关于Minitab教育的完整资料.pptx

《关于Minitab教育的完整资料.pptx》由会员分享，可在线阅读，更多相关《关于Minitab教育的完整资料.pptx（47页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Fast Execution Profitable GrowthGreat Company Great People本资料来源本资料来源Fast Execution Profitable GrowthGreat Company Great People分析（分析（ChiSquare）26/40 检验三个以上比率之间的差异.000营业部对A、B、C、D四种材料进行了作业性评价，结果如下： A B C D样本不合格品 45 43 48 44 5 7 2 6- 0假设：不同材料的不合格率一样- 对立假设：不同材料的不合格率不一样 Stat - Tables -Stat - Tables - Chi-

2、Square Test.Chi-Square Test. Expected counts are printed below observed counts A B C D Total 1 45 43 48 44 180 45.00 45.00 45.00 45.00 2 5 7 2 6 20 5.00 5.00 5.00 5.00 Total 50 50 50 50 200 Chi-Sq = 0.000 + 0.089 + 0.200 + 0.022 + 0.000 + 0.800 + 1.800 + 0.200 = 3.111 DF = 3, P-Value = 0.375 * * p-V

3、alue : 0.375(37.5%)=p-Value大，所以接受0假设。即不同材料之间不存在不合格率上的差异。 Fast Execution Profitable GrowthGreat Company Great People分析（分析（ChiSquare）26/40 想确认两个变量的独立关系的时候. 000营业部调查了不同性别所喜欢的产品色彩，结果如下： -0假设：性别与色彩是相互独立的（无关联）-对立假设：不同材料的不合格率不是相互独立的（有关联） 白色 紫色 蓝色 男女 37 41 44 35 72 71 Chi-Square Test: 白色，紫色，蓝色 Expected coun

4、ts are printed below observed counts 白色，紫色，蓝色 Total 1 37 41 44 122 29.28 45.95 46.77 2 35 72 71 178 42.72 67.05 68.23 Total 72 113 115 300 Chi-Sq = 2.035 + 0.534 + 0.164 + 1.395 + 0.366 + 0.112 = 4.606 DF = 2, P-Value = 0.100 * * p-Value : 0.100(10.0%) = p-Value大，所以接受0假设。即色彩与性别是独立的Fast Execution Pro

5、fitable GrowthGreat Company Great People理解（理解（ChiSquare）26/40 3)对表（TABLE）的假设检验 Chi-Square Test结果的解释方法骰子的概率因我们事先已经了解了， 因而能通过简单的计算 算出来。 在不知概率的情况下，如果当想要确认两个变数的独立关系时，我们将怎么做？ Chi-Square Test: 白色，紫色，兰色 Expected counts are printed below observed counts 白色 紫色 兰色 Total 1 37 41 44 122 29.28 45.95 46.77 2 35 7

6、2 71 178 42.72 67.05 68.23 Total 72 113 115 300 Chi-Sq = 2.035 + 0.534 + 0.164 + 1.395 + 0.366 + 0.112 = 4.606 DF = 2, P-Value = 0.100 首先考虑一下出现白色的概率。 全部人员数是300名，选择白色的人数72名， 选择白色的概率是72/300。 接下来计算一下男士（1）的预计值。 参与的男士总人数为122名， 则计算出来的预计值（72/300）122为29.28 既男士选择白色的预计值是29.28， 实际值是 37，它们之间的差异是（37-29.28） （37-2

7、9.28） /29.28 即2.035。 分析结果chi-sq的个别值越大， 预计值与实际值之间的差异越大。 改善（改善（ImprovementImprovement）阶段）阶段 DOE完全配置法完全配置法 DOE部分配置法部分配置法Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 这次介绍一下这次介绍一下66活动中的重点部分试验设计和分析方法。（以各种设计法中最常用的设计法为重点活动中的重点部分试验设计和分析方法。（以各种设计法中最常用的设计法为重点） 试验试验的的概概述述 积极收

