minitab实验之试验设计_第1页
minitab实验之试验设计_第2页
minitab实验之试验设计_第3页
minitab实验之试验设计_第4页
minitab实验之试验设计_第5页
已阅读5页,还剩61页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

minitab实验之试验设计

实验目的:

本实验要紧引导学生利用Minitab统计软件进行试验设计分析,包括全因子

设计、部分因子设计、响应曲面设计、混料设计、田口设计以及响应优化,并能

够对结果做出说明。

实验仪器:Minitab软件、运算机

实验原理:

''全因子试验设计"(fullfactorialdesign)的定义是:所有因子的所有水平

的所有组合都至少要进行一次试验的设计。由于包含了所有的组合,全因子试验

所需试验的总次数会比较多,但它的优点是能够估量出所有的主效应和所有的各

阶交互效应。因此在因子个数不太多,而且确实需要考察较多

的交互作用时,常常选用全因子设计。一样情形下,当因子水平超过2时,由于

试验次数随着因子个数的增长而出现指数速度增长,因而通常只作2水平的全因

子试验。

进行2水平全因子设计时,全因子试验的总试验次数将随着因子个数的增加

而急剧增加,例如,6个因子就需要64次试验。然而认真分析所获得的结果能

够看出,建立的6因子回来方程包括以下一些项:常数项、主效应项有6项、二

阶交互作用项15项、三阶交互项20项,…,6阶交互项1项,除了常数项、主

效应项和二阶交互项以外,共有42项是3阶以及3阶以上的交互作用项,而这

些项实际上已无具体的意义了。部分因子试验确实是在这种思想下产生的,它能

够使用在因子个数较多,但只需要分析各因子和2阶交互效应是否显著,并不需

要考虑高阶的交互效应,这使得试验次数大大减少。

在实际工作中,常常要研究响应变量Y是如何依靠于自变量,进而能找到

自变量的设置使得响应变量得到最正确值(望大、望小或望目)。假如自变量的

个数较少(通常不超过3个),那么响应曲面方法(responsesurfacemethodology,

RSM)是最好的方法之一,本方法专门适合于响应变量望大或望小的情形。通

常的做法是:先用2水平因子试验的数据,拟合一个线性回来方程(能够包含交

叉乘积项),假如发觉有弯曲的趋势,那么期望拟合一个含二次项的回来方程。

其一样模型是(以两个自变量为例):

y=%+bxxx+b2x2+bux;+b22g+42M2+2

这些项比因子设计的模型增加了各自的变量的平方项。由于要估量这些项的

回来系数,原先因子设计所安排的一些设计点就不够用了,需要再增补一些试验

点。这种先后分两时期完成全部试验的策略确实是''序贯试验”的策略。适用于

这种策略的方法有专门多种,其中最常用的确实是中心复合设计(central

compositedesign,CCD)。

稳健参数设计[robustparameterdesign)(也称健壮设计、鲁棒设计,简称参

数设计)是工程实际问题中专门有价值的统计方法。它通过选择可控因子的水平

组合来减少一个系统对噪声变化的敏锐性,从而达到减小此系统性能波动的目

的。过程的输入变量有两类:可控因子和参数因子。可控因子是指一旦选定就保

持不变的变量,它包括产品或生产过程设计中的设计参数,而噪声因子是在正常

条件下难以操纵的变量。在做参数设计时,确实是把可控因子的设计当做研究的

要紧对象,与此同时让噪声因子按照设定的打算从而系统改变其水平的方法来表

示正常条件下的变化,最终按照我们预定的望大、望小或望目地目标选出最正确

设置。田口玄一博士在参数设计方法方面奉献专门突出,他在设计中引进信噪比

的概念,并以此作为评判参数组合优劣的一种测度,因此专门多文献和软件都把

稳健参数设计方法称为田口方法(Taguchidesign

在实际工作中,常常需要研究一些配方配比试验问题。这种问题常显现在橡

胶、化工、制药、冶金等课题中。例如不锈钢由铁、银、铜和铭4种元素组成;

闪光剂由镁、硝酸钠、硝酸锯及固定剂组成;复合燃料、复合塑料、混纺纤维、

混泥土、粘结剂、药品、饲料等差不多上由多种成分按相应比例而不是其绝对数

值;而且明显所有重量之和总是为1的。关于这种重量之和总是为1的试验设计,

称为混料设计(mixturedesign)。

实验内容和步骤:

实验之一:全因子试验设计

:例:改进热处理工艺提高钢板断裂强度问题。合金钢板经热处理后将提高其断

裂其抗断裂性能,但工艺参数的选择是个复杂的问题。我们期望考虑可能阻碍断

裂强度的4个因子,确认哪些因子阻碍确实是显著的,进而确定出最正确工艺条

件。这几个因子及其试验水平如下:

A:加热温度,低水平:820,高水平:860(摄氏度)

B:加热时刻,低水平:2,高水平:3(分钟)

C:转换时刻,低水平:1.4,高水平:1.61分钟)

D:保温时刻,低水平:50,高水平:60(分钟)

由于要细致考虑各因子及其交互作用,决定采纳全因子试验,并在中心点处

进行3次试验,一共19次试验。

步骤1:全因子设计的打算(创建)

选择[统计]=>[DOE]=>[因子]=>[创建因子设计],单击打开创建因子设计对话

框。

创建因子设计

设计类型

3两水平因子(默认生成元)(L)(2至15个因子)

r两水平因子(指定生成元)(§)(2至15个因

r两水平裂区(难以改变的因子)(2到7个因子)

「Plackett-Burman设计也)(2至47个因子)

r一般全因子设计©(2至15个因

因子数®:03显示可用设计(Y)...

设计CD)...因子也「

选项盘).一结果但).

帮助确定戊)取消

选择两水平因子(默认生成元),在因子数中选择4,单击''设计”选项,

弹出''设计”选项对话框。选择''全因子”试验次数为16的那行,并在''每个

区组的中心点数”中选择3,其他项保持默认(本例中没有分区组,各试验点皆

不需要完全复制)。单击确定。

单击''因子"选项打开,分别填写四个因子的名称及相应的低水平和高水平

的设置。单击确定。

''选项"选项能够使用折叠设计(这是一种减少混杂的方法)、指定部分(用

于设计生成)、使设计随机化以及在工作表中储备设计等;''结果"选项用于操

纵会话窗口中显示的输出。本例中这两项保持默认。单击确定,运算机会自动关

于试验顺序进行随机化,然后形成以下表格。在表的最后一列,写上响应变量名

(强度),这就完成了全部试验的打算时期的工作。

麓工作表1

C1C2C3C4C5C6C7C8C9

标准序运行序中心点区组加蒸温度加热时间转换时间保温时间强度

157118202.01.650

8128118603.01.460

999118202.01.460!-------1

10310118203.01.450

111411118602.01.660

12112118202.01.450

151015118602.01.460

16716118203.01.650

171817018402.51.555

步骤2:拟合选定模型

按照上图的试验打算进行试验,将结果填入上表的最后一列,那么能够得到

试验的结果数据(数据文件:DOE_热处理(全因)),如下:

速DOE3处理修因).MTW***

4-CIC2C3C4C5C6C7C8C9

标准序运行序中心点区组加热温度加热时向转帙时向保澧时向强度

1171013402.51.555535.3

2112113203.01.460549.0

333113603.01.650553.0|

494118202.01.460518.3

5145118602.01.660543.3

656113202.01.650528.3

7107113602.01.460549.1

8193018402.51.555544.8

9169118603.01.660574.5

10310118203.01.450526.8

•113

拟合选定模型的要紧任务是依照整个试验的目的,选定一个数学模型。通常

第一能够选定''全模型",确实是在模型中包含全部因子的主效应及全部因子的

二阶交互效应。在通过细致的分析之后,假如发觉某些主效应和二阶交互效应不

显著,那么在下次选定模型的时候,应该将不显著的主效应和二阶交互效应删除。

选择[统计]=>「DOE]=>[因子]=>[分析因子设计],打开分析因子设计对话框。

点击''项"选项后,在''模型中包含项的阶数”中选择2(表示模型中只包

含2阶交互作用和主效应项,三阶以上交互作用不考虑),对默认的''在模型中

包括中心点〃保持不选。单击确定。

分析因子谩计-项

模型中包含项的阶数Q):|23

可用项3):所选项(S):

