DOE分析步骤及2水平2因子实验设计讲座2解析.pptVIP

2k因子实验设计简介 如何创建一个2k试验设计 统计＞ DOE＞因子＞创建因子设计 用MINATAB进行演示 A:加热温度，低水平820 高水平860（摄氏度） B:加热时间，低水平2 高水平3（分钟） C:转换时间 ，低水平1.4 高水平1.6（分钟） D:保温时间， 低水平50 高水平60（分钟） 精确地解释DOE 1、优分析 路径：数据＞排序 目的：预测因子在什么情况下对Y可能的影响 2、检查模型是否良好 1）检查方差分析表，观察模型的P值，如果主效果对应的P值＞0.05，可能： ----试验误差太大，应仔细分析误差产生的各种原因，也可能是测量系统不好造成的 -----可能漏掉了重要因子 ------可能模型有弯曲 2）观察失拟状态的P值， P值＞0.05说明失拟不显著，拟合良好，如果有失拟可能漏掉了重要因子应补上 精确地解释DOE 3）检查曲率的P值：加了中心点后出现一个曲率的P值，如果P ＞0.05,说明无弯曲， 数据文件：试验设计例3 4）观察R2和R2调整， R2是方程拟合的总效果的贡献系数 如果两者差距非常大，说明模型不是最优，就做因子剥离，如果剥离也不能减小太多的差距，意味着还有漏掉的因子 R2=SS(Model)/SS(Total)=1- SS(Error)/SS(Total) 如果在方程中增加一个自变量， R2 会相应增加一些，因而不能很好评价模型的好坏，R2调整扣除了方程中所包含的项数的影响系数，可以更好地反映模型的好坏。 精确地解释DOE 5）观察S值 所有观察值和理论值之是都有误差，S是对应于残差误差行的平均离差平方和的开方，因此S值越小越好。 6）观察Press值和R2预测 Press值：有一些杠杆点，每删掉一个杠杆点后得到的误差平方和的平均值，如果当某一个点影响大的时侯， Press要比未删以前有误差平方和大，但如果大的不多，则说明异常少。 换成 Press R2预测：将R2=1- SS(Error)/SS(Total），如果R2预测比R2小的不多，则说明模型可接受。 精确地解释DOE 7) 评估各项效应的显著性 数据文件：试验设计例3 解释：在Pareto图中，是用T检验所获得的作为纵坐标，按照绝对值大小排列起来，根据选定的显著性水平α，给出t值的临界值，绝对值超过临界值的效应被选中。 在正态效应图：遵循“效应稀疏原则 ”，假定大多数因子只会有极少数因子效应是显著的，因此远离直线的点是显著的，下方为负效应，上方为正效应。 精确地解释DOE 3、残差诊断 图1解释：按观察顺序的残差图，各点是否随机地在水平轴止下无规则地波动着 如有逐步增加或减小的趋势说明有漏项或有未知的重要因子影响 图2解释：观察残差对于响应变量拟合值的散点图，是否有“漏斗型：或“喇叭型”，如出现就对Y 进行转换 精确地解释DOE 图3解释: 在正态概率图中观察是否服从正态分布有弯曲趋势，如果非正态则找原因是否漏因子数据收集有问题 精确地解释DOE 4、判断模型是否需要改进 1）全部因子不显著---本身进入DOE的因子不正确、因子主观性太强、因子本身没找全、因子筛选过简单、因子水平范围太窄 2）遗漏了关键因子—重新进入DOE查找因子 3）没有对因子进行剥离---在各项效应系数分析中不显著的主效应和交互效应应剥离，注意：如果一个高阶项显著则此高阶项中所包含的低阶项也应被包含在模型中 精确地解释DOE 4）模型本身有高次项但没加上 5）主效果都不显著交互显著---弯曲、失拟、S等值有问题，原因可能是交互影响掩盖了主效果或本身主效果不显著 6）残差图中----残差对拟合值有有“漏斗型：或“喇叭型”将Y 进行娈换 或对自变量诊断图中有弯曲加是自变量或直接进行RSM 精确地解释DOE 5、模型优化检测 路径：统计＞DOE ＞分析因子设计＞图形＞“标准化” ＞存储 如果标准化的残差绝对值大于2，则说明模型不够优化 精确地解释DOE 6、观察主效果、交互图、立方图、等高线图、曲面图 路径：统计＞DOE ＞因子＞因子图 路径：统计＞DOE ＞因子＞等高线图/曲面图 解释：1、在主效应图中回归线较陡，主效应显著，较平不显著 2、在交互图中两两因子效应线不平行，二者交互作用就显著。 3、立方图中可以看出取值高的因子水平设定 4、