MINITAB案例：用缺失数据进行实验设计.doc

MINITAB案例：用缺失数据进行实验设计 【文章摘要】通过获得最佳的焊缝渗透的工艺参数的实验设计，剖析了由于缺失数据的存在，造成了正交性与平衡性的失拟，导致了因子的效应不能独立预估，并降低了模型的精确度。通过对失拟的程度评判作出决策，如果稍有一些失拟，影响也比较小，但是，如果随着缺失数据的增加，失拟也在增大。针对多数情况，还是可以通过功能强大的MINITAB的菜单操作能够轻易完成的。本实验的成功应用到实际工作中，开创了解决异常问题的复杂实验设计的新局面。　　通过获得最佳的焊缝渗透的工艺参数的实验设计，剖析了由于缺失数据的存在，造成了正交性与平衡性的失拟，导致了因子的效应不能独立预估，并降低了模型的精确度。通过对失拟的程度评判作出决策，如果稍有一些失拟，影响也比较小，但是，如果随着缺失数据的增加，失拟也在增大。针对多数情况，还是可以通过功能强大的MINITAB的菜单操作能够轻易完成的。本实验的成功应用到实际工作中，开创了解决异常问题的复杂实验设计的新局面。 　　概述 　　什么是实验设计中的缺失数据？ 　　如果一个或多个实验处理没有响应值，那么DOE的分析涉及到缺失数据的分析。 　　什么时候在设计的实验中会发生缺失数据？ 　　有好几种情况导致不完全的实验设计的发生，形成了实验中的缺失数据： 　　- 实验被停止，因为完成实验所需要的资源不再提供，如没有时间、资金、原材料等。 　　- 从实验中获得的数据不正确的，在残差分析中出现明显的奇异数据。观察到的奇异数据，常常是由于测量错误，数据登录错误，不寻常的环境条件，和实验设置的问题。 　　- 观察到的数据丢失了。 　　在实验设计中怎样分析缺失数据？ 　　你可以使用 MINITAB 的DOE 菜单来分析，虽然设计一般不再正交，但是，我们通过评估缺失数据对模型的影响程度，利用逐步回归进行分析，在减少模型时，一次减少一个因子的方法，最后得到简化的适合模型。 　　问题的由来 　　一种钨(惰性气体)焊接操作是在二块钢板之间产生一条焊缝，焊缝渗透深度会影响装配件的使用寿命。期望获得较大的焊缝渗透深度，制造厂购买了一种新的焊接设备。 工程师进行试验来找出以获得最佳的焊缝渗透深度的工艺设计参数。 　　焊接工艺关键的可控制的变量是： 　　火把/电极速度(Speed)，焊接电流(Current)，气体流动速度(Flow)和工件到焊接点的距离(Distance)。这些因子有些在实际应用中有交互作用，因此工程师们创建了一个全因子设计来考虑和估计交互作用。他们复制了一个全因子实验设计，以获得更好的因子主效应与交互作用的效应估计。 　　 　　数据收集 　　数据文件Missingdata.MPJ 　　变量 描述 　　StdOrder 　 标准序 　　RunOrder 　 运行序 　　CenterPt 　 中心点 　　Block 　 区组 　　速度(Speed) 　 电极速度 　　焊接电流(Current) 焊接电流 　　流速(Flow) 气体流速 　　距离(Distance) 工件和电极尖端的距离 　　焊缝渗透深度(Weld Penetration) 二块钢板的焊缝深度 　　分析步骤 　　阶段 1 : 制定完全模型(Full model)的 ANOVA表，解释结果 　　1)打开文件 MISSINGDATA.MPJ 　　2)选择　统计 DOE 因子 分析因子设计 　　3)在响应栏选择　Weld Penetration（焊缝渗透深度） 　　4)点击　项 　　5)完成如下对话框 　　6)点击确定 　　结果分析 　　拟合因子: Weld Penetration 与 Speed, Current, Flow, Distance 　　Weld Penetration 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 20.7631 0.7069 29.37 0.000 　　Speed -0.7988 -0.3994 0.7069 -0.56 0.580 　　Current 1.0563 0.5281 0.7069 0.75 0.466 　　Flow 0.7637 0.3819 0.7069 0.54 0.597 　　Distance -0.3825 -0.1912 0.7069 -0.27 0.790 　　Speed*Current -1.5738 -0.7869 0.7069 -1.11 0.282 　　Speed*Flow 0.4912 0.2456 0.7069 0.35 0.733 　　Speed*Distance 0.5000 0.2500 0.7069 0.35 0.728