Försöksplanering. Hemförsök. Betydande faktorer vid tvättning. Erik Hindrikes Elinor Johansson Anne Järvinen Jens Karlsson 2005-06-10



Relevanta dokument
Sconesbakning. Sofi Bergdahl Anna Kers Johanna Nyberg Josefin Persson

HEMUPPGIFT. Att brygga det godaste kaffet försöksplanering och faktorförsök. IEK203 Försöksplanering Vt-2005

Genvägen till det perfekta ljudet

8.1 General factorial experiments

TEKNOLOGRAPPORT. Försöksplanering IEK203, VT2005. Fluffiga muffins. Martin Johansson Erik Jonsson Mattias Kollin Maria Rylander

10.1 Enkel linjär regression

7.5 Experiment with a single factor having more than two levels

Föreläsning 2. Kap 3,7-3,8 4,1-4,6 5,2 5,3

1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

Valfri räknedosa, kursbok (Kutner m fl) utan anteckningar. Tentamen omfattar totalt 20p. Godkänt från 12p.

Tentamen i matematisk statistik

Tentamen i matematisk statistik

Tentamen för kursen. Linjära statistiska modeller. 16 augusti

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 28 oktober 2016 Tid: 9.

Metod och teori. Statistik för naturvetare Umeå universitet

Enkel linjär regression. Enkel linjär regression. Enkel linjär regression

a) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!

Flerfaktorförsök. Blockförsök, randomiserade block. Modell: yij i bj eij. Förutsättningar:

2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer

Skrivning i ekonometri lördagen den 29 mars 2008

tentaplugg.nu av studenter för studenter

I vår laboration kom vi fram till att kroppstemperaturen påverkar hjärtfrekvensen enligt

Skrivning i ekonometri torsdagen den 8 februari 2007

732G71 Statistik B. Föreläsning 4. Bertil Wegmann. November 11, IDA, Linköpings universitet

Laboration 2: Normalfo rdelning, regressionsanalys och korstabeller

tentaplugg.nu av studenter för studenter

Collaborative Product Development:

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

Tentamen för kursen. Linjära statistiska modeller. 20 mars

Föreläsning 4. Kap 5,1-5,3

7,5 högskolepoäng. Statistisk försöksplanering och kvalitetsstyrning. TentamensKod: Tentamensdatum: 30 oktober 2015 Tid: 9-13:00

Grundläggande Statistik och Försöksplanering Provmoment: TEN1 & TEN2 Ladokkod: TT2311 Tentamen ges för: Bt2, En2, Bt4, En4.

Följande resultat erhålls (enhet: 1000psi):

LABORATION 3 - Regressionsanalys

Laboration 2 multipel linjär regression

Räkneövning 3 Variansanalys

Tentamen i matematisk statistik

Föreläsning 3 Kap 3.4, 3.6, G71 Statistik B

LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL. Skrivning i ekonometri onsdagen den 1 juni 2011

ANOVA Mellangruppsdesign

F16 MULTIPEL LINJÄR REGRESSION (NCT , 13.9) Anpassning av linjär funktion till givna data

Maximalt antal poäng för hela skrivningen är 31 poäng. För Godkänt krävs minst 19 poäng. För Väl Godkänt krävs minst 25 poäng.

TENTAMEN I STATISTIK B,

Tentamen i Matematisk statistik Ämneskod-linje S0001M. Tentamensdatum Poäng totalt för del 2 30 (3 uppgifter) Skrivtid

Skrivning i ekonometri lördagen den 25 augusti 2007

En scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:

Regressions- och Tidsserieanalys - F4

TVM-Matematik Adam Jonsson

LÖSNINGSFÖRSLAG TILL TENTAMEN I MATEMATISK STATISTIK

Tvätta rätt, det är lätt som en plätt!

Maximalt antal poäng för hela skrivningen är28 poäng. För Godkänt krävs minst 17 poäng. För Väl Godkänt krävs minst 22,5 poäng.

Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi

LABORATION 3 - Regressionsanalys

Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen

tentaplugg.nu av studenter för studenter

Multipel Regressionsmodellen

Statistik 1 för biologer, logopeder och psykologer

OBS! Vi har nya rutiner.

Statistik B Regressions- och tidsserieanalys Föreläsning 1

Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II

Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp

1 Förberedelseuppgifter

Föreläsning 11 (ej på tentan): Tillämpningar och vidareutvecklingar

a) Vad är sannolikheten att det tar mer än 6 sekunder för programmet att starta?

Skrivning i ekonometri lördagen den 15 januari 2005

Psykologiska institutionen tillämpar anonymitet i samband med tentor i skrivsal, som går till så här:

Prognosmodell för medlemstal i Svenska kyrkan. Av Thomas Holgersson

Lösningar till SPSS-övning: Analytisk statistik

Exempel 1 på multipelregression

Grundläggande matematisk statistik

Tentamen i matematisk statistik

SVÄNGNINGSTIDEN FÖR EN PENDEL

Bygga linjära modeller! Didrik Vanhoenacker 2007

This exam consists of four problems. The maximum sum of points is 20. The marks 3, 4 and 5 require a minimum

ENTER ALLERGITVÄTT är anpassat för all tvätt mellan 30º och 90ºC. Passar även utmärkt vid handtvätt. Tvättmedlet är helt biologiskt nedbrytbart.

Vårtref. nr Växjö Hans Fransson

EXAMINATION KVANTITATIV METOD vt-11 (110204)

F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT

Tvätta klokare. En liten guide om konsten att tänka på miljön och tvätta rent på samma gång.

DATORLABORATION: JÄMFÖRELSE AV FLERA STICKPROV.

