課程⑦⑧DMAIC手法綠帶教育-改善階段①課件

改善階段綠帶教育一、改善概述

二、簡易的改善手段

1）FMEA改善

2）流程圖改善

三、基于分析的改善

1）ANOVA方差分析

2）2k因子DOE實驗方法一、改善概述過程特性化過程優(yōu)化突破性戰(zhàn)略Measure測量Analyze分析Improve改善Control管理Define定義１．確定客戶CTQ２．產(chǎn)品/過程的樹型結(jié)構(gòu)３．指定項目和利益范圍１．歸納CTQ特征２．質(zhì)量特性的量化３．質(zhì)量特性檢測法認證１．當前工程能力驗證２．確定改善目標３．找出變動因素１．究明主要要因２．確定要因的最佳值３．允許誤差的設定１．主要要因檢測法認證２．管理能力驗證３．管理的系統(tǒng)化DMAIC步驟中的定位著眼于X著眼于YY=f(x1,x2,...,Xn)著眼于X,Y確定備選的要因Xs究明要因Xs（及其水平）：為了找出起著決定性重要作用的少數(shù)要因Xs，制定實驗計劃并加以實施移動分布

（使分布的中心切合目標，提高過程能力）縮小分散性

（減少波動，提高過程能力）確定要因Xs的最佳值：求出使Ｙ獲得最佳值的Xs設定要因Xs的允許誤差：根據(jù)Ｙ＝f(Xs)的關系、Ｙ的規(guī)格確認結(jié)果：實際進行試運行確認實驗化戰(zhàn)略統(tǒng)計性解決問題的定義目的的確定應答變量的選擇獨立變量的選擇變量水平的選擇實驗計劃法的選擇數(shù)據(jù)收集數(shù)據(jù)分析得出結(jié)論達到目的改善階段：ImprovePhase到達改善階段（ImprovePhase）的過程１．基于ＦＭＥＡ（FailureModeEffectsAnalysis）

在測量階段，從過程流程圖→過程圖、C&E圖（特性要因圖）中找出對于C&E矩陣來說更為重要的Ｘｓ，并針對這些實施過程ＦＭＥＡ，考慮對于高ＲＰＮ值輸入：Ｘｓ，應該如何改善管理現(xiàn)狀以降低ＲＰＮ值。由此制定相應的改善方案并作為改善：Improve加以實施。２．基于分析階段（AnalyzePhase）

在分析階段，根據(jù)Ｙ＝Ｆ（Ｘｓ）的關系找出對于數(shù)據(jù)分析來說更為重要的Ｘｓ。針對這些重要的Ｘｓ，為確定真正重要的Ｘｓ，求出Ｘｓ重要程度的先后順序（哪個Ｘｓ有著何種程度的影響）和有意水平（Ｘｓ的哪個值是有效的）。2水準多要因?qū)嶒炗媱澏嘣驅(qū)嶒炗媱潱ǎ眰€要因、２個要因、３個要因、…）二、簡易的改善基于ＦＭＥＡ的改善方案（１）１．若ＲＰＮ值高的要因（輸入Ｘｓ）尚未進行現(xiàn)狀管理，則應立即確定降低ＲＰＮ值的對策提案→這本身就是改善案。

實施改善案后，要再次對ＲＰＮ值進行重新評估。

過程步驟/輸入可能的故障模式可能的故障影響可能的要因現(xiàn)狀管理使蒸汽注入DICY/刻度精度

刻度>0

DMF填充不足衣服含有水分衣服的目測檢查(SOP5681)刻度不正確DMF填充過多水箱準備欠佳目測檢查(SOP5681)刻度零點不準確

DMF填充不佳刻度不準確無

DMF填充/

DMF填充精度

DMF填充不佳超出粘度規(guī)格裝置不佳保守程序(SOP5821)/目測檢查33377違反SOP22225作業(yè)人員審批/過程監(jiān)督139356185442175嚴重程度頻度檢出度ＲＰＮ沒有進行現(xiàn)狀管理→確定管理方案→改善方案基于ＦＭＥＡ的改善方案（２）２．若對ＲＰＮ值較高的要因（輸入Ｘｓ）進行了現(xiàn)狀管理，

