《Minitab教材》PPT课件.ppt

1、Minitab R14操作指南 Minitab R14 User Guide,MINITAB = Mini + Tabulator =小型 + 计算机,介绍 于1972年，美国宾夕法尼亚 州立大学用来作统计分析、教育用而开发，目前已出版 Windows 用版本 Vesion14.2，并且已在工学、社会学等所有领域被广泛使用。特别是与Six-sigma关联，在GE、AlliedSignal等公司已作为基本的程序而使用。 优点 以菜单的方式构成，所以无需学习高难的命令文，只需拥有基本的统计知识便可使用。图表支持良好，特别是与Six-sigma有关联的部分陆续地在完善之中。,什么是 Minitab

2、?,Minitab啟動,Minitab 初始画面,方法 2. 利用 Minitab 图标 运行的方法,把 Minitab安装到电脑时，开始菜单 及 Minitab 公文包里生成Minitab的运行图标。运行Minitab的方法有利用开始菜单及选择运行图标两种。,方法 1. 利用开始菜单 运行 Minitab 的方法,Worksheet:用于直接输入数据或可以修改的窗口，具有类似 Excel中表格,Minitab 画面构成,Session window:直接输入 Minitab 的命令或显示类似统计表的文本型 结果文件的窗口,Minitab 画面构成,Graph窗: 显示各种统计图表，同时可以打

3、开15个窗口,Minitab 画面构成,File : 有关文件管理所需的副菜单的构成 Edit : 编辑 Worksheet data , 外部 data 的 link 及 command link editor 副菜单 Data : Worksheet data 的 Split、Sort、Rank、Delete、Stack/Unstack 等副菜单 Calc : 利用内部函数的数据计算及利用分布函数的数据生成 Stat : 是分析统计资料的副菜单，由基础统计、回归分析、分散分析、品质管理、时针序列 分析、离散资料分析、非母数统计分析等构成 Graph : 为编辑 Graph的Graph La

4、yout, Chart副菜单及文字Graph构成 Editor : 不使用菜单，使用命令直接作业及Clipboard setting等副菜单 Tools : Minitab界面及選項設置 Window : 由控制 Window 画面构成的副菜单及 管理 Graph 画面的副菜单构成 Help : Help you to study how to use Minitab software,Minitab 菜单构成,打开 新建New File (project, worksheet) 打开保存的Project 打开保存的Worksheet : File - Open Worksheet 打开保存的

5、Graph : File - Open Graph 用ODBC打开 : File - Quary Database 打开TXT : File - Others file - Import special txt 保存 保存为当前文件名 : File - Save(project, worksheet) 另存为 : File - Save as(project, worksheet) TXT保存: File - Other file - Export special txt 打印 打印当前选择 window : File - Print,Minitab 菜单(File),恢复已删除资料,清除 C

6、ell(s) 的数据,删除 Cell(s) 的数据 下端的 cell 移动,复制 Cell(s),剪切 Cell(s),LinK粘贴,Link 管理,选择所有 Cell(s),编辑最后操作的对话框,打开命令编辑器,练习)在 AUTO.MTW上 1) 删除 4,5 Row后把 C4, C5的 DATA 变更为 234 2) 把 C2 Col 移动到 C5 3) 把 C4 Column Size 变更为 12,Minitab 菜单(Edit),粘贴 Cell(s),从活动 Worksheet 中复制数据，制作 subset Worksheet。,把活动 Worksheet 分成两个以上新的 Wor

7、ksheet,把一列以上的数据分解到多个列上(拆分),把多个列上的数据合成一个列(堆疊),交换行和列的位置,排序数据,数据上注明序位,删除特定列的行,把多个列的文字数据合并为一个列,数据按变换条件交换,变更 Data的属性,把数据在Session窗口里输出,把多个 Worksheet 合并为一个 Worksheet,删除行、常数、行列,把列上内容复制到其它列上,Minitab 菜单(Data),連接不同列的內容,計算器,列數據統計計算,行數據統計計算,变换为标准化资料,生成格式化数据,把 X、Y、Z 的值用 3D 图象方式组合后生成 Mesh 数据,生成在回归分析中要使用的指示变量,指定 Ra