B:加热时间B.加热时间

C.转换时间

D

B保温时间

ABCAIc

ABDACD

ACDAIBc

BCDBD

ABCDCD

r在模型中包括区蛆等)

r在模型中电搭中;4:电更讨

确定(Q)取消

在''图形"选项中,''效应图〃中选择''正态"和"Pareto",''图中的标

准差"中选择''正规",''残差图"中选择''四合一",在''残差与变量”图中

将''加热温度"、''加热时刻转换时刻"和''保温时刻"选入,单击确定。

分析因子设计-图形

C1准序效应图

C2序R/正态但)r~半正态")口Pareto(£)

C3心

C4组Alpha3):|0.05

C5热

C6热

时图中的残差:

C7转1

时正规)C标准化巨)册]后的如

间6GCI

C8保

C9强

残差图

「单独示图包)

r百万图出:)

n正态图⑥)

r残差与拟合值(£)

r残差与顺序a)

G四合一电)

R/批差与变量包):

加热温度’‘加热时同‘‘转换时间’‘保温时

选择1<|

帮助确定取消

在''储备"选项中,在''拟合值与残差"中选定''拟合值"和''残差",在

''模型信息"中选定''设计矩阵"。单击确定。

结果如下:

拟合因子:强度与加热温度,加热时刻,转换时刻,保温时刻

强度的估量效应和系数(已编码单位)

系数标

项效应系数准误TP

常量541.6321.377393.390.000

加热温度20.03810.0191.5006.680.000

加热时刻16.8878.4441.5005.630.000

转换时刻3.8131.9061.5001.270.240

保温时刻11.1135.5561.5003.700.006

加热温度*加热时刻0.7370.3691.5000.250.812

加热温度*转换时刻-0.487-0.24411.500-0.160.875

加热温度*保温时刻3.0621.5311.5001.020.337

加热时刻*转换时刻1.2630.6311.5000.420.685

加热时亥ij*保温时刻7.1133.5561.5002.370.045

转换时刻*保温时刻0.8370.4191.5000.280.787

S=6.00146PRESS=1778.45

R-Sq=92.49%R-Sq(推测)=53.68%R-Sq(调整)=83.11%

强度的方差分析(己编码单位)

来源自由度SeqSSAdjSSAdjMSFP

主效应43298.853298.85824.7122.900.000

2因子交互作用6252.17252.1742.031.170.408

残差误差8288.14288.1436.02

弯曲19.929.929.920.250.633

失拟5169.72169.7233.940.630.709

纯误差2108.50108.5054.25

合计183839.16

强度的估量系数(使用未编码单位的数据)

项系数

常量932.26

加热温度-0.25063

加热时刻-111.262

转换时刻43.812

保温时刻-16.5637

加热温度*加热时刻0.036875

加热温度*转换时刻-0.121875

加热温度*保温时刻0.0153125

加热时亥IJ*转换时刻12.6250

加热时刻*保温时刻1.42250

转换时刻*保温时刻0.83750

结果分析:

分析要点一:分析评估回来的显著性。包含三点:

(1)看方差分析表中的总成效。方差分析表中,主效应对应的概率P值为

0.000小于显著性水平0.05,拒绝原假设,认为回来总成效是显著的。

(2)看方差分析表中的失拟现象。方差分析表中,失拟项的P值为0.709,

无法拒绝原假设,认为回来方程并没有因为漏掉高阶交互作用项而产生失拟现

象。

(3)看方差分析表中的弯曲项。方差分析表中,弯曲项对应的概率P值0.633,

说明无法拒绝原假设,说明本模型中没有弯曲现象。

分析要点二:分析评估回来的总成效

(1)两个确定系数R-Sq与R-Sq(调整),运算结果显示,这两个值分别为

92.49%和83.11%,二者的差距比较大,说明模型还有待改进的余地。

(2)关于推测结果的整体估量。运算结果显示R-Sq和R-Sq(推测)分别为

92.49%和53.68%,二者差距比较大;残差误差的SSE为288.14,PRESS为

1778.45,两者差距也比较大;说明在本例中,假如使用现在的模型,那么有较

多的点与模型差距较大,模型应该进一步改进。

分析要点三:分析评估各项效应的显著性。运算结果显示,4个主效应中,

加热温度、加热时刻和保温时刻是显著的,只有转换时刻不显著;6个2因子水平

交互效应中,只有加热时刻*保温时刻是显著的。说明本例中还有不显著的自变

量和2因子交互作用,改进模型时应该将这些主效应和交互作用删除。

关于各项效应的显著性,运算机还输出了一些辅助图形来关心我们判定和明

白得有关结论。

标准化效应的Pareto图

(响应为强度,Alpha=0.05)

