常用DOE方法实操培训教材资料.ppt

试验设计方法 4.2 数据分析-均匀设计 第三步：回归分析建立模型 当拟合项目较多时，可以先用逐步回归找出影响较大的项目，再用回归得出拟合模型。 选择路径：统计＞回归＞回归 回归P值=0.000＜0.05，模型有效 回归模型： 缺陷unit数=-4.12+48.7*间隙-1.09*速度*间隙+1.05压力-29.3间隙2+2.18压力*间隙-0.000233脱模*时间+0.000105*压力*时间 试验设计方法 4.2 数据分析-均匀设计 第四步：模型简化 模型中有不显著的项（P值＞0.05）时，删除不显著的项，并观察R-sq(adj)和误差项；以此为依据对模型进行简化。 该试验使用逐步回归得到的模型没有不显著项，因此不用简化模型。 试验设计方法 4.2 数据分析-均匀设计 第五步：残差分析 统计＞回归＞回归（Stat＞Regression ＞ Regression 残差的判定方法与部分因子试验残差判定相同 残差无异常 试验设计方法 4.2 数据分析-均匀设计 第六步：模型预测 参考书目： 实验设计（DOE) 应用指南 闵亚能著 机械工业出版社 六西格玛管理统计指南-minitab使用指导 马逢时等编著 中国人民大学出版社 均匀设计及其应用 曾昭钧主编 中国医药科技出版社 试验设计方法 1. 试验的一般步骤 根据目标选择试验类型 定义试验指标、因子、水平 试验表设计 试验实施 数据分析 输出结果 验证试验 达到目标 未达到目标 试验的三个基本原理：重复、区组与随机化（减少试验误差，提高精度） 试验设计方法 2. 试验类型的选取 试验类型 使用场合 分析方法 优点 备注 部分因子试验 一般用于试验因子≥5个的场合，用于筛选显著因子 方差分析 试验次数少 因子数少的情况下可选用全因子试验 响应曲面设计（RSM) 试验因子≤3个，试验指标一般为望大或望小 方差分析 可以拟合二阶模型并进行预测 均匀设计 用于试验因子数与水平数都较多的场合 回归分析 试验次数很少 常用的几种试验设计类型如下： 试验设计方法 3.1 试验设计-部分因子试验 分辨度：用于确认试验的效应相互混杂的程度。 判定方法：手指规则 试验设计方法 3.1 试验设计-部分因子试验 输入因子名称及相应的高低水平 选择试验次数，中心点、重复及区组的数量 选择是否要对试验顺序随机化 别名结构：别名结构显示了各个相互混杂的项。 当我们要考虑二阶交互作用时，分辨度要≥ Ⅴ 中心点可以用来估计试验误差及判定模型是否弯曲 试验设计方法 3.1 试验设计-部分因子试验 Stdorder:试验的标准顺序，是固定的； Runorder:试验的运行顺序，每次随机化的到的顺序可能不一致； CenterPt：数字0表示该组试验为中心点； 块：表示区组的数量。 试验设计方法 3.2 试验设计-响应曲面设计 星号点（star point)或轴点（axial point) 中心点（center point 立方体点（cube point)或角点（corner point) 项目类型 水平 序贯性 旋转性 CCC（中心复合序贯设计） (central composite circumscribed) (-α，-1,0,1，α）　 有　 有　 CCF（中心复合表面设计） (central composite face-centered design) (-1,0,1）　 有 无　 序贯性：指试验的连续性，上一次试验的数据可用于下一轮试验的分析，以避免重复进行试验。 旋转性：在某点处预报值的方差仅与该点到试验中心的距离有关，而与其所在方位无关，也即响应变量的预测精度在以设计中心为球心的球面上是相同的。 在试验水平更改较难的场合，可以考虑CCF设计，即α取1。 CCD设计试验点数 因子数 立方体点数 星号点 中心点 总计 2 4 4 5 13 3 8 6 6 20 4 16 8 6 30 5 32 10 10 52 5 16 10 7 33 试验设计方法 3.2 试验设计-响应曲面设计 α值选中间值是为CCF设计 输入因子名称及相应的高低水平 选择是否随机化 试验设计方法 3.2 试验设计-响应曲面设计 PtType:0表示中心点的组合 任务栏中显示该RSM设计的详细信息。 试验设计方法 3.3 试验设计-均匀设计 根据因子数及水平数选取均匀设计表（水平数一般≥2倍因子数 根据使用表选取所用的列（例：三因素十水平均匀设计，则选取1、5、6列进行试验排列 试验设计方法 3.3 试验设计-均匀设计 （1） 当某些试验组合