1、22003 Six Sigma Level II Training(Improve-DOE)試驗(yàn)設(shè)計(jì)介紹及綜述改善階段的焦點(diǎn)問(wèn)題 六-西格碼進(jìn)行到當(dāng)前這一步，我們應(yīng)該已經(jīng)具備如下信息： 認(rèn)識(shí)到問(wèn)題的數(shù)量和所涉及的范圍，包括DPU(平均每單位產(chǎn)品的壞點(diǎn)數(shù)) 和COPQ(壞品質(zhì)成本) 確定了目標(biāo)，包括要減少的DPU和節(jié)約的成本 確定了Y變量，以及用來(lái)測(cè)量Y的可靠的測(cè)量系統(tǒng) 對(duì)Y進(jìn)行能力分析，了解到Y(jié)的問(wèn)題所在，是平均值、方差、分布的形狀還是三者的結(jié)合存在問(wèn)題？ 通過(guò)對(duì)工序的總體解剖、多變量分析，及使用其它圖形和統(tǒng)計(jì)技術(shù)找到一系列潛在的X變量，列出清單Y=(X) 現(xiàn)在我們開(kāi)始把關(guān)鍵的X變量最終定下來(lái)

2、，并且開(kāi)始對(duì)上面提到的等式的特性進(jìn)行調(diào)查研究。試驗(yàn) “試驗(yàn)試驗(yàn)”就是就是 根據(jù)一項(xiàng)計(jì)劃，對(duì)輸入變量進(jìn)行調(diào)控或直接操作的任何測(cè)試工作?！霸囼?yàn)設(shè)計(jì)試驗(yàn)設(shè)計(jì)”就是就是把一定的框架條理溶入計(jì)劃中，用特殊的方法來(lái)分析試驗(yàn)的結(jié)果試驗(yàn)種類結(jié)構(gòu) 每次只調(diào)節(jié)一個(gè)變量每次只調(diào)節(jié)一個(gè)變量 篩選試驗(yàn)篩選試驗(yàn) (變量部分搭配變量部分搭配) 特性試驗(yàn)特性試驗(yàn)(變量全部搭配變量全部搭配) 優(yōu)化試驗(yàn)優(yōu)化試驗(yàn)(結(jié)果面分析方案結(jié)果面分析方案)我們隨著上述清單越往下走，越能得到更加有用的數(shù)據(jù)。通常，這也就需要更多試驗(yàn)的費(fèi)用、更多的物料及樣品，復(fù)雜程度也在增加。因此，作為計(jì)劃活動(dòng)的一部分，我們必須確定用于改善我們的工序或產(chǎn)品所需的信

3、息的質(zhì)量。試驗(yàn)策略 定義問(wèn)題定義問(wèn)題 確立試驗(yàn)?zāi)繕?biāo)確立試驗(yàn)?zāi)繕?biāo) 選擇輸出變量選擇輸出變量(結(jié)果結(jié)果) 選擇選擇(獨(dú)立的獨(dú)立的)輸入變量輸入變量 選擇輸入變量的水平選擇輸入變量的水平 選擇試驗(yàn)設(shè)計(jì)方案選擇試驗(yàn)設(shè)計(jì)方案 實(shí)施試驗(yàn)并收集數(shù)據(jù)實(shí)施試驗(yàn)并收集數(shù)據(jù) 分析數(shù)據(jù)分析數(shù)據(jù) 描繪統(tǒng)計(jì)結(jié)論描繪統(tǒng)計(jì)結(jié)論 重復(fù)試驗(yàn)或驗(yàn)證試驗(yàn)結(jié)果重復(fù)試驗(yàn)或驗(yàn)證試驗(yàn)結(jié)果 描繪實(shí)用結(jié)論描繪實(shí)用結(jié)論 實(shí)施解決方案實(shí)施解決方案工序設(shè)計(jì)問(wèn)題如何將球投射到確定的距離？執(zhí)行試驗(yàn)策略 定義問(wèn)題定義問(wèn)題-設(shè)置一臺(tái)準(zhǔn)確的投射機(jī) 確立試驗(yàn)?zāi)繕?biāo)確立試驗(yàn)?zāi)繕?biāo)-將球投到120英寸處，并且變差最小 選擇輸出變量選擇輸出變量(結(jié)果結(jié)果)-距離(以米為單

4、位) 選擇輸入變量選擇輸入變量 投射角度球型皮筋數(shù)量 終止角度彈力皮筋類型其它 選擇輸入變量的水平選擇輸入變量的水平 只允許選擇水平二 變量高低水平跨度必須足夠大以便看出結(jié)果的差距 選擇試驗(yàn)設(shè)計(jì)方案選擇試驗(yàn)設(shè)計(jì)方案 試驗(yàn)設(shè)計(jì)方案是由-1和+1值排列組合成的矩陣，因此包含了一定的數(shù)學(xué)特性 執(zhí)行試驗(yàn)并收集數(shù)據(jù)執(zhí)行試驗(yàn)并收集數(shù)據(jù)執(zhí)行試驗(yàn)策略 分析數(shù)據(jù)分析數(shù)據(jù) 主導(dǎo)因素圖解 交互作用圖解 立方圖 描繪統(tǒng)計(jì)結(jié)論描繪統(tǒng)計(jì)結(jié)論 該試驗(yàn)提供了有用的結(jié)論嗎？ 是否存在重要的主導(dǎo)因素和交互作用？ 重復(fù)試驗(yàn)或驗(yàn)證試驗(yàn)結(jié)果重復(fù)試驗(yàn)或驗(yàn)證試驗(yàn)結(jié)果 描繪實(shí)用結(jié)論描繪實(shí)用結(jié)論 實(shí)施解決方案實(shí)施解決方案 問(wèn)題：“可預(yù)測(cè)的”意

5、味著什么？我們是怎樣測(cè)量距離的呢？我們的測(cè)量系統(tǒng)有多好呢？測(cè)量系統(tǒng)評(píng)估 對(duì)于距離存在很多測(cè)量方法對(duì)于距離存在很多測(cè)量方法 分小組進(jìn)行一項(xiàng)快速的測(cè)量系統(tǒng)評(píng)估分小組進(jìn)行一項(xiàng)快速的測(cè)量系統(tǒng)評(píng)估 為接下來(lái)要做的試驗(yàn)確立一個(gè)標(biāo)準(zhǔn)的測(cè)量方案為接下來(lái)要做的試驗(yàn)確立一個(gè)標(biāo)準(zhǔn)的測(cè)量方案 這里建議一項(xiàng)方案：安排多個(gè)這里建議一項(xiàng)方案：安排多個(gè)“觀察員觀察員”觀察球著點(diǎn)距離，觀察球著點(diǎn)距離，以他們達(dá)成共識(shí)為準(zhǔn)以他們達(dá)成共識(shí)為準(zhǔn) 建立一套程序化的工作方法建立一套程序化的工作方法 為了達(dá)到試驗(yàn)的目的，你應(yīng)該盡量消除外界干擾。比如說(shuō)在為了達(dá)到試驗(yàn)的目的，你應(yīng)該盡量消除外界干擾。比如說(shuō)在試驗(yàn)中只讓一個(gè)人來(lái)投射球。試驗(yàn)中只讓一