Del A: Schema för ifyllande av svar nns på sista sidan

Grafisk teknik IMCDP IMCDP IMCDP. IMCDP(filter) Sasan Gooran (HT 2006) Assumptions:

En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.

Kurskod: TAIU06 MATEMATISK STATISTIK Provkod: TENA 15 August 2016, 8:00-12:00. English Version

Matematikcentrum 1(4) Matematisk Statistik Lunds Universitet MASB11 HT10. Laboration. Regressionsanalys (Sambandsanalys)

HEMUPPGIFT. IEK203 Försöksplanering Vt Lii Hadin Camilla Johansson Erika Levander Elin Renberg. Luleå tekniska universitet

7.5 Experiment with a single factor having more than two levels

3.6 Generella statistiska samband och en modell med för sockerskörden begränsande variabler

OBS! Vi har nya rutiner.

Regressions- och Tidsserieanalys - F7

Uppgift a b c d e f (vet ej) Poäng

Tentamenskrivning: TMS145 - Grundkurs i matematisk statistik och bioinformatik,

vid tvättning av sådana. Handskas icke hårdhänt med tyget. Använd icke kraftig lut. Gnugga icke mot knogarna eller mot bräde.

Mälardalens Högskola. Formelsamling. Statistik, grundkurs

Chapter 2: Random Variables

Fuktighet i jordmåner. Variansanalys (Anova) En statistisk fråga. Grafisk sammanfattning: boxplots

a) Bestäm sannolikheten att en slumpmässigt vald komponent är defekt.

Hoppa till... Exportera till Excel

Electrolux Professional Vård & Omsorg 2

Transkript:

Försöksplanering Hemförsök Betydande faktorer vid tvättning Erik Hindrikes Elinor Johansson Anne Järvinen Jens Karlsson 2005-06-10 Luleå tekniska universitet Institutionen för industriell ekonomi och samhällsvetenskap Avdelningen för kvalitets- och miljöledning

Sammanfattning Tvättning är något som de flesta av oss till vardags tvingas att ta itu med. Det finns en uppsjö av olika medel och tillbehör att använda för att uppnå ett bättre resultat. Frågan som folk kanske ofta ställer sig är dock om man behöver alla dessa faktorer och i vilken grad de nödvändiga. Syftet med denna laboration var att utreda vilka av faktorerna tvättmedelsmärke, tvättmedelsmängd, tvättprogram, vattentemperatur samt fläckborttagningsmedel som har betydelse vid tvättning i tvättmaskin av ett vitt bomullstyg med olika typer av fläckar. Under planeringsfasen, som föregick själva försöket, bestämdes bland annat vilken försöksplan som skulle användas, vilka faktorer som skulle varieras respektive vilka som skulle hållas konstanta. En försöksplan för ett 2 5-1 -försök togs fram med hjälp av dataprogrammet Design Expert varpå försöken utfördes i standardordning. De faktorer som efter analys i Design Expert visade sig ha betydelse för tvättresultatet var vattentemperatur, tvättmedelsmängd och i viss utsträckning tvättmedelsmärke. Högre vattentemperatur och större mängd tvättmedel förbättrar tvättresultatet baserat på de nivåer som vi valde. Eftersom tvättmedlet är en kategorisk variabel får man två stycken olika ekvationer som beskriver hur rent tvätten blir med respektive märke. Ekvationerna för de olika tvättmedelsmärkena blev följande. Märke Eldorado Tvättmedel Ultra = +1.04451+3.08333*Mängd + 0.039773*Vattentemp Märke Via Sparkling = + 0.23201 + 3.08333 * Mängd + 0.039773 * Vattentemp. Denna modell är giltig när vattentemperaturen ligger mellan 40 ºC och 95 ºC och mängden tvättmedel ligger mellan 0,25 dl och 1,0 dl. Modellens förklaringsgrad, som anger proportionen av den totala y-variationen som förklaras av den skattade modellen, uppgick till 81,48 % vilket får anses som relativt bra. Residualanalysen visade inte på några onaturliga spridningar eller trender.

1 INLEDNING...- 1-1.1 BAKGRUND... - 1-1.2 PROBLEMBESKRIVNING... - 1-1.3 SYFTE... - 2-1.4 AVGRÄNSNINGAR... - 2-2 METOD...- 3-2.1 PLANERINGSFAS... - 3-2.1.1 Försökets målsättning...- 3-2.1.2 Relevant bakgrund för respons- och försöksvariabler...- 3-2.1.3 Responsvariabler...- 3-2.1.4 Försöksvariabler...- 3-2.1.5 Konstanta faktorer...- 4-2.1.6 Störfaktorer...- 4-2.1.7 Samspel...- 4-2.1.8 Restriktioner...- 5-2.1.9 Tillvägagångssätt vid analys...- 5-2.1.10 Pilotförsök...- 5-2.1.11 Försöksplan...- 5-2.2 FÖRSÖKSUTFÖRANDE... - 5-2.2.1 Nedsmutsning...- 5-2.2.2 Tvättning...- 6-2.3 METODPROBLEM... - 6-2.3.1 Validitet...- 6-2.3.2 Reliabilitet...- 6-3 EMPIRI OCH ANALYS...- 7-3.1 NORMALPLOTT... - 7-3.2 ANOVA-ANALYS... - 7-3.3 RESIDUALANALYS... - 8-3.4 KUBPLOTT... - 10-3.5 FÖRKLARINGSGRAD... - 10-3.6 REGRESSIONSMODELL... - 11-4 SLUTSATS...- 12-5 DISKUSSION...- 13-6 FORTSATTA STUDIER...- 14 -

