2k因子设计辩析.ppt

为了得到所有平方和项，必须做一个平衡方差分析 ? 统计方差分析平衡方差分析… 步骤11:计算%SS Notes: %SS值帮助实验者决定哪些统计上显著的因子上是真正重要的。只要有足够的数据。任何事可以在统计上是显著的。本例中，显著的主效果，时间和温度，合起来大约是实验总偏差的96%。交互作用项只有3%，而误差项仅占1%。 大多数人都乐见用主效果能够解释总偏差的96%，因而可能忽略交互作用项。这里我们用了教科书的例子。在许多实际实验中，能由实验变量解释的总偏差远远小于96%。 HRC=45.6+1.6*Temp+1.4*Time+0.4*(Temp*Time) 结论: ? 通常，如果工艺参数既不是设置在高水平上又不是设置 在低水平上，其平均硬度将为45.6 ? 温度和时间对于硬度两者都重要，其效果不是简单相 加。 建议: ? 为了获得最大的HRC值，将温度和时间设置在高水平 上，在这个操作设置上，估计HRC为49。 ? 也许需要一个控制系统来监控温度与时间之间的交互作 用，但是其交互作用的影响非常小。 步骤13:复制最佳状态。计划下一步实验并将变化制度化。 步骤12:转化为实际问题 Notes: 一定要下结论并提出建议，特别是在实验结果不是确定无疑的情况。。 正确的结论是需要获得更多的数据或做更多的实验。才能提出合理建议。 有时，在首次实验中就可能发现导致改进的条件。但是，初期实验很少能达到最优化的状况。如果可行， 将工艺条件改变为可以获得改进的设置，同时，设计并进行另一个必须的实验来发现真正的优化条件。这样，你可以在继续实验的同时先得到一部分好处。这也可为你获得更多实验所需的资源提供例证。 在热处理实验进程中，该工程师也拥有另一种合金钢的样本。其数据在HeatTreat.mtw文件的数据表HRC2列中。 运用DOE方法分析第二组合金钢的数据。 练习 Notes: Page* Notes: 本课中使用到的文件： HeatTreat.mtw 2K 因子设计 演示2水平因子设计 复习DOE术语和符号 练习DOE设计及分析 目标 Notes: 2k因子设计是最有用的因子设计之一，广泛地运用于初始筛选实验中，工程师关键是要理解该模块的概念，因为它是更深层次实验模块的基础，特别是部分因子设计和响应曲面设计的基础。 1.使用因子实验的第一个理由是: 2.每个因子的研究需要较少的试验； 3.很合适做初步的研究用相对少的试验研究大量因子 4.提供比较好的研究顺序 5. Minitab使分析更容易(Minitab有许多2K设计的路径) 使用2K设计的五点理由 Notes: 在本课中，2K因子设计的分析输出事实上是y=f(x)，即所研究流程的定义方程式。 Y=f(x) 2K设计是所有因子只有两个水平的实验。 符号: ?在2x2x2实验中有多少因子？每个因子有几个水平?全因 子实验中有多少种实验组合? ?有2x2x2x2x2实验中有多少因子和几个水平?全因子实验 中有多少种实验组合?25等于什么? ?在27实验中有多少因子和几个水平?有多少种实验组合? 2K ?在2K因子实验中有多少因子和几个水平? ?有多少种实验组合? 2K因子设计--符号 Notes: 1.陈述实际问题和实验目的 2.陈述因子和水平 3.选择合适的样本尺寸 ? 统计 功效和样本数量2 水平的因子设计… 4.设计实验 ? 统计DOE因子创建因子设计… 5.做实验/收集数据 6.为整个模型建立ANOVA（方差分析）表 ? 统计DOE因子分析因子设计… 7.去除不显著的(高p-值的)项或平方和影响低的项(在Pareto图或 正态图中)后，再简化模型 8.研究残值组图保证模型适合 ? 统计回归回归... DOE处方 Notes: 在每一个模块中，我们会逐步建立DOE方法，对于所有的因子实验，请遵循这个方法。 9. 研究显著的交互作用(P-值0.05)-首先从高阶入手 ? 统计DOE因子因子图 ? 统计方差分析交互作用图 10. 研究显著的主效果(p-值0.05) ? 统计DOE因子因子图 ? 统计方差分析交互作用图 陈述获得的数学模型Y=f(x).计算%SS的影响和评估实际 的重要性. 12. 将模型转换为真实的流程设置，下结论，提建议 复制最佳状态.计