6、個(gè)人來(lái)投射球。 確保你能符合每一個(gè)步驟。作為課堂練習(xí)，你可以用確保你能符合每一個(gè)步驟。作為課堂練習(xí)，你可以用MINITAB來(lái)記錄結(jié)果，但如果是真的做試驗(yàn)，你就應(yīng)該準(zhǔn)備來(lái)記錄結(jié)果，但如果是真的做試驗(yàn)，你就應(yīng)該準(zhǔn)備好一份數(shù)據(jù)收集表格。好一份數(shù)據(jù)收集表格?？山邮艿闹貜?fù)性和重現(xiàn)性分析結(jié)果StatQuality ToolsGage R&R Study (Crossed)選擇輸入變量 使用多變量分析和其它基礎(chǔ)技術(shù)減少一些影響微不使用多變量分析和其它基礎(chǔ)技術(shù)減少一些影響微不足道的因子足道的因子 - 讓工序自己來(lái)告訴你讓工序自己來(lái)告訴你 利用以前做過(guò)的試驗(yàn)結(jié)果利用以前做過(guò)的試驗(yàn)結(jié)果 用到你的工序知識(shí)用

7、到你的工序知識(shí) 向最了解該工序的專業(yè)人士向最了解該工序的專業(yè)人士-團(tuán)隊(duì)咨詢團(tuán)隊(duì)咨詢 訣竅：訣竅： 多年的經(jīng)驗(yàn)表明，真正關(guān)鍵的因子可能只有兩到六個(gè)。多年的經(jīng)驗(yàn)表明，真正關(guān)鍵的因子可能只有兩到六個(gè)。 我們面臨的挑戰(zhàn)是找到有影響的變量和測(cè)試范圍，這樣才能我們面臨的挑戰(zhàn)是找到有影響的變量和測(cè)試范圍，這樣才能驗(yàn)證它們的重要性。驗(yàn)證它們的重要性。 先測(cè)試最具可能的那些因子先測(cè)試最具可能的那些因子使試驗(yàn)簡(jiǎn)化。使試驗(yàn)簡(jiǎn)化。 當(dāng)然還需要靠你的判斷當(dāng)然還需要靠你的判斷-有時(shí)你不得不選多點(diǎn)。有時(shí)你不得不選多點(diǎn)。在DOE術(shù)語(yǔ)中通常稱為“因子”練習(xí)-用頭腦風(fēng)暴法確定變量 X 分組用頭腦風(fēng)暴法列出潛在的分組用頭腦風(fēng)暴法列

8、出潛在的X變量。投射幾次球感覺(jué)一下這個(gè)變量。投射幾次球感覺(jué)一下這個(gè)系統(tǒng)是怎樣工作的?？赡苣銈兞邢到y(tǒng)是怎樣工作的?？赡苣銈兞谐隽耸畟€(gè)以上的出了十個(gè)以上的X變量。盡量想變量。盡量想辦法降到不超過(guò)六個(gè)。辦法降到不超過(guò)六個(gè)。選擇變量水平 高、低兩個(gè)水平的代碼分別為高、低兩個(gè)水平的代碼分別為+1和和-1。 對(duì)于投射機(jī)的問(wèn)題，我們將選擇兩個(gè)投射角度：對(duì)于投射機(jī)的問(wèn)題，我們將選擇兩個(gè)投射角度： 低水平低水平 (-1) - 140 度度 高水平高水平 (+1) - 180度度 如果可能的話，高低水平之間的跨度要寬到足以看如果可能的話，高低水平之間的跨度要寬到足以看到結(jié)果的差距。到結(jié)果的差距。 不能超出可以調(diào)節(jié)

9、的范圍之外不能超出可以調(diào)節(jié)的范圍之外 (如當(dāng)前的工序范圍如當(dāng)前的工序范圍) 必須意識(shí)到測(cè)試過(guò)程中參數(shù)的有些搭配，將會(huì)生產(chǎn)必須意識(shí)到測(cè)試過(guò)程中參數(shù)的有些搭配，將會(huì)生產(chǎn)出不可接受的產(chǎn)品。這種現(xiàn)象是預(yù)估得到的并且可出不可接受的產(chǎn)品。這種現(xiàn)象是預(yù)估得到的并且可以接受的。以接受的。 對(duì)于連續(xù)形的對(duì)于連續(xù)形的X變量，要從當(dāng)前操作條件的極限開(kāi)變量，要從當(dāng)前操作條件的極限開(kāi)始調(diào)節(jié)始調(diào)節(jié)兩個(gè)變量的全因子設(shè)計(jì) A 低，B高-1A ，+1B0(A), 0(B)BAA 低，B低-1A ，-1BA 高，B低+1A ，-1BA 高，B高+1A ，+1B優(yōu)點(diǎn)缺點(diǎn)設(shè)計(jì)簡(jiǎn)單設(shè)計(jì)簡(jiǎn)單控制四次測(cè)試控制四次測(cè)試一個(gè)交互作用一個(gè)交互作

10、用只有有關(guān)這兩個(gè)因子只有有關(guān)這兩個(gè)因子及其交互作用的信息及其交互作用的信息從其它角度來(lái)看兩個(gè)變量的全因子設(shè)計(jì) 設(shè)計(jì)AB低高低高A B A* B-1 -1 +1+1 -1 -1-1 +1 -1+1 +1 +1AB低高高低因子設(shè)計(jì)的特性-平衡 平衡：在試驗(yàn)中，每個(gè)變量不論是在高還是低水平平衡：在試驗(yàn)中，每個(gè)變量不論是在高還是低水平運(yùn)行的次數(shù)都是相同的?？慈缦略O(shè)計(jì)，變量運(yùn)行的次數(shù)都是相同的?？慈缦略O(shè)計(jì)，變量A有兩有兩輪是在高水平運(yùn)行，有兩輪是在低水平運(yùn)行。如果輪是在高水平運(yùn)行，有兩輪是在低水平運(yùn)行。如果我們把我們把A的那一列加起來(lái)，我們就得到的那一列加起來(lái)，我們就得到(-1)+(+1)+(-1)+(

11、+1)=0。這一特點(diǎn)使我們能用簡(jiǎn)單的數(shù)學(xué)方法。這一特點(diǎn)使我們能用簡(jiǎn)單的數(shù)學(xué)方法來(lái)分析設(shè)計(jì)，讓我們明白變量的每個(gè)水平對(duì)最終結(jié)來(lái)分析設(shè)計(jì)，讓我們明白變量的每個(gè)水平對(duì)最終結(jié)果的影響是相等的。果的影響是相等的。Run Order A B A* B1 -1 -1 +12 +1 -1 -13 -1 +1 -14 +1 +1 +1因子設(shè)計(jì)的特性-正交 正交：如果我們將每一列變量的符合相乘，我們就正交：如果我們將每一列變量的符合相乘，我們就能得到下面設(shè)計(jì)中的能得到下面設(shè)計(jì)中的AB列。這一列代表了列。這一列代表了A和和B的的交互作用。正交特性確保了交互作用。正交特性確保了A和和B這樣的主要因素這樣的主要因素列中

12、正號(hào)和負(fù)號(hào)的排列，使得由它們產(chǎn)生的列也是列中正號(hào)和負(fù)號(hào)的排列，使得由它們產(chǎn)生的列也是平衡的。或者說(shuō)，確保了每個(gè)因子相對(duì)其它是獨(dú)立平衡的?；蛘哒f(shuō)，確保了每個(gè)因子相對(duì)其它是獨(dú)立的。在如下設(shè)計(jì)中，變量的。在如下設(shè)計(jì)中，變量A有兩輪是在高水平運(yùn)行，有兩輪是在高水平運(yùn)行，有兩輪是在低水平運(yùn)行。有兩輪是在低水平運(yùn)行。 如果我們將如果我們將AB列加起來(lái)，列加起來(lái)，我們得到我們得到(-1)(-1)+(+1)(-1)+(-1)(+1)+(+1)(+1)=0。Run Order A B A* B1 (1) -1 -1 +12 a +1 -1 -13 b -1 +1 -14 ab +1 +1 +1兩個(gè)變量的全因子設(shè)

13、計(jì)三個(gè)變量的全因子設(shè)計(jì) A B C -1 -1 -1 +1 -1 -1 -1 +1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1 -1 +1 +1 +1 +1 +1- A +- B +- B +- C +優(yōu)點(diǎn)設(shè)計(jì)簡(jiǎn)單設(shè)計(jì)簡(jiǎn)單三個(gè)雙因子交互作用三個(gè)雙因子交互作用無(wú)混淆無(wú)混淆 (因子間的混淆因子間的混淆)缺點(diǎn)只允許三個(gè)因子只允許三個(gè)因子可控制八輪測(cè)試可控制八輪測(cè)試三個(gè)變量的全因子設(shè)計(jì)矩陣圖 下列矩陣顯示了作為主導(dǎo)因素的變量下列矩陣顯示了作為主導(dǎo)因素的變量A、B和和C ，以及由它們計(jì)算得到的交互作用。以及由它們計(jì)算得到的交互作用。AB列列(典型的典型的“雙向雙向”交互作用交互作用)是由

14、是由A列和列和B列相乘得到的。列相乘得到的。ABC列列(“三向三向”交互作用交互作用)則是由則是由A列、列、B列和列和C列列相乘得到的。所有的全因子試驗(yàn)都可以用這種方法相乘得到的。所有的全因子試驗(yàn)都可以用這種方法來(lái)擴(kuò)展。來(lái)擴(kuò)展。 A B AB C AC BC ABC -1 -1 +1 -1 +1 +1 -1 +1 -1 -1 -1 -1 +1 +1 -1 +1 -1 -1 +1 -1 +1 +1 +1 +1 -1 -1 -1 -1 -1 -1 +1 +1 +1 -1 +1 +1 -1 -1 +1 -1 -1 -1 -1 +1 -1 +1 +1 +1 -1 +1 +1 +1 +1 -1 +1 +

15、1四個(gè)變量的全因子設(shè)計(jì) A B C D -1 -1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 -1 -1 -1 -1 +1 -1 +1 -1 +1 -1 -1 +1 +1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 -1 -1 +1 -1 +1 -1 +1 +1 +1 -1 +1 -1 -1 +1 +1 +1 -1 +1 +1 -1 +1 +1 +1 +1 +1 +1 +1優(yōu)點(diǎn)四個(gè)因子四個(gè)因子 (主導(dǎo)因素主導(dǎo)因素)六個(gè)雙因子交互作用六個(gè)雙因子交互作用無(wú)混淆無(wú)混淆 (因子間的混淆因子間的混淆)缺點(diǎn)要求十六輪試驗(yàn)要求十六輪試驗(yàn)BACBACD確定變量和選

16、擇你需的設(shè)計(jì)矩陣 A B C D -1 -1 -1 -1 +1 -1 -1 -1 -1 +1 -1 -1 +1 +1 -1 -1 -1 -1 +1 -1 +1 -1 +1 -1 -1 +1 +1 -1 +1 +1 +1 -1 -1 -1 -1 +1 +1 -1 -1 +1 -1 +1 -1 +1 +1 +1 -1 +1 -1 -1 +1 +1 +1 -1 +1 +1 -1 +1 +1 +1 +1 +1 +1 +1 A B C -1 -1 -1 +1 -1 -1 -1 +1 -1 +1 +1 -1 -1 -1 +1 +1 -1 +1 -1 +1 +1 +1 +1 +1 A B -1 -1 +1

17、-1 -1 +1 +1 +1兩個(gè)變量?jī)蓚€(gè)變量三個(gè)變量三個(gè)變量四個(gè)變量四個(gè)變量在Minitab中完成全因子模式設(shè)計(jì)我們要為我們要為23 因子模式進(jìn)行設(shè)因子模式進(jìn)行設(shè)計(jì)，因子不分塊。對(duì)于全因計(jì)，因子不分塊。對(duì)于全因子設(shè)計(jì)，我們需要進(jìn)行子設(shè)計(jì)，我們需要進(jìn)行2x2x2 =8輪試驗(yàn)。輪試驗(yàn)。我們將進(jìn)行八輪的三個(gè)變量全我們將進(jìn)行八輪的三個(gè)變量全因子試驗(yàn)。你首先必須選定因因子試驗(yàn)。你首先必須選定因子的個(gè)數(shù)，然后點(diǎn)擊子的個(gè)數(shù)，然后點(diǎn)擊“Designs”鍵可得到右下角所鍵可得到右下角所示對(duì)話框，選定示對(duì)話框，選定 “Full-factorial” 這一行。這一行。設(shè)計(jì)三個(gè)變量模式確定設(shè)計(jì)其它有關(guān)選項(xiàng)確定變量的名

