25improve2 square K experiment.ppt

第 5部分:;目的: 介绍具有2个水平的多个（大于2个）因素（X）的实验。讨论各种实验和解释规则。;DOE流程图 在前一部分，我们讨论了具有2个水平的双因素(X变量)实验设计。大多数情况下， 您需要检测的潜在X往往多于2个。在这一部分中，我们将扩展实验设计，包含更多的因素。 全因素设计阵列: 全因素实验指检测所有因素各水平的所有组合。 ;因素DOE 分析; 23 (读作 “ 2的三次方”)实验是一种包含 3个独立变量，每个变量 具有2个不同水平的实验。 即23 = 8种可能组合 24 (读作“ 2的四次方”)实验是一种包含 4个独立变量，每个变量 具有2个不同水平的实验。 即 24 = 16种可能组合 实验由多次“运行”组成，每次“运行”变量组合的设置都不尽相同。;试想喷水洗涤式清洗机：小金属部件由传送带运送，进入喷水洗涤机进行清洗。 喷水洗涤的效果是带有强力溶剂的冲刷器件决定的。这种溶剂通过预加重过滤机过滤。 溶剂蒸发后，再通过过滤器过滤。过滤器中的物体就是不能被喷水洗涤器消除的残值物。 残值物越少，清洁过程越好。 我们想证明残值的数量如何受3种变量的影响：温度、时间 (传送带速度)和(清洁剂)浓度。 在此实验中，我们将研究这三个变量（每个变量都有两个水平）对平均值和标准差的影响。 水平 变量 -1 +1 温度 暖 热 时间 短 长 浓度 低 高 此实验的八种组合见下页……;上表称为“ 设计阵列”。它表明实验“运行”变量的排列方式。 表中所示的每种变量的-1和+1顺序称为标准顺序。 -1和+1分别代表变量设置中的“ 低”和“ 高”。 由于阵列包含了三个变量的每种可能组合，它被称为 全因素阵列。 由于有八种变量组合，因此要求部件清洗机运行八种不同的设置。;实验设计的目的是确定每种因素对响应变量值产生的影响，这种影响与其它因素无关。如果设计矩阵是正交的，就可以估计由一种自变量产生的、且不受其它变量干扰的影响。 解释 正交描述实验因素之间的独立性。如果因素所有可能的组合的观测值数量相等，设计矩阵就平衡。如果您的实验‘ 平衡’ ，则它就是正交。;分区变量一般是“ 起障碍作用”的变量。 您可以将其看作另一个独立变量。;在零件清洗机实例中，假设我们注重的是另一种隐藏变量可能对结果产生影响--一种我们不一定能控制的变量。 例如，有些我们不能控制的环境条件可能在一夜之间改变，如温度或湿度。 如果条件的改变会影响实验结果，我们应设置实验，使某些实验在一天内完成，而其余实验在另一天完成。 照此方法，我们可以保证实验是正交的，并排除环境条件对实验的影响，而实验在统计上仍有效的。 在此例中，我们按天进行分区。我们选择在第一天进行4个实验，而在第二天进行另外4个实验。;由于变量有8种组合，那么就要求用8种不同的设置运行部件清洗机。8项次实验的顺序是随机的。 如: 实验 4 实验 8 实验 3 实验 7 实验 1 实验 2 实验 5 实验 6 随机顺序: 1. 保护可能随时间改变的变量。隐藏 2. 要求统计置信度说明有效。 3. 应始终用于主管评估，如表面缺陷，并用于‘ 缺乏判断 力’ 的实 验，如口味测试。 4. 常常使实验更困难。 有时，可用有限的随机性确保可接受的随机度，同时使实验更容易进行。 例如，如果一个变量难以改变，则不经常改变它，并使其它变量随机。; ;1. 成本 和长期可变性;清洁过程举例： 对于每次“实验”， 将洗衣机运行一小时，以确保在抽样前的运行状态稳定。支持小组决定重复5次，并对所有样本进行残值检测。;创建设计(23全析因) 每个实验进行5次;重复的平均值的主要影响图: 第一种图是重复残值的平均值主要影响图。下面的计算是针对下一页的主要影响图：;60.0;这些栏中8种组合的+和- 值表示3个变量所有可能 组合的列表。;影响: 6.3 0.5 2.5 -2.7;65.0;65.0;65.0;主要影响和交互作用;-1,1,1;浓度;第4变量的低水平;第4变量; ; ;基本样本容量表仅适用于连续数据;采用MINITAB生成分析因素设计;我们来进行23 清洁过程实验:;在主对话框中，点击 ‘Factors’ 注: 在选择一项设计之前，您不能点击 ‘Factors’ 。;会话窗口输出结果;记住我们进行实验的时候，包括5次重复实验。这使我们有条件分析影响变差也影响平均值的因素。 5次实验的结果如下所示。将其添加到您工作表的 C7栏至 C11栏。 然后，为每次实验添加平均值和标准变差栏。用CalcRow Statistics并在C12和C13栏中存储结果。; St