DOE-教育訓練講義(2).ppt

課程大綱 第一次課程回顧 2k因子設計 3k因子設計 課程大綱 第一次課程回顧 實驗計劃三階段策略 實驗計劃專有名詞 一因子實驗變異數分析步驟 作業檢討 2k因子設計 3k因子設計 實驗計劃三階段策略何時使用 DoE ? 實驗計劃三階段策略 實驗計劃三階段策略~實驗一 因子篩選流程 實驗計劃三階段策略~實驗二因子設計 3水準 自因子篩選階段之表現較佳的端點，向操作範圍內選取水準範圍。 少因子設計 因子選定1-4個，常用的3^2-3^4因子設計，減少人為誤判交互作用誤差。 實驗計劃三階段策略 實驗計劃專有名詞-1 因子(Factor)-任何輸入會在實驗中改變的參數。為達到實驗目的提出的原因或實驗的變數稱之，如不同的機械或反應溫度或時間。 因子水準(Levels of a Factor)-在針對各別因子所作實驗中，會被改變的設定數。 處理(Treatment)-因子水準的特定組合為處理。如Ａ因子含、、三個水準，Ｂ因子含、二個水準，則其處理數為。 實驗計劃專有名詞-2 主要影響(Main Effect)-基於各別因子(Factor)而改變的水準(Levels)所得到的回饋反應(Response)的變更。 交互作用(Interaction)-當對單一因子(Factor)作其它單一或多個因子(Factor)各種組合設定，所得主要影響(Main Effect)不一致或不連貫(Consistent)時。 交互作用影響(Interaction Effect)-在交互作用時改變多因子(Factor)所得到的回饋反應(Response)。 一因子實驗變異數分析步驟 Step1. 編輯試驗順序表 Step2. 收集數據 Step3. 檢查數據是否有效，即確認有無離散值（outlier） a.先求算各小組之全距 R b.根據樣本大小，查管制圖係數表得D4 c.求算全距R上限值 d.若各組全距值皆小於上限值，則可視為有效數據。 一因子實驗變異數分析步驟 Step4. 求算ANOVA分析表之數據 一因子實驗變異數分析步驟 一因子實驗變異數分析步驟 Step5.求最佳條件值(利用多重比較法) 一因子實驗變異數分析步驟 Step6.求最佳特性值範圍(利用信賴區間法) 課程大綱 第一次課程回顧 2k因子設計 因子設計原理 22因子設計實例介紹 2k因子設計介紹 2k設計Yate’s演算法 3k因子設計 因子設計原理~何謂因子設計? 所謂因子設計，我們是指在每一次完整的試驗或重複當中所有可能的因子水準組合都被測試過。例如，如果因子A有a個水準和B因子有b個水準，則每次重複包含了全部的ab種處理組合。 2k因子設計？ 2=兩水準 k=k個因子 22因子設計實例介紹-蛋糕烘烤實驗 目的:經由改變建議的溫度和時間，去找出最佳的烘焙條件。 建議溫度及時間: 30 minutes at 350 oF 雜訊因子: (1)操作人員(2)烤箱形式 (3)配料形式(4)每個烤箱的烘烤數目。 設計考量: (1)固定烤箱烘烤(2)相同的配料形式(3)每一次烘烤1個蛋糕 (4)每種組合重複三次 (5)每個蛋糕烘烤完由單一評審評分 22因子設計實例介紹-蛋糕烘烤實驗 22因子設計實例介紹-蛋糕烘烤實驗 因子效應的估計 22因子設計實例介紹-蛋糕烘烤實驗 主效應的計算: 溫度反應: 增加溫度能增加平均的分數 12 - 8 = 4 個單位。 烘烤時間的反應: 增加影響(Effect)能增加平均的分數 14 - 6 = 8 個單位。 22因子設計實例介紹-蛋糕烘烤實驗 交互效應: 交互圖: 這是一種能展示出兩個或兩個以上因子組合時的影響(Effect)， 其中一個因子是X軸，平均的回饋反應(Response)則用線條串聯起來 以表現出其他因子的交互作用。若線條相互平行則表示無交互作用。 22因子設計實例介紹-蛋糕烘烤實驗 二因子(A、B）交互作用影響定義： B的兩個水準下A的平均效應的差。 →effect of AB = (A+ (B+-B-)-A-(B+-B-)) / 2 = ((A+ B++A-B-)-(A+ B-+A-B+)) / 2 三因子(A、B、C）交互作用影響定義 C的兩個水準下AB交互作用的平均差。 →effect of ABC＝(C+ (A+ (B+-B-)-A-(B+-B-)) – C- (A+ (B+-B-)-A-(B+-B-)) ) / 2 22因子設計實例介紹-蛋糕烘烤實驗 交互效應估計 22因子設計實例介紹-蛋糕烘烤實驗 練習時間：