新版MINITAB操作课程培训I阶段.pptx

《新版MINITAB操作课程培训I阶段.pptx》由会员分享，可在线阅读，更多相关《新版MINITAB操作课程培训I阶段.pptx（75页珍藏版）》请在知学网上搜索。

1、Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,A-PLUS,minitab 7-11-392,Click to edit Master title style,昆山,。,甲,上,咨询管理顾问有限公司,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,A-PLUS,minitab of improve,Click to edit Master title sty

2、le,昆山。甲,上,咨询管理顾问有限公司,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,A-PLUS,minitab 7-11-392,Click to edit Master title style,昆山。甲,上,咨询管理顾问有限公司,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,A-PLUS,minitab 7-11-392,Click to edit

3、Master title style,昆山。甲,上,咨询管理顾问有限公司,Click to edit Master text styles,Second level,Third level,Fourth level,Fifth level,A-PLUS,minitab 7-11-392,Click to edit Master title style,昆山。甲,上,咨询管理顾问有限公司,MINITAB,操作课程培训,(I,阶段）,-design of experment,（,DOE),jacky,概述,在改进阶段，从分析,(A),阶段得到的自变量,Xs,中选定少数显著因子，对所选定的因子要有计

4、划的进行试验，明确如何才能改进指标,Y,根据实验的结果找少数显著因子的最佳水平,使,Y,达到最佳值。,critical,Xs,Vital Few,combination,Vital Few,完全,/,部分,配置法,control,Vital Few,Optimization,验证实验,不需要时,验证实验,需要时,响应曲面实验,实验计划法（,DOE),的目的,通过按照周密计划进行实验,1.,掌握哪个要因对,Y,有有意的影响并且了,解其影响的程度有多大。,验证和推定问题,2.,掌握引起微小影响的要因在所有影响,当中占多少比重，测定误差有多少。,推定误差项的问题,3.,掌握有有意影响的原因在什么条件

5、时,可以得到最佳的反应。,最佳反应条件的问题,方差分析,回归分析,目录,1.,单因子试验设计与分析,-单向分类设计（one way ANOVA),-,-,多项式回归,2.,全因子设计与分析,-2水平全因子设计与分析,-3水平全因子设计与分析,3.,2,k,因子设计与分析,(,中心点及分区化,),4.,部分实施因子设计与分析,-2-level factorial（default generators),-2-level factorial（specify generators),-Plackett-Burman design,5.,响应曲面（RSM）设计与分析,-Central composit

6、e,-Box-Behnken,6.,EVOP,7.,稳健参数设计与分析（Taguchi）,-静态特性,-动态特性,8.,混料设计与分析（Mixture）,-,Simplex centroid,-,Simplex,lattice,-,Extreme vertices,试验设计的方法有许多，,一个好的设计，可以通,过少量试验获得较多的,信息，达到试验的目的。,2,10,1024,1.,单因子试验设计与分析,比较一下因子的几个不同设置间是否有显著差异，如果有显著差异，哪个或哪些设置较好；（单向分类设计）,建立响应变量与自变量间的回归关系（通常是线性、二次或三次多项式），判断我们建立的回归关系是否有意

7、义。（多项式回归）,单因子试验设计目的,单向分类设计例题,单向分类设计直径数据表 单位:mm,比较四个车工ABCD所加工丝杠的直径是否相等。将20根坯料用随机序编号顺序号,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.,步骤1：输入试验数据,步骤：处理试验数据,MINITAB：Data-Stack-Columns,处理试验数据（续）,步骤：分析试验数据,MINITAB：Stat-ANOVA-One Way,Minitab,输出,One Way ANOVA,One-way ANOVA:C2 versus Subscripts,Source DF SS MS F P,Subsc

8、ripts 3 1.8440 0.6147 7.66 0.002,Error,16 1.2840 0.0803,Total,19 3.1280,S=0.2833 R-Sq=58.95%R-Sq(adj)=51.25%,Individual 95%CIs For Mean Based on,Pooled StDev,Level N Mean StDev -+-+-+-+-,A,5 50.240 0.351 (-*-),B,5 50.060 0.241 (-*-),C,5 50.640 0.241 (-*-),D,5 50.820 0.286 (-*-),-+-+-+-+-,50.05 50.40

9、 50.75 51.10,Pooled StDev=0.283,拒绝原假设,H,0,即操作工之间有显著差异,Minitab输出Boxplot,可以看出四个车工所加工出的丝,杠直径间有显著差异,可以确定各组间有显著差异后，,下一步需分析哪些组间有显著差,异。,步骤4：分析两组间是否有显著差异,MINITAB：Stat-ANOVA-One Way,Minitab,输出,Tukey,分析结果,Tukey 95%Simultaneous Confidence Intervals,All Pairwise Comparisons among Levels of Subscripts,Individual

