minitab之msa分析實例-資料下載頁
2025-02-10 22:33本頁面
【正文】 適合 (3) 殘差分析 ： 對殘差的正態(tài)分布假說的研討 － 直方圖 、 正態(tài)分布圖 對分散同質(zhì)假說的研討－與擬合值 ※ 殘差已確定為隨機(jī)分布，可以進(jìn)行分散同質(zhì)假說研討 (3) 坐標(biāo)圖分析 ： 因子的 最佳條件 A: 289 ~ 310 B: 11 ~ 18 → 預(yù)想 Y=. (4) 數(shù)值性分析 ： 最佳化因子水平 初期設(shè)定（大概值） 望大：求最大值； 下限：設(shè)定最小值 望目：設(shè)定目標(biāo)值 Y = ， 滿足度 = 1。 即意味著滿足 目 標(biāo)值 要求； 調(diào)整因數(shù)水平而使透過率更好 。 A=、 B= ， Y(Max)＝ I — 反映表面實驗 2： －－多個反映值 (1) 因子配置設(shè)計 ： 試驗配置 : 中心合成計劃 (2因子 ) 反應(yīng)值 (Y) : Y Y Y3 因數(shù) /水平 : A (Low = 80, High = 90), B (Low = 170, High = 180) 背景：通過最大傾斜法，知道反應(yīng)時間 A= 85分鐘、反應(yīng)溫度 B=175F是最佳條件。 求可以滿足 3個反應(yīng)變量 (Y Y Y3)結(jié)果條件的因子的最佳水準(zhǔn)。 輸 入 試驗結(jié) 果： A、 B： 選 中后右鍵選擇數(shù) 據(jù)格式轉(zhuǎn)換 成整 數(shù) (2)統(tǒng)計性分析 ： ※ 誤差項要不要 Pooling? 誤差項 Pooling的話 → Lack of fit（失擬） 的 Pvalue要大起來 , → Rsq(adj)要升高 ，或者 Regression（回歸）的 F值要升高 → 不然的話，證明現(xiàn)在的模型更適當(dāng) ? 2個因子的主效果 、 2次效果都有意 ， 不實施 Pooling. ? 交互作用 ， Pooling到誤差項時 ， Rsq(adj)和 lack of fit的 P值會減少 ， 因此不 Pooling. ? A 的 2次效果 (A*A)不有意 ， 故而 Pooling到誤差項 . ? 交互作用 (A*B)， Pooling到誤差項時 ， Rsq(adj)和 lack of fit的 P值會減少因此不 Pooling. ?Pooling 后分析結(jié)果 在 項 中去掉 A*A項 后再次 運(yùn) 行 ?Pooling 后分析結(jié)果 在 項 中去掉 A*A、 A*B項 后再次 運(yùn) 行 ? A、 B的 2次效果 （ AA,BB） 不有意 ， Pooling到誤差項 . ? AB交互作用 ， Pooling到誤差項時 ， Rsq(adj)和 lack of fit的 P值會減少因此不 Pooling. (3) 坐標(biāo)圖分析 ： 位于 Plot的中央部的白色部分是 A和 B因子滿足所有反應(yīng)變量的水平值的范圍 。 Y Y Y3的取 值 范 圍 ； (4) 數(shù)值性分析 ： 調(diào)整因子的水準(zhǔn) ， 接近收率 (Yield)= 、 粘性 Viscosity)=65. 已修訂的因子水準(zhǔn)值 C — 管理圖： (1) XbarR （ n10） ① 正常的 xbarR圖 ② 管理界限再計算（不考慮異常點） XbarR圖 （ 2） XbarS 管理圖（ n=10） （ 3） P 管理圖（離散，樣本大小不一定） （ 3） P 管理圖（離散，樣本大小不一定） 按月、按值班組、改善前 (6月 )、按改善前后等 按層區(qū)別在一個坐標(biāo)圖上區(qū)分標(biāo)注。 如圖可見， 6月散步大， 8月明顯減少； （ 3） nP 管理圖（離散，樣本大小一定） （ 5） C 管理圖（離散，不良數(shù)） （ 5） U 管理圖（離散，不良數(shù)，組大小不定） 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 FAITH
法律信息相關(guān)推薦
鄂ICP備17016276號-1