分析响应面实验.ppt

第十节：分析响应面实验目的： 在本部分中，我们将对第十节中的响应面实验进行分析，并使用其来创建过程模型。目标：设计和分析响应面实验的步骤说明：说明实验目标。创建一个实验矩阵。收集数据。将结果图形化。使用Minitab匹配全二次模型。分析会话窗口输出。简化模型。估计“纯误差”和“匹配不当”。生成和说明判断图。生成和说明等值线图。响应面实验实例目标：估计以下参数对制冷效果的影响：指标（100*异氰酸盐的摩尔数/[多羟基化合物中羟基的摩尔数+水的摩尔数]）气体成分（R141b的比率，残留物为碳的二氧化物）气体体积（标准条件下气体的摩尔数/泡沫的克数）…对于R141泡沫的压缩强度（psi）的影响。该实验由Miles负责督导。应用科技实验室报告AT-94-129测试矩阵创建和分析图表，以确定正确的模型格式响应与独立变量对比图响应与自变量对比图（续）主要效果图主要效果图匹配响应面模型会话窗口输出使用简单模型重新匹配：

组块、成分、体积、体积2残差分析会话窗口输出纯误差和匹配不足残差分析附加残差图创建一个等值线图以确定最优的X设置对等值线图进行解释

强度等值线图在响应面实验中分析变差重要概念：分析响应面实验附录参考文献1.*SixSigmaIntroductionGEAppliancesCopyright1999Rev.10December18,1998*第十节:分析响应面实验此处是上一节论及的制冷实例：在你上一节创建的设计中添加响应——“强度”（第七列）。让我们来分析一下这个实验…GraphPlot切记将数据图形化指标——强度成分——强度在此图中找不到能够证明指标影响强度的证据。在此图中找不到能够证明成分影响强度的证据。体积——强度体积越小、强度越大。两者间的对应关系可能为曲线关系。由图得出的结论：体积对于强度有很大的影响。指标和成分未显示对于强度有影响。StatANOVAMainEffectsPlot…主要效果图—用数据方法表示强度注意：Minitab显示每个自变量的5个级别间有一个等距离，但是不同独立变量的步长不同。由图得出的结论：在图中找不到能够证明指标影响强度的证据。图中显示能够部分的证明成分越多，强度越高。体积越小、强度越大，两者间的对应关系可能为曲线。StatDOEAnalyzeRSDesign…使用缺省设置发始进行分析：在模型左侧的所有项使用“全二次”项。在以后的实验过程中我们可以返回此对话框中来简化模型（如果可能）。双击“OK”来进行分析。点击“选项”…还记得“编码”么？如果你在Minitab中创建RS设计并点击“编码单元”，那么Minitab将自动对你的X变量进行编码。会话窗口为每一个模型项提供系数和p值：切记： H0：斜率=0 （非显著变量） Ha：斜率≠0 （显著变量）P值表明“组块”、“成分”、“体积”和“体积2”具有统计显著性，置信等级大于95%。R-Sq（adj）值表明该模型可说明响应（强度）变化的93％。注意p值大的项不具有统计显著性（p0.0.5）。点击“选项”…响应面回归：使用编码单元进行分析。估计的强度回归系数。StatDOEAnalyzeRSDesign或者“Ctrl-e”不要改变主要对话框（“编码”（集中）数据，组块）点击“Term…”只选择“成分”、“体积”、“体积2”项。使用左箭头键将选中的项从“选择”框外移到“可用”框中。在主对话框中，点击“Graphs”。创建残差图以便我们能够评价简单模型的质量。点击所有图形。对于“残差与变量对比”，选择“Index”到“Volume”。“组块”、“成分”、“体积”和“体积2”是具有统计显著性的项（p0.05）。“组块”代表实验进行的日期-它具有显著性。原因是什么呢？模型能够说明93.2%的变化（R-sq（adj））。响应面回归：使用编码单元进行分析。估计的强度回归系数。参见下一页三个开环间的差异是纯误差。三个开环平均数与匹配线之间的差异是“匹配不足”。纯误差：对于自变量常数值的响应的可重复性。这是一种内在误差（白噪音加上模型未包含的X项）。匹配不足：平均值与假定模型之间的偏差。如果模型不能很好地与数据相匹配，那么这个偏差值将很大。此例中，匹配不足的p值为0.047，将近0.5。由于我们没有具体理由相信二次模型就是系统的正确模型，所以可能要研究其他模型（或许是一个基于过程物理学的模型）。残差柱状图（响应变量为强度）这些残差图并未指明模型存在的问题。