DOEMinitab操作教程.ppt

DOEMinitab操作教程,1、男球鞋案例2、化学实验设计案例3、传统的一次一因子实验,1、男球鞋案例,1、资料登陆2、选择统计工具2samplet3、图形4、选择统计工具Pairedt5、图形6、为什么会得到不同的结论,1、资料登陆,1、把资料登陆到Minitab软件，输入资料的操作类似Excel软件，如下图：,2、选择统计工具2samplet,路径：StatBasicStatistics2-Samplet选择SamplesindifferentcolumnsFirst选择MaterialASecond选择MaterialB,然后点击Graphs,点击每一个方框，使其选中，然后单击OK。,点击到Session视窗,Resultsfor:BOYSSHOE.MTWTwo-SampleT-TestandCI:MaterialA,MaterialBTwo-sampleTforMaterialAvsMaterialBNMeanStDevSEMeanMaterialA1010.632.450.78MaterialB1011.042.520.80Difference=mu(MaterialA)-mu(MaterialB)Estimatefordifference:-0.41000095%CIfordifference:(-2.754808,1.934808)T-Testofdifference=0(vsnot=):T-Value=-0.37P-Value=0.717DF=17,H0：两种材料寿命没有差异Ha：两种材料寿命有差异P0.05,接收H0。,3、图形,两种材料没有显著差异，研发处的建议被拒绝。,两种材料没有显著差异，研发处的建议被拒绝。,4、选择统计工具Pairedt,路径：StatBasicStatisticsPairedt,选择SamplesincolumnsFirstsample:选择MaterialASecondsample:选择MaterialB然后点击Graphs,点击每一个方框，使其选中，然后单击OK。,然后回到Session窗口：PairedT-TestandCI:MaterialA,MaterialBPairedTforMaterialA-MaterialBNMeanStDevSEMeanMaterialA1010.63002.45130.7752MaterialB1011.04002.51850.7964Difference10-0.4100000.3871550.12242995%CIformeandifference:(-0.686954,-0.133046)T-Testofmeandifference=0(vsnot=0):T-Value=-3.35P-Value=0.009,H0：两种材料寿命没有差异Ha：两种材料寿命有差异PDOEFactorialCreateFactorialDesign,TypeofDesign:选择设计种类,NumberofFactors:选择因子数目,Design：选择设计（解析度、中心点、反复数）,Factor：输入名称和水准,Options：（取消）随机化选项,执行实验：收集实验数据,Minitab：StatDOEFactorialCreateFactorialDesign,选择设计种类,选择因子数目,选择设计（解析度、中心点、反复数）,Design,Factor：输入名称和水准,输入名称和水准,Options：（取消）随机化选项,在正式实验时不能取消此项选择！此处仅教学使用,正常实验要随机进行！,实验矩阵,因子A因子B因子C,执行实验：收集实验数据,打印实验矩阵,执行实验，收集实验数据，将数据登陆到Minitab。,2、分析实验过程,StatDOEFactorialAnalyzeFactorialDesign,Response:输入回应值,Terms:选取分析因子（全因子：变数和交互作用部分因子：仅变数）,Graphs：主因图：常态机率和柏拉图，CubePlot、残差图,StatDOEFactorialAnalyzeFactorialDesign,:输入回应值,Terms:选取分析因子,全因子选3部分因子选1或2,Graphs：选择图表,效应柏拉图,超过红线代表效应显著,常态机率图,跳到线外的红点表示因子显著。,StatDOEFactorialFactorialPlots,分别选择Setup,选择Responses及因子,InteractionPlot,MainEffectsPlot,CubePlot,3、解读实验结果,解读Minitab输出,检验ANOVA表格（缩减模式，最佳模式）,检验图表（交互作用、主效应、立体、残差、及等方差图）,考虑实际上为显著的效应（计算效应在模式中的百分比）,数学模式,残差分析,ANOVA表格,EstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefConstant64.250Temperature23.00011.500Concentration-5.000-2.500Catalyst1.5000.750Temperature*Concentration1.5000.750Temperature*Catalyst10.0005.000Concentration*Catalyst-0.000-0.000Temperature*Concentration*Catalyst0.5000.250AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects31112.501112.50370.833*2-WayInteractions3204.50204.5068.167*3-WayInteractions10.500.500.500*ResidualError0*Total71317.50,我们之前计算的效应,我们之前计算的系数,误差项目自由度为零,EstimatedCoefficientsforYieldusingdatainuncodedunits,TermCoefConstant-85.5000Temperature0.925000Concentration-1.52500Catalyst-71.5000Temperature*Concentration0.00750000Temperature*Catalyst0.425000Concentration*Catalyst-0.425000Temperature*Concentration*Catalyst0.00250000AliasStructureTemperatureConcentrationCatalystTemperature*ConcentrationTemperature*CatalystConcentration*CatalystTemperature*Concentration*Catalyst,缩减模式改变选取的项目,移除最小的效应检视机率图柏拉图ANOVA表格重复移除下一个最小的效应一直持续到模式为”最佳模式”最佳模式”的提示不需要移除太多的项目保留一些不显著的项目已确认没有错误的移除显著的项目,因子AB是否真的显著？,将Alpha设为0.01,因子AB并不显著.,最佳模式,两个变数和一个交互作用统计上是显著的！,最佳模式的ANOVA表格,TermEffectCoefSECoefTPConstant64.2500.4564140.760.000Temperature23.00011.5000.456425.200.000Concentration-5.000-2.5000.4564-5.480.012Catalyst1.5000.7500.45641.640.199Temperature*Catalyst10.0005.0000.456410.950.002S=1.29099R-Sq=99.62%R-Sq(adj)=99.11%AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects31112.501112.50370.833222.500.0012-WayInteractions1200.00200.00200.000120.000.002ResidualError35.005.001.667Total71317.50,GLM分析,路径：StatANOVAGenerallinearmodel,填入要分析的变数,GeneralLinearModel,SourceDFSeqSSAdjSSAdjMSFPTemperature11058.001058.001058.00634.800.000Concentration150.0050.0050.0030.000.012Catalyst14.504.504.502.700.199Temperature*Catalyst1200.00200.00200.00120.000.002Error35.005.001.67Total71317.50,计算ES,1、在资料表中设四个栏位Source、DF、SS、ES2、自session视窗复制并贴上Source、DF、SS、ES3、使用Minitab计算功能，将每一值除以TotalSS值并存储结果于ES,复制并贴上Source、DF、SS、ES,计算ES,ES代表每个变数和交互作用在总SS中所占百分比,SOURCEDFSSESTemperature11058.00.80304Concentration150.00.03795Catalyst14.50.00342Temperature*Catalyst1200.00.15180Error35.00.00380Total71317.51.00000,因子Temperature占百分比为80%,数学模式,VariableCoefConstant64.250Temperature11.500Concentration-2.500Catalyst0.750Temperature*Catalyst5.000,Yield(Y)=64.25+11.5*Temperature-2.5*Concentration+0.75*Catalyst+5*Temperature*Catalyst,Symbol012312,有了数学模式就可以根据客户需要调整我们的Y.,残差分析,路径：StatDOEFactorialAnalyzeFactorialDesign,残差分析,残差图,传统的一次一因子实验,思考：我们用传统的一次一因子实验来做刚才的化学实验，会得到相同的结果吗？下面让我们用将二个因子固定住不变，并且一次只改变一个因子的方式来做试验。,输入试验矩阵到Minitab,2、自定义实验设计,StatDOEFactorialDefineCustomFactorialDesign,定义因子,定义水准,解读,因子,标准顺序,实验顺序,集区,中心点,Pareto,没有考虑交互作用,没有任何因子显著,常态机率图,没有考虑交互作用,没有任何因子显著,Session输出,EstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefConstant59.000TEMP12.0006.000CONC-6.000-3.000CATA-8.000-4.000AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects3243.0243.081.00*ResidualError0*Total3243.0,缩减模式后,缩减模式后常态机率图,缩减模式后Session输出,EstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefSECoefTPConstant62.0003.00020.670.031TEMP15.0007.5002.5982.890.212CATA-5.000-2.5002.598-0.