【必讀】DOE案例分析講解（一）

DOE的一個DOE的案例 當然我們的案例主要集中在我們的全因子 全因子試驗分析 這是我們今天繼續要給大家講到的 然後我們這節課的話 更多的話是給大家理論知識 是理論知識偏少一點 更多的是什麼呀 偏向於我們的實踐 更多的是偏向於我們實踐 是怎麼樣運用我們的 接口ManyType運用我們的 分析我們的DOE 然後怎麼樣分析我們的 DOE的一些試驗結果 這是給大家一個強調的一個主題 或者是強調的一個重點 你和DOE怎麼辦 我們後面再說 是這樣 每個案例不一樣 是這樣的 每個案例不一樣 用戶4806 是這樣 每個案例是不一樣的 只有你把數據拿到了 我們才能進一步看一看 是究竟哪裏低了 好吧 關於這一個案例的話 上節課的話 我們應該給大家說了 是不是 這個案例的話 就給大家簡單的做一下回復 回覆啊 是這樣 關於我們要提升一個熱處理的一個強度 然後呢 我們通過一些 頭腦風暴啊 或者是飛沫呀 或者是一個魚舞圖 或者是因果圖啊 也叫因果圖 然後識別出了四個潛在的一個 四個潛在的因子 對不對 這四個因子呢 我們當時說啊 響應變量的話 是什麼呀 就是我們的強度 對不對 響應變量就是我們強度 然後的實驗因子是什麼呀 我們實驗因子就是這些 對不對 我們這裏有四個工藝參數 然後每個工藝參數呢 這裏也設定了一個低水平或者高水平 對 這樣的話 要求我們編制一個因子水平表 首先第一步的話 是編制因子水平表 當然在編制因子水平表的時候 我們要首先記得我們這個 什麼呀 實驗設計DOE的一個三個基本原則 第一個是完全重複 第二個是隨機化 第三個是驅逐化 完全重複的話 我們就說是多做一次實驗 對不對 或者多做兩次實驗 在一個處理的條件下 對不對 在一個處理的條件下 我們可以多做一次實驗 通常情況下 我們只要求在我們中心點 做一次實驗就可以了 中心點多做幾次實驗就可以了 比如做三次或者四次 都OK 是這樣 然後我們繼續啊 關於隨機化的話 是什麼意思啊 我們隨機化的話 就是我們的實驗順序 對不對 不要人爲的去控制 要隨機 這個就跟我們測量系統分析的盲測一樣 對不對 需要生成一定的順序 這個順序的話 我們不要人爲的去控制它 我們要隨機控制 隨機化 是這樣 關於驅逐化的話 我們就說可以考慮到 就是說我們白班或者夜班 白班和夜班 這裏只舉了個例子 白班或者夜班 是不是真正的有影響 這樣 當然情況下也是根據我們實際來決定 根據實際來分析 白班夜班的話 我們可以作爲一個驅逐 是這樣 好吧 這是我們剛纔說的DOE的三個基本原則 上節課的話 也給大家說過了 對不對 然後這裏的話 就是讓你告訴考慮什麼呢 告訴大家需要考慮什麼呀 考慮中心點重複 然後考慮隨機化 這個案例呢 就告訴我們驅逐化的影響可能很小 我們就不需要考慮驅逐 也就說驅逐數是幾 是1 就OK了 然後下面呢 我們根據這個案例的這個要求 我們就要幹嘛 第一步生成我們這個實驗計劃表 是這樣 生成實驗計劃表的話 這裏是順序給大家列出來了 簡單演示一下 這個的話 我就快速進行演示了 好吧 這個的話 我就快速進行演示了 首先我們打開我們的menu type 好的好的 我們給大家演示一下 生成我們這個DOE的一個實驗設計表 是這樣的 統計 DOE 因子 創建因子設計 然後的話 我們屬於兩水平因子的話 對不對 我們屬於每個因子的話 其實是兩水平 是這樣 我們其實就可以的 打開這個 兩水平的話 就是說什麼呀 我們只有一個 這裏我們看案例 是這樣 好吧 可以看案例 是不是 我們這是兩水平 對不對 有低水平 還有高水平 這是每個因子 所以說 第一個就可以 兩水平 因子數是幾個 