【正文】 s 6 115 ? Stat ＞ DOE ＞ Factorial Plots... 要因配置法的 Minitab 運(yùn)用 要因配置法 (Factorial Design) 選定所有因子 s 6 116 ? Main effects plot 要因配置法的 Minitab 運(yùn)用 要因配置法 (Factorial Design) A B 2 6 3 6 4 6 5 6 6 6 R E S P M a i n E f f e c t s P l o t ( d a t a m e a n s ) f o r R E S P ? 橡膠配合 (mix) 1水平 , mold 1水平上得到大的效果 ? mold比橡膠配合 (mix)更多的影響反應(yīng)值 ? Cube plot 1 1 3 3 . 5 0 2 1 . 0 0 4 1 . 2 5 B A 1 1 C u b e P l o t ( d a t a m e a n s ) f o r R E S P ? 具有最佳均勻的條件是橡膠配合 (mix)1水平 ,mold1水平 ? 判斷為有一點(diǎn)點(diǎn)交互作用 ? mold比橡膠配合更大的影響反應(yīng)值 要因配置法 (Factorial Design) 運(yùn)用 Minitab進(jìn)行 要因配置法 s 6 119 Factor Level A. 水的溫度 (Temp) B. 時(shí)間 (Time) C. 清洗液濃度 (Conc.) 1 +1 溫水 熱水 短 長(zhǎng) 低 高 R U N T e m p T im e C o n c. Y ie ld1 1 1 1 652 1 1 1 433 1 1 1 4 6 . 54 1 1 1 435 1 1 1 5 9 . 56 1 1 1 447 1 1 1 518 1 1 1 43? 考慮一下工序中能清洗部品的機(jī)器，這機(jī)器的性能是清洗完畢的部品上 流下來(lái)的水通過(guò) Filter(過(guò)濾器 )過(guò)濾后， Filter的殘留物越少說(shuō)明機(jī)器 性能越優(yōu)秀，試驗(yàn)按各要素的 2水平來(lái)實(shí)施。 temp/time/ temp*time 給反應(yīng)值的影響大 ? 點(diǎn)擊 OK 要因配置法 (Factorial Design) 要因配置法的 Minitab 運(yùn)用 s 6 124 ? Stat ＞ DOE ＞ Factorial Plots... 選擇所有因子 要因配置法 (Factorial Design) 要因配置法的 Minitab 運(yùn)用 s 6 125 t e m p t i m e c o n c 4 5 . 0 4 7 . 5 5 0 . 0 5 2 . 5 5 5 . 0 Y i e l d M a i n E f f e c t s P l o t ( d a t a m e a n s ) f o r Y i e l d ? Main effects plot ? 把 Yield和 temp/time/conc因子的效果 plot Graph ? 首先繪制各要素的 Low level(1)[低水平 (1)]的反應(yīng)值 (殘留物的量 ) 然后繪制 High level(1)[高水平 (+1)]。 (線體速度和清洗液濃度在高溫度下沒(méi)有差異 ) 要因配置法 (Factorial Design) 要因配置法的 Minitab 運(yùn)用 s 6 128 ? 在實(shí)施試驗(yàn)時(shí)因子的數(shù)增加，試驗(yàn)的次數(shù)增加，試驗(yàn)的次數(shù)以幾何規(guī)律增加 ? 試驗(yàn)次數(shù)的增加 為什么要使用部分配置法 (fractional factorial design) ? 以少的試驗(yàn)次數(shù)得到好的試驗(yàn)結(jié)果和提高檢出力 ? 試驗(yàn)因子多 , 但做的試驗(yàn)次數(shù)少 部分配置法 (fractional factorial design) 的優(yōu)點(diǎn) s 6 129 部分配置法 (Fractional factorial design) 2 試驗(yàn) 5 StdOrder RunOrder CenterPt Blocks因子1 因子2 因子3 因子4 因子5 結(jié)果值1 1 1 1 612 2 1 1 + 533 3 1 1 + 634 4 1 1 + + 615 5 1 1 + 536 6 1 1 + + 567 7 1 1 + + 548 8 1 1 + + + 619 9 1 1 + 6910 10 1 1 + + 6111 11 1 1 + + 9412 12 1 1 + + + 9313 13 1 1 + + 6614 14 1 1 + + + 6015 15 1 1 + + + 9516 16 1 1 + + + + 9817 17 1 1 + 5618 18 1 1 + + 6319 19 1 1 + + 7020 20 1 1 + + + 6521 21 1 1 + + 5922 22 1 1 + + + 5523 23 1 1 + + + 6724 24 1 1 + + + + 6525 25 1 1 + + 4426 26 1 1 + + + 4527 27 1 1 + + + 7828 28 1 1 + + + + 7729 29 1 1 + + + 4930 30 1 1 + + + + 4231 31 1 1 + + + + 8132 32 1 1 + + + + + 82? 全部試驗(yàn)次數(shù)來(lái)分析數(shù)據(jù)是最理想的 , 但是因環(huán)境 /工序 /條件 /時(shí)間 /費(fèi)用 等原因，不可能做完全的試驗(yàn)的情況很多。 