部分因子和全因子实验设计课件
合集下载
相关主题
- 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)。
这一类的实验中： 1、因子的水平都被限制为2。 2、混淆（Confounding）贯穿于整个实验当中。 3、实际运作中很少对实验进行仿行。
PPT学习交流
20
选择正确的组合
利用正交表选择实验组合可以确保 实验空间的均匀性。
可以通过以下的条件判断所选组合 是否满足正交性： 1、任意两列乘积的和为0.
2、计算所有因子的乘积，选取 乘积为1或者为－1的组合。
交互作用：一个因子的水平变化引起的因变量变化在另一个因子的
不同水平不完全相同。
区组：对于已知的不可控噪声因子进行分组，降低实验误差。
仿行：对每个组合完成不止一次的运行，每次都会重新设置。
中心点：表示所有因子水平都设置在低设置和高设置之间的中间位
置时的试验游程 。
PPT学习交流
2
电镀厚度与时间和温度的 关系：
材料(Material)：新材料(Virgin)，回收料(Regrind) 注塑温度(Temperature)：180oC，220oC 注塑压力(Pressure)：6个大气压力，9个大气压力
PPT学习交流
5
Biblioteka Baidu
在这个实验中，我们将研究这三个 因子分别在两种水平上对均值的影响。
全因子实验运行所有的8种设置组合设计DOE。 在这个实验中，我们将研究这三个因子分别 在两种水平上对均值的影响。
如下图分别对Terms按钮和Graphs按钮选 项做出设置：
分析实验
PPT学习交流
12
分析效应排序图以确定模型中应包含的因子项：
分析步骤1：简化模型
该模型3个因子项：temperature，pressure是显著的，应该被包含在模型里。
PPT学习交流
13
分析步骤2：检查残差图 Minitab产生了残差图以分析模型的有效性。
例如，进行2(3-1)实验时，可以选 取A*B*C=1或者A*B*C＝－1的组 合。
PPT学习交流
21
别名(Alias)和混淆(Confounding)
在所选的实验组合中，任意两列的乘积等于另外一列 （或者与另外一列符号相反）：
例如，A和B*C的变化是一样的，而B*C正是B和C的交互作用。 如果A由“－1”变化至”＋1”时Y发生了变化，我们就不清楚Y的 变化是由于A的变化引起的还是由于B*C的变化引起的，这种现象 叫做混淆（Confounding）。
I+ABCD
A + BCD
B + ACD
C + ABD
D + ABC AB + CD
因子的主效应和因子的3阶交互作用混淆了；因子 的二阶交互作用相互混淆了。
AC + BD
AD + BC
PPT学习交流
PPT学习交流
22
别名(Alias)和混淆(Confounding)
我们考察A的主效应时其实是同时考察了(A+BC)的效应，所以
我们把A和BC叫做互为别名（Alias），把(I+ABC)叫做别名结构
（Alias structure)。
在前面的例子中，除了（A+BC）外，别名结构还有(B+AC)，
(C+AB)，说明因子的主效应和因子的二阶交互作用相互混淆了。 在2 (4-1)部分因子实验中，存在以下的别名结构：
部分因子和全因子实验设计
PPT学习交流
1
因子实验设计
几个基本概念： 全因子实验：研究所有试验因子水平的组合对响应的可能效应。 部分因子实验：研究所有试验因子水平的组合的子集（或部分）对响应的 可能效应。 主效应：为当某个因素由低值向高值移动时响应平均值的增加（或减少）。 计算每个因素主效应的公式：
PPT学习交流
8
在Minitab中可以方便的设置Block（区组）:
在Minitab中设置DOE
试验中有两类物料：新的和 回收的，所以有两个区组。
PPT学习交流
9
在Factor选项中设置因子名称和水平
设置因子水平
PPT学习交流
10
数据窗口输出
PPT学习交流
11
选择菜单统计>DOE>因子>分析因子设计… 分析实验结果
PPT学习交流
14
Minitab的信息窗口输出了以下信息：
分析步骤3：分析信息输出窗口
PPT学习交流
流程中各因子的显 著性。
