【正文】 成本費用）等相關(guān)，不能實行其政策 ? 全體的制度等有可能變更 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(fàn)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(zhì)的 CTQ – 因測定的變動大，不能檢出變化的值 一元配置法 ? 一元配置法 – 只選擇 1個預(yù)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(rèn)為紡紗生產(chǎn)工序上反應(yīng)溫度影響紡紗產(chǎn)品的強(qiáng)度，因此為了了解按 反應(yīng)度 的變化，強(qiáng)度怎樣變化，并且在怎樣的溫度水平下給最高的強(qiáng)度而做反應(yīng)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(jī)順序來實施。其結(jié)果得到了下列數(shù)據(jù) ，最佳 條件。 一元配置法 – 按反應(yīng)溫度 (A)變化的強(qiáng)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(fù) 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(rèn)為影響產(chǎn)品的收率 (Yield， %)是反應(yīng)溫度和原料。作為 因行了 沒有反復(fù)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(yīng)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） 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 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。 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 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) 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 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(yīng)值 ? Main effects plot里因子的偏移越大，其因子更多影響品質(zhì)特性值 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(shù)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 要因配置法 (Factorial Design) – Cube plot 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(yīng)值 要因配置法 (Factorial Design) ? 23試驗 – 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的水通過 Filter（過濾器）過濾後， Filet的殘留物越少說明機(jī)器性能越優(yōu)秀，試驗按各要素的 2水平來實施。 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(yīng)值 (Yield)時，求平均值後適用試驗排列全體反復(fù) 2次（或 2次以上）時，把數(shù)據(jù)放在 1列來適用。 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 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(yīng)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(yīng)值。反過來，濃度因子幾乎沒有特別的影響反應(yīng)值 – 哪些要素最重要 – 哪些要素可以說沒有影響 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(guān)，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 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 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） 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(yù)想的潛在變量，試驗的程度變壞 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(jìn)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。 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(jì) /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(jié)果和提高檢出力 – 試驗因子多，但做的試驗次數(shù)少 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(jié)果的再現(xiàn)性高 ? 始終從高次的交互作用開始交叉 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(dǎo)出錯誤的試驗結(jié)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) 部分配置法 (Fractional factorial design) ? 25試驗 – 進(jìn)行 16個部分配置法中各立方形 ? 底面 2個和上面 2個 ? 左側(cè) 2個和右側(cè) 2個 ? 前面 2個和後面 2個 部分配置法 (Fractional factorial design 1 1 +1 X1 +1 1 +1 X3 X4 1 +1 X2 1 +1 X5 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(yīng)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(guān)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(jié)構(gòu)跟 Z1， X2有同樣的交互作用。 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 部分配置法 (Fractional factorial design ? 25試驗 – 在注塑物配合工序上，從調(diào)查的結(jié)果來看，到測定、分析階段為止選定了 5個暫定因子，選定的各個因子如下： ? 進(jìn)入反應(yīng)器的原材料的量 (liter/min) ? 添加的催化劑（ %） ? 轉(zhuǎn)速（ RPM） ? 反應(yīng)器內(nèi)溫度（ ℃ ） – 當(dāng)中哪能些因素在什麼條件下能得出最佳值？ 部分配置法 (Fractional factorial design Factor 1 +1 （ feed rate） 10 15 （ catalyst） 1 2 （ RPM） 100 120 （ temperature） 140 180 （ concentration） 3 6 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。 – 剩下的注入量（注入速度）人反應(yīng)值影響微小 – 從干擾的分析結(jié)果來看，轉(zhuǎn)速幾乎不影響，因此排除該因素不會發(fā)生什麼問題。 部分配置法 (Fractional factorial design – 出現(xiàn) catalyst*temperature和temperature*concentrate 的交互作用有意義 – 判別剩下的因素間的交互作用幾乎沒有意義 – 要銘記 2次的交互作用跟 3次的交互作用交叉在一起的事實，雖然 3次的交互作用有意義的情況幾乎沒有，但是還是要注意觀察。 部分配置法 (Fractional factorial design ? Cube plot 67 65 56 55 60 69 52 78 49 45 63 61 10 15 93 95 部分配置法 (Fractional factorial design – 最適當(dāng)?shù)臈l件是：催化劑 +1（ 2%），溫度 +1（ 180℃ ），濃度 1（ 3%）下具有最好的組合。 – 注入量和轉(zhuǎn)速的影響不多 – 這里必須測驗產(chǎn)品是否按改善的最佳條件來生產(chǎn)的再現(xiàn)性 回歸分析（ Regression） ? 什麼是回歸分析（ Regression）？ – 想要改善問題時，掌握相關(guān)變量之間的相互關(guān)聯(lián)性，這種情況有用的時候多。（有 /無相互關(guān)聯(lián)性，可以提供解決問題的 Point） – 這種關(guān)聯(lián)性用某種數(shù)學(xué)方程工來表示及分析叫回歸分析，即可以認(rèn)為將從屬變量“ Y”與獨立變量“ X”的關(guān)系用下列模型的數(shù)學(xué)方程式來適當(dāng)表示。 – y=a+bx+error 這里 a=截距 b=斜率