則應對造成ＲＰＮ值現(xiàn)狀居高不下的要因提出改善方案，

并明確該方案減少的是嚴重度、頻度或檢出度中的哪一項（單個或多個），再針對相應情況重新給ＲＰＮ值打分

違反SOP作業(yè)人員審批/過程監(jiān)督根據(jù)TQL組的輸入內(nèi)容，保證該過程的絕對安全。

SZ引進DMF自動注入裝置8/96712刻度不準確無包括在每天值班情況的確認和檢查項目中

.PQ裝置不佳保守程序(SOP5821)/目測檢查衣服包含水分衣服的目測檢查(SOP5681)

水箱準備欠佳52222目測檢查(SOP5681)5934417554422424

140000可能的要因現(xiàn)狀管理對策建議

負責部門實施對策頻度檢出度ＲＰＮ嚴重程度頻度檢出度ＲＰＮ嚴重程度73733沒有進行現(xiàn)狀管理→確定管理方案→改善方案流程改善：通過制作流程圖減少步驟

發(fā)送原材料檢驗粗糙的鋸木料運送deburrDeburr運送去進行擴展壓縮擴展形成運去進行加熱處理加熱處理達到品均質(zhì)量標準.運去冷凍擴展形式完成在冷箱中保存形成碳化氟對CF進行檢查運去鋸斷鋸木器TransporttodeburrDeburr運送去進行壽命測試壽命測試運送去檢驗.硬度檢驗運到

m/c商店

機器TransptodeburrDeburr運去檢驗.檢驗運去進行最后的處理化學清洗化學鍍膜最初的應用在零件上作標記檢驗運去存儲返回各個地區(qū).ok不行oknotokoknotokok不行ok不行流程改善事例：捆包清單存檔方式改善捆包捆包單賬務除賬復印捆包單財務存檔物管存檔捆包捆包單賬務除賬捆包單復印財務存檔物管掃描電子共享存檔改善前改善后三、基于分析的改善針對在分析階段得出的Ｘｓ，進一步根據(jù)ＤＯＥ（實驗計劃法）找出重要的少數(shù)Ｘｓ（ＶｉｔａｌｆｅｗＸｓ）。具體按照：１．找出主要要因、 ２．確定要因的最佳值、或幾個要因的最佳組合、 ３．計算要因影響度和優(yōu)先順序客戶過程輸入輸出供應商過程：為了實現(xiàn)某個目標而采取的一系列行為輸入：過程所加工或使用的物品或數(shù)據(jù)輸出：過程工作的結(jié)果，所得到的物品或數(shù)據(jù)客戶：所有接受過程輸出的人（外部客戶／內(nèi)部客戶）供應商：所有供應過程輸入的人什么是過程

不同的操作員

不同的機器

不同的值班表

供應商/零件

室溫

氣壓

相對濕度

原料特性溫度壓力

過程可管理輸入主要過程的輸出Ｙ

認識輸入/輸出

的工具

C&E矩陣/FMEA

特性要因圖：

魚骨圖

短期能力：Short-termCapability干擾輸入

(連續(xù)性的)干擾輸入（離散性的）輸入(Xs)與輸入（Ｙ）的選擇找出要因：研明原因型的情形問題哪一種輸入對輸出的影響最大？哪種輸入組合才能使輸出最大限度地滿足客戶的要求？工具實驗計劃法（ＤＯＥ:DesignofExperiment）用于下列目的的手法：使用統(tǒng)計學手法合理分配實驗使實驗計劃開展得較經(jīng)濟、但又可得出可進行精確分析的結(jié)果篩選對主特性產(chǎn)生影響的要因計算要因影響度和優(yōu)先順序問題對目標值（水平比較）與現(xiàn)狀值差距起著最關鍵影響的要因是什么？達成目標值的最佳方案是什么?工具＊水平比較：著眼于最佳業(yè)績的世界頂級實例，分析自身與其之間的差距，通過彌補這些差距來達到同它一致甚至超越它的水平＊過去所有的智慧：通過總結(jié)過去的智慧，制定可實現(xiàn)目標的對策方案篩選要因：實現(xiàn)課題型的情況如果能“明確”判斷哪個輸入Xs對輸出Ｙ的影響最大，就可針對這些重要（范圍縮小到2-3個以下）Xs，采用適當方法“設置最佳值”。針對這些重要的輸入Xs，如何找出最佳設定和手續(xù)，確保其正確性，為此必須采用何種方法進行多少次嘗試？Ｘｓ的優(yōu)化

