Minitab DOE操作说明(全因子实验范例)
Minitab实验设计DOE操作步骤(PPT 64张)
• • • • • • • • • • • • • • • • • • • •
1、想要体面生活，又觉得打拼辛苦；想要健康身体，又无法坚持运动。人最失败的，莫过于对自己不负责任，连答应自己的事都办不到，又何必抱怨这个世界都和你作对？人生的道理很简单，你想要什么，就去付出足够的努力。 2、时间是最公平的，活一天就拥有24小时，差别只是珍惜。你若不相信努力和时光，时光一定第一个辜负你。有梦想就立刻行动，因为现在过的每一天，都是余生中最年轻的一天。 3、无论正在经历什么，都请不要轻言放弃，因为从来没有一种坚持会被辜负。谁的人生不是荆棘前行，生活从来不会一蹴而就，也不会永远安稳，只要努力，就能做独一无二平凡可贵的自己。 4、努力本就是年轻人应有的状态，是件充实且美好的事，可一旦有了表演的成分，就会显得廉价，努力，不该是为了朋友圈多获得几个赞，不该是每次长篇赘述后的自我感动，它是一件平凡而自然而然的事，最佳的努力不过是：但行好事，莫问前程。愿努力，成就更好的你！ 5、付出努力却没能实现的梦想，爱了很久却没能在一起的人，活得用力却平淡寂寞的青春，遗憾是每一次小的挫折，它磨去最初柔软的心智、让我们懂得累积时间的力量；那些孤独沉寂的时光，让我们学会守候内心的平和与坚定。那些脆弱的不完美，都会在努力和坚持下，改变模样。 6、人生中总会有一段艰难的路，需要自己独自走完，没人帮助，没人陪伴，不必畏惧，昂头走过去就是了，经历所有的挫折与磨难，你会发现，自己远比想象中要强大得多。多走弯路，才会找到捷径，经历也是人生，修炼一颗强大的内心，做更好的自己！ 7、“一定要成功”这种内在的推动力是我们生命中最神奇最有趣的东西。一个人要做成大事，绝不能缺少这种力量，因为这种力量能够驱动人不停地提高自己的能力。一个人只有先在心里肯定自己，相信自己，才能成就自己！ 8、人生的旅途中，最清晰的脚印，往往印在最泥泞的路上，所以，别畏惧暂时的困顿，即使无人鼓掌，也要全情投入，优雅坚持。真正改变命运的，并不是等来的机遇，而是我们的态度。 9、这世上没有所谓的天才，也没有不劳而获的回报，你所看到的每个光鲜人物，其背后都付出了令人震惊的努力。请相信，你的潜力还远远没有爆发出来，不要给自己的人生设限，你自以为的极限，只是别人的起点。写给渴望突破瓶颈、实现快速跨越的你。 10、生活中，有人给予帮助，那是幸运，没人给予帮助，那是命运。我们要学会在幸运青睐自己的时候学会感恩，在命运磨练自己的时候学会坚韧。这既是对自己的尊重，也是对自己的负责。 11、失败不可怕，可怕的是从来没有努力过，还怡然自得地安慰自己，连一点点的懊悔都被麻木所掩盖下去。不能怕，没什么比自己背�
MinitabDOE操作说明全因子实验范例
Minitab DOE操作說明:範例:全因子實驗設計法3因子2水準實驗設計:因子—A.時間 ,B.溫度 ,C.催化劑種類Step 1:決定實驗設計開啟Minitab R14版1.選擇Stat > DOE > Factorial > Create Factorial Design2.點擊因所要討論的因子有三個 , 由表中可以作二種選擇:選擇Ⅲ作4次實驗選擇Full作8次實驗一個三因子2水準的設計共有23 (或8)種可能的組合 , 一個包含所有可能組合的設計 , 即稱之為全因子設計(Full Factorial Design) ,好處是可避免交絡(Confounding)的情況 ,也就是所有因子的效應無法與其它的效應明確分辨出來 ; 然而 ,使用較少的組合設計稱之為部份因子設計(Fractional Factorial Design)此範例決定是全因子設計 , 因在化學工廠內 , 要控制這些因子(時間/壓力/催化劑種類)並不耗費時間及成本 , 且實驗可在非尖峰時間進行 , 避免打斷生產線的進度 , 如果這實驗所需成本很高或困難執行 , 你可能需做不同決定。
