DOE and minitab 操作介紹課件

DOEandMinitab操作介紹Minitab操作介紹隨機(jī)創(chuàng)造50筆數(shù)據(jù)儲存在C1列創(chuàng)造數(shù)據(jù)的路徑數(shù)據(jù)的建立直方圖的訓(xùn)練路徑：統(tǒng)計(jì)status→質(zhì)量工具→能力分析→正態(tài)備注：一般作直方圖數(shù)據(jù)一定要是正態(tài)的才可作業(yè)。數(shù)據(jù)所在的列請一定填寫“1”PPK既是我們所講的CPK柏拉圖的訓(xùn)練路徑：統(tǒng)計(jì)status→質(zhì)量工具→Pareto不良項(xiàng)目具體數(shù)量柱狀圖的訓(xùn)練路徑：圖形→條狀圖X-R管制圖的訓(xùn)練一般Xbar-R管制圖1次都為隨機(jī)取5個數(shù)，然后做成時間或者班次推移，作好的數(shù)據(jù)只要放在同一列即可路徑：統(tǒng)計(jì)→控制圖→子組的變量控制圖→Xbar-R控制圖表示每5個數(shù)字為一個模組Xbar-R管制圖圖形的檢驗(yàn)DOE介紹什么叫DOE:

DOE包括規(guī)劃、設(shè)計(jì)、數(shù)據(jù)收集、分析和詮釋的方針與技巧，以使我們可以迅速有效地建立起實(shí)驗(yàn)響應(yīng)項(xiàng)與可控輸入因子之間的統(tǒng)計(jì)學(xué)模型?；靖拍罾褐黝}：bonding的拉力提升影響拉力的參數(shù)有溫度，壓力，時間響應(yīng)：Bonding拉力因子：溫度，壓力，時間水平：可控因子的具體設(shè)定值（一般采用極端值）主效應(yīng)：溫度，壓力，時間交互作用：溫度*壓力，壓力*時間，時間*溫度,溫度*壓力*時間（當(dāng)一個因子對響應(yīng)項(xiàng)的作用取決于另一因子的水平或設(shè)定時，我們說這兩個X因子有交互作用）中心點(diǎn)：設(shè)計(jì)中所有連續(xù)因子都位于其“中心”水平，即高低值的中間的實(shí)驗(yàn)運(yùn)行；運(yùn)行：因子水平的組合2^K全因子分析：DOE全因子會有2^K，如3個因子就有8個交叉實(shí)驗(yàn)部分因子分析隨機(jī)化：是一種在實(shí)驗(yàn)研究中對因子水平組合的實(shí)驗(yàn)運(yùn)行順序進(jìn)行隨機(jī)排列旨在杜絕或降低不可控或未知的噪音因子對響應(yīng)項(xiàng)造成系統(tǒng)干擾的可能性；區(qū)組化：是一種利用隔離已知系統(tǒng)干擾，以避免重要輸入因子作用受到屏蔽的實(shí)驗(yàn)設(shè)計(jì)技巧；復(fù)制：是在試驗(yàn)中輸入因子的相同水平組合一次或多次的獨(dú)立運(yùn)行；步驟1.查看數(shù)據(jù)DOE9步法步驟2.擬合模型重新擬合模型重新擬合模型步驟4.殘差診斷步驟3.簡化模型步驟5.是否需要轉(zhuǎn)換？步驟6.模型是否合格？否是進(jìn)行殘差分析是否否確定下一步驟是下一頁在進(jìn)行實(shí)驗(yàn)設(shè)計(jì)前首要需完成：1、MSA測量系統(tǒng)分析2、過程能力研究3、過程控制的執(zhí)行步驟7.選定模型步驟8.詮釋選定模型步驟9.執(zhí)行新流程？否確定下一步驟是進(jìn)行確認(rèn)實(shí)驗(yàn)DOE9步法因子水平低高Staffpersonhours2040Retailspace100200$Advertising50100%Stocked70130創(chuàng)建因子實(shí)驗(yàn)選擇因子數(shù)代表重復(fù)實(shí)驗(yàn)一般實(shí)驗(yàn)序列：因子數(shù)>=5==》先做篩選實(shí)驗(yàn)因子數(shù)<=5,水平數(shù)<=3時==》可直接全析因(因子)實(shí)驗(yàn)創(chuàng)建因子實(shí)驗(yàn)創(chuàng)建因子實(shí)驗(yàn)點(diǎn)擊“確定”后會生成一個實(shí)驗(yàn)計(jì)劃==》按照“運(yùn)行序”進(jìn)行逐個實(shí)驗(yàn)==》得出“響應(yīng)”結(jié)果步驟1查看數(shù)據(jù)該圖不應(yīng)使用檢驗(yàn)數(shù)據(jù)的正態(tài)性。因?yàn)樵谠S多實(shí)驗(yàn)中，響應(yīng)值的直方圖經(jīng)常顯示出非正態(tài)。當(dāng)模型存在顯著因子效應(yīng)時這是正常的。我們應(yīng)該用后續(xù)介紹殘差圖來檢驗(yàn)殘差的正態(tài)假設(shè)。觀察有無異常點(diǎn)，即使有也不能說明有問題，它只是提醒我們需要注意是否在試驗(yàn)過程中出現(xiàn)記錄或者條件用錯等人為失誤中心點(diǎn)響應(yīng)值的結(jié)果不會因?qū)嶒?yàn)的顯著效應(yīng)大小而受到影響，因此中心點(diǎn)的時間趨勢圖應(yīng)該不與時間有關(guān)。圖中顯示沒有明顯的趨勢，但是是否違背獨(dú)立性假設(shè)應(yīng)在殘差的時間趨勢圖進(jìn)行檢查。步驟1查看數(shù)據(jù)-中心點(diǎn)的時間趨勢圖雙擊其中一個點(diǎn)步驟2擬合模型注意Alpha修改為0.1擬合模型時不再用中心點(diǎn)B,C主效應(yīng)顯著，雖然彎曲大于0.05，但是沒有失擬值，說明模型不合格，需要重新設(shè)計(jì)DOE，即可進(jìn)行全因子設(shè)計(jì)來源自由度SeqSSAdjSSAdjMSFP主效應(yīng)411792291179229294807327.500.0002因子交互作用37387382460.270.843殘差誤差121080210802900

