20
实验设计分析5步法流程
拟合选定模型； 进行残差诊断； 判断模型是否要改进； 对选定模型进行分析解释； 判断目标已否达到。
21
22
第一步：拟合选定模型
选择全模型，即包含全部因子的主效应和二阶交互 效应的数学模型； 检查ANOVA表中的总效果，P值应小于0.05，说明 模型总的来说有效。否则查是否实验误差大?漏了重 要因子？模型失拟？ 检查ANOVA表中的失拟现象， P值应大于0.05，说 明无失拟。否则寻找漏掉的因子；
二.全析因试验设计
1
全析因实验设计
目标：
使每个学员了解全析因实验设计的基本知识，掌握全析因 实验设计及分析的原理和Minitab软件的使用方法，能在本职 工作中应用。
主要内容：
全析因实验设计的原理和步骤； 结合案例，介绍Minitab软件的应用 练习：全析因实验设计
2
全析因实验设计的定义：对所有因子的所有水平的所有组 合进行实验和分析的方法。 优点：使用了整个实验空间，可以估计所有因子的主效应 和各阶交互作用； 缺点：实验次数太多； 中心点：为了以尽可能少的实验次数来实现重复性，可增 加中心点并做3、4次实验。连续型变量的中心点为低 水平和高水平的均值；离散型变量可取某一组合作为 “伪中心点”。设置中心点后有利于估计随机误差和响 应变量可能存在的弯曲趋势； 代码化：将因子(自变量)的低水平设定代码值为-1，高水平 为+1，中心水平为0. 代码化对回归分析有很多好处。
5.பைடு நூலகம்橡皮带数量
1或2
4
2. 停止角
6. 起始角
3 2
1
72
作业：
结合本职工作或项目，考虑和制定DOE的 初步计划： 明确目的、选指标、挑因子、定水平、安排 实验计划
73
34
残差散点图和正态检验图
35
残差对于以自变量Press为横轴的散点图
36
第三步：模型要改进吗？
模型是否基本上可行？ 剔除非显著因子和非显著交互作用后再进行计 算分析。 本例中仅A、B、AB为显著。据此修改拟合 模型中的 “选项”，做新的一轮计算分析。
37
38
只选显著项
39
选择需预测的因子及存储要求
40
设定图形要求
41
需分析结果的项
42
总输出表
43
总输出表
44
残差正态效应图
45
残差Pareto图
46
残差散点图和正态检验图
47
残差对于以自变量Press为横轴的散点图
48
新第三步：判断模型还要改进吗？
新老模型的效果比较：
全模型 S R-sq R-sq(adj) 6.0744 92.86% 80.26% 缩减模型 5.0533 90.06% 86.34%
70
课堂演练：抛射器的案例（20分钟）
响应变量（指标）：将球抛射到某一距离 制定全析因实验设计的方案 因子、水平、安排实验计划 分组进行，每组5-6人 各组交流DOE的方案
71
抛射器示意图
7. 球的类型
Wiffle 或 橡皮 1 1 2
3. 杯高
1. 栓子的位置 4. 吊钩位置
3 4 5 6
2
3
X1
X2
X3
X4
X5
...
Xk
k=1 k=2
k=3
实验次数 = (2 个水平)(k个 因子) = 2k . 注意: 每增加一个因子所需 的运行数加倍.
