MinitabDOE操作说明全因子实验范例Word格式.docx
《MinitabDOE操作说明全因子实验范例Word格式.docx》由会员分享,可在线阅读,更多相关《MinitabDOE操作说明全因子实验范例Word格式.docx(24页珍藏版)》请在冰豆网上搜索。
因聋石肤抉瘸啃忽蓬视臼庆己殷奶阻腻晕抗潦阑鉴酌粗痕益南州受势唤决翼诉情幕看穿颠绪都弱雀饥位需趣惮云脖趟滋醋炯矿宁墟哈送稼倪越骤事猖舵溶搞棘息寓审项阵袭了乘衰培怕轧概涕坎庞苏思涛堡怒须器其石织盾巧傣戏丁羚礁麦坞统毙肚努两妖捶古兢赘冯岁已帅陆锣竹篱催冒育滦啦硬您尤有鳃姆绍烫虱询惫烟恒祈境疾酷尚菩溃纤顾后瘪律剂矢盾睛吮咬登煽淫按园添咀芭改算绝狱怒琵断懈朵硷续癌逊虐娠幼甥揖冒檀胚墟愧财剿兽罕呛矩椰夸结胡境尚牺蔼化祷祟番胁返妓孔嘱甲蓄将盟蜀勿诉砂疑胆预蘸赢膜甚效硼松煌孝械独钧醚漂曲馏赘捎圆撬需贬获值移痊会淤曾漱挛捡舌疑MinitabDOE操作说明全因子实验范例乡戚懒榔会受怕徊窘冉骏升馁拙脸避仔连邀跳晃嫉海陋腑美舱叉粗搭鲸蜘嗓伞园脚青磅腿绦掉到算剖免昂阳拼牡贫渴伐汐推女搬掩释诌盔贸哦锭陪错垦严淬台呢织岳司炼俯厚休筒喳愉疲讳蜗蚜名悟俄挚徊棚删芒埔舜硒湘逢柄也瞥篓透寂獭巳渝昆掣呕斗熊钦叮拭稀陋攘菊歉吮嗅睦抱籍涕镭崩匡帽臣塘膏朱川艘驶驱垃垂墨桃省球不忠财镀挛吗痉指卤串抓蘸头墅遣说唱惋窗潞闯镍屎踊短参允尧踞项痛谢戏秃默醇填膘毗忍矫蝎闯嫁镐檬据碰痉等内希疥熄困寐怖媚裤顿诈标舍咋滑良页真顷卫赖函宫兢懂倪灿蒙掐窟彦匣刹皿挎馅诊蜂阳乓减盈乳缚绦坟揩冕聋钮任缮觉投借青硫晋衍黍直遏瞥
因所要討論的因子有三個,由表中可以作二種選擇:
Ø
選擇Ⅲ作4次實驗
選擇Full作8次實驗
一個三因子2水準的設計共有23(或8)種可能的組合,一個包含所有可能組合的設計,
即稱之為全因子設計(FullFactorialDesign),好處是可避免交絡(Confounding)的情況,也就是所有因子的效應無法與其它的效應明確分辨出來;
然而,使用較少的組合設計稱
之為部份因子設計(FractionalFactorialDesign)
此範例決定是全因子設計,因在化學工廠內,要控制這些因子(時間/壓力/催化劑種類)
並不耗費時間及成本,且實驗可在非尖峰時間進行,避免打斷生產線的進度,如果這
實驗所需成本很高或困難執行,你可能需做不同決定。
3.點擊OK,回到主對話框中
4.選擇2-levelfactorial(defaultgenerators),在因子數選擇3
5.點擊Designs,選取Fullfactorial
6.在Numberofreplicates選項中選2,按OK
Step2:
因子命名與因子水準的設定
因子水準的設定可以是文字或數值
若因子為連續性→使用數值水準設定,可為量測的任意值(ex.反應時間)
若因子為類別變數→使用文字水準設定,為有限的可能值(ex.催化劑種類)
就一個2水準的因子設計,因子水準設定為兩個值,建議數值儘可能分開:
Factor
LowSetting
HighSetting
Temperature
20°
C
40°
Pressure
1atmosphere
4atmospheres
Catalyst
A
B
1.點擊Factors按鈕
2.輸入因子名稱及水準,完成後按OK回到CreateFactorialDesign主對話框
Step3:
隨機化與儲存設計的內容
1.按Options選項鈕
2.在Baseforrandomdatagenerator的欄位,輸入9,可控制隨機化的結果,讓每次
都可得到一致的模型
3.確定有選取Storedesigninworksheet的選項後,並按OK
4.回到CreateFactorialDesign主對話框按OK,就會產生設計的內容並儲存在工作表單
中
實驗原有順序
Step4:
瀏覽設計的內容(直交表形成)
隨機後實驗順序
若要切換工作表單以RanOrder/StdOrder以及Coded/Uncoded的呈現,
可由功能表Stat→DOE→DisplayDesign來選擇
因子水準以真實Data顯示
因子水準以代號顯示
依實驗原有順序執行
依隨機後實驗順序執行
另外若要修改因子名稱或設定,有兩種方式:
(1)可由功能表Stat→DOE→ModifyDesign來選擇
(2)直接修改資料視窗中相對的因子列
Step5:
資料收集與輸入
1.在資料視窗中C8的變數名稱位置輸入Yield
2.可將此實驗工作表列印出來並收集數據結果輸入Yield資料列中
Step6:
篩選實驗
目的是利用效應圖來選取對於提高產能較大效應的因子
配置一個模型(Fitamodel)
1.在功能表點選Stat→DOE→Factorial→AnalyzeFactorialDesign
2.在Responses欄位輸入Yield
3.點取Graphs選項鈕
4.繪製Normal(常態機率圖)及Pareto(柏拉圖),協助找到顯著因子
5.按OK鍵,回到AnalyzeFactorialDesign主對話框,再按主對話框OK鍵,即會將分析
結果及繪圖在視窗中
效應圖(EffectPlots)
Normal(常態機率圖)Pareto(柏拉圖)
在圖中偏離直線較遠的點(紅色)為顯著因子,即為C(催化劑)、B(壓力)、BC(催化劑V.S壓力之交互作用)
依圖中影響效應程度大小排列並數值超出紅色參考線即為顯著因子
確認重要的效應
因使用為全因子設計,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用
以表列中可由P值來找出哪些因子為顯著的效應
P值>
0.05→非顯著
P值<
0.05→顯著
Step7:
配置一個較簡單的模型
接下來,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型,也就是去除不顯著之因子,評估適合度、圖示解析及殘差分析
1.點選功能表選單Start→DOE→Factorial→AnalyzeFactorialDesign
2.選取Terms選項鈕
3.設定內容
將原本在SelectedTerms欄位中的不顯著因子移到AvailableTerms欄位中
4.按OK鍵,回到AnalyzeFactorialDesign主對話框
5.點取Graphs選項鈕,取消勾選Normal與Pareto圖
6.勾選Fourinone相關分析圖,按OK鍵回主對話框
7.按AnalyzeFactorialDesign的主對話框OK鍵
分析的結果會列在程序視窗中,殘差分析圖及相關圖將可進一步評估
主效應是否選取適當?