彎540.477純誤差111029510295936合計(jì)191190769重新設(shè)計(jì)DOE-全因子實(shí)驗(yàn)步驟1查看數(shù)據(jù)步驟1查看數(shù)據(jù)項(xiàng)系數(shù)標(biāo)效應(yīng)系數(shù)準(zhǔn)誤TP常量1003.996.488154.740.000Staffpersonhours-4.28-2.147.254-0.290.775Retailspace209.11104.557.25414.410.000$Advertising492.93246.467.25433.980.000%Stocked2.621.317.2540.180.861Staffpersonhours*Retailspace23.0611.537.2541.590.146Staffpersonhours*$Advertising4.822.417.2540.330.747Staffpersonhours*%Stocked18.189.097.2541.250.242Retailspace*$Advertising-11.66-5.837.254-0.800.442Retailspace*%Stocked-22.76-11.387.254-1.570.151$Advertising*%Stocked19.319.667.2541.330.216S=29.0155PRESS=33242.4R-Sq=99.35%R-Sq（預(yù)測）=97.14%R-Sq（調(diào)整）=98.62%步驟2擬合模型來源自由度SeqSSAdjSSAdjMSFP主效應(yīng)411469051146905286726340.570.0002因子交互作用67651765112751.510.276殘差誤差975777577842彎340.574失擬5291029105820.400.826純誤差3435643561452合計(jì)191162133彎曲：如果P>0.05則說明沒有任何理由說模型出現(xiàn)失擬；失擬：如果P>0.05則說明我們沒有遺漏了顯著的更高階的交互作用；步驟2擬合模型步驟3簡化模型和重?cái)M合模型項(xiàng)系數(shù)標(biāo)效應(yīng)系數(shù)準(zhǔn)誤TP常量1003.996.488154.740.000Staffpersonhours-4.28-2.147.254-0.290.775Retailspace209.11104.557.25414.410.000$Advertising492.93246.467.25433.980.000%Stocked2.621.317.2540.180.861Staffpersonhours*Retailspace23.0611.537.2541.590.146Staffpersonhours*$Advertising4.822.417.2540.330.747Staffpersonhours*%Stocked18.189.097.2541.250.242Retailspace*$Advertising-11.66-5.837.254-0.800.442Retailspace*%Stocked-22.76-11.387.254-1.570.151$Advertising*%Stocked19.319.667.2541.330.216S=29.0155PRESS=33242.4R-Sq=99.35%R-Sq（預(yù)測）=97.14%R-Sq（調(diào)整）=98.62%10個模型中有8個模型是不顯著的，然而從模型中移除不顯著項(xiàng)應(yīng)基于各項(xiàng)的分級。分級原則：如果在簡化的模型中至少有一個更高級的顯著項(xiàng)（如交互作用）包含此因子存在的就不能移除該部顯著項(xiàng)我們將從具有最高的P值項(xiàng)開始移除，D項(xiàng)最先移除，但是高階的AD,BD,CD也需要移除效應(yīng)簡化后不會變動P值會有變化A項(xiàng)移除，但是高階的AB,AC也需要移除步驟3簡化模型和重?cái)M合模型移除BC步驟3簡化模型和重?cái)M合模型步驟4進(jìn)行殘差診斷殘差診斷分析是用來評估模型擬合的好壞程度步驟4進(jìn)行殘差診斷殘差診斷：1、是否有喇叭口or2、不正態(tài)殘差的正態(tài)概率圖是用來檢驗(yàn)殘差是否符合正態(tài)假設(shè)以及存在的可能的異常值如果數(shù)據(jù)符合正態(tài)，數(shù)據(jù)點(diǎn)看起來將會接近一直線，如果懷疑殘差的正態(tài)性，可以用（analyzefactorialdesign>storage）,在對這些殘差作正態(tài)檢驗(yàn)（stat>basicstatistic>normalitytest）步驟4進(jìn)行殘差診斷如果選擇的標(biāo)準(zhǔn)化殘差，直方圖將有助于檢測異常值，標(biāo)準(zhǔn)化殘差>2,<-2通常被認(rèn)為較大，此圖沒有異常步驟4進(jìn)行殘差診斷1.殘差是否圍繞0隨機(jī)分布；2.殘差是否隨時間獨(dú)立；3.是否存在任何的異常值；4.隨著時間的改變，殘差的方差齊性如何；4個標(biāo)記起來的點(diǎn)是3個中心點(diǎn)的殘差，這些殘差有下降的趨勢，不過因?yàn)橹挥?個點(diǎn)，所以沒有充分的證據(jù)顯示有明顯的趨勢存在。步驟4進(jìn)行殘差診斷殘差是否有明顯的異常值，是否存在曲率現(xiàn)象步驟4進(jìn)行殘差診斷步驟5檢查可能的轉(zhuǎn)換“%boxcoxreg”表示調(diào)用boxcoxreg.mac宏文件“C9”代表響應(yīng)值“M1”代表設(shè)計(jì)矩陣名稱

