6西格玛完全要因实验minihaiyang.pptxVIP

完全要因实验 (Full Factorial Designs);; 学习目的 完全要因实验的理解 - 完全要因实验的定义和特征 - 主效果与交互作用的计算方法及分析 - 最佳条件导出方法 2. 利用Minitab的完全要因实验的设计及分析理解 ;什么是完全要因实验;22 设计的标准排列; 23 设计的标准排列; 主效果;? 主效果 Plot;交互作用(Interaction Effect);-1 反应温度 +1;因反应温度与浓度之间有交互作用，所以不仅看主效果Plot，应根据交互作用效果Plot判断数率的变化。 ;? 交互作用的有?无;完全要因实验的例;;;;;;;;;4 阶段: 关于完全模型(Full Model)的ANOVA表作成;;Analyze Factorial Design 实行结果;在留意水准10%离上面的正态线越远效果越有影响。 在本例中反应温度，反应温度*压力的交互作用效果有影响。 利用Graph，认定 哪些项按误差项Pulling为好的参考资料。;基准线计算是知道留意水准时在Minitab自动计算。 得出与前面的 Normality Probability Plot相同结果。 Graph比基准线往右，被判断为效果有影响。 在选定按误差项Pulling的项时，一般来讲把最高差的交互作用 ABC Pulling， 在 此例中，因BC的交互作用为0 ，所以，值得把此两个项按误差项Pulling 。 ;没有F和P值!!!;5阶段: 消除无影响的项，作成关于缩小模型(Reduced Model)的 ANOVA表。;( 关于缩小模型的ANOVA表 ); 实行Analyze Factorial Design时，为了残差分析把 Residuals 和 Fits 储存在Work sheet.;( 再缩小的ANOVA表 );6阶段: 分析残差图(Residual Plots)确认模型的适合性 Stat Regression Residual Plots; 7阶段 : 主效果分析;;( 主效果 Plot );; ( 交互效果 Plot ); DATA的视觉化 –立方形Graph;;; 9阶段: 用ANOVA表的Coef叙述数学MODEL;欲分析的反应变量 移到 或者 .;反应变量数率的规格为 79 ~ 81时，在 Goal里选择 Target，Lower 里79, Upper里 81, Target里输入 80.; Search为定义，子钩的始发点 输入因子水准的值。 这个值为输入因子水准的最大值 和最小值之间的值。;满足反应变量的目标值80的 code化的三个因子的水准。 ;有中心点的完全要因实验的 例;1 阶段: 问题记述 作为Process Engineer想提高相互不同的2个die-castings的 数率，并且对温度及压力的2个输入变量，有关心。 2 阶段: 记述因子及水准，生成 Minitab 实验DATA SHEET 温度: 150, 155, 160 压力: 30, 35, 40 Stats DOE Create Factorial Design - Designs: Full Factorial, 5 Center points - Options: No randomization of runs - Factors: Specify names and levels 3 阶段: 实施实验输入DATA;有中心点的完全要因实验的 例;4阶段: 作成对制品1数率(Yield)的 ANOVA表 Stat DOE Analyze Factorial Design;5阶段: 消除没有影响的项 – 缩小模型(Reduced model) Stat DOE Analyze Factorial Design - Storage Residuals Fits;4-1 阶段: 作成对制品 2数率(Yield2)ANOVA表 Stat DOE Analyze Factorial Design;5-1 阶段: 消除没有影响的项- 缩小模型(Reduced model) . Stat DOE Analyze Factorial Design - Storage Residuals Fits;6阶段: 分析残差图确认模型的适合性。 Stat Regression Residual Plots;7阶段: 在ANOVA表分析有影响的主效果 Stat DOE Factorial