Weitere ähnliche Inhalte
Ähnlich wie 整合灰關聯分析技術與實驗設計法於再生混凝土多重品質特性綜合評估
Ähnlich wie 整合灰關聯分析技術與實驗設計法於再生混凝土多重品質特性綜合評估 (20)
整合灰關聯分析技術與實驗設計法於再生混凝土多重品質特性綜合評估
- 8. 研究方法與運算程序
𝑦 = 𝑓(𝑥1, 𝑥2, … , 𝑥 𝑘) 𝑦1, 𝑦2, … , 𝑦 𝑚 = 𝑓 𝑥1, 𝑥2, … , 𝑥 𝑘
單一品質特性 多重品質特性
定義品質特性 定義控制因子及其交互作用項
決定直交表𝐿 𝑎 𝑏 𝑐
並計算各品質特性的S/N Ratio
直交表
S/N比
計算品質特性權重 計算灰關聯係數矩陣
𝑤′
j =
𝑖=1
𝑛
𝑘=1
𝑛
𝑑𝑖(𝑘)
𝑗=1
𝑚
𝑖=1
𝑛
𝑘=1
𝑛
𝑑𝑖(𝑘)
𝜀 =
𝜀01(1) 𝜀01(2) ⋯ 𝜀01(𝑚)
𝜀02(1) 𝜀02(2) ⋯ 𝜀02(𝑚)
⋯ ⋯ ⋯ ⋯
𝜀0𝑛(1) 𝜀0𝑛(2) ⋯ 𝜀0𝑛(𝑚)
計算灰關聯度、排序
節省實驗時間與成本,辨識具穩健效果且全面性
的因子水準組合
g0i =
𝑗=1
𝑚
w j ε0i j
- 10. NO. A B AxB C AxC BxC DxE D AxD BxD CxE CxD BxE AxE E 因子組合
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 A1B1C1D1E1
2 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 A1B1C1D2E2
3 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 A1B1C2D1E2
4 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 A1B1C2D2E1
5 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 A1B2C1D1E2
6 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 A1B2C1D2E1
7 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 A1B2C2D1E1
8 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 A1B2C2D2E2
9 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 A2B1C1D1E2
10 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1 A2B1C1D2E1
11 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1 A2B1C2D1E1
12 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2 A2B1C2D2E2
13 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 A2B2C1D1E1
14 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2 A2B2C1D2E2
15 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 A2B2C2D1E2
16 2 2 1 2 1 1 2 2 1 1 2 1 2 2 1 A2B2C2D2E1
直交表及實驗規劃
- 11. NO 𝑦1 𝑦2 𝑦31 𝑦32 𝑦33 𝑦41 𝑦42 𝑦43 𝑦51 𝑦52 𝑦53
1 17.50 37.00 7.57 7.97 7.93 2836.67 2893.33 2723.33 181.38 213.51 233.60
2 15.50 40.00 6.50 9.43 9.00 2753.33 3253.33 3013.33 178.89 253.82 257.33
3 18.00 35.00 7.73 9.55 9.30 2816.67 3346.67 3193.33 187.15 224.70 294.47
4 18.00 32.00 7.43 9.17 9.20 2910.00 3130.00 2873.33 236.14 264.51 307.62
5 9.50 20.00 7.23 8.05 8.53 3040.00 3155.00 3056.67 223.93 267.40 304.99
6 14.00 26.00 6.50 7.20 7.43 2843.33 3120.00 2893.33 173.60 192.92 206.61
7 10.50 20.00 7.07 7.10 7.80 3046.67 2933.33 2836.67 241.07 299.27 342.57
8 5.00 20.00 9.03 8.63 10.13 2750.00 3276.67 3006.67 289.15 344.58 368.71
9 10.00 23.00 7.47 9.03 9.10 2573.33 3003.33 2706.67 134.76 175.06 188.41
10 20.00 56.00 6.40 8.47 8.67 2550.00 2620.00 2840.00 59.63 77.19 99.27
11 15.00 60.00 7.83 8.20 8.33 2383.33 3015.00 3043.33 107.43 141.49 179.93
12 9.00 20.00 9.20 10.33 9.53 2746.67 3050.00 2910.00 219.70 244.56 282.12
13 16.00 35.00 6.67 6.75 7.70 2676.67 2580.00 2936.67 80.32 101.74 131.68