為使輸出Ｙ獲得理想的最佳值，必須求出重要Ｘｓ的最佳值。

求解方法有以下幾種：ＤＯＥ（多元要因?qū)嶒灒憾嘁蚨嗨疁剩校蹋牛兀≒lantExperimentation設備實驗)ＥＶＯＰ（EvolutionaryOperation進化性工程改善）ＲＳＭ（ResponseSurfaceMethod應答曲面法）篩選要因：過程優(yōu)化解決方案的開發(fā)、選擇與實施前提條件：到分析階段為止的「基礎工作」開展充分，具有獨創(chuàng)性，制定解決方案時充分注意到各個方面，有計劃地加以實施，并能夠排除組織性障礙。改善階段前的確認事項：解決根本要因、實現(xiàn)目標的必要行動和想法是什么？這些想法中，哪些可能與有效的解決方案相關聯(lián)？這些想法中，哪些有可能最大限度降低成本和混亂、并實現(xiàn)目標？

確認最終選擇的行動和想法的有效性，應該進行怎樣的確認（測試）？改善階段的注意點：隨時不忘如何才能從行動中獲得最大限度的成果。即使效果（對目標來說）有限，但只要它有助于解決其他問題，就應該積極采用（但這種情形下要先討論其風險）。手法使用場合Minitab程序一元配置方差分析

(ANOVA)判斷單要因的不同水平對輸出的影響。Stat>ANOVA>OnewayStat>ANOVA>Oneway(Unstacked)滿因子實驗判斷多個要因（在多個水平下）及其交互作用對輸出的影響，最佳值的選定方法。Stat>ANOVA>BalancedANOVA(平衡數(shù)據(jù)）Stat>ANOVA>GLM(非平衡數(shù)據(jù)）2K因子DOE判斷多個要因（在兩個水平下）及其交互作用對輸出的影響，專用的選定最佳值的實驗設計方法。Stat>DOE>AnalyzeFactorialDesigns(orAnalyzeCustomDesigns)2K因子+中心點的DOE考慮到非線性的因素，在高低水平之間增加中間點進行判斷。2K半因子DOE為節(jié)約實驗經(jīng)費、縮短實驗時間，減少實驗次數(shù)的DOE實驗方法。一元配置方差分析（ＡＮＯＶＡ）２００１．０３．１５一元要因試驗計劃(例)此試驗計劃調(diào)查的是某一要因的2個或2個以上水準輸出變數(shù)的定量效果。

首先請看與t?檢驗相似的統(tǒng)計學檢驗法－F?檢驗。F?檢驗是信號與噪音的比SN比（Signal-to-Noiseratio),F值越高則偶然發(fā)生的概率越低。

若僅有2水準時,一元配置方差分析(ANOVA)結(jié)果與t?檢驗相同。

兩者關系為:Ｆ=ｔ2

一元要因試驗計劃試驗計劃使用的數(shù)學模式Ｈo認為處理(小組)效果為零。數(shù)學模式假設通常的假設Ｈo:

's=0Ｈa:

tＨo:

Ｈa:

1mmmm===234由處理(對象小組)

ｔ得出的單一應答tti==tey=++mteytittiti=

=

全體平均

m此處：處理(對象小組)

ｔ的效果

隨機誤差最少有一個最少有一個不同。t不是0。mk如H0假設成立，即這兩組數(shù)據(jù)采自同一總體，則這兩組數(shù)據(jù)可看成在同一總體中采的兩次樣本。而樣本的方差S與樣本均值的方差SE的關系為：SE=S/n理論上SE應小于S。檢驗時亦如此，考察：F=nSE2/

