關于Minitab教育的完整資料(共47頁).ppt

1、Fast Execution Profitable GrowthGreat Company Great People本資料來源本資料來源Fast Execution Profitable GrowthGreat Company Great People分析（分析（ChiSquare）26/40 檢驗三個以上比率之間的差異.000營業(yè)部對A、B、C、D四種材料進行了作業(yè)性評價，結果如下： A B C D樣本不合格品 45 43 48 44 5 7 2 6- 0假設：不同材料的不合格率一樣- 對立假設：不同材料的不合格率不一樣 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假設。即不同材料之間不存在不合格率上的差異。 Fast Execution Profitable GrowthGreat Company Great People分析（分析（ChiSquare）26/40 想確認兩個變量的獨立關系的時候. 000營業(yè)部調查了不同性別所喜歡的產品色彩，結果如下： -0假設：性別與色彩是相互獨立的（無關聯）-對立假設：不同材料的不合格率不是相互獨立的（有關聯） 白色 紫色 藍色 男女 37 41 44 35 72 71 Chi-Square Test: 白色，紫色，藍色 Expected coun

4、ts are printed below observed counts 白色，紫色，藍色 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假設。即色彩與性別是獨立的Fast Execution Pro

5、fitable GrowthGreat Company Great People理解（理解（ChiSquare）26/40 3)對表（TABLE）的假設檢驗 Chi-Square Test結果的解釋方法骰子的概率因我們事先已經了解了， 因而能通過簡單的計算 算出來。 在不知概率的情況下，如果當想要確認兩個變數的獨立關系時，我們將怎么做？ Chi-Square Test: 白色，紫色，蘭色 Expected counts are printed below observed counts 白色 紫色 蘭色 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 首先考慮一下出現白色的概率。 全部人員數是300名，選擇白色的人數72名， 選擇白色的概率是72/300。 接下來計算一下男士（1）的預計值。 參與的男士總人數為122名， 則計算出來的預計值（72/300）122為29.28 既男士選擇白色的預計值是29.28， 實際值是 37，它們之間的差異是（37-29.28） （37-2

7、9.28） /29.28 即2.035。 分析結果chi-sq的個別值越大， 預計值與實際值之間的差異越大。 改善（改善（ImprovementImprovement）階段）階段 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試驗的設計與分析試驗的設計與分析 27/40 這次介紹一下這次介紹一下66活動中的重點部分試驗設計和分析方法。（以各種設計法中最常用的設計法為重點活動中的重點部分試驗設計和分析方法。（以各種設計法中最常用的設計法為重點） 試驗試驗的的概概述述 積極收

8、集數據的方法是試驗。做試驗時，不僅要節(jié)約時間和費用，而且出于去除噪音、保護試驗的考慮，需要考慮試驗設計。 我們不是計劃（planning）試驗，而是設計（Design）試驗。因此，雖有適用于各種情況的多種試驗設計法，但在做試驗時一般都是經過下面3步來達到最佳。 決定因素的選擇 - 要因配置法（2水平計）、交落法、部分實施法 向最佳點移動 - Center point設計和最大傾斜法 最佳點的確認 - 反應表面試驗（一般也稱中心合成法） 在這里我們將介紹設計和分析上述試驗設計的方法。 試驗試驗中使用的基本用中使用的基本用語語 000事業(yè)部對影響冷卻力的A、B兩個因子進行了試驗。這時，A、B分別被

9、分為3個，并在各自的試驗條件下進行了二次試驗。 試驗的關注對象？ 冷卻力冷卻力 - - 稱作因變量或被解釋變量稱作因變量或被解釋變量 調整的變量？A, B - A, B - 稱作自量變或解釋變量稱作自量變或解釋變量 自變量的試驗條件？3 - 3 - 水平水平(Level)(Level) 在各自試驗條件下的試驗次數？2 - 2 - 重復數重復數 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 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水平計因素配置法是指把自變量的水平設成

10、2水平來進行試驗的方法。（在所有的試驗條件下進行） Design Design方法方法 試對影響冷卻力的A、B二因子進行試驗。（水平：2水平；重復次數：2次） Stat - DOE - Stat - DOE - Factorial - Create Factorial Design.Factorial - Create Factorial Design. DesignDesign完成后的完成后的狀態(tài)狀態(tài) Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 試驗結試驗結果的分析（果的分析

