Minitab经典教程

利用Minitab中设计DOE选择菜单“统计DOE因子实验创建因子实验”并如下设置对话框:试验中班次有两个类别：白班和夜班，所以有两个区块。利用Minitab中设计DOE如下进行随机化：利用Minitab中设计DOE前面的设置完成，Minitab就为我们生成了实验的正交表。标准次序运行次序利用Minitab中设计DOE在“因子”选项中设置因子名称和水平实验的直观分析（Minitab）利用Minitab做出实验结果的主效应图和交互作用图。选择命令：“统计方差分析主效应图和交互作用图”使用文件：全因子.mtw实验的直观分析（Minitab）220180343230282624222096温度平均值压力平均值主效应图数据平均值964035302520压力平均值180220温度平均值交互作用图数据平均值直观分析的结论：温度比压力相对更重要，而它们的交互作用并不显著；为了得到更高的表面强度，温度应该设在180℃，而压力设在6。利用Minitab对实验进行统计分析遵循以下步骤对实验进行统计分析1.选择模型2.检查模型的有效性3.分析各种统计量4.确定最佳条件实验的统计分析第1步：选择模型选择菜单“统计DOE因子分析因子设计…”如下选择模型残差压力）（温度压力温度区组常量dcybaMinitab为实验建立了如下的数学模型期望值实验的统计分析第2步：分析模型的有效型一个有效的实验模型其残差满足以下三个条件：残差呈正态分布残差和为零残差没有明显的模式或者趋势Minitab为我们制作了四合一残差图进行模型的有效性判定：实验的统计分析第2步：分析模型的有效型残差满足以上的三个条件吗？210-1-2999050101残差百分比403530252010-1拟合值残差1.51.00.50.0-0.5-1.0-1.52.01.51.00.50.0残差频率8765432110-1观测值顺序残差正态概率图与拟合值直方图与顺序平均值残差图实验的统计分析第3步：各种统计量分析流程中各因子的显著性。R2，决定系数，说明了模型中的因子对结果影响的大小。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。统计工具就以下的实验数学模型进行分析：残差压力）（温度压力温度区组常量dcyba实验的统计分析第3步：各种统计量分析统计工具就以下的实验数学模型进行分析：残差压力）（温度压力温度区组常量dcyba结论：•温度的“P”≤0.05，温度是重要的；•压力的“P”≤0.05，温度是重要的•（温度×压力）的“P”0.05，温度和压力的交互作用不重要的实验的统计分析第4步：确定最佳条件选择菜单”统计DOE因子因子图…”作出以下图形：立方图实验的统计分析第4步：确定最佳条件为了得到更高的强度，因子的最佳设置是：•温度：180•压力：696220180压力温度18.087524.537539.387527.8375平均值的立方图（数据平均值）利用Minitab设计部分因子实验选择菜单统计DOE因子创建因子实验…利用Minitab设计部分因子实验按下“设计”按钮进行如下的设置：选择1/2部分因子实验利用Minitab设计部分因子实验按下“因子”按钮进行如下的设置利用Minitab设计部分因子实验设置“选项”按钮对话框为了学习的方便，把“随机化”选项去掉其他按“Ok”信息窗口输出实验设计的基本信息：因子数目运行次数实验类型实验分辨率“＋”或者“－”的组合实验的别名结构（混淆）实验的直观分析按照前面全因子实验的步骤做出实验结果的主效应图和交互作用图如下：180140631510120100907560907560907560907560催化剂浓度温度原材料浓度进给速度搅拌速度12浓度催化剂140180温度36浓度原材料1015速度进给反应完全度交互作用图数据平均值2175706560551801406315107570656055120100催化剂浓度平均值温度原材料浓度进给速度搅拌速度反应完全度主效应图数据平均值如何得出结论？使用Minitab文件：部分因子（＋）.mtw实验的直观分析初步结论：主效应中，催化剂浓度，温度和原材料浓度相对是重要的交互作用中，A*B：催化剂浓度*温度，B*C：温度*原材料浓度是重要的。180140631510120100907560907560907560907560催化剂浓度温度原材料浓度进给速度搅拌速度12浓度催化剂140180温度36浓度原材料1015速度进给反应完全度交互作用图数据平均值2175706560551801406315107570656055120100催化剂浓度平均值温度原材料浓度进给速度搅拌速度反应完全度主效应图数据平均值实验的统计分析第1步：选择模型因子项的重要性：在这个例子中，很明显催化剂是最重要的，第二个重大的影响是温度。当我们进行简化时，红线以下的因子和交互作用都被列入可从模型中移去的候选项。为了确保分析的精确性，在简化模型之前可以分析“主效应图”和“交互作用图”EBEDEBDCDACAEADDCECBCABBA20151050项效应4.82A催化剂浓度B温度C原材料浓度D进给速度E搅拌速度因子名称效应的Pareto图（响应为反应完全度，Alpha=.05)Lenth的PSE=1.875简化模型重新打开实验分析窗口：统计DOE因子分析因子实验…在“项”中只保留重要的因子项其他按“确定”实验的统计分析第2步：分析模型的有效型模型有效吗？5.02.50.0-2.5-5.0999050101残差百分比9080706050420-2-4拟合值残差420-2-443210残差频率16151413121110987654321420-2-4观测值顺序残差正态概率图与拟合值直方图与顺序反应完全度残差图实验的统计分析第3步：各种统计量分析因子项的显著性此模型解析了流程输出96.84%的变异。此模型中因子的主效应和交互作用统计上都是显著的。异常点，需要分析其原因。模型中各项因子的系数。实验的统计分析第4步：寻找最佳设置选择菜单统计DOE因子因子图…作出实验的立方图在实验的区域中，提高流程反应度的最佳设置是：温度:180催化剂浓度:2原材料浓度:36318014021原材料浓度温度催化剂浓度80.066.055.547.094.062.053.064.5反应完全度的立方图（数据平均值）田口实验分析如下图设置Minitab对话框使用文件：田口实验.mtw分析实验如下图设置Minitab对话框信息窗口输出因子显著性的判断：田口博士的一半一半原则（把大约一半的因子作为重要因子，另外一半视为不重要因子）因子水平的选择21-7-8-9-10-112121-7-8-9-10-11X1信噪比的平均值X2X3信噪比主效应图数据平均值信噪:望目(-10*Log10(s**2))21484644424021214846444240X1均值的平均值X2X3均值主效应图数据平均值最大化SN比：X1:水平2X3:水平1调整调节因子至目标值：X2:水平1第31页利用Minitab建立控制图打开Minitab文件PCB.mtw选择“统计控制图属性控制图P…”第32页设置对话框如下图设置对话框第33页利用Minitab建立SPC打开Minitab文件holediameter.mtw选择“统计控制图子组的变量控制图Xbar-R…”第34页利用Minitab计算控制限（供参考）如下图设置对话框