8、集数据的方法是试验。做试验时，不仅要节约时间和费用，而且出于去除噪音、保护试验的考虑，需要考虑试验设计。 我们不是计划（planning）试验，而是设计（Design）试验。因此，虽有适用于各种情况的多种试验设计法，但在做试验时一般都是经过下面3步来达到最佳。 决定因素的选择 - 要因配置法（2水平计）、交落法、部分实施法 向最佳点移动 - Center point设计和最大倾斜法 最佳点的确认 - 反应表面试验（一般也称中心合成法） 在这里我们将介绍设计和分析上述试验设计的方法。 试验试验中使用的基本用中使用的基本用语语 000事业部对影响冷却力的A、B两个因子进行了试验。这时，A、B分别被

9、分为3个，并在各自的试验条件下进行了二次试验。 试验的关注对象？ 冷却力冷却力 - - 称作因变量或被解释变量称作因变量或被解释变量 调整的变量？A, B - A, B - 称作自量变或解释变量称作自量变或解释变量 自变量的试验条件？3 - 3 - 水平水平(Level)(Level) 在各自试验条件下的试验次数？2 - 2 - 重复数重复数 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 什什么么是是2 2水平要因配置法？水平要因配置法？ 2水平计因素配置法是指把自变量的水平设成

10、2水平来进行试验的方法。（在所有的试验条件下进行） Design Design方法方法 试对影响冷却力的A、B二因子进行试验。（水平：2水平；重复次数：2次） Stat - DOE - Stat - DOE - Factorial - Create Factorial Design.Factorial - Create Factorial Design. DesignDesign完成后的完成后的状态状态 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 试验结试验结果的分析（果的分析

11、（练习练习3.mtw3.mtw） ANOVA 分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 因A、B的P-Value值小，所以我们可以知道：在A、B的影响下，因变量值是变化的。 但我们也知道：A、B的交互作用对因变量并没有太大的影响.可将此用图表示如下： Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 试验结试验结果的分析

12、（果的分析（练习练习3.mtw3.mtw） 图解分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 逐一点击Main Effects Plot、 Interaction Plot、 Cube plot的set up按键，然后像右边图那样进行输入。 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 试验结试验结果的分析（果的分析（练

13、习练习3.mtw3.mtw） 图解分析 Cube Plot 分析时的注意事项 在求试验时的最大值时，使用起来最容易的是Cube Plot。但在存在交互作用时，请不要使用Cube Plot。你可这样进行。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 在各水平组合中可看到试验结果。 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40

14、什什么么是交落法？是交落法？ 只有在同一环境和条件下进行试验，才能获得完好的结论。但在同一环境下完成所有的试验经常是很困难的。比如，做4因素2水平试验时，总共要进行16次试验。在所做的16次试验当中，如果一天完不成8次，那么就不得不花费2天来完成。这时，第一天和第二天的试验环境和条件就不敢说是完全一样的了。为了有效地消除变化的条件和环境所产生的影响，而把全部试验分为两组来设计的方法就是直交法。在进行这样的试验时，把16次试验分成8次2个组。如此划分的标准可参看下面。3次以上的交互作用对因变量几乎没有影响，即使有影响，大部分也是无法从技术上进行克服的，所以我们在做试验设计时，就放弃了这种高层次的

15、交互作用。 直交是我们在无法消除二因子间的交互作用时才提及的。在这里，我们无法消除高层次的交互作用和Group间的效应，在这种情况下我们还是进行了设计，所以就称作直交法。） 设计设计方法方法 让我们将2水平4因子分做两个小组来进行设计。这时，分组的标准中就放弃了4次交互作用。 Stat - DOE - Factorial - Create Factorial Design.Stat - DOE - Factorial - Create Factorial Design. 基本上与2水平要因配置法相同，不同的地方请参看下面。 Fast Execution Profitable GrowthGre

16、at Company Great People试验的设计与分析试验的设计与分析 27/40 设计设计方法方法 Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 设计完成的状态设计完成的状态 让我们将2水平4因子分做两个小组来进行设计。这时，分组的标准中就放弃了4次交互作用。 有有关设计关设计的信息确的信息确认认 设计完成后，有关设计的信息会显示在Design窗口中。 我们通过试验所能确认信息量的表示尺度，就是试验的Resolution。一般常用的是