14 19.00 43.00 5.70 6.93 7.93 2566.67 2783.33 2863.33 89.30 121.53 146.05
15 11.50 36.00 7.07 7.37 7.80 2906.67 3000.00 2723.33 121.01 149.21 202.53
16 16.00 33.00 6.63 7.03 7.43 2750.00 3103.33 2800.00 120.43 165.37 208.18
S/N比矩陣
均為望大型品質特性
- 12. 𝑦1 𝑦2 𝑦31 𝑦32 𝑦33 𝑦41 𝑦42 𝑦43 𝑦51 𝑦52 𝑦53
0.875 0.617 0.822 0.771 0.783 0.931 0.865 0.853 0.627 0.620 0.634
0.775 0.667 0.707 0.913 0.888 0.904 0.972 0.944 0.619 0.737 0.698
0.900 0.583 0.841 0.924 0.918 0.925 1.000 1.000 0.647 0.652 0.799
0.900 0.533 0.808 0.887 0.908 0.955 0.935 0.900 0.817 0.768 0.834
0.475 0.333 0.786 0.779 0.842 0.998 0.943 0.957 0.774 0.776 0.827
0.700 0.433 0.707 0.697 0.734 0.933 0.932 0.906 0.600 0.560 0.560
0.525 0.333 0.768 0.687 0.770 1.000 0.876 0.888 0.834 0.869 0.929
0.250 0.333 0.982 0.835 1.000 0.903 0.979 0.942 1.000 1.000 1.000
0.500 0.383 0.812 0.874 0.898 0.845 0.897 0.848 0.466 0.508 0.511
1.000 0.933 0.696 0.819 0.855 0.837 0.783 0.889 0.206 0.224 0.269
0.750 1.000 0.851 0.794 0.822 0.782 0.901 0.953 0.372 0.411 0.488
0.450 0.333 1.000 1.000 0.941 0.902 0.911 0.911 0.760 0.710 0.765
0.800 0.583 0.725 0.653 0.760 0.879 0.771 0.920 0.278 0.295 0.357
0.950 0.717 0.620 0.671 0.783 0.842 0.832 0.897 0.309 0.353 0.396
0.575 0.600 0.768 0.713 0.770 0.954 0.896 0.853 0.419 0.433 0.549
0.800 0.550 0.721 0.681 0.734 0.903 0.927 0.877 0.416 0.480 0.565
前處理矩陣
望大型線性前處理公式
- 14. 𝑦1 𝑦2 𝑦31 𝑦32 𝑦33 𝑦41 𝑦42 𝑦43 𝑦51 𝑦52 𝑦53
3.275 2.633 1.315 1.411 1.174 0.776 1.005 0.902 3.029 2.867 2.790
2.775 3.033 1.504 2.105 1.253 0.708 1.202 0.720 3.012 3.324 2.919
3.475 2.467 1.460 2.240 1.490 0.749 1.579 1.463 3.109 2.932 3.389
3.475 2.500 1.236 1.847 1.391 0.966 0.849 0.528 4.324 3.572 3.688
4.125 3.600 1.192 1.395 1.095 1.478 0.908 0.864 3.902 3.656 3.617
2.875 2.900 1.504 1.740 1.668 0.789 0.831 0.528 3.012 2.867 2.799
3.675 3.600 1.192 1.818 1.253 1.509 0.909 0.570 4.528 4.765 4.826
7.225 3.600 3.134 1.511 2.595 0.708 1.286 0.704 6.856 6.606 5.818
3.875 3.200 1.250 1.744 1.313 1.121 0.786 0.975 3.281 2.970 3.073
4.775 6.133 1.634 1.447 1.122 1.209 1.919 0.564 5.844 5.810 5.874
2.775 7.067 1.569 1.395 1.095 1.975 0.779 0.814 3.843 3.543 3.257
4.425 3.600 3.388 3.302 1.766 0.712 0.779 0.539 3.785 3.162 3.188
2.825 2.467 1.366 2.247 1.352 0.850 2.087 0.572 4.842 4.812 4.643
4.075 3.533 2.699 1.998 1.174 1.143 1.334 0.534 4.469 4.123 4.176
3.375 2.533 1.192 1.644 1.253 0.955 0.790 0.902 3.471 3.364 2.843
2.825 2.467 1.388 1.882 1.668 0.708 0.811 0.662 3.483 3.083 2.790
離差矩陣
- 15. 𝐷 𝑗 =
(59.850, 55.333, 27.022, 29.726, 22.664, 16.357, 17.853, 11.841, 64.790, 61.456, 59.689)
𝑗=1
11
𝐷 𝑗 = 426.580.