Pareto图是将各效应的t检验的t值的绝对值作为纵坐标,按照绝对值的大小排列

起来,依照选定的显著性水平,给出t值的临界值,绝对值超过临界值的效应将

被选中,说明这些效应是显著的。从图中能够看到,加热温度、加热时刻、保温

时刻以及加热时刻*保温时刻是显著的。

标准化效应的正态图

(响应为强度,Alpha=0.05)

99

效应类型

•不显著

95-

・显著

9O

-因子名称~

8o-A加热温度

B加热时向

7o

-C转换时间

俎6o-D保温时间

求5o-

4o-

Im

3o-

2O-

-2-10123457

标准化效应

正态效应图,凡是因子效应离直线不远者,就说明这些效应是不显著的;反之,

那么是显著的。从图中能够看到,加热温度、加热时刻、保温时刻以及加热时刻

*保温时刻是显著的。

步骤3:残差诊断

残差诊断的要紧目的是基于残差的状况来诊断模型是否与数据拟合得比较

好。假如数据和模型拟合得比较好,那么残差应该是正常的。残差分析包括四个

步骤:

(1)在''四合一〃图的右下角图中,观看残差关于以观测值顺序为横轴的

散点图,重点考察此散点图中,各点是否随机地在水平轴上下无规那么的波动着。

(2)在''四合一〃图的右上角图中,观看残差关于以响应变量拟合推测值

为横轴的散点图,重点考察此散点图中,残差是否保持等方差性,即是否有''漏

斗型"或''喇叭型"。

(3)在''四合一〃图的左上角正态概率图(或右下角的直方图)中,观看

残差的正态检验图,看残差是否服从正态分布。

(4)观看残差关于以各自变量为横轴的散点图,重点观看此散点图中是否

有弯曲趋势。

强度残差图

正态概率图与拟合值

OIo

HO

-1005520540560580

残差拟合值

直方图与顺序

10-

4.8-

3.6-5'

麋2.4-0-

1.2-

-5-

0.0-U-»■

-6-20246824681012141618

残差观测值顺序

残差与加热温度残差与飕时同

(响应为强度)(有应为强度)

5.0-•

••

2.5-

••

••

0.0-

®-2,5-••

*

••

-5.0-

*

-7.5-*

10.0-

820830840850860

加热温度

残差与转换时间

残差与保温时间

(埠应为迫度)

(响应为强度)

2.5-

0.0'

-10.0-

保温时间

从上面这些图能够看到,这些图形都显示残差是正常的。

步骤4:判定模型是否需要改进

这一步需要综合前面的分析:包括残差诊断和显著性分析。从上面的分析我

们得知,在模型中包含不显著项,应该予以删除,因此需要建立新的模型。

选择[统计]=>[DOE]=>[因子]=>[分析因子设计],打开分析因子设计对话框。

要紧是修改''项"选项中的设置,在选取的项中将加热温度、加热时刻和保温时

刻保留,其他项皆删去,操作中的其余各项都保持不变。单节确定。

分析因子设计一项

模型中包含项的阶数0):I2二]

可用项®:所选项⑤):

空加热温度,A:加热温度

B:加热时间一B:加热时间

D:保温时间

D份

三BD

AB

AC

AD

BC一

CDc

ABD

AB

r在模型中包括区组国)

17在模型中包括中心点(P)

帮助确定Q)取消|

结果如下:

拟合因子:强度与加热温度,加热时刻,保温时刻

强度的估量效应和系数(已编码单位)

系数标

项效应系数准误TP

常量541.3191.363397.270.000

加热温度20.03810.0191.3637.350.000

加热时刻16.8878.44413636.200.000

保温时刻11.1125.5561.3634.080.001

加热时刻*保温时刻7.1133.5561.3632.610.022

CtPt1.9813.4290.580.573

S=5.45038PRESS=724.350

R-Sq=89.94%R-Sq(推测)=81.13%R-Sq(调整)=86.07%

强度的方差分析(已编码单位)

来源自由度SeqSSAdjSSAdjMSFP

主效应33240.713240.711080.2436.360.000

2因子交互作用1202.35202.35202.356.810.022

弯曲19.929.929.920.330.573

残差误差13386.19386.1929.71

失拟3151.52⑸.5250.512.150.157

纯误差10234.67234.6723.47

合计183839.16

强度的估量系数(使用未编码单位的数据)

