Minitab实验设计DOE操作步骤(精)
Minitab实验设计DOE操作步骤(PPT 64张)
• • • • • • • • • • • • • • • • • • • •
1、想要体面生活，又觉得打拼辛苦；想要健康身体，又无法坚持运动。人最失败的，莫过于对自己不负责任，连答应自己的事都办不到，又何必抱怨这个世界都和你作对？人生的道理很简单，你想要什么，就去付出足够的努力。 2、时间是最公平的，活一天就拥有24小时，差别只是珍惜。你若不相信努力和时光，时光一定第一个辜负你。有梦想就立刻行动，因为现在过的每一天，都是余生中最年轻的一天。 3、无论正在经历什么，都请不要轻言放弃，因为从来没有一种坚持会被辜负。谁的人生不是荆棘前行，生活从来不会一蹴而就，也不会永远安稳，只要努力，就能做独一无二平凡可贵的自己。 4、努力本就是年轻人应有的状态，是件充实且美好的事，可一旦有了表演的成分，就会显得廉价，努力，不该是为了朋友圈多获得几个赞，不该是每次长篇赘述后的自我感动，它是一件平凡而自然而然的事，最佳的努力不过是：但行好事，莫问前程。愿努力，成就更好的你！ 5、付出努力却没能实现的梦想，爱了很久却没能在一起的人，活得用力却平淡寂寞的青春，遗憾是每一次小的挫折，它磨去最初柔软的心智、让我们懂得累积时间的力量；那些孤独沉寂的时光，让我们学会守候内心的平和与坚定。那些脆弱的不完美，都会在努力和坚持下，改变模样。 6、人生中总会有一段艰难的路，需要自己独自走完，没人帮助，没人陪伴，不必畏惧，昂头走过去就是了，经历所有的挫折与磨难，你会发现，自己远比想象中要强大得多。多走弯路，才会找到捷径，经历也是人生，修炼一颗强大的内心，做更好的自己！ 7、“一定要成功”这种内在的推动力是我们生命中最神奇最有趣的东西。一个人要做成大事，绝不能缺少这种力量，因为这种力量能够驱动人不停地提高自己的能力。一个人只有先在心里肯定自己，相信自己，才能成就自己！ 8、人生的旅途中，最清晰的脚印，往往印在最泥泞的路上，所以，别畏惧暂时的困顿，即使无人鼓掌，也要全情投入，优雅坚持。真正改变命运的，并不是等来的机遇，而是我们的态度。 9、这世上没有所谓的天才，也没有不劳而获的回报，你所看到的每个光鲜人物，其背后都付出了令人震惊的努力。请相信，你的潜力还远远没有爆发出来，不要给自己的人生设限，你自以为的极限，只是别人的起点。写给渴望突破瓶颈、实现快速跨越的你。 10、生活中，有人给予帮助，那是幸运，没人给予帮助，那是命运。我们要学会在幸运青睐自己的时候学会感恩，在命运磨练自己的时候学会坚韧。这既是对自己的尊重，也是对自己的负责。 11、失败不可怕，可怕的是从来没有努力过，还怡然自得地安慰自己，连一点点的懊悔都被麻木所掩盖下去。不能怕，没什么比自己背�
DOEMinitab操作教程
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 H0：两种材料寿命没有差异
Paired T for Material A - Material B
Ha：两种材料寿命有差异
N Mean StDev SE Mean
H0：两种材料寿命没有差异 Ha：两种材料寿命有差异
P>0.05,接收H0。
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
0.0
Differences
两种材料有显著差异，研发处的建议被接受。
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？
2、化学实验设计案例
Factor (因子)
Temperature(T) Concentration(C) Catalyst (K)
Level (水準)
3.0
2.5
2.0
1.5
1.0
0.5
0.0
_
X
-0.5
Ho
-1.2
-1.0
-0.8
-0.6 -0.4
-0.2
0.0
0.2
Differences
两种材料有显著差异，研发处的建议被接受。
Mintab_DOE操作说明(中心复合设计)
2
中心複合設計
試驗目的： 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。。 确定测量指标： 小组确定以该零件的关键尺寸“252+2mm”作为测量指标。 确定影响因素XS 本例影响因素为 1、射出压力 2、保持压力 确定试验因素水平表
15
中心複合設計
18: 添加軸向點分析結果如下：
射出壓力，保持壓力及射出時 間的P值均小於0.05,故其均為 顯著因子
A B C
A*A項，其P值亦小於0.05,故 其也為顯著因子
線性項和二次項的P值亦小於 0.05,故其也為顯著因子
16
中心複合設計
19: 建立回歸方程：
前四項為顯著因子，故回歸方 程中列入果如下：
射出壓力，保持壓力及射出時 間的P值均小於0.05,故其均為 顯著因子
A B C
A*A項，其P值亦小於0.05,故 其也為顯著因子
線性項和二次項的P值亦小於 0.05,故其也為顯著因子
分析上表可知：因素A、B、C及A因素的平方项为输出变量的显著影响因素，说明本例存在 显著非线性影响，需继续进行轴向点试验以测试各因素与输出间的真正关系。
目標達成率
23
中心複合設計
