課件參考教程

Minitab14使 實(shí)驗(yàn)設(shè)計(jì)(DOE)部Preparedby:Natasha.10January實(shí)驗(yàn)設(shè)計(jì)簡(jiǎn)實(shí)驗(yàn)設(shè)計(jì)(designofexperiments,DOE)是一種為了研究獨(dú)立變量 獨(dú)立變量非獨(dú)立變獨(dú)立變量非獨(dú)立變量關(guān)鍵過程特關(guān)鍵質(zhì)量特實(shí)驗(yàn)設(shè)計(jì)的作在進(jìn)行基礎(chǔ)研究時(shí),實(shí)驗(yàn)在進(jìn)行產(chǎn)品設(shè)計(jì)時(shí),實(shí)驗(yàn)在進(jìn)行制造過程設(shè)計(jì)時(shí),實(shí)驗(yàn)設(shè)在改善過程時(shí),實(shí)驗(yàn)設(shè)計(jì)在計(jì)量時(shí),實(shí)驗(yàn)設(shè)定目設(shè)定目確定輸出變識(shí)別輸入因確定因子水實(shí)施實(shí)實(shí)施實(shí)驗(yàn)并收集數(shù)選擇實(shí)分析數(shù)據(jù)和分析數(shù)據(jù)和結(jié)可控制的因子(輸入變量x x xProcess工程或系輸Process工程或系y(輸出變量z z z非可控制的因子(噪音變量實(shí)驗(yàn)設(shè)計(jì)的要素與原Response(響應(yīng)變FactorsLevel(水平Treatment(處理Repetition(重復(fù) Randomization(隨機(jī)化如何可控因子是我們?cè)诠ば虻恼２僮鲿r(shí)能夠設(shè)定并且維持在期望水平的因子噪聲因子而且我們的或者說因?yàn)榛ㄙM(fèi)昂貴我們寧愿不控制. 如何選擇輸入因子的因子水平的選擇基于實(shí)驗(yàn)?zāi)康娜绾芜x擇DOEDOE常用DOE可控因子的全因子實(shí)發(fā)現(xiàn)并提供最好結(jié)果的因子及水(可評(píng)估所有因子的交互作發(fā)現(xiàn)并提供最好結(jié)果的因子及水(可評(píng)估部分因子的交互作通過測(cè)試大量的因子找出關(guān)鍵(可不評(píng)估因子交互作用中心合成最優(yōu)(存在非線性影響的時(shí)候應(yīng)曲面建立數(shù)學(xué)模型單次單因子(OFAT1、通常會(huì)固定所有其他的因子不變,只變動(dòng)一個(gè)因子進(jìn)行實(shí)驗(yàn);然后變動(dòng)第個(gè)因子(固定其他因子),以此類推2、采用OFAT實(shí)驗(yàn)時(shí),當(dāng)其他因子的數(shù)值發(fā)生變動(dòng)時(shí),一個(gè)因子的最佳值可能生變化,對(duì)確定的”最優(yōu)點(diǎn)”往往具有誤 AB

B

YK2因子實(shí)驗(yàn)簡(jiǎn)K 2因子實(shí)驗(yàn)設(shè)計(jì)優(yōu)