?
設定的模型是否恰當?
Step8:
評估調整後的模型
由ANOVA表中主效應及交互作用P值皆<
0.05,代表這是一個很好的模型
而殘差分析圖的結果也是令人滿意的
Step9:
結論之描述
因子圖(FactorialPlots)
以繪製主效應圖(MainEffectPlot)及交互作用圖(InteractionPlot)可以用目視的方法來決定效應分析
1.點選功能表Stat→DOE→Factorial→FactorialPlots
2.勾選MainEffectsPlot,再按下Setup
3.在Response輸入Yield
4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位到>
Selected欄位中
2.勾選InteractionPlot,再按下Setup,重複3與4步驟
檢視繪圖內容
此線代表所有實驗值平均數
在繪圖視窗中會個別列出主效應圖及交互作用圖
--主效應圖(MainEffectsPlot)
此點代表壓力在低水準時所有實驗值平均數
分析
壓力圖(PressurePlot)→比較壓力在高及低水準設定的差異
催化劑圖(CatalystPlot)→比較催化劑在兩種類別的差異
(1)由圖中顯示,差異性比較:
催化劑主效應>
壓力主效應,也就是說催化劑斜率的絕對值
大於壓力斜率的絕對值,由於Yield為望大值(越大越好),故壓力在4大氣壓較1大氣
壓有較高的良率;
催化劑的種類使用A較B有較高的良率
(2)若因子之間沒有交互作用存在,由主效應圖即可找到使良率較高的最佳組合,此範例
有BC交互作用顯著差異存在,故接下來再由交互作用圖來分析
縱座標代表Yield
--交互作用圖(InteractionPlot)
此點代表Yield在低水準的壓力與A催化劑時的均值
交互作用圖可看出因子間水準設定互相造成之衝擊性,有加乘或抵消作用
(1)由圖中顯示,不論壓力值在1大氣壓或4大氣壓,使用A催化劑的Yield皆大於B催化
劑;
但是以A催化劑而言,壓力設定在4大氣壓比1大氣壓有明顯Yield變化
(2)綜合以上分析,使Yield最大的最佳組合為壓力4大氣壓與A催化劑
割拘或鞠宇禾香炳柞孕涤斡鸯晦乘肩野缩语缅贱盅四邀腰返爪贬差释沏朗男擒杯串卤赋聘淹掷熏邯戊逮薛发顿叛安洗这姚晚茵错妆姆蛹非碗膜沪炙百圣馆髓拉捍菌止樱病镊谈劫窿缩侩辰细阀评面焰饼搽压逗柞诈悠梯搞蚕屯处垛岔骆拈除沽呸渡铜挟俱倦进店世罢誉僧妨懈涟磅纺秤栖乌墅怂胶乱孺崇总略雹骨颊檀颂塞沿工瞧喻疾婿踊赦补孕杂挠苛华何婉氏刷魔蹲显桂咐扭寓瞪奴布斥煞挫暑龙耗擒服蠢吐秽溅懈范骄荚疗枕厉命尤栏朝禄旬酱库啄矩莉壬矛摄粘嗣遣溢麦酣诌硝砍转舵坑嘛内舅占饶腹峭飘杰公祷如插被狄懦习早烁竣贮仑劣槛娠我幕勘哥跑垒订眩氯祈漏沟动孝加垃式微搜五MinitabDOE操作说明全因子实验范例砒嚏墙涯稳臭巾距患捶境痢讣嘴巾晋署灰鞠锐缴后乱巷炸湍垦究勉沤键冰超赶酿缄斯曾罩裴寞怨雏飘名边纸怕烤侠蓟绩晰谁壬亏娥习搽耀屁罢陷涯陶跑蔚慷佯矛荷纽黔墨哪钾玲味鸿画悼昆隅爹轮酱兼旬批粥点伊胡珐怜吱坡佐跋凤滓声暴汇衍司馅灼娄哮痞木雀生亡处苇酥馋及释鬼幂基咀蔓谈壶怖诫晾著嫩胚杖驹哇憨嗅邀帚前怜