11、（練習練習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，所以我們可以知道：在A、B的影響下，因變量值是變化的。 但我們也知道：A、B的交互作用對因變量并沒有太大的影響.可將此用圖表示如下： Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 試驗結試驗結果的分析

12、（果的分析（練習練習3.mtw3.mtw） 圖解分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 逐一點擊Main Effects Plot、 Interaction Plot、 Cube plot的set up按鍵，然后像右邊圖那樣進行輸入。 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 試驗結試驗結果的分析（果的分析（練

13、習練習3.mtw3.mtw） 圖解分析 Cube Plot 分析時的注意事項 在求試驗時的最大值時，使用起來最容易的是Cube Plot。但在存在交互作用時，請不要使用Cube Plot。你可這樣進行。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 在各水平組合中可看到試驗結果。 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40

14、什什么么是交落法？是交落法？ 只有在同一環(huán)境和條件下進行試驗，才能獲得完好的結論。但在同一環(huán)境下完成所有的試驗經常是很困難的。比如，做4因素2水平試驗時，總共要進行16次試驗。在所做的16次試驗當中，如果一天完不成8次，那么就不得不花費2天來完成。這時，第一天和第二天的試驗環(huán)境和條件就不敢說是完全一樣的了。為了有效地消除變化的條件和環(huán)境所產生的影響，而把全部試驗分為兩組來設計的方法就是直交法。在進行這樣的試驗時，把16次試驗分成8次2個組。如此劃分的標準可參看下面。3次以上的交互作用對因變量幾乎沒有影響，即使有影響，大部分也是無法從技術上進行克服的，所以我們在做試驗設計時，就放棄了這種高層次的

15、交互作用。 直交是我們在無法消除二因子間的交互作用時才提及的。在這里，我們無法消除高層次的交互作用和Group間的效應，在這種情況下我們還是進行了設計，所以就稱作直交法。） 設計設計方法方法 讓我們將2水平4因子分做兩個小組來進行設計。這時，分組的標準中就放棄了4次交互作用。 Stat - DOE - Factorial - Create Factorial Design.Stat - DOE - Factorial - Create Factorial Design. 基本上與2水平要因配置法相同，不同的地方請參看下面。 Fast Execution Profitable GrowthGre

16、at Company Great People試驗的設計與分析試驗的設計與分析 27/40 設計設計方法方法 Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 設計完成的狀態(tài)設計完成的狀態(tài) 讓我們將2水平4因子分做兩個小組來進行設計。這時，分組的標準中就放棄了4次交互作用。 有有關設計關設計的信息確的信息確認認 設計完成后，有關設計的信息會顯示在Design窗口中。 我們通過試驗所能確認信息量的表示尺度，就是試驗的Resolution。一般常用的是

17、3、4、5。Resolution 3 : 只確認主效應的效應Resolution 4 : 確認主效應和一部分二次交互作用的效應Resolution 5 : 確認主效應和所有的二次交互作用的效應 試驗試驗的的Resolution 試驗結試驗結果的分析果的分析 試驗結果的分析方法等同于2水平要因配置法的結果分析方法。 ANOVA 分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 圖解分析 Stat - DOE - Stat - DOE - F

18、actorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Cube Plot 分析時的注意事項 在求試驗時的最大值時，可很容易應用的是Cube Plot。但在存在交互作用時，請不要使用Cube Plot，可按如下方式進行。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Fast Execution Profitable GrowthGreat Comp

19、any Great People試驗的設計與分析試驗的設計與分析 27/40 什什么么是部分是部分實實施法？施法？ 在2水平計試驗中，當因子變多時，試驗次數有驟增的傾向。即因子為2時要4次，因子為3時要8次，因子為4時要16次，因子為5時要32次，因子很多時，利用直交法中所用的假定可有效地減少試驗次數。即放棄了3次以上的交互作用，同時還減少了試驗的次數。 直交法已經應用這樣的假定把全部試驗進行了分組。從中進行選擇并只對一個組進行的試驗，就是部分配置法。根據因子的個數，部分實施法從1/2、1/4、1/8、1/16中進行選擇。 設計設計的方法的方法 讓我們用1/2部分配置法來設計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試驗的設計與分析試驗的設計與分析 27/40 設計方法設計方法 對四個二水平因子進行12部分配置法設計。 Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Fact

