DOE全套资料课件.ppt

DOE全套资料;第一部分 认 识 DOE;1、为何要进行实验设计;可以有效克服上述缺点的试验方法是：DOE;DOE取得的是突破性改善;2、DOE的基本术语;EXP:可控因子和噪声因子表：;2.2水平：因子的不同取值，称为因子的“水平”;2.6主效应：一个因子在不同水平下的变化导致输出变量的平均变化 因子的主效应=因子为高水平时输出的平均值-因子为低水平时输出的平均值 交互效应：如果一个因子的效应依赖于其它因子所处的水平时，则称两个因子间有交互效应 因子AB的交互效应=（B为高水平时A的效应- B为低水平时A的效应）/2;3、试验设计的基本原则;随机化 以完全随机的方式安排各次试验的顺序和所有试验单元。目的是防止那些试验者未知的但可能会对响应变量产生某种影响的变量干扰对实验结果的分析。随机化并没有减少试验误差本身，但随机化可以使不可控因素对实验结果的影响随机地分布于各次试验中;4、DOE的一般步骤;5、DOE所用到的主要工具;6、DOE的类型;第二部分 单因子试验设计;单因子试验通常的两个目的： 比较因子的几个不同设置间是否有显著差异，如果有显著差异，哪个或哪些设置较好； 建立响应变量与自变量间的回归关系（线性、二次或三次多项式）；;目的一：各条件下的平均值是否有显著差异？哪个条件下最大？--单因子ANOVA;2、进行方差分析，检验各总体均值是否存在差异;方差分析结果显示的P值为0.003，可以认为四组数据的均值有显著的差异;目的二：建立响应变量与因子间的回归关系--回归分析;对回归结果进行分析：回归方程的P值0.001，方程有效；残差图无异常。 回归方程：Y=-202.3+102.7X-8.940X**2 由二次方程的特点可知，该方程的输出Y在 X=-102.7/2*（-8.940）=5.7时达到 最大值92.63;第三部分 全因子试验设计;全因子试验设计是指所有因子的所有水平的所有组合都至少进行一次试验 优点：可以估计所有的主效应和所有的各阶交互效应 缺点：所需试验的次数较多 当因子个数不太多，而且确实需要考察较多的交互作用时，选用全因子试验设计;在两水平全因子试验中如何考虑DOE三原则中的重复试验原则？ A:将每一组试验条件重复2次或多次进行 优点：对试验误差估计得更准确 缺点：试验次数成倍增加 B:在“中心点”处安排3-4次重复试验 优点：进行了完全相同条件下的重复，可以估计出试验误差（随机误差） 因子的取值由2个增加到3个，增加了对于响应变量可能存在的弯曲趋势的估计能力。该效果是简单重复所不能达到的 将中心点处所进行的3-4次试验安排在试验的开头、中间和结尾，这几个点的试验结果应只存在随机误差。如果这几个试验结果呈现非常明显的上升、下降或其他不正常的趋势，则可以帮助发现试验过程中的不正常现象;试验水平代码化 代码即将因子取不同水平时赋予一个符号值，；例如两水平试验时，因子取低水平的代码设定为-1，高水平的代码设定为1，中心点的代码设定为0。实践经验表明，在分析阶段，应对代码化后的数据进行分析。 优点： 代码化后的回归方程中，自变量及交互作用项的各系数可以直接比较，系数绝对值大的效应比系数绝对值小的效应更重要、更显著； 代码化后的回归方程中各项系数的估计量间是不相关的，即删除或增加某项，对于其他项的回归系数将不会发生影响； 在自变量代码化后，将各自变量以中心点0代入方程得到的相应变量的预测值是全部试验结果的平均值，也是全部试验范围中心点上的预测值；;全因子试验案例：;计算机会自动对于试验顺序进行随机化处理。输出如下表格：;2、按照上述试验顺序进行试验，并记录每批试验后得到的强度值，填写在试验表的对应列内：;3、对试验结果进行分析：DOE分析的五步骤的流程：;第一步：拟合选定模型及模型分析：由于三阶及三阶以上的交互作用通常可以忽略不计，我们通常所说的全模型就是在模型中包含全部因子的主效应及全部因子的二阶交互效应。在对模型进行分析后，如果可以断言某些主效应及二阶交互效应不显著，则将不显著的效应删除，只保留效应显著的项。;Minitab运行窗口的输出如下：;分析评估回归的显著性： （1）看ANOVA表： 如果对应“主效应”和“2因子交互效作用”中至少一项的P 值＜0.05，则可以判定本模型总的来说是有效的，如果两项的P值＞0.05，则可判定本模型总的来说是无效，此时说明整个试验没有有意义的结果。造成该情况的原因可能有以几点： 试验误差大。由于ANOVA检验的基础是将有关各项的离差平方和与随机误差的平方和相比较，形成F统计量。如果随机误差平方和太大，则将使F变小，以而得到“不显著”的结论。此时，应仔细分析误差产出的各项原因，能否设法降低误差。 由测量系统造