是四個因子 對不對 我們四個公義參數 我就點擊OK了 點擊確定 點擊設計 然後我們做的是什麼 全因子實驗設計 我們點擊全因子 然後每個區組的中心點數是幾呢 我們一般情況下設成三或者四 然後這個就屬於 類似於什麼呀 我們重複幾次 是這樣 我們中心點重複幾次 我們說中心點需要重複 這個是我們實驗要求給我們的 然後通常情況下 我們也是需要做重新點的一個重複 兩點和三和四 腳點的仿行數的話 就是每個處理我們需要做幾次 其實每個處理的話 就比如說這個例子 上節可以給大家講過了 就是比如說我們 恆溫時間選低水平 然後熱處理選低水平 然後升溫時間選低水平 處理時間選低水平 就是這個我們做幾次 我們一般情況下是要求什麼呀 我們只做中心點的一個重複次數 然後這個腳點的仿行數呢 就選一就可以了 區組數我們說是不考慮 對不對 我們沒有區組 就區組數是一就可以了 然後點擊確定 然後這裏的話我們再點擊因子 因子的話是四個因子對不對 四個因子的話 我們把我們四個因子的這個路徑呢 就是恆溫時間 我只給大家舉個例子 可以了 然後點擊恆溫時間對不對 低水平和高水平是多少呀 低水平和高水平 我們看看這個案例啊 低水平是50 高水平是60 我們就輸入50 還有60 然後關於因子B呢 是這樣 因子B的話我們就不錄入了 因子B也是一樣的道理啊 就直接給這裏靠近過來 就可以了 這裏的話我就不說了 這裏的話就不錄入了 然後我們點擊確定就可以了 關於4806 你這個因子水平 根據設備能力還是工藝能力 我聽不懂你這個問題啊 我不太明白你這個問題 是這樣 然後我們點擊確定就可以了 是這樣 然後因子C也是一樣的 我們把因子C輸入進來 我們把因子D也輸入進來就可以了 我們點擊確定就可以了 然後選項的話 我們就點擊隨機啊 這裏有個隨機 這就是我們隨機化 我們要點擊隨機 然後確定 確定就可以了 這樣的話 大家又看看一看 我們這個實驗設計的一個什麼呀 一個最終的一個實驗表 或者計劃表就出來了 對不對 計劃表就出來了 然後我們需要下一步怎麼做呢 我們實驗計劃表出來以後 對不對 然後我們最終的是要得到一個強度 對不對 我們可以接下來就做實驗了 比如說運行序 我們第一個做實驗是什麼呢 就是恆溫時間是60 然後這處理時間是多少呢 因爲我當時輸入的負1和1啊 是這樣 C和D我們就按照這個要求 然後去做實驗 實驗做完之後 我們把強度輸入到這裏 然後第二個實驗呢 是這樣恆溫時間是60 然後這處理呢是這個 然後下一個因子是這個 然後就點擊確定就可以了 然後給大家看一看我們的PPT 大家就能更明白啊 是這樣 這樣的話 其實大家看看 我是剛纔的話 因爲上節課的話 把這些都給大家完全演示一遍 然後這一課就給大家簡單演示一下 大家可以看一看對不對 然後這樣的話 我們生成實驗序的話 我們就按照第一步做 對不對 我們第一步的話就是 恆溫時間是50 這處理820 升溫時間3.0 處理時間1.4 然後錄入我們的實驗結果 我們按照這個實驗順序 就錄入我們的實驗結果就可以了 好吧 然後的話 我們再看下一次啊 然後我們再看下一個 是這樣 然後根據我們的強度啊 根據我們的強度 然後我們根據我們這個強度之後 就是把我們的強度的實驗結果錄入以後 這就得到我們完整的一個實驗計劃 以及我們什麼呀 一個實驗的分析表單 下一步的話 我們就需要幹嘛呀 分析我們的實驗 實驗了 分析我們的實驗結果 是這樣 然後關於藍志那個問題 四因子兩水平 中心點三個 返航兩次 運行多少次 我不太理解你 你中心點已經三次了 相當於返航三次了 你那個返航兩次是什麼意思 返航兩次的意思是 你腳點要返航嗎 是這樣 你腳點要返航的話 我不太理解 