3.點擊回到主對話框中4.選擇5.點擊,選取Full factorial6.在Number of replicates選項中選2 ,按Step 2:因子命名與因子水準的設定因子水準的設定可以是文字或數值若因子為連續性→使用數值水準設定 ,可為量測的任意值(ex.反應時間)若因子為類別變數→使用文字水準設定 ,為有限的可能值(ex.催化劑種類)就一個2水準的因子設計 , 因子水準設定為兩個值 , 建議數值儘可能分開:1.點擊Factors按鈕2.輸入因子名稱及水準 , 完成後按Create Factorial Design主對話框1.按Options選項鈕2.在Base for random data generator的欄位 , 輸入9 ,可控制隨機化的結果 ,讓每次3.確定有選取Store design in worksheet的選項後 ,並按4.回到Create Factorial Design主對話框按,就會產生設計的內容並儲存在工作表單Step 4:瀏覽設計的內容（直交表形成）若要切換工作表單以RanOrder/StdOrder 以及Coded/Uncoded 的呈現 ,可由功能表Stat →DOE →Display Design 來選擇另外若要修改因子名稱或設定 , 有兩種方式：(1)可由功能表Stat →DOE →Modify Design 來選擇(2)直接修改資料視窗中相對的因子列Step 5:資料收集與輸入1.在資料視窗中C8的變數名稱位置輸入Yield2.可將此實驗工作表列印出來並收集數據結果Step 6:篩選實驗目的是利用效應圖來選取對於提高產能較大效應的因子配置一個模型(Fit a model)1.在功能表點選Stat→DOE→Factorial→Analyze Factorial Design2.在3.點取4.繪製Normal(常態機率圖)及Pareto(柏拉圖) ,協助找到顯著因子5.按OK 鍵 ,回到Analyze Factorial Design 主對話框 ,再按主對話框OK 鍵 ,即會將分析 結果及繪圖在視窗中 效應圖(Effect Plots)Normal(常態機率圖) Pareto(柏拉圖) 確認重要的效應在圖中偏離直線較遠的點(紅色)為顯著因子 , 即為依圖中影響效應程度大小排列並數值因使用為全因子設計 ,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用Step 7:配置一個較簡單的模型接下來 ,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型 ,也就是去除不顯著之因子 ,評估適合度、圖示解析及殘差分析1.Start→DOE→Factorial→Analyze Factorial Design2.選取Terms選項鈕3.設定內容將原本在Selected Terms欄位中的不顯著因子移到Available Terms欄位中4.按OK鍵 ,回到Analyze Factorial Design主對話框5.點取Graphs選項鈕 ,取消勾選Normal與Pareto圖6.勾選Four in one相關分析圖 ,按OK鍵回主對話框7.按Analyze Factorial Design的主對話框分析的結果會列在程序視窗中 ,主效應是否選取適當??設定的模型是否恰當??Step 8:評估調整後的模型而殘差分析圖的結果也是令人滿意的Step 9:結論之描述因子圖(Factorial Plots)以繪製主效應圖(Main Effect Plot)及交互作用圖(Interaction Plot)可以用目視的方法來決定效應分析1.點選功能表Stat→DOE→2.勾選Main Effects Plot ,再按下Setup3.在Response輸入Yield4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位中2.勾選Interaction Plot ,再按下,重複3與4步驟檢視繪圖內容在繪圖視窗中會個別列出主效應圖及交互作用圖--主效應圖(Main Effects Plot)分析壓力圖催化劑圖(Catalyst Plot)→比較催化劑在兩種類別的差異(1)由圖中顯示 ,差異性比較:催化劑主效應>壓力主效應 ,也就是說催化劑斜率的絕對值 大於壓力斜率的絕對值 ,由於Yield 為望大值(越大越好) ,故壓力在4大氣壓較1大氣 壓有較高的良率 ; 催化劑的種類使用A 較B 有較高的良率(2)若因子之間沒有交互作用存在 ,由主效應圖即可找到使良率較高的最佳組合 ,此範例 有BC 交互作用顯著差異存在 ,故接下來再由交互作用圖來分析--交互作用圖(Interaction Plot)分析交互作用圖可看出因子間水準設定互相造成之衝擊性 ,有加乘或抵消作用(1)由圖中顯示 ,不論壓力值在1大氣壓或4大氣壓 ,使用A 催化劑的Yield 皆大於B 催化 劑 ;但是以A 催化劑而言 ,壓力設定在4大氣壓比1大氣壓有明顯Yield 變化 (2)綜合以上分析 ,使Yield 最大的最佳組合為壓力4大氣壓與A 催化劑。
