DOEMinitab操作教程(PPT 66页).ppt

1、Six Sigma-1,DOE Minitab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,Six Sigma-2,1、男球鞋案例,1、资料登陆 2、选择统计工具2 sample t 3、图形 4、选择统计工具Paired t 5、图形 6、为什么会得到不同的结论,Six Sigma-3,1、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：,Six Sigma-4,2、选择统计工具2 sample t,路径：StatBasic Statistics2-Sample t 选择Samples in different column

2、s First选择Material A Second选择Material B,然后点击Graphs,Six Sigma-5,点击每一个方框，使其选中，然后单击OK。,Six Sigma-6,点击 到Session视窗,Results for: BOYS SHOE.MTW Two-Sample T-Test and CI: Material A, Material B Two-sample T for Material A vs Material B N Mean StDev SE Mean Material A 10 10.63 2.45 0.78 Material B 10 11.04 2.

3、52 0.80 Difference = mu (Material A) - mu (Material B) Estimate for difference: -0.410000 95% CI for difference: (-2.754808, 1.934808) T-Test of difference = 0 (vs not =): T-Value = -0.37 P-Value = 0.717 DF = 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。,Six Sigma-7,3、图形,两种材料没有显著差异，研发处的建议被拒绝。,Six Sigma-

4、8,两种材料没有显著差异，研发处的建议被拒绝。,Six Sigma-9,4、选择统计工具Paired t,路径：StatBasic StatisticsPaired t,选择Samples in columns First sample: 选择Material A Second sample:选择Material B 然后点击Graphs,Six Sigma-10,点击每一个方框，使其选中，然后单击OK。,然后回到Session窗口： Paired T-Test and CI: Material A, Material B Paired T for Material A - Material

5、B N Mean StDev SE Mean Material A 10 10.6300 2.4513 0.7752 Material B 10 11.0400 2.5185 0.7964 Difference 10 -0.410000 0.387155 0.122429 95% CI for mean difference: (-0.686954, -0.133046) T-Test of mean difference = 0 (vs not = 0): T-Value = -3.35 P-Value = 0.009,H0：两种材料寿命没有差异 Ha：两种材料寿命有差异 P0.05,拒绝H

6、0。,Six Sigma-11,5、图形,两种材料有显著差异，研发处的建议被接受。,Six Sigma-12,两种材料有显著差异，研发处的建议被接受。,Six Sigma-13,两种材料有显著差异，研发处的建议被接受。,Six Sigma-14,6、为什么会得到不同的结论？,到底我们该相信那个结论？ 不了解基本的统计观念会有什么坏处？,Six Sigma-15,2、化学实验设计案例,Factor (因子) Level (水準) Temperature(T) 160 180 Concentration(C) 20 40 Catalyst (K) A B 讨论： 因子为在此实验中要被研究的变数 水

7、准代表因子的设定： 负水准代表较小的值 正水准代表较大的值,Six Sigma-16,一个23因子设计 (3因子二水准),Minitab 中的标准实验设计步骤： 1、建构实验设计 2、分析实验过程 3、解读实验结果,Six Sigma-17,1、建构实验设计,方法论：,StatDOEFactorialCreate Factorial Design,Type of Design:选择设计种类,Number of Factors: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,Six Sigm

8、a-18,Minitab：StatDOEFactorialCreate Factorial Design,选择设计种类,选择因子数目,Six Sigma-19,选择设计（解析度、中心点、反复数）,Design,Six Sigma-20,Factor：输入名称和水准,输入名称和水准,Six Sigma-21,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！,Six Sigma-22,实验矩阵,因子A 因子B 因子C,Six Sigma-23,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。,Si

9、x Sigma-24,2、分析实验过程,StatDOEFactorialAnalyze Factorial Design,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， Cube Plot、 残差图,Six Sigma-25,StatDOEFactorialAnalyze Factorial Design,:输入回应值,Six Sigma-26,Terms:选取分析因子,全因子选3 部分因子选1或2,Six Sigma-27,Graphs：选择图表,Six Sigma-28,效应柏拉图,超过红线代表效

10、应显著,Six Sigma-29,常态机率图,跳到线外的红点表示因子显著。,Six Sigma-30,StatDOEFactorialFactorial Plots,分别选择Setup,Six Sigma-31,选择Responses及因子,Six Sigma-32,Inter action Plot,Six Sigma-33,Main Effects Plot,Six Sigma-34,Cube Plot,Six Sigma-35,3、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

11、 （计算效应在模式中的百分比）,数学模式,残差分析,Six Sigma-36,ANOVA表格,Estimated Effects and Coefficients for Yield (coded units) Term Effect Coef Constant 64.250 Temperature 23.000 11.500 Concentration -5.000 -2.500 Catalyst 1.500 0.750 Temperature*Concentration 1.500 0.750 Temperature*Catalyst 10.000 5.000 Concentration*

