DOE分析和优化

,Pg,19,DOE,分析,分析方法,分析步骤,因子效应的显著性,模型简化,残差分析,主效果交互作用,等高线分布,反应优化器,正态分布图,Pareto,图,ANOVA,分析表,残差图,主效果图,交互作用图,等高线图,反应优化器,StatDOEFactorial,DOE,分析,因子效应的显著性,模型简化,残差分析,DOE,设计,创建试验计划,主效果图和交互作用图,等高线图,反应优化器,例：,弹射器试验：依上述试验设计运行，收集数据参见,DOE,案例弹射器距离,.MTW.,请进行,DOE,分析,StatDOEFactorial ,Analyze Factorial Design,Step1,：,因子效应的显著性,解析度,=,故只能分析主效果和二项交互作用。,正态分布图,Pareto,图,残差分布图,影响弹射距离,Y,的,显著因子：,A-,橡皮筋,F-,底座角度,Estimated Effects and Coefficients for Y bar (coded units),Term Effect Coef SE Coef T P,Constant 1.62563 0.01887 86.13 0.007,Block -0.01612 0.01887 -0.85 0.550,橡皮筋,1.28825 0.64413 0.01887 34.13,0.019,投掷球,-0.05475 -0.02738 0.01887 -1.45 0.384,固定臂位置,0.43275 0.21637 0.01887 11.46 0.055,投射臂位置,0.37475 0.18737 0.01887 9.93 0.064,投射仓位置,0.16025 0.08013 0.01887 4.25 0.147,底座角度,1.18125 0.59062 0.01887 31.29,0.020,橡皮筋*投掷球,0.07325 0.03663 0.01887 1.94 0.303,橡皮筋*固定臂位置,0.14675 0.07338 0.01887 3.89 0.160,橡皮筋*投射臂位置,0.18975 0.09488 0.01887 5.03 0.125,橡皮筋*投射仓位置,-0.03875 -0.01938 0.01887 -1.03 0.492,橡皮筋*底座角度,0.31325 0.15663 0.01887 8.30 0.076,投掷球*固定臂位置,0.08475 0.04238 0.01887 2.25 0.267,投掷球*投射臂位置,0.01175 0.00588 0.01887 0.31 0.808,S = 0.0755 R-Sq = 99.96% R-Sq(adj) = 99.40%,影响弹射距离,Y,的,显著因子：,P0.05,A-,橡皮筋,F-,底座角度,所靠量的因子*,6,个及其二阶交互作用可解释变异的能力,:,R-Sq=99.96%,Step2,：,模型简化,把,P,值,0.5,的项目删除,Estimated Effects and Coefficients for Y bar (coded units),Term Effect Coef SE Coef T P,Constant 1.62563 0.01598 101.72 0.000,Block -0.01612 0.01598 -1.01 0.387,橡皮筋,1.28825 0.64413 0.01598 40.31 0.000,投掷球,-0.05475 -0.02738 0.01598 -1.71 0.185,固定臂位置,0.43275 0.21637 0.01598 13.54 0.001,投射臂位置,0.37475 0.18737 0.01598 11.72 0.001,投射仓位置,0.16025 0.08013 0.01598 5.01 0.015,底座角度,1.18125 0.59062 0.01598 36.96 0.000,橡皮筋*投掷球,0.07325 0.03663 0.01598 2.29 0.106,橡皮筋*固定臂位置,0.14675 0.07338 0.01598 4.59 0.019,橡皮筋*投射臂位置,0.18975 0.09488 0.01598 5.94 0.010,橡皮筋*底座角度,0.31325 0.15663 0.01598 9.80 0.002,投掷球*固定臂位置,0.08475 0.04238 0.01598 2.65 0.077,S = 0.0639238 R-Sq = 99.91% R-Sq(adj) = 99.57%,和简化前有什么不一样,?,因子对,Y,影响程度大小顺序如何？,请思考：,Step3,：,残差分析,残差符合正态性,并且没有明显规律性,该模型是合适的。,根据方差分析的数据（,Coef,数值,）可以计算出数学模型的回归方程为：,距离（,Y,）,1.62563+0.64413,A,+0.21637,C,+0.18737,D,+0.08013,E,+0.59062,F,+0.07338,A*C,+0.09488,A*D,+0.15663,A*E,其中：,Y,投掷距离,A,橡皮筋,B,投掷球,C,固定臂位置,D,投掷臂位置,E,投掷仓位置,F,底座角度,回归模型建立：,Step4,：,主效果交互作用,StatDOEFactorial,Factorial Plots,(,主效果图,),(,交互作用图,),图形告诉我们什么信息？,Step5,：,反应优化器,StatDOEFactorial,Response Optimizer,三种选择,:,Minimize,Target,Maximize,依据反应优化器所选择因子水平设置：,Y=3.5m,红线可以拖动来设置该因子水平,得出结论,需回答的问题：,试验结果是否具有统计显著性？,模型是否合宜？,残差分析是否有异常？,因子主效果如何？,因子交互作用如何？,因子水平如何设置可达到目标？,执行验证确认,统计结论实际问题改进指导验证实验,执行验证试验来确认你是否真正作出改进非常重要。,在执行验证试验中要根据分析结论对主要因子水平结合实际情况进行合理设置。,可对验证试验结果抽样数据与原数据进行假设检验，以证实你确实做了改进。,知识获取点,明确问题,：品质特性、因子水平、试验目标,基本概念,：结合实际需要选择所需要的试验类型（分辨度、区组,(Block),、复制和重复次数、试验次数、功效,(Power),）,分步试验,：筛选（分数阶乘）改进（全因子）优化（,RSM,）,因子效应,显著性,分析判断,分析,模型优化,残差诊断,主效应、交互作用,回归模型,反应优化器,Exercise 01:,在压力成型塑胶板生产中，经因子初步筛选后知，影响成型塑胶板强度的因素有：压膜间距、成型压力、压力角度。,请设计试验计划：,1,、响应变量？,2,、因子,:,间距,60mm70mm,，压力,300Pa/400Pa,，角度,20/24,3,、试验计划？,