𝑤′ 𝑗 =(0.140, 0.130, 0.063, 0.070, 0.053, 0.038, 0.042, 0.028, 0.152, 0.144, 0.140)
加權計算
𝑤′ j =
𝑖=1
𝑛
𝑘=1
𝑛
𝑑𝑖(𝑘)
𝑗=1
𝑚
𝑖=1
𝑛
𝑘=1
𝑛
𝑑𝑖(𝑘)
- 16. NO 𝑦1 𝑦2 𝑦31 𝑦32 𝑦33 𝑦41 𝑦42 𝑦43 𝑦51 𝑦52 𝑦53
1 0.125 0.383 0.178 0.229 0.217 0.069 0.135 0.147 0.373 0.380 0.366
2 0.225 0.333 0.293 0.087 0.112 0.096 0.028 0.056 0.381 0.263 0.302
3 0.100 0.417 0.159 0.076 0.082 0.075 0.000 0.000 0.353 0.348 0.201
4 0.100 0.467 0.192 0.113 0.092 0.045 0.065 0.100 0.183 0.232 0.166
5 0.525 0.667 0.214 0.221 0.158 0.002 0.057 0.043 0.226 0.224 0.173
6 0.300 0.567 0.293 0.303 0.266 0.067 0.068 0.094 0.400 0.440 0.440
7 0.475 0.667 0.232 0.313 0.230 0.000 0.124 0.112 0.166 0.131 0.071
8 0.750 0.667 0.018 0.165 0.000 0.097 0.021 0.058 0.000 0.000 0.000
9 0.500 0.617 0.188 0.126 0.102 0.155 0.103 0.152 0.534 0.492 0.489
10 0.000 0.067 0.304 0.181 0.145 0.163 0.217 0.111 0.794 0.776 0.731
11 0.250 0.000 0.149 0.206 0.178 0.218 0.099 0.047 0.628 0.589 0.512
12 0.550 0.667 0.000 0.000 0.059 0.098 0.089 0.089 0.240 0.290 0.235
13 0.200 0.417 0.275 0.347 0.240 0.121 0.229 0.080 0.722 0.705 0.643
14 0.050 0.283 0.380 0.329 0.217 0.158 0.168 0.103 0.691 0.647 0.604
15 0.425 0.400 0.232 0.287 0.230 0.046 0.104 0.147 0.581 0.567 0.451
16 0.200 0.450 0.279 0.319 0.266 0.097 0.073 0.123 0.584 0.520 0.435
差異矩陣
Δ𝑚𝑎𝑥 = 0.794 Δ𝑚𝑖𝑛 = 0.000
- 17. 因子組合 灰關聯度
A1B1C1D1E1 0.604
A1B1C1D2E2 0.633
A1B1C2D1E2 0.675
A1B1C2D2E1 0.698
A1B2C1D1E2 0.619
A1B2C1D2E1 0.542
A1B2C2D1E1 0.651
A1B2C2D2E2 0.791
A2B1C1D1E2 0.524
A2B1C1D2E1 0.599
A2B1C2D1E1 0.605
