《[精选]DOE及Minitab使用初级知识(下)》由会员分享，可在线阅读，更多相关《[精选]DOE及Minitab使用初级知识(下)（45页珍藏版）》请在金锄头文库上搜索。
1、1,DOE及Minitab初级知識介绍,(下)常用实验设计方法实例,DOE,2,主要内容,全因子实验设计 分部因子实验设计 筛选实验设计- Plackett-Bruman 中心复合实验设计(确认是否非线性） Box-Behnken （非线性研究） 静态田口实验设计,DOE,3,全因子实验设计,特点： 所有因子和水平的完全组合，结论最真实可靠。 试验次数为 N=ek 水平为底，因子数为幂的指数 目的： 寻找最有利于输出的因子水平。 可建立评估所有交互影响的数学模型。 应用范围： 一般4个因子以内,DOE,4,三因素两水平全因子实验案例,滑轨滚珠成型过程改善案例 某公司专业生产精密滑轨，公司应市场
2、需求开发的一种滑轨却在市场上出现很大问题，不少客户投诉该公司此款滑轨的滑动力不够稳定，有部分产品超过规格。公司根据市场反馈，紧急组织人员进行分析改进。改善小组经过调查分析，决定通过试验设计进行改善。 建立试验目标 本试验的目标是将外滑轨的内部尺寸保证在目标以内并使偏差最小。（内外轨的尺寸配合决定滑动力的大小）。,DOE,5,实验设计计划表,DOE,6,可控因素表,DOE,7,噪声因素表,DOE,8,实验表,全因子试验表,水平设置表,DOE,9,主因子效应分析表,因素C对输出变量均值的影响最大。因素A的影响也较大。因素B对输出变量均值的影响很大。,DOE,10,因子交互作用分析表,所有因子的交互
3、作用对输出均值的影响均不大。,DOE,11,Y预测方程,预测方程即回归分析中建立的回归方程，利用它可以预测各因素取何值时，输出变量的值最优，本例中，最优目标中的值为19.05，公差范围为：19.05+0.15mm，可以根据各因素及其交互作用对输出变量均值的影响建立预测方程。预测方程的通用格式如下： 为 的预测值 A/2 为A因素对输出变量影响的一半,在建立预测方程时，为了方便计算，一般只将对输出变量有重要影响的因子纳入方程中，只有C因素和A因素对输出有变量的均值有重要影响，故将A和C纳入预测得：,=19.05+(0.27/2 )A+(-0.41/2 )C =19.05+0.14A-0.21C,
4、DOE,12,确定影响偏差的因素,将本例数据进行分析以确定影响输出变量变异的因素。首先计算每个试验组合中取得的3个样品的标准差。,DOE,13,S预测方程,= 0.269+0.075A+0.119B,只有B因素和C因素对输出变量的均值有重要影响，故只将A因素和B因素纳入预测方程；,标准差极差表,DOE,14,Minitab 操作演示,用于单因素不同水平数据的方差分析仅用于数据堆叠在一行的状况,用于单因素不同水平数据的方差分析，不同水平的数据存于不同的栏,用于双因素数据的方差分析,用于多因素多水平数据的方差分析（各因素水平数相同）,用于多因素多水平数据的方差分析（各因素水平数不同）,用于完全堆叠
5、数据（多因素多水平数据的方差分析）,DOE,15,主效应影响图,DOE,16,标准差影响主效应图,DOE,17,交互作用影响图,DOE,18,Minitab分析,方差分析,DOE,19,DOE,20,回归分析,DOE,21,调优运算,DOE,22,分布因子实验,特点： 同时可评估许多因素，因为大大减少了试验组合，可同时的因素数大增。 息量比全因子试验少，精度比全因子试验差 目的： 寻找最有利于输出的因子水平. 建立可评估部分交互影响的数学模型。 后续试验设计确定关键的影响因素。 应用范围： 一般515因子,DOE,23,因素间的混淆（交错）概念,23全因子试验设计表,基准：ABC= -1,以最
6、强交互作用分为2部分,基准：ABC= 1,DOE,24,1、因为ABC列全部为“+1”，所以无法评估其影响。 2、仔细观察可以发现：A和BC；B和AC；C和AB列的符号完全相同，这意味着进行因素影响分析时： A因素影响= BC交互作用影响 B因素影响= AC交互作用影响 C因素影响= AB交互作用影响,同理，对于基准ABC=-1的第一组，因素间的交错如下 交错BC AC AB 影响A B C,只要不是全因子试验设计,因素及其交互作用的之间的混淆就一定存在 要求清楚区分因素的主要影响和交互作用影响,特别是2因素交互作用的场合，选择试验类型(分辨率）时须特别留意。,DOE,25,可用分部试验设计表
7、,DOE,26,分部实验分辨率的定义,试验设计的分辨率分为3类，描述如下表：,DOE,27,分部实验分辨率的选择,1、分辨率III级试验设计：如果确信没有2因素交互作用对试验指标有重要影响，可选择分辨III级设计。 2、分辨率：适用于怀疑存在2因素交互作用对试验指标的重要影响，所以不想使主要影响和2因素交互作用影响相混淆，但对2因素交互作用之间的混淆不予评估的试验。 3、分辨率：适用于需要评估主要影响和2因素交互作用影响的试验。,DOE,28,分辨率级分部试验设计例,本节将以四因素2水平分部试验设计案例来阐述分试验设计的方案选择及试验和分析流程. 某公司专业生产注塑部件，对其产品塑胶轮的机械强
