【正文】 ?Capability Analysis ?Histogram ?Box Plot ?Pareto ?Scatter Plot ?Cube Plot ?Main effect plot：平均值 標準偏差 ?Interaction plot：平均值 標準偏差 138 試驗計劃的樹立 ? 信賴區(qū)間 ?Pvalue，檢驗統(tǒng)計量 ?Ttest， Ftest， Chisquare ? 分散分析表 (ANOVA Tables） ? 回歸方程式 (Regression) 139 試驗計劃的樹立 ?導出結論 ? 結果值在統(tǒng)計上有效嗎？ ?測定 /分析 /改善階段使用的工具間有矛盾嗎？ ?結合實際問題統(tǒng)計的處理結果合理嗎？ ? 得到改善的證據(jù)（長期的）充分嗎？ ? 結果值得到實際改善了嗎？ ?工序能力值向上了嗎？ ?所選定題目的‘ Y’值得到了長期改善了嗎？ ?會不會發(fā)生逆性能的問題？ 140 試驗計劃的樹立 ? 試驗結果怎樣指示改善問題的方向？ ? 是否要做追加的試驗？ ?驗證試驗 ? 驗證試驗是證明已找出的最佳條件是真的改善的步驟 ? 驗收試驗必須象現(xiàn)象分析類似對長期的數(shù)據(jù)合理分組來實施 ? 找出最佳條件來做試驗期間在遷定的條件內(nèi)應使其自然（實際作業(yè)條件） 141 試驗計劃的樹立 ? 參照事項 ?做驗證試驗期間必須參加觀察 ?要確認因子的水平變化是否正確 ?應留意試驗條件變更是否損壞裝備或誘發(fā)安全性問題 ?+/只能在條件內(nèi)實際控制可能的話，不能檢出 2水平變化引起的 效應 142 試驗計劃的樹立 ?試驗時注意事項 ? 錯誤認識發(fā)生問題的因子 ?相關關系錯誤認識為因果關系 ? 最佳選定的條件和實際使用的條件不符 ?試驗結果最佳選定的值在實際上協(xié)力社不能作業(yè)或生產(chǎn)工序不能賦予其條件 ?跟 Cost（成本費用）等相關，不能實行其政策 ?全體的制度等有可能變更 143 試驗計劃的樹立 ? 不能決定是因為沒有得到管理而變化 ?潛在變量的影響給‘ Y’值造成大的影響 ? 試驗在很小範圍的因子水平上實施 ? 沒有包含重要的獨立變量 ?沒有包含影響品質的 CTQ ? 因測定的變動大，不能檢出變化的值 144 一元配置法 ? 一元配置法 ? 只選擇 1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。 ? 認為紡紗生產(chǎn)工序上反應溫度影響紡紗產(chǎn)品的強度，因此為了了解按 反應度 的變化，強度怎樣變化，并且在怎樣的溫度水平下給最高的強度而做反應溫度為因子來取水平 (A1:60℃ ， A2:65℃ ， A3:70℃ ， A4:75℃ ），在 各度下 3回，把全體 12回試驗按隨機順序來實施。其結果得到了下列數(shù)據(jù) ，最佳 條件。 145 一元配置法 ? 按反應溫度 (A)變化的強度 (單位： Kg/mm2)的試驗數(shù)據(jù) 因子水平 A1 A2 A3 A4 試驗的反復 146 二元配置法 ?選定配置法 ? 選定 2個因子後做試驗的試驗計劃 ? 某化工廠認為影響產(chǎn)品的收率 (Yield， %)是反應溫度和原料。作為 因行了 沒有反復的二元配置實驗，因子的收率如下，求最佳條件。 ?因子的水平數(shù) ? 反應溫度 (A)： A1(180 ℃) ， A2(190 ℃) ， A3(200 ℃) ， A3(200 ℃) ? 原料 (B)： B1（美國 M社原料）， B2（日本 Q社原料）， B3（國內(nèi) P） 147 二元配置法 ?試驗數(shù)據(jù)如下 因子 A 因子 B A1 A2 A3 A4 B1 B2 B3 148 二元配置法 ? 對收率溫度是 A3=200℃ ，原料是在 B1上最佳水平 ? 雖然現(xiàn)在選定的水平是最佳的，但考慮過程條件，費用方面也可選擇不同水平的最佳條件。 149 要因配置法 (Factorial Design) ?什麼是要因配置法 ? n個因子，各因子的水平數(shù)是 k的試驗計劃，所有因子間的水平調(diào)和下實施試驗。 ?要因試驗的形態(tài) ? 2n：因子是 n個，因子的水平數(shù)是 2試驗 ? 3n：因子是 n個，因子的水平數(shù)是 3試驗 150 要因配置法 (Factorial Design) ?要因試驗的優(yōu)點 ? 所有因子間的水平調(diào)合下實施試驗 ? 可推定所有因子的效果和交互作用 ?22試驗 ? 兩種橡膠 (A0， A1)混合使用 Mold(B0， B1)製作輪胎時得到的輪胎 (balance)各測定 4次的數(shù)據(jù) 151 要因配置法 (Factorial Design) ? 試驗數(shù)據(jù) A0 A1 合計 B0 31 165 82 110 88 72 352 517 45 46 43 B1 22 84 30 37 38 29 134 218 21 18 23 合計 249 486 735 152 要因配置法 (Factorial Design) ? 橡膠配合 (mix)1水平， mold1水平上得到大的效果 ? mold比橡膠配合 (mix)更多的影響反應值 ?Main effects plot里因子的偏移越大，其因子更多影響品質特性值 153 要因配置法 (Factorial Design) ? 什麼是交互作用 ? 表示 2個因子的水平組合上，發(fā)生不期待的效果。 3次以上的交互作用，技術分析不太容易，因此一般不考慮。 X Y 沒有交互作用 （平行的狀態(tài)） X Y 有一點交互作用 X Y 有很大的交互作用 154 要因配置法 (Factorial Design) ? Cube plot 155 要因配置法 (Factorial Design) ? 具有最佳均勻的條件是橡膠配合 (mix)1水平，mold1水平 ? 判斷為有一點點交互作用 ? mold比橡膠配合更大的影響反應值 156 要因配置法 (Factorial Design) ?23試驗 ? 考慮一下工序中能清洗部品的機器，這機器的性能是清洗完畢的部品上流下來的水通過 Filter（過濾器）過濾後， Filet的殘留物越少說明機器性能越優(yōu)秀，試驗按各要素的 2水平來實施。 157 要因配置法 (Factorial Design) Factor Level 1 +1 A. 水的溫度 (Temp) 溫水 熱水 (Time) 短 長 (Conc.) 低 高 ?同樣 Run實施 2次（或 2次以上）得到反應值 (Yield)時，求平均值後適用試驗排列全體反復 2次（或 2次以上）時，把數(shù)據(jù)放在 1列來適用。 158 要因配置法 (Factorial Design) ? 試驗配置 RUN Temp Time Conc. Yield 1 1 1 1 65 2 1 1 1 43 3 1 1 1 4 1 1 1 43 5 1 1 1 6 1 1 1 44 7 1 1 1 51 8 1 1 1 43 159 要因配置法 (Factorial Design) ? 把 Yield和 temp/time/conc因子的效果 plot Graph ? 首先繪製各要素的 Low Level(1)[低水平 (1)]的反應值（殘留物的量），然後繪製 High Level(1)[高水平 (+1)]。 ? 可以把握溫度最大影響反應值。反過來，濃度因子幾乎沒有特別的影響反應值 ? 哪些要素最重要 ? 哪些要素可以說沒有影響 160 要因配置法 (Factorial Design) ? Temp*Time：水、溫度的影響隨時間的變化，低溫度和短時間清洗，流下的殘留物最多 ? Temp*Conc：在高的溫度下，和清洗液的濃度無關，殘留物少無交互作用 ? Time*Conc：長時間清洗下，殘留物更少；時間的效果比低清洗濃度更顯著 161 要因配置法 (Factorial Design) ?Cube plot（繪制立體圖） 46 51 60 65 44 43 44 43 temp 1 1 1 time conc 1 1 162 要因配置法 (Factorial Design) ? temp(1：熱水 )， time(1：長 )， conc(1：低 )時或 temp(1：熱水 )， time(1：短 )， conc(1：低 )，殘留物最少 ? 