process variability from the coil p

process variability from the coil production, which is depicted
in Table 4 [27, 28].
There are three methods to test the domain of the noise
factors and evaluate their mean and variance. These are (1)
the Monte Carlo simulation, (2) the Taylor series expansion,
and (3) the orthogonal array-based simulation [23]. The
orthogonal array-based simulation has been chosen, as it
provides significant advantages over the other two methods.
The orthogonal array-based simulation needs fewer experimental
runs than the Monte Carlo method does without
losing any of its accuracy level. In addition, when interactions
between the noise factors are strong, more accurate
estimates of mean and variance are provided in comparison
with the Taylor series expansion. Furthermore, the results
from the orthogonal array-based simulation are the same as
those of the Taylor series expansion [23].
The orthogonal array-based simulation tests the domain
of the noise factors, and three levels for each factor are
taken. These three levels are defined by the mean and
standard deviation of each noise factor as: ƒÊi
 pffi3ffiffi=ffiffi2ffiffiffiƒÐi;
ƒÊi; ƒÊi
 tpffi3ffiffi=ffiffi2ffiffiffiƒÐi [23]. Then, the noise factors are assigned
to the orthogonal arrays to determine the testing conditions
(sampling points) for the evaluation of the response. Standard
deviation can be calculated if we assume that the range
is the 95.44 % of the population of the normal distribution.
Table 5 summarizes the range, minimum, maximum, and
standard deviation of the noise factors. Tolerances (percent),
based on the specified ranges, are calculated within Table 5.
The standard deviation can be calculated as:
4ƒÐ . .Range ! ƒÐ . .Range=4 d2T
It was assumed that the noise variables follow a Gaussian
distribution, and they are clustered around the mean value.
The mean is the target (nominal value), but in practice, this
target value based on a specific standard deviation may be
alternated.
4 Quality constraints
The main cold roll forming processing defects are warping
(longitudinal bow), twisting, edge waviness (buckling), and
edge cracking, as shown in Fig. 5. These defects are generated
by redundant deformations, such as longitudinal strains
(elongation and shrinkage) at the edge, uneven distribution
of longitudinal strains on the profile, thickness reduction
(strain in thickness direction), and transverse strains (major
strains). Based on such redundant deformations, several

ผลลัพธ์ (ไทย) 1:

กระบวนการสำหรับความผันผวนจากการผลิตขดลวด ที่เป็นภาพในตาราง 4 [27, 28]มีสามวิธีในการทดสอบโดเมนของเสียงปัจจัย และประเมินค่าเฉลี่ยและผลต่างของพวกเขา ได้แก่ (1)การจำลอง Carlo มอน, (2) ขยายชุดเทย์เลอร์และ (3) orthogonal ตามเรย์จำลอง [23] ที่การจำลองโดยใช้อาร์เรย์ orthogonal ได้ถูกเลือก เป็นมันมีประโยชน์อย่างมีนัยสำคัญมากกว่าสองวิธีอื่น ๆน้อยทดลองที่จำลองการใช้อาร์เรย์ orthogonal ต้องทำงานมากกว่าวิธีการมอน Carlo ไม่ไม่สูญเสียใด ๆ ของระดับของความถูกต้อง นอกจากนี้ เมื่อโต้ตอบระหว่างเสียง ปัจจัยแข็งแกร่ง ความถูกต้องมากขึ้นมีการประเมินค่าเฉลี่ยและความแปรปรวนในการเปรียบเทียบกับขยายตัวชุดเทย์เลอร์ นอกจากนี้ ผลลัพธ์จากการจำลองโดยใช้อาร์เรย์ orthogonal จะเหมือนผู้ขยายชุดของเทย์เลอร์ [23]การจำลองโดยใช้อาร์เรย์ orthogonal ทดสอบโดเมนเสียงปัจจัย และสามระดับสำหรับแต่ละปัจจัยมีดำเนินการ ระดับที่สามเหล่านี้ถูกกำหนด โดยค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของปัจจัยแต่ละเสียงเป็น: ƒÊipffi3ffiffi = ffiffi2ffiffiffiƒÐiƑÊi ƑÊitpffi3ffiffi = ffiffi2ffiffiffiƒÐi [23] จากนั้น กำหนดปัจจัยเสียงการอาร์เรย์ orthogonal เพื่อกำหนดเงื่อนไขการทดสอบ(สุ่มตัวอย่างคะแนน) สำหรับการประเมินการตอบสนอง มาตรฐานสามารถคำนวณค่าเบี่ยงเบนถ้าเราสมมุติว่าช่วง95.44% ของประชากรของการแจกแจงปกติได้ตาราง 5 สรุปช่วง ต่ำสุด สูง สุด และส่วนเบี่ยงเบนมาตรฐานของปัจจัยเสียง ยอมรับ (ร้อยละ),ตามช่วงที่ระบุ คำนวณในตาราง 5สามารถคำนวณส่วนเบี่ยงเบนมาตรฐานเป็น:4ƑÐ . ช่วง ƑÐ . ช่วง = 4 d2Tมันถูกสมมติว่า ตัวแปรเสียงตามแบบ Gaussianแจกจ่าย และพวกเขาจะจับกลุ่มรอบค่าเฉลี่ยมัชฌิมคือ เป้าหมาย (nominal value), แต่ฝึก นี้ค่าเป้าหมายตามค่าส่วนเบี่ยงเบนมาตรฐานเฉพาะอาจสลับ4 คุณภาพจำกัดประมวลผลข้อบกพร่องขึ้นรูปม้วนเย็นหลักจะแปรปรวน(ระยะยาวโบว์), บิด เอดจ์ waviness (buckling), และขอบถอด ดังที่แสดงใน Fig. 5 สร้างข้อบกพร่องเหล่านี้โดย deformations ซ้ำซ้อน เช่นสายพันธุ์ระยะยาว(elongation และหดตัว) ที่ขอบ การกระจายไม่สม่ำเสมอของสายพันธุ์ระยะยาวในโพรไฟล์ ลดความหนา(สายพันธุ์ในทิศทางความหนา), ชเล transverse วิชาสายพันธุ์) ตาม deformations ดังกล่าวซ้ำซ้อน หลาย