DOEMinitab操作教程
点击每一个方框，使其选中， 然后单击OK。
然后回到Session窗口：
Paired T-Test and CI: Material A, Material B H0：两种材料寿命没有差异
Paired T for Material A - Material B
Ha：两种材料寿命有差异
N Mean StDev SE Mean
H0：两种材料寿命没有差异 Ha：两种材料寿命有差异
P>0.05,接收H0。
Difference = mu (Material A) - mu (Material B) Estimate for difference: -0.410000 95% CI for difference: (-2.754808, 1.934808) T-Test of difference = 0 (vs not =): T-Value = -0.37 P-Value = 0.717 DF = 17
0.0
Differences
两种材料有显著差异，研发处的建议被接受。
6、为什么会得到不同的结论？
• 到底我们该相信那个结论？ 不了解基本的统计观念会有什么坏处？
2、化学实验设计案例
Factor (因子)
Temperature(T) Concentration(C) Catalyst (K)
Level (水準)
3.0
2.5
2.0
1.5
1.0
0.5
0.0
_
X
-0.5
Ho
-1.2
-1.0
-0.8
-0.6 -0.4
-0.2
0.0
0.2
Differences
两种材料有显著差异，研发处的建议被接受。
（完整版）MinitabDOE操作说明（田口法静态范例）
（完整版）MinitabDOE操作说明（田口法静态范例）Minitab DOE(田口法靜態型)操作說明:製造高爾夫球及設計開發其有效的增加最大飛行距離 ,4個控制因子 , 2水準因子水準1 Core material liquid tungsten2 Core diameter 118 1563 Number of dimples 392 4224 Cover thickness 0.03 0.06交互作用:Core material V.S Core diameter干擾因子: two type of golf clubs(driver and a 5-iron)Step 1:因子數及水準數之決定開啟功能選單Stat > DOE > Taguchi > Create Taguchi Design ?勾選2水準設計及因子數Step 2:實驗次數選定點選Designs按鈕(直交表類型)決定(4因子2水準作8次實驗)Step 3:因子及水準Data輸入點選Factors按鈕依照各因子名稱及水準Data輸入視窗表中Step 4:因子間交互作用選定在Taguchi Design-Factors對話框中 , 點選Interactions按鈕選擇已知交互作用由Available Terms欄位 > Selected Terms欄位Step 5:田口直交表及實驗結果輸入將直交表中C5及C6欄位分別輸入干擾因子Driver及Iron名稱 , 實驗結果Key-in至表中Step 6:實驗結果分析(選項設定)在功能表選擇Stat > DOE > Taguchi > Analyze Taguchi Design 將C5(Driver)及C6(Iron)移至Response data are in欄位中點選Analysis按鈕在選項中勾選Signal to Noise ratios及Means在Analyze Taguchi Design對話框中 , 選擇Options按鈕因此範例為望大特性, 故在Signal to Noise Ratio選項中勾選Larger is better在Analyze Taguchi Design對話框中 , 選擇Analysis Graphs按鈕勾選Four in one設定完成後在Analyze Taguchi Design對話框中 , 按Ok按鈕利用繪圖及視窗分析表作S/N比及最佳組合比較Step 7:實驗結果分析(S/N比及Mean值之視窗分析表及繪圖)在反應表中藉由各因子S/N比之大小來決定因子變異之影響性, 並選擇因子最小變異之水準值降低變異後 , 