K- 2KP重復(fù) 和隨機(jī)化簡(jiǎn)重復(fù)定義定義：指整個(gè)或者部分實(shí)驗(yàn)設(shè)計(jì)實(shí)施多次，在不中心中點(diǎn)位于各因素高(+)低(-)設(shè)置值的一半處.中心點(diǎn)只有當(dāng)所有因素都可以計(jì)量時(shí)才用可以用來(lái)檢驗(yàn)非線性中心點(diǎn)的另一個(gè)目的是為估計(jì)方差增加自由度全因子實(shí)驗(yàn)舉20℃40℃1Pa4PaABMinitab2、點(diǎn)擊DisplayAvailable使用此表可以幫助你選擇一個(gè)較為合適的設(shè)計(jì)，主要基于以下幾點(diǎn)1、根據(jù)因子數(shù)3、預(yù)期的試選擇2-levelfactorial(defaultgenerators)(默認(rèn)生成元在numberoffactors中，選擇3。點(diǎn)擊 框中，選擇Fullfactor在numberofreplicates中，選擇2。實(shí)驗(yàn)重復(fù)的次因子命名及設(shè)置因子20401P4PAB點(diǎn)擊點(diǎn)擊文本型？數(shù)據(jù)型隨機(jī)化設(shè)置、保1、點(diǎn)擊Options，出現(xiàn)如 框2、在Baseforrandomdatagenerator(隨機(jī)數(shù)生成元基數(shù))中，輸入9。3、選中Storedesigninworksheet，點(diǎn)擊OK，生成一個(gè)設(shè)計(jì)。點(diǎn)擊點(diǎn)擊查看生成的數(shù)據(jù)表篩選收集了一些數(shù)據(jù)，那么對(duì)這些結(jié)果模式化并生成圖形評(píng)估設(shè)計(jì)的效果。根據(jù)相應(yīng)的數(shù)學(xué)模式及圖形方法，判定哪個(gè)因子對(duì)提高反應(yīng)的產(chǎn)量影響最大。選擇 yze擊C8產(chǎn)量即可。點(diǎn)擊NormalPareto,Alpha設(shè)定為顯著性水平設(shè)設(shè)定好后，點(diǎn)擊響應(yīng)因素的正態(tài)概率NormalProbabilityPlotoftheStandardizedEffectsresponseis產(chǎn)量,Alpha=.05)EfEffectTypeNotSignificantSignificantFactoNaA溫度B氣壓C催化95 80PePercen60504030 51- -

- - - - Standardized EffectParParetoChartoftheStandardizedEffects(responseis產(chǎn)量,Alpha=05)2.306CBCACABCAB01234Effect56Standardized在中，顯示了實(shí)際效果的絕對(duì)值。與一般概率圖一樣，使用Alpha來(lái)定效果的顯著性。如果系數(shù)的標(biāo)準(zhǔn)誤為0，則不顯示參考線TermFFacto Name溫度氣壓催化劑簡(jiǎn)化模 選擇 yzeFactorialDesign,點(diǎn)擊點(diǎn)擊點(diǎn)擊點(diǎn)擊點(diǎn)擊殘差點(diǎn)擊點(diǎn)擊 定“Fourinone”直方圖分HistogramoftheResiduals(responseis產(chǎn)量4 FrequencyFrequency。210- -

ResidualResidualsVersustheOrderoftheDat1510ReResidual0--10

(responseis產(chǎn)量

16ObservationOrder1510Residual5Residual0--10

ResidualsVersustheFittedValues(responseis產(chǎn)量但僅憑16個(gè)樣本

80Fitte

90Value

100

110殘差正態(tài)Norma

ProbabilityPlo(responseis

oftheResiduals產(chǎn)量PercentPercent51-

-

ResidualP值與因素重要程度的P值與因素重要程度的關(guān)0≤P≤0≤P≤0.01＜0.01＜P≤0.05＜P≤0.05＜P≤0.20＜P≤該因素不顯著，對(duì)實(shí)驗(yàn)結(jié)0.20＜P≤響主效果圖和交互作用選擇Stat<DOE<Factorial選中MainEffectsPlot,擊分別點(diǎn)擊主效果圖：只包含一個(gè)因子的效果圖Main Effects Plot (data means for 氣 催化 表示所Meanof產(chǎn)量Meanof產(chǎn)量a直線直線表示產(chǎn)量的平均點(diǎn)表示設(shè)定60 某一變量高水平時(shí)的平 因因效果說氣高低氣壓產(chǎn)量之差(b-催化-使用催化劑A與B時(shí)的差I(lǐng)nterInteractionPlot(datameans) for產(chǎn)量110100908070AB催化劑Mean氣氣壓14若存若存在一個(gè)顯著的交互作用，則在這個(gè)交互作用中的因子的主效應(yīng)必須保留在模型內(nèi)圖CubePlotdatameans)for產(chǎn)量4氣

1溫

催化A建立函數(shù)關(guān)系方程產(chǎn)量+7.06*-15.19*-6.69*建立函數(shù)關(guān)系方程F-F統(tǒng)計(jì)量，因素的