此模型解析了流 程输出97.17%的变 异。
此模型中因子的 主效应和交互作用 的显著性。
模型中各项因子 的系数。
15
模型删减
PPT学习交流
16
删减后模型变差
PPT学习交流
满足正交性的排序表有以下的两个特点： 1、每列中不同的数字(“+1”和“-1”)出现的次数相同； 2、将任意两列的同行数字看成一个数对，那么一切可能数对出 现的次数相同。例如实验中任意两列出现数对”-1,-1”，”1,+1”，”+1,-1”，”+1,+1”的次数相同。
PPT学习交流
7
利用Minitab设计DOE 现在就可以利用菜单统计>DOE>因子>创建因子设计…
这个图表被称作设计排列表（正交表）。它显示了变量在实验运行中的排序。
我们把“+1”和“-1”叫做编码(Coded)数据，把因子水平的实际取值叫做”Uncoded”数据
PPT学习交流
6
实验中的正交特性
实验的目的是判定每个因子在独立于另一个因子下对响应的影响。 这就要求因子实验的设计排序表必须是正交的(Orthogonality)。
17
分析步骤4：寻找最佳设置
选择菜单统计>DOE>因子>因子图…作出以下3张图形： 主效应图(Main Effect Plot) 交互作用图(Interaction Plot) 立方图(Cube Plot)
PPT学习交流
18
分析步骤4：寻找最佳设置
PPT学习交流
19
部分因子实验
当实验的目的是从众多因子中筛选出关键主要的因子时， 可以在实验所有的组合中挑选出一部分运行，这种方法叫做部 分因子实验(Fractional Factorials Experiment) 。
PPT学习交流
3
全因子实验设计
全因子实验设计分以下两种： 二水平全因子设计：只包含二水平因子， 2k试验。 一般全因子设计：包含具有两个以上水平的因子。
一般我们研究的都是两水平的因子设计。
因子设计步骤： 创建因子设计→分析实验结果→简化实验模型→得到最佳设置
PPT学习交流
4
案例
在注塑成型工序中，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。 实验目的：确定关键因子并量化其对响应的影响 响应变量：表面强度(Strength) 因子和水平：
PPT学习交流
20
选择正确的组合
利用正交表选择实验组合可以确保 实验空间的均匀性。
可以通过以下的条件判断所选组合 是否满足正交性： 1、任意两列乘积的和为0.
2、计算所有因子的乘积，选取 乘积为1或者为－1的组合。
交互作用：一个因子的水平变化引起的因变量变化在另一个因子的
不同水平不完全相同。
区组：对于已知的不可控噪声因子进行分组，降低实验误差。
仿行：对每个组合完成不止一次的运行，每次都会重新设置。
中心点：表示所有因子水平都设置在低设置和高设置之间的中间位
置时的试验游程 。
PPT学习交流
2
电镀厚度与时间和温度的 关系：
材料(Material)：新材料(Virgin)，回收料(Regrind) 注塑温度(Temperature)：180oC，220oC 注塑压力(Pressure)：6个大气压力，9个大气压力
PPT学习交流
5
Biblioteka Baidu
在这个实验中，我们将研究这三个 因子分别在两种水平上对均值的影响。
全因子实验运行所有的8种设置组合设计DOE。 在这个实验中，我们将研究这三个因子分别 在两种水平上对均值的影响。
如下图分别对Terms按钮和Graphs按钮选 项做出设置：
分析实验
PPT学习交流
12
分析效应排序图以确定模型中应包含的因子项：
分析步骤1：简化模型
该模型3个因子项：temperature，pressure是显著的，应该被包含在模型里。
PPT学习交流
13
分析步骤2：检查残差图 Minitab产生了残差图以分析模型的有效性。
例如，进行2(3-1)实验时，可以选 取A*B*C=1或者A*B*C＝－1的组 合。
PPT学习交流
21
别名(Alias)和混淆(Confounding)
在所选的实验组合中，任意两列的乘积等于另外一列 （或者与另外一列符号相反）：