18、稱和水平Minitab中的設(shè)計(jì)輸出 -1和和+1可以代表因子的高低水平，可以是離散型可以代表因子的高低水平，可以是離散型的，也可以是連續(xù)型的。的，也可以是連續(xù)型的。 例如溫度、切割力度、循環(huán)時(shí)間、夾具例如溫度、切割力度、循環(huán)時(shí)間、夾具A和和B，等等。，等等。 第一列因子依次表示為：第一列因子依次表示為：Solid, Holes, Solid, Holes. 第二列因子依次表示為：第二列因子依次表示為：140，140，170，170。 第三列因子由四個(gè)負(fù)一和四個(gè)正一表示。第三列因子由四個(gè)負(fù)一和四個(gè)正一表示。 這就是所說(shuō)的標(biāo)準(zhǔn)順序，方便計(jì)算。這就是所說(shuō)的標(biāo)準(zhǔn)順序，方便計(jì)算。按照設(shè)計(jì)開(kāi)始做試驗(yàn)吧！數(shù)

19、據(jù)圖解分析 在你的數(shù)據(jù)磁盤中找到在你的數(shù)據(jù)磁盤中找到CATAPULT.MTW文件。打文件。打開(kāi)后如下所示：開(kāi)后如下所示： 如果我們已經(jīng)將試驗(yàn)隨機(jī)化，不同變量搭配的試驗(yàn)如果我們已經(jīng)將試驗(yàn)隨機(jī)化，不同變量搭配的試驗(yàn)應(yīng)按隨機(jī)的順序進(jìn)行，應(yīng)按隨機(jī)的順序進(jìn)行，Runorder列代表了隨機(jī)的列代表了隨機(jī)的順序。在目前這個(gè)案例中，試驗(yàn)是按照標(biāo)準(zhǔn)順序進(jìn)順序。在目前這個(gè)案例中，試驗(yàn)是按照標(biāo)準(zhǔn)順序進(jìn)行的。行的。將數(shù)據(jù)形象地表示出來(lái)-立方體圖解 讓我們看看投射機(jī)的讓我們看看投射機(jī)的23設(shè)計(jì)。設(shè)計(jì)。軸定位軸定位 皮筋根數(shù)皮筋根數(shù) 發(fā)射角度發(fā)射角度 結(jié)果結(jié)果Minitab中的立方體圖解 這副圖通常來(lái)說(shuō)并不是很有用。只是

20、為了讓做試驗(yàn)這副圖通常來(lái)說(shuō)并不是很有用。只是為了讓做試驗(yàn)的人更形象地了解數(shù)據(jù)結(jié)果在試驗(yàn)空間是如何分布的人更形象地了解數(shù)據(jù)結(jié)果在試驗(yàn)空間是如何分布的。的。 StatDOEFactorialFactorial Plots統(tǒng)計(jì)數(shù)據(jù)分析 在這一單元中，讓我們來(lái)看看更先進(jìn)的試驗(yàn)數(shù)據(jù)分在這一單元中，讓我們來(lái)看看更先進(jìn)的試驗(yàn)數(shù)據(jù)分析方法以及更加成熟的試驗(yàn)設(shè)計(jì)。我們將從之前我析方法以及更加成熟的試驗(yàn)設(shè)計(jì)。我們將從之前我們用過(guò)的文件開(kāi)始。們用過(guò)的文件開(kāi)始。 從你的數(shù)據(jù)磁盤中找出文件從你的數(shù)據(jù)磁盤中找出文件CATAPULT.mtw。該文。該文件顯示如下：件顯示如下： 如果我們將試驗(yàn)隨機(jī)化，如果我們將試驗(yàn)隨機(jī)化，R

21、unOrder列應(yīng)該為隨機(jī)的列應(yīng)該為隨機(jī)的順序，我們應(yīng)按照該順序來(lái)進(jìn)行試驗(yàn)。在這個(gè)案例順序，我們應(yīng)按照該順序來(lái)進(jìn)行試驗(yàn)。在這個(gè)案例中，試驗(yàn)是按照標(biāo)準(zhǔn)順序。中，試驗(yàn)是按照標(biāo)準(zhǔn)順序。Minitab中的統(tǒng)計(jì)分析 StatDOEFactorialAnalyze Factorial Design在該模式中確定“Terms”(選項(xiàng)) 在該統(tǒng)計(jì)模式中，我們將確定想要的選項(xiàng)。在該統(tǒng)計(jì)模式中，我們將確定想要的選項(xiàng)。Minitab中的默認(rèn)值是將主導(dǎo)因素、交互作用及三項(xiàng)交互作中的默認(rèn)值是將主導(dǎo)因素、交互作用及三項(xiàng)交互作用都插入到該統(tǒng)計(jì)模式中。如果點(diǎn)擊雙右向箭頭鍵，用都插入到該統(tǒng)計(jì)模式中。如果點(diǎn)擊雙右向箭頭鍵，可以將

22、可以將“Available Terms”(可選項(xiàng)可選項(xiàng))中的條目移到中的條目移到“Selected Terms” (已選項(xiàng)已選項(xiàng))視窗中。以后我們還會(huì)視窗中。以后我們還會(huì)返回來(lái)分析將一些選項(xiàng)移走后的影響。返回來(lái)分析將一些選項(xiàng)移走后的影響。Minitab中的統(tǒng)計(jì)輸出主導(dǎo)因素圖解 主導(dǎo)因素圖是因子試驗(yàn)最基本的圖形輸出。象主導(dǎo)因素圖是因子試驗(yàn)最基本的圖形輸出。象Minitab所顯示的，所有的變量共一條所顯示的，所有的變量共一條Y軸，一個(gè)軸，一個(gè)接一個(gè)的畫出。這些圖通?？捎糜趯憟?bào)告以及用于接一個(gè)的畫出。這些圖通?？捎糜趯憟?bào)告以及用于輔助陳述。輔助陳述。 StatDOEFactorialFactoria

23、l Plots主導(dǎo)因素圖解及計(jì)算軸定位為低水平設(shè)置時(shí)的平均距離: 2.10+3.35+5.15+8.20=18.8/4=4.70軸定位為高水平設(shè)置時(shí)的平均距離: 0.90+1.50+2.40+4.55=9.35/4=2.34交互作用圖解 當(dāng)兩個(gè)變量同時(shí)作用對(duì)試驗(yàn)結(jié)果產(chǎn)生影響，即為交當(dāng)兩個(gè)變量同時(shí)作用對(duì)試驗(yàn)結(jié)果產(chǎn)生影響，即為交互作用。交互作用圖是在同一幅圖中同時(shí)畫出兩個(gè)互作用。交互作用圖是在同一幅圖中同時(shí)畫出兩個(gè)變量。如下所示。注意在這幅圖中，變量變量。如下所示。注意在這幅圖中，變量“ A”和和Y軸的關(guān)系隨著變量軸的關(guān)系隨著變量“ B”的變化而變化。當(dāng)?shù)淖兓兓．?dāng)“ B”在高水平時(shí)，變量在高

