DOE分析步骤及2水平2因子实验设计讲座2
2k因子实验设计简介
1
如何创建一个2k试验设计
统计＞ DOE＞因子＞创建因子设计
用MINATAB进行演示
A:加热温度，低水平820 B:加热时间，低水平2 C:转换时间 ，低水平1.4 D:保温时间， 低水平50
高水平860（摄氏度） 高水平3（分钟） 高水平1.6（分钟）
catalyzer 44
consistence
42
40
38
36
34
32
30
-1
1
-1
1
备注:
一个因子的主效果是由于 改变该因子的水平而导致 输出变量的平均变化。
随着浓度从水平一达到水平二样本的平均良率从34增加到41
对催化剂作出同等的陈述….
25
太钢矿业公司六西格玛管理黑带培训教材
步骤8：交互作用图
图2解释：观察残差对于响应变量拟合 值的散点图，是否有“漏斗型：或 “喇叭型”，如出现就对Y 进行转 换
数据文件：试验设计例3
Y
Y ln y
7
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
图3解释:
在正态概率图中观察是否服从正态分布有弯曲 趋势，如果非正态则找原因是否漏因子数据收集 有问题
图4解释:
残差对于自变量的散点图如果有弯曲， 首先看图2（残差对于响应变量拟合值的）正常，如果 它正常，而图4不正常，则说明需增加X 的高次项或其它项
8
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
4、判断模型是否需要改进 1）全部因子不显著---本身进入DOE的因子不正确、因子主
观性太强、因子本身没找全、因子筛选过简单、因子水平 范围太窄
--统---不可＞好能造漏成掉的了重要因子
------可能模型有弯曲 2）观察失拟状态的P值， P值＞0.05说明失拟不显著，拟合良好，如果
有失拟可能漏掉了重要因子应补上
3
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
3）检查曲率的P值：加了中心点后出现一个曲率的P值，如果P ＞0.05,说 明无弯曲，
11
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
6、观察主效果、交互图、立方图、等高线图、曲面图
路径：统计＞DOE ＞因子＞因子图 路径：统计＞DOE ＞因子＞等高线图/曲面图
解释：1、在主效应图中回归线较陡，主效应显著，较平不 显著
2、在交互图中两两因子效应线不平行，二者交互作 用就显著。
但 AB 交互作用是最大的因素， 然后才是压力和温度
图中无标识显示统计显著性
23
太钢矿业公司六西格玛管理黑带培训教材
步骤8：主效果图
Menu: Stat>DOE>Factorial Plots
24
太钢矿业公司六西格玛管理黑带培训教材
步骤8：主效果图
Mean of Yield
Main Effects Plot (data means) for Yield
6）残差图中----残差对拟合值有有“漏斗型：或“喇叭 型”将Y 进行娈换
或对自变量诊断图中有弯曲加是自变量或直接进行RSM
10
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
5、模型优化检测
路径：统计＞DOE ＞分析 因子设计＞图形＞“标准 化” ＞存储 如果标准化的残差绝对值 大于2，则说明模型不够优 化
4
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
5）观察S值
所有观察值和理论值之是都有误差，S是对应于残差 误差行的平均离差平方和的开方，因此S值越小越好。
6）观察Press值和R2预测
Press值：有一些杠杆点，每删掉一个杠杆点后得到的误差平
方和的平均值，如果当某一个点影响大的时侯， Press要
在正态效应图：遵循“效应稀疏原则 ”，假定大多数因子只会有极少数
因子效应是显著的，因此远离直线的点是显著的，下方为负效应，上 方为正效应。
6
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
3、残差诊断
图1解释：按观察顺序的残差图，各点 是否随机地在水平轴止下无规则地 波动着
如有逐步增加或减小的趋势说明有漏 项或有未知的重要因子影响
30
太钢矿业公司六西格玛管理黑带培训教材
复制分析
假如我们已经对较早的例题(良率) 做了两次复制
➢ 数据组如下 ❖ (试验设计例4).----学员动手操作复制一次
Cata1 Cata2 催化剂 1 催化剂 2
Consistence 1
浓度 1
32 38
Consistence 2 浓度2
54
24
Catalyze 1 Catalyze 2
步骤4：分析数据
Menu: Stat>DOE>Analyze Factorial Design
模型良率 = f(浓度, 催化剂)，包含两个因子与其交互作用
20
太钢矿业公司六西格玛管理黑带培训教材
步骤5：理解结果
无足够的数据（自由度）来计算
21
太钢矿业公司六西格玛管理黑带培训教材
步骤6：制作图表
Menu: Stat>DOE>Factorial Plots
26
太钢矿业公司六西格玛管理黑带培训教材
步骤8：交互作用图
Mean
备注：
Interaction Plot (data means) for Yield
55 50
在有些实验中，我们发现对 catalyzer -1 1
45
于其他因子的不同水平，一
(response is Yield, Alpha = .05)
99
95 90
80
14
太钢矿业公司六西格玛管理黑带培训教材
太钢六西格玛管理黑带培训 2k因子实验
2 x 2 例题（让学员使用Minitab）
15
步骤1： 识别问题
第 1 步: 实际问题：确定温度与压力在两个不 同的产品的良率上产生的效果。使用下列数据：
Cata1 Cata2 催化剂 1 催化剂 2
Consistence 1
Conc 1
34
40
Conc 2
50
22
31
太钢矿业公司六西格玛管理黑带培训教材
复制分析
现在我们可以评估统计显著性
32
太钢矿业公司六西格玛管理黑带培训教材
Term Percent
复制分析
Pareto Chart of the Standardized Effects
(response is Yield, Alpha = .05) 2.78
40
个因子的水平间的主效果并
35
不相同。在这种情况下因子
30
间具有交互作用。
25
20
-1
1
consistence
这里，浓度与催化剂之间存在着影响良率的明显的交互作用回想柏拉图的显示。
27
太钢矿业公司六西格玛管理黑带培训教材
太钢六西格玛管理黑带培训 2k 因子实验简介
重复、复制和随机化
28
重复 和复制
Cata Conc Yield -1 -1 32 1 -1 38 -1 1 54 1 1 24
18
太钢矿业公司六西格玛管理黑带培训教材
步骤3：记录结果
数据录入Minitab
Menu: Stat>DOE>Define Custom Factorial Design
19
太钢矿业公司六西格玛管理黑带培训教材
选择
选择 “2”
选择“Designs”
17
太钢矿业公司六西格玛管理黑带培训教材
步骤3：记录结果
Cata1 Cata2 催化剂 1 催化剂 2
Consistence 1
浓度 1
32 38
Consistence 2 浓度2
54
24
Your data should look
something like this 数据看起来应该象这样
2）遗漏了关键因子—重新进入DOE查找因子
3）没有对因子进行剥离---在各项效应系数分析中不显著的 主效应和交互效应应剥离，注意：如果一个高阶项显著则 此高阶项中所包含的低阶项也应被包含在模型中
9
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
4）模型本身有高次项但没加上
5）主效果都不显著交互显著---弯曲、失拟、S等值有问题， 原因可能是交互影响掩盖了主效果或本身主效果不显著
➢ 定义 重复 – 相同的实验一个接一个连续。
复制 – 整个或部分实验设计实施多次，在不同的时期， 也可能以不同的次序。
29
太钢矿业公司六西格玛管理黑带培训教材
重复 和复制
➢ 优点
重复有助于改善信噪比，尤其是当量仪的检测能力很低 时 – 它能使我们计算样本以及分析方差。
复制就更有用 – 它能使我们估计影响实验的总变异。例 如：设定差异，我们因此可以估计变量效果的误差。
cataly zer
B
consistence
AB
Term
A
B
0
20
Lenth's PSE = 18
40
60
80
Effect
100
120
Normal Probability Plot of the Effects (response is Yield, Alpha = .10)
99 Effect Ty pe
精确地解释DOE
8、进行验证实验
实验设计DOE部分因子设计实验
实验设计DOE部分因子设计实验在进行DOE实验设计时，首先需要确定影响结果的关键因素。
然后，这些因素需要被分为两个或更多的水平，以便在实验中进行变化。
最后，采用特定的实验设计方法来确定最佳的因素组合，以达到期望的结果。
DOE实验设计通常包括三个步骤：确定因素，选择实验设计和分析结果。
1.确定因素：首先，需要确定影响结果的关键因素。
这可以通过经验知识、文献研究或先前的实验来获取。
因素可以是控制变量、处理变量或随机变量。
确定因素将帮助实验者确定实验的范围和复杂性。
2.选择实验设计：选择合适的实验设计是进行DOE的关键步骤之一、常用的DOE方法包括完全随机设计、随机区组设计、方差分析、回归分析等。
根据实验的目标和因素的数量，选择适当的实验设计对于预测结果和找出最佳因素组合都非常重要。
3.分析结果：在DOE实验中，分析结果是确定最佳因素组合的关键步骤。
通过分析统计数据，可以确定哪些因素对结果有着显著影响，以及不同因素之间是否存在交互作用。
这些信息将有助于确定最佳的工艺条件或优化实验结果。
DOE实验设计的一个例子是进行药物配方的优化。
假设有三个关键因素：药物浓度、药物配比和反应时间。
每个因素都有两个水平：药物浓度可以是高或低，药物配比可以是1：1或1：2，反应时间可以是短或长。
根据这些因素和水平构建的实验矩阵如下：实验编号，药物浓度，药物配比，反应时间---------，---------，---------，---------1，高，1:1，短2，低，1:1，短3，高，1:2，短4，低，1:2，短5，高，1:1，长6，低，1:1，长7，高，1:2，长8，低，1:2，长通过对这些实验进行多次迭代和数据收集，可以分析结果来确定哪些因素对药物配方有显著影响。
例如，通过方差分析可以确定药物浓度和反应时间对药物效果具有显著影响，而药物配比则对结果没有显著性影响。
这将有助于找出最佳的药物配方。
总结起来，DOE实验设计是一种强大的方法，可以帮助研究人员系统地研究和优化实验的关键因素。
二水平全因子doe试验设计
二水平全因子doe试验设计试验设计试验设计通过有目得地改变一个过程(或活动)得输入变量(因子),以观察输出变量(响应变量)得相应变化。
试验设计就是识别关键输入因子得最有效方法。
试验设计就是帮助我们了解输入因子与响应变量关系得最有效途径。
试验设计就是建立响应变量与输入因子之间得数学关系模型得方法。
试验设计就是确定优化输出并减少成本得输入设定值得途径。
试验设计就是设定公差得科学方法。
响应变量:所关注得可测量得输出结果,如良率、强度等。
因子:可控得变量,通过有意义得变动,可确定其对响应变量得影响,温度、时间等。
水平:因子得取值或设定。
处理:某次实验得整套因子。
重复:指在不重新组合实验设定得情况下,连续进行实验并收集数据。
复制:意谓每个数据值在重新设定测试组合之后收集。
随机化:适当安排实验次序,使每个实施被选出得机会都相等。
实验设计步骤1、陈述问题(通过实验设计解决得问题就是什么)2、设立目标3、确定输出变量4、识别输入因子(可控因子/噪声因子)5、选定每个因子得水平6、选择实验设计得类型7、计划并为实施实验做准备8、实施实验并记录数据9、分析数据并得出结论10、必要时进行确认实验。
可控(控制)因子就是我们在工序得正常操作时能设定维持在期望水平得因子。
噪音因子就是在正常得操作期间变化得因子,而且我们不能够控制它们:或者我们宁愿不控制它们,因为这么做会很昂贵。
全因子实验:组合所有因子与每个所有水平得实验一个因子得主效果定义为一个因子在多水平下得变化导致输出变量得平均变化。
参考下表,其中两个因子,浓度与催化剂。
输出变量就是良率。
主效果图能够判定出因子对输出变量影响得大小。
主效果图得斜率越大反应出因子对输出变量得影响越大,但不能说明该因子就是对输出变量得显著因子。
点击统计—因子—创建因子设计,在因子数自选框内选上因子数得到下图:瞧这些点离线得远近,点越显著,则效应越明显红色线就是参考线,如果柱子就是超过了参考红线,则说明效应显著主效应、交互作用效应值,可以瞧出交互作用得效应比较大残差得标准偏差(在DOE 里面叫做流程得随机偏差),由于没有复制,没有办法估计流程得随机偏差,所以这里没有随机偏差回归方程得系数由于没有做复制,因此P 值与F 为缺省值,其分析结果不可靠。
二水平全因子doe试验设计
试验设计试验设计通过有目得地改变一个过程(或活动)得输入变量(因子),以观察输出变量(响应变量)得相应变化。
试验设计就是识别关键输入因子得最有效方法。
试验设计就是帮助我们了解输入因子与响应变量关系得最有效途径。
试验设计就是建立响应变量与输入因子之间得数学关系模型得方法。
试验设计就是确定优化输出并减少成本得输入设定值得途径。
试验设计就是设定公差得科学方法。
响应变量:所关注得可测量得输出结果,如良率、强度等。
因子:可控得变量,通过有意义得变动,可确定其对响应变量得影响,温度、时间等。
水平:因子得取值或设定。
处理:某次实验得整套因子。
重复:指在不重新组合实验设定得情况下,连续进行实验并收集数据。
复制:意谓每个数据值在重新设定测试组合之后收集。
随机化:适当安排实验次序,使每个实施被选出得机会都相等。
实验设计步骤1、陈述问题(通过实验设计解决得问题就是什么)2、设立目标3、确定输出变量4、识别输入因子(可控因子/噪声因子)5、选定每个因子得水平6、选择实验设计得类型7、计划并为实施实验做准备8、实施实验并记录数据9、分析数据并得出结论10、必要时进行确认实验。
可控(控制)因子就是我们在工序得正常操作时能设定维持在期望水平得因子。
噪音因子就是在正常得操作期间变化得因子,而且我们不能够控制它们:或者我们宁愿不控制它们,因为这么做会很昂贵。
全因子实验:组合所有因子与每个所有水平得实验一个因子得主效果定义为一个因子在多水平下得变化导致输出变量得平均变化。
参考下表,其中两个因子,浓度与催化剂。
输出变量就是良率。
主效果图能够判定出因子对输出变量影响得大小。
主效果图得斜率越大反应出因子对输出变量得影响越大,但不能说明该因子就是对输出变量得显著因子。
点击统计—因子—创建因子设计,在因子数自选框内选上因子数得到下图:瞧这些点离线得远近,点越显著,则效应越明显红色线就是参考线,如果柱子就是超过了参考红线,则说明效应显著主效应、交互作用效应值,可以瞧出交互作用得效应比较大 残差得标准偏差 (在DOE 里面叫做流程得随机偏差),由于没有复制,没有办法估计流程得随机偏差,所以这里没有随机偏差回归方程得系数由于没有做复制,因此P 值与F 为缺省值,其分析结果不可靠。
DOE分析步骤及2水平2因子实验设计讲座2
统计＞ DOE＞因子＞创建因子设计
用MINATAB进行演示
A:加热温度，低水平820 B:加热时间，低水平2 C:转换时间 ，低水平1.4 D:保温时间， 低水平50
高水平860（摄氏度） 高水平3（分钟） 高水平1.6（分钟）
高水平60（分钟）
精确地解释DOE
1、优分析 路径：数据＞排序 目的：预测因子在什么情况下对Y可能的影响
精确地解释DOE
4）模型本身有高次项但没加上
5）主效果都不显著交互显著---弯曲、失拟、S等值有问题， 原因可能是交互影响掩盖了主效果或本身主效果不显著
6）残差图中----残差对拟合值有有“漏斗型：或“喇叭 型”将Y 进行娈换
或对自变量诊断图中有弯曲加是自变量或直接进行RSM
精确地解释DOE
5、模型优化检测
浓度 1
32 38
Consistence 2 浓度2
54
24
步骤2：确定因子与水平
第二步: 说明所关注因子与水平，建立一个 Minitab实验数据表，将每个响应变量的数值置于 一列内。每个输入与输出列于不同的列。
❖ Stat > DOE > Create Factorial Design
选择
选择 “2”
10 5
1
-15
-10
-5
0
St a nda rdize d Effe ct
复制分析
Mean of Yield
Main Effects Plot (data means) for Y ield
catalyzer 44
consistence
42
40
38
36
34
二因子二水平的实验设计
二因子二水平的实验设计1. 什么是二因子二水平实验设计？嘿，大家好！今天我们要聊一个听上去可能有点儿复杂但其实并不难的东西——二因子二水平实验设计。
别被这名字吓到，其实它就是一种在实验中用来分析两个因素对结果影响的方法。
简单点儿说，就是我们在实验里用两个“开关”，每个“开关”有两个位置（开和关），然后看看这些“开关”的不同组合对实验结果有啥影响。
1.1 二因子的意思二因子就是有两个不同的因素（或者说变量）。
比如说，我们想研究水温和浇水量对植物生长的影响。
这里水温和浇水量就是两个因素。
1.2 二水平的意思二水平意思是每个因素有两个水平。
再回到刚才的例子，水温可以是“高”和“低”，浇水量可以是“多”和“少”。
这样就有了四种组合：高温多水、高温少水、低温多水、低温少水。
2. 为什么用这种设计？那这玩意儿有啥用呢？好吧，让我们来解开谜底。
这种设计的主要好处是能更全面地了解两个因素对结果的综合影响。
相较于只研究一个因素，二因子二水平设计能帮你更好地找到因素之间的互动关系。
2.1 看得更清楚用这种设计，你能看到每一个因素单独的影响，也能看到它们两个一起工作的效果。
这就像是你能看到单独的食材味道，也能尝到它们混合后的风味。
2.2 节省时间要是你一次只研究一个因素，那得做不少实验才行。
二因子二水平设计可以在同一轮实验中测试多个因素，省时省力，又能提供更多有用的信息。
3. 怎么做这个实验？好吧，说了那么多理论，我们来看看实际操作中该咋办。
其实，也没什么特别难的，跟做饭一样，只要按照步骤来就好。
3.1 制定实验计划首先，你得制定实验计划。
这一步就像是做饭前要准备好食材。
你得决定好要研究的两个因素是什么，每个因素的两个水平是什么。
这时候，别忘了写下所有可能的组合，比如水温和浇水量的四种组合。
3.2 实施实验接下来，就是实施实验。
按照之前制定的计划，逐一测试每个组合。
像做菜一样，你得按顺序搞定每一项。
记住要仔细记录每次实验的结果，因为这可是分析的关键。
实验设计DOE全因子设计实验(2K设计)
1.3. 全因子设计、部分因子设计以及2K设计
红色：仅用作筛选设计，PB； 黄色：可选，但分辨度低于绿色； 绿色：优先使用。
8
1.4. 全因子设计
什么是全因子设计？
全因子实验设计是指所有因子及水平的所有组合都要至少要进行 一次试验。 将k个因子的二水平试验记作2 试验。 当k=4时，试验次数m= 24 =16次 当k=5时，试验次数m= 25 =32次 当k=7时，试验次数m= 27 =128次 ……
14
1.4. 全因子设计 - 2k设计 – 分析判定
在实施全因子设计和部分因子设计（又称析因设计）实验结果分析中，Minitan 给出回归分析和方差分析结论，生成供我们分析的信息 — 工程师要学会解释这些数 据并作出正确的决策。 包括6项分析指标：
➢ 总效果 [※ H1：模型有效 P＜0.05 ] ➢ 弯曲 [※ H0：无弯曲 P＞0.05 ] ➢ 失拟 [※ H0：无失拟 P＞0.05 ] ➢ 拟合相关系数 R-Sq （调整）及 R-Sq（adj）（预测的）越接近1好； 二者之差越小越好 ➢ 标准差S分析 越小越好 ➢ 因子效应显著性 ✓ P 值判定 [ ※ H1： P＜0.05 ] ✓ 图形判定 （正态效应图/帕累托效应图）、残差四合一图
系统自动生成水平代码值（-1 ，0， 1）
好处：有连续变量和无量纲特点，有利于统计 分析和建立回归方程
真实值 代码值
பைடு நூலகம்
低水平L 100 -1
中心值 150 0
高水平H 200 +1
中心值M = （L+H）/2 半间距D = （H - L）/2 真实值 = M + D*代码值
13
1.4. 全因子设计 - 2k设计 – 建模
实验设计DOE全因子设计实验(2K设计)培训课件讲义
子
次数
次数
数
1
2次
3次
2
4次
9次
3
8次
27次
4
16次
81次
5
32次
243次
6
64次
729次
7
128次
2187次
8
256次
……
9
512次
……
10
1024次
……
4水平试验 次数
4次 16次 64次 256次 1024次 …… …… …… …… ……
6
1.3. 全因子设计、部分因子设计以及2K设计
由于资源限制，如：成本/时间等，需要减少试验次数，对以下问题是否可行要做 出选择：
系统自动生成水平代码值（-1 ，0， 1）
好处：有连续变量和无量纲特点，有利于统计 分析和建立回归方程
真实值 代码值
低水平L 100 -1
中心值 150 0
高水平H 200 +1
中心值M = （L+H）/2 半间距D = （H - L）/2 真实值 = M + D*代码值
13
1.4. 全因子设计 - 2k设计 – 建模
14
1.4. 全因子设计 - 2k设计 – 分析判定
在实施全因子设计和部分因子设计（又称析因设计）实验结果分析中，Minitan 给出回归分析和方差分析结论，生成供我们分析的信息 — 工程师要学会解释这些数 据并作出正确的决策。 包括6项分析指标：
➢ 总效果 [※ H1：模型有效 P＜0.05 ] ➢ 弯曲 [※ H0：无弯曲 P＞0.05 ] ➢ 失拟 [※ H0：无失拟 P＞0.05 ] ➢ 拟合相关系数 R-Sq （调整）及 R-Sq（adj）（预测的）越接近1好； 二者之差越小越好 ➢ 标准差S分析 越小越好 ➢ 因子效应显著性 ✓ P 值判定 [ ※ H1： P＜0.05 ] ✓ 图形判定 （正态效应图/帕累托效应图）、残差四合一图
实验设计(DOE)ppt课件
2、 DOE实验计划 在进行DOE实验之前，要充分考虑Y=f（x1、x2……xn)因变量Y和自变量x的关系。确
定实验因子的人数，据此可确定实验因子表进行实验，一般实验计划包括如下内容。 1) 确定实验目的：要有一个明确的实验目的，以此才能达到需 要的目标。 2) 确定实验因子：要分析影响因变量变化的因子个数，进行全因子的DOE实验。 3) 确定实验因子水平：不同的实验因子水平会影响实验结果。 4) 选定DOE实验表格：根据因子数和因子水平确定DOE实验表格。 5) 安排实验时间：根据DOE进行次数确定实验时间。考虑过程的连续性，尽量安排在同
其优点在于能从很多试验条件中选出代表性强的少数次条件，并能通过对少数次试验 条件的分析，找出较好的生产条件即最优或较优的试验方案。
• 正交试验设计法最早由日本质量管理专家田口玄一提出际标准型（田口型）正交试 验法。
•
针对田口型正交试验设计法计算复查的问题（方差分析），中国数学家张里千教
授发明的中国型正交试验设计法，由于应用计算简便的极差分析法，非常适合工业企
7. 作出实验因子的影响及关系图 8. 进行方差分析，用以决定实验因子是否重要，用P值进行衡量（P〈0.05) 9. 对方差分析结果进行评价,以确定因子对实验的影响程度 10. 选择重要因子(通常不超过4个)而进行全因子DOE实验,以确定实验的最终结果
20