21、orial - Create Factorial Design. 設計設計完成的完成的狀態(tài)狀態(tài) 確確認關認關于于設計設計的情的情報報 設計結束之后，設計情報會顯示在Session窗上。 試驗結試驗結果的分析果的分析 試驗結果分析方法和在二水平要因配置法下的結果分析方法完全一樣。 ANOVA 分析 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. 圖像分析 Stat - DOE - Stat - DOE - Factorial - Analyze

22、 Factorial Design.Factorial - Analyze Factorial Design. 解釋Cube Plot時的注意事項 如果要在試驗中找最大值，經常使用Cube Plot。但是存在交互作用的情況下，不能使用Cube Plot，而應用以下的方法查找。 Stat - DOE - Stat - DOE - Factorial - Analyze Factorial Design.Factorial - Analyze Factorial Design. Fast Execution Profitable GrowthGreat Company Great People試驗

23、的設計與分析試驗的設計與分析 27/40 中心點中心點center pointcenter point設計設計和最大和最大傾傾斜法斜法 二水平試驗中，自變量的水平只有兩個，因此自變量的效果只能用直線才看得到。但這只是假設，有必要確認是直線還是曲線。中心點設計，是指利用部分配置法選定重要因子后，在確認自變量的效果是直線還是曲線時所使用的方法。如果是直線，跟隨因變量的增加方向進行試驗，快速移動到最佳點附近，這就是最大傾斜法 設計設計方法方法 對通過部分配置法選定的重要因子A、B進行中心點(center point)設計。（A的水平是40，60；B的水平是80，100）這時，為了進行Lack-of-

24、fit Test，需要重復兩次以上。（在這里要重復三次。） 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樣，不同的地方如下： Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 設計設計方法方法 對通過部分配置法選定的重要因子A、B然后進行中心點(center point)設計。（A的水平是40，60；B的水

25、平是80，100）這時，為了進行Lack-of-fit Test，需要重復兩次以上。（在這兒重復三次） Stat - DEO - Factorial - Create Factorial Design.Stat - DEO - Factorial - Create Factorial Design. 設計設計完成的完成的狀態(tài)狀態(tài) 試驗結試驗結果的分析（果的分析（練習練習4.mtw4.mtw） 利用回歸分析。即求出直線回歸方程之后，判斷直線是否正確。如果是直線，計算A、B的增加值。 Stat - Regression - Regression(Stat - Regression - Regres

26、sion(在在optionoption選擇選擇Pure Error)Pure Error) Lack of Fit的p-Value是69.6，可以看成是直線。 因變量和自變量之間的函數式 : Y = -65.6 + 0.450A + 0.800B A每增加1的時候，相對的，B增加1.77（0.8/0.45），這時就可以跟蹤Y的增加方向。即A每增加10，B增加17，確認Y的趨勢。如果Y的值有先增加后減小的地方，它的附近就是最佳點。 計算A和B的增加值Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析

27、 27/40 什什么么是反是反應應表面表面試驗試驗？ 利用最大傾斜法找出最佳點范圍之后，需要在周圍做很多次的試驗。這時使用的方法叫反應表面試驗（主要使用中心合成法）。例如，在最接近兩個因子的地點時，對離中心同樣距離的所有條件進行試驗。 例如，在最接近兩個因子的地點時，對離中心同樣距離的所有條件進行試驗。離中心點（0.0）最遠的就是 在這個距離的所有點上進行試驗。 根據勾股定理 的距離是1.414。 設計設計方法方法 利用最大傾斜法對A、B兩個因子進行試驗的結果，可以判斷出A在115，135；B在270，330附近為最佳點。利用中心合成法，進行反應表面設計。 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試驗的設計與分析試驗的設計與分析 27/40 設計設計方法方法 利用最大傾斜法對A、B兩個因子進行試驗，可以判斷A在115，135；B在270，330為最佳點。利用中心合成法，進行反應表面設計。 Stat - DEO - Response Surface - Cre

29、ate Response Surface Design.Stat - DEO - Response Surface - Create Response Surface Design. 設計設計完成的完成的狀態(tài)狀態(tài) 對試驗結對試驗結果果進進行分析（行分析（練習練習5.mtw5.mtw） 首先求出適當的二次回歸方程。 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試驗的設計與分析試驗的設計與分析 27/40 不存在交互作用的效果，所以在刪除回歸式的交互作用效果之后，再進行分析。 試驗結果的分析（練習試驗結果的分析（練習5.mtw5.mtw） 反應表面試驗分析時應注意事項 反應表面試驗分析最主要的是找出因變量與自變量之間適當的函數式。根據Lack of Fit Test的結果，如果p-Value很小，就沒必要調整函數式?？稍诜治鰰r利用Term Option，刪除或添加必要的變量進行分析。 Lack of Fit Test的結果比前面好，可以判斷這次找到的回歸方程更恰