爲什麼要返航 你的中心點已經返航了 已經能評估出我們的實驗誤差了 那爲什麼還需要返航兩次 是這樣 你的實驗結果 是出於什麼角度考慮 這個藍志啊 是這樣 我不太理解 而且你的實驗成本也會增大 我不太理解藍志 爲什麼你返航要返航兩次 中心點已經三個了 爲什麼還要返航兩次 我們繼續啊 好吧 你的實驗的話 我們說做題呢 我們不考慮那些 如果你在實際的一個工作中 你可以做這麼多因子實驗的話 我不知道你說 你的實驗目的是爲了什麼 說的通俗一點 實驗目的的話 是我們得出我們科學有效的 一個實驗分析結果 以及說 把我們的這個實驗成本 控制在合理的範圍之內 你爲什麼有中心點了 還需要做那麼多返航 是這樣 這個實驗成本不考慮嗎 中心點是三次 可以是四次都沒有問題 你可以當然多做兩次 也可以的 是這樣 陽光很好 中心點可以是三次四次都OK啊 我們多做幾次是沒有問題的 但是如果你的腳點返航數的話 你單依靠腳點返航的話 你就比較多了 你比較我們想一想 如果腳點是四因子量水平的話 也就是2的四次方式 16次 16次的話 如果每個腳點都返航的話 16乘以2 對不對 就是32次了 你再加上中心點的話 就是35次了 你這個實驗成本的話 就非常大的 做中心點的目的是這樣 主要有兩個 就是據我已知有兩個 第一個是評估我們實驗誤差 第二個就是評估我們的模型 是不是有彎曲 是這樣 在中心點的位置 是不是有彎曲 將來的話 如果有彎曲的話 我們還要分析彎曲的原因 是這樣 是不是說要做我們響應曲面設計等等 這些都是我們需要後續的實驗 需要考慮的 好吧 南鄉四葉 好 我們繼續啊 我們打開我們這個實驗分析啊 分析結果 我給大家點開啊 我們說這樣的話 大局已經得到了我們實驗分析的一個整個結果 對不對 我們下一步需要做什麼呢 上節課其實給大家演示了一下 對不對 第一步的話 我們說實驗設計第一步需要什麼呀 擬合選定模型 對不對 我給大家操作一下 陽光很好 水平的因子方式次數吧 我沒太明白什麼意思 我舉個例子吧 是這樣 如果你是兩因子啊 如果你是兩水平 三因子 對不對 其實就是一個排列組合的問題 就二的三次方嘛 如果你選擇不考慮中心點 如果你是三水平兩因子的話 那就是三的平方 或者三的四方 是這樣 好吧 然後我們繼續啊 然後給大家演示一下 在統計 DOE 因子 分析因子設計啊 分析因子設計 然後的話 我們的響應的話 就是我們的Y值啊 我們Y值其實就要幹嘛呀 得到我們的C9嘛 對不對 得到強度 強度 這樣的話 我們一般情況下 選擇二就可以了 大家可以看 我給大家展示一下 二和三四有什麼區別 二 輸入二的話 其實可以看看 就是包含了 幾階數 是不是 比如說一階的話 肯定是在二里邊 還有說 每個因子的一個交互作用 AB AC AD BC BD CD 對不對 其實就是C42嘛 C42排列組合的話 就是六次 對不對 如果你是三階像的話 我們點擊三 這樣的話就生成什麼了 除了包含每一階的 二階的 還有三階的 ABC ABD ACD BCD 如果是四呢 那你肯定把ABCD也包含進來了 是這樣好吧 一般情況下 我們考慮二階像就可以了 就能滿足要求了 在模型中包含中心點 不勾選 再一個 不要勾選 4806啊 在模型中包含中心點 不勾選 不要勾選 嗯 然後我們點擊確定就OK了 然後這裏的話 我們分析因子和選項的話 這裏大部分關於這個就是密函數轉換的話 大家可以先不用考慮啊 密函數轉換的話 可以先不用考慮啊 一般情況下 我們先選擇無變換啊 逐步的話 大家也不需要考慮啊 這個 然後但是圖形的話 需要大家考慮一下 爲什麼需要考慮的話 其實上節可以給大家說過了 對不對 