8、ndom 数据的基准点,生成符合分布函数的 Random 数据,生成符合分布函数的概率，并用数据保存,矩陣,Minitab 菜单(Calc),基礎統計工具,回歸分析工具,方差分析工具,試驗設計工具,控制圖,質量工具,可靠性工具,多變量工具,時間序列工具,列聯表,非參數檢驗,Minitab 菜单(Stat),檢出力與樣本大小工具,系統自帶計算器,寫字板,網頁瀏覽器,工具欄設置,狀態欄設置,用戶自定義,選項,Minitab 菜单(Tools),外觀管理器,網絡在線咨詢,聯系Minitab公司,散點圖,矩陣散點圖,邊際圖,概率圖,箱線圖,區間圖,Minitab 菜单(Graph),點值圖,直方圖,點

9、圖,莖葉圖,柱狀圖,餅圖,時間序列圖,面積圖,等高線圖,3D 散點圖,3D 表面圖,1. 基础操作,Minitab 基礎操作(File),1.新建文檔,兩種類型供選擇,2.打開舊文檔,打開Project文檔 *.MPJ,打開Worksheet文檔 *.MTW,Minitab 基礎操作(File),3.保存文檔,保存為Project文檔 *.MPJ,保存為Worksheet文檔 *.MTW,Minitab 基礎操作(Data),1.堆疊(stack)數據,练习) 把 EXH_AOV.MTW 的 Rot,Temp,Oxygen堆疊在一列,Minitab 基礎操作(Data),1.堆疊(stack)

10、數據,選擇需要被堆疊的數據列,堆疊后的數據需要放在哪列,相關各列數據的描述代碼要放在哪列,Minitab 基礎操作(Data),练习) 把 EXH_AOV.MTW中的 Durability 为 Unstack,2.拆分(unstack)數據,Minitab 基礎操作(Data),選擇需要被拆分的數據列,拆分后數據放在當前Worksheet的最后列,2.拆分(unstack)數據,選擇需要被拆分的數據的描述內容的列,Minitab 基礎操作(Data),练习)练习) 在 AUTO.MTW中， (1) Age 按 No.M 的顺序排列。保存到 C7。,3.排序數據,Minitab 基礎操作(Dat

11、a),選擇需要被排序的數據列,排序后的數據放置位置,選擇按哪種形式排序的列,3.排序數據,Minitab 基礎操作(Data),练习)练习) 在 AUTO.MTW中， (1) 將Yes.M數據類型轉換為文本類型,4.轉換數據類型,Minitab 基礎操作(Data),選擇需要被轉換的數據列,轉換后的數據放置位置,4.轉換數據類型,Minitab 基礎操作(Calc),练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 和 Carpet 相加的值保存到 Dura-Carpet 上。,1.計算器功能,M

12、initab 基礎操作(Data),計算后數據存放位置,填寫計算公式,1.計算器功能,Minitab 基礎操作(Calc),练习) 把AUTO.MTW 的所有行數據的標准差,2.行/列數據統計計算功能,Minitab 基礎操作(Data),選擇需計算數據,選擇計算公式,2.行/列數據統計計算功能,計算結果放置位置,Minitab 基礎操作(Calc),3.標准化數據,练习) 把 EXH_AOV.MTW 的 Durability 和 Carpet保存到新的 Worksheet 后 (1) 把 Durability 标准化为3和4之间的数据。,Minitab 基礎操作(Data),選擇標准化方式,

13、選擇需被標准化的數據,計算結果放置位置,3.標准化數據,Minitab 基礎操作(Calc),4.生成格式化的數據,练习) 生成 1 15 的奇数，每个数兩次，全体集合反复三次的数据。,存放位置,起點數值,結束數值,間隔數值,每個數據反復次數,整個序列反復次數,Minitab 基礎操作(Calc),5.生成隨機數據,练习)在平均 300, 标准偏差5的正态分布当中抽出 40个 sample 保存到 C1上。,數據sample size,放置位置,標准差,均值,2. 基础统计,基础统计量输出,基础统计量保存,对母平均的推定及检定,对母比率的推定及检定,相关分析,協方差分析,泊松分布檢定,基础统计

