【正文】 Time Conc. Yield1 1 1 1 652 1 1 1 433 1 1 1 4 1 1 1 435 1 1 1 6 1 1 1 447 1 1 1 518 1 1 1 43159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(guò)來(lái)，濃度因子幾乎沒(méi)有特別的影響反應(yīng)值? 哪些要素最重要? 哪些要素可以說(shuō)沒(méi)有影響160要因配置法 (Factorial Design)? Temp*Time：水、溫度的影響隨時(shí)間的變化，低溫度和短時(shí)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(wú)關(guān)，殘留物少無(wú)交互作用? Time*Conc：長(zhǎng)時(shí)間清洗下，殘留物更少；時(shí)間的效果比低清洗濃度更顯著161要因配置法 (Factorial Design)v Cube plot（繪制立體圖）4651606544434443temp11 1timeconc11162要因配置法 (Factorial Design)? temp(1：熱水 )， time(1：長(zhǎng) )， conc(1：低 )時(shí)或 temp(1：熱水 )， time(1：短 )， conc(1：低)，殘留物最少? 提高溫度，費(fèi)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(diǎn)。? 如果溫度高，可以在低清洗濃度下，線體速度可以運(yùn)行更快。（線體速度和清洗液濃度在高溫度下沒(méi)有差異）163部分配置法 (Fractional factorial design)v 什麼是部分配置法 (Fractional factorial design)? 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v現(xiàn)實(shí)是時(shí)間方面或成本費(fèi)用方面發(fā)生困難v產(chǎn)生不可預(yù)想的潛在變量，試驗(yàn)的程度變壞164部分配置法 (Fractional factorial design? 一般主效果交互作用沒(méi)有必要必須在因子的所有調(diào)合下試驗(yàn)，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(yàn)數(shù)的大小，只取因子的調(diào)合中的一部分進(jìn)行試驗(yàn)（ 2n3n型部分配置法）? 因此，通常完全配置法不如使用試驗(yàn)次數(shù)少的部分配置法。165部分配置法 (Fractional factorial design）v 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(shí)；? 從經(jīng)濟(jì) /成本費(fèi)用方面愾有水平配合下，試驗(yàn)發(fā)生困難。v 部分配置法 (Fractional factorial design)的優(yōu)點(diǎn)? 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166部分配置法 (Fractional factorial design)v 25試驗(yàn)? 從 32個(gè)中選擇 16個(gè)方法是重要的vX1X2X3X4X5=1 工vX1X2X3X4X5=+1 選擇? 這樣乘全體因子選擇的話，始終不會(huì)丟失直交性v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v始終從高次的交互作用開(kāi)始交叉167部分配置法 (Fractional factorial design)v如果任意的選擇的配合，會(huì)破壞直交性，因子間不能完全獨(dú)立而成為從屬的，繼而導(dǎo)出錯(cuò)誤的試驗(yàn)結(jié)果v選定 X1X2X3X4X5=+1 的 16種配合? 這是具有高次的交互作用交叉的效果v實(shí)施部分配置法時(shí)的試驗(yàn)配合分布形態(tài)168部分配置法 (Fractional factorial design)v 25試驗(yàn)? 進(jìn)行 16個(gè)部分配置法中各立方形v底面 2個(gè)和上面 2個(gè)v左側(cè) 2個(gè)和右側(cè) 2個(gè)v前面 2個(gè)和後面 2個(gè)169部分配置法 (Fractional factorial design11+1X1+11+1X3X41 +1X21 +1X5170部分配置法 (Fractional factorial design）主效果 Column 交互作用 ColumnRun X1 X2 X3 X1X2 X1X3 X2X3 X1X2X3 反應(yīng)值1 1 1 1 1 1 1 12 1 1 1 1 1 1 13 1 1 1 1 1 1 14 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(gè)組合，這時(shí)前 2個(gè)因子具有完全配置法同樣的形態(tài)。此時(shí) X3因子的配置結(jié)構(gòu)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vX3 Column=X1 X2 ColumnvX1 Column=X2 X3 ColumnvX2 Column=X1 X3 Column11+1X1+11+1X2X3172部分配置法 (Fractional factorial designv 25試驗(yàn)? 在注塑物配合工序上，從調(diào)查的結(jié)果來(lái)看，到測(cè)定、分析階段為止選定了 5個(gè)暫定因子，選定的各個(gè)因子如下：v進(jìn)入反應(yīng)器的原材料的量 (liter/min)v添加的催化劑（ %）v轉(zhuǎn)速（ RPM）v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？173部分配置法 (Fractional factorial designFactor 1 +1（ feed rate） 10 15（ catalyst） 1 2（ RPM） 100 120（ temperature） 140 180（ concentration） 3 6174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(lái)看，轉(zhuǎn)速幾乎不影響，因此排除該因素不會(huì)發(fā)生什麼問(wèn)題。175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(méi)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(shí)，雖然 3次的交互作用有意義的情況幾乎沒(méi)有，但是還是要注意觀察。