例如，A和B*C的变化是一样的，而B*C正是B和C的交互作用。 如果A由“－1”变化至”＋1”时Y发生了变化，我们就不清楚Y的 变化是由于A的变化引起的还是由于B*C的变化引起的，这种现象 叫做混淆（Confounding）。
I+ABCD
A + BCD
B + ACD
C + ABD
D + ABC AB + CD
因子的主效应和因子的3阶交互作用混淆了；因子 的二阶交互作用相互混淆了。
AC + BD
AD + BC
PPT学习交流
PPT学习交流
22
别名(Alias)和混淆(Confounding)
我们考察A的主效应时其实是同时考察了(A+BC)的效应，所以
我们把A和BC叫做互为别名（Alias），把(I+ABC)叫做别名结构
（Alias structure)。
在前面的例子中，除了（A+BC）外，别名结构还有(B+AC)，
(C+AB)，说明因子的主效应和因子的二阶交互作用相互混淆了。 在2 (4-1)部分因子实验中，存在以下的别名结构：
部分因子和全因子实验设计
PPT学习交流
1
因子实验设计
几个基本概念： 全因子实验：研究所有试验因子水平的组合对响应的可能效应。 部分因子实验：研究所有试验因子水平的组合的子集（或部分）对响应的 可能效应。 主效应：为当某个因素由低值向高值移动时响应平均值的增加（或减少）。 计算每个因素主效应的公式：
PPT学习交流
8
在Minitab中可以方便的设置Block（区组）:
在Minitab中设置DOE
试验中有两类物料：新的和 回收的，所以有两个区组。
PPT学习交流
9
在Factor选项中设置因子名称和水平
设置因子水平
PPT学习交流
10
数据窗口输出
PPT学习交流
11
选择菜单统计>DOE>因子>分析因子设计… 分析实验结果
PPT学习交流
14
Minitab的信息窗口输出了以下信息：
分析步骤3：分析信息输出窗口
PPT学习交流
流程中各因子的显 著性。
此模型解析了流 程输出97.17%的变 异。
此模型中因子的 主效应和交互作用 的显著性。
模型中各项因子 的系数。
15
模型删减
PPT学习交流
16
删减后模型变差
PPT学习交流
满足正交性的排序表有以下的两个特点： 1、每列中不同的数字(“+1”和“-1”)出现的次数相同； 2、将任意两列的同行数字看成一个数对，那么一切可能数对出 现的次数相同。例如实验中任意两列出现数对”-1,-1”，”1,+1”，”+1,-1”，”+1,+1”的次数相同。
PPT学习交流
7
利用Minitab设计DOE 现在就可以利用菜单统计>DOE>因子>创建因子设计…
这个图表被称作设计排列表（正交表）。它显示了变量在实验运行中的排序。
我们把“+1”和“-1”叫做编码(Coded)数据，把因子水平的实际取值叫做”Uncoded”数据
PPT学习交流
6
实验中的正交特性
实验的目的是判定每个因子在独立于另一个因子下对响应的影响。 这就要求因子实验的设计排序表必须是正交的(Orthogonality)。
17
分析步骤4：寻找最佳设置
选择菜单统计>DOE>因子>因子图…作出以下3张图形： 主效应图(Main Effect Plot) 交互作用图(Interaction Plot) 立方图(Cube Plot)
PPT学习交流
18
分析步骤4：寻找最佳设置
PPT学习交流
19
部分因子实验
当实验的目的是从众多因子中筛选出关键主要的因子时， 可以在实验所有的组合中挑选出一部分运行，这种方法叫做部 分因子实验(Fractional Factorials Experiment) 。
PPT学习交流
3
全因子实验设计
全因子实验设计分以下两种： 二水平全因子设计：只包含二水平因子， 2k试验。 一般全因子设计：包含具有两个以上水平的因子。
一般我们研究的都是两水平的因子设计。
因子设计步骤： 创建因子设计→分析实验结果→简化实验模型→得到最佳设置
PPT学习交流
4
案例
在注塑成型工序中，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。 实验目的：确定关键因子并量化其对响应的影响 响应变量：表面强度(Strength) 因子和水平：