常用DOE方法实操培训教材.ppt

试验设计方法 1 试验的一般步骤 根据目标选择试验类型 定义试验指标 因子 水平 试验表设计 试验实施 数据分析 输出结果 验证试验 达到目标 未达到目标 试验的三个基本原理 重复 区组与随机化 减少试验误差 提高精度 试验设计方法 2 试验类型的选取 常用的几种试验设计类型如下 试验设计方法 3 1试验设计 部分因子试验 分辨度 用于确认试验的效应相互混杂的程度 判定方法 手指规则 试验设计方法 3 1试验设计 部分因子试验 输入因子名称及相应的高低水平 选择试验次数 中心点 重复及区组的数量 选择是否要对试验顺序随机化 别名结构 别名结构显示了各个相互混杂的项 当我们要考虑二阶交互作用时 分辨度要 中心点可以用来估计试验误差及判定模型是否弯曲 试验设计方法 3 1试验设计 部分因子试验 Stdorder 试验的标准顺序 是固定的 Runorder 试验的运行顺序 每次随机化的到的顺序可能不一致 CenterPt 数字0表示该组试验为中心点 块 表示区组的数量 试验设计方法 3 2试验设计 响应曲面设计 序贯性 指试验的连续性 上一次试验的数据可用于下一轮试验的分析 以避免重复进行试验 旋转性 在某点处预报值的方差仅与该点到试验中心的距离有关 而与其所在方位无关 也即响应变量的预测精度在以设计中心为球心的球面上是相同的 在试验水平更改较难的场合 可以考虑CCF设计 即 取1 试验设计方法 3 2试验设计 响应曲面设计 试验设计方法 3 2试验设计 响应曲面设计 PtType 0表示中心点的组合任务栏中显示该RSM设计的详细信息 试验设计方法 3 3试验设计 均匀设计 根据因子数及水平数选取均匀设计表 水平数一般 2倍因子数 根据使用表选取所用的列 例 三因素十水平均匀设计 则选取1 5 6列进行试验排列 试验设计方法 3 3试验设计 均匀设计 1 当某些试验组合根据经验可以预测到其结果不理想时 可以将其中一组或几组的编号错开 所有的水平从小到大构成一个闭环循环 编号时可根据需要将任意一个水平定义为1号 然后按顺时针方向编号 2 当某一因素的水平水不够时 可将水平重复一次 试验设计方法 4 1数据分析 部分因子试验 第一步 浏览数据 试验设计方法 4 1数据分析 部分因子试验 第二步 拟合模型 试验设计方法 4 1数据分析 部分因子试验 第二步 拟合模型 主效应P值 0 008 0 05 说明模型总效应是显著的 弯曲项P值 0 215 0 05 说明数据无弯曲 R Sq adj 93 2 说明回归效果的度量也很好 失拟项P值 0 012 0 05 说明模型有失拟 遗漏了重要的项 此时需要增加项 以便消除失拟 二阶交互效应显著时 需要结合别名结构具体分析后进行判定 试验设计方法 4 1数据分析 部分因子试验 第三步 模型简化 逐步将不显著的项目删掉后重新进行拟合 对比拟合前后的模型拟合效果 模型简化后 R Sq adj 与R Sq的差值减小 误差项s或s2减小 满足以上两个条件 说明模型简化后得到了优化 模型简化后 R Sq与R Sq adj 的差值减小 误差s也减小 说明简化后的模型更优 试验设计方法 4 1数据分析 部分因子试验 第四步 残差诊断 残差定义为实际观测值与拟合值之差 正常情况下 如果模型确实能够反映数据情况 则残差应满足如下假定 1 具有时间独立性 诊断残差与观测值顺序图 2 来自稳定受控总体 3 对输入因子的所有水平有相等的总体方差 检查自变量与残差的方差齐性及是否弯曲 4 符合正态分布ei N 0 2 i 1 n 诊断残差是否正正态分布 左图中为常见的残差图 1 是正常的残差图 2 至 4 为异常的残差图 2 类型的残差图一般出现在残差与拟合值图 3 类型的残差图一般出现在残差与自变量图 4 类型的残差一般出现在残差与运行序图 试验设计方法 4 1数据分析 部分因子试验 第四步 残差诊断 右下角的残差与观测值顺序图 正常情况下 残差随机地在水平轴上下无规则地波动 右上角的残差与拟合值图 正常情况下 残差具有等方差性 若出现漏斗形或喇叭形 则说明试验指标Y需要进行变换 左上角的正太概率图 正常情况下 残差呈正态分布 残差与各自变量的散点图 主要考察是否有弯曲趋势 若有弯曲 应考虑增加高阶项 试验设计方法 4 1数据分析 部分因子试验 第五步 输出及解释模型 模型简化完成后 参照未编码系数写出回归方程 未编码系数即回归方程中该项的系数 注 当实验过程中有显著的噪声因子存在 该噪声因子无法控制但可以测量时 可以使用协方差进行分析以便排除噪声因子的影响 提高数据分析的准确性 试验设计方法 4 1数据分析 部分因子试验 第五步 输出及解释模型 1 输出主效果图 试验设计方法 4 1数据分析 部分因子试验 第五步 输出及解释模型 2 输出交互作用图 试验设计方法 4 1数据分析 部分因子试验 第五步 输出及解释模型 3 输出等值线图 试验设计方法 4 1数据分析 部分因子试验 第五步 输出及解释模型 4 使用响应优化器模拟最优条件 试验设计方法 4 2数据分析 响应曲面设计 第一步 浏览数据 图形 散点图 Graph scatterplot 观察是否有异常值 观察响应值是否随着运行序成随机波动 试验设计方法 4 2数据分析 响应曲面设计 第二步 拟合模型 回归项P值 0 000 0 05 说明模型有效 失拟项p值 0 509 0 05 说明无失拟现象 试验设计方法 4 2数据分析 响应曲面设计 第三步 简化模型 试验设计方法 4 2数据分析 响应曲面设计 第四步 残差诊断 统计 DOE 响应曲面 分析响应曲面设计 Stat DOE Responsesurface AnalyzeResponseSurfaceDesign 残差诊断判定方法与部分因子试验残差诊断相同 该试验的残差均无异常 试验设计方法 4 2数据分析 响应曲面设计 第五步 模型解释 等值线图 第二步骤中勾选曲面图 得到该图 试验设计方法 4 2数据分析 响应曲面设计 第五步 模型解释 响应优化器 统计 DOE 响应曲面 响应优化器 Stat DOE Responsesurface ResponseOptimizer 有多个试验指标时 可以对每个指标的权重及重要度进行设置 然后进行综合优化 试验设计方法 4 2数据分析 响应曲面设计 第五步 模型解释 重叠等值线图 选择试验指标 利用重叠等值线可以模拟可以的工艺范围 试验设计方法 4 2数据分析 均匀设计 第一步 试验数据表编写 一定要有常数列 试验设计方法 4 2数据分析 均匀设计 第二步 拟合项计算并添加 选择路径 计算 计算器 试验设计时 试验表中只有一次项 没有平方项及交互项 使用计算器 将各个平方项和交互项添加到worksheet中 增加后得到如下表所示 试验设计方法 4 2数据分析 均匀设计 第三步 逐步回归 当拟合项目较多时 可以先用逐步回归找出影响较大的项目 再用回归得出拟合模型 选择路径 统计 回归 逐步回归 项目较多时 可以多次进行逐步回归 并将不显著的项删除 留下显著的项 试验设计方法 4 2数据分析 均匀设计 第三步 回归分析建立模型 当拟合项目较多时 可以先用逐步回归找出影响较大的项目 再用回归得出拟合模型 选择路径 统计 回归 回归 回归模型 缺陷unit数 4 12 48 7 间隙 1 09 速度 间隙 1 05压力 29 3间隙2 2 18压力 间隙 0 000233脱模 时间 0 000105 压力 时间 试验设计方法 4 2数据分析 均匀设计 第四步 模型简化 模型中有不显著的项 P值 0 05 时 删除不显著的项 并观察R sq adj 和误差项 以此为依据对模型进行简化 该试验使用逐步回归得到的模型没有不显著项 因此不用简化模型 试验设计方法 4 2数据分析 均匀设计 第五步 残差分析 统计 回归 回