17、3、4、5。Resolution 3 : 只确认主效应的效应Resolution 4 : 确认主效应和一部分二次交互作用的效应Resolution 5 : 确认主效应和所有的二次交互作用的效应 试验试验的的Resolution 试验结试验结果的分析果的分析 试验结果的分析方法等同于2水平要因配置法的结果分析方法。 ANOVA 分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 图解分析 Stat - DOE - Stat - DOE - F

18、actorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Cube Plot 分析时的注意事项 在求试验时的最大值时，可很容易应用的是Cube Plot。但在存在交互作用时，请不要使用Cube Plot，可按如下方式进行。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Fast Execution Profitable GrowthGreat Comp

19、any Great People试验的设计与分析试验的设计与分析 27/40 什什么么是部分是部分实实施法？施法？ 在2水平计试验中，当因子变多时，试验次数有骤增的倾向。即因子为2时要4次，因子为3时要8次，因子为4时要16次，因子为5时要32次，因子很多时，利用直交法中所用的假定可有效地减少试验次数。即放弃了3次以上的交互作用，同时还减少了试验的次数。 直交法已经应用这样的假定把全部试验进行了分组。从中进行选择并只对一个组进行的试验，就是部分配置法。根据因子的个数，部分实施法从1/2、1/4、1/8、1/16中进行选择。 设计设计的方法的方法 让我们用1/2部分配置法来设计2水平4因素。 S

20、tat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 基本上等同于2水平要因配置法, 不同的地方如下。 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 设计方法设计方法 对四个二水平因子进行12部分配置法设计。 Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Fact

21、orial - Create Factorial Design. 设计设计完成的完成的状态状态 确确认关认关于于设计设计的情的情报报 设计结束之后，设计情报会显示在Session窗上。 试验结试验结果的分析果的分析 试验结果分析方法和在二水平要因配置法下的结果分析方法完全一样。 ANOVA 分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 图像分析 Stat - DOE - Stat - DOE - Factorial - Analyze

22、 Factorial Design.Factorial - Analyze Factorial Design. 解释Cube Plot时的注意事项 如果要在试验中找最大值，经常使用Cube Plot。但是存在交互作用的情况下，不能使用Cube Plot，而应用以下的方法查找。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Fast Execution Profitable GrowthGreat Company Great People试验

23、的设计与分析试验的设计与分析 27/40 中心点中心点center pointcenter point设计设计和最大和最大倾倾斜法斜法 二水平试验中，自变量的水平只有两个，因此自变量的效果只能用直线才看得到。但这只是假设，有必要确认是直线还是曲线。中心点设计，是指利用部分配置法选定重要因子后，在确认自变量的效果是直线还是曲线时所使用的方法。如果是直线，跟随因变量的增加方向进行试验，快速移动到最佳点附近，这就是最大倾斜法 设计设计方法方法 对通过部分配置法选定的重要因子A、B进行中心点(center point)设计。（A的水平是40，60；B的水平是80，100）这时，为了进行Lack-of-

24、fit Test，需要重复两次以上。（在这里要重复三次。） Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 基本上和二水平要因配置法一样，不同的地方如下： Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 设计设计方法方法 对通过部分配置法选定的重要因子A、B然后进行中心点(center point)设计。（A的水平是40，60；B的水

25、平是80，100）这时，为了进行Lack-of-fit Test，需要重复两次以上。（在这儿重复三次） Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 设计设计完成的完成的状态状态 试验结试验结果的分析（果的分析（练习练习4.mtw4.mtw） 利用回归分析。即求出直线回归方程之后，判断直线是否正确。如果是直线，计算A、B的增加值。 Stat - Regression - Regression(Stat - Regression - Regres

26、sion(在在optionoption选择选择Pure Error)Pure Error) Lack of Fit的p-Value是69.6，可以看成是直线。 因变量和自变量之间的函数式 : Y = -65.6 + 0.450A + 0.800B A每增加1的时候，相对的，B增加1.77（0.8/0.45），这时就可以跟踪Y的增加方向。即A每增加10，B增加17，确认Y的趋势。如果Y的值有先增加后减小的地方，它的附近就是最佳点。 计算A和B的增加值Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析