A2B1C2D2E2 0.640
A2B2C1D1E1 0.502
A2B2C1D2E2 0.550
A2B2C2D1E2 0.521
A2B2C2D2E1 0.540
灰關聯度計算
𝜀0𝑖 𝑗 =
∆𝑚𝑖𝑛 + 𝜌∆𝑚𝑎𝑥
∆0𝑖 𝑗 + 𝜌∆𝑚𝑎𝑥
灰關聯係數
g0i =
j=1
m
w(j)ε0i(j)
𝜌 = 0.5
𝑤′
j
灰關聯度
Hinweis der Redaktion
- 隨著工商業進步及生活品質提升,帶動了都市建設的蓬勃發展。而在都市建設發展的同時
- 許多公共工程及民間建築將因配合都市更新計畫而需拆除或重建,屆時也將伴隨大量的營建廢棄物產生,其中又以廢棄混凝土的數量所佔比例最高
- 內政部建築研究所統計結果顯示,廢棄混凝土佔建築拆除廢棄物之比例,在體積百分比方面為43%。以往,如此龐大的廢棄混凝土皆以掩埋或填土的方式處理,但因掩埋場無法負荷,而棄置場又難以取得設置用地及通過環境影響評估的要求,且又不易為棄置場附近的居民所接受,導致有些不法業者隨意傾倒,除了造成嚴重的環保問題外,亦造成許多天然資源的浪費。
- 因此,在永續經營的趨勢下,廢棄混凝土再生的研究與應用,在材料工程的領域中,是一項重要的議題。而其中,再生混凝土的最佳配比設計研究,為提昇再生混凝土實用性的關鍵任務
- 傳統上,混凝土配比設計多採用實驗計畫法(或稱田口式實驗計畫法)進行,其主要透過兩項工具:直交表與訊號雜音比來進行最佳配比辨識。直交表可用於節省實驗時間與成本,並簡化計算上的複雜度。S/N比則可協助辨識具有穩健效果的因子水準組合。然而,目前於再生混凝土配比研究上,多以抗壓強度作為各項配比的績效指標。此種單一品質特性的方式,並無法達到全面性評估的效果。因此,本研究將再生混凝土配比的問題,從單一品質特性延伸至多重品質特性
- 在研究方法方面,我們透過灰關聯分析與田口法的結合,以處理多重品質特性的配比設計問題。在運算程序方面,首先必須定義品質特性、控制因子及其交互作用項。接著,決定直交表與計算各品質特性的S/N比。透過我們提出的加權技術,計算品質特性的權重,並計算灰關聯係數矩陣。最後,計算灰關聯度,並排序。透過我們提出的方法,不僅能節省再生混凝土配比設計,或相關問題的實驗時間與成本,且能辨識具穩健效果且全面性的因子水準組合
- 首先在品質特性與控制因子定義方面,我們共定義了11項品質特性,包括坍度、坍流度、電阻、超音波與抗壓強度等類別。在控制因子方面,我們定義了5項控制因子,包括水灰比、細骨材率、天然細骨材替代量、紅磚含量與骨材潔淨程度等,其中各控制因子又分兩個水準。
- 在直交表選擇方面,除5項控制因子外,我們亦考慮到控制因子間的10項交互作用項。因此,最後選定 𝐿 16 2 15 作為實驗規劃,因此共有16組因子水準組合進行實驗。
- 每個因子水準組合均進行三次觀察,並記錄其在各項品質特性上的反應值。接著透過望大型S/N比換算,將S/N比矩陣彙整如表所示。另外,從表中可知,品質特性反應值的值域間差異巨大,需進一步透過前處理的動作,才能進行後續各項計算。
- 透過望大型線性前處理公式,將S/N比矩陣轉換成介於[0, 1]之間的值,以利於後續計算。
- 在品質特性加權方面,我們基於離差最大化的概念,提出了一個客觀加權技術。離差最大化的概念可由此最佳化方程式表示,透過拉朗格日函數計算,並透過正規化的動作,即可獲得權重計算公式。其轉換後的概念即以各品質特性的離差在總離差上的貢獻作為權重值。
- 首先我們計算品質特性的權重部分,先將離差矩陣定義出來。以此單位為例,其離差就是此單位與其他單位間的絕對距離總和。