doe课程培训.ppt

实验设计 DOEDesign Of Experiments 课程主要内容 实验设计（DOE）介绍及应用策略 全因子试验设计 部分实施因子实验设计与分析 响应曲面实验设计与分析 稳健性实验设计 实验设计的想法 Y=f(x) Y=f(x) ? 实验的定义(Experiment) 在一定的预算条件(费用, 时间, …)下,为了得出最大情报, 计划实验方法和分析方法. ? 给输出变量(Y)有意影响的输入变量(X)是哪些? 有多大影响? ? 无意的输入变量影响程度是多少? ? 测定误差是多少? ? 产生有意影响的输入变量在何种条件下, 可以得到最理想的输出呢? 全因子试验概述 全因子试验设计指所有因子的所有水准的所有组合都至少要进行一次试验； 当因子水准超过2时，由于试验次数随因子个数的增长而呈指数速度增长，因而通常只做二水准的全因子试验。如果确实需要做三水准或更多水准全因子试验时，软件也有此分析方法。但通常认为加上中心点后的二水准试验设计已经足够了，在相当程度上它可以代替三水准的试验，而且分析简明易行。 通常将k个因子的二水准全因子试验记为：2k试验，因此它是全因子试验的一个特例。 全因子设计例题 题目:提高成型塑胶板强度 在压力成型塑胶板生产中，经过因子的初步筛选后得知，影响成型塑胶板的因子有3个：压模间距 （distance）、成型压力（pressure)及压力角（angle）。在3个因子新的较好的范围内，什么生产条件下 可以获得最大的成型塑胶板强度（strength）。 步骤1：设计实验 步骤1：设计实验（续） Minitab输出－－计划表 步骤2：做实验、输入试验数据 步骤3：分析全因子模型（1.拟合选定模型） Minitab输出－Factorial Fit Minitab输出－Pareto Minitab输出－Residual Plots（3.判断模型要改进吗？） 步骤4：重新拟合模型分析（1.拟合选定模型） Minitab输出－Factorial Fit Minitab输出－Pareto Minitab输出－Residual Plots（3.判断模型要改进吗？） 部分实施因子试验概述 部分实施因子试验的方法原理 现有A、B、C、D四个可控的试验因子，每个因子都为二水准。如何能在8次试验中分 析出每个因子的主效应？ 部分实施因子试验的方法原理（续） 在上述正交表中，设定取ABCD=1,结果见下表。 分辨度及部分因子符号 一般我们可以查下表确定分辨度的数值 部分实施因子试验设计例题 题目：降低硫代硫酸钠产品的杂质率。 在硫代硫酸钠生产中，经过头脑风暴发现，影响其杂质率的原因有很多，至少有4个因子：成 分A含量，成分B含量，反应罐内温度及反应时间，而且成分A与成分B在反应中根本不相遇， 因而可以认为AB间无交互作用。由于试验成本很高，研究经费只够安排11次试验。 步骤1：设计实验 步骤1：设计实验（续） Minitab输出－－计划表 步骤2：做实验、输入试验数据 步骤3：分析全因子模型（1.拟合选定模型） Minitab输出－Factorial Fit Minitab输出－Pareto Minitab输出－Residual Plots（3.判断模型要改进吗？） 步骤4：重新拟合模型分析（1.拟合选定模型） Minitab输出－Factorial Fit Minitab输出－Pareto Minitab输出－Residual Plots（3.判断模型要改进吗？） 分析： （1）先看ANOVA表中的总效果(Main Effects) 。在本例中，对应主效应的P- Value为0.00，表明本模型总的说来是有效的。 （2）看ANOVA表中的弯曲项(Curvature)。在本例中，对应弯曲项的P-Value为0.824，大于0.05，则表明本批数据并没有弯曲现象。 （3）看ANOVA表中的失拟项(Lack of Fit)。在本例中，对应失拟项的P-Value为0.687，大于0.05，则表明删减模型后并没有失拟现象。 （4）各项效应的显著性。从参数估计中，可以看出，因子A、C、D及CD确实是高度显著的。而且，全模型的MSE=3.010，而删减模型中MSE=1.881，因此可以确定，删减模型效果是好的。 响应曲面设计与分析 响应曲面设计例题 题目：黏合剂生产条件优化 黏合剂生产条件优化问题。在黏合剂生产中，经过因子的筛选，最后得知，反应罐内温度 (及反应时间是两个关键因子。在本阶段的最初全因子试验时，因子A(Temp)的低水平及高 水平取为200度及300度，因子B(time)的低水平及高水平取为40