六西格玛之改善K全因子实验.ppt

因为本例中没有离散水平的因子,故应从最难调整的因子开始设置,假设为了达到80%认知度的目标,广告方法为高水平时为比较好,则当C=+1(即集中广告),广告时间为低水平B=-1(广告时间为18时)时, 广告费为高水平A=+1(10百万)时,广告认知度=83% 广告费为低水平A=-1(2百万)时,广告认知度=52% -1和+1之间的某一值必须满足广告认知度=80% 如果假定B=-1,C=1,A为未知数,求满足广告认知度=80%时A的值? 80=64.25+2.5+0.75+(11.5+5.0)A,则A=12.5/16.5=0.757 即广告费可设置为9百万(计算参考下面的方法) 10-6 = 4 = X (+1)-0 = 1 = 0.757 X =3.06+3= 9百万 实际值 编码值 2 6 10 -1 0 +1 0.757 9 最佳条件的导出 第六十二页，共八十六页。 各效果的计算答案汇总 答案 广告费(A) 广告时间(B) 广告方法(C) A×B A×C B×C A×B×C 认知度 -1 -1 -1 1 1 1 -1 60 1 -1 -1 -1 -1 1 1 72 -1 1 -1 -1 1 -1 1 54 1 1 -1 1 -1 -1 -1 68 -1 -1 1 1 -1 -1 1 52 1 -1 1 -1 1 -1 -1 83 -1 1 1 -1 -1 1 -1 45 1 1 1 1 1 1 1 80 总和- 211 267 254 254 237 257 256 　 总和+ 303 247 260 260 277 257 258 　 差异 92 -20 6 6 40 0 2 　 平均效果 23 -5 1.5 1.5 10 0 0.5 　 哪一个影响是较显著的呢? 最佳条件的导出 第三十页，共八十六页。 1、利用统计DOE因子创建因子设计, 建立Design Matrix表. 2、利用统计DOE因子分析因子设计, 分析实验结果. - 如果实验没有重复,则点击“图形” 按钮下的“正态效应图”或是 “Pareto Plot”来分析； - 如果实验有很多因子(3),利用“项” 按钮可以标示效果的1次（主效果） 到3次(3因子交互作用). 3、对于高次交互作用，要优先分析其P-value. 或者利用图形（如 正态效应图 和 Pareto Plot），把握脱离直线或红线的主效果 和交互作用. 4、为了了解交互作用, 利用统计方差分析交互作用图. 5、(可选择)对于主要的交互作用，利用 统计表格描述性统计表格 调查其描述统计量 2k 阶乘法分析步骤 第三十一页，共八十六页。 2k 阶乘法分析步骤 6、如果没有显著的交互效果, 对于主效果 (Main Effects)，可利用如单因子方差分析相同的分析. 通过图形分析主要利用主效果(Main Effects plot). 7、以第一次分析结果为基础，将不显著的交互作用只利用显著的效果制造缩小模型重新实施分析. 然后实施残差分析(Residual Analysis). 不需要缩小模型的情况下直接实施残差分析. 8、为了查看各效果是否显著, 计算显著的效果的 e2 . 为了求出显著效果的平方和(Sum-of-Squares)利用 统计方差分析一般线形模型 或 平衡方差分析 9、(选择) 利用统计 方差分析 等方差检验, 确定残差 (residuals)的分散是否被因子水准所决定. 10、结果和劝告事项用文件制成. 11、制定下次实验计划 第三十二页，共八十六页。 步骤1 问题定义: 某广告策划工程师想知道对电视广告认知度有影响的广告费,广告时间,广告方法的效果. 决定因子及水平: A 广告费(Money) : 2百万 (-1), 10百万 (1) B 广告时间(Time) : 18时 (-1), 21时 (1) C 广告方法(Method) : 分散 (-1), 集中 (1) 步骤2 2K全阶乘Minitab分析方法 最佳条件的导出 第三十三页，共八十六页。 Data Matrix制作 路径:统计DOE因子分析因子设计 要进行8次Run的3个因子的全阶乘实验, 首先指定因子数,点击”Design”出现右下的画面时,再选择Full Factorial项 因子数 选择全阶乘 反复数 最佳条件的导出 第三十四页，共八十六页。 反复的原理 对同一处理组合全