项系数

常量212.788

加热温度0.500938

加热时刻-61.3500

保温时刻-2.44500

加热时刻*保温时刻1.42250

ClPt1.98125

结果分析:

从方差分析表中能够看到,主效应和2阶交互作用对应的概率都小于显著性

水平0.05,应该拒绝原假设,认为本,本模型总的来说是有效的;失拟值和弯曲

对应的概率分别为0.157和0.573,都大于显著性水平,不应拒绝原假设,说明本

模型删除了专门多项之后,并没有造成失拟的现象。

再看删减后的模型是否比原先的有所改进。从上述表中,能够看到,由于模

型的项数减少了6项,R-Sq通常都会有微小的降低(本例由0.9249降至g.8968),

但关键依旧要看调整的R-Sq(调整)是否有所提高,本例中,该值从0.8311提高

到0.8673,可见删除不显著的效应之后,回来的成效明显好了;而s的值有6.00146

降为5.31913,PRESS由1778.45降至1J704.408,再次证明删除不明显的主效应和交

互效应后,回来的结果更好了。

步骤5:对选定的模型进行分析说明

通过前三步的多次反复以后,我们能够获得一个中意的回来方程:

y=212.788+0.5009*A—61.35*6—2.445*£>+1.4225*

对选定的模型进行分析,要紧是在拟合选定模型后输出更多的图形和信息,

并做出有意义的说明。要紧包括下面四个方面:

(1)再次进行残差诊断。

具体做法是:选择[统计]=>[DOE]=>[因子]=>[分析因子设计],打开分析因子

设计对话框。点击''图形〃窗口后,在''图中的残差"中选择''标准化",在''残

差图”中,在单独视图下选择''直方图〃,单击确定。点击''储备〃窗口后,在

拟合值与残差中,选择''标准化残差"和''删后"。单击确定。

分析因子设计・存赭

拟合值与残差模型信息其他

厂拟合值(£)r效应更)r高(杠杆率)©r

r残差国)r系数©1-Cook距离魅)

7标准化残差⑤)r设计矩阵⑥)rDFITS(J)

V删后如;r因子©

帮助I确定I取消I

结果如下:

直方图

(响应为强度)

从得出的直方图可知,残差及所有残差数据差不多上正常的。

(2)确认主效应及交互作用的显著性,并考虑最有设置

通过输出各因子的主效应图和交互效应图来判定。具体做法是:选择[统

计]=>[DOE]=>[因子]=>[因子图],打开因子图对话框。选定''主效应图〃和''交

互作用图”,在图中使用的均值类型中选择''数据均值"。在主效应图的设置中,

将''强度"选入到响应中,将可用中的所有项选入所选中;在交互作用图的设置

中,重复前面主效应图设置的步骤。单击确定。

因子图主效应X-J

C9强度响应国):

要包括在图中的因子

可用④:所选⑤):

B

C加热时间

D转换时间

保温时间

<I

«I

选择|选项也).一|

帮助|确定(Q)取消|

因子图-交互作用

C9响应QR):

要包括在图中的因子

可用M:所选⑤):

B加

C转

D晡

'选择|选项国)...I

"帮助|确定⑪)一I取消

结果如下:

强度主效应图

数据均值

点类型

角点

中心

强度交互作用图

数据均值

加热潮度

从主效应图中能够看到,加热温度、加热时刻和保温时刻三者的回来线比较陡,

顾主效应阻碍确实显著,而转换时刻的回来线较平,故主效应阻碍不显著;为了

使断裂强度达到最大,三因子差不多上取值越大越好,即加热温度应取上限860

摄氏度,加热时刻应取上限3分钟,保温时刻应取上限60分钟。从交互作用图能

够看出,只有加热时刻和保温时刻二者效应线明显不平行,说明二者交互作用显

著。

(3)输出等值线图、响应曲面图等以确认最正确设置

本例中,只有加热时刻和保温时刻的交互作用显著,因此绘制这组等值线图

和响应曲面图,而设定另一个阻碍显著的变量(加热温度)为最正确设置。具体

操作为:选择[统计]=>「DOE]=>[因子]=>[等值线/曲面图],打开等值线/曲面图对

话框。选定''等值线图〃和''曲面图〃。在等值线图设置中,在因子中,X轴选

为加热时刻,Y轴选为保温时刻,在设置中,选择保留附加因子在高设置,并在

加热时刻中设置860,单击确定;在曲面图设置中,X轴中选择加热时刻,Y轴中

选择保温时刻,单击确定。

结果如下:

强度与保温时间,加热时间的等值线图

加热时间

温时刻为60分钟,加热温度固定在860摄氏度时达到最大。

(4)实现最优化

Minitab软件中有专门的响应变量优化器窗口。具体做法:[统

计]=>[DOE]=>[因子]=>[响应优化器],打开响应优化器对话框。将''可用项"中

的强度选入到''所选项"中;点击''设置”窗口,依照本例的要求,在''目标"

中选择''望大〃,在''下限”中填入560(那个值是在做过的试验中差不多实现

了的),在"望目"中填入600〔那个值是在做过的试验中未能达到的,是较高理

想),上限留为空白。

结果如下:

那个图中共有3列,分别为选中的自变量。最上端列出各变量的名称、取值

范畴以及最优设置,上半图是合意值d的取值情形,下半图是最优化结果:最大

值在加热温度取860摄氏度、加热时刻取3分钟、保温时刻取60分钟达到,断裂强

度最终能够达到569.2066。合意度d为0.23016。

步骤6:进行验证试验

通常的做法是在先算出在最正确点的观测值的推测值及其变动范畴,然后再

最正确点做假设干次验证试验,假如验证试验结果的平均值落在事先运算好的范

畴内,那么说明一切正常,模型是正确的,推测结果可信;否那么就要进一步分

析发生错误的缘故,改进模型,再重新验证,以求得符合实际数据的统计模型。

具体做法是:选择[统计]=>[DOE]=>[因子]=>[分析因子设计],打开分析因子设计

对话框。在前面建立的模型的基础上,即在''项〃中差不多将最终选定的模型中

包括了加热温度、加热时刻、保温时刻以及加热时刻和保温时刻的交互作用项。

再打开''推测"窗口,在''因子"中按顺序设定各个主效应的最优值,分别为860

360o单击确定。

结果如下:

依照该模型在新设计点处对强度的推测响应

拟合值

点拟合值标准误95%置信区间95%推测区间

1569.2072.926(562.931,575.483)(556.186,582.227)

结果说明:最左侧给出的拟合推测值是569.207,确实是将自变量值代入回来方

程所得的结果,这与最优值的推测是一致的。拟合值标准误为2.926,是拟合值

的标准差,此值在作进一步运算时还有用。推测值平均值置信区间的结果是

(562.931,575.438),具体的明白得能够是:当加热温度取860摄氏度,加热时

刻取3分钟,保温时刻取60分钟时,我们有95%的把握断言,断裂强度平均值将

落入(562.931,575.438)之内。95%的推测区间是今后一次验证试验时将要落入

的范畴,可供做验证试验时使用,具体的明白得是:当加热温度取860摄氏度,

加热时刻取3分钟,保温时刻取60分钟时,我们有95%的把握断言,任何一块钢

板的断裂强度将落入(556.186,582.227)之内。

试验之二:部分因子试验设计

部分因子试验设计与全因子试验设计的不同之处在于大大减少了试验的次

数,具体表现在试验设计创建时期的不一致,下面要紧就部分因子试验设计的创

建进行讲述。

步骤1:部分因子试验的打算(创建)——默认生成元的打算

例:用自动刨床刨制工作台平面的工艺条件试验。在用刨床刨制工作台平面试验

中,考察阻碍其工作台平面光洁度的因子,并求出使光洁度达到最高的工艺条件。

共考察6个因子:

A因子:进刀速度,低水平1.2,高水平1.4(单位:mm/刀)

B因子:切屑角度,低水平10,高水平12(单位:度)

C因子:吃刀深度,低水平0.6,高水平0.8(单位:mm)

D因子:刀后背角,低水平70,高水平76(单位:度)

E因子:刀前槽深度,低水平1.4,高水平1.6(单位:mm)

F因子:润滑油进给量,低水平6,高水平8(单位:毫升/分钟)

要求:连中心点在内,不超过20次试验,考察各因子主效应和2阶交互效应AB、

AC、CF、DE是否显著。由于试验次数的限制,我们在因子点上只能做试验16

次,另4次取中心点,这确实是2

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论