داده های نوسانی
y = √y
0.5
ریشه دوم
داده های افزایشی
Ln(y)=y
0
لگاریتم طبیعی
داده های افزایشی
Log10(y)=y
0
لگاریتم با پایه 10
نرخ زمان، نرخ افت
1/y=y
1-
معکوس

به منظور تعیین تابع تبدیل مناسب، از منحنی موسوم به منحنی باکس– کاکس (Box Cox ) استفاده می شود. منحنی باکس – کاکس مربوط به داده های طرح عاملی در این تحقیق، در شکل 5-8 ترسیم شده است. این منحنی، مجموع مربع مقادیر باقیمانده مربوط به توابع تبدیل متفاوت را نشان می دهد. بهترین تابع تبدیل، مربوط به کمترین مقدار مجموع مربعات باقیمانده است. بنابراین انتخاب یک تابع که مقدار λ آن نزدیک به مقدار 0.22 باشد تضمین کننده مدل مناسب تر است. با مراجعه به جدول
5-9 تابع Log10(y)=y به عنوان تابع تبدیل انتخاب می گردد.تحلیل رگرسیون مربوط به مدل 2FI در جدول 5-10 آورده شده است.

شکل 5-8: نمودار باکس کاکس
5-7-3- تاثیر پارامترهای فرآیند
تاثیر هر کدام از پارامترهای مورد بررسی بر زاویه خمش موسوم به اثرات اصلی در شکل 5-9 (شکلهای الف تا ت) آورده شده است. مقایسه شکلهای زیر نشان می دهد که با افزایش توان لیزر بر مقدار زاویه خمش افزوده می گردد. زیرا افزایش توان لیزر به معنای افزایش انرژی حرارتی وارد ورق و به تبع آن، افزایش مقدار شیب حرارتی در راستای ورق می شود. همچنین، افزایش سرعت اسکن، قطر پرتو لیزر و ضخامت ورق باعث کاهش زاویه خمش نهایی ورق آلومینیوم می شود. در این بین، ضخامت ورق، قطر پرتو و سرعت اسکن، به ترتیب، بیشترین اثر را بر کاهش مقدار شکل دهی دارد. این نتیجه گیری، از مقایسه شیب نمودار مربوط به هریک از این عوامل به دست آمده است. علت

دسته بندی : No category

دیدگاهتان را بنویسید