27、 27/40 什什么么是反是反应应表面表面试验试验？ 利用最大倾斜法找出最佳点范围之后，需要在周围做很多次的试验。这时使用的方法叫反应表面试验（主要使用中心合成法）。例如，在最接近两个因子的地点时，对离中心同样距离的所有条件进行试验。 例如，在最接近两个因子的地点时，对离中心同样距离的所有条件进行试验。离中心点（0.0）最远的就是 在这个距离的所有点上进行试验。 根据勾股定理 的距离是1.414。 设计设计方法方法 利用最大倾斜法对A、B两个因子进行试验的结果，可以判断出A在115，135；B在270，330附近为最佳点。利用中心合成法，进行反应表面设计。 Stat - DEO - Respo

28、nse Surface - Create Response Surface Design.Stat - DEO - Response Surface - Create Response Surface Design. Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 设计设计方法方法 利用最大倾斜法对A、B两个因子进行试验，可以判断A在115，135；B在270，330为最佳点。利用中心合成法，进行反应表面设计。 Stat - DEO - Response Surface - Cre

29、ate Response Surface Design.Stat - DEO - Response Surface - Create Response Surface Design. 设计设计完成的完成的状态状态 对试验结对试验结果果进进行分析（行分析（练习练习5.mtw5.mtw） 首先求出适当的二次回归方程。 Stat - DEO - Response Surface - Analyze Response Surface Design.Stat - DEO - Response Surface - Analyze Response Surface Design. Fast Executio

30、n Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 不存在交互作用的效果，所以在删除回归式的交互作用效果之后，再进行分析。 试验结果的分析（练习试验结果的分析（练习5.mtw5.mtw） 反应表面试验分析时应注意事项 反应表面试验分析最主要的是找出因变量与自变量之间适当的函数式。根据Lack of Fit Test的结果，如果p-Value很小，就没必要调整函数式。可在分析时利用Term Option，删除或添加必要的变量进行分析。 Lack of Fit Test的结果比前面好，可以判断这次找到的回归方程更恰

31、当。 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 求出适当的二次回归方程之后，利用图像确认最佳点。求出适当的二次回归方程之后，利用图像确认最佳点。 Stat - DOE - Response Surface - Contour/Surface(Wireframe) plots.Stat - DOE - Response Surface - Contour/Surface(Wireframe) plots. 这次将对质量控制时的常用菜单进行说明一一点击后，按照上图所示进行输入这次

32、将对质量控制时的常用菜单进行说明一一点击后，按照上图所示进行输入 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 有两个以上因变量的时候有两个以上因变量的时候 在实际操作中，因变量为两个以上的情况比较多，并且其中一个因变量越大越好，另一个因变量越小越好。这样的情况下，应该怎样进行分析呢？试验按照只有一个因变量的情况进行设计。分析时，与一个因变量的情况一致，给每个因变量找出函数式。然后比较两个函数，找出满足我们所需因变量状态的自变量水平。Minitab提供简易菜单，使这些操作变得更加

33、容易。来看一看收益和费用，收益当然是越高越好，但费用也会跟之增加。寻找同时满足收益和费用的自变量的条件。（练习5-1.mtw） 找两个函数式找两个函数式 首先找出收益、费用和自变量之间的函数式。（找出收益和费用之间的适当函数式） 关于关于ConversionConversion的函数式的函数式 Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 关于关于ActivityActivity的函数式的函数式 Fast Execution Profitable GrowthGreat Comp

34、any Great People试验的设计与分析试验的设计与分析 27/40 确认满足两个因变量条件的自变量状态确认满足两个因变量条件的自变量状态 Conversion在7580，Activity在5560之间比较好。我们把关于两个因变量的Contour Plot分别画在OHP Film上之后，再将两者重叠起来，就可确认自变量的条件。那么，先让我们把两个Contour Plot重叠起来。 Stat - DOE - Response Surface -Stat - DOE - Response Surface - Overlaid Overlaid Contour Plot.Contour Pl