14、,两个母集团的分散的同質性检定,基础统计量圖形摘要,正態性檢定,资料应为连续性的列资料, 同时应为数值资料 能输出图表。,Variables : 选择需要分析的变量 By variable : 使用集团(Group)变量计算基础统计量,基础统计量輸出 (Display Descriptive Statistics),選擇輸出的統計量,選擇輸出的圖形,DataPULSE.MTW,计算统计量并保存在当前的 Worksheet 在选择两个以上的列时，变量名区分为 1,2。 当指定 By variable时，随着相关 Variable的种类按 Row 方向保存。,保存基础统计量 (Store Desc

15、riptive Statistics),基础统计量圖形顯示 (Graphical Summary),直方圖,95%置信區間,正態性檢驗,基礎統計量,置信區間,輸入變量數據列,知道标准偏差时的母體平均值的推定和检定 检定母體平均是否與已知道的特定值有差異,1-Sample Z,DataEXH_STAT.MTW,Stat Basic Statistics 1-Sample Z.,已知標准差,比較的特定值,選擇輸出圖形,設定置信度(缺省95%),設定備擇假設(缺省Not equal),1-Sample Z,結果輸出:,P0.10 , 選擇備擇假設,母體置信區間,Ho沒有落在母體置信區間內,說明選擇備

16、擇假設,即母體均值與Ho有差異,不知标准偏差时單個母體平均值的推定和检定,1-Sample t,DataEXH_STAT.MTW,Stat Basic Statistics 1-Sample t.,輸入比較的特定值,選擇輸出圖形,設定置信度(缺省95%),設定備擇假設(缺省Not equal),1-Sample t,結果輸出:,P0.10 , 拒絕原假設 說明母體均值與特定值5有顯著差異,母體置信區間,Ho沒有落在母體置信區間內,說明選擇備擇假設,即母體均值與Ho有差異,不知标准偏差时两个母體平均差的推定和检定,2-Sample t,Data FURNACE.MTW,Stat Basic St

17、atistics 2-Sample T.,樣本數值列,樣本組序號列,選擇輸出圖形,設定置信度(缺省95%),設定備擇假設(缺省Not equal),設定差異檢定值(缺省0),2-Sample t,結果輸出:,P0.05 , 無法拒絕原假設 說明兩母體均值無顯著差異,兩樣本組數據的分布狀況及均值點,兩母體均值差異值的95%置信區間,有关对应的两个母集团的母平均差的推定和检定,Paired t,DataEXH_STAT.MTW,Stat Basic Statistics Paired t.,輸入兩配對樣本組數值列,選擇輸出圖形,設定置信度(缺省95%),設定備擇假設(缺省Not equal),設定

18、差異檢定值(缺省0),Paired t,結果輸出:,P0.05 , 拒絕原假設 說明兩配對母體均值有顯著差異,兩配對母體均值差異值的95%置信區間,配對母體均值差異值置信區間,Ho沒有落在配對母體均值差異值置信區間,即配對母體均值差異值與Ho有顯著差異,單一母體比率的推定及检定,1-Proportion,全体试行次数,良(不良)次数,在Worksheet里輸入數據時選擇,設置检定比率,設定備擇假設(缺省Not Equal),設置置信區間(缺省95%),P0.05 , 無法拒絕原假設 說明此比率不大于0.65,Stat Basic Statistics 1 Proportion.,两个母體比率差

19、的推定及检定,2-Proportion,全体试行次数,良(不良)次数,在Worksheet里輸入數據時選擇,設置比率差異檢定值(缺省0),設定備擇假設(缺省Not Equal),設置置信區間(缺省95%),母體1 母體2,P0.05 , 無法拒絕原假設 說明兩母體比率無顯著差異,兩母體比率差異值的95%置信區間,Stat Basic Statistics 2 Proportion.,2Variances,两个母體數據的分散的同質性检定,在做分散的同一性检定之前 ， 有必要先做正态性数据检定。 随正态分布时F-Test 结果, 不随正态分布时看Levenes Test,DataFURNACE.M

