六西格玛分析响应面实验(ppt 23页).ppt

第十节:分析响应面实验,第十节：分析响应面实验,目的：在本部分中，我们将对第十节中的响应面实验进行分析，并使用其来创建过程模型。目标：设计和分析响应面实验的步骤说明：说明实验目标。创建一个实验矩阵。收集数据。将结果图形化。使用Minitab匹配全二次模型。分析会话窗口输出。简化模型。估计“纯误差”和“匹配不当”。生成和说明判断图。生成和说明等值线图。,响应面实验实例,目标：估计以下参数对制冷效果的影响：指标（100*异氰酸盐的摩尔数/多羟基化合物中羟基的摩尔数+水的摩尔数）气体成分（R141b的比率，残留物为碳的二氧化物）气体体积（标准条件下气体的摩尔数/泡沫的克数）对于R141泡沫的压缩强度（psi）的影响。该实验由Miles负责督导。应用科技实验室报告AT-94-129,此处是上一节论及的制冷实例：,测试矩阵,在你上一节创建的设计中添加响应“强度”（第七列）。,让我们来分析一下这个实验,创建和分析图表，以确定正确的模型格式,GraphPlot,切记将数据图形化,响应与独立变量对比图,指标强度,成分强度,在此图中找不到能够证明指标影响强度的证据。,在此图中找不到能够证明成分影响强度的证据。,响应与自变量对比图（续）,体积强度,体积越小、强度越大。两者间的对应关系可能为曲线关系。,由图得出的结论：体积对于强度有很大的影响。指标和成分未显示对于强度有影响。,主要效果图,StatANOVAMainEffectsPlot,主要效果图,主要效果图用数据方法表示强度,注意：Minitab显示每个自变量的5个级别间有一个等距离，但是不同独立变量的步长不同。,由图得出的结论：在图中找不到能够证明指标影响强度的证据。图中显示能够部分的证明成分越多，强度越高。体积越小、强度越大，两者间的对应关系可能为曲线。,匹配响应面模型,StatDOEAnalyzeRSDesign,使用缺省设置发始进行分析：在模型左侧的所有项使用“全二次”项。在以后的实验过程中我们可以返回此对话框中来简化模型（如果可能）。双击“OK”来进行分析。,点击“选项”,还记得“编码”么？如果你在Minitab中创建RS设计并点击“编码单元”，那么Minitab将自动对你的X变量进行编码。,会话窗口输出,会话窗口为每一个模型项提供系数和p值：切记：H0：斜率=0（非显著变量）Ha：斜率0（显著变量）,P值表明“组块”、“成分”、“体积”和“体积2”具有统计显著性，置信等级大于95%。R-Sq（adj）值表明该模型可说明响应（强度）变化的93。注意p值大的项不具有统计显著性（p0.0.5）。,点击“选项”,响应面回归：使用编码单元进行分析。估计的强度回归系数。,使用简单模型重新匹配：组块、成分、体积、体积2,StatDOEAnalyzeRSDesign或者“Ctrl-e”不要改变主要对话框（“编码”（集中）数据，组块）点击“Term”,只选择“成分”、“体积”、“体积2”项。使用左箭头键将选中的项从“选择”框外移到“可用”框中。,在主对话框中，点击“Graphs”。,残差分析,创建残差图以便我们能够评价简单模型的质量。,点击所有图形。对于“残差与变量对比”，选择“Index”到“Volume”。,会话窗口输出,“组块”、“成分”、“体积”和“体积2”是具有统计显著性的项（pDOERSPlots,选择“strength（强度）”作为响应变量（缺省），并选择“成分”和“体积”作为因子。选择“Uncodedunits（未编码单元），”使用实际设置值（未集中的数据）来生成图。点击“Contours（周线）”来改变图形的线条颜色和线型。此例中我们选择的线型为“使用不同的线型”。,选择“CountorPlot（等值线图）”并点击“Steup（设置）”,对等值线图进行解释强度等值线图,等值线图类似于地形图。它以一系列的直线显示对应于X组合（“体积”和“成分”）的常量“Y”值（此例中强度为30，35，40psi）。为了增加泡沫强度，我们应当减小体积并增加成分。切记，你所知的只是图形中所包括的区域，不要依此对测试范围外区域进行推断。,在响应面实验中分析变差,此节中我们将分析响应平均值，这有助于将响应极大化或集中化（Y）。除了保证过程向既定目标发展，我们通常都希望减小变差，我们可以通过以下方法减小变差：找到重要的X变量，并加强对其的控制。如果重要的X变量的变差减小了，那么变量Y的变差也将随之减小。2.找到变差最小的X变量的组合：a对每一个X组合实验运行多次。b计算每一个组合的变差。c分析变差，平均值除外。d选择变差最小的X组合。,重要概念：分析响应面实验,当分析响应面设计时，首先从变量Y与X的对照图开始。首先将模型配置为“全二次型”。通过移去不重要的项来简化模型。注意：如果模型中的一个变量以平方项或交互项的形式出现，那么该模型中也应包含线性项。通过观察R-Sq（adj）、残差标准变差、残差图以及匹配不足来检查模型的正确性。一旦完成了对匹配模型的优化工作后，创建一个等值线图并选择X变量的运行级别以产生最理想的Y值。,附录,参考文献,GeorgeE.P.Box,WilliamG.Hunter,J.StuartHunter.StatisticsforExperimenters.Wiley.1978NormanDraper,HarrySmith.AppliedRegressionAnalysis,SecondEdition.Wiley.1981EdwardR.Tufte.TheVisualDisplayofQuan