质量分析与统计技术 课件 项目五 任务五 实施图形诊断解析-主效应图、交互作用图与3D响应面图

任务五实施图形诊断解析——主效应图、交互作用图与3D响应面图一、主效应图主效应图显示每个因子对响应变量的单独影响，便于快速识别影响最大的因子，从而集中优化。例如，生产中，某个参数变化导致产品质量显著变化，其主效应图会显示这一趋势。点击“图形”→“模型图形”→“主效应图”命令，弹出对话框，显示每个因素（A、B、C）影响的主效应图。斜率表示因素的重要性，斜率明显偏离零则表示因素关键。该对话框主要包含两部分：（1）标题栏下以蓝色背景显示一条信息，根据模型计算的预测区间，图中显示168.563±6.64385。（2）在单个主效应图上绘制了一条红线。单击主要效果图以更改因子级别，调整因子水平（A=0.7，B=3.5，C=65），自动更新新的范围（预测区间为95%），如图所示。二、交互作用图交互作用图用于展示不同因子之间的交互作用对响应变量的影响。在多数情况下，因子之间不是孤立作用，而是相互影响。单击功能区“图形”→“模型图形”→“交互作用图”命令，弹出“交互作用图”对话框，如图所示。在相应的图中很难检测到A和C之间的相互作用。即使是第二个重要的交互作用BC也很难识别。与主效应相比，双因素相互作用不显著，经常忽略它们。三、3D响应面图在响应曲面方法中，3D响应面图尤其重要，因为它们可以帮助确定哪些变量设置可以达到最优的响应值。例如，在化工生产过程中，可以通过调整温度和压力的两个变量，观察产品产量（响应）的变化，并找到最优的生产条件。单击功能区“图形”→“模型图形”→“3D响应面图”命令，弹出“3D响应面图”对话框，查看响应面图和数据，如图所示。操作实例----全因子水平筛选设计某公司为了ا提升固定支承柱GB2869.4-1981零件（见图）的制造质量，计划对注塑过程进行优化。目标是通过调整和改进生产过程，实现零件尺寸精度的提升和收缩率率的降低。在这个过程中，可能影响最终质量的因子包括：模具温度（低温、中温、高温）材料种类（材料A、材料B、材料C）设备精度（新、旧）由于这些因子都可能在多个水平上变化，传统的2-水平因子设计不足以探究其对产品质量的影响。因此，采用一个多于2-水平因子的设计，本例只考虑模具温度和材料种类对收缩率的影响，进行一个3x3x2的全因子设计，对所有可能的组合进行测试，共有18种不同的实验条件。实验设计步骤如下：操作实例----全因子水平筛选设计目标：提高零件的尺寸精度，减少缺陷率。响应变量：尺寸精度测量结果，收缩率。创建3x3x2全因子实验设计。确保实验的随机化，以减少未知变量的影响（每一组重复两次，数据见表）。3.设计实验计划：1.定义目标和响应变量：2.选择因子和水平：模具温度：低温（70°C）、中温（90°C）、高温（110°C）。材料种类：材料A、材料B、材料C。设备精度：新、旧。4.进行实验：按照实验计划进行每一组条件的实验。记录每个实验条件下的尺寸精度和收缩率。5.数据收集与分析：使用方差分析（ANOVA）确定每个因子和交互作用对响应变量的显著性。通过主效应图和交互作用图分析因子对响应变量的影响。编号模具温度MoldTemperature材料种类MaterialType设备精度收缩率（%）ShrinkageRate第一次测量第二次测量

