【文章內(nèi)容簡介】 :－35。C(L2)－5。CResults after 2nd disassembly/ reassembly(H3):－37。C(L3)－7。Cmedian－37－5range57D=32，=(5+7)/2=6，D: =32:6=:1，Control limits =median/=(此處為個別值信賴區(qū)間，不是群體平均信賴區(qū)間)The test for a significant and repeatable difference between the good units and bad units is determined by the formula : D: :1，The Red X and Pink X are among the causes being considered and there is good repeatability in the disassembly / reassembly process .noComponent SwitchedHigh AssemblyResultsControl LimitsLow AssemblyResulsControl LimitsAnalysislnitial Dis/Reassembly NO 2Dis/Reassembly NO 3403537medianAllCompLowAllComp．Low057median1AALRH40~AHRL5~+A Unimportant2BBLRH35~BHRL0~+B Unimportant3CCLRH35~CHRL5~+C Unimportant4DDLRH20~DHRL5~+D Important5EELRH40~EHRL0~+E Unimportant6FFLRH40~FHRL5~+F Unimportant7GGLRH20~GHRL5~+G Important8HHLRH35~HHRL0~+H UnimportantCapping RunRDHGHRL40~DLGLRH0~+R unimportantCONCLUSION1. Components A, B, C, E, F, and H are within the high side and low side control limits .So they are unimportant﹒2. Components D and G are out side the high side control limits. So they are important.3. The capping run confirmed that D and G bined go outside both sides of the control limits. So D and G and their interaction effects are important﹒統(tǒng)計量全距平均(Mean Range)統(tǒng)計量當(dāng)xi1，xi2，…，xin為從一常態(tài)群體之樣本(i=1~k)，12…k1X11X21…Xk12X12X22…Xk2…………nXn1Xn2…Xkn平均全距R1R2…RK全距平均(Mean Range) ，=1. 即E()=s，此處1/值如下表所示，此種推定之效率(與s比較變異數(shù))如下表所示當(dāng)n12以上時，n=，因此一般組之大小都在5以下之原因。2. 之分配，n[()/s]2為趨近分配，此處值如下表所示，從表中可知，d2=(1+1/4n)，當(dāng)組數(shù)夠大時，=d23. 當(dāng)組數(shù)k=1，即為一般所稱之R，在不致誤解下，有時亦表示成，同理有時以d2表示。2n型多元配置解析(FULL FACTORIAL)2n型多元配置，指因子數(shù)有n個水準(zhǔn)數(shù)各為2，完全組合。這種完全組合之實驗，我們稱為完全配置，這種配置主要目的在求得各個因子效果之大小，及因子組合後之組合效果(又稱交互作用)之大小，一般說來，效果大小來自各水準(zhǔn)間之差異，差異愈大，表示效果大，因此有如下之問題必須解決(1)有多少效果必須計算(2)因子效果如何計算，包括主因子效果，交互作用(3)如何比較效果，下表表示因子數(shù)與效果數(shù)。N效果123456主因子效果1234562次交互作用13610153次交互作用1410204次交互作用15155次交互作用166次交互作用1組合效果014112657合計137153163一因子效果例:假設(shè)進(jìn)行符號說明【例1】A1A2ABC代號dataB1B2B1B2111(1)2C12534112c3C23832121b5122bc8211a3212ac3221ab4222abc2構(gòu)造模型與效果的分解23構(gòu)造模型xijk=μ+ai+bj+ck+(ab)ij+(ac)ik+(bc)jk+(abc)ijk+eijkΣai=Σbj=Σck=0，Σ(ab)ij=Σ(bc)jk=Σ(ac)ik=0，Σ(abc)ijk=0效果的分解,則有如下之情形：l A因子之效果差=4|(a1a2)|=|((1)+c+b+bc)(a+ab+ac+abc)|=|(a1)(b+1)(c+1)|l B因子之效果差=|(a+1)(b1)(c+1)|l C因子之效果差|(a+1)(b+1)(c1)|l AB因子之效果差=|(a1)(b1)(c+1)|=|(abab+1)(c+1)|=|(abc+ab+c+1)(ac+bc+a+b)|l AC因子之效果差=|(a1)(b+1)(c1)|l BC因子之效果差=|(a+1)(b1)(c1)|l ABC因子之效果差=|(a1)(b1)(c1)|【例1】求AB因子之效果差A(yù)B因子之效果差=|(abc+ab+c+1)(ac+bc+a+b)|= |(2+4+3+2)(5+8+3+3)|=8公式：因子偏差平方和=(因子效果差)2/總實驗數(shù) 在2N型之場合，因子之效果差可以2者之差來表示(亦可用偏差平方和來表示)，但在3N型時，要表示3者之差異，通常以偏差平方和來表示因此 SAB=82/8=8直交與交絡(luò)因子之效果可以分離出來，稱為直交，若無法分離出來稱為交絡(luò)直交表1. 利用上述效果的分解之方法，我們可將其以+符號列成下表NOABC代號DATAABABCACBCABC111112+++++++2112c3+++3121b5+++4122bc8+++5211a3+++6212ac3+++7221ab4+++8222abc2+++每行符號DATA之和即為因子之效果差1812=6偏差平方和=(因子效果差)2/總實驗數(shù)36/82. 上表雖可按照效果的分解之方法求得，實際可依以下作法完成l 列出A，B，C之符號，即A為1時為＋，A為2時為－，以此類推l AB行可依A行若為”＋”B行若為”＋”，則AB行得”＋”， A行若為”－”B行若為”＋”，則AB行得”－”，等之同號為＋異號為－之原則計算3. 我們亦可將其以1，2符號列成下表，其作法同上NO.ABC代號ABABCACBCABC1111(1)11111112112c11122223121b12211224122bc12222115211a21212126212ac21221217221ab22112218222abc22121124. 因為每行都直交，若無交互作用，則可增加一因子，依此方式檢討，若全無交互作用，則23型，可配置7個兩水準(zhǔn)因子，如下表所示，田口即根據(jù)此方式，建立及推廣其直交表?？膳湟蜃覣 B CD F G H列 行1 2 34 5 6 71 1 11 1 1 121 1 12 2 2 231 2 21 1 2 241 2 22 2 1 152 1 21 2 1 262 1 22 1 2 172 2 11 2 2 182 2 12 1 1 2成分 AA B B A BC C C A B CYATES演算法,求偏差平方和【例2】如【例1】求因子之效果差及各種偏差平方和代號數(shù)據(jù)(1)(2)(3) 效果差(3)2/8名稱(1)25162898CTc3131224/8SCb564864/8SBbc86200SBCa318416/8SAac330636/8SACab402864/8SABabc222416/8SABC【練習(xí)1】：試計算如下之因子之效果差及各種偏差平方和A1A2B1B2B1B2C1D12423D23128C2D165686D2810910解ABCDDATA1234S11111251939165CT1112d3142012663SD1121c65195115SC1122cd8151076869SCD1211b4431989SB1212bd11529675SBD1221cd5113975SCD1222bcd1096717877SBCD2111a219187SA2112ad22