其他因子將平均值調整至目標設定在ANOVA分析各因子Mean值差異性 , Material、Diameter是顯著的因子1.S/N比以Diameter最大 , 為極顯著因子 , 其水準1又較水準2之效果好2.Thickness與Material/Diameter 有極大關係(成反比)Mean值以Diameter最大 , 為極顯著因子Step 8:結論(最佳組合及圖形解析)此範例因為品質特性設定為望大型(目標為增加高爾夫球最大的飛行距離) , 所以想得到因子水準最高的Mean值 , S/N比最大的因子最佳水準組合在S/N比主效應圖中 , 每個因子水準S/N比較 , 設定最佳組合為在Mean值主效應圖中, 每個因子水準Mean值比較 , 設定最佳組合為綜合以上分析結果得知最佳組合為(代號表示)→→→→A A11B B11C C11D D22Step 9:預測結果目的在於利用Minitab—Predict Taguchi Results指令來預測S/N 比與相對選定因子設定的反應特性在功能表選擇Stat > DOE > Taguchi > Predict Taguchi Results 取消Standard deviation及Natural log of standard deviation 勾選點選Terms按鈕(A,B,C,D)及交互作用(A*B)皆在Selected T erms 欄位中在Predict Taguchi Results對話框中點選Levels按鈕在Method of specifying new factor levels下選擇Select levels from a list , 並將因子最佳水準組合輸入表中選擇的最佳因子組合預測S/N比為53.68及Mean值(球的平均飛行距離)約為276碼 , 接下來 , 以此組合再作一次實驗去驗證與預測結果之正確性。
MiniTab-DOE操作说明
Unit-1: 田口品質工程簡介
產品/制程之參數:
信號因子（signal factor）
由設計工程師依據所開發產品的工程知識來選擇，以表達所想 的回應值。當y 的目標值改變時，我們可調整信號因子，使y 的平均值與目標值一致。
例如: 1.電風扇轉速設定是一信號因子，藉由轉速的設定可改 變風量的大小。2.射出成型時，藉由壓力的增加，可使產品的 尺寸更接近模具尺寸。3.汽車方向盤的轉向角度，可以指示汽車 的迴轉半徑。
日本廠產品大部分集中在目標值附近，亦即靠近m （變異較小，性能較佳）的產品，美國廠產品遠離m （變異較大，性能較差），超出產品規格機會較大。
6
Unit-1: 田口品質工程簡介
產品/制程之參數: 對任一個產品或製程，我們可以繪出參數圖，如圖3
所示，其中y 表示所欲探討的品質特性或回應值 （response）。影響y 的參數可以分為信號因子 （M）、控制因子（Z）和雜音因子（X）三類。
品質是指產品出廠後所帶給社會的損失，但不包括機能 本身所引起的損失。
田口博士認為，一產品的品質為該產品因未能充分發揮 其原有的機能而產生的損失，而因機能本身所發生的損 失除外。
品質特性有以下三種類型:
望小品質函數:
使目標逼近于0，如週期時間，不良率，成本；
望大品質函數:
使目標持續提高,如參量、利潤、強度;
24
Unit-3: 直交表設計
直交試驗表結構:
该表为7因素，2水平，运行8次的正交试验表，具有以下特点：
1、有8个行，表示8种试验运行的不同因素水平组合。
2、有7个列，表示最多可允许有7个因素。
3、表中心的“1”、“2”表示各因素的两种水平。
4、每个因素的每个水平各出现4次，出现机会完全均等。
MINITAB在DOE试验中的使用方法
45.89 48.66 48.12 47.32 49.36 54.33 52.13 52.64 53.64 51.26
1 45.36 46.33 45.87 46.98 51.23 55.33 54.63 52.11 54.32 48.61 49.11 2 47.81 45.21 48.99 48.35 46.56 46.31 48.51 49.32 47.27 55.67 55.98 2 52.31 48.79 55.61 59.68 62.34 57.18 49.62 48.31 49.2 45.1 49.32 3 58.96 58.62 54.36 55.1 51.23 50.31 49.13 46.52 62.34 65.19 48.67 1 50.12 51.23 53.67 59.32 61.22 58.76 58.97 56.37 52.34 54.31 57.21