然後這個大家先按照我這個思路來做啊 效應圖的話 選擇第一個 還有第二個 然後的話 一般情況下默認是單獨試圖啊 單獨試圖 我們需要點擊四合一 需要點擊四合一 然後選擇殘差與變量 殘差與變量的話 一般情況下 一開始沒有沒有沒有輸入啊 我們需要殘差與變量 就是說殘差與我們的X 與我們的X啊 然後我們就點擊A B C D 就是我們因子數啊 需要都把他們錄進來 就是我們的自變量啊 自變量都需要錄進來 然後點擊確定 結果的話 一般情況下就讓它沒什麼需要動的 大家就可以這樣了 存儲的話 如果你想把擬合值 殘差值和標準化殘差值 想存儲下來也可以啊 我們先不存儲它了 因爲在我們這個案例是吧 沒有什麼實際意義啊 然後點擊確定 然後點擊確定就OK了 我們看看我們最終的一個 實驗分析的一個結果啊 然後我們的實驗分析結果的話 大家可以看看 第一個的話啊 是以編碼係數啊 大家可以先不用看這個啊 先不用看這個 然後的話 關於模型彙總啊 這是第二個 第三個是方差分析 第四個是我們一個迴歸方程 互爲別名的話 大家不用關注 互爲別名的話 一般情況下是我們就是混淆嘛 混淆的話 一般我們通常在我們的部分因子實驗時候 纔去考慮這一點啊 全因子一般不需要考慮 然後還有一個標準化效應的一個正態圖 標準化效應 一個柏拉圖 還有我說我們的一個殘差圖 還有我們一個質變量啊 我們的質變量啊 與我們的這個殘差的一個圖是這樣 這些是我們最終的一個實驗分析結果 是這樣 至於怎麼樣分析的話 下一步的話 上一節課也給大家啊 說過了是不是 我們迴歸到我們的這個立體中啊 我們一步步來好吧 給大家單單回顧一下 好吧 擬合值如果是40%的話 有沒有問題啊 我們通常情況下 我們看這個 看這個啊 我們一步一步來 好吧 我們看我們的實驗分析的話 結果的話 我們一步一步來 然後第一步需要看什麼呢 看我們的模型 對不對 第一步需要看什麼呀 看我們的方差分析表中的總效果 首先看我們的模型是不是有效的 這個的話 其實我也說我們一個假設檢驗 對不對 如果P大於0.05的話 就說明模型沒效 如果小於0.05的話 是不是就模型有效啊 是這樣 第二步呢 看什麼呀 方差分析表中的一個有沒有失寧 這個上節課都給大家說過了 然後這裏我覺得快點給大家 過一下 好吧 第三個呢 就看我們方差分析表中有沒有彎曲 第四個的話 就看我們一個什麼呀 總效果的多元全相關係數 還有調整的多元全相關係數啊 他倆呢 通常是越接近越好 這倆數值呢 通常是越接近越好 當然了 如果他倆越接近1 越好啊 是這樣 但一般情況下 我們首先考慮他倆是越接近就好 然後同時呢 我們在需要對我們的這個方差啊 進行分析 或者是軍方物進行分析 然後呢 再對我們各項的一個效應 進行分析啊 看看我們的這個 每個一個因子啊 不論是我們的這個 每個獨立因子也好 還有我們交互通用的因子也好啊 是不是有效的 這是我們的分析順序啊 我們需要一步一步來 然後結果呢 我給大家剛纔從我們的minitab表中 也給大家截取了 然後我們首先一步一步來看啊 我剛纔說 首先第一步看啥呀 方差分析表對不對 首先看我們方差分析表 中的一個模型效果 是不是有效 就這一個 這個是我們需要第一步考慮的 這個p值是多少啊 0.002 小於0.05 拒絕原假設 選擇備則假設 備則假設是什麼呀 模型是有效的 我們來看一看 我們模型的話是有效的 對不對 模型沒有問題 第二步是看什麼呀 看我們是不是有彎曲 是不是有施擬 對不對 我們有沒有彎曲呢 我們首先看這個彎曲 p值是0.610 大於0.05 怎麼樣 沒法拒絕原假設 對不對 也就是說原假設是什麼呀 原假設是無彎曲 也就是說我們模型 無彎曲 