全因子和分部DOE 1. 确定问题 2. 建立实验目标 3. 选拔因变量和自变量关系Y=f(x1,x2…..xn) 4. 选择因子水平 5. 选择实验表格,全因子DOE每一个因子或水平都要进行实验,分部DOE相对于全因子
23
因素有可能按数量表示，如温度、时间、压力等称为定 量描述的因素。但也有不能用数量表示而只能定性描述的， 如材料的品种、产品的型号、工艺流程的类别等，称为定 性描述的因素。在试验过程中有些因素所处的状态是可以 控制或调节的，如加热温度、溶化温度、切削速度等，这 样的因素称为可控因素。反之，别外一些因素所处的状态 是不能控制或调节的，如未装空调的生产环境的温度、湿 度等，称为不可控因素或干扰因素。在正交试验设计应用 过程中，如无特殊规定，因素一般是指可控因素。在试验 过程中只考察一个因素对试验结果（考核指标）影响的试 验，称为单因素试验。若同时考察两个以上因素，则称为 多因素试验。单因素试验设计一般可应用优选法进行，而 多因素试验设计必须应用正交试验设计法解决。
DOE分析步骤和2水平2因子实验设计的讲座2
8
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
4、判断模型是否需要改进 1）全部因子不显著---本身进入DOE的因子不正确、因子主
观性太强、因子本身没找全、因子筛选过简单、因子水平 范围太窄
2）遗漏了关键因子—重新进入DOE查找因子
3）没有对因子进行剥离---在各项效应系数分析中不显著的 主效应和交互效应应剥离，注意：如果一个高阶项显著则 此高阶项中所包含的低阶项也应被包含在模型中
9
太钢矿业公司六西格玛管理黑带培训教材
精确地解释DOE
4）模型本身有高次项但没加上
5）主效果都不显著交互显著---弯曲、失拟、S等值有问题， 原因可能是交互影响掩盖了主效果或本身主效果不显著
Menu: Stat>DOE>Factorial Plots
26
太钢矿业公司六西格玛管理黑带培训教材
步骤8：交互作用图
Mean
备注：
Interaction Plot (data means) for Yield
55 50
在有些实验中，我们发现对 catalyzer -1 1
45
于其他因子的不同水平，一
但 AB 交互作用是最大的因素， 然后才是压力和温度
图中无标识显示统计显著性
23
太钢矿业公司六西格玛管理黑带培训教材
步骤8：主效果图
Menu: Stat>DOE>Factorial Plots
24
太钢矿业公司六西格玛管理黑带培训教材
步骤8：主效果图
Minitab实验设计DOE操作步骤(精选)
然后点击选项
Minitab实验设计DOE操作步骤
44
取消勾选后，标准序C1 可以按照顺序排列
然后点击确定
Minitab实验设计DOE操作步骤
45
点击结果
Minitab实验设计DOE操作步骤
46
2、出现此
1、点击
3、再点击
对话框
确定
Minitab实验设计DOE操作步骤
47
确定
在工作表中输入每次试验 的结果“距离”
27
点击编辑上一对话框图标 先选中立方图
显示出以下对话框 第二步点击设置
Minitab实验设计DOE操作步骤
28
双击此标识处
显示出以下对话框
单击标识处
显示到此对话框
最后点击确定
Minitab实验设计DOE操作步骤
29
再点击确定
Minitab实验设计DOE操作步骤
30
图示解析：通过实验设计分析， 试验结果显示出门磁角度在92， 前半平面度在0.3时，漏波值是最
再点击确定
Minitab实验设计DOE操作步骤
22
图示解析：门磁 角度越大漏波值 越小；反之，门 磁角度越小漏波 值越大，且门磁 角度的大小对漏
波值影响很大
图示解析：前半平面 度越大漏波值越小； 反之，前半平面度越 小漏波值越大，前半 平面度的大小对漏波
值影响较小
Minitab实验设计DOE操作步骤
23
点击编辑上一对话框图标
Minitab实验设计DOE操作步骤
24
先选中交互作用图
第二步点击设置
Minitab实验设计DOE操作步骤
25
点击确定
显示此图形
再点击确定