24、水平時(shí)，變量“ A”幾乎對(duì)幾乎對(duì)Y沒(méi)有影響。當(dāng)沒(méi)有影響。當(dāng)“ B”在低水平時(shí)，在低水平時(shí)，“ A”對(duì)對(duì)Y具有強(qiáng)烈的影響?？删哂袕?qiáng)烈的影響?？捎脙蓷l線不平行的度來(lái)區(qū)別交互作用的強(qiáng)弱特性。用兩條線不平行的度來(lái)區(qū)別交互作用的強(qiáng)弱特性。交互作用的度弱交互無(wú)交互完全反向強(qiáng)交互半反向交互作用的計(jì)算產(chǎn)生交互作用圖 當(dāng)你選擇了兩個(gè)以上的變量，當(dāng)你選擇了兩個(gè)以上的變量，Minitab能產(chǎn)生一個(gè)能產(chǎn)生一個(gè)交互作用矩陣圖，由此你可以同時(shí)看到多個(gè)交互作交互作用矩陣圖，由此你可以同時(shí)看到多個(gè)交互作用。右上角的圖展示了在用。右上角的圖展示了在Pin_Pos(軸定位軸定位)兩個(gè)不兩個(gè)不同水平變量同水平變量Strt_Ang(

25、發(fā)射角度發(fā)射角度)對(duì)對(duì)Y的影響。紅線的影響。紅線表示表示Pin_Pos(軸定位軸定位)在高水平時(shí)在高水平時(shí)Strt_Ang(發(fā)射發(fā)射角度角度)對(duì)對(duì)Y的影響。黑線表示的影響。黑線表示Pin_Pos(軸定位軸定位)在低在低水平時(shí)水平時(shí)Strt_Ang(發(fā)射角度發(fā)射角度)對(duì)對(duì)Y的影響的影響. StatDOEFactorialFactorial Plots交互作用矩陣全圖 下圖的左下腳用紅線圍出的這一部分是右上角的鏡像圖。下圖的左下腳用紅線圍出的這一部分是右上角的鏡像圖。X變量軸變量軸被掉換，因此最左下角的圖和最右上角的圖是相同的，不同的是現(xiàn)被掉換，因此最左下角的圖和最右上角的圖是相同的，不同的是現(xiàn)在

26、在Pin_Pos(定位軸定位軸)在在X軸上，軸上，Strt_Ang(發(fā)射角度發(fā)射角度)設(shè)置在兩個(gè)水平。設(shè)置在兩個(gè)水平。這樣有助于通過(guò)兩種表述來(lái)看交互作用。這樣有助于通過(guò)兩種表述來(lái)看交互作用。 StatDOEFactorialFactorial Plots交互的杠桿作用左邊所示主導(dǎo)因素圖中，左邊所示主導(dǎo)因素圖中，“Replace vs. New”變量對(duì)銷售利潤(rùn)有最大變量對(duì)銷售利潤(rùn)有最大影響。然而該變量卻不影響。然而該變量卻不能由銷售部門所掌控。能由銷售部門所掌控。下列交互作用圖顯示了下列交互作用圖顯示了該變量也和交互作用有該變量也和交互作用有關(guān)。關(guān)。交互作用圖顯示，如果銷售部門使用交互作用圖顯示

27、，如果銷售部門使用一臺(tái)現(xiàn)有的設(shè)備一臺(tái)現(xiàn)有的設(shè)備(低水平低水平)，那么，那么“specialist”(專員專員)的參與對(duì)銷售利潤(rùn)的參與對(duì)銷售利潤(rùn)有非常大的影響。如果換用一臺(tái)競(jìng)爭(zhēng)有非常大的影響。如果換用一臺(tái)競(jìng)爭(zhēng)對(duì)手的設(shè)備，專員的參與所帶來(lái)的影對(duì)手的設(shè)備，專員的參與所帶來(lái)的影響就顯得微不足道。如果你是一名銷響就顯得微不足道。如果你是一名銷售經(jīng)理，這些信息對(duì)你有什么用處呢售經(jīng)理，這些信息對(duì)你有什么用處呢？其它交互杠桿作用 在這個(gè)例子當(dāng)中，該產(chǎn)品由兩個(gè)主要部件構(gòu)成。在這個(gè)例子當(dāng)中，該產(chǎn)品由兩個(gè)主要部件構(gòu)成?！癐nsert”(插件插件)是由幾百個(gè)復(fù)雜的部分組成，難于是由幾百個(gè)復(fù)雜的部分組成，難于裝配和測(cè)試

28、。裝配和測(cè)試?！癈asing”(套件套件)則是相當(dāng)簡(jiǎn)單的鋁則是相當(dāng)簡(jiǎn)單的鋁鑄件，易于生產(chǎn)和修整。鑄件，易于生產(chǎn)和修整。 該公司應(yīng)該怎樣分配它的改善資源呢？隨機(jī)性 關(guān)于這一點(diǎn)，在關(guān)于這一點(diǎn)，在Minitab的設(shè)計(jì)發(fā)生器中我們沒(méi)有的設(shè)計(jì)發(fā)生器中我們沒(méi)有選擇隨機(jī)功能?，F(xiàn)在我們需要回到有關(guān)隨機(jī)的內(nèi)容選擇隨機(jī)功能。現(xiàn)在我們需要回到有關(guān)隨機(jī)的內(nèi)容看看它對(duì)試驗(yàn)的影響。看看它對(duì)試驗(yàn)的影響。 如果我們做一個(gè)簡(jiǎn)單的試驗(yàn)，如上圖所示，溫度對(duì)輸出結(jié)果有影響嗎？如果有，它們是什么關(guān)系呢？不隨機(jī)試驗(yàn)的影響 如果我們的工序隨著時(shí)間的改變呈現(xiàn)出周期性變化，如果我們的工序隨著時(shí)間的改變呈現(xiàn)出周期性變化，如下圖所示，那么真的是溫

29、度的增長(zhǎng)影響了輸出嗎？如下圖所示，那么真的是溫度的增長(zhǎng)影響了輸出嗎？還是我們的工序本身碰巧覆蓋在一個(gè)自然的周期上？還是我們的工序本身碰巧覆蓋在一個(gè)自然的周期上？可以這樣說(shuō)嗎？我們?cè)鯓臃乐惯@種情況出現(xiàn)呢？答可以這樣說(shuō)嗎？我們?cè)鯓臃乐惯@種情況出現(xiàn)呢？答案就是將收集數(shù)據(jù)的順序隨機(jī)化。不再隨著溫度從案就是將收集數(shù)據(jù)的順序隨機(jī)化。不再隨著溫度從110度到度到140度持續(xù)上升的順序來(lái)取樣，我們應(yīng)該度持續(xù)上升的順序來(lái)取樣，我們應(yīng)該將溫度的順序隨機(jī)化。這樣做的話，我們能夠盡量將溫度的順序隨機(jī)化。這樣做的話，我們能夠盡量減少自然的或者非自然的因素對(duì)試驗(yàn)的影響。減少自然的或者非自然的因素對(duì)試驗(yàn)的影響。Minita