20、TW,Stat Basic Statistics 2 Variances.,樣本數值列,樣本組序號列,結論: P-Value0.05,無法說明兩母體 分散不一致.,分析两个連續变量间关系的方法,Variables : 要分析的列數據 Display p-value : 输出p值 Store matrix :保存为 matrix,Correlation(相关分析),DataGRADES.MTW,Stat Basic Statistics Correlation,相關系數 P-value,P-Value0.05,說明每兩變量間都有相關性 相關系數R越大說明線性相關性越強,检定资料的分布形态是否随正

21、态分布的分析法 原假设 : 数据是随正态分布 備擇假设 : 数据是不随正态分布,Variable : 设定需正态性检定的变量,结果分析:首先若资料与图象中的 直线一致，可认为按正态分布。 因 P-value为0.0220.05，非正态分布,Normality Test(正态性检定),DataCRANKSH.MTW,Stat Basic Statistics Correlation,3. 回归分析,为了模型化及调查反应变量与一个以上的独立变量之间关系的分析,Least square regression : 反应变量为连续性资料时 Regression:利用最小乘方法，实施单一回归或多重回归 S

22、tepwise Regression:为了找出最合适的说明变量模型 进 行追加或删除变量而分析 Best Subsets Regression : 利用最大 R-square 基准来 分析最大 Subset 回归 Fitted Line Plot:用一个预测变量的线型或多次项进行回归 分析 Logistic square regression:反应变量为范筹型资料时 Binary Logistic Regression:利用二项反应变量的回归 分析(2个范筹时) Ordinal Logistic Regression:利用顺序型反应变量的 回归分析(3个以上范筹时) Nominal Logis

23、tic Regression:利用名目型反应变量的 回归分析(3个以上范筹时),回归分析基础,Regression,在两个以上变量的关系上建立数学函数的方法,Response : 选择种属变量(结果值) - Score 2 Predictors : 选择独立变量(输入值) - Score 1,DataCRANKSH.MTW,Stat Regression Regression.,Options.,Weight:为加重回归指定有加重值的 Col Fit intercept:决定在模型中是否除去绝对项 Display - Variance inflation factors:以多重空线型判别(VI

24、F)影响值，指定VIF值输出与否 -Durbin-Watson statistic :指定检定残差自己相关 Durbin-Watson统计量输出与否 Lack of Fit Tests -Pure error:指定履行适合性检定时纯误差项的 输出与否 -Data subsetting:指定把说明变量细分而提供类似 反复效果的算法适用与否 Prediction intervals for new observation:推定回归式后，按说明变量的值推定y值 Storage -Fits:指定是否保存推定的y -Confidence limits:指定是否保存推定y的信赖水准的信赖区间 -SDs o

25、f fits:指定是否保存y的标准偏差 -Predicction limits:指定是否保存y的预测界限,Regression,Results.,在 Session 窗不显示任何结果时,显示基本的回归分析结果时,显示基础统计量时,显示追加统计量时,Graphs.,Residual Plots -Histogram of residual:画残差的 Histogram 时 -Normal plot of residual : 画残差的正态概率图时 -Residuals versus fits:想看残差的适合性时 -Residuals versus order:关于残差对比资料的顺序 -Resid

26、uals versus the variables:残差与变量之间的关系,Regression,Regression,分析结果,回归方程式为 SCORE2=1.12+0.218SCORE1 P-Value0.05，故方程系數有效 对资料的说明程度(决定系数)R-Sq为95.7%，回歸方程擬合良好.,履行单一回归步骤, 绘出回归图 在线型回归及多项回归中有用的方法, 即一个变量对应一个反应值时。,Fitted Line Plot,DataEXH_REGR.MTW,Stat Regression Fitted Line Plot.,Response:指定反应变量 Predictor:指定说明变量(

27、仅一个) Type of Regression Model:指定回归 Model (1,2,3次方程式),Transformations:反应变量与说明 变量取10为底的 Log Display Option:表示信赖区间及 预测区间,Fitted Line Plot,结果解释,显示2次项模型比直线模型更为适合,4. 方差分析,方差分析基础,單因子方差分析(DATA形态为 Stack 的时候) 單因子方差分析(DATA形态为 Unstack 的时候) 兩因子方差分析,平衡數據方差分析 一般线型模型(可用非平衡數據),方差齊性檢驗 区间 Plot 主效果 Plot 交互效果 Plot,One W

28、ay ANOVA,因子为一个, 反复数为对所有水准不相同也可, Random試驗。 在数据为一个列中以 Stack 形态保存时使用。,Response:指定反应变量 Factor:指定说明变量(要因) Comparisons:检定多重比较 Store residuals:保存残差 Store fits:保存水准平均值,DataEXH_AOV.MTW,Stat ANOVA One-Way.,残差只有随正态性时，它的结果值才能判断为正确。 各点呈现直线状态时，意味着正态性,One Way ANOVA,P0.05,各水平間還是有顯著差異,当数据按水平类别指定在不同列时使用(Unstack 形态) 剩

29、余事项与 Stack 情况相同,Responses:指定按各水准别 有反应值的列,One Way ANOVA (Unstacked),因子为 2个，把因子各水准的组合全部Random实施的試驗。 数据应为 Stack 形态。,Response:試驗结果数据 Row factor:B因子 Column factor:A因子 Store residuals:保存残差 Fit additive model:选择交互作用的有无,Two-way ANOVA,DataEXH_AOV.MTW,Stat ANOVA Two-Way.,Balanced ANOVA,各水准各组合内的試驗次数相同时使用 超過2因子

30、,Stat ANOVA Balanced ANOVA.,顯示殘差分析圖,如果要顯示三個因子間的交互作用，則必須在因子間加上一根豎線,Balanced ANOVA,從殘差的正態概率圖以及直方圖可以驗証殘差的正態性 從殘差Ver擬合值圖及殘差Ver觀測順序圖可以驗証殘差的獨立性，隨機性,三項主效果有顯著影響, Region*WorkerExp交互作用有顯著影響,Test for Equal Variances,检定2母體以上的方差是否一致 - 原假设 : 所有水准的方差一致 - 備擇假设 : 至少一个以上的方差不一样,正態分布数据时:Bartletts Test 非正態性数据时:Levenes T

31、est 因 p-value 0.05大，即所有水准的方差無顯著差異.,DataEXH_AOV.MTW,Stat ANOVA Test for Equal Variances,Interval Plot,平均信赖区间得出后作成 plot,DataCARPET.MTW,Stat ANOVA Interval Plot,4種類型供選擇,Main Effects Plot,对主效果的水准间差异比较,DataALFALFA.MTW,Stat ANOVA Main Effects Plot,輸入因變量Y,輸入變量X,所有數據均值,各點代表各因子不同水平的均值,Interactions Plot,交互作用的

32、水准间差异比较,Display full interaction plot matrix: 作成为 matrix,圖中各因子位置互換后的圖,可知道按 Field 水准变更的 Variety 各水准的 变动及平均值。 -平均是 Variety 4,6水准比别的水准小。 -变动是 Variety 2 水准比别的水准大。 -水准间 Cross 角度越大，交互作用效果就 越大。,DataALFALFA.MTW,Stat ANOVA Main Effects Plot,5. DOE(試驗计划法),試驗计划法基础,如何实施試驗如何选取数据, 如何解释才能以最少的試驗次数 迅速获得最大的信息量的计划方法.

33、試驗的成败，只有把以往的经验或者理论性、 技术性知识等的原有技术与 依照試驗计划法的知识结合起来才有可能.,Create Factorial Design:要因配置法試驗设计 Define Custom Factorial Design:在变更当前的 試驗计划而再指定时使用。 Analyze Factorial Design:得出試驗分析结果 Factorial Plot:主效果, 交互效果 plot 作成 Contour/Surface Plots:展现試驗的 反应表面 Response Optimizer:寻找满足目标值因子的 最佳组合,Factorial:因子配置試驗 RS Design

34、:反应表面試驗 Mixture Design:混合物試驗 Taguchi Design:田口試驗,試驗计划法基础,DOE 用语,因子(Factor)試驗所用的输入要素(例) 温度, 湿度, 水准(Level)各試驗因子的设定值 (例) 温度 100 200(-) (+) 反应值(Response)試驗的数值性结果(一般用 Y表示)(例) Y = 267mm 主效果(Main Effect)随一个独立因子的水准变化相应的(例) E1 = 2 反应值的影响 E2 = -7 交互效果两个以上的因子结合后对反应 (例) E12 = 5 (Interaction Effect)因子产生的影响 試驗分辨率

35、在部分实施法中表示試驗设计的混淆(例) III, IV, V (Resolution) 程度的记号 混淆(Confounding)以两个以上因子的效果合并后 (例) 1 + 2 产生的现象难以分离 1+3, 2+2,全因數試驗設計,隻選擇1個預計對一些特性值有影響的因子，實施試驗的最單純的試驗計劃法。 認為紡紗生產工序上反應溫度影響紡紗產品的強度，因此為了了解按反應溫度的變化， 強度怎樣變化，並且在怎樣水平下給最高的強度而做試驗，反應溫度為因子來取水平 (A1:60, A2:65, A3:70, A4:75),在各溫度下3回，把全體12回試驗按隨機順序來 實施。其結果得到了下列數據，求最佳條件

36、。 按反應溫度(A)變化的強度(單位 : kg/m)的試驗數據,單因子試驗設計,One-way ANOVA: A1, A2, A3, A4 Analysis of Variance Source DF SS MS F P Factor 3 1.9788 0.6596 31.19 0.000 Error 8 0.1692 0.0211 Total 11 2.1480 Individual 95% CIs For Mean Based on Pooled StDev Level N Mean StDev -+-+-+- A1 3 8.3600 0.0800 (-*-) A2 3 8.7000 0.

37、1819 (-*-) A3 3 9.4800 0.1852 (-*-) A4 3 8.8600 0.1039 (-*-) -+-+-+- Pooled StDev = 0.1454 8.50 9.00 9.50,STAT-ANOVA-ONE WAY (unstacked),單因子試驗設計,全因數試驗設計,STAT-ANOVA-Main Effects Plot,從以上可以看出： 1.因子的四個水平對Y的變化 2.A3水平對Y的變化最大,單因子試驗設計,全因數試驗設計,選定2個因子後做試驗的試驗計劃 某化工廠認為影響產品的收率(Yield, %)是反應溫度和原料。作為因子進行了沒有反復的二因子試

38、驗，因子的收率如下，求最佳條件 因子的水平數據 反應溫度(A) : A1(180), A2(190), A3(200), A4(210) 原料(B) : B1（美國 M社原料), B2(日本 Q社原料), B3(國內 P原料) 試驗數據如下：,雙因子試驗設計,全因數試驗設計,選擇因子的個數,反復的次數,輸入各因子水平數,1,2,3,建立試驗,選擇試驗類型,4,建立因子,雙因子試驗設計,全因數試驗設計,輸入因子的名稱及水平,試驗次數隨機性,儲存在工作表中,按以上表中內容進行試驗， 試驗後結果記錄表中,5,定義因子,6,7,8,雙因子試驗設計,全因數試驗設計,9,Two-Way ANOVA分析,W

39、orksheet里輸入試驗結果,10,雙因子試驗設計,全因數試驗設計,分析結果如下：,Two-Way ANOVA分析,11,雙因子試驗設計,全因數試驗設計,对收率温度是 A3=200, 原料是在 B1上最佳水平 虽然现在选定的水平是最佳的，但考虑过程条件,费用方面也可选择不同水平的最佳条件。,主效果圖,11,雙因子試驗設計,全因數試驗設計,為改善塑膠輪的機械強度通過DOE解決 經認真分析影響因素確定為以下四個,Factor,Level,模腔温度 噴嘴溫度 C. 射出口徑 D. 成型機噸位,-1 +1 120度 180度 40度 60度 5.8 10 750 950,如進行24全因子試驗需進行1

40、6次組合經討論認為交互作用除了A*D和A*B外均無影響所以決定選擇分部試驗設計以節約時間和經費.,2 （4-1）,分部試驗設計,1,建立試驗,選擇因子的個數,2,3,重復試驗3次,4,建立因子,5,定義因子,6,生成試驗表,級分辨率,分部試驗設計,分部試驗設計,7,Worksheet輸入試驗結果,分部試驗設計,8,結果分析,分部試驗設計,顯著影響因素,主效果和2因素交互是顯著影響因素,分析結果:從上表及圖中均可看出因素A,C,D及2因素交互作用 A*B,A*D是影響輸出均值的主要因素,分部試驗設計,9,圖形輸出分析,分部試驗設計,分析結果:從主效果圖中可看出因素A,C,D為Y的顯著影響因素 從

41、交互效果圖上中可看出2因素交互作用 A*B,A*D是顯著影響因素 綜合以上可知:各因素水平設置如下時,Y值最大 A- B- C- D+,分部試驗設計,10,建立Y的回歸方程 因已知存在2因素交互作用影響故用響應表面方法分析,定義響應表面分析模型,分部試驗設計,10,建立Y的回歸方程,分析響應表面分析模型,Linear+Interaction表示選擇的回歸模型中包含線性項和交互作用項,分部試驗設計,10,建立Y的回歸方程,擬合優良,主要影響和交互均為顯著,回歸方程為: 115.75-9.417A-19.333C+16.333D+5.083AB-10.5AD 當A=-1 B=-1 C=-1 D=1

42、 AB=1 AD=-1時,Y得到最優預測值160.08,分部試驗設計,為改善波峰焊接爐的焊接品質應用篩選試驗尋找關鍵因素 經腦力激蕩影響因素確定為以下八個,篩選試驗設計,Factor,Level,傳送帶角度 傳送帶速度 C. 錫面高度 錫爐溫度 松香溫度 松香比重 預熱溫度 錫條型號,-1 +1 15 18 1.2m/min 1.4m/min 60mm 80mm 240 C 255 C 60C 80C 0.780g/cm3 0.820g/cm3 100 C 120 C -100 -200,1,建立試驗,選擇因子的個數,2,3,4,建立因子,5,定義因子,6,生成試驗表,選擇最少的12次試驗,選

43、擇試驗類型,篩選試驗設計,6,生成試驗表并輸入試驗結果,篩選試驗設計,8,結果分析,篩選試驗設計,顯著影響 因素,主效果是顯著影響因素,分析結果:從上表及圖中均可看出因素D,F,G是影響輸出變量的主要因素,8,結果分析,篩選試驗設計,9,圖形輸出分析,篩選試驗設計,分析結果:從主效果圖中可看出因素D,F,G為Y的顯著影響因素 綜合以上可知:各因素水平設置如下時,Y值最大 A- B+ C- D+ E- F+ G- H+,篩選試驗設計,10,建立Y的回歸方程 因未考慮交互作用影響可直接用”Regression”方法,篩選試驗設計,10,建立Y的回歸方程,擬合良好,Y的擬合值,較優的預測值,對應于Y

44、的較優擬合值的各因素水平設置,回歸方程為: Y=69.6+8.37D+4.45F-4.97G 當D=1 F=1 G=-1時,Y得到最優預測值87.39,篩選試驗設計,11,用優化設計方法確定Y的最優值及X的最優組合,篩選試驗設計,11,用優化設計方法確定Y的最優值及X的最優組合,各因素最優組合,Y的最優預測值,Y的目標達成率100%,篩選試驗設計,某成型塑膠零件關鍵尺寸偏差過大,改善小組引起偏差的主要因素為射出壓力,保持壓力和射出時間,通過DOE對此三種因素的水平設置進行優化. 因小組確信三各因素的交互作用對輸出有嚴重影響,并懷疑非線性影響也是重要影響,決定選擇中心復合設計進行試驗. 零件關鍵

