MINITAB操作课程培训(I阶段)

MINITAB操作课程培训(I阶段）---designofexperment（DOE)概述•在改进阶段，从分析(A)阶段得到的自变量Xs中选定少数显著因子，对所选定的因子要有计划的进行试验，明确如何才能改进指标Y,根据实验的结果找少数显著因子的最佳水平,使Y达到最佳值。criticalXsVitalFewcombinationVitalFew完全/部分配置法controlVitalFewOptimization验证实验不需要时验证实验需要时响应曲面实验实验计划法（DOE)的目的－通过按照周密计划进行实验1.掌握哪个要因对Y有有意的影响并且了解其影响的程度有多大。－验证和推定问题2.掌握引起微小影响的要因在所有影响当中占多少比重，测定误差有多少。－推定误差项的问题3.掌握有有意影响的原因在什么条件时可以得到最佳的反应。－最佳反应条件的问题方差分析回归分析目录1.单因子试验设计与分析---单向分类设计（onewayANOVA)---多项式回归2.全因子设计与分析---2水平全因子设计与分析---3水平全因子设计与分析3.2k因子设计与分析(中心点及分区化)4.部分实施因子设计与分析---2-levelfactorial（defaultgenerators)---2-levelfactorial（specifygenerators)---Plackett-Burmandesign5.响应曲面（RSM）设计与分析---Centralcomposite---Box-Behnken6.EVOP7.稳健参数设计与分析（Taguchi）---静态特性---动态特性8.混料设计与分析（Mixture）---Simplexcentroid---Simplexlattice---Extremevertices试验设计的方法有许多，一个好的设计，可以通过少量试验获得较多的信息，达到试验的目的。210＝10241.单因子试验设计与分析单因子试验设计目的1.比较一下因子的几个不同设置间是否有显著差异，如果有显著差异，哪个或哪些设置较好；（单向分类设计）2.建立响应变量与自变量间的回归关系（通常是线性、二次或三次多项式），判断我们建立的回归关系是否有意义。（多项式回归）单向分类设计例题比较四个车工A\B\C\D所加工丝杠的直径是否相等。将20根坯料用随机序编号顺序号,再采用随机抽取方法,让每个车工选取5根,按顺序号在同台车床上加工.ABCD50.049.850.750.650.450.250.551.049.849.950.950.850.350.050.851.250.750.450.350.5单向分类设计直径数据表单位:mm步骤1：输入试验数据步骤２：处理试验数据MINITAB：Data-Stack-Columns步骤２：处理试验数据（续）步骤３：分析试验数据MINITAB：Stat-ANOVA-OneWayMinitab输出－OneWayANOVAOne-wayANOVA:C2versusSubscriptsSourceDFSSMSFPSubscripts31.84400.61477.660.002Error161.28400.0803Total193.1280S=0.2833R-Sq=58.95%R-Sq(adj)=51.25%Individual95%CIsForMeanBasedonPooledStDevLevelNMeanStDev-------+---------+---------+---------+--A550.2400.351(------*-------)B550.0600.241(------*-------)C550.6400.241(-------*-------)D550.8200.286(-------*-------)-------+---------+---------+---------+--50.0550.4050.7551.10PooledStDev=0.283拒绝原假设H0,即操作工之间有显著差异．Minitab输出－BoxplotSubscriptsC2DCBA51.251.050.850.650.450.250.049.8BoxplotofC2bySubscripts可以看出四个车工所加工出的丝杠直径间有显著差异．可以确定各组间有显著差异后，下一步需分析哪些组间有显著差异。步骤4：分析两组间是否有显著差异MINITAB：Stat-ANOVA-OneWayMinitab输出－Tukey分析结果Tukey95%SimultaneousConfidenceIntervalsAllPairwiseComparisonsamongLevelsofSubscriptsIndividualconfidencelevel=98.87%Subscripts=Asubtractedfrom:SubscriptsLowerCenterUpper--------+---------+---------+---------+-B-0.6931-0.18000.3331(------*-------)C-0.11310.40000.9131(-------*------)D0.06690.58001.0931(------*-------)--------+---------+---------+---------+--0.700.000.701.40Subscripts=Bsubtractedfrom:SubscriptsLowerCenterUpper--------+---------+---------+---------+-C0.06690.58001.0931(------*-------)D0.24690.76001.2731(------*------)--------+---------+---------+---------+--0.700.000.701.40Subscripts=Csubtractedfrom:SubscriptsLowerCenterUpper--------+---------+---------+---------+-D-0.33310.18000.6931(-------*------)--------+---------+---------+---------+--0.700.000.701.40例如，总体A的均值-总体B的均值落入（-0.6931，0.3331）。