MINITAB在DOE试验中的使用方法 在 试验中的使用方法
Author : LF Yang
Date
: Oct 15 .2008
步骤一： 步骤一：
1.当试验因子和试验因子的设置水平确定后如何使用 当试验因子和试验因子的设置水平确定后如何使用MINITAB 进行正交分组，假定 进行正交分组， 当试验因子和试验因子的设置水平确定后如何使用 试验因子为4个分别为 个分别为： 水平， 试验因子为 个分别为：USG、 Force、 Time、 C/V，且均为 水平，如下表： 、 、 、 ，且均为3水平 如下表：
优先等级排序
Author : LF Yang
Date
: Oct 15 .2008
Author : LF Yang
Date
: Oct 15 .2008
DOE(Minitab)全
DOE的定义
DOE: Design of Experiment 实验设计，收集数据的过程，这种过程主动的 改变流程输入（X）的设置，并且考察这些X的 改变对流程的输出（Y）有何影响。
y = f(x)
响应 因子 输出 输入
DOE研究的对象
受控因子 (Factor)
过程
噪音因子 (Noise)
在另一天将所有的实
件，使用三次测量的
验条件重新运行。
平均作为运行的响应。 彷行比重复好（通常成
本更高）
实验中的样本量通过防 行来控制
随机化
对于我们知道的噪音变量可以用Block降低其对实 验的影响。
对于我们不知道的噪音变量如湿度，电压变化这 一类潜伏变量可以用随机化，即打乱实验的顺序 降低其对实验的影响。
为什么随机化：示例
假设印刷电路板上的镀层厚度是您关心的响应。 在一个月内这个值趋向于下降。 如何解释这种下降趋势？（某种潜伏变量影响）
厚度与每月的第几天
为什么随机化：示例（续）
假设要在实验中评估浸泡温度的效果，小组首先 测试了50摄氏度，然后测试70摄氏度。(直观判 断70摄氏度的输出较小）
如果因子的数目很多，要运行全因子实验将变得 很困难，为了达到筛选关键因子的目的，可以按 照一定的方法从所有的处理中挑选出一部分运行， 这种实验方法很多，其中之一叫做部分因子实验 (Fractional Factorial Experiment)。
全因子实验--例子
在注塑成型工具中，注塑件表面的强度是个关键 质量指标，对其的要求是越高越好。
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
全因子DOE试验 Minitab软件Report
6
7
8
分析结果：通过柏拉图得知：A B D的主效应及BD的交互 效应对强度有显著影响！
删减后的数据输出
拟合因子: 强度 与 加热温度, 加热时间, 保温时间
强度 的估计效应和系数（已编码单位） 系数标 项 效应 系数 准误 T P 常量 541.632 1.220 443.85 0.000 加热温度 20.037 10.019 1.330 7.53 0.000 加热时间 16.888 8.444 1.330 6.35 0.000 保温时间 11.112 5.556 1.330 4.18 0.001 加热时间*保温时间 7.113 3.556 1.330 2.67 0.018
强度 交互作用图
数据均值
2.0 2.5 3.0 50 55 60 560
加热温度
540
加热 温度 820 840 860
点类型 角点 中心 角点
520 560
加热时间
540
加热 时间 2.0 2.5 3.0
点类型 角点 中心 角点
520
保温时间
强度 主效应图
数据均值
加热温度 550 545 540 535 加热时间 点类型 角点 中心
系数 541.319 10.019 8.444 1.906 5.556 0.369 -0.244 1.531 0.631 3.556 0.419 1.981
中心点 P=0.633>0.05,表 示中心点不显著！
S = 6.30446 R-Sq = 92.75%
PRESS = 1874.81 R-Sq（预测） = 51.17%
分析路径
统计 > DOE > 因子 > 分析因子设计
图形输出
DOE案例(minitab实验设计)
(5)作标准化效应的Pareto图和正态图，如图1-2(a)、(b)所示。
(1)确定响应变量、试验因子和因子水平，编制因子水平表，见表1-1.