31、當。 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 求出適當的二次回歸方程之后，利用圖像確認最佳點。求出適當的二次回歸方程之后，利用圖像確認最佳點。 Stat - DOE - Response Surface - Contour/Surface(Wireframe) plots.Stat - DOE - Response Surface - Contour/Surface(Wireframe) plots. 這次將對質量控制時的常用菜單進行說明一一點擊后，按照上圖所示進行輸入這次

32、將對質量控制時的常用菜單進行說明一一點擊后，按照上圖所示進行輸入 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 有兩個以上因變量的時候有兩個以上因變量的時候 在實際操作中，因變量為兩個以上的情況比較多，并且其中一個因變量越大越好，另一個因變量越小越好。這樣的情況下，應該怎樣進行分析呢？試驗按照只有一個因變量的情況進行設計。分析時，與一個因變量的情況一致，給每個因變量找出函數式。然后比較兩個函數，找出滿足我們所需因變量狀態(tài)的自變量水平。Minitab提供簡易菜單，使這些操作變得更加

33、容易。來看一看收益和費用，收益當然是越高越好，但費用也會跟之增加。尋找同時滿足收益和費用的自變量的條件。（練習5-1.mtw） 找兩個函數式找兩個函數式 首先找出收益、費用和自變量之間的函數式。（找出收益和費用之間的適當函數式） 關于關于ConversionConversion的函數式的函數式 Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 關于關于ActivityActivity的函數式的函數式 Fast Execution Profitable GrowthGreat Comp

34、any Great People試驗的設計與分析試驗的設計與分析 27/40 確認滿足兩個因變量條件的自變量狀態(tài)確認滿足兩個因變量條件的自變量狀態(tài) Conversion在7580，Activity在5560之間比較好。我們把關于兩個因變量的Contour Plot分別畫在OHP Film上之后，再將兩者重疊起來，就可確認自變量的條件。那么，先讓我們把兩個Contour Plot重疊起來。 Stat - DOE - Response Surface -Stat - DOE - Response Surface - Overlaid Overlaid Contour Plot.Contour Pl

35、ot. Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 確認自變量的條件確認自變量的條件 在前面我們確認了自變量的條件，但還不知道自變量的正確值。讓我們以前面分析的結果作為依據，確認一下自變量的條件。 Stat - DOE - Response Surface -Stat - DOE - Response Surface -

36、 Response Optimizer.Response Optimizer. Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40 確認自變量的條件確認自變量的條件 在前面我們確認了自變量的條件，但還不知道自變量的正確值。讓我們以前面分析的結果作為依據，確認一下自變量的條件。 Stat - DOE - Response Surf

37、ace -Stat - DOE - Response Surface - Response Optimizer.Response Optimizer. Fast Execution Profitable GrowthGreat Company Great People試驗的設計與分析試驗的設計與分析 27/40Fast Execution Profitable GrowthGreat Company Great People改善（試驗計劃法改善（試驗計劃法DOE完全配置法）完全配置法） DOE實驗用來同時研究幾個因子對過程的影響。在做試驗時，幾個因子的水準同時變實驗用來同時研究幾個因子對過程的

38、影響。在做試驗時，幾個因子的水準同時變化這樣在時間和成本方面更為有效。同時，我們也可以研究因子間的交互作用（交互作用化這樣在時間和成本方面更為有效。同時，我們也可以研究因子間的交互作用（交互作用有時對過程的影響還是挺大的）。通過實驗可以確定最佳反應值對應的因子的最適條件。有時對過程的影響還是挺大的）。通過實驗可以確定最佳反應值對應的因子的最適條件。實驗用語介紹： 反應值：實驗的結果 因子：潛在（或有意）因子 水準：因子的設定條件 主效果：因子水準變化對反應值的影響 交互作用：在一個因子的不同水準的情況下，另一個因子水準變化對反應值影響的差異完全配置法（Full Factorial Design