由于0落入区间内，因此，无法拒绝两总体均值相等的原假设，即应判定两总体均值无显著差异，即AB间均值无显著差异。AB间、AC间、CD间均值无显著差异。AD间、BC间、BD间均值有显著差异。多项式回归设计例题锻件温度显著影响锻件最终断裂强度。采用800、850、900（摄氏度），各锻造3根钢轴，将钢轴的断裂强度（单位：吨）记录下来，得到下列数据：锻件温度与断裂强度数据表temp800850900135.839.440.1236.239.639.6337.138.538.9步骤1：输入试验数据步骤２：处理试验数据MINITAB：Data-Stack-Columns步骤３：分析试验数据MINITAB：Stat-ANOVA-OneWayMinitab输出－OneWayANOVA拒绝原假设H0,即不同温度的各总体断裂强度之间有显著差异．Minitab输出－BoxplotSubscriptsC29008508004039383736BoxplotofC2bySubscripts不同温度的各总体断裂强度之间有显著差异．下一步建立断裂强度与温度间的回归方程，判断建立的回归关系是否有意义。步骤4：建立回归方程-处理数据步骤5：建立回归方程-拟合线形方程MINITAB：Stat-Regression-FittedLinePlotMinitab输出－回归分析tempstrength9008808608408208004039383736S0.866896R-Sq74.1%R-Sq(adj)70.4%FittedLinePlotstrength=11.44+0.03167temp拒绝原假设H0,可见线性趋势是显著的．从图中看出数据有弯曲趋势，因此拟合线性方程回归效果不够好。步骤6：建立回归方程-拟合二次函数方程MINITAB：Stat-Regression-FittedLinePlotMinitab输出－回归分析tempstrength9008808608408208004039383736S0.619139R-Sq88.7%R-Sq(adj)84.9%FittedLinePlotstrength=-339.4+0.8590temp-0.000487temp**2拒绝原假设H0,可见模型是显著的．Theregressionequationisstrength=-339.4+0.8590temp-0.000487temp**2可见线性及二次项趋势是显著的．上述方法还可以推广到更高阶的情形，表面上看，次数增高可以使“拟合效果更好”，但这样的拟合模型缺乏好的预测能力，因为这时估计和预测值的方差都变大了，在回归分析中，称这类现象为“超拟合”。从拟合的多项式的阶数上述，一个因子取了k个水平，对于所获得的数据可以拟合一个k-1阶多项式。但实际上，4次以上的多项式一般是不使用的。练习•制造Team研讨3种Soldering材料。目前使用的是A公司的材料，现在要把B、C公司材料追加研讨。通过对各个材料的强度分析找出最佳的材料。ABC918211215191414211317161815232.全因子设计与分析全因子试验概述•全因子试验设计指所有因子的所有水平的所有组合都至少要进行一次试验；•当因子水平超过2时，由于试验次数随因子个数的增长而呈指数速度增长，因而通常只做二水平的全因子试验。如果确实需要做三水平或更多水平全因子试验时，软件也有此分析方法。但通常认为加上中心点后的二水平试验设计已经足够了，在相当程度上它可以代替三水平的试验，而且分析简明易行。•通常将k个因子的二水平全因子试验记为：2k试验，因此它是全因子试验的一个特例。试验设计三个基本原则•重复试验•随机化•划分区组试验设计分析五步法2.进行残差诊断1.拟合选定模型3.模型要改进吗？4.对选定模型进行分析解释5.目标是否已达到？进行验证试验YYN进行下批试验N全因子设计例题在压力成型塑胶板生产中，经过因子的初步筛选后得知，影响成型塑胶板的因子有3个：（distance）、成型压力（pressure)及压力角（angle）。在3个因子新的较好的范围内，什么生产条件下可以获得最大的成型塑胶板强度（strength）。代号因子名称Level1（低水平）Level2（高水平）A压模间距60mm70mmB成型压力300Pa400PaC压力角20度24度因子及水准表步骤1：设计实验MINITAB：Stat-DOE-Factorial－CreateFactorialDesign本实验做全因子实验并安排4个中心点（即23＋4）。步骤1：设计实验（续）Minitab输出－－计划表步骤2：做实验、输入试验数据实验数据步骤3：分析全因子模型（1.拟合选定模型）MINITAB：Stat-DOE-Factorial－AnalyzeFactorialDesignMinitab输出－FactorialFit拒绝原假设H0,说明模型总的效果是明显的。接受原假设H0,说明模型没有明显弯曲趋势。Minitab输出－ParetoandNormalPlotsTermStandardizedEffectACCBCABAB5432102.776FactorNameAPressBDisCAngleParetoChartoftheStandardizedEffects(responseisstrength,Alpha=.05)StandardizedEffectPercent5.02.50.0-2.5-5.0999590807060