【正文】 須注意以下內(nèi)容 ?用數(shù)據(jù)決定什麼？ ?數(shù)據(jù)收集後怎麼分析？ ?得到的數(shù)據(jù)做必要的決定時有用嗎？ ? 如果不是重新樹立計劃 125 試驗計劃法的樹立 ?選定反應(yīng)值（從屬變量） ‘ Ｙ ’ ? 選定的題目可能有多個 ‘ Ｙ ’ ?題目展開後 (Logic Tree等 )，選定 ‘ Yn’的各個獨立因子 ‘ X’進(jìn)行改善 ?計數(shù)值數(shù)據(jù)的效率性是計量值的 63%左右時，有必要更多數(shù)據(jù) ?當(dāng)測定 ‘ Y’困難時，采用給予分類或跟標(biāo)準(zhǔn)進(jìn)行比較的方法 126 試驗計劃法的樹立 ?測定後的樣本數(shù)據(jù)最好是保存，必要時再進(jìn)行對比調(diào)查 ?當(dāng)數(shù)據(jù)測定有主觀性時，可能有時間偏移，因此必須隨機化或盲化實施 ?試驗前不管數(shù)據(jù)的種類，必須對 ‘ Y’實施 Gage RR，其值要少于 20% 127 試驗計劃的樹立 ?選定因子（獨立變量） ‘ X’ ? 獨立變量有多種 ?在試驗上接意圖變化的試驗變量 ?不是有意變化的可觀察的變量 ?Blocking變量（人為制造的變量） ?潛在變量 128 試驗計劃的樹立 ? 選定獨立變量 ?利用測定、分析階段得到的統(tǒng)計分析結(jié)果 ?專家意見 ?大腦風(fēng)暴法 ?Flow Chart ?現(xiàn)象分析數(shù)據(jù) ?特性要因圖 ?競爭社分析 ?顧客分析 協(xié)力社調(diào)查 ?Process Mapping ?Rolled Through Yield 129 試驗計劃的樹立 ? 潛在變量 ?潛在變量是給結(jié)果帶來影響的，但難以發(fā)覺，并且不可能控制和測定。 ? 主效果及交互作用 ?主效果比普通交互作用更重要。 130 試驗計劃的樹立 ? 選定因子水平 ? 水平數(shù)可以按試驗的目的和反應(yīng)值的圖表形狀來決定 ?能用篩選試驗來找出得要的因子的話，使用典型的 2水平 ?‘ Y’值按水平產(chǎn)生充分差異的範(fàn)圍來選定水平 ? 如果選定的溫度範(fàn)圍小，幾乎不影響應(yīng)答的話，可能錯判為溫度不重要的因子 ?確定的水平不能超出現(xiàn)實可能的水平（最佳的選定水平上，不能適用實際的話郵局不能改善） ?試驗的幾個調(diào)和可能是不能接受的反應(yīng)值，但是那種條件下，可能出現(xiàn)最佳值？ 131 試驗計劃的樹立 ? 選定試驗計劃 ? 做試驗計劃時要想 10個重要概念 ?直交性 ?隨機性 ?再現(xiàn)性 ?反復(fù)性 ?管理能力 ?潛在變量 ?Noise變量 ?Blocking ?Sample的大小 ?交叉 132 試驗計劃的樹立 ?試驗計劃的選定 ? 直交性 ?試驗配置或部分配置法上把因子的效果做成彼此獨立而使用 ? 隨機化 ?為了防止非試驗的因子的外部要因引起的效果時使用 ? 試驗順序隨機化 ? 試驗 Unit隨機化 ? 測定順序隨機化 133 試驗計劃的樹立 ? 再現(xiàn)性 ?完全再設(shè)置度驗裝置，在同樣水平上追加得到值的時候 ? 在做測定時可減少散布 ? 對對試的結(jié)果增加信賴感 ? 反復(fù)性 ?反復(fù)各試驗 Run 得到 Sample不如再現(xiàn)性，但能測定變動 ? 管理： ?選定的條件，必須能得到管理 134 試驗計劃的樹立 ? 潛在變量 ?不太明確，控制也困難，測定也不可能，但影響反應(yīng)值的值。 ? Noise變量 ?已知道影響反應(yīng)值，但控制困難的變量，為了減少這個變量選定預(yù)想的 Noise變量，在所有水平上實施試驗 135 試驗計劃的樹立 ? Blocking ?Block是同質(zhì)性的集團(tuán)，如果判斷為一些要因成為問題時，把那個要因選定為 Blocking因子 ? Blocking因子來選定的話，不增加試驗烽，可要因分析 ? Blocking不選定為 Blocking因子的話，試驗結(jié)果出現(xiàn)問題，不能分析原因 ? 樣本的大小 ?考慮測定值的變化程度等，決定樣本數(shù)，質(zhì)。 ? 試驗和實施數(shù)據(jù)收集 ? 試驗之前準(zhǔn)備數(shù)據(jù)表格，可能的話，把相關(guān)的所有內(nèi)容全部記錄。 ?實驗期間可以知道條件的範(fàn)圍是否恰當(dāng) 137 試驗計劃的樹立 ? 測定後的樣本，因有的時候需要再調(diào)整測定樣本，最好要保管。 ? 能夠知道怎樣實施試驗，對提高試驗技術(shù)有用。 ? 認(rèn)為紡紗生產(chǎn)工序上反應(yīng)溫度影響紡紗產(chǎn)品的強度，因此為了了解按 反應(yīng)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(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回試驗按隨機順序來實施。 146 一元配置法 ? 按反應(yīng)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(fù) 147 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。 ?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） 148 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 149 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 151 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) 152 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 249 486 735 153 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 154 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。 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 155 要因配置法 (Factorial Design) ? Cube plot 156 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 157 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。 159 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 43 160 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)]。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 161 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 162 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 1 163 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。（線體速度和清洗液濃度在高溫度下沒有差異） 164 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 165 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)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 167 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 168 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) 169 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 170 部分配置法 (Fractional factorial design 1 1 +1 X1 +1 1 +1 X3 X4 1 +1 X2 1 +1 X5 171 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，