DOE(实验设计)-2018-09-25.pptVIP

图1 无交互作用的效应图 从图1可以看出：两条线平行 2.2.1基本术语——交互作用 如果数据变成另外一组，见表2 低温 高温 低压 200（kg) 220（kg) 高压 230（kg) 270（kg) 表2.有交互作用的数据表 1.A（低水平）产量平均值（不考虑B因子）：（200+230）/2=215kg A（高水平）产量平均值（不考虑B因子）：（220+270）/2=245kg 产量由215kg提高到235kg，完全因为A因子，称因子A的主效应为：245-215=30kg 同理计算出B的主效应为：40kg； 2.发现：当B为高压，A的效应：270-230=40kg；当B为低压，A的效应:220-200=20kg 同样在B不同状态下，A因子的效应变化量不同，所以因子A和因子B之间存在交互作用。 如果以因子A为横轴，以响应变量（产量）为纵坐标，使用Minitab作图，见图2 图2 有交互作用的效应图 从图2可以看出：两条线不平行。 定义两个因子间的交互作用为：如果因子A的效应依赖于因子B所处的水平时，则称A与B之间有交互作用。 注意：如果两个因子间存在着显著的交互作用时，应该将主效应和交互效应结合在一起考虑。 A B C D 对照 随机化 随机化的含义是以完全随机的方式安排各次试验的顺序或所用试验单元。 对照是比较的基础，对照原则是主要用于比较 实验的一个原则。空白对照、安慰剂对照、实验条件对照、标准对照、历史或中外对照。 完全重复 在相同的处理条件下对不同的实验单元做多次实验。 区组化 区组因素也是影响实验指标的因素，但并不是实验者所要考察的因素，也称为非处理因素。 2.1.2实验设计原则 2.1.3试验设计的策划与安排 2 1 3 4 用部分因子设计进行因子的筛选：考虑到影响响应变量的因子个数可能较多（大于或等于5），所以先进行因子的筛选 用全因子试验设计法对因子效应和交互作用进行全面的分析：当因子的个数被筛选到少于等于5 个之后，可以进一步在稍小范围内进行全因子试验设计以获得全部因子效应和交互作用的准确信息，并进一步筛选因子直到因子个数不超过3 个。 用响应曲面方法(RSM) 确定回归关系并求出最优设置：这种方法通常只对望大或望小特性的响应变量特别有效 用稳健参数设计方法(田口设计)寻求望目特性的最优设置：为了寻求望目特性响应的最优解，则最好采用稳健参数设计方法。虽然试验次数比RSM 稍多些，但此种方法很有效。 1.陈述实际问题和实验目的 2.选择“Y”—响应变量 3.陈述因子和水平 4.选择DOE 5.实施实验及收集数据 6.分析实验结果 7.结论和计划 通过DOE 想达到什么目的? Y是什么？计量型？计数型？ 如产出率, 作业时间, 清洁度等 如温度(100℃,150℃),重量(20,30,40kg) 全因子实验, 田口设计, 2K因子实验或响应曲面设计等 收集实验结果的数据 运用Minitab等软件进行实验数据分析 制定改善方案 2.1.4试验设计的基本步骤 必要时重复实验 2.1.4.1选择DOE 设计实验--确定实验设计方法 筛选实验 6以上 部分因子实验 4~10 全因子实验 1~5 田口设计 2~13 DOE 种类 因子数量 选别重要因子 选别重要因子 因子与Y的关系 寻找因子的 最佳条件组合 目的 区分主效果 主效果和 部分交互作用 所有主效果和 交互作用 (线性效果） 设计或工序 参数优化 作用 低 现在 工序知识 状态 高 响应曲面实验 2~3 设定因子的 最佳条件 反应变量的 预测模型 (曲线效果） 效果 陈述问题和实验目的 选择“Y”—响应变量 陈述因子和水平 选择DOE 实施实验及收集数据 6.分析实验结果 结论和计划 2.1.4.2分析实验结果 1.为整个模型建立方差分析表 ●统计DOE因子分析因子设计… 简化模型（去除不显著的项或平方和影响低的项） 2.进行残值诊断，保证模型适合 ●统计回归回归… 3.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… 4.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… 5.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 2.1.4.2分析实验结果 进行残差诊断，保证模型适合 四合一图的判断方法： 1)正态概率图：观察残差的正态性检验图：是否符合正态分布. 2)残差与拟合值图：观察残差对于以各自变量为横轴的散点图：是否有弯曲趋势。 3)直方图：观察残差对于以响应变量拟合预测值为横轴的散点图：等方差性，即是否 有“漏斗型”或“喇