因子设计与饱和设计试验设计讲座3.pptVIP

全因子（ 23） 以23 实验为例 前面讲了二水平二因子设计分析、现在介绍全因子设计23实验计划具有三个因子，每个因子两个水平。 这种实验总共有8个组合 (23 =2 x 2 x 2 = 8 ). 主效果和交互作用 因子A, B和C将具有 3个主效果 A*B, A*C, B*C 3个二元交互作用 A*B*C 1个三元交互作用 例1 – 一个23实验 一个黑带欲评估洗涤剂的效果，他决定进行一个23实验 响应变量为去除污渍的量 因子Ａ：洗涤剂品牌（品牌Ｘ和品牌Ｙ） 因子Ｂ：　洗涤剂类型（粉状和液体） 因子Ｃ：水温（热水和温水） 将进行2个复制 例1 – 建立23实验计划 路径： Stat DOE Factorial Create Factorial Design 例1 – 建立23实验计划 例1:获取实验数据 例1:立方图 例1:主效果图 例1:交互作用图 例1:确定显著项 例1:确定显著项 例1:确定显著项 例1:简化模型 需要时，非显著项可以去除，形成减化模型。 一个例外：若存在一个显著交互作用,在这个交互作用中的因子的所有主效果必须要保留在模型内 Example 1- Reduced Model 例1:简化模型 Using Minitab, Stat DOE Factorial Analyze Factorial Design 例1:简化模型 例1:残差分析 残差: 在实验条件下实际值与通过模型的预测值之间的差异。 通过模型的预测值称为拟合 残差又等于实际数据与拟合值的差异 例1:残差分析 例1:残差分析 简化模型 Y = f(x) 从Minitab的输出中我们可以得到什么数学模型？ 例1:最佳设定 最佳设定是什么？ 部分因子设计 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。 例2: 2 3-1部分因子设计 假设你有3个潜在的因子需要调查， 而你又没有足够的时间和资源进行全因子实验。 建议实施一个23-1 部分因子设计 但问题是，你需要进行哪些组合呢？ 一个因子的效应与另一个因子的效应相同的话，则发生“混同”，任何一个部分因子试验，就会出现“混同”现象，混同现象的因子组合互为“别称”。 我们就要将“混同”留给高阶项，而真正关注的是主效果与交互不发生“混同” 那么有两个选择， 选择1为ABC+，选择2为ABC-。 这样则认为可以产生最少的“混同” 例2: 2 3-1部分因子设计 ABC = -1 部分因子设计 此设计称为一个23-1部分因子设计，其中 2 = 每个因子水平数 3 = 因子数 1 = 对应的完全因子设计的部分度(在这个实例中 2-1 = 对应的23 阶乘设计的 ?) 部分因子设计 对于一个2水平部分因子设计，通常表示符号为2k-p ，其中 2 = 每个因子水平数 k = 因子数 p = 部分度，或发生指数 Minitab: 建立2 3-1部分因子设计 Stat DOE Factorial Create Factorial Design Minitab: 建立2 3-1部分因子设计 别称关系 例: 别称关系 一个别称 是一个实验中的一个单独因子或交互作用的水平排列模式与另外一个因子或交互作用相同。 在一个部分因子设计中，每个单独的因子和交互作用都有一个别称。 别称关系 任何一个因子或交互作用的计算效果是别称变量的效果的总和估算，例如： A (或 BC) 的计算效果是A 和 BC的效果的总和估算。 因子A的效果称为交互作用BC 效果的混同。 试验设计例7 Minitab输出 设计分辨率 . 部分因子设计可以按分辨率来分类。 分辨率 III 设计 是那些不存在单独因子与另外一个单独因子有别称关系的设计，但存在所有单独因子与至少一个2因子交互作用有别称关系的设计。 1+2 设计分辨率 分辨率IV设计 是那些不存在单独因子与另外一个单独因子或任何一个2因子交互作用有别称关系的设计，但存在所有2因子交互作用与另外一个2因子交互作用有别称关系，而且所有单独因子与至少一个3因子交互作用有别称关系的设计。 1+3 2+2 设计分辨率 分辨率V设计 是那些不存在单独因子或2因子交互作用与任何其他一个单独因子或2因子交互作用有别称关系的设计，但存在至少一个2因子交互作用与一个