1 Inledning I detta avsnitt beskrivs bakgrunden till det undersökta området varefter det presenteras en problembeskrivning som utmynnar i ett syfte. Slutligen tas de avgränsningar som införts upp. 1.1 Bakgrund För många människor är klädtvättningen en veckosyssla som tillhör den tråkigaste av vardagens bestyr. Det är dock en syssla som måste genomföras då få människor vill ha smutsiga kläder på sig. Det är därför alltid irriterande när kläder som tvättas inte blir rena. Det är dock svårt att som konsument veta varför fläckarna inte går ur kläderna. Som konsument är det inte lätt att veta vilket tvättmedel som skall väljas om man vill få sina kläder riktigt rena. Ska man tro reklamen som marknadsför de olika tvättmedlen, är det givetvis det marknadsförda tvättmedlet som alltid är bäst i test. Ibland visar reklamfilmerna till och med upp testfilmer som bevis för förträffligheten med det egna tvättmedlet jämfört med andra. Konsumenterna får dock sällan veta vilket tvättmedel den marknadsförda produkten jämförs med. Fläckborttagningsmedel marknadsförs som ett medel som konsumenten skall applicera på en fläck för att denna enklare skall försvinna i tvätten. Dessa medel är ofta förhållandevis dyra, och det kan vara svårt att avgöra om de verkligen har en effekt eller inte. Det finns på många av dagens tvättmaskiner en mängd olika tvättprogramsinställningar, vilka exempelvis inkluderar blötläggning, förtvätt och snabbtvätt. Om de olika inställningarna faktiskt ger skilda resultat är inte alltid lätt att avgöra. På senare tid har det även uppkommit rekommendationer på tvättmedelsförpackningarna som påvisar att kläder kan tvättas i lägre vattentemperaturer. De nya tvättmedlen ska vara minst lika effektiva i låga temperaturer som i höga. Fördelen med att tvätta i lägre temperatur är att man sparar på miljön, då lägre tempererat vatten medför att mindre el går åt till uppvärmningen. Förmodligen medför det även en kostnadsbesparing för den enskilda privatpersonen. 1.2 Problembeskrivning Det finns potentiellt väldigt många faktorer som påverkar renhetsgraden hos kläderna, och det kan som lekman vara svårt att lista ut vilka som faktiskt har verkan på klädernas renhet eller vilka som inte har det. Många konsumenter väljer antagligen sina tvättmedel av ren vana. Frågan är om det kan finnas en ekonomisk vinning med att byta tvättmedel till ett billigare alternativ. Finns det några egentliga skillnader mellan olika tvättmedel, eller är de alla i stort sett likadana? Är det verkligen så att det dyrare tvättmedlet tvättar bättre än det billigare, eller är det hela bara en marknadsföringsbluff? Det kan dessutom vara svårt att avgöra om kläderna verkligen blir lika rena då de tvättas vid en lägre temperatur som de skulle ha blivit vid en högre. Att veta om fläckborttagningsmedlet hjälper mot ingrodda fläckar, kan också svårt att fastställa. Om fläcken inte är kvar efter tvätten, hade det då blivit lika rent utan att använda fläckborttagningsmedlet? - 1 -

Till hur stor del beror renhetsgraden på tvättmedlet, fläckborttagningsmedlet eller temperaturen som kläderna tvättas i? 1.3 Syfte Syftet med undersökningen är att: med hjälp av försöksplanering fastställa vilka faktorer som faktiskt påverkar hur rena textiler blir vid tvättning i tvättmaskin. föreslå lämpliga inställningar på dessa faktorer, med hänsyn till ekonomi och miljö. diskutera eventuella för- och nackdelar med de föreslagna inställningarna. 1.4 Avgränsningar Vi kommer i denna rapport endast att kunna dra slutsatser kring just de tvättkemikalier och inställningar som gäller för våra undersökta faktorer. Ingen hänsyn kommer att tas till hur de olika inställningarna på kort och lång sikt kan påverka tygets kvalitet, eftersom vi inte kommer att hinna genomföra tillräckligt många tvättar för att kunna studera förslitningseffekter på tyget. - 2 -

2 Metod I detta avsnitt beskrivs planeringsfasen, själva försöksutförandet samt de metodproblem som stötts på under arbetets gång. 2.1 Planeringsfas Innan hemförsöket genomfördes planerades det noggrant. Planeringsfasen utfördes med en planeringsguide, Master Guide Sheet, som utgångspunkt. Planeringsguiden som fungerar som en checklista för att förbättra experimentet och för att säkerställa relevanta resultat åskådliggörs i bilaga 1. 2.1.1 Försökets målsättning Målet med försöket var att finna de faktorer som är av betydelse för renhetsgraden hos ett nedfläckat bomullstyg vid tvättning i tvättmaskin. Försöket skall ses som ett första inledande försök av ett antal i en större försöksserie. 2.1.2 Relevant bakgrund för respons- och försöksvariabler Inför den stundande undersökningen togs ej del av tidigare utförda experiment inom området. Dock ansåg sig samtliga i gruppen, tack vare egna tvätterfarenheter, känna till tillräckligt mycket om tvättprocessen för att kunna planera och genomföra försöket. Resultaten från denna undersökning kan företrädelsevis användas till fortsatta försök för att optimera tvättprocessen. 2.1.3 Responsvariabler Responsvariabeln som valdes var renhetsgraden på ett vitt bomullstyg med fläckar efter tvättning i tvättmaskin. De fläcktyper som skulle användas var nyponsoppa, blåbärssoppa, banan samt ketchup. Fläcktyperna valdes eftersom en i gruppen är småbarnsförälder och har märkt att dessa är extra svåra att få bort. Varje tyglapp skulle fläckas ned med lika stora mängder av samtliga fläcktyper. Bedömningen av de tvättade tyglapparnas renhetsgrad skulle utföras visuellt och individuellt av försöksgruppens samtliga medlemmar med hjälp av en betygsskala. Betygsskalan skulle sättas till tiogradig där betyg ett skulle betraktas som i högsta grad smutsigt medan betyg tio tvärtemot skulle anses som i högsta grad rent. 2.1.4 Försöksvariabler För att finna användbara försöksvariabler genomfördes en brainstorming där försöksteamets samtliga medlemmar deltog. Enhälligt beslutades att de faktorer som skulle komma att varieras i tvättförsöket var tvättmedelsmärke, tvättmedelsmängd, tvättprogram, vattentemperatur samt fläckborttagningsmedel. Inför det riktiga tvättförsöket genomfördes ett pilotförsök för att bland annat bestämma lämpliga nivåer på de numeriska faktorerna. Genom diskussioner inom försöksgruppen uppskattades även normalnivåer för faktorerna och den förväntade effekten av respektive faktor. De fastställda försöksnivåerna, de uppskattade normalnivåerna samt de uppskattade effekterna åskådliggörs i tabell 1 för samtliga variabler. - 3 -

