[PPT模板]GBI-3 完全要因实验.ppt

《[PPT模板]GBI-3 完全要因实验.ppt》由会员分享，可在线阅读，更多相关《[PPT模板]GBI-3 完全要因实验.ppt（57页珍藏版）》请在三一文库上搜索。

1、完全要因实验 (Full Factorial Designs),方法论,Improve 概要 DOE 介绍 完全要因实验 对策方案选定,学习目的 完全要因实验的理解 - 完全要因实验的定义和特征 - 主效果与交互作用的计算方法及分析 - 最佳条件导出方法 2. 利用Minitab的完全要因实验的设计及分析理解,什么是完全要因实验,什么是完全要因实验,定义 对因子的全部水准组合，任意抽样实验 Kn 要因实验是对K水准、n个因子的所有水准组合, (Kn)进行实验 - 22要因实验是2水准、2个因子组成 - 23 要因实验是2水准、3个因子组成 适合于特性化 /最佳化阶段 对主效果和交互作用的效果都

2、能进行评价。 所规定的实验领域内的全部过程（Point)中可以推定输出 (反应)值。. 通过反复实验可以求出实验误差。,特性,22 设计的标准排列,因子的低水准表示为“-” 或 “-1” 高水准表示为 “+” 或 “+1” 22 要因实验的标准排列如下。,反应温度 浓度,- 1 - 1 +1 - 1 -1 +1 +1 +1,什么是完全要因实验,23 设计的标准排列,22 要因实验,23 要因实验,23 要因实验包含着 22 要因实验。,什么是完全要因实验,主效果,浓度的效果 = ( 对应+的数合计 ) - ( 对应-的数合计 ) / ( +(-) 符号数 ) = ( 52 + 83 ) - (

3、 60 + 72 ) / 2 = 3/2 = 1.5,浓度随着浓度变化增加（低 - 高），数率平均也增加 1.5 左右。,主效果(Main Effect),意味着根据因子水准变化的反应值平均变化。即， 显示因子对反应值有多大影响。, 主效果 Plot,反应温度对数率影响大，但浓度对此几乎没有影响。但此因子间交互作用，可能是歪曲的判断结果，所以没有交互作用的前提下才能说这结论是准确。,交互作用(Interaction Effect),除了各因子的个别效果之外，因子组合特别效果有无？ 交互作用：因2因子以上特定因子水准组合而出现的效果。 交互作用存在与否 - 一个因子的效果随着另一个因子水准的变化

4、而变化时， 存在交互作用效果。,交互作用,-1 反应温度 +1,+1 浓度 -1,60,52,72,83, = -8, = +11,反应温度是高水准(+1)时: 随着浓度由低水准转为高水准时，数率增加 11,反应温度是低水准(-1)时 : 随着浓度由低水准转为高水准，数率减少8,浓度的效果随着温度水准而不同，所以存在温度与浓度的交互作用。,交互作用(Interaction Effect),因反应温度与浓度之间有交互作用，所以不仅看主效果Plot，应根据交互作用效果Plot判断数率的变化。, 交互作用效果 Plot,交互作用(Interaction Effect), 交互作用的有无,没有交互作用

5、时，对应相对因子各水准的输出变量变化是平行。 有交互作用时，对应相对因子各水准的输出变量变化是交叉或不平行。,交互作用(Interaction Effect),完全要因实验的例,通过测定和分析阶段，得知影响半导体制造A 工程数率(输出变量)的因子 (输入变量)是温度,浓度及压力。 1阶段: 问题记述 Process Engineer知道对半导体数率的温度，浓度及压力的效果。 2阶段: 设定因子及水准，用Minitab作成实验DATA SHEET 因子及水准 反应温度 () : 160 (-1) , 180 (+1) B 浓度 (%) : 20% (-1) , 40% (+1) C 压力(psi

6、) : 5 psi (-1) , 10 psi (+1) 用Minitab作成实验DATA SHEET,生成23 要因模型的设计。 : 2 X 2 X 2 = 8 个runs的完全要因实验。,因子数,显示可能的实验设计Menu,利用Minitab的完全要因实验,Click,用Minitab作成实验DATA SHEET StatDOEFactorialCreate Factorial Design,Step 1,确认可能的实验设计及根据被选取设计的实验数,上表只能看出可能的实验设计。 在这个例中要做3因子完全要因实验(Full Factorial Design)，所以对应因子 3的实验数为8,C

7、lick,因子数,实验数,Step 2,有8个runs的3变量完全要因实验。,不存在Block化要因,Click,Click,中心点数,反复数,Block数,实验设计的选择,Step 3,为实验顺序的Random化选择,Click,Click,需要Random化时， Minitab再排列实验的 标准顺序。,Option 选择,Step 4,指定实验因子的名称和水准， 使模型具体化。,Click,Click,指定Factor的名称及水准,Step 5,分析结果中，选择愿意输出的部分。,Click,Click,指定分析结果输出方法,Step 6,Create Factorial Design 实行

8、结果,Click,Factorial Design Full Factorial Design Factors: 3 Base Design: 3, 8 Runs: 8 Replicates: 1 Blocks: none Center pts (total): 0 All terms are free from aliasing,( Session窗的内容 ),( Worksheet的内容 ),3阶段: 实施实验输入DATA,4 阶段: 关于完全模型(Full Model)的ANOVA表作成,利用Minitab的分析,输入分析的反应变量,Click,Click,Stat DOE Analyz

9、e Factorial Design,Step 1,Normal & Pareto Plot的选择,画Plot时使用的 留意水准,Click,Graph 选择,Step 2,Click,Analyze Factorial Design 实行结果,( 输出图表的选择 ),在留意水准10%离上面的正态线越远效果越有影响。 在本例中反应温度，反应温度*压力的交互作用效果有影响。 利用Graph，认定 哪些项按误差项Pulling为好的参考资料。,Analyze Factorial Design 实行结果, 4 1 阶段: 通过图表确认无影响的因子。,基准线计算是知道留意水准时在Minitab自动计算

10、。 得出与前面的 Normality Probability Plot相同结果。 Graph比基准线往右，被判断为效果有影响。 在选定按误差项Pulling的项时，一般来讲把最高差的交互作用 ABC Pulling， 在 此例中，因BC的交互作用为0 ，所以，值得把此两个项按误差项Pulling 。,基准线,Analyze Factorial Design 实行结果,没有F和P值!, 4-2 阶段. Analyze Factorial Design 实行结果作成的ANOVA表,有P值时根据P值选择无影响的效果，但在这例中利用前Graph分析的结果。,为什么没有P值？,Analyze Facto

11、rial Design 实行结果,5阶段: 消除无影响的项，作成关于缩小模型(Reduced Model)的 ANOVA表。,在分析项(Selected Terms)中 没有ABC项和BC项，是因为 把此两项，按误差项Pulling的缘故。,Click,Step 1,Stat DOE Analyze Factorial Design,Click,在4-1 阶段的Graph中消除效果小的项，重新实行Analyze,( 关于缩小模型的ANOVA表 ),Fractional Factorial Fit: 数率 versus 反应温度,浓度,压力 Estimated Effects and Coeff

12、icients for 数率 (coded units) Term Effect Coef SE Coef T P Constant 64.250 0.1768 363.45 0.000 反应温度 23.000 11.500 0.1768 65.05 0.000 浓度 -5.000 -2.500 0.1768 -14.14 0.005 压力 1.500 0.750 0.1768 4.24 0.051 反应温度*浓度 1.500 0.750 0.1768 4.24 0.051 反应温度*压力 10.000 5.000 0.1768 28.28 0.001 Analysis of Variance

13、 for 数率 (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 3 1112.50 1112.50 370.833 1E+03 0.001 2-Way Interactions 2 204.50 204.50 102.250 409.00 0.002 Residual Error 2 0.50 0.50 0.250 Total 7 1317.50,Step 2,在ANOVA表中看p值时，消除没有影响的效果( p值 0.05 )， (“Selected Terms”中不包括无影响的项)从新实行Analyze Stat D

14、OE Analyze Factorial Design,实行Analyze Factorial Design时，为了残差分析把 Residuals 和 Fits 储存在Work sheet.,Click,Step 3,Click,( 再缩小的ANOVA表 ),把压力因子放在模型的理由是什么?,6阶段: 分析残差图(Residual Plots)确认模型的适合性 Stat Regression Residual Plots,点以0(横线)为中心，任意分布吗?,有脱离USL, LSL 的点吗?,是不是正态分布,Graph上的点表示残差(Residual).假如残差随正态分布没有管理脱离以0为中心

15、任意分布，就判断其分析结果得出的模型(数学式)是适合的。,7阶段 : 主效果分析,Step 1,Stat DOE Factorial Factorial Plots,Click,Click,主效果 Plot,Step 2,Set-up: 选择Plot包含的因子,( 主效果 Plot ),反应温度的效果最大，压力的效果几乎是没有。 倾斜度越大效果也越大。,数 率,8阶段 : 在ANOVA表中分析有影响的交互效果,Step 1,Stat DOE Factorial Factorial Plots,Click,Click,交互效果 Plot,Step 2,Set-up: 选择Plot包含的因子,(

16、交互效果 Plot ),交互作用几乎没有,交互作用存在,交互作用不存在,DATA的视觉化 立方形Graph,DATA的视觉化 立方形 Plot,Step 1,Stat DOE Factorial Factorial Plots,Click,Click,立方形 Plot,Step 2,Set-up: 选择Plot包含的因子,数率最大化的因子的水准是 ?,立方形 Plot,这个Graph视觉化反应(输出)值的分布情况。,9阶段: 用ANOVA表的Coef叙述数学MODEL,数率 = 64.25+11.5反应温度 - 2.5浓度 + 0.75压力+ 5.0反应温度*压力,欲分析的反应变量 移到 或者

17、 .,Stat DOE Factorial Response Optimizer,利用Response Optimizer,完全要因实验分析方法,阶段10: 数学MODEL的意思转换为Process用语,Step 1,Click,反应变量数率的规格为 79 81时，在 Goal里选择 Target，Lower 里79, Upper里 81, Target里输入 80.,完全要因实验分析方法,Set-up,Step 2,Click,Click,Search为定义，子钩的始发点 输入因子水准的值。 这个值为输入因子水准的最大值 和最小值之间的值。,输出最佳化 Plot.,完全要因实验分析方法,Op

18、tion,Step 3,Click,Click,满足反应变量的目标值80的 code化的三个因子的水准。,完全要因实验分析方法,阶段 11: 再现最佳条件。拟定下一个阶段的实验计划 或适用变化的条件。,结果分析及决定因子的最佳水准,Step 3,移动这个 Line，因子的三个 Setting值有变化，y值及满足度(d)值也改变。,有中心点的完全要因实验的 例,2-水准实验设计时，只考虑输入变量的2个水准， 随时存在忽略曲线效果的危险。 追加“中心点(Center points)”，因此不增加实验次数也能检定曲线效果。 例: 作为Process Engineer想提高相互不同的2个die-cas

19、tings的数率， 并且对温度及压力的2个输入变量，有关心。 作为Engineer追加对 2x2 模型的5个中心点而执行实验， 决定要对实验误差及曲率效果，进行推定。,输入变量 温度(Temp) 水准: 150(-1), 155(0), 160(+1) 压力(Pressure) 水准: 30 (-1), 35(0), 40 (+1),1 阶段: 问题记述 作为Process Engineer想提高相互不同的2个die-castings的 数率，并且对温度及压力的2个输入变量，有关心。 2 阶段: 记述因子及水准，生成 Minitab 实验DATA SHEET 温度: 150, 155, 160

20、 压力: 30, 35, 40 Stats DOE Create Factorial Design - Designs: Full Factorial, 5 Center points - Options: No randomization of runs - Factors: Specify names and levels 3 阶段: 实施实验输入DATA,有中心点的完全要因实验的 例,有中心点的完全要因实验的 例,3 阶段: 实施实验输入DATA,Temp Press Yield Yield2 150 30 39.30 39.30 160 30 40.90 40.90 150 40 40

21、.00 40.00 160 40 41.50 41.50 155 35 40.30 42.30 155 35 40.50 42.50 155 35 40.70 42.70 155 35 40.20 42.20 155 35 40.60 42.60,制品1的数率(Yield),制品2的数率(Yield),4阶段: 作成对制品1数率(Yield)的 ANOVA表 Stat DOE Analyze Factorial Design,Fractional Factorial Fit Estimated Effects and Coefficients for Yield (coded units) T