ผลลัพธ์ (ไทย) 2:

ความแปรปรวนของกระบวนการจากการผลิตขดลวดซึ่งเป็นที่ปรากฎ
ในตารางที่ 4 [27 28].
มีสามวิธีที่จะทดสอบโดเมนของเสียงที่มี
ปัจจัยและประเมินค่าเฉลี่ยและความแปรปรวนของพวกเขา เหล่านี้คือ (1)
การจำลอง Monte Carlo (2) การขยายตัวของซีรีส์เทย์เลอร์
และ (3) การจำลองอาร์เรย์ตามฉาก [23]
จำลองอาร์เรย์ตามมุมฉากได้รับเลือกให้เป็นมัน
มีข้อดีที่สำคัญกว่าอีกสองวิธี.
จำลองอาร์เรย์ตามมุมฉากต้องการทดลองน้อย
วิ่งกว่าวิธีมอนติคาร์ไม่ได้โดยไม่ต้อง
สูญเสียใด ๆ ของระดับความถูกต้อง นอกจากนี้เมื่อมีปฏิสัมพันธ์
ระหว่างปัจจัยเสียงมีความแข็งแรงถูกต้องมากขึ้น
ประมาณการของค่าเฉลี่ยและความแปรปรวนที่มีให้ในการเปรียบเทียบ
กับการขยายตัวของซีรีส์เทย์เลอร์ นอกจากนี้ผล
จากการจำลองอาร์เรย์ที่ใช้ฉากเป็นเช่นเดียวกับ
ผู้ที่จากการขยายตัวของซีรีส์เทย์เลอร์ [23].
จำลองอาร์เรย์ตามฉากทดสอบโดเมน
ของปัจจัยเสียงรบกวนและสามระดับสำหรับแต่ละปัจจัยที่จะ
นำมา ทั้งสามระดับจะถูกกำหนดโดยค่าเฉลี่ยและ
ค่าเบี่ยงเบนมาตรฐานของแต่ละปัจจัยเสียงเช่นƒÊi
? ? pffi3ffiffi = ffiffi2ffiffiffiƒÐi ?;
ƒÊi; ƒÊi
? tpffi3ffiffi = ffiffi2ffiffiffiƒÐi? [23] จากนั้นปัจจัยเสียงที่ได้รับมอบหมาย
เพื่ออาร์เรย์ฉากในการกำหนดเงื่อนไขการทดสอบ
(จุดเก็บตัวอย่าง) สำหรับการประเมินผลของการตอบสนอง มาตรฐาน
การเบี่ยงเบนสามารถคำนวณได้ถ้าเราคิดว่าช่วง
เป็น 95.44% ของประชากรของการกระจายปกติ.
ตารางที่ 5 สรุปช่วงต่ำสุดสูงสุดและ
ค่าเบี่ยงเบนมาตรฐานของปัจจัยเสียง ความคลาดเคลื่อน (ร้อยละ)
ขึ้นอยู่กับช่วงที่ระบุไว้จะถูกคำนวณภายในตารางที่ 5
ค่าเบี่ยงเบนมาตรฐานสามารถคำนวณได้:
4ƒÐ .Range? ! ƒÐ .Range? = 4 D2T
สันนิษฐานว่าตัวแปรตามเสียงเสียน
กระจายและพวกเขาจะห้อมล้อมค่าเฉลี่ย.
เฉลี่ยเป็นเป้าหมาย (ค่าเล็กน้อย) แต่ในทางปฏิบัตินี้
ค่าเป้าหมายอยู่บนพื้นฐานของค่าเบี่ยงเบนมาตรฐานที่เฉพาะเจาะจง อาจจะ
สลับ.
4 จำกัด คุณภาพ
รีดเย็นหลักสร้างข้อบกพร่องในการประมวลผลที่มีการแปรปรวน
(โบว์ยาว) บิดขอบ waviness (คาด) และ
ขอบแตกดังแสดงในรูป 5. ข้อบกพร่องเหล่านี้ถูกสร้างขึ้น
โดยการพิการซ้ำซ้อนเช่นสายพันธุ์ยาว
(ยืดตัวและการหดตัว) ที่ขอบกระจายไม่สม่ำเสมอ
ของสายพันธุ์ยาวในรายละเอียดการลดความหนา
(สายพันธุ์ในทิศทางหนา) และสายพันธุ์ตามขวาง (ใหญ่
สายพันธุ์) ขึ้นอยู่กับความพิการซ้ำซ้อนดังกล่าวหลาย