S2有兩個自由度：df1=c-1,df2=c(n-1)SE稱為組間方差。S稱為組內(nèi)方差，S的計算方法如下：S2=c(n-1)Σ(X1-X1)2+Σ(X2-X2)2+……..+Σ(Xc-Xc)2c為數(shù)據(jù)的組數(shù)，n為組內(nèi)數(shù)據(jù)數(shù)查F分布表上橫軸上df1,豎軸上df2的值為臨界值。單因素方差分析例

（UNSTACKED)例如：車間有一條流水線翻日夜班，觀察其兩班產(chǎn)品的合格率一組數(shù)據(jù)，判斷日班與夜班是否無區(qū)別？(95%)這個問題的H0假設可表述為：日班與夜班是屬于同一總體，μ1=μ2，上表中均值的差異僅由于隨機波動造成的。查F分布表，在信度α=0.05下的F(1,4)=7.71.上題的MINTAB計算方法ANOVA/One-way(unstacked)如下圖輸入?yún)?shù)，圖表可選擇二種圖：點線圖、箱線圖樣本輸入結(jié)果：圖表選擇VariableNMeanStDevSEMean95.0%CI

樣本均值樣本方差樣本均值的方差95%的置信區(qū)間

dia614.95000.22580.0922(14.7130,15.1870)結(jié)果：One-wayAnalysisofVarianceAnalysisofVarianceSourceDFSSMSFPFactor140000040000053.330.000

n*組間方差平方F值Error8600007500

組內(nèi)方差平方Total9460000Individual95%CIsForMeanBasedonPooledStDev

兩組均值的95%置信區(qū)間比較，基于組內(nèi)方差LevelNMeanStDev------+---------+---------+---------+daywork54000.070.7(-----*-----)nightwor54400.0100.0(-----*-----)------+---------+---------+---------+PooledStDev=86.64000416043204480組內(nèi)方差F=53.33=400000/7500實際F值遠大于7.71，H0不成立。一元要因試驗分析步驟１．設定與輸出Ｙ(欲調(diào)查影響度)對應的要因Ｘ的水準(值),測量各水準下的數(shù)據(jù)。２．將上述各水準下的數(shù)據(jù)填入MINITAB工作表，將輸出Ｙ(應答變數(shù))的值全部貼入(Stack)1縱列，在另一列中顯示與各數(shù)據(jù)對應的要因水準。

Sｔａｃｋ的數(shù)據(jù)表可進行更多的分析，如多重比較，殘差分析等。３．進行一元要因的方差分析。

按照Stat>ANOVA>Oneway

順序進行MINITAB操作。４．根據(jù)sessionwindow方差分析表解釋(F值)P值。若(F值高)P值未滿0.05?0.1,則舍棄Ｈo。一元配置分析步驟(續(xù))

５．若F值生成的概率＝P值未滿0.05,可按此順序?qū)⑵骄牟町惱L圖。

Stat>ANOVA>MainEffectsPlot

或

Graph>IntervalPlot。６．使用MINITAB＞ANOVA>OnewayANOVAの的圖表功能進行殘差診斷。７．計算ε2,檢驗效果實際上是否具有意差。８．檢驗方差的均值性(等方差性)：

Stat>BasicStat>HomogeneityofVariance

９．總結(jié)結(jié)論和建議事項。

10．重復最佳組合。

11．將建議事項標準化。兩個以上小組的比較下例看的是牽引速度與破壞強度的關系。此例在Montgomery教材第65頁有很好的講解。顯示已輸入破壞強度輸出的設計矩陣。15 20 25 30 357 12 14 19 77 17 18 25 1015 12 18 22 1111 18 19 19 159 18 19 23 11牽引速度破壞強度ＦＮ：ｍｏｎｔ５２．ＭｔｗSSADataFiles練習左下表在MINITAB中稱為“未處理（Ｕｎｓｔａｃｋｅｄ）”形式。分析數(shù)據(jù)時,需將牽引速度要因各水準（Level）

列成一縱列(Sｔａｃｋ)。如右下圖重新排列數(shù)據(jù)后,再使用MINITAB為其范疇定義。操作順序:Manip>Stack/Unstack>StackColumns15 20 25 30 357 12 14 19 77 17 18 25 1015 12 18 22 1111 18 19 19 159 18 19 23 11Break Ratio7 17 115 111 19 112 217 212 218 218 214 318 318 319 319 319 425 422 419 423 47 510 511 515 511 5輸出和輸入分別排成一縱列。Ｒａｔｉｏ１２３４５Sｔａｃｋ的數(shù)據(jù)表可進行更多的分析破壞強度的方差分析SourceDFSSMSFpRatio（

