1、1.我们要研究的因素个数?2.要研究的级别有多少?3.关于交互作用我们有什么假设?通常限于两个级别强制性选择明智的或误导的级别进一步研究筛选实验中的一些交互作用在选择设计的时候必须考虑到交互作用的重要性和存在性;总是潜伏着危急到信息安全以及丢失信息的可能性为从数学模型中获得有用的推测,必须能够对交互作用进行量化5局部析因局部析因(筛选设计筛选设计)局部析因仅仅是完全析因的一部分 1/2局部析因就是运行完全析因的1/2 1/4局部析因就是运行完全析因的1/4 效果稀疏原则系统通常由主效果和低阶序(双向)交互作用效果驱动三向的以及更高的交互作用很不明显著 实验次序与局部析因 DOE 可以组合成功能
2、更强大设计6使用因素使用因素S,T和和P的的23 完全析因实验完全析因实验所有的纵列都有相同数量的最低和最高设定值均衡设计该实验的技术名称是正交对主要效果和交互作用进行“清洁分析”运行运行STP1-1-1-121-1-13-11-1411-15-1-1161-117-11181117交互作用交互作用用简单的乘法得到交互作用的列表注意:任意两列都是不相同的-1 X-1=11 X-1=-18增加一个因素增加一个因素在实验中增加第四个因素(M),但不增加额外的实验次数(即完全析因实验运行8次而不是16次)效果稀疏大多数的系统都由主要效果和双向交互作用来驱动了解 M 因素时先不考虑三向的交互作用 只显
3、示主要效果和双向交互作用列(4-因素 1/2 局部析因)9混淆现象(混淆现象(Confounding or Aliasing)部分纵列相同TxP 和SxM引起混淆TxM和SxP引起混淆PxM和 SxT引起混淆某些因素和/或交互作用的效果不可区分如果两个因素相混淆,并且 DOE 显示出这些因素对这些响应有显著效果,则没有办法说出哪个因素或者交互作用是实际引起效果的原因10别名结构I+STPMS+TPMT+SPMP+STMM+STPST+PMSP+TMSM+TP混淆混淆图示矩阵是我们 DOE 的别名结构:所有的主要效果(主要因素)都和三向交互作用相混淆所有的双向交互作用和其它的双向交互作用相混淆如
4、果双向交互作用在一个特殊的过程中很重要,那么这个设计就不是一个好的选择这对应于前面一页所示的相同的列11设计标识设计标识前一页的 I+STPM 项称为设计标识 既然 DOE 是完全析因的,这就意味着它代表了完全析因一半的运行次数,那么究竟是哪一半呢?计算 SxTxPxM 交互作用纵列的值本列中具有(-1)的实验运行次数表示某部分中的一小部分SxTxPxM 列中具有(1)实验运行次数表示另一小部分可以选择两个小部分中的任意一个I+STPM 仅仅表示这两个小部分已经在 SxTxPxM 纵列中产生12折衷分案折衷分案可以放弃一些对获得可能比较重要效果的相关信息可能没多大作用的信息别句结构决定了什么样
5、的信息应该放弃以及会有什么样的风险通过这些信息能够更灵活的选用设计用于检查在具体的设计中的混淆类型的一个简单的方法就是采用所谓的“设计精度”13精度精度精度就是衡量2级设计中混淆的一种方法Minitab 提供了为选择设计所用的精度通常测量精度定为三级或者三级以上,精度数越高就意味着显著混淆越少如果交互作用并不可靠,则需要注意混淆现象,因此需要选择精度14精度精度三级精度(RIII)主要效果之间不相混淆主要效果与两向交互作用相混淆筛选大量因素的时候用到该精度四级精度(RIV)主要效果不与双向交互作用相混淆双向交互作用与其它双向交互作用相混淆假设没有很强的双向交互作用时运用筛选五级精度(RV)主要
6、效果之间或者与双向交互作用不相混淆双向交互作用之间不相混淆 提供不相混淆的主要效果和不相混淆的双向交互作用效果没有非线性因素效果时能够很好的预报方程 提炼选择设计15Minitab 中的精度表中的精度表StatDOE FactorialCreate Factorial DesignDisplay Available Designs16别名结构实例别名结构实例别名结构I+ABD+ACE+BCDEA+BD+CE+ABCDEB+AD+CDE+ABCEC+AE+BDE+ABCDD+AB+BCE+ACDEE+AC+BCD+ABDEBC+DE+ABE+ACDBE+CD+ABC+ADE别名结构I+ABCDA
7、+BCDB+ACDC+ABDD+ABCAB+CDAC+BDAD+BC5-因素1/4 的局部 RIII4-因素 1/2 的局部 RIV别名结构I+ABCDEA+BCDEB+ACDEC+ABDED+ABCEE+ABCDAB+CDEAC+BDEAD+BCEAE+BCDBC+ADEBD+ACEBE+ACDCD+ABECE+ABDDE+ABC5-因素 1/2 的局部 RV5-因素 完全析因所有项都没有混淆发生17先前的先前的 DOE 记住前面的实例中的以下别名结构成员;这个设计的精度是多少?别名结构18复制和重复复制和重复复制 独立运行一个给定的试验模拟长期过程的异变连续几次做同一个实验 增大样本大小使
8、得实验更加灵敏提供额外自由度来估计误差和曲率重复在一次试验中进行多次测量 DOE 中从单独一次实验得到多个测量值只捕获短期内的变化以及测量系统中的异变在得到两个测量值之间不再做其它的实验不改变试验的结构194-运行运行 DOE 4次重复2次复制响应Runy 12.322.833.643.012.522.933.543.1复制 1复制 2响应Run y1 y2 y3y4均值1 2.3 2.7 2.42.42.452 2.8 3.0 2.92.82.883 3.6 3.4 3.63.53.534 3.0 3.2 3.23.13.1320随机化随机化试验的随机化在 DOE 中是非常重要的缺乏随机化的