A Försöksvariabel Låg nivå (-) Normalnivå Hög nivå (+) Tvättmedelsmärke Eldorado Tvättmedel Ultra Via Sparkling Förväntad effekt + renare B Tvättmedelsmängd (dl) 0,25 dl 1,0 dl 1,0 dl + renare C Vattentemperatur (ºC) 40 ºC 60 ºC 95 ºC + renare D Fläckborttagningsmedel Nej Nej Ja + renare E Tvättprogram Normalprogram Normalprogram Tabell 1: Försöksvariabler Förtvätt + Normalprogram + renare För att välja ut vilka två tvättmedelsmärken som skulle användas vid tvättförsöket bestämde vi oss för att köpa det billigaste respektive dyraste märket som salufördes i livsmedelsbutiken Willys på Storheden, Luleå. De två tvättmedelsmärkena blev slutligen Eldorado Tvättmedel Ultra på låg nivå samt Via Sparkling på hög nivå. Fläckborttagningsmedlet, av märket Bio Shout, inhandlades vid samma tillfälle och valdes på grund av att det såg ut att vara enklast att applicera av de alternativ som butiken tillhandahöll. 2.1.5 Konstanta faktorer De konstanthållna faktorerna i tvättförsöket bestämdes på samma vis som försöksvariablerna, det vill säga genom brainstorming. I tabell 2 redogörs för de faktorer som identifierades och som sedan hölls konstanta under försöket. Här redovisas också önskade nivåer, mätning och styrning av nivåerna samt förväntade effekter för de konstanthållna nivåerna. Konstanthållen faktor Önskad nivå Hur mäts nivån? Hur styrs nivån? Förväntad effekt Hårdhet på vattnet Standardnivå för Kontrolleras av Mäts ej aktuell tvättstuga vattenverket Medel Fläcktyp Nyponsoppa, blåbärssoppa, Mäts ej Enbart önskade fläcktyper appliceras på Mycket stor ketchup, banan ett butiksnytt otvättat tyg. Fläckmängd 9 cm 2 Med tesked Med ögonmått Stor Tygtyp Vitt bomullstyg Mäts ej Kontrolleras vid inköp Mycket liten Tvättstugan bokas i Tid mellan förväg så att nedsmutsning och 2 dygn Med klocka nedfläckningen kan ske tvättning vid önskad tidpunkt. Medel Tabell 2: Konstanthållna faktorer 2.1.6 Störfaktorer Den störfaktor som försöksteamet identifierade inför försöket var att två olika tvättmaskiner skulle komma att användas i syfte att halvera tillbringad tid i tvättstugan. För att eliminera effekten av denna störfaktor bestämdes att de två tvättmaskinerna skulle läggas i olika block. 2.1.7 Samspel Innan försöken påbörjades kunde vi inom gruppen inte med säkerhet förutsäga att några samspel skulle komma att vara aktiva, det vill säga signifikanta. Därför bestämdes att det inte behövdes någon anpassning av faktorerna till överlagringsmönstren i försöksplanen. - 4 -