比）

4475.76118.9414.760.000Error（誤差）20161.208.06Total（合計）24636.96

以累計標準偏差(PooledStDev)

為基礎的各個平均值的95％CI(信賴區(qū)間）

LevelNMean(平均）

StDev(標準偏差）

------+---------+---------+--------159.8003.347(-----*----)2515.4003.130(----*----)3517.6002.074(----*----)4521.6002.608(----*----)5510.8002.864(-----*----)

------+---------+---------+--------累計標準偏差(PooledStDev)

=2.839MINITAB分析：Stat>ANOVA>Oneway（自由度）（平方和）（平均平方和＝方差）破壞強度的方差分析SourceDFSSMSFpRatio（比）

4

475.76118.9414.760.000Error（誤差）20161.208.06Total（合計）24636.96

以累計標準偏差為基礎的

各個平均值的95%ＣＩ(信賴區(qū)間）

LevelNMeanStDev------+---------+---------+--------159.8003.347(-----*----)2515.4003.130(----*----)3517.6002.074(----*----)4521.6002.608(----*----)5510.8002.864(-----*----)累計標準偏差

=2.839

------+---------+---------+------將這些值平方后,求出平均值，再求其平方根。F值大,偶然發(fā)生的概率則小,此例為10,000分之１以下

!MINITAB的ANOVA(方差分析)SourceDFSSMSF

pRatio4475.76118.9414.760.000Error20161.208.06Total24636.96ＡＮＯＶＡ表（方差分析表）小組平均相同時則Ｆ?檢驗的值接近1.00。這里的Ｆ值非常大。若P未滿５％,意味著最少有1個小組的平均值不同。此例中,要舍棄所有小組平均值相等的假設,至少有一個處理的平均值不同于其他。Ｆ值有可能是一個很大的值,但這是10,000分之１以下的偶然。相當于連續(xù)拋10次硬幣,10次均正面朝上。sssssPooled212223242５=+++

母集團尺寸相同時s52+主效果與區(qū)間圖Stat>ANOVA>MainEffectsPlotGraph>BoxplotStat>ANOVA>IntervalPlot殘差診斷ー殘差分析ANOVA(方差分析)假設誤差平均值=o,且具一定方差、呈正態(tài)分布。通過探討殘差(與樣本平均的差),驗證上列假設?？稍贛INITAB中驗證。下一步。按Stat>ANOVA>Oneway順序,求出殘差,套用該值。正態(tài)圖顯示沒有無法管理的殘差。波動以輸出值為中心變化殘差直方圖操作順序為Stat>Regression>ResidualPlotsの殘差分析破壞強度的殘差ε2…的實際有意性雖然ε2是尚有談論余地的統(tǒng)計值,但它為實際效果的有意性提供了良好的線索。ε2用于從有問題的輸出測量輸出波動量。這一統(tǒng)計值易于計算。計算方法為:平方和(效果)/平方和(合計)。首先用此值判斷。e2475766369675===SSSSRatioTotal...表示破壞強度中75％的波動可由牽引速度說明。要因的平方和總的平方和滿因子實驗(FullFactorialExperiments染色性における濕度と縮れの効果壓力1壓力2溫度12040溫度25012單因子(OFAT)及交互作用如果我們在水平一下固定溫度而改變壓力，那么我們能得出壓力在水平二時最好.如果我們在水平二下固定壓力而改變溫度，那么我們能得出溫度在水平一時最好.在我們可能取得進步的同時，我們可能錯過了最佳點.運行一運行二假定我們進行了一個如下所示的單因子(OFAT)研究多因子實驗的眾多優(yōu)點比單因子實驗（OFAT）更有效能觀測到因子間的聯(lián)合效應(交互作用）比單因子實驗研究覆蓋更廣的實驗領域可識別關鍵的因子(輸入)在估計輸入與噪聲對輸出的影響上更有效.雙因子實驗–交互作用效應考慮初始數(shù)據(jù)集:在

