404.部分因子设计.pptVIP

交互作用图 饱和设计 饱和设计是一种实验计划，它利用最少的实验次数分析一个指定数量因子 的效果。 饱和设计只是致力于估算主效果！并假定所有的交互作用都是不显著的。 对于无复制的饱和设计，不存在自由度误差，因此不可能对因子显著性 进行方差分析。 因子效果的显著性可以通过下列工具评估 ◆柏拉图 ◆正态概率图 例子：饱和设计 某黑带欲找出哪些因子对电路板蚀刻工序产生主效果，他希望分析从头脑 风暴中产生的7个因子： Factors Low High A Resist thickness 0.1mm 0.5mm B Develop time 80s 90s C Develop concentration 3.1:1 2.7:1 D Exposure 200 240 E Develop temperature 19C 23C F Circuit line thickness 1mm 3mm G Rinse time 6s 12s 04-15 例子：饱和设计 他实施了27-4实验来筛选有影响的因子。数据在文件：Saturated Design.MTV练习：用建立27-4实验计划。不要随机化实验次序。 04-15 例子：分析结果 统计DOE因子分析因子设计 04-16 例子：分析结果 拟合因子: y 与 A, B, C, D, E, F, G y 的效应和系数的估计（已编码单位） 项 效应 系数 常量 77.575 A -4.450 -2.225 B -0.400 -0.200 C 10.650 5.325 D -0.500 -0.250 E 1.250 0.625 F -0.400 -0.200 G 0.700 0.350 S = * PRESS = * 对于 y 方差分析（已编码单位） 来源 自由度 Seq SS Adj SS Adj MS F P 主效应 7 271.7 271.7 38.81 * * 残差误差 0 * * * 合计 7 271.7 例子：分析结果 因子A和C是显著的 04-17 例子：分析结果 因子A和C是显著的 例子：主效果图 统计DOE因子因子图 04-18 例子：主效果图 统计DOE因子因子图 筛选实验 ◆使用饱和设计 ◆只用于确定对输出变量有强烈影响的主效果 ◆包含很少的实验次数和很多的因子数 ◆假设所有的交互作用相对来说都是不显著的 最常见类型是一个Placket-Burman Design 所有饱和设计有很高风险 04-19 Placket-Burman 设计例题 11个变量的12次实验 Minitab:Placket-Burman设计 统计DOE因子创建因子设计 用Minitab建立一个Placket-Burman Design。需要分析11个因子，时间和资源 只允许我们做12次实验。 04-20 Minitab:Placket-Burman设计 总结 04-21 ◆对于筛选和稳健实验而言，小的2水平因子和部分因子实验在工业中 具有巨大的实用价值。 ◆当没有实施所有实验组合时，就会导致混淆。 ◆理解实验结果时，必须要考虑混淆的效果。 ◆基于有序性基本原理，混淆并不象其看起来那样有损害。 * 六西格玛黑带培训教材部分因子设计 Factorial Factorials Design 04-1 学习目的 课程结束时，你将能够：◆解释什么是筛选设计◆解释并建立部分因子设计◆解释什么是别名关系◆解释什么是设计的分辨率◆理解并建立折叠设计◆理解并建立饱和设计 什么是筛选设计 ◆筛选设计是一种实验设计，其目的是尽可能高效地将有影响因子与无影响因子区分开。◆一个部分因子设计是运行一个全因子设计实验组合的一个子集。 04-2 部分因子实验的优点 ◆在调查研究初期，具有潜在影响的因子通常很多。◆因子数量的增加，2k因子设计中所需的实验次数呈指数增加。 筛选设计的优点 部分因子设计能够大大减少实验次数。 Factors Runs Required 全因子 部分因子 4 16 8 5 32 8,16 6 64