39、）：就是所有因子的所有水準進行實驗的方法這里介紹2水準的因子完全配置DOE實驗（每個因子有兩個水準）實驗步驟： 1. 確定反應值 2. 確定實驗的因子及其水準 3. 實驗表格設計（注意“反復”和“隨機”） 4. 根據設置的條件實施實驗 5. 記錄試驗結果（反應值） 6. 對實驗結果進行分析 1） 主效果、交互作用圖直觀判斷 2） ANOVA、Regression分析致命因子及有影響的交互作用確定 7. 確定最佳反應值及因子的最適條件隨機可以消除變量隨著時間變化而產生潛在變數的影響反復可以減少異常值對實驗結果帶來的影響27/40Fast Execution Profitable GrowthGr

40、eat Company Great People 例：研究時間Time（50秒、20秒），溫度Temp（200度、150度），壓力Press（3個、4個）對變形量Y的實驗，Y的 spec：44以下，每個實驗條件反復兩次。1. 反應值Y變形量 （spec： 44以下）2. 因子A時間 （水準 20 50） 因子B溫度 （水準 150 200） 因子C壓力 （水準 3 4） 因子的水準分別表示為 -1 1 3. 應用Minitab設計實驗 輸入因子數“3”每個實驗條件下進行2次選擇“隨機”點擊“OK”實驗設計結果改善（試驗計劃法改善（試驗計劃法DOE完全配置法）完全配置法）28/40Fast Ex

41、ecution Profitable GrowthGreat Company Great People4. 在實驗設計結果中輸入反應值 輸入反應值5. 對實驗進行分析對每一個“Setup”均設置成如下式樣點擊“OK”改善（試驗計劃法改善（試驗計劃法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主效果圖主效果圖交互作用效果圖交互作用效果圖 結論：結論：A A因子與因子與B B因子對因子對Y Y的影的影響較大，響較大，C C因子基本沒什么影響。因子基本沒什么影響。 結論：三個因子之間的交互結論：三個因子之間的交互作用都很小，基本上沒有。作用都很小，基本上沒有。改善（試驗計劃法改善（試驗計劃法DOE完全配置法）完全配置法）30/40Fast Execution Profitable GrowthGreat Company Great People結論：結論：A A、B B、A A* *B B的的P P值

43、均小于值均小于0.050.05，故是致命因子。即時間、溫度、故是致命因子。即時間、溫度、時間時間* *溫度為致命因子。溫度為致命因子。1.R-Sq(adj) = 97.86%85%說明說明實驗精度好實驗精度好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 2.7500

44、 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 221.67 0

45、.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分析分析輸入“反應值”列點擊“OK”改善（試驗計劃法改善（試驗計劃法DOE完全配置法）完全配置法）31/40Fast Execution Profitable GrowthGreat Company Great

46、People1-11-11-1CBA49.045.543.045.048.545.043.045.0Cube Plot (data means) for C8 結論：只要因子結論：只要因子A A與因子與因子B B均為均為1 1時，無論時，無論C C為何值，為何值，Y Y值均最值均最佳。即時間為佳。即時間為2020秒，溫度為秒，溫度為150150度，變形量最小。度，變形量最小。通過通過Cube Plot圖確定最適條件圖確定最適條件改善（試驗計劃法改善（試驗計劃法DOE完全配置法）完全配置法）32/40Fast Execution Profitable GrowthGreat Company Gr

47、eat People改善（試驗計劃法改善（試驗計劃法DOE部分配置法）部分配置法） 當因子數較多時完全配置法需要進行的實驗次數會急劇增加，這有時在時間或成本上都有困難。所以使當因子數較多時完全配置法需要進行的實驗次數會急劇增加，這有時在時間或成本上都有困難。所以使用部分配置法（有選擇性地只作完全配置法中的一部分實驗）這種方法多用于對潛在因子進行篩選，找到少用部分配置法（有選擇性地只作完全配置法中的一部分實驗）這種方法多用于對潛在因子進行篩選，找到少數有意因子，再通過完全配置法（反應表面實驗）找到最適條件。數有意因子，再通過完全配置法（反應表面實驗）找到最適條件。部分配置法的表示方法 2水準5因

48、子1/4次實驗，表示為25-2 注意：25-2 23 后者是3因子完全配置實驗 例：為研究影響洗衣機波形個數spec 2432，進行部分配置法實驗 Belt拉力 30 50 Belt長度 3 6 Motor滑輪外徑 35 40 Motor機動扭矩 300 600 離合器機動扭矩 1400 4400因子的水準分別表示為 -1 11. 設計試驗表格（25-2）輸入“因子數”5選擇“1/4”實驗點擊“OK”輸出結果輸出結果33/40Fast Execution Profitable GrowthGreat Company Great People2. 將反應值輸入設計表格中3. 畫出主效果及交互作用