35、ot. Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 确认自变量的条件确认自变量的条件 在前面我们确认了自变量的条件，但还不知道自变量的正确值。让我们以前面分析的结果作为依据，确认一下自变量的条件。 Stat - DOE - Response Surface -Stat - DOE - Response Surface -

36、 Response Optimizer.Response Optimizer. Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40 确认自变量的条件确认自变量的条件 在前面我们确认了自变量的条件，但还不知道自变量的正确值。让我们以前面分析的结果作为依据，确认一下自变量的条件。 Stat - DOE - Response Surf

37、ace -Stat - DOE - Response Surface - Response Optimizer.Response Optimizer. Fast Execution Profitable GrowthGreat Company Great People试验的设计与分析试验的设计与分析 27/40Fast Execution Profitable GrowthGreat Company Great People改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法） DOE实验用来同时研究几个因子对过程的影响。在做试验时，几个因子的水准同时变实验用来同时研究几个因子对过程的

38、影响。在做试验时，几个因子的水准同时变化这样在时间和成本方面更为有效。同时，我们也可以研究因子间的交互作用（交互作用化这样在时间和成本方面更为有效。同时，我们也可以研究因子间的交互作用（交互作用有时对过程的影响还是挺大的）。通过实验可以确定最佳反应值对应的因子的最适条件。有时对过程的影响还是挺大的）。通过实验可以确定最佳反应值对应的因子的最适条件。实验用语介绍： 反应值：实验的结果 因子：潜在（或有意）因子 水准：因子的设定条件 主效果：因子水准变化对反应值的影响 交互作用：在一个因子的不同水准的情况下，另一个因子水准变化对反应值影响的差异完全配置法（Full Factorial Design

39、）：就是所有因子的所有水准进行实验的方法这里介绍2水准的因子完全配置DOE实验（每个因子有两个水准）实验步骤： 1. 确定反应值 2. 确定实验的因子及其水准 3. 实验表格设计（注意“反复”和“随机”） 4. 根据设置的条件实施实验 5. 记录试验结果（反应值） 6. 对实验结果进行分析 1） 主效果、交互作用图直观判断 2） ANOVA、Regression分析致命因子及有影响的交互作用确定 7. 确定最佳反应值及因子的最适条件随机可以消除变量随着时间变化而产生潜在变数的影响反复可以减少异常值对实验结果带来的影响27/40Fast Execution Profitable GrowthGr

40、eat Company Great People 例：研究时间Time（50秒、20秒），温度Temp（200度、150度），压力Press（3个、4个）对变形量Y的实验，Y的 spec：44以下，每个实验条件反复两次。1. 反应值Y变形量 （spec： 44以下）2. 因子A时间 （水准 20 50） 因子B温度 （水准 150 200） 因子C压力 （水准 3 4） 因子的水准分别表示为 -1 1 3. 应用Minitab设计实验 输入因子数“3”每个实验条件下进行2次选择“随机”点击“OK”实验设计结果改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法）28/40Fast Ex

41、ecution Profitable GrowthGreat Company Great People4. 在实验设计结果中输入反应值 输入反应值5. 对实验进行分析对每一个“Setup”均设置成如下式样点击“OK”改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法）29/40Fast Execution Profitable GrowthGreat Company Great PeopleMean of C81-1474645441-11-147464544ABCMain Effects Plot (data m eans) for C8A1-11-1484644B484644CA

42、-11B-11Interaction Plot (data means) for C8主效果图主效果图交互作用效果图交互作用效果图 结论：结论：A A因子与因子与B B因子对因子对Y Y的影的影响较大，响较大，C C因子基本没什么影响。因子基本没什么影响。 结论：三个因子之间的交互结论：三个因子之间的交互作用都很小，基本上没有。作用都很小，基本上没有。改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法）30/40Fast Execution Profitable GrowthGreat Company Great People结论：结论：1.1.A A、B B、A A* *B B的的

43、P P值均小于值均小于0.050.05，故是致命因子。即时间、温度、故是致命因子。即时间、温度、时间时间* *温度为致命因子。温度为致命因子。2.R-Sq(adj) = 97.86%85%说明说明实验精度好实验精度好Factorial Fit: C8 versus A, B, C Estimated Effects and Coefficients for C8 (coded units)Term Effect Coef SE Coef T PConstant 45.5000 0.07906 575.53 0.000A 3.0000 1.5000 0.07906 18.97 0.000B 2.