不需要考慮增加每個的冪方向 就是次方向 比如說X1 或者是X1 X2 X1平方 等等或者三次方 高階項的話 一般不用考慮 是這樣 我們的模型的話 當然我們 當然我們的模型項裏面也沒有選擇 所以無彎曲 有沒有施擬呢 施擬的話是0.727 p值大於0.05 原假設是什麼呀 原假設就是無施擬 我們可以回來看一看 原假設是不是無施擬 原假設是不是無彎曲 對不對 所以說我們這個呢 既沒有彎曲 也沒有施擬 所以模型來看 也是OK的 無彎曲和施擬來看 也是OK的 對的 其實如果不加中心點的話 可能就不會體現出 有沒有彎曲的一個數據 是這樣的 所以說 這也就是爲什麼情況下 我們說 腳點就是每個處理 每個處理 每個處理那個位置啊 我們不建議它返航 是這樣 我們是建議中心點位置進行返航 好吧 因爲我們中心點返航的話 除了能估算出我們的 就是能得到我們誤差以外 還能看看是不是有施擬啊 是這樣 其實啊 說錯了 是不是有彎曲啊 是這樣 說錯了 是不是有彎曲啊 好 然後我們再看 下一步的話是什麼呀 我們下一步看是怎麼樣 我把這個先處理一下啊 這裏太多了 我們分析完模型OK 然後這個施擬 還有這個也是沒問題的 對不對 就是沒問題 這裏看也沒問題 然後我們再看什麼呀 看我們這個模型彙總 對不對 我們剛纔說了 對不對 我們多元權相關係數 以及調整的多元權相關係數 首先的話 它倆越接近越好 啊 模型的話越接近也好 同時呢 它倆的值越靠近一 越好 是不是通常情況下 如果在第一步的分析時候 從這裏看出來 沒有什麼特別的一個好的效果 沒有什麼一個特別好的一個效果 我們一般情況下是這樣 在我們第二步對模型進行調整的時候 我們把調整前的模型 與調整後的模型進行對比 來看看我們是不是調整後的模型 比調整前的好 是這樣 我們通常是這樣進行分析的啊 我們後面會給大家說的 好好不好 然後下一步是幹嘛呀 我們再看看 每一項 每一項是不是顯著的 每一項的作用是不是顯著的 其實這裏呢 也是看P值啊 也是看P值 這個首先呢 恆溫時間P值是0.005 大於0.05 小於0.05啊 所以它是有效的 模型是有效的 就是恆溫時間 KL的作用很有效 很顯著 這處理時間也是一樣 恆溫時間呢 也是一樣 但處理時間的話 從這裏看一下 已經0.212了 可能它的作用 不那麼顯著 然後從交互作用看呢 是哪個比較顯著 我們直接找小於0.05的 是哪個 是A和C對不對 A和C對不對 40%的話 我個人認爲沒有什麼問題 可能不需要考慮啊 是這樣 4806 預測的話 不需要考慮啊 我們更多的是考慮我們這兩個 模型中爲什麼沒有二次項 我們現在的話 還沒有考慮我們模型中 需要增加二次項的 我們說什麼呀 我們現在的話 第一步情況下 我們都是認爲沒有彎曲的 如果你認爲有彎曲的情況下 增加響應曲面設計的情況下 我們通常纔會考慮二次項 當然二次項的一個前提是什麼呀 二次項的前提的話 可能我們的因子數比較少 一般情況下 我們響應曲面設計 通常是三個因子 或者兩個因子的時候 通常纔會考慮 我們響應曲面設計啊 因子數很少的時候 那兩個的差異 多少可以接受 我不知道你說的是 哪兩個的差異啊 哪兩個的差異可以接受 是哪兩個的差異 你說的是哪兩個差異 你說是 這個嗎 就是說 我再把這個 稍等啊 你說的是關於這兩個嗎 多元權限關係數 以及調整的多元權限關係數嗎 83.55啊 這個的情況下 沒有一個特別的一個指示 說他倆多接近越好 他倆越接近越好 一般情況下 我其實剛纔後面也給大家說了 是不是 嗯 等會啊 稍等一下 這是我們第一步的分析啊 這是我們第一步的分析 你和選定模型 我們後面還有分析呢 然後我們對於模型調整了之後 