〈精品〉Unit-5改善5.42K全因子实验.ppt

步骤10 把数学模型的意义用实际流程中使用的语言解释后,得出结论,并提出解决方案(最佳化使用) 响应优化器 路径：统计DOE因子响应优化器…… 步骤11 再现最佳条件，制定下一步计划或适用变化的条件 最佳条件的导出 [课堂练习例题1] 2x2x2x2 阶乘法使用下面的 Minitab 文件 打开文件[Bhh325.mtw] 分析数据并发表结论. 本例题是对良品率有影响 4 种因子催化量, 温度, 压力, 浓度的实验. 最佳条件的导出 Data以 Design来定义 利用统计DOE因子自定义因子设计.. 制作下面文件. 最佳条件的导出 正态效应图和Pareto图 最佳条件的导出 对效果的 点图 D A BD B 为作影响的点图，使用 统计DOE因子分析因子设计, 点“存储”按钮，然后点击“效应.” 其次, 使用 图形 点图 并选择名为“效果1”的列 最佳条件的导出 制作什么样的 Effects Plot? Main Effects (主效果) 2-Way Interaction(交互作用) B*D 制作B*D 交互作用图和A 主效应图. A (Cat-Charge) B (Temperature) C (Pressure) D (Concentration) 推 论 : C不是显著的因子. 不需要因子B和D的主效果图，因为他们已包含在交互作用B*D中，而此交互作用图是要作的。 (※ 记住 : 相对主效果来说， 通常应先分析其交互作用) 最佳条件的导出 显著的效果分析(交互作用 - 主效果) 因为温度x 浓度交互作用(B*D)是显著的，所以我们用 统计DOE 因子 因子图 来作交互作用图： 最佳条件的导出 main effects plots中注意到温度 (B)的效果大的事实. normal effects plot中虽看起来不是很清楚, 但实际上催化量(A)和浓度 (D) 也很显著. 显著的效果分析(交互作用 - 主效果) 最佳条件的导出 调查描述统计量(Descriptive Statistics) 调查‘temp‘和 ’conc‘的水平组合的描述统计量； 可利用路径：统计表格描述性统计表格 最佳条件的导出 描述统计量调查(Descriptive Statistics) 最佳条件的导出 汇总统计量: Temp, Conc 行: Temp 列: Conc -1 1 全部 -1 65.25 55.25 60.25 5.058 5.560 7.265 4 4 8 1 84.75 83.75 84.25 4.573 4.573 4.268 4 4 8 全部 75.00 69.50 72.25 11.339 15.946 13.665 8 8 16 单元格内容: Convert : 均值 Convert : 标准差 计数 到 统计方差分析平衡方差分析 指定被发现是显著的因子 (A=催化剂, B=温度, D=浓度, 和温度*浓度交互作用 ): (A=Cat-Chrg, B=Temp, D=Conc, Temp*Conc interaction): ‘变换’ = ‘催化剂’ 温度 浓度 温度* 浓度 Convert = Cat-Chrg Temp Conc Temp* Conc 建立列C8, C9 和 C10 分别为 Source, SS 和 e-平方： 1. 从session 窗口复制Source Effects 2. 从session 窗口复制SS 数据 3. 使用“Calc”命令把列C9除以总SS (=2801)得到 ε-平方， 把计算结果放入 C10 e2 (epsilon-squared) 最佳条件的导出 温度(Temp)可判定为 实验中非常显著的因子. e2 (epsilon-squared) ※ e-squared值对分析结果的判断显著性提供参考. (可作为高次交互作用的实际显著度性的判断) 最佳条件的导出 来源 自由度 SS epsilon-squared Cat-Chrg 1 256 9% Temp 1 2304 82% Conc 1 121 4% Tem