壓力的第一水平,溫度的效應是:

Temp=50-20=30在壓力的第二水平,溫度的效應是:

Temp=12-40=-28既然溫度關于產(chǎn)出的效應依賴于壓力的水平，那么我們認為在溫度和壓力之間存在

交互作用.在一些實驗中我們發(fā)現(xiàn)一個因子不同水平的效應與別的因子不同水平的效應是不同的練習–將數(shù)據(jù)輸入Minitab目標:將簡單的因子數(shù)據(jù)輸入Minitab并使用

Anova>InteractionsPlot

確認有無交互作用特征.過程要領將兩個數(shù)據(jù)集輸入

Minitab文件(提示:你僅須一次輸入實驗矩陣就可看見分別在兩欄中出現(xiàn)的各實驗的輸出)選擇

ANOVA>InteractionsPlot并填好對話框.繼續(xù)進行練習溫度壓力產(chǎn)出1產(chǎn)出21 1 20 201 2 30 402 1 40 502 2 52 12你的數(shù)據(jù)應象這樣交互作用將以前兩表中的數(shù)據(jù)輸入Minitab并使用方差分析部分的交互作用畫圖工具來畫如下的圖形:分析滿因子實驗的14個步驟1.在

MINITAB中創(chuàng)建數(shù)據(jù)集，使所有的回應值都在一列中.每一個輸入變量或因子都被指定到一列,各列代表該因子的不同的水平

.2.對平衡數(shù)據(jù)運行方差分析程序,或?qū)Ψ瞧胶鈹?shù)據(jù)運行

GLM程序. -如果在每次實驗中只有一個觀察起作用，那么或者使用效應圖，或者在隨機塊因子中僅使用線性模型(沒有交互作用）3.在Minitab的方差分析部分使用殘差圖來對殘差進行診斷4.首先對最強的交互作用解釋

F-比值5.如果聯(lián)系

F-比值的概率P小于.05,那么使用

TABLES命令來產(chǎn)生恰當?shù)臄?shù)據(jù)表.例如:如果對于響應D來說A,B,C之間有交互作用

,那么我們可用如下命令來總結(jié)數(shù)據(jù):

Stat>Tables>CrossTabulation> usingA,B,&CandY.

6.總結(jié)表中的數(shù)據(jù)并因此產(chǎn)生圖形。對兩元交互作用使用

Miinitab的交互作用圖。(InteractionPlot)7.如果最強的交互作用（＝ＡとＢとＣの間の交互作用）不重要，那么解釋相對較弱的交互作用集（例如，A和B之間的交互作用，B和C之間的交互作用，A和C之間的交互作用）

8.如果任意一個相對較弱的交互作用比較重要，那么作出相應的圖表.分析因子實驗(cont’d)9.如果這些交互作用都不重要,針對主效應考查F-比值.用相同方法將這些解釋為一元方差分析，并用主效應圖來研究.10.上述基礎上,僅用顯著的效應重新運行簡化的模型并重新運行殘差.11.對每個顯著效應計算ε2，由此測驗實際的重要性.12.公式化表示結(jié)論和建議13.重復最佳的方案.14.計劃下一個實驗或制度化改變過程.分析因子實驗(cont’d)練習–兩因子的交互作用目的:使我們能對帶有顯著交互作用的兩因子實驗進行分析。

FN:Montint.mtw輸出變量:產(chǎn)出輸入變量：

溫度(低，中，高)催化液(低，中，高）數(shù)據(jù):Minitab的數(shù)據(jù)入口Catalyst Temp Yield1 1 761 1 821 1 641 1 871 2 551 2 561 2 651 2 641 3 521 3 631 3 651 3 602 1 812 1 672 1 832 1 752 2 772 2 742 2 712 2 732 3 532 3 632 3 602 3 57Catalyst Temp Yield3 1 783 1 723 1 853 1 833 2 863 2 743 2 813 2 783 3 693 3 703 3 653 3 60Zinc進行方差分析轉(zhuǎn)到