30、b怎樣將試驗(yàn)隨機(jī)的呢？ Minitab將試驗(yàn)設(shè)計(jì)隨機(jī)就是將試驗(yàn)的標(biāo)準(zhǔn)順序重新排將試驗(yàn)設(shè)計(jì)隨機(jī)就是將試驗(yàn)的標(biāo)準(zhǔn)順序重新排列。我們注意到列。我們注意到A，B和和C列中的符號(hào)不再有明顯的規(guī)列中的符號(hào)不再有明顯的規(guī)律。當(dāng)運(yùn)行該試驗(yàn)時(shí)，我們會(huì)按照律。當(dāng)運(yùn)行該試驗(yàn)時(shí)，我們會(huì)按照Runorder(運(yùn)行順運(yùn)行順序序)列的順序進(jìn)行。列的順序進(jìn)行。StdOrder列告訴我們第一組搭配列告訴我們第一組搭配在標(biāo)準(zhǔn)試驗(yàn)中應(yīng)為第在標(biāo)準(zhǔn)試驗(yàn)中應(yīng)為第4行。再看看運(yùn)行順序行。再看看運(yùn)行順序2，該組搭，該組搭配在標(biāo)準(zhǔn)試驗(yàn)中則是在第配在標(biāo)準(zhǔn)試驗(yàn)中則是在第7行。如果你想讓試驗(yàn)重新行。如果你想讓試驗(yàn)重新按照標(biāo)準(zhǔn)順序排列，可以使用按照標(biāo)

31、準(zhǔn)順序排列，可以使用StatDOEDisplay Design, 并選擇并選擇“Standard Order for Design.”自動(dòng)生成預(yù)測(cè)等式 StatDOEFactorialResponse Optimizer自動(dòng)生成預(yù)測(cè)等式 Response Optimizer (輸出優(yōu)化器輸出優(yōu)化器)符合預(yù)測(cè)等式，并且符合預(yù)測(cè)等式，并且方便用戶調(diào)整輸入變量的水平。左邊藍(lán)色的方便用戶調(diào)整輸入變量的水平。左邊藍(lán)色的Y是預(yù)測(cè)值。是預(yù)測(cè)值。我們可以用鼠標(biāo)來(lái)移動(dòng)垂直的紅線來(lái)調(diào)整輸入變量。我們可以用鼠標(biāo)來(lái)移動(dòng)垂直的紅線來(lái)調(diào)整輸入變量。使用該優(yōu)化器之前你必須先通過(guò)使用該優(yōu)化器之前你必須先通過(guò)DOEFactor

32、ialAnalyze Factorial Design對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)據(jù)進(jìn)行分析。你也必須在優(yōu)化器對(duì)話盒中進(jìn)行目標(biāo)值和上下界分析。你也必須在優(yōu)化器對(duì)話盒中進(jìn)行目標(biāo)值和上下界限的設(shè)置。限的設(shè)置。該模式的等式 下列下列“multiple regression”(多重回歸多重回歸)等式包括等式包括了交互作用了交互作用對(duì)于投射機(jī)：將上表所得到的系數(shù)連同編好代碼的因素放入下面預(yù)對(duì)于投射機(jī)：將上表所得到的系數(shù)連同編好代碼的因素放入下面預(yù)測(cè)等式中：測(cè)等式中：其中：其中：A=Pin_PosB=N_RubBndC=Strt_Ang注意：所有等式為了簡(jiǎn)化都將注意：所有等式為了簡(jiǎn)化都將“error”(誤差誤差)項(xiàng)忽略

33、了。所有有項(xiàng)忽略了。所有有關(guān)檢查關(guān)檢查“fitted regression model”(定制回歸模式定制回歸模式)的測(cè)試這的測(cè)試這里都運(yùn)用到了。里都運(yùn)用到了。該模式的等式 對(duì)投射機(jī)的統(tǒng)計(jì)數(shù)據(jù)分析表明三項(xiàng)交互作用和對(duì)投射機(jī)的統(tǒng)計(jì)數(shù)據(jù)分析表明三項(xiàng)交互作用和AB兩兩項(xiàng)交互作用都不是顯著的影響因素，所以我們就不再項(xiàng)交互作用都不是顯著的影響因素，所以我們就不再把它們放到等式中。這樣得到如下等式：把它們放到等式中。這樣得到如下等式：通過(guò)保留每個(gè)單元的系數(shù)，我們可以直接比較這些系通過(guò)保留每個(gè)單元的系數(shù)，我們可以直接比較這些系數(shù)的數(shù)量級(jí)和大小，這樣我們就可以進(jìn)行自動(dòng)的數(shù)的數(shù)量級(jí)和大小，這樣我們就可以進(jìn)行自動(dòng)

34、的Pareto分析比較每個(gè)變量影響大小。分析比較每個(gè)變量影響大小。同這些主導(dǎo)因素有關(guān)的交互作用對(duì)上述等式到底有多重要？根據(jù)同這些主導(dǎo)因素有關(guān)的交互作用對(duì)上述等式到底有多重要？根據(jù)這個(gè)公式，你如何來(lái)設(shè)定相應(yīng)的因子這個(gè)公式，你如何來(lái)設(shè)定相應(yīng)的因子(A、B、C)使你的球可以使你的球可以投射到投射到5米遠(yuǎn)的地方？米遠(yuǎn)的地方？確定投向五米的參數(shù)設(shè)置 一個(gè)等式，三個(gè)未知數(shù)。有些東西是一個(gè)等式，三個(gè)未知數(shù)。有些東西是“fixed”(固定的固定的)。 一個(gè)選擇、及一項(xiàng)通則：一個(gè)選擇、及一項(xiàng)通則：從最沒(méi)有靈活性的變量從最沒(méi)有靈活性的變量(離散型數(shù)據(jù)離散型數(shù)據(jù))開(kāi)始。然后逐漸調(diào)整開(kāi)始。然后逐漸調(diào)整最靈活的變量最靈

