改进概述及试验设计基础.ppt

改进阶段目标 改进阶段主要工作 DOE的主要目的 I阶段面临的问题：哪些自变量X显著影响Y，怎样改进这些X或这些X取什么值时会使Y达到最佳值？ DOE：计划安排一批试验，并严格按计划在设定的条件下进行试验，获取新数据，对之分析获得所需信息，从而获得改进途径。 试验设计DOE就是一门研究如何以最有效的方式安排试验以获取最大信息量数据的科学。 DOE的目的:分析出哪些X显著影响Y，这些自变量X取哪些值时Y可以达到最佳。 I与A阶段有着类似的目的，两个阶段有着怎样的关系？ A阶段的分析依赖于未改变当前生产条件下所获得的数据（历史数据，被动获取），这些数据几乎无法控制使用范围，无法控制方程的精确度。 I阶段处于全新的状况，我们可能考虑全新的工艺，可能打破目前生产条件的限制，大胆考虑哪些从未使用过的值，因而有可能使Y获得更佳值。 I阶段使用的分析工具与A阶段类似：方差分析、多元回归 7-1 试验设计基础 效应与系数（代码化）的关系 M A I C D 6、试验设计步骤 步骤1：陈述问题 步骤2：设立目标 步骤3：确定输出变量 步骤4：识别输入因子 步骤5：选定每个因子的水平 步骤6：选择试验设计类型 步骤7：计划并为实施试验做准备 步骤8：实施试验并记录数据 步骤9：分析数据并得出结论 步骤10：进行确认试验 计划阶段 实施阶段 严格按计划矩阵的安排进行试验。记录响应变量和试验过程中的所有状况，包括环境（气温、室温、湿度、电压等）、材料、操作员等。 分析阶段 验证阶段 一、试验设计简介 M A I C D 1、单因子试验设计的目的 一是比较因子的不同水平对y是否有显著影响； 二是建立响应变量与自变量之间的回归方程。 二、单因子试验设计 M A I C D 二、单因子试验设计 例:比较四个车工所加工的丝杠的直径是否相等。 50.5 50.3 50.4 50.7 51.2 50.8 50.0 50.3 50.8 50.9 49.9 49.8 51.0 50.5 50.2 50.4 50.6 50.7 49.8 50.0 D C B A 试验设计方案：将20根坯料随机编好顺序号，再采用随机抽取方法，让每个车工选取5根，按顺序号在同台车床上加工。获得如下数据表。 M A I C D 二、单因子试验设计 本试验只有“车工”因子，取4个水平，即单因子设计。 每个车工取5个试验值，就是“重复”。 在安排试验时，将试验单元顺序号进行了随机化处理。 如果我们不能假定20根坯料性能基本相同，就必须划分区组。 M A I C D 二、单因子试验设计 分析工具：单因子方差分析 4位车工加工的零件直径有显著差别。 A/B车工间无显著差别， C/D车工间无显著差别，两组间有显著差别。 M A I C D 小结 改进阶段的任务 试验设计的目的 基本术语 基本原则 单因子试验设计 当因子B处于高水平时，因子A的主效应为170-130=40kg 当因子B处于低水平时，因子A的主效应为120-100=20kg 二者不相同。 当因子A处于高水平时，因子B的主效应为170-120=50kg 当因子A处于低水平时，因子B的主效应为130-100=30kg 二者也不相同。 因子A的效应依赖于因子B的水平；因子B的效应依赖于因子A的水平，二者存在交互作用。 1、基本术语 一、试验设计简介 1、基本术语 一、试验设计简介 如何度量交互作用的大小呢 ？ 如果没有交互作用，当因子B处于不同水平时，因子A的效应是相同的。 如果有交互作用，当因子B处于不同水平时，因子A的效应的差值就是AB的交互效应。 AB的交互效应=（B处于高水平时A的效应- B处于低水平时A的效应）/2 AB的交互效应=[(170-130)-(120-100)]/2=10 同理，BA的交互效应=[(170-120)-(130-100)]/2=10 可以证明： AB的交互效应= BA的交互效应，以后不再区分。 1、基本术语 一、试验设计简介 如何度量交互效应的大小呢 ？ AB的交互效应 =（B处于高水平时A的效应- B处于低水平时A的效应）/2 = （A处于高水平时B的效应- A处于低水平时B的效应）/2 公式变形： AB的交互效应=[（A高B高-A高B低）-（A低B高-A低B低)]/2 =[（A高B高+A低B低)-(A高B低+ A低B高)]/2 AB的交互效应=[(170+100)-(130+120)]/2=10 1、基本术语 一、试验设计简介 M A I C D 320 280 高压 250 230 低压 高温 低温 A B 练习：分别计算以下数据表中因子A和B的主效应和交互效应。 一、试验设计简介 10 交互效应 60 30 B的主效应 A的主效应 M A I