0302 x 2 试验.pptVIP

第4部分: 2 x 2试验 设计的实验: 因子排列 例1: 滚筒式洗衣机 例1: 滚筒式洗衣机 (Y对应值 = “ 清洁度”) 实验结果评估 实验结果评估 (续) 实验结果评估 (续) 交互作用(协同、不一致) 交互作用图－滚筒式洗衣机 实验结果评估 (续) 实验结果评估 (续) 主要影响置信区间 交互作用的置信区间 置信区间解释 数字式分析 (续…) 例2: 直升机实验 直升机实验 (续) 例 3: (虚构!)客户呼叫中心 在Minitab中创建设计： 创建DOE图 主要影响图: 交互作用图: 立方图: 置信区间： 例 3: 客户呼叫中心 (续) 主要概念: 第4部分2 x 2试验 中心位置 培训周数 因变量与自变量对照图 54 68 45 80 60 72 52 83 2 Tex N. Dak. 4 (注: Minitab可创建与此类似的数据表。参见附录中的详细说明。) StatDOEFactorial Plots . . . 用“ 每天接话平均数”为因变量设计3个图形，用双箭头键()选择两种因数 单击主对话框中的‘ OK’ ，创建图形 . . . 选择这三种图形 解释: 在测试区域,“ 培训时间”比“ 中心位置”明显对“ Y”的影响大 解释: 平行线，因此无交互作用。 N. Dak.的呼叫平均数始终大于Tex的平均数 4周培训后的呼叫平均数始终比2周培训后的数量多 运用最佳判断确定最好的操作点。在当前情况下，位置并没有使接话平均数有明显差异（74:77.5）。 我们也可以计算出每个X及X间的交互作用的置信区间 (或运用MINITAB中的数字分析法...) 置信区间 (95%) (X 1 - X 2 ) +/- t ( 4(n-1) df , .025) * s p * 平方根( 4 / N ) n是每个单元中的实验次数(2) N是实验总次数 ( 8 ) 4 / N = 1 / (N / 2) + 1 / ( N / 2) 对于 4 (2 -1) = 4自由度 t (4, .025) = 2.776 培训周数: (76 - 53) +/- 2.776 * 7.16 * 平方根( 4 / 8) = 23 +/- 14 = ( 9.0, 37.0 ) 中心位置: (67 - 62) +/- 2.776 * 7.16 * 平方根 ( 4 / 8) = 5 +/- 14 = ( -9.0, 19.0 ) : 74 + 56 _ 50 + 78 2 2 交互作用 (65 - 64) +/- 2.776 * 7.16 * 平方根( 4 / 8) = 1 +/- 14 = ( -13.0, 15.0 ) 注意! (‘0’ 不在置信区间内) 无法得出有显著性的结论 (‘0’ 位于置信区间内) 无法得出有显著性的结论 (‘0’ 位于置信区间内) 总结 经过4星期的培训之后，接电话话最高平均数出现在North Dakota呼叫中心 从图表上看，4星期培训计划的确提高接话数量 从置信区间计算结果看，我们可以认为在置信值为95% 条件下，4星期的培训计划提高接话数量 根据两个图表和置信区间计算值判断，两个呼叫中心之间没有很大差异 看一下主要影响图，对应值的较多差异主要是因为培训计划的影响大于接话中心的影响 很可能还可以创建期限介于2周和4周之间的最理想的培训计划。还可能有合适的实验来测试这个理论… 设计实验(DOE)是有效的-同一个实验有几种变量(X)变化，每一个变量对“ Y”对应值的影响都可以评估。 设计实验可以评估由 X在组合中的变化引起的交互作用。 完全因子实验测试自变量所有可能的组合- 2X2 析因设计运用两种变量的两个水平(低和高)，有2X2=4可能组合。 有3个图表用于分析析因DOE：主要影响图表，交互作用图表和立方图表 主要影响的相关值可以通过比较线的倾斜度来判断。倾斜度越大表示对Y的作用越大-在测试区内 如果两条平行,测验区域内交互作用无效 立方图表明在X所有组合中的对应值。选择优化对应值(Y) 的X)组合。 DO提供的是一种证明哪些潜在关键X是关键少数 附录 在Minitab中创建数据表: 数据表通常有助于显示总差异。我们运用