提高溫度，費用多并且找出最佳條件不重要的話，也可以在不同水平上選擇最佳點。 ? 如果溫度高，可以在低清洗濃度下，線體速度可以運行更快。（線體速度和清洗液濃度在高溫度下沒有差異） 163 部分配置法 (Fractional factorial design) ?什麼是部分配置法 (Fractional factorial design) ? 在實施試驗時因子的數(shù)增加，試驗的次數(shù)增加，試驗的次數(shù)以幾何規(guī)律增加 ? 試驗次數(shù)的增加 ?現(xiàn)實是時間方面或成本費用方面發(fā)生困難 ?產(chǎn)生不可預想的潛在變量，試驗的程度變壞 164 部分配置法 (Fractional factorial design ? 一般主效果交互作用沒有必要必須在因子的所有調(diào)合下試驗，不用求不必要的交互作用或高次的交互作用；而為了縮小試驗數(shù)的大小，只取因子的調(diào)合中的一部分進行試驗（ 2n3n型部分配置法） ? 因此，通常完全配置法不如使用試驗次數(shù)少的部分配置法。 165 部分配置法 (Fractional factorial design） ? 為什麼要使用部分配置法 (Fractional factorial design) ? 為了找出致命的少數(shù)因子 Screening時； ? 從經(jīng)濟 /成本費用方面愾有水平配合下，試驗發(fā)生困難。 ? 部分配置法 (Fractional factorial design)的優(yōu)點 ? 以少的試驗次數(shù)得到好的試驗結果和提高檢出力 ? 試驗因子多，但做的試驗次數(shù)少 166 部分配置法 (Fractional factorial design) ?25試驗 ? 從 32個中選擇 16個方法是重要的 ?X1 X2 X3 X4 X5=1工 ?X1 X2 X3 X4 X5=+1選擇 ? 這樣乘全體因子選擇的話，始終不會丟失直交性 ?試驗因子彼此間獨立，對試驗結果的再現(xiàn)性高 ?始終從高次的交互作用開始交叉 167 部分配置法 (Fractional factorial design) ?如果任意的選擇的配合，會破壞直交性，因子間不能完全獨立而成為從屬的，繼而導出錯誤的試驗結果 ?選定 X1 X2 X3 X4 X5=+1的 16種配合 ? 這是具有高次的交互作用交叉的效果 ?實施部分配置法時的試驗配合分布形態(tài) 168 部分配置法 (Fractional factorial design) ?25試驗 ? 進行 16個部分配置法中各立方形 ?底面 2個和上面 2個 ?左側 2個和右側 2個 ?前面 2個和後面 2個 169 部分配置法 (Fractional factorial design 1 1 +1 X1 +1 1 +1 X3 X4 1 +1 X2 1 +1 X5 170 部分配置法 (Fractional factorial design） 主效果 Column 交互作用 Column Run X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3 反應值 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 3 1 1 1 1 1 1 1 4 1 1 1 1 1 1 1 ?考慮有 4人組合的 231部分配置，在 23完全配置上，可以把相關因子全部相乘後再選定：“ +or”的 4個組合，這時前 2個因子具有完全配置法同樣的形態(tài)。此時 X3因子的配置結構跟 Z1， X2有同樣的交互作用。 171 部分配置法 (Fractional factorial design ? X1， X2， X3的主效果跟 2因子交互作用交叉在一起 ?X3 Column=X1 X2 Column ?X1 Column=X2 X3 Column ?X2 Column=X1 X3 Column 1 1 +1 X1 +1 1 +1 X2 X3 172 部分配置法 (Fractional