因子
水平
-1
+1
A（恒温时间）/min
50
60
B（热处理温度）/(°)
820
860
C（升温时间）/min
2
3
D（处理时间）/h
1.4
1.6
表1-1
(2)按4因子2水平的全因子试验编制试验计划表（考虑中心点重复和随机化）得到下述试验计划（采用Minitab软件）见表1-2。
(3)按计划表完成试验并将试验结ቤተ መጻሕፍቲ ባይዱ填入表中。
(4)利用Minitab软件，对结果做因子主效图、交互效应图和立方图。如图1-1(a)、(b)、(c)所示：
从(a)图可以看出：A(热处理温度)、B(升温时间)及D(恒温时间时间)主效应显著。
从(b)图可以看出B(升温时间)跟D(恒温时间)存在明显交互作用。
从上两图可以看出A、B、D显著，C不显著，BD交互作用处于临界点，做显著处理。
(6)作残差图，如图1-3所示。
从上图可以看出：残差满足正态分布和随机波动的要求。无异常现象。
(7)增加B*D项，对实验结果最方差和回归分析。如图1-4所示。
图1-4
从上图可以看出C(处理时间)不显著,需重新修订。
(8)去掉C项，作再次回归分析。如图1-5所示。
Minitab实验设计DOE操作步骤(精选)
然后点击选项
Minitab实验设计DOE操作步骤
44
取消勾选后，标准序C1 可以按照顺序排列
然后点击确定
Minitab实验设计DOE操作步骤
45
点击结果
Minitab实验设计DOE操作步骤
46
2、出现此
1、点击
3、再点击
对话框
确定
Minitab实验设计DOE操作步骤
47
确定
在工作表中输入每次试验 的结果“距离”
27
点击编辑上一对话框图标 先选中立方图
显示出以下对话框 第二步点击设置
Minitab实验设计DOE操作步骤
28
双击此标识处
显示出以下对话框
单击标识处
显示到此对话框
最后点击确定
Minitab实验设计DOE操作步骤
29
再点击确定
Minitab实验设计DOE操作步骤
30
图示解析：通过实验设计分析， 试验结果显示出门磁角度在92， 前半平面度在0.3时，漏波值是最
再点击确定
Minitab实验设计DOE操作步骤
22
图示解析：门磁 角度越大漏波值 越小；反之，门 磁角度越小漏波 值越大，且门磁 角度的大小对漏
波值影响很大
图示解析：前半平面 度越大漏波值越小； 反之，前半平面度越 小漏波值越大，前半 平面度的大小对漏波
值影响较小
Minitab实验设计DOE操作步骤
23
点击编辑上一对话框图标
Minitab实验设计DOE操作步骤
24
先选中交互作用图
第二步点击设置
Minitab实验设计DOE操作步骤
25
点击确定
显示此图形
再点击确定
Minitab实验设计DOE操作步骤
11
12
13
14
点击此图标（当前数据窗口
返回此工作表
15
点击“统计”
输入每次的实 验结果数据
16
依次选中红色标识框
17பைடு நூலகம்
18
19
结果显示到此框内
双击标 识处 单击标 识处
20
结果显示到此框内
点击确定
21
回到此页面，再 点击确定。如图
再点击确定
22
图示解析：门磁 角度越大漏波值 越小；反之，门 磁角度越小漏波 值越大，且门磁 角度的大小对漏 波值影响很大
471出现此对话框全因子试验次数8次在工作表中输入每次试验的结果距离全因子试验次数为8次共自动生成8组工艺参数资料仅供参考不当之处请联系改正
Minitab实验设计DOE操作步骤
1
1、二水平/二因子设计
解决微波炉漏波的试验
2
EXCEL文档数据
3
点击统计
4
依次选中红色标识框
5
6
7
8
9
10
48
在工作表中输入每次试验 的结果“距离”
49
按照步骤依次点击：统计、DOE、因子、因子图
50
1、勾选主效应图
2、再点击设置
51
双击C8距离，点 选到下面的响应 框中
点击双箭头的标识，把 上面的三个因子选入到 右边的空白框中
52
点击确定
53
点击确定
54
点击：编辑上一对话框图标
1、生成距离主效 应图，进行分析
分析图示结果：
55
56
57
58
59
60
61
62
图示解析：前半平面 度越大漏波值越小； 反之，前半平面度越 小漏波值越大，前半 平面度的大小对漏波 值影响较小
DOE-全因子试验设计及Minitab操作
2.2 Pulling Test Machine