22、erm Effect Coef StDev Coef T P Constant 40.4250 0.1037 389.89 0.000 Temp 1.5500 0.7750 0.1037 7.47 0.002 Press 0.6500 0.3250 0.1037 3.13 0.035 Temp*Press -0.0500 -0.0250 0.1037 -0.24 0.821 Ct Pt 0.0350 0.1391 0.25 0.814 Analysis of Variance for Yield (coded units) Source DF Seq SS Adj SS Adj MS F P

23、Main Effects 2 2.82500 2.82500 1.41250 32.85 0.003 2-Way Interactions 1 0.00250 0.00250 0.00250 0.06 0.821 Curvature 1 0.00272 0.00272 0.00272 0.06 0.814 Residual Error 4 0.17200 0.17200 0.04300 Pure Error 4 0.17200 0.17200 0.04300 Total 8 3.00222,曲率效果,5阶段: 消除没有影响的项 缩小模型(Reduced model) Stat DOE Anal

24、yze Factorial Design - Storage Residuals & Fits,Fractional Factorial Fit Estimated Effects and Coefficients for Yield (coded units) Term Effect Coef StDev Coef T P Constant 40.4444 0.05729 705.99 0.000 Temp 1.5500 0.7750 0.08593 9.02 0.000 Press 0.6500 0.3250 0.08593 3.78 0.009 Analysis of Variance

25、for Yield (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 2 2.82500 2.82500 1.41250 47.82 0.000 Residual Error 6 0.17722 0.17722 0.02954 Curvature 1 0.00272 0.00272 0.00272 0.08 0.791 Lack of Fit 1 0.00250 0.00250 0.00250 0.06 0.821 Pure Error 4 0.17200 0.17200 0.04300 Total 8 3.00222,

26、消除的项是什么?,4-1 阶段: 作成对制品 2数率(Yield2)ANOVA表 Stat DOE Analyze Factorial Design,Estimated Effects and Coefficients for Yield2 (coded units) Term Effect Coef StDev Coef T P Constant 40.4250 0.1037 389.89 0.000 Temp 1.5500 0.7750 0.1037 7.47 0.002 Press 0.6500 0.3250 0.1037 3.13 0.035 Temp*Press -0.0500 -0

27、.0250 0.1037 -0.24 0.821 Ct Pt 2.0350 0.1391 14.63 0.000 Analysis of Variance for Yield2 (coded units) Source DF Seq SS Adj SS Adj MS F P Main Effects 2 2.8250 2.82500 1.41250 32.85 0.003 2-Way Interactions 1 0.0025 0.00250 0.00250 0.06 0.821 Curvature 1 9.2027 9.20272 9.20272 214.02 0.000 Residual

28、Error 4 0.1720 0.17200 0.04300 Pure Error 4 0.1720 0.17200 0.04300 Total 8 12.2022,曲率效果,5-1 阶段: 消除没有影响的项- 缩小模型(Reduced model) . Stat DOE Analyze Factorial Design - Storage Residuals & Fits,6阶段: 分析残差图确认模型的适合性。 Stat Regression Residual Plots,制品2,制品1,7阶段: 在ANOVA表分析有影响的主效果 Stat DOE Factorial Plots Main

29、Effects Plot Stat DOE Factorial Plots Cube Plot,制品2,制品1,因点脱离直线，可以知道有曲率效果。,8阶段: 在ANOVA表分析有影响的交互效果 Stat DOE Factorial Plots Interaction Plot,点在两个直线的外面，可以知道有曲率效果。,制品2,制品1,9阶段: 记述数学MODEL的结果 制品 1的模型 与制品2的数率(yield2)相关，还没得到有效的模型。 现在始点，只知道曲线 效果存在。 从新设定水准，再实行 DOE或反应表面分析 (RSM).,Yield = 40.44 + 0.775 * Temp + 0.325 * Press,Term Effect Coef T P Constant 40.4444 705.99 0.000 Temp 1.5500 0.7750 9.02 0.000 Press 0.6500 0.3250 3.78 0.009,10阶段: 把数学MODEL的意思转换为Process用语。 11阶段: 再现最佳条件。拟定下一个阶段实验的计划或适用 变化的条件。,