2.1.8 Restriktioner Tidsaspekten var en restriktion för försöket eftersom det i tvättstugan där försöken skulle utföras endast går att boka ett tvättpass åt gången. Detta medförde att en reducerad försöksplan valdes. Att randomisering inte infördes vid själva tvättförsöket beror på att vi bedömde att skillnaderna över tiden för tvättresultatet för en och samma maskin är försumbara. Betygsbedömningen skedde däremot i randomiserad ordning, och inte i den ordning de hade tvättats. 2.1.9 Tillvägagångssätt vid analys För att analysera försöket bestämde teamet att dataprogrammet Design Expert skulle användas och i synnerhet funktionerna normalplott, ANOVA och residualanalys. Vilka ytterliggare funktioner som skulle behöva användas vid analysen togs inte hänsyn till under planeringsfasen då analyssteget inte sågs som något större problem. 2.1.10 Pilotförsök Ett pilotförsök genomfördes för att se om det verkade finnas skillnader mellan de olika inställningarna av faktorer vad gäller tvättresultatet. Detta gjordes för att säkerställa att det i slutänden inte skulle finnas 48 stycken ickeanalyserbara tyglappar med exakt samma renhetsgrad. Pilotförsöket resulterade i att de planerade nivåerna på tvättmedelsmängderna modifierades något. 2.1.11 Försöksplan Den försöksplan som användes var av typen 2 5-1 -försök, framtagen med hjälp av Design Expert, (se bilaga 2). Då teamet inte hade obegränsad tillgång till tvättmaskinerna ansågs att ett 2 5 -försök med 32 tvättomgångar skulle ta orimligt lång tid att genomföra samt även ge onödigt hög upplösning. För de 16 olika inställningarna som försöksplanen gav kördes således en maskin vardera, med tre nedsmutsade tygprover i varje omgång. Detta innebär att det slutligen blev tre duplikat, i syfte att få ett medelvärde som singelrespons. 2.2 Försöksutförande 2.2.1 Nedsmutsning Vid nedsmutsningen valdes ett vitt tyg för att enklare, jämfört med andra färger, kunna göra den subjektiva betygsättningen av de tvättade tygstyckena. Tyget som valdes var av 100 % bomull och som enligt tvättanvisningen skulle klara av att tvättas i 60 grader. Med tanke på att vi satt den höga temperaturfaktorn till 95 grader så fanns frågetecken kring huruvida denna temperatur skulle ha någon samspelseffekt med tyget och därmed tvättresultatet, men detta ansågs dock vara mindre troligt. En visshet om att det skulle påverka kvaliteten på tyget fanns emellertid i åtanke. Tyget klipptes upp i 50 jämnstora bitar varpå dessa smutsades ned med ketchup, mosad banan, nyponsoppa och blåbärssoppa i uppräknad ordning. Valen av de olika nedfläckningstyperna bestämdes genom konsensusbeslut och grundades på, för gruppen, välkända svårigheter att få bort dessa vid tvätt. Andra typer av fläckar som diskuteras var vin och bläck. För att få den värsta nedsmutsningen så gjordes denna i klumpar och inte utdraget i längder. Smutsfläckarna applicerades med tydliga mellanrum så att de inte skulle komma i kontakt och därmed påverka varandra. Mängden smuts valdes till en tesked per smutskategori. Efter - 5 -

nedsmutsningen var gjord tilläts smutsen att torka in i tyget under 48 timmar, varpå det tvättades. 2.2.2 Tvättning Tvättningen skedde i två omgångar under två påföljande dagar där tvättningen gjordes parallellt i två likadana Electrolux maskiner. Tvättningen utfördes i standardordning. Maskinerna som användas var av digital typ och tog därmed inte emot några analoga input som exempelvis steglös temperaturinställning. I de försök där fläckborttagningsmedel användes följdes instruktionerna som fanns på förpackningen vid applicering. Enligt dessa skulle medlet sprayas på och få verka i två minuter innan tvätt. Påpekas bör dock att fläckborttagningsmedlet enligt instruktion skall appliceras på nya fläckar och inte fläckar som torkat in i tyget som nu var fallet. 2.3 Metodproblem 2.3.1 Validitet Vad gäller validiteten i undersökningen så går det att diskutera huruvida vi verkligen fått svar på det vi sökt, det vill säga vilka faktorer som påverkar renheten vid tvättande av de valda smutsfläckarna. Något som troligtvis förbättrat validiteten är att vi hela tiden varit noggranna och haft en omfattande planering samt att behörig lärare har konsulterats. Instruktioner för handhavande har också använts där det varit möjligt. 2.3.2 Reliabilitet Reliabiliteten har vi försökt att förstärka i mesta möjliga mån, inte minst på grund av att undersökningen kan ha påverkats av vissa osäkra faktorer. Nedsmutsningen av tyget är en aspekt där vi försökt att vara så noggranna som möjligt med såväl mängden smuts som tillvägagångssättet för hur varje tygbit smutsades ned. Dosering av både tvättmedel och fläckborttagningsmedel samt tiden fläckborttagningsmedlet fått verka på fläcken har vi också försökt att hålla så konstanta som möjligt. En möjlig felkälla är dock att samtliga tyglappar smutsades ned vid ett och samma tillfälle medan de tvättades vid olika tidpunkter. Detta innebär att vissa tyglappar i själva verket har fått ligga i upp till tolv timmar längre än andra. Dock bedömer vi inte att detta har annat än marginell betydelse eftersom smutsen i båda fallen fått torka in ordentligt. Det skulle antagligen ha gett mycket större konsekvenser för renhetsgraden om smutsfläckarna fortfarande hade varit blöta eller fuktiga. De olika maskinernas tvättförmåga var även de en källa till att reliabiliteten kan ha försämrats då vi inte kan ge några garantier på att de båda maskinerna tvättar identiskt lika trots att de är av samma modell. Det faktum att duplikat av tyglapparna användes borde förbättra vår reliabilitet eftersom vi därmed har kunnat minimera små enskilda störningar i delförsöken. Att vi mätt upp samtliga vi använt i undersökningen borde också förbättra vår reliabilitet. Att vi i den slutgiltiga bedömningen av renhetsgraden använde oss av medelvärden från fyra individuella betygssättningar, istället för en gemensam, borde ytterliggare förbättra potentialen för att få trovärdiga resultat. - 6 -

3 Empiri och Analys I detta avsnitt presenteras och analyseras resultaten som erhållits från Design Expert. 3.1 Normalplott Ur normalplotten i figur 1 framgår att de faktorer som definitivt är aktiva är B: Tvättmedelsmängd och C: Vattentemperatur. Detta är inte så förvånande och bekräftar det som gruppen misstänkte redan under planeringsfasen. Faktor A: Märke ligger på gränsen till vad vi anser är aktivt. Det som är intressant är emellertid att om A antas vara aktiv, så faller det ut till det billigare tvättmedlets (Eldorado Tvättmedel Ultras) fördel. DESIGN-EXPERT Plot Response 1 Normal plot A: Märke B: Mängd C: Vattentemp D: Fläckbortagare E: Förtvätt Normal %probability 99 95 90 80 70 50 30 20 10 C B 5 A 1-0.81-0.03 0.75 1.53 2.31 Effect Figur1: Normalplott 3.2 ANOVA-analys ANOVA-analysen genomfördes på 10 % signifikansnivå. Ur ANOVA-tabellen, se tabell 3, ser vi att faktorerna B och C är signifikanta. Faktor A ligger å andra sidan precis på gränsen till att vara aktiv och ANOVA-tabellen verifierar det som gruppen redan konstaterat ur normalplotten. Gruppen valde dock att ta med faktor A i modellen för att få fler intressanta beskrivande faktorer. - 7 -