45、尺寸規格: 2522mm,Factor,Level,射出壓力 保持壓力 C. 射出時間,-1 +1 1200 1400 700 800 1.2 1.6,中心復合試驗設計,1,建立試驗,選擇因子的個數,2,3,4,建立因子,4,選擇可用的設計,全因子,試驗次數20,不分組,中心點6個軸向點數值1.682,選擇試驗類型,試驗次數,中心復合試驗設計,中心復合試驗設計,6,生成試驗表,3因素全因子試驗部分,軸向點試驗部分,中心點試驗部分,中心復合試驗設計,7,試驗策略,決定分兩步試驗:首先進行全因子試驗和中心點試驗,即上表中第1-8次第15-20次試驗,以測試因素及其交互作用對輸出的影響并判定有無線性

46、影響 再進行9-14部分試驗即對軸向點進行試驗,以最終確定因素與輸出間的關系模型。,8,試驗實施,1)先進行1-815-20試驗 確定各點代碼與實際水平設置的對應關系,中心復合試驗設計,1-1輸入試驗結果,尚未試驗數據為空,中心復合試驗設計,1-2結果分析,中心復合試驗設計,顯著影響 因素,線性項和二次項為顯著影響因素,分析結果:從上表說明存在顯著的非線性影響,需繼續進行軸向點試驗,1-2結果分析,中心復合試驗設計,2)進行軸向點9-14次實驗,中心復合試驗設計,2-2結果分析,中心復合試驗設計,2-2結果分析,A,B,C,A2為顯著影響項,線性項和二次項為顯著影響因素,建立回歸方程:Y=25

47、2.5+1.08A+0.72B-0.69C-0.54A2,中心復合試驗設計,2-3應用表面圖結果分析,1,2,3,分別做(A,B,Y) （A,C,Y) (B,C,Y)圖,中心復合試驗設計,2-3應用表面圖結果分析,結論:分別做(A,B,Y) （A,C,Y)表面發生彎曲,說明 A,B A,C對Y的影響是非線性的, (B,C,Y)圖接近平面 B,C對Y的影響是線性的 以上因為A存在二次項,中心復合試驗設計,2-4參數優化,用優化設計確定Y的最優值及X的最優組合,輸入Y的期望規格,缺省設置,中心復合試驗設計,2-4參數優化,用優化設計確定Y的最優值及X的最優組合,各因素最優組合,Y的最優預測值,Y的

48、目標達成率100%,中心復合試驗設計,6. 質量工具,質量工具,柏拉圖 魚骨圖,制程能力分析,量測系統分析,屬性一致性分析,多變量分析,柏拉圖(Pareto Chart ),DataEXH_QC.MTW,Stat Quality Tools Pareto Chart,自動合并其他項的比例=1-95%,項目 發生數量,魚骨圖(Cause & Effect Diagram ),DataSURFACEFLAWS.MTW,Stat Quality Tools Cause-and-Effect,輸入對應各原因名稱,問題,DataCABLE.MTW.,Stat Quality Tools Capabili

49、ty Analysis Normal.,制程能力分析(正態分布數據),堆疊的單列數據時使用,未堆疊的多列數據時使用,數據列 Subgroup size或列序號,規格,制程能力分析(正態分布數據),結果顯示Cp/Cpk/Pp/Ppk 結果顯示Z Level,制程能力分析(正態分布數據),制程能力分析(正態分布數據),制程能力分析(正態分布數據),制程能力分析(二項分布數據),DataBPCAPA.MTW .,Stat Quality Tools Capability Analysis Binomial.,制程能力分析(二項分布數據),缺陷數據列,樣本量,選擇判異原則,制程能力分析(二項分布數據),量測系統分析,線性/偏倚分析 連續型GRR(Crossed) 連續型GRR(Nested),線性/偏倚分析,DataGAGELIN.MTW.,Stat Quality Tools Gage Study Gage Linearity and Bias Study.,樣品序號 真值 測量值 過程變差,連續型GRR(Crossed),DataGAGEAIAG.MTW,Stat Qualit