我們還會有一個多元權限關係數 以及調整的多元權限關係數 這個時候 我們把我們的前後的一個模型進行對比 才能看出我們的模型 是不是能優化啊 好不好 我們下面會說到 不要着急 好吧 然後從這裏看的話 其實我們能得出一個消息啊 就是模型是有效的 沒有彎曲 沒有溼泥 然後各個因子 哪些因子或者交互作用是顯著的 模型的話 從這裏看呢 看的還可以 對不對 看的還可以 只能是這樣 好吧 第一步我們分析完了 然後關於這裏的話 我們再看我們標準效應的一個柏拉圖 其實這個話 從這裏可以看看 就是說這條線 這一側的因子就代表 它是什麼樣 作用是顯著的 首先有哪些呢 有B對不對 有C 還有A 還有AC 其實就是ABC 還有AC的交互作用 對不對 其實這個剛纔給我們這些分析是一樣的 可以看看 對不對 A B C 還有AC 因爲他們的P值怎麼樣 都小於0.05 對不對 是一樣的道理啊 這個圖其實也是一樣的 關於標準化效應的一個正態圖 也會給你一個直觀的展示 因爲有人喜歡看圖啊 其實我不太喜歡看圖 我只喜歡看數啊 這樣的話圖裏會給你一個直觀的感覺啊 就是哪些是顯度的 哪些作用是顯著的 是不是 當然說B C A和AC 對不對 其實跟這個這倆圖其實是一樣的 是一樣的 沒什麼區別啊 彎曲的情況下 你就需要考慮響應曲線設計了 對的 彎曲的情況下 你可能就需要考慮響應曲線設計 增加我們高階項了 是這樣 當然一般情況下 彎曲我們第一步是什麼樣 彎曲第一步的話 你可以考慮考慮你的模型 比如說你的Y 是不是要做一些變化 就密函數的轉換啊 如果密函數的轉換也沒有作用的情況下 我建議你的話就是可以考慮 好繼續啊 我們繼續 這就是你和選定模型的第一步 對不對 我們說了這是第一步 第二步的話是什麼呀 殘差診斷 這個原理的話也不給大家說了啊 然後殘差診斷的話 我們第二步去看看我們的殘差 是不是有問題的 我們殘差有沒有問題 怎麼做呢 我們看了是不是 我們有幾個圖 對不對 第一個圖是什麼呀 我們的Y值啊 Y值的殘差圖啊 Y值的殘差圖 第二個是我們再想一遍 那樣的一個殘差圖啊 是這樣 然後關於這四個步驟 然後大家可以看一看 上去可以看了 給大家展示了一下啊 第一步的話 我們看一下底下這個圖 這個圖的話是告訴你什麼呀 就是說我們的殘差 是不是隨機波動的啊 是不是隨機波動的 是這樣 沒有在單一的一側 會有單一上側 說白了就是我們的方差 是不是有奇性的 我們方差是不是奇性的啊 方差是不是奇性的 這是我們的實驗設計的一個前提啊 方差是不是奇性的 是不是滿足0sigma方 一個正態分佈啊 是這樣 然後一般情況下 如果是隨機波動的啊 在我們的0的位置 隨機波動的啊 就代表沒有問題 其實可以看一看 我們這個圖的話問題不大啊 沒有不正常的升降趨勢 本地正常 這是我們需要分析的第一個圖 第二個圖是什麼呢 是與這個與擬合值啊 就是Y值啊 Y值與殘差的擬合值啊 是這樣 這個看什麼呢 我們這個的話 剛纔看了是不是有漏斗型或者喇叭型啊 漏斗型或者喇叭型 漏斗型就是我們這些 哎看看是不是一個大漏斗 或者是不是一個大喇叭型啊 這樣 從這個圖的話 看了啊 沒有什麼漏斗型 明顯的漏斗型或者喇叭型啊 所以從這裏看的話 也是沒什麼問題的 然後第三個的話 這個直方圖其實不建議大家考慮了 建議考慮了 這直方圖的話給你的信息很少 我們看什麼呀 就看我們的正態概率圖就可以了 正態概率圖我們其實可以看一看 這些點如果離我們這條直線越接近越好 幾乎都在我們這直線上才比較好 也就是說我們的殘差是不是滿足 是不是我們的正態分佈的 是不是正態分佈的 然後從這裏看的話啊 也沒問題不大 沒什麼問題啊 所以這個圖也OK 