8、度进行改良,DOE,29,确定的影响因素为 A：模腔温度 B：喷嘴温度 C：射出口径 D：注塑机吨位 小组确定的因素水平表如右：,实验设计选择： 小组经过讲座后认为因素A和B的交互作用AB以及因素A和D的交互 作用AD对输出变量（塑胶轮的强度）有重要影响，除了AD和AB，他们判断没有其它因素的交互作用对输出结果有影响，人们决定选择分部试验设计。 分辨率级的试验设计在本例中只需8次试验组合，比全因子设计减少一半，且可以区分主要影响与2因素交互作用影响，故小组决定进行分辨率为级的分部因子试验设计。 2,DOE,30,Minitab演示,DOE,31,筛选试验-plackett-Burman,特点：
9、 分辨率水平为III级 各因素的水平数限制为两个 无法区分因素间交互作用影响 目的： 常被用于在改善阶段的初期或分析阶段后期主要用于从大量因素中筛选出关键的少数因素 应用范围： 因素数范围为2-47个，一般7个以上。,DOE,32,筛选试验流程实例,A公司是来料加工PCBA的专业OEM厂商。改善小组经过大量调查，认定波峰炉过程的焊接品质是影响品质成本的关键。于是决定寻找影响波峰炉焊接的关键因素，以便进行后续的改善。因为因素太多，无法直接分析，小组决定通过筛选试验设计来寻找影响PCBA焊接品质的关键因素。,DOE,33,实验因子水平确定,确定的影响因素为表中所列8个因子，决定将以上8个因素全部纳
10、入试验因素 确定试验因素水平表,DOE,34,试验方案选择,改善小组经过讨论，认为目前只是凭经验对波峰炉焊接因素有粗略认识，从未经过证实，无法确认哪个因素影响大。故决定通过8因素筛选试验来验证以前的经验并为后续改善打好基础，为节约时间，小组决定用8因素筛选试验的最少组合数12种组合。用Minitab生成的8因素试验方案如下：,Run Blk A B C D E F G H 1 1 + + + - + + - + 2 1 - + - - - + + + 3 1 - - + + + - + + 4 1 + - - - + + + - 5 1 + - + + - + - - 6 1 - + + -
11、+ - - - 7 1 + + - + - - - + 8 1 + + - + + - + - 9 1 - - - - - - - - 10 1 - - - + + + - + 11 1 - + + + - + + - 12 1 + - + - - - + +,DOE,35,试验结论试验结论,通过本次试验改善小组得出以下结论： 1、影响波峰炉焊接FPY的关键因素为：锡炉温度、松香比重、预热温度和锡条型号。 2、将各试验因素设置在如下水平时焊接FPY最优,3、波峰炉焊接FPY最优预测值为99.22%。,DOE,36,Mintab演示,DOE,37,中心复合实验设计,特点： 1.是全因子试验和分布
12、因子试验的拓展，通过对2水平试验增加一个设计点（相当于增加了一个水平），从而可以对评价指标（输出变量）和因素间的非线性关系进行评估。 2.实验因素均为为计量型数据。 目的：对因素部确定的非线性进行评估。 应用范围：29各因素 一般实施步骤： （1）先进行2水平全因子或分部试验设计。 （2）再加上中心点进行非线性测试。 （3）如果发现非线性影响为显著影响，则加上轴向点进行补充试验以得到非线性预测方程。,DOE,38,立方点-中心点-轴向点,(0，+a),(0，-a),(+a ，0),(-a ，0),(-1，+1),(-1，-1),(+1，-1),(+1，+1),(0，0),DOE,39,中心复合
13、设计例,以3因素中心复合设计为例来讲述中心复合设计的流程及策略。 建立试验目标 本试验的目标为确定塑胶件注塑工序的射出压力、保持压力和射出时间与零件关键尺寸之间的关系，并对三种因素的水平设置进行优化。,输出特性指标,确定试验因素水平表,DOE,40,试验方案选择,确信三个因素的交互作用对输出有重要影响，并怀疑非线性影响也是重要影响。因为全因子设计可测试因素间的相互作用，中心复合设计可以测试因素的非线性影响，小组决定选择中心复合设计进行试验。,DOE,41,Minitab 演示,DOE,42,Box-Benken,特点： 适用于所有因素均为计量值的试验 使用时无需多次连续试验。 不存在轴向点，因
14、而在实际操作时其水平设置不会超出安全操作范围。 目的： 可以评估因素的非线性影响。 应用范围： 37个因子。 Box-Behnken试验设计常用于在确信试验因素对试验指标存在非线性影响时对因素与指标间的关系进行试验分析。尤其在要求试验的各因素不能同时在高水平设置下进行试验时。,DOE,43,Box-Behnken试验设计例,建立试验目标 本试验的目标是确定化工原料化学反应工序的温度、压力和反应时间与原料关键参数Y之间的关系，并对三种因素的水平设置进行优化。 确定测量指标 确定以该原料的关键参数Y为测量指标，其目标值为87+3mg 确定影响因素XS 1、反应压力 2、反应温度 3、反应时间,DO
15、E,44,确定试验方案确定试验方案,确信三个因素对输出存在非线性影响，但不能同时将A、B、C三个因素同时设置为高水平，因为 210PSI 已接近用来进行化学反应的容器的承受极限。如将反应温度设置在高水（350），可能会使反应压力进一步提高人而带来危险，在这中组合下运行较长时间的反应（即反应时间也为高水平）也存在潜在的问题，而Box-Behnken试验设计正好没有将所有因素同时安排在高水平上，因此满足本试验要求。决定用Box-Behnken试验设计方法进行试验。,谢谢观看/欢迎下载,BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH,