Stat>Anova>BalancedAnova

并輸入以下值:Zinc所得到的方差分析表Zinc主效應和交互作用都是顯著的AnalysisofVariance(BalancedDesigns)FactorTypeLevelsValuesCatalystfixed3123Tempfixed3123AnalysisofVarianceforYieldSource DF SS MS F PCatalyst 2 529.39 264.69 7.58 0.002Temp 2 1620.72 810.36 23.20 0.000Catalyst*Temp4 442.44 110.61 3.17 0.029Error 27 943.00 34.93Total 35 3535.56殘差分析

殘差圖沒有大的離心率。針對擬合線的殘差圖表明殘差的方差隨著產(chǎn)出的增加而增加.我們也可使用

Graphs>Plot

函數(shù)

針對因子花出殘差圖Zinc殘差和因子Zinc分析方差分析表交互作用是重要的p—值低于(<5%).我們停止對

F-檢驗的分析并估計交互作用.ZincAnalysisofVarianceforYieldSourceDFSSMSF PCatalyst 2 529.39 264.69 7.58 0.002Temp 2 1620.72 810.36 23.20 0.000Catalyst*Temp 4 442.44110.61 3.17 0.029Error 27 943.0034.93Total 35 3535.56從圖上估計交互作用選擇

Anova>InteractionsPlot

并填好對話框.對未來的過程控制解釋其結(jié)果

我們能對過程的強健性說些什么?Zinc描述性統(tǒng)計MTB>tablesc1c2;SUBC>statc3.(orStat>Tables>CrossTabulation)ROWS:CatalystCOLUMNS:Temp123ALL14441277.25060.00060.00065.7509.9125.2285.71510.73824441276.50073.75058.25069.5007.1882.5004.2729.54934441279.50079.75066.00075.0835.8025.0584.5468.174ALL1212123677.75071.16761.41770.1117.2009.5235.61610.051

CELLCONTENTS--Yield:NMEANSTDDEVZincε2分析對過程來說哪個因子（輸入）是最關鍵的？ZincAnalysisofVarianceforYieldSourceDFSSE-sqCatalyst 2 529.39 15%Temp 2 1620.72 46%Catalyst*Temp 4 442.44 13%Error 27 943.00 27%Total 35 3535.56讓我們運行Anova>GLM程序命令Stat>Anova>BalancedAnova是為帶平衡數(shù)據(jù)的實驗設計的.命令

Stat>Anova>GeneralLinearModels(GLM)是為帶非平衡數(shù)據(jù)的實驗設計的.刪除最后一個文件的一排數(shù)據(jù)重新運行

GLM命令平衡數(shù)據(jù)是指每個要因組合做的試驗次數(shù)是一樣多的.非平衡數(shù)據(jù)是指要因組合做的試驗次數(shù)是不一樣多的.多水平3因子-例子目的:確定卷曲效應,過程溫度，著色尼龍纖維的濕度.輸出:著色性

Dye(高較好)輸入:卷曲Crimp(低，高)過程溫度Temp(低，中，高)濕度Moisture(低，中，高)N=3每種方法組合有3個觀察1.定義KxKxK

2×3×3

矩陣的因子并陳述有多少種方法組合.2.定義主效應和交互作用.3.計算實驗的總樣本數(shù).4.定義實驗的統(tǒng)計模型.

Zinc創(chuàng)建設計矩陣使用

Calc>MakePatternedData>樣本集來創(chuàng)建設計矩陣.MTB>corrc1-c3Correlation's(Pearson)C1C2C20.000C30.0000.000創(chuàng)建設計矩陣后，最好通過計算三列的關聯(lián)來檢驗數(shù)據(jù).所有的關聯(lián)都應該為0ZincOpen

Carpet.Mtw查看數(shù)據(jù)得到對矩陣的了解通過我們以前使用過的步驟用方差分析的方法分析數(shù)據(jù)。主效應和交互作用卷曲(Crimp)(C)溫度(Temp)(T)濕度(Moist)(M)CxTCxMTxMCxTxMZinc進行方差分析轉(zhuǎn)到

Stat>Anova>BalancedAnova

并輸入以下值:存儲殘差得到的方差分析表結(jié)果表明三元交互作用是顯著的,我們需要分析它,但我們首先確保殘差是好的并且我們的模型擬合的很好.AnalysisofVarianceforDyeSourceDFSS