22: 試驗結論： 1.因素射出压力、保持压力、射出时间均队对零件关键尺寸有显著影响。其中因素A的影响 存在2次影响（非先线性影响）。 2.将各试验因素设置在如下水平时零件尺寸最优(252)：
因子
最優參數
A.射出壓力（PSI)
1468.18
B.保持壓力（PSI)
回歸方程式： Y= 252.5+1.08A+0.72B-0.69C-0.54A*A ---A: 射出壓力 ---B: 保持壓力 ---C: 射出時間
minitab doe案例
minitab doe案例
以下是一个使用Minitab进行DOE（实验设计）的案例：
案例：PCB板的镀铜线质量优化
1. 确定每个因子的高低水平，例如温度、时间、电流等。
2. 打开Minitab软件，创建一个新的DOE计划。
3. 选择合适的因子数、区组中心点数、角点仿行数和区组数，以满足实验需求。
4. 生成正交试验矩阵，并按照计划进行实验。
5. 将实验数据复制到Minitab中进行DOE分析。
6. 选择因子和响应，进行效应图和方差分析。
7. 根据分析结果，优化因子水平，以提高镀铜线的质量。
通过以上步骤，可以使用Minitab进行DOE，优化PCB板的镀铜线质量。
DOEMinitab操作教程
书山有路勤为径， 学海无涯苦作舟
2020年4月13日星期一
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
书山有路勤为径， 学海无涯苦作舟
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：
•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
书山有路勤为径， 学海无涯苦作舟
5、图形
书山有路勤为径， 学海无涯苦作舟
书山有路勤为径， 学海无涯苦作舟
•点击每一个方框，使其 选中，然后单击OK。
书山有路勤为径， 学海无涯苦作舟
点击 到Session视窗
Results for: BOY'S SHOE.MTW
Two-Sample T-Test and CI: Material A, Material B
Two-sample T for Material A vs Material B
•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
Minitab：Stat>DOE>Factorial>Create Factorial Design
（完整版）MinitabDOE操作说明（田口法静态范例）
（完整版）MinitabDOE操作说明（田口法静态范例）Minitab DOE(田口法靜態型)操作說明:製造高爾夫球及設計開發其有效的增加最大飛行距離 ,4個控制因子 , 2水準因子水準1 Core material liquid tungsten2 Core diameter 118 1563 Number of dimples 392 4224 Cover thickness 0.03 0.06交互作用:Core material V.S Core diameter干擾因子: two type of golf clubs(driver and a 5-iron)Step 1:因子數及水準數之決定開啟功能選單Stat > DOE > Taguchi > Create Taguchi Design ?勾選2水準設計及因子數Step 2:實驗次數選定點選Designs按鈕(直交表類型)決定(4因子2水準作8次實驗)Step 3:因子及水準Data輸入點選Factors按鈕依照各因子名稱及水準Data輸入視窗表中Step 4:因子間交互作用選定在Taguchi Design-Factors對話框中 , 點選Interactions按鈕選擇已知交互作用由Available Terms欄位 > Selected Terms欄位Step 5:田口直交表及實驗結果輸入將直交表中C5及C6欄位分別輸入干擾因子Driver及Iron名稱 , 實驗結果Key-in至表中Step 6:實驗結果分析(選項設定)在功能表選擇Stat > DOE > Taguchi > Analyze Taguchi Design 將C5(Driver)及C6(Iron)移至Response data are in欄位中點選Analysis按鈕在選項中勾選Signal to Noise ratios及Means在Analyze Taguchi Design對話框中 , 選擇Options按鈕因此範例為望大特性, 故在Signal to Noise Ratio選項中勾選Larger is better在Analyze Taguchi Design對話框中 , 選擇Analysis Graphs按鈕勾選Four in one設定完成後在Analyze Taguchi Design對話框中 , 按Ok按鈕利用繪圖及視窗分析表作S/N比及最佳組合比較Step 7:實驗結果分析(S/N比及Mean值之視窗分析表及繪圖)在反應表中藉由各因子S/N比之大小來決定因子變異之影響性, 並選擇因子最小變異之水準值降低變異後 , 其他因子將平均值調整至目標設定在ANOVA分析各因子Mean值差異性 , Material、Diameter是顯著的因子1.S/N比以Diameter最大 , 為極顯著因子 , 