“3”標(biāo)示含常數(shù)項(xiàng)的參數(shù)，如常數(shù)，B,C就一共有3個“C21-C60”代表munitab中存儲生成BOX-COX圖信息的空白列1.圖中最佳的轉(zhuǎn)換點(diǎn)是位于圖中SSE曲線的最低點(diǎn)，Lambda=1.12.圖中紅線是一條95%的置信限，告訴我們轉(zhuǎn)換后的響應(yīng)值的誤差平方和相對未轉(zhuǎn)換的的響應(yīng)值（Lambda=1）是否會發(fā)生統(tǒng)計(jì)顯著性的降低，只有在Lambda=1時的SSE位于紅線上方時才有轉(zhuǎn)換的必要MTB>%boxcoxregc9m13c21-c60步驟6檢查模型是否合格被移除項(xiàng)R^2R^2AdjR^2&R^2Adj的差R^2pred

99.35%98.62%

0.007397.14%D,AD,BD,CD98.93%98.43%

0.005097.51%A,AB,AC98.73%98.49%

0.002498.05%BC98.68%98.53%

0.001598.21%通過移除不顯著項(xiàng)反復(fù)簡化模型，我們得以審視R^2，R^2Adj，R^2pred，最終觀察到R^2&R^2Adj的差值是否得以改進(jìn)，如果有說明是合格的步驟7選定模型Data（coded）=1004.0+104.6（retailspace）+246.5（advertising）Data（uncoded）=-49.0637+2.09107（retailspace）+9.85850（advertising）步驟