Response: Response 1 ANOVA for Selected Factorial Model Analysis of variance table [Partial sum of squares] Sum of Mean F Source Squares DF Square Value Prob > F Block 5,640625 1 5,640625 Model 43,17188 3 14,39063 16,13217 0,0002 significant A 2,640625 1 2,640625 2,960191 0,1133 B 21,39063 1 21,39063 23,9793 0,0005 C 19,14063 1 19,14063 21,45701 0,0007 Residual 9,8125 11 0,892045 Cor Total 58 625 15 Tabell 3: ANOVA-tabell ur Design Expert. 3.3 Residualanalys I figur 2 visas en normalplott över residualerna. Då punkterna i förhållandevis stor utsträckning ligger väl fördelade kring normalplottslinjen sluter vi oss till att residualerna är normalfördelade. DESIGN-EXPERT Plot Response 1 Normal Plot of Residuals 99 Normal %Probability 95 90 80 70 50 30 20 10 5 1-2.23-1.12 0.00 1.12 2.23 Figur2: Normalplott över residualerna. Studentized Residuals I figur 3 nedan plottas residualerna mot tiden. Punkterna är relativt jämt sprida utan några tendenser som skulle tyda på ett samspel med tiden och det är ingen av punkterna som ligger utanför larmgränserna. Dock finns det ett värde som ligger relativt nära larmgränsen. - 8 -

DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Run Studentized Residuals 1.50 0.00-1.50-3.00 1 4 7 10 13 16 Run Number Figur 3: Residualer över tiden I figur 4 jämförs residualerna för faktor A: Tvättmedelsmärke och dessa verkar vara jämnt spridna över både den låga och höga nivån. DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Märke Studentized Residuals 1.50 0.00-1.50-3.00 1 2 Märke Figur4: Residauler för faktor tvättmedelsmärke Resultaten ur residualanalysen tyder på att residualerna är normalfördelade. Residualerna ser överlag ut att vara jämnt spridda och inga antydningar till trender kan utläsas ur någon ur graferna. I bilaga 3 åskådliggörs residualplottar för försökets övriga faktorer. - 9 -

3.4 Kubplott Ur kubplotten går det att utläsa vilka nivåer av respektive faktor som bör väljas för att få ett så bra resultat som möjligt. För största möjliga renhetsgrad ska tvättmedelsmärket väljas på låg nivå medan nivåerna på mängden tvättmedel och vattentemperatur ska var höga. Om tvättmedelsmärket sätts på sin låga nivå får man bara något bättre resultat än om den skulle sättas på sin höga nivå. Dock kostar tvättmedlet på den låga nivån betydligt mindre, vilket ytterligare motiverar att den skall sättas på låg nivå. Varken förtvätt eller fläckborttagningsmedel påverkar renhetsgraden varför dessa helt kan utelämnas, d.v.s. ur ekonomiska och miljömässig hänsyn ska man inte använda dessa alls. Med ovanstående val erhålls ett betyg på 7,91. DESIGN-EXPERT Plot Response 1 X = A: Märke Y = B: Mängd Z = C: Vattentemp Actual Factors D: Fläckbortagare = Nej E: Förtvätt = Nej B+ 5.72 Cube Graph Response 1 7.91 4.91 7.09 B: Mängd 5.59 4.78 C+ C: Vattentemp B- 3.41 2.59 C- A- A+ A: Märke Figur 4: Kubplott av faktorerna. 3.5 Förklaringsgrad Förklaringsgraden R 2 (R-Squared) anger proportionen av den totala y-variationen som förklaras av den skattade modellen. Modellen förklaras till 81,48 % vilket kan hänses vara en bra skattad modell. Den justerade förklaringsgraden R 2 adj är justerad för modellens storlek och tar hänsyn till frihetsgraderna, och detta mått kan därför ej tolkas som andel förklarad y-variation. Den justerade förklaringsgraden är bra att använda då man ska jämföra modeller med olika många förklarande variabler. R 2 adj kan i motsats till R 2 minska om ickesignifikanta termer adderas till modellen. Den justerade förklaringsgraden blir i detta fall 76,43 %. Vid en jämförelse av detta värde (Adj R-Squared) med värdet för Pred R-Sqared, 60.82 %, (se tabell 4) ser vi de båda värdena överensstämmer relativt väl. En skillnad större än 20 % mellan dessa två värden indikerar att det eventuellt finns något problem med modellen och/eller data. Std. Dev. 0.94 R-Squared 0.8148 Mean 5.25 Adj R-Squared 0.7643 C.V. 17.99 Pred R-Squared 0.6082 PRESS 20.76 Adeq Precision 12.311 Tabell 4: Design Expert. - 10 -

3.6 Regressionsmodell Regressionsmodellen för försöket i kodad form ges av Response Renhetsgrad = +5.25-0.41* A + 1.16 * B + 1.09 * C där faktor A svarar mot tvättmedelsmärke, faktor B är tvättmedelsmängd och faktor C motsvarar vattentemperatur. Om man istället väljer att använda ursprungsdatas enheter får man två stycken olika ekvationer på grund av att tvättmedlet är en kategorisk variabel och inte en numerisk som de övriga. Denna modell för renhetsgraden ges av Märke Eldorado Tvättmedel Ultra = +1.04451 + 3.08333 * Mängd + 0.039773*Vattentemp Märke Via Sparkling = + 0.23201 + 3.08333 * Mängd + 0.039773 * Vattentemp. - 11 -