44、7500 1.3750 0.07906 17.39 0.000C 0.2500 0.1250 0.07906 1.58 0.145A*B 0.7500 0.3750 0.07906 4.74 0.001A*C 0.2500 0.1250 0.07906 1.58 0.145S = 0.316228 R-Sq = 98.57% R-Sq(adj) = 97.86%Analysis of Variance for C8 (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 3 66.5000 66.5000 22.1667 221.

45、67 0.0002-Way Interactions 2 2.5000 2.5000 1.2500 12.50 0.002Residual Error 10 1.0000 1.0000 0.1000 Lack of Fit 2 0.0000 0.0000 0.0000 0.00 1.000 Pure Error 8 1.0000 1.0000 0.1250Total 15 70.0000DOE分析分析输入“反应值”列点击“OK”改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法）31/40Fast Execution Profitable GrowthGreat Company Gr

46、eat People1-11-11-1CBA49.045.543.045.048.545.043.045.0Cube Plot (data means) for C8 结论：只要因子结论：只要因子A A与因子与因子B B均为均为1 1时，无论时，无论C C为何值，为何值，Y Y值均最值均最佳。即时间为佳。即时间为2020秒，温度为秒，温度为150150度，变形量最小。度，变形量最小。通过通过Cube Plot图确定最适条件图确定最适条件改善（试验计划法改善（试验计划法DOE完全配置法）完全配置法）32/40Fast Execution Profitable GrowthGreat Compan

47、y Great People改善（试验计划法改善（试验计划法DOE部分配置法）部分配置法） 当因子数较多时完全配置法需要进行的实验次数会急剧增加，这有时在时间或成本上都有困难。所以使当因子数较多时完全配置法需要进行的实验次数会急剧增加，这有时在时间或成本上都有困难。所以使用部分配置法（有选择性地只作完全配置法中的一部分实验）这种方法多用于对潜在因子进行筛选，找到少用部分配置法（有选择性地只作完全配置法中的一部分实验）这种方法多用于对潜在因子进行筛选，找到少数有意因子，再通过完全配置法（反应表面实验）找到最适条件。数有意因子，再通过完全配置法（反应表面实验）找到最适条件。部分配置法的表示方法 2

48、水准5因子1/4次实验，表示为25-2 注意：25-2 23 后者是3因子完全配置实验 例：为研究影响洗衣机波形个数spec 2432，进行部分配置法实验 Belt拉力 30 50 Belt长度 3 6 Motor滑轮外径 35 40 Motor机动扭矩 300 600 离合器机动扭矩 1400 4400因子的水准分别表示为 -1 11. 设计试验表格（25-2）输入“因子数”5选择“1/4”实验点击“OK”输出结果输出结果33/40Fast Execution Profitable GrowthGreat Company Great People2. 将反应值输入设计表格中3. 画出主效果及

49、交互作用效果图（方法同完全配置法）A1-11-11-11-1403224B403224C403224D403224EA-11B-11C-11D-11Interaction Plot (data means) for YMean of Y1-138363432301-11-11-138363432301-1ABCDEMain Effects Plot (data means) for Y主效果图主效果图交互作用效果图交互作用效果图 从图上可以看出从图上可以看出B B、D D两因子对两因子对Y Y值值的影响较大；其他因子的影响很小。的影响较大；其他因子的影响很小。 从图上可以看出从图上可以看出A

50、A与与B B、A A与与D D的交互作的交互作用较大，其他因子间的交互作用很小。用较大，其他因子间的交互作用很小。改善（试验计划法改善（试验计划法DOE部分配置法）部分配置法）34/40Fast Execution Profitable GrowthGreat Company Great PeopleFactorial Fit: Y versus A, B, C, D, E Estimated Effects and Coefficients for Y (coded units)Term Effect Coef SE Coef T PConstant 33.625 1.644 20.45 0