下一步的話就是我們各個X值啊 就X1,X2 就是我們的自變量與殘差的 一個啊 對應的一個圖了 大家可以看一看 這個圖的話 主要看看我們的這個是不是有彎曲的趨勢 比如說給大家舉個例子 從這裏看的話 沒有什麼彎曲趨勢 如果說這兩個點都在這三個點都在上邊 這樣的話 其實就有一個彎曲趨勢 或者說舉個例子 假如這個點沒有 這個點也沒有 這三個點都在這裏 這樣的話有彎曲趨勢 如果這三個點中心點的位置呢 比較平均 或者比較平均分佈的話 就沒有什麼彎曲趨勢啊 所以從這個圖看的話也是沒問題的 也是OK的 好不好 這就是我們的一個分析啊 第二步殘差整站的一個分析 然後關於第一步和第二步分析完之後 我們下一步需要幹嘛了 需要進行判斷模型是否改進的 好吧 然後接下來的話需要什麼 第三步的話 就是判斷我們模型是不是需要改進 一般情況下的話 這裏大家可以看一下 我也給大家一些重點列出來了 如果首先來看啊 我們首先看的話就是根據第一步 第二步 看看模型是不是有效的 基本上是好的 是不是需要改進 是不是 我們首先從第一步來看 模型是沒問題的 對不對 然後從殘差本段來看也是沒有問題的 所以從整體來說啊 模型沒有問題 這是我們得到的第一個結論 模型是沒什麼大問題的 但是我們說什麼呀 我們說有一些什麼呀 非顯著的項 對不對 我們說a b c因子是顯著的 以及a和c的交互作用是顯著的 對不對 那麼其實就可以把就是d 還有什麼呀 比如說ab ad bc bd cd 這些不顯著的一些因子項 不顯著的一些作用項幹嘛 給刪除 刪除之後 我們看看我的模型是不是改進了 是不是改進了 然後這裏也給大家演示一下好不好 那我們就刪除這些 沒有顯著作用的啊 模型好吧 然後怎麼做呢 在這裏啊 統計 doe 因子 還是在這裏啊 分析因子設計 其實是一起刪 一起刪 你一個一個刪沒什麼作用 一起刪 好吧 不要着急 因子 在分析因子設計 在哪裏呢 在項 這裏的話 其實是我們第一步分析的 對不對 這些a b c d 還有說每個二因子的 是二階 就是二項的 就是a b啊 or a c啊 這些二階的一些交互作用都有 對不對 那麼把不顯著的那些刪除怎麼刪呢 d不顯著 對不對 我們雙擊d ab不顯著 ad不顯著 abc不顯著 bd不顯著 cd不顯著 所以我們剩餘的項是什麼呀 就是a b c和ac 對不對 我們點擊確定 選項這裏呢 不需要動 圖形呢 也不需要動啊 圖形也不需要動 就是這些選項 大家都不要動啊 是這樣 結果呢 不需要管它啊 存儲呢 也不需要管它 然後點擊什麼呀 確定 好吧 然後我們再看我們的分析結果 其實這裏可以看我們的項 包含a b c以及a了 對不對 a b c以及ac 對不對 ac 然後模型呢 模型怎麼樣分析呢 我們剛纔說 我們首先把我們前面分析的 就包含所有因子的 還有說刪除的 不顯著的 我們需要做一個對比 然後看我們模型是不是改進 當然了 其實第一步的話 也是需要看怎麼樣 我們的方差分析表 然後再看我們的什麼呀 再看我們的這些參差圖啊 參差圖 所以呢 分析就是優化完模型之後 我們第一遍的步驟還得走一次 我們就是說所說的第一次 或者第二次的步驟 還得需要 這時候有第三步嗎 就是第三步 刪除不顯著的模型之後 不顯著這些 就是作用下以後 一二步驟 我們再走一次啊 我們看PPT好不好 所以我們新第一步是什麼呀 刪除不顯著的作用下 然後是幹嘛呀 是分析我們刪除之後的模型 是不是依然有效的 其實第一步還是什麼呀 方差分析 首先看模型 啊 模型P啊 已經非常 已經零點零零了 對不對啊 那太有效了 對不對 零點小於零點零五了 所以模型啊 沒問題 然後有沒有 