試驗(yàn)因子彼此間獨(dú)立，對(duì)試驗(yàn)結(jié)果的再現(xiàn)性高 前面 2個(gè)和后面 2個(gè) s 6 132 主效果 Column 交互作用 Column Run 1 2 3 4 X1 1 1 1 1 X2 1 1 1 1 X3 1 1 1 1 X1X2 1 1 1 1 X2X3 1 1 1 1 X1X3 1 1 1 1 X1X2X3 1 1 1 1 反應(yīng)值 X1 X2 X3 部分配置法 (Fractional factorial design) 2 試驗(yàn) 5 ? 考慮有 4個(gè)組合的 231部分配置，在 23完全配置上，可以把相關(guān)因子全部相乘后再選定。 進(jìn)入反應(yīng)器的原材料的量 (liter/min) 原材料混合濃度 (%) 當(dāng)中哪些因素在什么條件下能得出最佳值？為此實(shí)施 251部分配置實(shí)驗(yàn)。 3 次以上的高次交互作用，沒(méi)有意義的多，因此從分析上可除外。 catalyst/agitate/ catalyst*temperature/ temperature*concentration更多的影響 反應(yīng)值 部分配置法的 Minitab運(yùn)用 s 6 139 ? Stat DOE Factorial Plots... 部分配置法 (Fractional factorial design) 選擇所有因子 部分配置法的 Minitab運(yùn)用 s 6 140 f e e d r a t e c a t a l y s t a g i t a t e t e m p e r a t u r e c o n c e n t r a t i o 5 5 6 0 6 5 7 0 7 5 p c r e a c t M a i n E f f e c t s P l o t ( d a t a m e a n s ) f o r p c r e a c t ? Main effects plot 部分配置法 (Fractional factorial design) ? 反應(yīng)值受催化劑和溫度的影響強(qiáng)烈 ,幾乎不受其它干擾影響。 (有 /無(wú)相互關(guān)聯(lián)性 ,可以提供解決問(wèn)題的 Point) ? 這種關(guān)聯(lián)性用某種數(shù)學(xué)方程式來(lái)表示及分析叫回歸分析 .即可以認(rèn)為將從屬 變量‘ Y’ 與獨(dú)立變量‘ X’ 的關(guān)系用下列模型的數(shù)學(xué)方程式來(lái)適當(dāng)表示 . ? Y = a + bχ + error 這里 a = 截距 b = 斜率 什么是回歸分析 (Regression)? ? 單純回歸分析 : 獨(dú)立變量 (說(shuō)明變量 ), 從屬變量 (反應(yīng)變量 )各 1個(gè)的情況 ? 中回歸分析 : 獨(dú)立變量 (說(shuō)明變量 )2個(gè)以上的情況 ? 曲線回歸分析 : 獨(dú)立變量 (說(shuō)明變量 )1個(gè) ,從屬變量 (反應(yīng)變量 )1個(gè)構(gòu)成的情況 (假定是 2次以上的高次函數(shù) ) 回歸方程式的分類 ? 為了發(fā)現(xiàn)暫定的 Vital Few(少數(shù)致命缺陷 ) ? 為了判定‘ Y’ 值并使其最佳化 ? 為了決定哪些‘ X’ 因素值上‘ Y’ 成為最佳化 為什么要使用回歸方程式 (Regression)? s 6 144 ? 用手動(dòng)方法發(fā)現(xiàn)暫定的 Vital Few時(shí) b Σ Σ Σ Σ Σ = = = y b x S xy S xx xy x y n x x n ( ) ( ) ( ) 2 2 ? a 和 b 的計(jì)算公式 回歸分析法 (Regression) 總變動(dòng) (or總偏差 ) SST 不能說(shuō)明的變動(dòng)記入誤差行里 SSE 不能說(shuō)明的變動(dòng) (回歸引起的變動(dòng) ) SSR s 6 145 回歸方程式 ? 把全體測(cè)定值用某一個(gè)適當(dāng)數(shù)學(xué)方程式來(lái)表示，其適當(dāng)方程式不能說(shuō)明的誤差變化和成為最小而決定 a和 b。 ? 為了減少收集數(shù)據(jù)時(shí)因時(shí)間變遷所產(chǎn)生的潛在變量，最好是以無(wú)序法來(lái)確定? X? 因子的水平后再做試驗(yàn)。 為了判斷方程式恰當(dāng)與否而使用 殘差 (Residual)具有正態(tài)分布 (Normal Distribution) 選擇 Residuals versus fits 后點(diǎn)擊 OK 2 0 7 0 1 2 0 5 0 5 F i t t e d V a l u e R e s i d u a l R e s i d u a l s V e r s u s t h e F i t t e d V a l u e s ( r e s p o n s e i s m a n h o u r ) 殘差 (Residual)分析 (散點(diǎn)圖 ) ? Stat Regression Regression... 回歸分析 (Regression) H 0 : 回歸原點(diǎn)通過(guò) (0,0) 越小越有好的值。 從該例題可以看出殘差是正態(tài)分布的 (PValue = , Normality Test) 回歸分析 (Regression) ?點(diǎn)擊 OK s 6 157 謝謝觀看 /歡迎下載 BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAIT