实验和部分因子设计PPT课件

6.23实验和部分因子设计,学习目的,完成本章的学习后，学员将能够：描述一个23实验用minitab建立23实验计划用minitab分析23实验结果,23实验,23实验计划具有三个因子，每个因子三个水平。这种实验组合共有8个组合（232228）,23实验,如因子A，B和C3个主效果3个二次交互作用1个三元交互作用在大多数情况下，三元交互作用可以略，但不是所有情况都可以。如果不进行简化，会增加成本，过程变得更加复杂。,DOE例题-1,一个黑带欲评估洗涤剂的效果，他决定进行一个23实验（数据：Detergent.MTW）因子A：洗涤剂品牌（品牌X和品牌Y）因子B：洗涤剂类型（粉状和液体）因子C：水温（热水和冷水）进行2个复制。利用minitab生成实验计划，并得到数据？,（数据存放在：Detergent.MTW）,过程步骤,建立实验计划获取实验数据立方图、主效果图、交互作用图确定显著项简化模型残差分析简化方程Yf(x)最佳设定值,例题：立方图,使用立方图观察一个23实验的输出是一个普遍的而且非常有效的方法。,y的效应和系数的估计（已编码单位）项效应系数系数标准误TP常量20.1500.09922203.090.000Brand2.3501.1750.0992211.840.000Type4.1002.0500.0992220.660.000Temp-2.600-1.3000.09922-13.100.000Brand*Type-0.950-0.4750.09922-4.790.001Brand*Temp0.3500.1750.099221.760.116Type*Temp0.1000.0500.099220.500.628Brand*Type*Temp-0.050-0.0250.09922-0.250.807,当p大于0.05时，这些项是不显著的，需要时可以丢弃以产生一个简化模型。,例题：确定显著项,例题：确定显著项,非显著项,有标识的为显著项,例题：简化模型,需要时，非显著项可以去除，形成减化模型例外：若存在一个显著交互作用，在这个交互作用中的因子的所有主效果必须保留在模型内。,例题：简化模型,y的效应和系数的估计（已编码单位）项效应系数系数标准误TP常量20.1500.09922203.090.000Brand2.3501.1750.0992211.840.000Type4.1002.0500.0992220.660.000Temp-2.600-1.3000.09922-13.100.000Brand*Type-0.950-0.4750.09922-4.790.001Brand*Temp0.3500.1750.099221.760.116Type*Temp0.1000.0500.099220.500.628Brand*Type*Temp-0.050-0.0250.09922-0.250.807,简化模型Yf(x),y的系数估计，使用未编码单位的数据项系数常量20.1500Brand1.17500Type2.05000Temp-1.30000Brand*Type-0.475000,从minitab的输出中我们可以得到什么数学模型？,例题：残差分析,残差：在实验条件下实际值与通过模型的预测值之间的差异通过模型的预测值为拟合值残差又等于实际数据与拟合值的差异,最佳设定是什么？,试验设计-例子2,假如你在看电视高尔夫节目中对所有声称能帮助你提高积分(通过增远击球的距离)的广告很有兴趣。你不确定这些球棒和球如何能提高球的距离，但是你急于提高自己的水平，于是你从你朋友处借来球和球棒：1)两种球棒a)Pingb)Callaway2)两种球a)T球b)P球你平时在两个草地打球，而这两个草地的风力不同。A草地四面环山，几乎没有什幺风；B草地位于草原上，因此有很大的风。你拿到了工具。你查明了天气。你知道该怎幺做来提高你的成绩?,让我们来设计一个实验.,试验策略,定义问题:提高我的Golf分数。确定目的:增加击球的距离。选择响应(输出):游戏结束的最终分数。,分数是我的(KPOV),试验策略,选择因素的水平:,试验次数/方案(Treatment)=2*2*2=8,因素水平1水平2球棒PingCallaway球T球P球天气/场地有风/B无风/A,建立矩阵,游戏球棒球风1K棒T球有风2K棒T球无风3K棒P球有风4K棒P球无风5W棒T球有风6W棒T球无风7W棒P球有风8W棒P球无风,最终分数(试验设计的结构),无风,T,K棒,P,T,W棒,P,1,2,3,4,5,6,7,8,有风,(215),(200),(215),(205),(210),(240),(220),(245),Avg.=,Avg.=,Avg.=,Avg.=,TballAvg.=,PballAvg.=,1）分别确定主效果，交互作用？2)确定过程模型？,生成主效应图(STATANOVAMainEffects),主效应图-球棒和风的影响显得较重要.,什么是主效应图?1)对球棒低水平-1時所有距离值的平均數2)对球棒高水平1時的所有距离值的平均數,主要影响=210+215+205+200=207K棒4,主要因素=W棒,245+240+220+215=2304,因素:球棒，球，风响应:距离,作相互作用图(STATANOVAInteractions),相互作用图球棒与风速之间可能存在相互作用.,相互作用图从何而来#1)对低水平球棒在低水平风速状态下所击出的所有距离取平均值。205+200=202.52#2)对低水平球棒在高水平风速状态下所击出的所有距离重复相同计算。210+215=212.52#3)对高水平球棒在低水平风速状态下所击出的所有距离重复相同计算。220+215=217.52#4)对高水平球棒在高水平风速状态下所击出的所有距离重复相同计算。245+240=242.52,因素:球棒球风试验:距离,为了进一步分析，对过程进行了一次重复，数据见：golfgames.mtw,Howdothefactorsaffecttheresponse?各因素怎样影响试验响应？Howdothecombinations(interactions)offactorsaffecttheresponse?各因素之间的相互作用怎样影响试验响应？Wecanwritetheequationthatanswersthesequestions可以用以下公式进行预测,Y=f(X1,X2,X3,Xn)Y(Response)=DistanceXi(Factors)=Club,Ball,Wind,Distance=Constant+ClubEffect+BallEffect+WindEffect+Club*BallInteractionEffect+Club*WindInteractionEffect+Ball*WindInteractionEffect+Club*Ball*WindInteractionEffect,拟合因子:Distance与Ball,clubs,windDistance的效应和系数的估计（已编码单位）项效应系数系数标准误TP常量218.7500.6250350.000.000Ball2.5001.2500.62502.000.081clubs20.00010.0000.625016.000.000wind16.2508.1250.625013.000.000Ball*clubs2.5001.2500.62502.000.081Ball*wind-3.750-1.8750.6250-3.000.017clubs*wind8.7504.3750.62507.000.000Ball*clubs*wind1.2500.6250.62501.000.347对于Distance方差分析（已编码单位）来源自由度SeqSSAdjSSAdjMSFP主效应32681.252681.25893.750143.000.0002因子交互作用3387.50387.50129.16720.670.0003因子交互作用16.256.256.2501.000.347残差误差850.0050.006.250纯误差850.0050.006.250合计153125.00,Distance=218.750+1.250*Ball+10.000*Clubs+8.125*Wind+1.250*(Club*Ball)-1.875*(Ball*Wind)+4.375*(Club*Wind)+0.625*(Club*Ball*Wind),拟合因子:Distance与Ball,clubs,windDistance的效应和系数的估计（已编码单位）项效应系数系数标准误TP常量218.7500.6250350.000.000Ball2.5001.2500.62502.000.081clubs20.00010.0000.625016.000.000wind16.2508.1250.625013.000.000Ball*clubs2.5001.2500.62502.000.081Ball*wind-3.750-1.8750.6250-3.000.017clubs*wind8.7504.3750.62507.000.000Ball*clubs*wind1.2500.6250.62501.000.347对于Distance方差分析（已编码单位）来源自由度SeqSSAdjSSAdjMSFP主效应32681.252681.25893.750143.000.0002因子交互作用3387.50387.50129.16720.670.0003因子交互作用16.256.256.2501.000.347残差误差850.0050.006.250纯误差850.0050.006.250合计153125.00,由于只有Clubs,Wind的MainEffect和Clubs*Wind,Wind*Ball的InteractionEffectisSignificant(p0.05)Distance=218.750+1.250*Ball+10.000*Clubs+8.125*Wind-1.875*(Ball*Wind)+4.375*(Club*Wind),球棒,球和风以及球棒*风,球*风之间的相互作用对提高成绩有显著影响Distance=218.750+1.250*Ball+10.000*Clubs+8.125*Wind-1.875*(Ball*Wind)+4.375*(Club*Wind)DistanceMax=218.750-1.250+10.000+8.125-1.875+4.375=238.125为得到最佳成绩，必须使用W球棒、T球在有风的场地上练习,Key1Wclub-1Kclub1Windy1Nowind1Pball-1Tball,试验结论,DOE练习-1,缺陷定义：预充气胀：预充气体使包装膜厚度膨胀超过电芯厚度的240预充气胀比例预充后电芯气胀数理/生产电芯数量DOE实验目的：研究以电池极片三个参数因子对Y预充气体量（ml）的影响：A：电池极片烘烤温度B：电池极片烘烤时间C：电池极片烘烤加热方式采用3因子2水平重复2次23因子设计实验（数据见下页）请确定显著项，简化模型，并分析残差，确定最佳设定？,获得数据,见数据：Threefactors.MTW,DOE练习-2,场景:一位工程师希望通过减小厚度来改善涡轮叶片质量，首先他想定量地研究在相关的生产过程中，三个最有可能会影响厚度的变量：铸造温度(MoldTemp)、浇注时间(MoldTime)和放置时间(SetTime)。根据DOE理论中最简单的“完全因子设计”，工程师决定开展一个“三因子，两水平，共八次”的现场试验。试验方案和最终结果如表一所示，试通过主因子作用和交互作用进行分析，并确定过程模型，并进行简化。,某炼铁厂为提高铁水温度，需要通过试验选择最好的生产方案经初步分析，主要有3个因素影响铁水温度，它们是焦比、风压和底焦高度，每个因素都考虑2个水平，具体情况见表。问对这3个因素的2个水平如何安排，才能获得最高的铁水温度?（数据见下表）,DOE练习-3,ABC铁水温度-1-1113651111395-11113851-111390-11-113951-1-11380-1-1-1139011-11410,数据见：tieshui.MTW,部分因子设计,目标：解释什么是筛选设计解释并建立部分因子设计解释什么是别名关系解释什么是设计的分辨率理解并建立折叠设计理解并建立饱和设计,部分因子DOE学习目的,RecognizetheneedofDOEdesigntoreducenumberofexperimentalruns认识减少DOE设计的试验次数的必要性DefinefactionalfactorialDOE定义部分因子DOEDescribethegenerationofahalffractionalfactorialDOEdesign.描述半因子DOE设计的产生Defineandexplain“Confounding”定义和解释“混淆”的概念,需要运行多少次实验.,对于有k个因素的2水平全因子试验试验次数=2k,NumberofFactors,1,2,3,4,5,6,7,8,9,10,15,20,2,4,8,16,32,64,128,256,512,1024,32,768,1,048,576,Thefactorialstrategyisanefficientapproachtoexperimentationascomparedto“oneatatime.”全因子的设计方法与“一次只考虑一个因素”的方法相比，更高效全面Thiscanresultinalargenumberofruns,evenwitharelativelysmallnumberoffactors.即使因素相对较少，试验次数也很可观,NumberofRuns,34,可获得信息的例子.,.fromaFullFactorial(4Factors)4个因子的全因子实验可获得的信息,35,从2的阶乘实验中可以获得的信息,Numberof,Factors,1,2,3,4,5,6,7,8,9,10,15,20,1,2,3,4,5,6,7,8,9,10,15,20,Main,Effects,2-way,Interactions,1,3,6,10,15,21,28,36,45,105,190,HigherOrder,Interactions,1,5,16,42,99,219,466,968,32,647,1,048,365,因子数,主效应两因素相互作用更高的相互交互作用,36,筛选设计,是一种实验设计，目的是尽可能高效地将有影响因子与无影响因子区分开，一个部分因子设计是运行一个全因子设计实验组合的一个子集优点：在调查研究初期，具有潜在影响的因子通常很多。因子数量的增加，2k因子设计中所需的实验次数呈指数增加。部分因子设计能够大大减小实验次数。部分因子可以进行筛选，也可以进行优化。全因子也可能进行筛选和优化。,部分因子选择,有两个选择：选择1为ABC+，选择2为ABC-，其他选择都存在问题。选择时以牺牲高次交互作用，高次作用影响是显著的稀有性（降低出错概率）。主要问题：有的因子水平一直没有变化，有的因子和别的因子同步变化（导致不能确定影响效果）。对于一个2水平部分因子设计，通常表示符号为2k-p，其中2：每个因子的水平数k：因子数p：部分度，或发生指数（p=1，减少1/2，p=2，减少1/4，。）,半因子设计,ChoosingtheHalfFraction半因子设计,+,+,+,+,A,Std.,Order,+,+,+,+,B,+,+,+,+,C,1,2,3,4,5,6,7,8,Wecanselect:,or,The4shadedtrials4个有阴影的实验,+,-,+,A,+,+,B,+,+,C,Std.,Order,2,3,5,8,The4unshadedtrials4个无阴影的实验,+,+,A,+,+,B,+,+,C,Std.,Order,1,4,6,7,HalfFractiondesignsuseHalftherunsofFullFactorialdesigns.半因子设计只用全因子设计试验次数的一半,Design设计Numberofruns实验次数FullFactorial全因子2k=23=8HalfFraction半因子2k-1=23-1=22=4,40,ConstructingaHalfFractionforFourFactors4因子的半因子实验设计,A,B,+,+,+,+,+,+,+,+,+,+,+,+,C,+,+,+,+,D=ABC,Fullfactorialfor3factors3因子的全因子设计,Listthefullfactorialforthreefactors.Thisiscalledthebasedesign.列出3个因子的全因子试验Thefourthfactorisassignedtothe3-factorinteractionfortheotherthreefactors.第4个因子是其它3个因子的相互作用Recall:a3-factorinteractioncolumnisobtainedbymultiplyingthethreemaineffectcolumns.SoD=ABC.3个因子的相互作用可通过前3个因子的相乘获得,41,GeneralRuleforConstructingaHalfFractionforkFactors,Definethebasedesignasafullfactorialforthefirstk-1factors.采用k-1个因子构成试验的基础Assignthekthfactortotheinteractionofthefirstk-1factorsfromthebasedesign.第k个因素是k-1个因素的相互作用。Thisinteractionisfoundbymultiplyingthefactorlevelsettingstogetherforthefirstk-1factorsfromthebasedesign.用基础设计的前K-1个因子的因子水平设置相乘可获得它们的相互作用实验次数计算Numberofruns=N=2k-1,42,DOE练习,HalfFractionofa25Factorial5个因子的半因子实验设计Generateahalffractionexperimentfork=5factors,A,B,C,D,andE.,A,B,C,D,E,Factors,43,Answers5.1,HalfFractionofa25Factorial,+,+,+,+,+,+,+,+,A,+,+,+,+,+,+,+,+,B,+,+,+,+,+,+,+,+,C,+,+,+,+,+,+,+,+,D,+,+,+,+,+,+,+,+,E,44,Trade-Offs,BetweenFullFactorialandHalfFractionDesigns比较全因子与半因子,NumberofEffectsComputed可计算的实验效果的数量,Effects,Mean,MainFactors,2FactorInt.,3FactorInt.,4FactorInt.,5FactorInt.,TotalEffectsComputed计算的总效果,FullFactorial,HalfFraction,1,5,10,10,5,1,32,1,5,10,16,也是实验的次数,Aretheadditionalrunsworthit?额外的实验次数是否值得?Whathappenstothehigherorderinteractions?高次的相互作用如何?,45,ConfoundingintheHalfFraction半因子实验中的混淆,A,B,C,D,AB,AC,AD,mean,=,=,=,=,=,=,=,=,BCD,ACD,ABD,ABC,CD,BD,BC,ABCD,Forthehalffraction,eachlettermustbepresentononesideoftheequalsignortheother.在半因子实验中,等式左右的因子作用混淆了,所以可用一边的字母代替另一边字母的作用,+,+,+,+,A,+,+,+,+,B,+,+,+,+,C,+,+,+,+,D,+,+,+,+,AB,+,+,+,+,CD,46,SummaryoftheHalfFraction半因子试验的总结,Thehalffractionofafullfactorialcanoftenprovidethesameinformationasthefullfactorial,withonlyhalfthenumberofruns.半因子试验往往能够提供同样的信息，却只需进行一半的试验,Fewerrunssavestimeandmoney.经济,Morecomplicatedtoanalyze(mustunderstandconfounding).分析更复杂，必需理解存在混合效应,Indesignswithfewruns,importanteffects(suchas2-wayinteractions)areconfounded.在实验次数较少的设计中,有一些因素的效应混合了,Benefits,Costs,47,EffectsPlotfortheFullFactorial全因子的效果图,A,B,AB,BC,BD,ABCD,AC,AD,ABC,ABD,C,D,CD,ACD,BCD,0,5,10,15,MagnitudeofEffect,EffectsfromtheFullFactorial,48,EffectsPlotfortheHalfFraction半因子试验的效果图,0,5,10,15,A,B,AB,AC,C,AD,D,FractionEffectsfromtheHalf,Magnitudeofeffect,49,指定生成元,设计生产元：C=AB，或别的方式按照一定的方法得到C的实验水平。,别名关系,别名：一个实验中的一个单独因子或交互作用的水平排列模式与另外一个因子或交互作用相同。在一个部分因子设计中，每个单独的因子和交互作用都有一个别名。任何一个因子或交互作用的计算效果是别名变量的效果的总和估算，（如A或BC的计算效果是A和BC的效果的综合估算。因子A的效果称为交互作用BC效果的混同。,设计生成元（又称定义关系）:C=AB别名结构（任何一个与自己相乘都是1）I+ABCA+BCB+ACC+AB,别名关系,A列的模式与BC列完全相同，两者主效果完全相同。（注：不可以认为两者效果完全相同，只是两者的作用混淆，无法区分）A与BC彼此之间叫做别名请指出以上矩阵中的其他别名关系,练习：24-11）手算别称关系2）minitab生成别称关系,ConfoundingintheHalfFraction半因子实验中的混淆,A,B,C,D,AB,AC,AD,mean,=,=,=,=,=,=,=,=,BCD,ACD,ABD,ABC,CD,BD,BC,ABCD,Forthehalffraction,eachlettermustbepresentononesideoftheequalsignortheother.在半因子实验中,等式左右的因子作用混淆了,所以可用一边的字母代替另一边字母的作用,+,+,+,+,A,+,+,+,+,B,+,+,+,+,C,+,+,+,+,D,+,+,+,+,AB,+,+,+,+,CD,53,分辨率,部分因子设计可以按分辨率来分类分辨率设计:是那些不存在单独因子与另外一个单独因子有别名关系的设计，但存在所有单独因子与至少一个2因子交互作用有别名关系的设计分辨率：是那些不存在单独因子与另外一个单独因子或任何一个2因子交互作用有别名关系的设计，但存在所有2因子交互作用与另外一个2因子交互作用有别名关系，而且所有单独因子与至少一个3因子交互作用有别名关系的设计。分辨率：是那些不存在单独因子或2因子交互作用与任何其他一