实验和部分因子设计..ppt

6. 23实验和部分因子设计 学习目的 完成本章的学习后，学员将能够： 描述一个23实验 用minitab建立23实验计划 用minitab分析23实验结果 23实验 23实验计划具有三个因子，每个因子三个水平。 这种实验组合共有8个组合（23＝2Х2Х2＝8） 23实验 如因子A，B和C 3个主效果 3个二次交互作用 1个三元交互作用 在大多数情况下，三元交互作用可以略，但不是所有情况都可以。 如果不进行简化，会增加成本，过程变得更加复杂。 DOE例题-1 一个黑带欲评估洗涤剂的效果，他决定进行一个23实验（数据：Detergent.MTW） 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（热水和冷水） 进行2个复制。 利用minitab生成实验计划，并得到数据？ 过程步骤 建立实验计划 获取实验数据 立方图、主效果图、交互作用图 确定显著项 简化模型 残差分析 简化方程Y＝f(x) 最佳设定值 例题：立方图 例题：确定显著项 y 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 20.150 0.09922 203.09 0.000 Brand 2.350 1.175 0.09922 11.84 0.000 Type 4.100 2.050 0.09922 20.66 0.000 Temp -2.600 -1.300 0.09922 -13.10 0.000 Brand*Type -0.950 -0.475 0.09922 -4.79 0.001 Brand*Temp 0.350 0.175 0.09922 1.76 0.116 Type*Temp 0.100 0.050 0.09922 0.50 0.628 Brand*Type*Temp -0.050 -0.025 0.09922 -0.25 0.807 例题：确定显著项 例题：简化模型 需要时，非显著项可以去除，形成减化模型 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保留在模型内。 例题：简化模型 简化模型Y＝f(x) y 的系数估计，使用未编码单位的数据 项 系数 常量 20.1500 Brand 1.17500 Type 2.05000 Temp -1.30000 Brand*Type -0.475000 例题：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 通过模型的预测值为拟合值 残差又等于实际数据与拟合值的差异 最佳设定是什么？ DOE练习-1 缺陷定义： 预充气胀：预充气体使包装膜厚度膨胀超过电芯厚度的240％ 预充气胀比例＝预充后电芯气胀数理/生产电芯数量 DOE实验目的：研究以电池极片三个参数因子对Y预充气体量（ml）的影响： A：电池极片烘烤温度 B：电池极片烘烤时间 C：电池极片烘烤加热方式 采用3因子2水平重复2次23因子设计实验（数据见下页） 请确定显著项，简化模型，并分析残差，确定最佳设定？ 获得数据 DOE练习-2 场景 :一位工程师希望通过减小厚度来改善涡轮叶片质量，首先他想定量地研究在相关的生产过程中，三个最有可能会影响厚度的变量：铸造温度(Mold Temp)、浇注时间(Mold Time)和放置时间(Set Time)。根据