4 Slutsats De faktorer som efter analys i Design Expert visade sig ha betydelse för renhetsgraden var vattentemperatur, tvättmedelsmängd och även i viss omfattning tvättmedelsmärket. Högre vattentemperatur och större mängd tvättmedel förbättrar tvättresultatet. Den modell som togs fram i Design Expert ger följande ekvationer för de olika tvättmedlen: Märke Eldorado Tvättmedel Ultra = +1.04451 + 3.08333 * Mängd + 0.039773 * Vattentemp Märke Via Sparkling = + 0.23201 + 3.08333 * Mängd + 0.039773 * Vattentemp. Denna modell förklaras av förklaringsgraden ( R-Squared ) till 81,48 %. Detta innebär att framförallt vattentemperaturen och mängden tvättmedel påverkar tvättresultatet. Dessvärre innbär detta att tvättresultatet blir bättre vid stora mängder tvättmedel och höga vattentemperaturer. Detta är givetvis kostsamt för både privatekonomin och miljön. Eldorado Tvättmedel Ultra verkar ge något bättre tvättresultat än Via Sparkling, vilket innebär att det billigare tvättmedlet kan användas av ekonomiska skäl. Varken förtvätt eller fläckbortagningsmedlet har haft någon betydelse för tvättresultatet, vilket innebär att dessa kan exkluderas från tvättproceduren helt. Att ta bort dessa faktorer från tvättproceduren sänker kostnaden för varje tvätt och har dessutom fördelen att det sparar på miljön. - 12 -

5 Diskussion Vissa faktorer i undersökningen har i efterhand diskuterats. Frågan är huruvida de olika nivåerna och faktorerna i sig har haft någon effekt eller ej. Förtvättsinställningens relevans diskuterades efter undersökningen då det var osäkert om den överhuvudtaget gör något annat än att blötlägga tyget när inte tvättmedel i förtvättsfacket tillsätts. Om så är fallet får denna faktor nog klassas som blötläggning snarare än förtvätt för att inte vara missvisande. Vad gäller nivåerna av tvättmedel är det något osäkert hur dessa har inverkat på tvättresultatet. I vår undersökning var själva tvättmängden långt under normalmängden på cirka fyra kilo. Till fyra kilo tvätt behövs enligt instruktion ungefär en deciliter tvättmedel, medan vi använde en fjärdedel på den låga nivån. Om detta förhållande är linjärt borde det inte spela någon roll, men sannolikt är det själva koncentrationen i vattnet som är avgörande. Därmed är det möjligt att vi genom vår dosering på 0,25 deciliter inte nådde upp till en potentiell lägsta nivå på en deciliter medel per tvätt. I undersökningen har vi kunnat konstatera att fläckborttagningsmedlet inte har någon inverkan. Detta måste dock sättas i relation till hur vi valde att använda borttagaren, det vill säga inte enligt instruktion. Hade vi applicerat borttagaren genast efter själva nedsmutsningen hade kanske resultatet varit helt annorlunda och att denna faktor fallit ut som aktiv. Tilläggas bör att resultatet troligtvis kan vara av allmänintresse då det är gruppens tro att många använder fläckborttagare på just detta vis. Den slutgiltiga bedömningen av fläckarna är en förhållandevis stor källa till osäkerhet även om vi lyckats minska den något tack vare individuell betygssättning. Tygbitarna påvisade ibland väldigt olika effekt av en och samma tvätt vilket gjorde det svårt att bedöma dem. Även skillnader i resultat mellan de olika fläckarna på respektive tygbit påverkade bedömningen av renhetsgraden trots att vi valde att betygsätta helheten från en tvättomgång och inte individuella fläckar. Ett välkänt faktum som påverkar tvättresultat och tvättmedelsdosering är det lokala vattnets hårdhet. I undersökningen har emellertid denna faktor inte tagits hänsyn till eftersom all tvätt skedde i samma typ av vatten. Vi har även gjort antagandet att hårdheten inte bör ha någon utslagsgivande samspelseffekt med någon av utvalda faktorer. - 13 -