ผลลัพธ์ (ไทย) 3:

กระบวนการของการผลิตจากขดลวดซึ่งเป็นภาพ
ในตารางที่ 4 [ 27 , 28 ] .
มีสามวิธีการทดสอบโดเมนของปัจจัยเสียง
และประเมินหมายถึงของพวกเขาและความแปรปรวน เหล่านี้คือ ( 1 )
มอนติคาร์โล ( 2 ) ชุดเทย์เลอร์ขยาย
( 3 ) จากอาร์เรย์ซึ่งจำลอง [ 23 ] การจำลองอิง
เรย์ ) ได้รับเลือกเป็น
มีข้อดีที่สำคัญกว่าอีกสองวิธี อาร์เรย์ตามความต้องการซึ่งจำลอง

ทดลองวิ่งน้อยลงกว่าวิธีการมอนติคาร์โลไม่โดยไม่สูญเสียใด ๆของ
ระดับความถูกต้อง นอกจากนี้ เมื่อปฏิสัมพันธ์ระหว่างปัจจัยเสียงแรง

ถูกต้องมากขึ้นประมาณค่าเฉลี่ยและความแปรปรวนมีให้เปรียบเทียบ
กับอนุกรมเทย์เลอร์ขยายตัว นอกจากนี้ผลจากการจำลองแบบที่ใช้อาร์เรย์

ซึ่งเป็นเช่นเดียวกับที่ของการขยายอนุกรมเทย์เลอร์ [ 23 ] .
อาร์เรย์ ) ตามการทดสอบโดเมน
ของปัจจัยเสียงจำลองและสามระดับสำหรับแต่ละปัจจัยมี
ถ่าย ทั้ง 3 ระดับ คือ กําหนดโดย ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐานของแต่ละปัจจัย
เสียงเป็น : ƒÊผม
  pffi3ffiffi = ffiffi2ffiffiffi ƒÐผม  ;
ƒÊƒÊผม
i ; tpffi3ffiffi = ffiffi2ffiffiffi ƒÐผม  [ 23 ] แล้ว ปัจจัยรบกวนที่ได้รับมอบหมาย
เพื่ออาร์เรย์ ) เพื่อตรวจสอบการทดสอบเงื่อนไข
( จุดที่ 2 ) เพื่อประเมินผลการตอบสนอง ส่วนเบี่ยงเบนมาตรฐาน
สามารถคำนวณถ้าเราสมมติว่าช่วง
เป็น 95.44 % ของประชากรที่มีการแจกแจงแบบปกติ
ตารางที่ 5 สรุปช่วง ค่าต่ำสุด ค่าสูงสุด และ
ส่วนเบี่ยงเบนมาตรฐานของปัจจัยรบกวน ความคลาดเคลื่อน ( เปอร์เซ็นต์ ) ,
ตามระบุช่วงค่าในตารางที่ 5 .
ส่วนเบี่ยงเบนมาตรฐานสามารถคำนวณเป็น :
4 ƒÐ . ช่วง  ! ƒÐ . ช่วง  = 4 d2t
มันถูกสันนิษฐานว่าเสียงตัวแปรตามการกระจาย Gaussian
, และพวกเขามีการจัดกลุ่มรอบค่าเฉลี่ย .
หมายถึงเป้าหมาย ( ค่าปกติ ) แต่ในทางปฏิบัตินี้
โดยเฉพาะส่วนเบี่ยงเบนมาตรฐานค่าเป้าหมายอาจ
สลับ .
4 เงื่อนไขหลักคุณภาพ
เย็นม้วนเป็นข้อบกพร่องที่ประมวลผลค้างปี
( โค้งตามยาว ) , บิด , ขอบเป็นคลื่น ( โก่ง ) และ
ขอบแตก ดังแสดงในรูปที่ 5 ข้อบกพร่องเหล่านี้ถูกสร้างขึ้นโดยการเปลี่ยนรูปใหม่

( เช่นตามยาวสายพันธุ์ยืดตัวและหดตัว ) อยู่ที่ขอบ
กระจายไม่สม่ำเสมอสายพันธุ์ตามยาวบนโปรไฟล์
ลดความหนา ( สายพันธุ์ในทิศทางตามขวางหนา ) และสายพันธุ์ ( สายพันธุ์หลัก
) บนพื้นฐานดังกล่าวซ้ำซ้อนที่มีหลาย