9、实验极有可能导致结果没有说服力投入额外成本和代价来运行一次随机试验是值得的有的时候需要限制随机化的程度做随机试验通常是因为难以改变因素的级别,或者改变因素级别的成本很高必须理解限制随机化程度所带来的风险,这一点很重要一个“噪声”(误差)因素能引起限制因素表现出一种本来不存在的效果当噪声因素仅仅影响一部分实验时需要限制随机化程度随机化可以保证限制因素不受噪声因素的影响21实例实例:限制随机化程度带来的风险限制随机化程度带来的风险4-因素 1/2 RunABCD 1-1-1 1 1 2 1-1-1 1 3 1-1 1-1 4-1-1-1-1 5 1 1-1-1 6-1 1-1 1 7 1 1 1
10、1 8-1 1 1-1受限于因素B的随机化如果噪声因素在运行58次时引起更高的响应这几项应该是什么?如果没有注意到噪声因素,我们将得出什么结论?22区块区块设计设计保护实验不受某些噪声因素的影响在一个过程(也就是,比如轮班,工作日,操作员,停工时间,供应者)中可以对变量(通常和时间有关的)进行闭锁防止效果以另一种因素的效果的出现使得我们能确定闭锁是否影响了响应易受到混淆的影响和受限的有随机化不同几乎与增加一个因素的情况相似23何时应该使用闭锁设计何时应该使用闭锁设计?当一个 DOE 运行两个或超过两个以上的轮班,工作日,星期等情形当前其它的噪声变量可能潜在的影响响应的时候原材料来自于两辆或者多
11、于两辆火车,汽车,卡车,批次,生产工厂等等.你能考虑到的任何其它能影响 DOE 的响应、衡量系统等的噪声变量24区块实例区块实例4-因素 1/2 运行次数区块ABCD 1 1 1-1 1-1 2 1-1 1-1 1 3 1 1-1-1 1 4 1-1 1 1-1 5 2-1-1 1 1 6 2 1 1-1-1 7 2 1 1 1 1 8 2-1-1-1-1别名结构I+ABCDBlk=AB+CDA+BCDB+ACDC+ABDD+ABCAC+BDAD+BC25什么是中心点什么是中心点?当一个 DOE 中所有的定量因素都被置于他们的中间点时这些中间点是每一个因素最高(+)和最低(-)级别设定值的一半
12、 只应用在定量因素的场合用来作为2-级设计的补充用其来对曲率或者非线性因素的效果进行测试提供给我们一个附加的估计异变的自由度;这大大增强了实验的能力提供获得实验能力和测试过程中曲率(非线性)的一种廉价方法 26Minitab 中的中心点中的中心点如果在一个 DOE 中所有因素的数量是定量的,那么在整个 DOE 中有唯一的中心点这个中心点,或者运行重复数次就可以得到 DOE 中额外的自由度如果一个 DOE 有闭锁区,则每一个区都应该运行中心点 如果一个或多个因素的数量是宣的,则定量因素的中心点将运行每一个组合的定量因素级别。接下来的几页幻灯片将演示Minitab是如何处理中心点的27Minita
13、b 中的中心点中的中心点下表是在一个5-因素1/2的局部 DOE 中所有定量因素的三个中心点StdOrderRunOrderCenterPtBlocksABCD10101000062111-11-13311-11-1124111-1-111511-1-1-1-186111111970100005811-1-11111901000071011-111-14111111-1-128Minitab 中的中心点中的中心点5-因素1/2的局部 DOE 中的两个中心点,其中所有定量因素分成两个区块StdOrderRunOrderCenterPtBlocksABCD510100004211-111-1231
14、1-11-116401000035111-11-116111-1-111170200001081211119912-1-11171012-1-1-1-18111211-1-1121202000029Minitab 中的中心点中的中心点5-因素1/2的局部 DOE 中的两个中心点,其中有一个定性因素StdOrderRunOrderCenterPtBlocksABCD11101000In3211-11-1Out7311-111In64111-11In12501000Out1611-1-1-1In471111-1In28111-1-1Out5911-1-11Out101001000Out91101000In81211111Out30用用Minitab软件设计一个实验软件设计一个实验假定实验为:改善衣料生产线中乳胶密度的一致性团队确定了一些影响乳胶密度的因素空气压力装填负载温度向前速度横向速度团队希望确定这些因素如何影响乳胶密度和这些因素之间是否有交互作用31用用Minitab软件设计一个实验软件设计一个实验选择Select StatDOE FactorialCreate Factorial Design 选择2-level factorial(default generators)因素数量因素数量选择5:点击 Designs32在在Minitab中设
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1