6 Fortsatta studier Vid fortsatta studier hade det varit intressant att vidare undersöka tvättmedelsmängden och dess inverkan på tvätten då vi antagit att det funnits anledning att tro att det kan finnas en minsta koncentrationsnivå vid tvättning som bör hållas eller överstigas. Därför skulle man kunna gå åt andra hållet vid val av nivåer och kraftigt överdosera för att avgöra om den verkligen är aktiv. En intressant upptäckt med undersökningen var att det dyra och det billiga tvättmedlet tvättade i stort sett lika bra. Fler undersökningar med andra tvättmedel skulle vara intressant att utföra för att se om märket även då skulle falla ut som aktivt. Kanske har utvecklingen gått så långt med dagens tvättmedel att de nästan oavsett prisklass tvättar bra. Det som dock inte undersöktes var vilken påverkan tvättmedlet hade på tyget. Kanske var det ena skonsammare medan det andra gav mer slitage? I en längre studie skulle påverkan på tyget kunna undersökas. Det hade i en fortsatt undersökning varit intressant att byta den låga temperaturnivån till 60 grader istället för 40 eftersom sannolikheten att tyg som kan tvättas i 60 också kan tvättas i 95 grader är högre. Även här kommer antagligen temperaturskillnaden att falla ut som aktiv men frågan är hur stor effekten blir eftersom att det även här lär finnas en stor skillnad i hur tyget tar skada, vilket kan tala för en lägre nivå även om resultatet blir sämre. Som tidigare nämnts användes fläckborttagningsmedlet inte enligt instruktion utan applicerades istället efter att fläcken redan torkat in i tyget. Med det kan vi som konstaterat antagligen dra slutsatsen att fläckborttagare inte fungerar på gamla fläckar men samtidigt som detta inte heller är något som tillverkaren hävdar. För att därför ge medlet en chans bör därför en undersökning där medlet appliceras på en gång undersökas. I en fortsatt undersökning skulle det återigen vara intressant att undersöka förtvättens betydelse på givna fläckar eftersom det alternativet här användes utan tvättmedel och mer likt en blötläggning. Även andra program kan vara av intresse att undersöka. Allt ifrån skonsamt, strykfritt, färgat, vittvätt m.m. som finns ofta angivet på maskinerna. Innan undersökningen genomfördes diskuterades valet av smuts, något som i en fortsatt undersökning skulle kunna dras ännu längre. Exempelvis skulle det gå att utöka fläckantalet och fläcktyperna. Ett välkänt faktum vid tvättande är att ju längre fläckarna får gro desto tuffare blir det att tvätta ur dem. Det hade därför varit väldigt intressant att göra samma undersökning men utan att ge tid för fläckarna att gro in i tyget. Slutligen så är en optimeringsstudie för resultatet av denna undersökning en naturlig uppföljning. Genom en sådan skulle mer exakta intervall för optimala tvättmedelsmängder och vattentemperaturer erhållas. - 14 -

Bilagor Bilaga 1: Master guide sheet Master Guide Sheet. This guide can be used to help plan and design an experiment. It serves as a checklist to improve experimentation and ensures that results are not corrupted for lack of careful planning. Note that it may not be possible to answer all questions completely. If convenient, use supplementary sheets for topics 4-8 1.Experimenter's Name and Organization: Brief Title of Experiment: 2. Objectives of the experiment (should be unbiased, specific, measurable, and of practical consequence): 3. Relevant background on response and control variables: (a) theoretical relationships; (b) expert knowledge/experience; (c) previous experiments. Where does this experiment fit into the study of the process or system?: 4. List: (a) each response variable, (b) the normal response variable level at which the process runs, the distribution or range of normal operation, (c) the precision or range to which it can be measured (and how): 5. List: (a) each control variable, (b) the normal control variable level at which the process is run, and the distribution or range of normal operation, (c) the precision (s) or range to which it can be set (for the experiment, not ordinary plant operations) and the precision to which it can be measured, (d) the proposed control variable settings, and (e) the predicted effect (at least qualitative) that the settings will have on each response variable: 6. List: (a) each factor to be "held constant" in the experiment, (b) its desired level and allowable s or range of variation, (c) the precision or range to which it can measured (and how), (d) how it can be controlled, and (e) its expected impact, if any, on each of the responses: 7. List: (a) each nuisance factor (perhaps time-varying), (b) measurement precision, (c)strategy (e.g., blocking, randomization, or selection), and (d) anticipated effect: 8. List and label known or suspected interactions: 9. List restrictions on the experiment, e.g., ease of changing control variables, methods of data acquisition, materials, duration, number of runs, type of experimental unit (need for a split-plot design), illegal or irrelevant experimental regions, limits to randomization, run order, cost of changing a control variable setting, etc.: 10. Give current design preferences, if any, and reasons for preference, including blocking and randomization: 11. If possible, propose analysis and presentation techniques, e.g., plots, ANOVA, regression, plots, t tests, etc.: 12. Who will be responsible for the coordination of the experiment? 13. Should trial runs be conducted? Why / why not?

Bilaga 2: Försöksplan för 2 5-1 -försök Factor 1 Factor 2 Factor 3 Factor 4 Factor 5 Betyg 1-10 Std Run Block A:Märke B:Mängd C:Vattentemp D:Fläckbortagare E:Förtvätt 10 = Bäst 1 8 Block 1 Willys 0.25 40 Nej Nej 5.25 2 15 Block 2 Via 0.25 40 Nej Ja 2 3 16 Block 2 Willys 1 40 Nej Ja 5 4 3 Block 1 Via 1 40 Nej Nej 3.75 5 7 Block 1 Willys 0.25 95 Nej Ja 6.5 6 12 Block 2 Via 0.25 95 Nej Nej 3.75 7 9 Block 2 Willys 1 95 Nej Nej 6.5 8 1 Block 1 Via 1 95 Nej Ja 8 9 14 Block 2 Willys 0.25 40 Ja Nej 2.75 10 2 Block 1 Via 0.25 40 Ja Ja 3 11 4 Block 1 Willys 1 40 Ja Ja 6.75 12 13 Block 2 Via 1 40 Ja Nej 4.75 13 10 Block 2 Willys 0.25 95 Ja Ja 4.25 14 6 Block 1 Via 0.25 95 Ja Nej 5.25 15 5 Block 1 Willys 1 95 Ja Nej 8.25 16 11 Block 2 Via 1 95 Ja Ja 8.25

Bilaga 3: Residualer för övriga faktorer DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Mängd Studentized Residuals 1.50 0.00-1.50 2-3.00 0.25 0.44 0.63 0.81 1.00 Mängd DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Vattentemp Studentized Residuals 1.50 0.00-1.50 2 2-3.00 40 49 58 68 77 86 95 Vattentemp

DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Fläckbortagare Studentized Residuals 1.50 0.00-1.50 2 2-3.00 1 2 Fläckbortagare DESIGN-EXPERT Plot Response 1 3.00 Residuals vs. Förtvätt Studentized Residuals 1.50 0.00-1.50 2-3.00 1 2 Förtvätt