35、活的變量(連續(xù)型數(shù)據(jù)連續(xù)型數(shù)據(jù))。定位銷的位置和皮筋的數(shù)。定位銷的位置和皮筋的數(shù)量都是離散變量，我們先從它們開(kāi)始。量都是離散變量，我們先從它們開(kāi)始。A=Pin_PosB=N_RubBndC=Strt_Ang如果我們把如果我們把B設(shè)置在設(shè)置在+1(兩根皮筋兩根皮筋)，同時(shí)忽略其它變量，同時(shí)忽略其它變量，我們可預(yù)測(cè)：我們可預(yù)測(cè)：3.519+0.881(1)=4.4 meters - 不夠遠(yuǎn)。不夠遠(yuǎn)。我們現(xiàn)在需要把我們現(xiàn)在需要把A設(shè)置在設(shè)置在-1(定位銷位置定位銷位置1)處，同時(shí)處，同時(shí)B設(shè)設(shè)置在置在+1。我們預(yù)測(cè)：。我們預(yù)測(cè)：3.519-1.181(-1)+0.881(1)=5.581 meter

36、s - 太遠(yuǎn)。太遠(yuǎn)。我們以及預(yù)測(cè)到球會(huì)被投射到我們以及預(yù)測(cè)到球會(huì)被投射到5.581米遠(yuǎn)的地方。但是米遠(yuǎn)的地方。但是我們想要的是僅僅我們想要的是僅僅5米，所以我們要用變量米，所以我們要用變量C來(lái)調(diào)整來(lái)調(diào)整(5-5.581)= - 0.581米。米。 出于圖解的需要，我們要將等式簡(jiǎn)化，移開(kāi)交互作用，出于圖解的需要，我們要將等式簡(jiǎn)化，移開(kāi)交互作用，只保留主導(dǎo)因素。只保留主導(dǎo)因素。確定投向五米的參數(shù)設(shè)置 根據(jù)我們之前的設(shè)定：根據(jù)我們之前的設(shè)定：A在在-1 (定位銷位置定位銷位置1) B在在+1(兩根皮兩根皮筋筋) 我們?cè)鯓永梦覀冊(cè)鯓永肅將距離減少將距離減少0.581米呢？米呢？-0.581 = 1

37、.556C C = - 0.581 / 1.556 C = -0.373增加重復(fù)次數(shù) - 對(duì)誤差更好的評(píng)估 重復(fù)是對(duì)基本試驗(yàn)的重復(fù)。如果我們?cè)O(shè)計(jì)了重復(fù)兩次，重復(fù)是對(duì)基本試驗(yàn)的重復(fù)。如果我們?cè)O(shè)計(jì)了重復(fù)兩次，那么我們將樣品數(shù)增加到二，也就是每組參數(shù)搭配做那么我們將樣品數(shù)增加到二，也就是每組參數(shù)搭配做兩輪試驗(yàn)。一般來(lái)說(shuō)，試驗(yàn)最好多于一次。你實(shí)際運(yùn)兩輪試驗(yàn)。一般來(lái)說(shuō)，試驗(yàn)最好多于一次。你實(shí)際運(yùn)行的重復(fù)次數(shù)應(yīng)該由分析階段所進(jìn)行的樣品大小分析行的重復(fù)次數(shù)應(yīng)該由分析階段所進(jìn)行的樣品大小分析來(lái)決定。這些內(nèi)容在接下來(lái)的幾頁(yè)中會(huì)提到。來(lái)決定。這些內(nèi)容在接下來(lái)的幾頁(yè)中會(huì)提到。 打開(kāi)打開(kāi)Rcatapult.mtw 文

38、件。文件。結(jié)果有什么不同呢？是誤差這一項(xiàng)不同嗎？結(jié)果有什么不同呢？是誤差這一項(xiàng)不同嗎？確定重復(fù)次數(shù)和樣本大小 右圖是樣本大小表的右圖是樣本大小表的一部分，我們?cè)谏弦浑A一部分，我們?cè)谏弦浑A段兩個(gè)樣本測(cè)試中用到段兩個(gè)樣本測(cè)試中用到過(guò)。盡管在用過(guò)。盡管在用ANOVA分析兩個(gè)水平因變量所分析兩個(gè)水平因變量所要求的樣本大小和這里要求的樣本大小和這里所顯示的略微有點(diǎn)不同，所顯示的略微有點(diǎn)不同，但我們要用這個(gè)表格來(lái)但我們要用這個(gè)表格來(lái)解釋我們的方案。當(dāng)我解釋我們的方案。當(dāng)我們計(jì)算變量們計(jì)算變量A的影響大的影響大小時(shí)，我們比較小時(shí)，我們比較A在負(fù)在負(fù)水水 平的平均值和在正水平的平均值。我們樣本平的平均值和在正

39、水平的平均值。我們樣本大小的要求基于觀察到的數(shù)量，它被用于計(jì)算大小的要求基于觀察到的數(shù)量，它被用于計(jì)算每個(gè)平均值。上述例子中，我們運(yùn)行重復(fù)兩次每個(gè)平均值。上述例子中，我們運(yùn)行重復(fù)兩次的的22全因子試驗(yàn)每一列平均值包含了四個(gè)樣本。全因子試驗(yàn)每一列平均值包含了四個(gè)樣本。這樣，我們這次分析的樣本大小就是四。這樣，我們這次分析的樣本大小就是四。 重復(fù)次數(shù)重復(fù)次數(shù)= 2 * 計(jì)算的樣本大小計(jì)算的樣本大小 / 基本試驗(yàn)基本試驗(yàn)運(yùn)行的次數(shù)運(yùn)行的次數(shù) StatDOEFactorialAnalyze Factorial Design偏差分析如圖所示，變量如圖所示，變量A和和B對(duì)對(duì)方差有影響，這里是由方差有影響，

40、這里是由剩余值所表現(xiàn)出來(lái)的。剩余值所表現(xiàn)出來(lái)的。另一方面，變量另一方面，變量C對(duì)方差對(duì)方差影響較小。三個(gè)變量中，影響較小。三個(gè)變量中，A影響最大。我們注意到影響最大。我們注意到圖上增加了分布圖形用圖上增加了分布圖形用于描述理論上的分布情于描述理論上的分布情況。況。剩余值圖解分塊 盡管我們能夠一次運(yùn)行完所有的試驗(yàn)，盡管我們能夠一次運(yùn)行完所有的試驗(yàn)，一個(gè)操作工，一批物料一個(gè)操作工，一批物料，等等，但在現(xiàn)等等，但在現(xiàn)實(shí)世界中，我們不可能總是這樣。我們實(shí)世界中，我們不可能總是這樣。我們可能碰到一個(gè)很大的試驗(yàn)，或者樣品處可能碰到一個(gè)很大的試驗(yàn)，或者樣品處理過(guò)程非常慢，我們需要花費(fèi)兩個(gè)班次理過(guò)程非常慢，我

41、們需要花費(fèi)兩個(gè)班次甚至兩天來(lái)完成。班次和天數(shù)是不是會(huì)甚至兩天來(lái)完成。班次和天數(shù)是不是會(huì)對(duì)試驗(yàn)有一些預(yù)想不到的，或許很糟糕對(duì)試驗(yàn)有一些預(yù)想不到的，或許很糟糕但又無(wú)法檢測(cè)的影響呢？我們可以把班但又無(wú)法檢測(cè)的影響呢？我們可以把班次和天數(shù)這樣的變量稱為次和天數(shù)這樣的變量稱為“分塊分塊”變量。變量。 如果我們的試驗(yàn)需如果我們的試驗(yàn)需要兩天時(shí)間，那么我要兩天時(shí)間，那么我們說(shuō)我們會(huì)在兩個(gè)們說(shuō)我們會(huì)在兩個(gè)“塊塊”中運(yùn)行。我們中運(yùn)行。我們?cè)鯓觼?lái)評(píng)估怎樣來(lái)評(píng)估“塊塊”變變量帶來(lái)的影響呢？量帶來(lái)的影響呢？ 幸運(yùn)的是，在幸運(yùn)的是，在Minitab中進(jìn)行試驗(yàn)設(shè)計(jì)時(shí)可以定義塊的數(shù)量，這樣我們中進(jìn)行試驗(yàn)設(shè)計(jì)時(shí)可以定義塊的數(shù)

42、量，這樣我們可以追蹤和分析塊的影響。可以追蹤和分析塊的影響。增加Centerpoints(中心點(diǎn))初步了解彎曲度 如果你對(duì)彎曲度表示懷疑的話，只要因子可以設(shè)置在零的位置如果你對(duì)彎曲度表示懷疑的話，只要因子可以設(shè)置在零的位置(中中間間)，那么中心點(diǎn)可以加入到任何因子設(shè)計(jì)中。這里通過(guò)簡(jiǎn)單的方，那么中心點(diǎn)可以加入到任何因子設(shè)計(jì)中。這里通過(guò)簡(jiǎn)單的方法來(lái)看看彎曲是否存在。法來(lái)看看彎曲是否存在。優(yōu)點(diǎn)對(duì)設(shè)計(jì)的改變很小對(duì)設(shè)計(jì)的改變很小增加少數(shù)額外幾輪試驗(yàn)增加少數(shù)額外幾輪試驗(yàn)檢測(cè)表面彎曲度檢測(cè)表面彎曲度結(jié)果可保留待用結(jié)果可保留待用 缺點(diǎn)一般要求連續(xù)有序的因子。一般要求連續(xù)有序的因子。彎曲的根源不清楚彎曲的根源不

43、清楚 設(shè)計(jì)一項(xiàng)重復(fù)兩遍、具有五個(gè)中心點(diǎn)的設(shè)計(jì)一項(xiàng)重復(fù)兩遍、具有五個(gè)中心點(diǎn)的22全因子試全因子試驗(yàn)。記住在設(shè)計(jì)對(duì)話盒中將驗(yàn)。記住在設(shè)計(jì)對(duì)話盒中將“Randomize”(隨機(jī)隨機(jī))功能關(guān)閉。這樣產(chǎn)生的設(shè)計(jì)是按照標(biāo)準(zhǔn)順序排列，功能關(guān)閉。這樣產(chǎn)生的設(shè)計(jì)是按照標(biāo)準(zhǔn)順序排列，如下所示：如下所示： 打開(kāi)文件打開(kāi)文件centerpt.mtw.訣竅：中心點(diǎn)的數(shù)量一般是每塊運(yùn)行次數(shù)的一半。訣竅：中心點(diǎn)的數(shù)量一般是每塊運(yùn)行次數(shù)的一半。附有中心點(diǎn)的主導(dǎo)因素影響圖解 在主導(dǎo)因素影響圖解中，中心點(diǎn)是用藍(lán)色棱形來(lái)表在主導(dǎo)因素影響圖解中，中心點(diǎn)是用藍(lán)色棱形來(lái)表示的。如果這個(gè)標(biāo)記在連接影響平均值的黑線上，示的。如果這個(gè)標(biāo)記在連

44、接影響平均值的黑線上，或距離黑線很近，那么我們可以猜測(cè)試驗(yàn)結(jié)果具有或距離黑線很近，那么我們可以猜測(cè)試驗(yàn)結(jié)果具有很小的彎曲度。如果給標(biāo)記遠(yuǎn)離黑線，如下所示，很小的彎曲度。如果給標(biāo)記遠(yuǎn)離黑線，如下所示，我們猜測(cè)這個(gè)系統(tǒng)當(dāng)中具有一定的彎曲度。接下來(lái)我們猜測(cè)這個(gè)系統(tǒng)當(dāng)中具有一定的彎曲度。接下來(lái)我們將看看統(tǒng)計(jì)結(jié)果。我們將看看統(tǒng)計(jì)結(jié)果。附有中心點(diǎn)的交互作用圖解 在交互作用圖解中，藍(lán)色棱形表示了中心點(diǎn)。由于在交互作用圖解中，藍(lán)色棱形表示了中心點(diǎn)。由于該標(biāo)記遠(yuǎn)離兩條線，我們可以猜測(cè)有明顯的彎曲存該標(biāo)記遠(yuǎn)離兩條線，我們可以猜測(cè)有明顯的彎曲存在。在。無(wú)彎曲的實(shí)例StatDOEFactorialCreate Fac

45、torial Design生成分部設(shè)計(jì) 上圖顯示的是所有可能的分部設(shè)計(jì)。我們可以看到綠上圖顯示的是所有可能的分部設(shè)計(jì)。我們可以看到綠色部分是最理想的設(shè)計(jì)色部分是最理想的設(shè)計(jì)-因?yàn)橹鲗?dǎo)因素之間、主導(dǎo)因素因?yàn)橹鲗?dǎo)因素之間、主導(dǎo)因素和雙因子交互作用之間以及雙因子交互作用相互之間和雙因子交互作用之間以及雙因子交互作用相互之間都沒(méi)有混淆。紅色部分是決策三設(shè)計(jì)，選用時(shí)須格外都沒(méi)有混淆。紅色部分是決策三設(shè)計(jì)，選用時(shí)須格外小心。小心。Planning Questions What is the measurable objective? What will it cost? How will we deter

46、mine sample sizes? What is our plan for randomization? Have we talked to internal customers about this? How long will it take? How are we going to analyze the data? Have we planned a pilot run? Where s the proposal?DOE Planning WorksheetDate:_Product:_Team Leader:_Process(es):_Expected Start:_Expected Completion:_=Problem Statement:Objective:DOE WorksheetList of Experiment ParametersResponse:_ Type: QuantitativeQualitativeUnit of Measure:_Specification:_1.InputLevelsSpecific