其水準1又較水準2之效果好2.Thickness與Material/Diameter 有極大關係(成反比)Mean值以Diameter最大 , 為極顯著因子Step 8:結論(最佳組合及圖形解析)此範例因為品質特性設定為望大型(目標為增加高爾夫球最大的飛行距離) , 所以想得到因子水準最高的Mean值 , S/N比最大的因子最佳水準組合在S/N比主效應圖中 , 每個因子水準S/N比較 , 設定最佳組合為在Mean值主效應圖中, 每個因子水準Mean值比較 , 設定最佳組合為綜合以上分析結果得知最佳組合為(代號表示)→→→→A A11B B11C C11D D22Step 9:預測結果目的在於利用Minitab—Predict Taguchi Results指令來預測S/N 比與相對選定因子設定的反應特性在功能表選擇Stat > DOE > Taguchi > Predict Taguchi Results 取消Standard deviation及Natural log of standard deviation 勾選點選Terms按鈕(A,B,C,D)及交互作用(A*B)皆在Selected T erms 欄位中在Predict Taguchi Results對話框中點選Levels按鈕在Method of specifying new factor levels下選擇Select levels from a list , 並將因子最佳水準組合輸入表中選擇的最佳因子組合預測S/N比為53.68及Mean值(球的平均飛行距離)約為276碼 , 接下來 , 以此組合再作一次實驗去驗證與預測結果之正確性。
MiniTabDOE操作说明
Unit-3: 直交表設計
全因子試驗與直交表：
若在進行實驗設計時，考慮到所有可能的因子水準組合，此稱作全因子實驗。 在全因子設計中，當因子數目增加時，實驗次數會隨之增加；而部分因子設計則
會增加實驗方法的複雜性。田口方法利用直交表（Orthogonal Array；OA）來收 集資料，能讓我們以較少的實驗而獲得更可靠的因子效果估計量。利用直交表進 行實驗是穩健設計的一個重要技巧。
MiniTab DOE操作說明
田口試驗設計(Taguchi Method)
1
Catalogue
Unit-1. 田口品質工程簡介 Unit-2. 品質損失函數 Unit-3. 直交表 Unit-4. 參數設計 Unit-5. 靜態設計及Minitab操作 Unit-6. 動態設計及Minitab操作
信號因子（signal factor） 由設計工程師依據所開發產品的工程知識來選擇，以表達所想的回應值。當y 的目標值 改變時，我們可調整信號因子，使y 的平均值與目標值一致。 例如：1.電風扇轉速設定是一信號因子，藉由轉速的設定可改變風量的大小。2.射出成 型時，藉由壓力的增加，可使產品的尺寸更接近模具尺寸。3.汽車方向盤的轉向角度， 可以指示汽車的迴轉半徑。 •通常信號因子與回應值間具有輸入與輸出的關係，譬如汽車駕駛時踩油門的大小會影 響汽車速度的快慢。
望目品質損失函數
18
Unit-2: 品質損失函數
品質損失：
望目品質損失函數
19
Unit-2: 品質損失函數
品質損失：
望目品質損失函數
20
Unit-2: 品質損失函數
品質損失：
非對稱型望目品質損失函數
21
Unit-2: 品質損失函數
Minitab DOE操作说明(全因子实验范例)
Minitab DOE操作說明:範例:全因子實驗設計法3因子2水準實驗設計:因子—A.時間,B.溫度,C.催化劑種類Step 1:決定實驗設計開啟Minitab R14版1.選擇Stat > DOE > Factorial > Create Factorial Design2.點擊Display Available Designs因所要討論的因子有三個, 由表中可以作二種選擇:選擇Ⅲ作4次實驗選擇Full作8次實驗一個三因子2水準的設計共有23 (或8)種可能的組合, 一個包含所有可能組合的設計,即稱之為全因子設計(Full Factorial Design) ,好處是可避免交絡(Confounding)的情況,也就是所有因子的效應無法與其它的效應明確分辨出來; 然而,使用較少的組合設計稱之為部份因子設計(Fractional Factorial Design)此範例決定是全因子設計, 因在化學工廠內, 要控制這些因子(時間/壓力/催化劑種類)並不耗費時間及成本, 且實驗可在非尖峰時間進行, 避免打斷生產線的進度, 如果這實驗所需成本很高或困難執行, 你可能需做不同決定。