10、 confidence level=98.87%,Subscripts=A subtracted from:,Subscripts Lower Center Upper -+-+-+-+-,B,-0.6931 -0.1800 0.3331,(-*-),C,-0.1131 0.4000 0.9131,(-*-),D,0.0669,0.5800 1.0931,(-*-),-+-+-+-+-,-0.70 0.00 0.70 1.40,Subscripts=B subtracted from:,Subscripts Lower Center Upper -+-+-+-+-,C,0.0669 0.580

11、0 1.0931 (-*-),D,0.2469 0.7600 1.2731,(-*-),-+-+-+-+-,-0.70 0.00 0.70 1.40,Subscripts=C subtracted from:,Subscripts Lower Center Upper -+-+-+-+-,D,-0.3331 0.1800 0.6931 (-*-),-+-+-+-+-,-0.70 0.00 0.70 1.40,例如，总体,A,的均值,-,总体,B,的均值落入（,-0.6931,，,0.3331,）,。由于,0,落入区间内，因此，无法拒绝两总体均值相等的原,假设，即应判定两总体均值无显著差异，即,

12、AB,间均值无显著差异。,AB,间、,AC,间、,CD,间均值无显著差异。,AD,间、,BC,间、,BD,间均值有显著差异。,多项式回归设计例题,锻件温度与断裂强度数据表,锻件温度显著影响锻件最终断裂强度。采用800、850、900（摄氏度），各锻造3根钢轴，将钢轴的断裂强度（单位：吨）记录下来，得到下列数据：,步骤1：输入试验数据,步骤：处理试验数据,MINITAB：Data-Stack-Columns,步骤：分析试验数据,MINITAB：Stat-ANOVA-One Way,Minitab输出One Way ANOVA,拒绝原假设H0,即不同温度的各总体断裂强,度之间有显著差异,Minit

13、ab输出Boxplot,下一步建立断裂强度与温度间的,回归方程，判断建立的回归关系,是否有意义。,不同温度的各总体断裂强,度之间有显著差异,步骤4：建立回归方程-处理数据,步骤5：建立回归方程-拟合线形方程,MINITAB：Stat-Regression-Fitted Line Plot,Minitab输出回归分析,拒绝原假设H0,可见线性趋势是显著的,从图中看出数据有弯曲趋势，,因此拟合线性方程回归效果不够好。,步骤6：建立回归方程-拟合二次函数方程,MINITAB：Stat-Regression-Fitted Line Plot,Minitab输出回归分析,上述方法还可以推广到更高阶的情形

14、表面上看，次数增高可以使“拟合效果更好”，但这样的拟合,模型缺乏好的预测能力，因为这时估计和预测值的方差都变大了，在回归分析中，称这类现象为“超拟合”。,从拟合的多项式的阶数上述，一个因子取了,k,个水平，对于所获得的数据可以拟合一个,k-1,阶多项式。但,实际上，,4,次以上的多项式一般是不使用的。,拒绝原假设H0,可见模型是显著的,The regression equation is,strength=-339.4+0.8590 temp-0.000487 temp*2,可见线性及二次项,趋势是显著的,练习,制造Team研讨3种Soldering材料。,目前使用的是A公司的材料，现在要把

15、B、C公司材料追加研讨。通过对各个材料的强度分析找出最佳的材料。,A,B,C,9,18,21,12,15,19,14,14,21,13,17,16,18,15,23,2.,全因子设计与分析,全因子试验设计指所有因子的所有水平的所有组合都至少要进行一次试验；,当因子水平超过2时，由于试验次数随因子个数的增长而呈指数速度增长，因而通常只做二水平的全因子试验。如果确实需要做三水平或更多水平全因子试验时，软件也有此分析方法。但通常认为加上中心点后的二水平试验设计已经足够了，在相当程度上它可以代替三水平的试验，而且分析简明易行。,通常将k个因子的二水平全因子试验记为：2k试验，因此它是全因子试验的一个特

16、例。,01,03,02,全因子试验概述,重复试验,01,随机化,02,划分区组,03,试验设计三个基本原则,进行残差诊断,拟合选定模型,模型要改进吗？,对选定模型进行分析解释,目标是否已达到？,进行验证试验,Y,Y,N,进行下批试验,N,试验设计分析五步法,全因子设计例题,在压力成型塑胶板生产中，经过因子的初步筛选后得知，影响成型塑胶板的因子有,3,个：（,distance,）、成型压力（,pressure),及压力角（,angle,）。在,3,个因子新的较好的范围内，什么生产条件下可以获得最大的成型塑胶板强度（,strength,）。,代号,因子名称,Level 1（,低水平,）,Level 2（,高水平,）,A,压模间距,60 mm,70 mm,B,成型压力,300 Pa,400 Pa,C,压力角,20,度,24,度,因子及水准表,步骤1：设计实验,本实验做全因子实验并安排4个,中心点（即234）。,MINITAB：Stat-DOE-FactorialCreate Factorial Design,步骤1：设计实验（续）,Minitab输出计划表,步骤2：做实验、输入试验数据,实验