k=4
k=5
5
23 +3 全析因实验设计
标准顺序 1 2 3 4 5 6 7 8 9 10 11 因子A – + – + – + – + 0 0 0 因子B – – + + – – + + 0 0 0 因子C – – – – + + + + 0 0 0
在Minitab界面中输入所有运行的实验条件和实 验结果； 存盘建立数据文件。
18
实验设计分析用的原始数据文件
19
实验设计的步骤
1. 计划阶段 明确目的、选指标、挑因子、定水平、安排实 验计划 2. 实施阶段 进行实验、收集数据、记录有关事项、编制 Minitab 数据文件 3. 分析阶段 分析数据、得出结论、验证结果
23
检查ANOVA表中的弯曲项， P值应大于0.05，说明无 弯曲项。否则应在模型中补上二次项； 检查拟合的总效果 多元全相关系数R2 (R-sq)和修正的多元全相关系数 R2adj (R-sq(adj))均越接近于1越好，两者之差越小越好。 检查s 或s2的值，越小越好。 检查各项效应的显著性 看Pareto图和正态分布图。
59
选定等高线和响应曲面图要求
60
等高线要素的设置
61
等高线要素的设置
62
等高线要素的设置
63
响应曲面要素的设置
64
等高线图
65
响应曲面图
66
响应变量优化
67
优化器的设置
68
优化结果
69
第五步：判断“目标已否达到？”
若优化器给出的最优解已可满足要求，实验设计告一 段落，进入验证； 若优化器给出的最优解离要求很远，可能需要重新设 计实验方案，进行下一轮的DOE； 若对结果不满意，但确认显著因子已找到，下一步可 进行响应曲面分析和参数设计。
6
全析因实验设计的步骤
1. 计划阶段 明确目的、选指标、挑因子、定水平、安排实 验计划 2. 实施阶段 进行实验、收集数据、记录有关事项、编制 Minitab 数据文件 3. 分析阶段 分析数据、得出结论、验证结果
7
案例：提高压力成型塑胶板的强度 (DOE2FULL.MTW)
实验目的：找出主效应显著的因子、显著的交互作用； 初步确定优化的工艺条件（因子组合）； 响应变量（指标）：成型塑胶板的强度； 因子和水平：
13
选择实验次序随机化
14
确定实验结果要求（可选软件中缺省值）
15
实验计划表
16
实验设计的步骤
1. 计划阶段 明确目的、选指标、挑因子、定水平、安排实 验计划 2. 实施阶段 进行实验、收集数据、记录有关事项、编制 Minitab 数据文件 3. 分析阶段 分析数据、得出结论、验证结果
17
课堂演练： 建立实验设计分析用的原始数据文件
24
设定响应变量
25
设定考察的项目
26
设定图形要求
27
需分析结果的项
28
存储要求
29
总输出表
30
总输出表
31
因子正态效应图
32
因子效应的Pareto图
33
第二步：残差分析
• 观察残差对于以观测值顺序为横轴的散点图，是否在 水平轴上下无规则地波动？ • 观察残差对于以响应变量拟合预测值为横轴的散点 图，是否等方差？即是否没有漏斗型或喇叭型？ • 观察残差的正态性检验图，看是否符合正态分布？ • 观察残差对于以各自变量为横轴的散点图，考察是否 有弯曲趋势？
新模型即缩减模型更好！
49
新第三步：判断模型还要改进吗？（续）
若还不满意，再迭代改进； 若满意或可接受，根据计算机给出的数据写出回归方程。 本例的代码化回归方程为： Strength=66.058 – 8.9(Press – 350)/50+10.85(Dis – 65)/5 – 5.875[(Press – 350)/50]* [(Dis – 65)/5 ] 针对原始数据的回归方程为： Strength= – 547.32+1.3495Press+10.395Dis – 0.0235Press*Dis
水平 因子 压模间距，mm （distance） 成型压力，Pa （press） 压力角，度 （angle）
8
低水平 60 300 20
高水平 70 400 24
安排实验计划：进入如下窗口
9
输入因子水平和数量
10
查阅实验次数与混杂程度：
11
选取全析因+4个中心点的方案
12
输入因子的名字和水平的代码化值
50
51
第四步：对选定模型进行分析解释
输出各因子的主效应图和交互效应图； 输出等高线图、响应曲面图； 实现最优化。
52
选择图形种类
53
选定显示主效应的响应变量和因子
54
选定显示交互效应的响应变量和因子
55
选定显示立方体图的响应变量和因子
56
各因子的主效应图
57
各因子的交互效应图
58
立方体图
3
代码化的换算： 令中心值为M，半间距为D，则 代码值 = (真实值—M)/D 真实值 = M+D•代码值 k个因子的二水平全析因实验记为：2k实验 因子的数量
2k
因子的水平数
4
2k : 实验的运行次数
K
Std. Order 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32