minitab正交分析、响应分析要点.pdfVIP

Minitab 实验之试验设计 实验目的： 本实验主要引导学生利用 Minitab 统计软件进行试验设计分析，包括全因子 设计、部分因子设计、响应曲面设计、混料设计、田口设计以及响应优化，并能 够对结果做出解释。 实验仪器： Minitab 软件、计算机 实验原理： “全因子试验设计”的定义是：所有因子的所有水平的所有组合都至少要进 行一次试验的设计。 由于包含了所有的组合， 全因子试验所需试验的总次数会比 较多，但它的优点是可以估计出所有的主效应和所有的各阶交互效应。 所以在因 子个数不太多， 而且确实需要考察较多的交互作用时， 常常选用全因子设计。 一 般情况下， 当因子水平超过 2 时，由于试验次数随着因子个数的增长而呈现指数 速度增长，因而通常只作 2 水平的全因子试验。 进行 2 水平全因子设计时， 全因子试验的总试验次数将随着因子个数的增加 而急剧增加，例如， 6 个因子就需要 64 次试验。但是仔细分析所获得的结果可 以看出，建立的 6 因子回归方程包括下列一些项：常数项、主效应项有 6 项、二 阶交互作用项 15 项、三阶交互项 20 项， … ，6 阶交互项 1 项，除了常数项、主 效应项和二阶交互项以外，共有 42 项是 3 阶以及 3 阶以上的交互作用项，而这 些项实际上已无具体的意义了。 部分因子试验就是在这种思想下诞生的， 它可以 使用在因子个数较多， 但只需要分析各因子和 2 阶交互效应是否显著， 并不需要 考虑高阶的交互效应，这使得试验次数大大减少。 在实际工作中，常常要研究响应变量 Y 是如何依赖于自变量，进而能找到 自变量的设置使得响应变量得到最佳值（望大、望小或望目） 。如果自变量的个 数较少 （通常不超过 3 个），则响应曲面方法 （response surface methodology，RSM ） 是最好的方法之一， 本方法特别适合于响应变量望大或望小的情形。 通常的做法 是：先用 2 水平因子试验的数据， 拟合一个线性回归方程 （可以包含交叉乘积项）， 如果发现有弯曲的趋势， 则希望拟合一个含二次项的回归方程。 其一般模型是 （以 两个自变量为例） ： 2 2 y b b x b x b x b x b x 0 1 1 2 2 11 1 22 2 12 12 这些项比因子设计的模型增加了各自的变量的平方项。 由于要估计这些项的 回归系数，原来因子设计所安排的一些设计点就不够用了， 需要再增补一些试验 点。这种先后分两阶段完成全部试验的策略就是“序贯试验”的策略。适用于这 种策略的方法有很多种，其中最常用的就是中心复合设计（ central composite design，CCD ）。 稳健参数设计 （robust parameter design）（也称健壮设计、鲁棒设计， 简称参 数设计）是工程实际问题中很有价值的统计方法。 它通过选择可控因子的水平组 合来减少一个系统对噪声变化的敏感性，从而达到减小此系统性能波动的目的。 过程的输入变量有两类： 可控因子和参数因子。 可控因子是指一旦选定就保持不 变的变