doe与mintab操作.pptxVIP

1 一.实验设计概述 目录 二.全因子实验设计及Mintab实现 三.部分因子实验设计及Mintab实现 2 实验设计的作用？ 1.减少实验次数，缩短研发时间，降低成本 2.科学的量化变量的作用，确定影响流程/质量性能的关键因素以及关键因素之间的相互联系。 3.优化关键技术参数，使结果输出更优。 4.通过精确地数学模型预测产品或过程的性能。 方差分析 正交实验设计 稳健设计 现代多元化实验设计 残差分析(Residual analysis); 应用回归分析(Regression)； 部分因子实验(Fractional factorial design); 响应曲面和调优运算(RSM EVOT)。 实验设计发展历程： 3 一、试验设计概述 1.1 试验设计的概念 【概念】 DOE是研究正确的设计试验计划和分析试验数据的理论和方法，通过改变过程的输入因素，观察其相应的输出响应变化。 是对实验方案进行优化设计、以降低实验误差和生产费用，减少实验工作量并对实验结果进行科学分析的一种科学研究方法；是一种藉用实验的手段来决定最佳设计或生产的方法。 【目的】 确定各输入要素的重要性以及各输入因素如何影响输出响应，并如何达到最优化过程的目的。 1.2 试验设计的实质 【实质】 通过对试验的合理安排，以较少的试验规模、较短的试验周期和较低的试验成本获得理想的试验结果或正确的结论。 过程或系统的一般模型 1.3 用语： 响应（Response):实验输出的结果，即因变量，通常用“Y”表示。 因子（Factor):影响实验输出结果的不同输入变量，即自变量，通常用“X”表示。 可控因子：试验中可以加以控制的因子； 非可控因子：无法控制精度，也叫噪声因子。 水平（Level):为研究因子的影响，实验中对因子的不同取值。 处理(Treatment)：各因子按照设定的水平的一个组合，可得到一个观测值。 【主效应】：某一因素的各水平在不同水平组合的实验观测值的平均值之差。 【交互效应】：一个因素的效应在另一个因素的不同水平的不同表现，称为因素之间的交互作用。 无交互作用 存在交互作用 5 主效应与交互效应实例： B A 低温 高温 低压 200 220 高压 230 250 A处于低水平：(200+230)/2=215 A 处于高水平：(220+250)/2=235 产量由215提升到235，完全是由A因子的作用， 因此A因子的主效应=235-215=20； 同理，B因子主效应=20. 以A为横轴，响应变量为纵轴作图 20 B A 低温 高温 低压 200 220 高压 230 270 A因子的主效应=245-215=30 B因子的主效应=250-210=40 当B处于低水平：A的效应为220-200=20 档B处于高水平：A的效应为270-230=40 大不相同 A*B交互效应=[(270+200)-(230+220)]/2=10 因子B的效应依赖于因子A所处的水平，则称A、B存在交互作用。 6 1.4正交实验原理： 6 正交性：任意两行中，“高低，高高，低低，低高”四种搭配出现的次数相等。 试验顺序 X1 X2 1 低 低 2 高 低 3 低 高 4 高 高 试验顺序 X1 X2 1 低 低 2 高 低 3 高 低 4 高 高 × 正交性将导致试验结果具有“均衡分散，整齐可比”的特点，且容易计算相应的回归方程，因此这种试验设计方法常被称为“正交试验设计”。 均衡性：每个因子取低、高水平的次数相同 试验顺序 X1 X2 1 低 低 2 高 低 3 低 高 4 高 高 √ 试验顺序 X1 X2 1 低 低 2 高 低 3 高 低 4 高 高 √ × 7 正交实验结果数据表： 编号 A 温度 B压力 AB （响应）产量 1 +1(860) +1(1250) +1 270 2 -1(820) +1(1250) -1 230 3 +1(860) -1(1200) -1 220 4 -1(820) -1(1200) +1 200 M+ 490 500 470 M- 430 420 450 m+ 245 250 235 m- 215 210 225 效应 30 40 10 从以上正交表可以看出，按正交表格式安排实验可使实施计划简化，主效应和交互效应的计算简化。 这就是正交实验设计“均衡分散、整齐可比”的优点。 可推广至更多因子。 A B C AB AC BC ABC -1 -1 -1 1 1 1 -1 1 -1 -1 -1 -1 1 1 -1 1 -1 -1 1 -1 1 1 1 -1 1