1-6西格玛-CSP氧化铁皮压入v8 模版.ppt

I-2 X的试验分析 回归系数显著性检验 总的显著性检验效果 方差分析 通过三个方面对试验结果进行显著性分析 结论：氧化铁皮缺陷率的效应和系数的估计（已编码单位） 项 效应 系数 系数标准误 T P 常量 0.14417 0.001981 72.77 0.000 轧制公里数 0.09050 0.04525 0.001981 22.84 0.000 除鳞压力 -0.13350 -0.06675 0.001981 -33.69 0.000 炉内气氛 -0.07417 -0.03708 0.001981 -18.72 0.000 在炉时间 0.04183 0.02092 0.001981 10.56 0.000 除鳞压力*炉内气氛 0.04200 0.02100 0.001981 10.60 0.000 除鳞压力*在炉时间 -0.01067 -0.00533 0.001981 -2.69 0.016 炉内气氛*在炉时间 -0.01900 -0.00950 0.001981 -4.79 0.000 回归系数显著性检验 P值都小于α=0.05，故这些因子均为显著性因子 I-2 X的试验分析 回归总效果度量 S = 0 PRESS = 0.0033915 R-Sq = 99.30% R-Sq（预测） = 98.42% R-Sq（调整） = 98.99% 对于 氧化铁皮缺陷率 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 4 0.199579 0.199579 0.0498948 529.62 0.000 2因子交互作用 3 0.013433 0.013433 0.0044776 47.53 0.000 残差误差 16 0.001507 0.001507 0.0000942 纯误差 16 0.001507 0.001507 0.0000942 合计 23 0.214519 R-Sq 与R-Sq（调整）很接近， 且S大约是0.01，上下大约2S即0.02左右，所以我们认为模型拟合总效果有效。 由于P值=0.000＜0.05，说明在显著性水平α=0.05下，所以整体上判断回归方程是显著有效的。 红色方形点均为半正态下的显著性因子影响权重 从标准化效应的Pareto图亦可判定出对应的显著性因子的影响权重 试验模型下显著性因子对应的影响权重：通过半正态和Pareto图对比分析 I-3 X显著因子的影响权重 I-4 改善后Y的结果 残差的直方图也显示了残差的正态性。 此图正常，本试验中残差对观测值顺序随机波动，彼此间是独立的。 此图正常，未见明显喇叭口形状分布，说明线性模型是可以接受的。 氧化铁皮缺陷率的残差分析 此图正常，数据点基本在一条直线上，即可认为残差服从正态分布。 显著性因子的模型结果： 氧化铁皮缺陷率=0.144+0.045轧制公里数-0.067除鳞压力-0.037炉内气氛+0.021在炉时间+0.021除鳞压力*炉内气氛 -0.005除鳞压力*在炉时间-0.01炉内气氛*在炉时间 I-4 改善后Y的结果 通过上述模型实现最优化，这个图中共有4列，分别是我们的三个显性因子，最上端列出各变量的取值范围和最优设置（用中括号括起），最优值为左下角的响应值0.01。 氧化铁皮缺陷率最小值。 氧化铁皮缺陷率最优时对应三个因子的取值。 新观测值的预测值 新观 拟合值 测值 拟合值 标准误 95% 置信区间 95% 预测区间 1 0.010 0.00992 (-0.00402, 0.03736) (-0.03807, 0.07140) 新观测值的自变量值 新观测值 轧制公里数 除鳞压力 炉内气氛 在炉时间 1 -1.00