二水平全因子doe试验设计

试验设计试验设计通过有目的地转变一个过程〔或活动〕的输入变量〔因子，以观看输出变量〔应变量〕的相应变化。试验设计是识别关键输入因子的最有效方法。试验设计是帮助我们了解输入因子和响应变量关系的最有效途径。试验设计是建立响应变量与输入因子之间的数学关系模型的方法。试验设计是确定优化输出并削减本钱的输入设定值的途径。试验设计是设定公差的科学方法。响应变量：所关注的可测量的输出结果，如良率、强度等。因子：可控的变量，通过有意义的变动，可确定其对响应变量的影响，温度、时间等。水平：因子的取值或设定。处理：某次试验的整套因子。重复：指在不重组合试验设定的状况下，连续进展试验并收集数据。复制：意谓每个数据值在重设定测试组合之后收集。随机化：适当安排试验次序，使每个实施被选出的时机都相等。试验设计步骤1〔通过试验设计解决的问题是什么〕234〔可控因子/噪声因子〕5678910、必要时进展确认试验。可控〔掌握〕因子是我们在工序的正常操作时能设定维持在期望水平的因子。它们，由于这么做会很昂贵。全因子试验：组合全部因子和每个全部水平的试验一个因子的主效果定义为一个因子在多水平下的变化导致输出变量的平均变化。参考下表，其中两个因子，浓度与催化剂。输出变量是良率。主效果图能够判定出因子对输出变量影响的大小。主效果图的斜率越大反响出因子对输出变量的影响越大显著因子。点击统计—因子—创立因子设计，在因子数自选框内选上因子数得到以下图：越显著，则效应越明显说明效应显著残差的标准偏差〔DOE里面叫做流程的随机偏差复制，没有方法估量流程的随机偏差，所以这里没有随机偏差

主效应、交互作用效应效应比较大回归方程的系数由于没有做复制，因此P值和F为缺省值，其分析结果不行靠。点设置，进入到以下图：择可相关的因子催化剂主效应图斜率比较催化剂主效应图斜率比较大，说明催化剂对结果的影响比较大交互作用图内，两条线相交互作用图内，两条线相交说明催化剂和浓度这两个因子有交互作用。从立方体图中可以看出，从立方体图中可以看出，催化剂低水平、浓度高水寻常，效果最好。二水平因子试验重复和复制和随机化在角点的仿行数内输入重在角点的仿行数内输入重复次数。重复一次，其试验次数增重复一次，其试验次数增加了一倍，每个水平做二次试验选择可能相关的因子选择可能相关的因子可看残差分析图可看残差分析图,残差是否正态,是否随着拟合值变化而变化,残差是否随着时间的变化而变化,残差是否随着变量的变化而变化.复一次，其试验次数增加复一次，其试验次数增加了一倍，每个水平做二次试验复一次，其试验次数增加复一次，其试验次数增加了一倍，每个水平做二次试验依据系数〔此处的系数是效应的二倍，缘由是该试验是编码时的结果〕可以写出方程:Y=36.75-5.75*Cat+0.75*Con-8.75*Cat*Con

每个水平做二次试验后，系数标准误，TP值都可以看到，P0.05的项因子显著。R-SQ0.7,关系猛烈.方程中：Y=36.75-5.75*Cat+0.75*Con-8.75*Cat*Con〔+、-〕的取值，因此效应是系数的两倍。在做具体的推测时，需要将最体值依据水平的关系进展切换。全因子试验生成过程，标准挨次因子试验的分析步骤：1〔柏拉图、概率图、P〕2、筛选不重要项重分析〔留意去除主因子时确保没有对应交互作用项显著〕可以去高阶项，例如：三因子交互项，四因子交互项等。3可以看看主因子效应图，交互作用效应图等。4R-SQ〔adj〕分析，模型拟合程度分析看调整后的R-SQ5〔4〕67在确定残差与在确定残差与X变量时，此处的X变量必需是连续型数据中心点对应的P中心点对应的P值小于0.05,说明模型弯曲是显著P值大小没4-6次。弯曲项对应的P值小于0.05,说明模型弯曲是显著的.需要用响应曲面法对试验进展分可以通过主效应图来看中心点与可以通过主效应图来看中心点与显，则可以承受曲面响应进展分P0.05,则可以依据各因子的P值进展分析.局部因子试验全因子试验全因子试验局部因子试验K表示因子数,P表示局部度R表示分辩率红色为警告红色为警告,表示试验比较危急;黄色为预警,表示试验有风险,交互作用比较大时,危急比较大;绿色表顺畅,试验比较安全.