3.點擊OK , 回到主對話框中4.選擇2-level factorial (default generators), 在因子數選擇35.點擊Designs ,選取Full factorial6.在Number of replicates選項中選2 ,按OKStep 2:因子命名與因子水準的設定因子水準的設定可以是文字或數值若因子為連續性使用數值水準設定,可為量測的任意值(ex.反應時間)若因子為類別變數使用文字水準設定,為有限的可能值(ex.催化劑種類)就一個2水準的因子設計, 因子水準設定為兩個值, 建議數值儘可能分開:Factor Low Setting High SettingTemperature20° C40° CPressure 1 atmosphere 4 atmospheresCatalyst A B1.點擊Factors按鈕2.輸入因子名稱及水準, 完成後按OK回到Create Factorial Design主對話框Step 3:隨機化與儲存設計的內容1.按2.在Base for random data generator的欄位, 輸入9 ,可控制隨機化的結果,讓每次都可得到一致的模型3.確定有選取Store design in worksheet的選項後,並按OK4.回到Create Factorial Design主對話框按OK ,就會產生設計的內容並儲存在工作表單中Step 4:瀏覽設計的內容（直交表形成）若要切換工作表單以RanOrder/StdOrder以及Coded/Uncoded的呈現,可由功能表Stat DOE Display Design來選擇另外若要修改因子名稱或設定, 有兩種方式：(1)可由功能表Stat DOE Modify Design來選擇實驗原有順序隨機後實驗順序依實驗原有順序執行依隨機後實驗順序執行因子水準以代號顯示因子水準以真實Data顯示Step 5:資料收集與輸入1.在資料視窗中C8的變數名稱位置輸入Yield2.可將此實驗工作表列印出來並收集數據結果輸入Yield資料列中Step 6:篩選實驗目的是利用效應圖來選取對於提高產能較大效應的因子1.在功能表點選Stat DOE Factorial Analyze Factorial Design2.在Responses欄位輸入Yield3.點取Graphs選項鈕4.繪製Normal(常態機率圖)及Pareto(柏拉圖) ,協助找到顯著因子5.按OK鍵,回到Analyze Factorial Design主對話框,再按主對話框OK鍵,即會將分析結果及繪圖在視窗中效應圖(Effect Plots)Normal(常態機率圖)Pareto(柏拉圖)在圖中偏離直線較遠的點(紅色)為顯著因子, 即為依圖中影響效應程度大小排列並數值超出紅色參考線即為顯著因子確認重要的效應因使用為全因子設計,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用以表列中可由P值來找出哪些因子為顯著的效應P值> 非顯著P值< 顯著Step 7:配置一個較簡單的模型接下來,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型,也就是去除不顯著之因子,評估適合度、圖示解析及殘差分析1.點選功能表選單Start DOE Factorial Analyze Factorial Design2.選取Terms選項鈕3.設定內容將原本在Selected Terms欄位中的不顯著因子移到Available Terms欄位中4.按OK鍵,回到Analyze Factorial Design主對話框5.點取Graphs選項鈕,取消勾選Normal與Pareto圖6.勾選Four in one相關分析圖,按OK鍵回主對話框7.按Analyze Factorial Design的主對話框OK鍵分析的結果會列在程序視窗中,殘差分析圖及相關圖將可進一步評估主效應是否選取適當設定的模型是否恰當Step 8:評估調整後的模型由ANOVA表中主效應及交互作用P值皆< ,代表這是一個很好的模型而殘差分析圖的結果也是令人滿意的Step 9:結論之描述因子圖(Factorial Plots)以繪製主效應圖(Main Effect Plot)及交互作用圖(Interaction Plot)可以用目視的方法來決定效應分析1.點選功能表Stat DOE Factorial Factorial Plots2.勾選Main Effects Plot ,再按下Setup3.在Response輸入Yield4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位到> Selected欄位中2.勾選Interaction Plot ,再按下Setup,重複3與4步驟檢視繪圖內容在繪圖視窗中會個別列出主效應圖及交互作用圖--主效應圖(Main Effects Plot)此線代表所有實驗值平均數此點代表壓力在低水準時所有實驗值平均數分析壓力圖(Pressure Plot)比較壓力在高及低水準設定的差異催化劑圖(Catalyst Plot)比較催化劑在兩種類別的差異由圖中顯示,差異性比較:催化劑主效應>壓力主效應,也就是說催化劑斜率的絕對值大於壓力斜率的絕對值,由於Yield為望大值(越大越好) ,故壓力在4大氣壓較1大氣壓有較高的良率; 催化劑的種類使用A較B有較高的良率若因子之間沒有交互作用存在,由主效應圖即可找到使良率較高的最佳組合,此範例有BC交互作用顯著差異存在,故接下來再由交互作用圖來分析--交互作用圖(Interaction Plot)縱座標代表Yield此點代表Yield在低水準的壓力與A催化劑時的均值分析交互作用圖可看出因子間水準設定互相造成之衝擊性,有加乘或抵消作用由圖中顯示,不論壓力值在1大氣壓或4大氣壓,使用A催化劑的Yield皆大於B催化劑;但是以A催化劑而言,壓力設定在4大氣壓比1大氣壓有明顯Yield變化(2)綜合以上分析,使Yield最大的最佳組合為壓力4大氣壓與A催化劑。