176部分配置法 (Fractional factorial designv Cube plot676556 5560695278494563 6110 159395177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(cè)驗(yàn)產(chǎn)品是否按改善的最佳條件來(lái)生產(chǎn)的再現(xiàn)性178回歸分析（ Regression）v 什麼是回歸分析（ Regression）？? 想要改善問(wèn)題時(shí)，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(shí)候多。（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)方程工來(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+bx+error 這里 a=截距 b=斜率179回歸分析（ Regression）v 回歸方程式的分類(lèi)? 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)）180回歸分析（ Regression）v 為什麼要使用回歸方程式（ Regreesion )?? 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181回歸分析（ Regression）? 用手動(dòng)方法發(fā)現(xiàn)暫定的 Vital Few時(shí)v使用手動(dòng)方法導(dǎo)出最終結(jié)論，但危險(xiǎn)情況多，因此最好使用試驗(yàn)計(jì)劃法。? 為了分析試驗(yàn)的結(jié)果182回歸分析（ Regression）v 回歸方程式? a和 b的計(jì)算公式183回歸分析（ Regression）? 把全體測(cè)值用某一個(gè)適當(dāng)數(shù)學(xué)方式來(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。（最小平方法）? 如果所有數(shù)據(jù)在適當(dāng)方程式上，誤差變化是“0” ，即最好的情況：但這種民政部幾乎不會(huì)發(fā)生。? 并且對(duì)比總變化不能說(shuō)明的變化?。ㄕ`差引起的變化），可以說(shuō)明回歸模型好。184回歸分析（ Regression）v 怎樣做好數(shù)據(jù)收集？? 為了推定變動(dòng)最小的偏移，使用因子 “X” 的最低界限值到最高界限值為止的大範(fàn)圍的數(shù)據(jù)。? 為了減少收集數(shù)據(jù)時(shí)因時(shí)間變量，最發(fā)好是以無(wú)序法來(lái)確定 “X” 因子的水平後再做試驗(yàn)。185回歸分析（ Regression）v 運(yùn)用 Minitab進(jìn)行回歸分析? 為了預(yù)測(cè) LOT大小的生產(chǎn)人力，利用隨機(jī)法來(lái)抽出資料來(lái)求回歸方程式。 LOT大?。?X） 10 20 30 40 40 50 60 60 70 80生產(chǎn)人力（ Y） 20 29 50 60 70 85 90 95 109 120186回歸分析（ Regression）? FITS是從因素各個(gè)測(cè)定數(shù)據(jù)計(jì)算回歸方程式時(shí)的實(shí)測(cè)值， “Y” 的推測(cè)值是 manhour=+ lot size? Residual（殘差）的 error標(biāo)示是v實(shí)際反應(yīng)值上，把預(yù)想的反應(yīng)值從各測(cè)定值上減掉的值，上面例題值是 C4=C2C3187回歸分析（ Regression）v 回歸方程式的殘差（ Residual）是什麼？? 殘差（ Residual） Plot是回歸模式是否適當(dāng)，進(jìn)行檢查的分析工具v殘差（ Residual）的平均值始終是 “0”v殘差（ Residual）具有正態(tài)分析 (Normal Distribution)v殘差（ Residual）應(yīng)是隨機(jī)分布（即，不能有什麼樣的傾向）188回歸分析（ Regression）v 殘差分布形態(tài)? 按時(shí)間序列估計(jì)為等分散的情況189回歸分析（ Regression）? 估計(jì)是獨(dú)立的或可能不是直線關(guān)系的曲線形態(tài)190回歸分析（ Regression）? 其它變量也要一起考慮的情況191回歸分析（ Regression）v 殘差（ Residual）分析（正規(guī)性）v P146192回歸分析（ Regression）? 可以對(duì)殘差是否為正態(tài)分布進(jìn)行檢查? 或 StatBesic StactisticNormality Test Variable:Resi 1,Value=193回歸分析（ Regression）? 附加說(shuō)明v回歸方程式 y=a+bx,即 a（偏移） =，b=（截距）的值vConstant PValue? H0：回歸原點(diǎn)通過(guò)（ 0,0）? H1：回歸線未通過(guò)原點(diǎn)（ 0,0）? 上面情況是采用 H0，因此 0194回歸分析（ Regression）v對(duì)因子的 PValue? H0： Lot size=沒(méi)有意義（ or不影響）? H1： Lot size≠ 沒(méi)有意義（ or有影響）? 上面情況是 PValue=，因此可以判斷有意義vS值：表示誤差的散布，即表示推定的標(biāo)準(zhǔn)偏差值。越小越有好的值。vRSq ：觀察值到適當(dāng)線的變動(dòng)比率。195回歸分析（ Regression）vRSq(adj)：表示推定的回歸方程式的好的程度vFitting的回歸方程式可用因子來(lái)說(shuō)明的變動(dòng)v不能用適當(dāng)?shù)姆匠淌秸f(shuō)明的變動(dòng)v考慮實(shí)測(cè)值到平均值為止的變動(dòng)196回歸分析（ Regression）? 得出結(jié)論vLOT的大?。?X）是影響生產(chǎn)人力（ Y）的因子v因 RSq=%，可以判定為做了相當(dāng)?shù)呢暙I(xiàn)（一般推薦為 RSq的值為 65%）v從該例題可以看出殘差是正態(tài)分布的（ PValue=, Normality Test）197管理 (Control)198管理計(jì)劃v 什麼是管理階段？? Project（項(xiàng)目）的終了階段，并對(duì)業(yè)務(wù)的事後管理再分工。? 為了工序最適當(dāng)化的持續(xù)維持管理，必須能夠檢查出體系管理系統(tǒng)的變化。? 為了監(jiān)控 process及采取糾正措施等行動(dòng)而制定計(jì)劃。?