49、效果圖（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主效果圖主效果圖交互作用效果圖交互作用效果圖 從圖上可以看出從圖上可以看出B B、D D兩因子對兩因子對Y Y值值的影響較大；其他因子的影響很小。的影響較大；其他因子的影響很小。 從圖上可以看出從圖上可以看出A A與與B

50、 B、A A與與D D的交互作的交互作用較大，其他因子間的交互作用很小。用較大，其他因子間的交互作用很小。改善（試驗計劃法改善（試驗計劃法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 0.002

51、A -1.750 -0.875 1.644 -0.53 0.648B 9.250 4.625 1.644 2.81 0.107C -0.250 -0.125 1.644 -0.08 0.946D -9.750 -4.875 1.644 -2.97 0.097E -3.250 -1.625 1.644 -0.99 0.427S = 4.65027 R-Sq = 89.99% R-Sq(adj) = 64.95% Analysis of Variance for Y (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 5 388.

52、62 388.62 77.72 3.59 0.232Residual Error 2 43.25 43.25 21.63Total 7 431.874. 分析數據 分析方法同完全配置法結論：結論：P P值小于值小于0.050.05的說明是有意因的說明是有意因子，因子子，因子B B、D D對對Y Y的影響相對的影響相對較大。較大。1.R-Sq(adj) 5%說明可能有有益因說明可能有有益因子遺漏。子遺漏。 改善（試驗計劃法改善（試驗計劃法DOE部分配置法）部分配置法）35/40管理（管理（ControlControl）階段）階段 X BARR管理圖管理圖 P Chart U ChartFast

53、Execution Profitable GrowthGreat Company Great People管理圖管理圖36/40 這次將對質量管理的基礎，管理圖的制作方法進行說明。 (以經常使用的管理圖為重點) 管理管理圖概圖概要要 管理圖是表示工程狀態(tài)特性值（CTQ）的圖像。它的目的是為了控制工程（CTP），用于判斷工程是否處于控制之中。管理圖有一個中心線，在中心線的上、下分別畫出管理界限，記入特性值。如果那個點在界限以內，就表明處于管理狀態(tài)中。也可以根據特性值的趨勢，判斷是否在管理狀態(tài)中. 管理管理圖圖的的種類種類 管理圖有好幾個種類，可根據數據的種類和目的選擇適當的管理圖。 下面說明一下

54、基本的管理圖。 使用連續(xù)型數據的管理圖-顯示平均值和范圍的管理圖（Xbar-R） :顯示Subgroup的平均值和范圍的管理圖，在確認平均值及其分布時使用。 -個別值的管理圖(I) :如實顯示每個測定值的管理圖。在分組沒有意義，或者在所分的組里只有一個數據時使用該管理圖 -個別值和移動范圍管理圖(I-MR) : 顯示每一個測定值及其移動范圍的圖像，確認各個數據的分布。 使用離散型數據的管理圖 -不合格品個數管理圖(NP) : 在判斷用不合格品個數是否達標時使用。 - 不合格率管理圖(P) : 在利用不合格率控制制程時使用（Subgroup的大小沒有關系）。 -缺點數管理圖(C) : 根據特定資

55、料記載的缺點數據進行工程管理時使用。 -每個單位缺點數據的管理圖(U) : 在使用缺點數管理工程、且產品的大小參差不齊時使用，使用時要把缺點數換成一定單位。 Fast Execution Profitable GrowthGreat Company Great People管理圖管理圖36/40 平均平均值值和范和范圍圍管理管理圖圖(Xbar-R)(Xbar-R) 利用練習9.mtw上的數據制作Xbar-R管理圖, Subgroup的大小是5 。 Stat - Control Charts - Xbar-R. 平均平均值與標值與標準差管理準差管理圖圖(Xbar-S)(Xbar-S) 利用練習9.mtw上C1的數據制作Xbar-S管理圖 , Subgroup的大小是5，一般在Subgroup大小超過5時使用 Stat - Control Charts - Xbar-S. Fast Execution Profitable GrowthGreat Company Great People管理圖管理圖36/40 個別值個別值和和個別值個別值移