12、Catalyst -0.000 -0.000 Temperature*Concentration*Catalyst 0.500 0.250 Analysis of Variance for Yield (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 1112.50 1112.50 370.833 * * 2-Way Interactions 3 204.50 204.50 68.167 * * 3-Way Interactions 1 0.50 0.50 0.500 * * Residual Error 0 * *

13、 * Total 7 1317.50,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,Six Sigma-37,Estimated Coefficients for Yield using data in uncoded units,Term Coef Constant -85.5000 Temperature 0.925000 Concentration -1.52500 Catalyst -71.5000 Temperature*Concentration 0.00750000 Temperature*Catalyst 0.425000 Concentration*Cataly

14、st -0.425000 Temperature*Concentration*Catalyst 0.00250000 Alias Structure Temperature Concentration Catalyst Temperature*Concentration Temperature*Catalyst Concentration*Catalyst Temperature*Concentration*Catalyst,Six Sigma-38,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

15、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,Six Sigma-39,因子AB是否真的显著？,Six Sigma-40,将Alpha设为0.01,Six Sigma-41,因子AB并不显著.,Six Sigma-42,最佳模式,两个变数和 一个交互作用 统计上是显著 的！,Six Sigma-43,最佳模式的ANOVA表格,Term Effect Coef SE Coef T P Constant 64.250 0.4564 140.76 0.000 Temperature 23.000 11.500 0.4564 25.20 0.000 Conce

16、ntration -5.000 -2.500 0.4564 -5.48 0.012 Catalyst 1.500 0.750 0.4564 1.64 0.199 Temperature*Catalyst 10.000 5.000 0.4564 10.95 0.002 S = 1.29099 R-Sq = 99.62% R-Sq(adj) = 99.11% Analysis of Variance for Yield (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 1112.50 1112.50 370.833 22

17、2.50 0.001 2-Way Interactions 1 200.00 200.00 200.000 120.00 0.002 Residual Error 3 5.00 5.00 1.667 Total 7 1317.50,Six Sigma-44,GLM分析,路径：StatANOVAGeneral linear model,填入要分析的变数,Six Sigma-45,General Linear Model,Source DF Seq SS Adj SS Adj MS F P Temperature 1 1058.00 1058.00 1058.00 634.80 0.000 Con

18、centration 1 50.00 50.00 50.00 30.00 0.012 Catalyst 1 4.50 4.50 4.50 2.70 0.199 Temperature*Catalyst 1 200.00 200.00 200.00 120.00 0.002 Error 3 5.00 5.00 1.67 Total 7 1317.50,Six Sigma-46,计算 ES,1、在资料表中设四个栏位Source、DF 、 SS 、ES 2、自session视窗复制并贴上Source、DF 、 SS 、ES 3、使用Minitab计算功能，将每一值除以Total SS值并存储结果于E

19、S,Six Sigma-47,复制并贴上Source、DF 、 SS 、ES,Six Sigma-48,计算 ES,Six Sigma-49,ES代表每个变数和交互作用在总SS中所占百分比,SOURCE DFSS ES Temperature 1 1058.0 0.80304 Concentration 1 50.0 0.03795 Catalyst 1 4.5 0.00342 Temperature*Catalyst 1 200.0 0.15180 Error 3 5.0 0.00380 Total 7 1317.5 1.00000,因子Temperature占百分比为80%,Six Sig

20、ma-50,数学模式,Variable Coef Constant 64.250 Temperature 11.500 Concentration -2.500 Catalyst 0.750 Temperature*Catalyst 5.000,Yield(Y)=64.25+11.5*Temperature -2.5*Concentration+0.75*Catalyst +5* Temperature*Catalyst,Symbol 0 1 2 3 12,有了数学模式就可以根据客户需要调整我们的Y.,Six Sigma-51,残差分析,路径：StatDOEFactorialAnalyze F

21、actorial Design,Six Sigma-52,残差分析,Six Sigma-53,残差图,Six Sigma-54,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。,Six Sigma-55,输入试验矩阵到Minitab,Six Sigma-56,2、自定义实验设计,StatDOEFactorialDefine Custom Factorial Design,定义因子,定义水准,Six Sigma-57,解读,因子,标准 顺序,实验 顺序,集区,中心 点,Six Sigma-58,Pareto,没有考虑交互作用,没有任何因子显著,Six Sigma-59,常态机率图,没有考虑交互作用,没有任何因子显著,Six Sigma-60,Session输出,Estimated Effects and Coefficients for Yield (coded units) Term Effect Coef Constant 59.000 TEMP 12.000 6.000 CONC -6.000 -3.000 CATA -8.000 -4.000 Analysis of Variance for Yield (coded units)