低温材料A新设备1.31.3

中温材料A新设备1.51.6

高温材料A新设备1.21.2

低温材料B新设备2.02.1

中温材料B新设备2.22.2

高温材料B新设备1.92.0

低温材料C新设备3.23.1

中温材料C新设备3.53.7

高温材料C新设备3.03.0

低温材料A旧设备1.31.2

中温材料A旧设备1.21.2

高温材料A旧设备1.21.3

低温材料B旧设备2.12.1

中温材料B旧设备2.01.9

高温材料B旧设备2.12.0

低温材料C旧设备3.13.0

中温材料C旧设备3.03.0

高温材料C旧设备3.23.06.优化和验证：操作实例----全因子水平筛选设计根据数据分析结果，选择最优的因子水平组合。在最优条件下进行验证实验，确保结果的一致性和可重复性。（1）双击V14-Q-DASLauncher图标，启动Q-DAS，自动弹出“Q-DASProductlauncher(14.0.4.5(0)x86)”对话框，选择要使用的软件模块。（2）选择“Q-DASdestra”选项，弹出“注册”对话框，在“选择用户组”下拉列表中选择“无过滤”，在“使用者姓名”下拉列表中选择“SuperUser（高级用户）”，在“模块”下拉列表中选择“回归分析/方差分析”选项。单击“是”按钮，关闭该对话框，弹出“Q-DASdestra@测量系统分析”工作界面。操作步骤：7.实施和监控：将优化的条件应用于实际生产过程。定期监控生产过程，确保持续的质量改进。1.设置工作环境1.设置工作环境操作实例----全因子水平筛选设计（3）选择功能区中的“文件”→“新项目”→“试验设计（DOE）”→“多于2-水平因子设计”命令，打开“实验计划”对话框，打开“选择”选项卡，显示当前设计方法中默认包含一个目标值和一个因素A（默认包含2个水平），设置重复次数为2，勾选“为各个重复点创建模块”复选框，根据题意修改参数选项。1）修改目标值为ShrinkageRate。2）修改因素A为MoldTemperature，包含3个等级，目录（水平）为低温、中温、高温，如图所示。1.设置工作环境操作实例----全因子水平筛选设计3）单击“新因素”按钮，添加因素B为MaterialType，设置3个等级，目录（水平）为材料A、材料B、材料C，如图所示。4）单击“新因素”按钮，添加因素C为Equipment，设置2个等级，目录（水平）为新设备、旧设备，如图所示。1.设置工作环境操作实例----全因子水平筛选设计（4）单击“下一步”按钮，打开“设计评估”选项卡，进行全因子设计，显示所选设计包含主效应（A、B）和交互效用（AB），如图所示。（5）单击“下一步”按钮，打开“设计”选项卡，按顺序显示所选设计中的因素，如图所示。2.设置零件信息操作实例----全因子水平筛选设计（1）单击功能区“编辑”→“零件栏”命令，打开“零件栏”对话框，在“零件”选项组“编号”文本框中输入零件编号MIA-XXXXXX；“名称”文本框中输入零件名称Plasticparts，如图所示。（2）单击功能区“编辑”→“零件-/被到参数表”命令，打开“零件-/被到参数表”对话框，修改重复测量因素参数block为Measurementfrequency，如图所示。2.设置零件信息操作实例----全因子水平筛选设计（3）单击功能区“编辑”→“数值栏”命令，打开“数值栏”对话框，默认在因素列显示定义的数据，其中右侧目标列“ShrinkageRate”为空白。根据表6-2中的数据在“ShrinkageRate”列输入数据，结果如图所示。3.设计评定操作实例----全因子水平筛选设计（1）单击功能区“开始”→“分析设计”命令，弹出“SelectGrid”对话框，默认显示设计中所有可用特征的因素和目标值，如图所示。一般该对话框选择默认设置。（2）单击“是”按钮，关闭该对话框，打开“ANOVA类型III（调整）”对话框，显示平方和、均方、自由度、F检验的检验统计量，判断模型在实验中影响因素的显著性，如图所示。3.设计评定操作实例----全因子水平筛选设计模型的评估结果主要观察F统计值的条形图和P值。进行重复测量方差分析时，Measurementfrequency得到的P值较大（0.816），意味着所比较的组别或时间点在统计上没有显著差异。表明数据与原假设相符，因此无法拒绝原假设。主要效应：因素A、因素B、因素C的P值小于0.001，表示A因素、B因素、因素C对实验结果具有极其显著的影响。双因素交互中，整体的P值小于0.001，两因素交互作用对实验结果具有极其显著的影响。交互因素AB的P值大于0.05，表示A因素、B因素之间的交互作用并不显著。交互因素AC的P值小于0.001，表示A因素、C因素之间的交互作用极其显著。交互因素BC的P值小于0.05，表示B因素、C因素之间的交互作用显著。三因素交互中（ABC），整体的P值大于0.05，表示A因素、B因素、C因素之间的交互作用并不显著。模型的P值小于0.0001，拟合优度为99.201，表示回归模型数据拟合效果好。得出结论，回归模型对收缩率有及其显著影响。4.图形分析操作实例----全因子水平筛选设计（1）单击功能区“图形”→“模型图形”→“主效应图”命令，弹出“主效应图”对话框，如图所示。（2）单击功能区“图形”→“模型图形”→“交互作用图”命令，弹出“交互作用图”对话框，如图所示。5.保存文件操作实例----全因子