2^k析因设计.pptVIP

ANOVA结果 结论：对于对数变换，模型仅需B、C、D就足以说明了。 模型的平方和 SS模型=SSB+SSC+SSD =5.345+1.339+0.431=7.115 R2=SS模型/SST=7.115/7.288=0.98 所以该模型解释了钻头推进速率中大约98%的变异性。 无重复析因中的位置效应和分散效应-例4 商用飞机内壁嵌板的生产过程。压制成形。当前生产条件下，嵌板的平均疵点太高（平均5.5个疵点/块）。设计一个24析因设计。4个因子：温度(A)、模压时间(B)、树脂流量(C)、压机闭合时间(D)。实验数据如下： 因子效应的正态概率图 可见，A和C是需要说明的。 分析效应图，可知低温度和高树脂流量会减少嵌板疵点的发生率。 残差的正态概率图没有显示异常情况(略)。 残差与B(模压时间)的关系图 显然，少的模压时间会使每块嵌板的平均点数有较小的变异性。 去掉D，投影成一个两次重复的23析因设计。 计算每个处理组合的平均疵点数和极差 可见，当B处于高水平时的平均极差为4.75，当B处于低水平时的平均极差为1.25。 工程师决定，取低的温度和高的树脂流量以减少疵点的平均数，取少的模压时间以减少每块嵌板疵点数的变异性，取少的压机闭合时间(对响应没有影响，但可以提高效率)。 分散效应 如果因子i为正时试验残差的方差σ2(i+)与因子i为负时试验残差的方差σ2(i-)，则统计量 近似服从标准正态分布。 分散效应Fi*的正态概率图 可见，B是与生产过程的分散性有关的一个重要因子。 响应的重复测量-例5 半导体工厂立式氧化炉的实验。响应变量是晶片的氧化物厚度。因子为温度(A)、时间(B)、压强(C)、气流(D)。实验过程：将4个晶片放到炉中，设置由实验设计要求的实验条件的过程变量，实施实验，测量4个晶片氧化物的厚度。 重复测量(duplicate measurement)，而非重复(replicate)实验。重复实验是每次在炉中试验一个晶片。由于4个晶片同时处理，降低了变异性。 用厚度均值作为响应变量估计效应。 可见，A、B、C、AB、AC的效应较大。 效应估计的正态概率图 可见， A、B、C、AB、AC是显著的。 方差分析结果为 预测平均氧化物厚度的模型为 y^=399.19+21.56x1+9.06x2-5.19x3+8.44x1x2- 5.13x1x3 残差分析是满意的。 等高线图 如将实验结果错误的视为重复，则为一个四次重复的24析因设计。 可见，显著的效应要多很多。 太多的因子被识别为重要因子将导致 试图处理或优化不重要因子造成资源浪费 其他感兴趣的响应增加不必要的变异 6 附加中心点设计 两水平析因设计模型 含有主效应和交互作用 二阶响应模型 二阶效应的估计 在2k析因实验中，重复某些点可得到一个独立的误差估计。 例如：中心点，xi=0(i=1,2,…,k)处做n次重复试验。 在设计中心处增加重复试验不影响2k设计中通常的效应估计量。 附加中心点的22设计 在中心点(0,0)处有nC个观测值的22设计。 判定方法 如果 很小，则中心点就处于或靠近通过因子点的平面上，故未发生弯曲。反之，则出现弯曲。 检验方法 利用中心点计算均方误差 计算纯二次项(弯曲)平方和 检验统计量 F=MS纯二次项/MSE 对例2实验增加4个中心点，得渗透率为73、75、66、69.4。 纯二次项不显著 中心复合设计 Central composite design 在2k设计中增加轴试验(axial run)。 附加中心点设计的几点建议 当析因实验在一个正在运行的过程中运行时，可以使用当前的运行条件作为设计的中心点。这样通常能确保实验中的操作人员能在熟悉的条件下完成任务，所以得到的结果不会比现在的结论差。 当析因实验中的中心点对应于通常的运行配方时，实验者可以利用中心点的响应观测值来粗略检查实验中是否存在任何“不寻常”现象。也就是说中心点的响应必须和常规过程运行的响应观测类似。可将中心点响应直接画在控制图上作为检查实验中正运行过程。 考虑以非随机次序在中心点进行重复。在实验开始时，在中心点做一次或两次试验，试验中期做一两次，在实验结束前，做一两次。随着中心点试验逐步进行，实验者可以在试验中对过程稳定性有一个粗略的检查。例如，实验进行时，如果响应有一个趋势，作中心点响应与时间顺序的关系图可以说明。 有时实验必须在很少或没有关于过程变异性先验信息的条件下进行。这种情况下，做2~3个中心点试验作为实验中的最初几个试验是有帮助的。这些试