設備編號：54W0600144 保養日期：2009/02/29 校驗日期：2009/06/06 效驗編號：830179
Stage-2:Measure
2.3 Pulling Test method:
2.4 Test Flow CCuhpaperrt: Top View Ni-tab Side View
200
200
5.6
4
3
80
80
180
200
4.6
5
2
80
100
200
230
6
6
3
100
80
180
230
6.2
7
2
80
100
180
200
5.4
8
3
80
80
200
230
6.4
9
2
100
80
200
230
6
10
2
100
100
180
230
5.6
11
3
100
80
180
230
6
12
2
80
80
180
230
5.8
13
2.5 Gage R&R Chart:
G age R & R (N ested) for D ata
Gage name: Pulling force machine Date of study: 2009/04/15
R eported by: Tolerance: M isc:
Minitab 19 DOE 设计范例 3因子2水平
Minitab 19 DOE实验操作实例实验使用3个因子，两个水平的方式来实现。
因子：温度，压力，催化剂响应量：合格率实验目的：评估哪个因子对合格率有较大的影响，从而优化工艺。
详细的实验步骤：1.打开Minitab 19 版本软件。
2.依次点击菜单：统计>DOE>因子>创建因子设计3.在打开的窗口中点击图示的两水平因子，选择3因子。
点击显示可用设计即可看到此次实验设计的实验次数。
在此次实验中可以选择4次和8次两种实验方案，如果选择4次的方案，它的分辨率是3级（总级别为5级），将会造成实验因子效果的不明确。
在此选择全因子实验，有最高的分辨率。
点击图示的确定后，进入下一步。
4.点击设计菜单，按照图示点击设置相关参数之后，点击确定。
角点的仿行数设置为2，表示给实验参数重复两次。
中心点数0表示：没有设置高和低水平之间的中间水平或者理解为当前现实参数。
区组数1：只有一组实验。
5.点击因子菜单，即可对因子及水平具体的输入：按照图示样式输入实验参数后，点击确定。
6.在图示的选项及结果菜单中，默认参数即可。
7.点击确定之后，即可看到软件自动生成的实验方案，详细的实验次数，因子分组，实验顺序等，如右图所示。
保存实验方案，待实验后输入数据。
8.按照上述方案完成实验后，打开上次的实验表格，输入合格率数据如图示。
9. 依次点击菜单：统计>DOE>因子>分析因子设计10.在响应栏中选择合格率，再点击图形，在打开的菜单中，按照图示设置参数后，依次点击两次确定。
11. 在效应图中我们可以看到图示显示红色的ABC 的交互作用和C因子的作用是有明显的影响，即是我们需要重点关注的因子。
12.经过上一步分析得出ABC和C是我们的重要因子，现在继续对重要因子分析，列出因子图更加直观的看到因子对合格率影响效果。
依次点击菜单：统计>DOE>因子>因子图13.在打开的因子窗口中，如图所示设置，点击确定。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Minitab DOE操作說明:
範例:
全因子實驗設計法
3因子2水準實驗設計:
因子—A.時間 ,B.溫度 ,C.催化劑種類
Step 1:決定實驗設計
開啟Minitab R14版
1.選擇Stat > DOE > Factorial > Create Factorial Design
2.點擊Display Available Designs
因所要討論的因子有三個 , 由表中可以作二種選擇:
➢選擇Ⅲ作4次實驗
一個三因子2水準的設計共有23 (或8)種可能的組合 , 一個包含所有可能組合的設計 , 即稱之為全因子設計(Full Factorial Design) ,好處是可避免交絡(Confounding)的情況 ,也就是所有因子的效應無法與其它的效應明確分辨出來 ; 然而 ,使用較少的組合設計稱
之為部份因子設計(Fractional Factorial Design)
此範例決定是全因子設計 , 因在化學工廠內 , 要控制這些因子(時間/壓力/催化劑種類) 並不耗費時間及成本 , 且實驗可在非尖峰時間進行 , 避免打斷生產線的進度 , 如果這
實驗所需成本很高或困難執行 , 你可能需做不同決定。
3.點擊OK , 回到主對話框中
4.選擇2-level factorial (default generators), 在因子數選擇3
5.點擊Designs ,選取Full factorial
6.在Number of replicates選項中選2 ,按OK
Step 2:因子命名與因子水準的設定
因子水準的設定可以是文字或數值
➢若因子為連續性→使用數值水準設定 ,可為量測的任意值(ex.反應時間) ➢若因子為類別變數→使用文字水準設定 ,為有限的可能值(ex.催化劑種類) 就一個2水準的因子設計 , 因子水準設定為兩個值 , 建議數值儘可能分開: Factor Low Setting High Setting
Temperature 20° C 40° C
Pressure
1
atmosphere
4
atmospheres
Catalyst A B
1.點擊Factors按鈕
2.輸入因子名稱及水準 , 完成後按OK回到Create Factorial Design主對話框
Step 3:隨機化與儲存設計的內容
1.按Options選項鈕
2.在Base for random data generator的欄位 , 輸入9 ,可控制隨機化的結果 ,讓每次都可得到一致的模型
3.確定有選取Store design in worksheet的選項後 ,並按OK
4.回到Create Factorial Design主對話框按OK ,就會產生設計的內容並儲存在工作表單中
Step 4:瀏覽設計的內容（直交表形成）
實驗原有順序
隨機後實驗順序
➢若要切換工作表單以RanOrder/StdOrder以及Coded/Uncoded的呈現 ,
可由功能表Stat→DOE→Display Design來選擇
依隨機後實驗順序執行
依實驗原有順序執行
因子水準以代號顯示
因子水準以真實Data顯示➢另外若要修改因子名稱或設定 , 有兩種方式：
(1)可由功能表Stat→DOE→Modify Design來選擇
(2)直接修改資料視窗中相對的因子列
Step 5:資料收集與輸入
1.在資料視窗中C8的變數名稱位置輸入Yield
2.可將此實驗工作表列印出來並收集數據結果輸入Yield資料列中
Step 6:篩選實驗
目的是利用效應圖來選取對於提高產能較大效應的因子
➢配置一個模型(Fit a model)
1.在功能表點選Stat→DOE→Factorial→Analyze Factorial Design
2.在Responses欄位輸入Yield
3.點取Graphs選項鈕
4.繪製Normal(常態機率圖)及Pareto(柏拉圖) ,協助找到顯著因子
5.按OK鍵 ,回到Analyze Factorial Design主對話框 ,再按主對話框OK鍵 ,即會將分析
結果及繪圖在視窗中
➢效應圖(Effect Plots)
Normal(常態機率圖)Pareto(柏拉圖)
在圖中偏離直線較遠的點(紅色)為顯著因子 , 即為依圖中影響效應程度大小排列並數值
➢確認重要的效應
因使用為全因子設計 ,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用
以表列中可由P值來找出哪些因子為顯著的效應
P值>0.05 →非顯著
P值<0.05 →顯著
Step 7:配置一個較簡單的模型
接下來 ,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型 ,也就是去除不顯著之因子 ,評估適合度、圖示解析及殘差分析
1.點選功能表選單Start→DOE→Factorial→Analyze Factorial Design
2.選取Terms選項鈕
3.設定內容
將原本在Selected Terms欄位中的不顯著因子移到Available Terms欄位中
5.點取Graphs選項鈕 ,取消勾選Normal與Pareto圖
6.勾選Four in one相關分析圖 ,按OK鍵回主對話框
7.按Analyze Factorial Design的主對話框OK鍵
分析的結果會列在程序視窗中 ,
➢主效應是否選取適當??
➢設定的模型是否恰當??。