有沒有這個什麼呢 彎曲施逆呢 對不對 他倆都是大於零點零五 也是沒有彎曲 都是無彎曲 無施逆 對不對 然後模型啊 至於好不好 一會我們再說啊 模型彙總好不好 然後關於我們這個升溫 熱處理啊 就ABC以及AC 是不是 他們這些P值也是小於零點零五的 所以還是說有效的 對不對 所以各個因子的這些作用還是有效的 至於模型好不好 我們在哪裏看 我們剛纔說了 這是我們什麼呀 優化後的模型 我們說你優化 爲什麼叫優化呢 那肯定優化的對比是什麼呀 對比是改進前的模型唄 我們把改進前的模型也錄入了 也給大家複製的複製到這裏了 稍等啊 我把這個刪除掉 對不對 這個是我們改進後的模型 這個是我們改進前的模型 我們首先說第一步需要看什麼呀 看我們這個方叉或者是軍方物有沒有減小 對不對 首先說 首先說我們改進後的方叉或者是軍方物怎麼樣 是減小了啊 沒問題 然後我們說第二步看什麼呀 看看他們倆之間 尤其是這個非常重要 他們倆之間有沒有越來越接近了 可以看一看 這是改進前的 這是改進後的 當然了 百分之八十九八十六 還有說九十二八十三 他倆更加接近了 對不對 所以說什麼呀 我們的模型也是OK的 就是我們改進後的模型啊 沒問題啊 更加好了 這樣更OK了 這樣好吧 這就是我們分析的 紅九我們這個分析案例的話 就是來源於我們的工程技術啊 工程技術啊 就是原來源於我們工程技術 所以你這個問題紅九 我這裏沒法回答你 TOE的實驗模型 就是實驗場景 實驗場景的話 我您去百度一下就會有很多啊 很多啊 就是TOE會應用到哪裏 好吧 然後我們看模型沒有問題了 對不對啊 模型改進後也很好了 更OK了 模型彙總的效果更OK了 對不對 當然了我們說還有什麼呀 第二步也要考慮啊 我們的防差啊 我們防差是不是也更好了 我們防差是不是依舊沒有問題啊 就是說我們殘差都錯了 我們的殘差是不是依舊沒問題啊 這是我們時刻要考慮的一個重點 然後首先看 這個是不是隨機分佈的 沒問題對不對 OK 這個是不是有喇叭口 喇叭口或者漏斗型啊 沒有對不對 所以這也是OK 這個這個圖 脂肪圖不建議大家看啊 正胎概率 看看是不是還是在幾乎在一條直線上啊 沒什麼問題 也是OK的 然後自變量 自變量的一個殘差圖 是不是有我們的U型啊 也沒有U型對不對 剛纔我剛纔給大家講過了 U型比如是這樣的 對不對 或者是在這樣的 反U型 對不對 這個也是沒有問題的 也是OK的啊 所以說我們改進後一看 第一步和第二步都沒問題 而且我們這個模型彙總的效果更好 所以我認爲啊 沒有問題了 我們這個模型可能不需要改進了啊 是沒什麼問題的 對不對 然後所以說這是我們新第三步 判斷模型是不是需要改進 其實就是根據我們第一步和第二步啊 第一步和第二步 看一看啊 模型是不是真的改好了 所以這呢 我們看根據我們上一步 上一上一兩步的分析的話 我們認爲什麼呀 模型沒有問題了 對不對 所以說啊 那可以了 我模型最終已經OK了 不需要改進了 那麼的話 我們就得到模型的最終的一個迴歸方程 就可以了 對不對 小時候大家都學啊 列方程對不對 這裏的話 實驗設計給你列好了方程啊 列好了方程之後 我們需要幹嘛呢 不要着急 列好方程之後 這是我們第三步 對不對 判斷模型是不是需要改進 不需要改進了 那我們就往第四步走 第四步是什麼呀 哎 怎麼還沒反應 第四步是對選定模型進行分析和解釋 其實分析和解釋 我認爲意義性不大啊 但是的話 這屬於一個標準的步驟啊 大家可以簡單的看一看啊 什麼叫分析和解釋呢 分析和解釋的話 簡單理解起來就是這個意思啊 就是看一看 根據我們圖形來看一看啊 我們這些因子啊 是不是是有效的 或者是作用比較強 對吧 所以說第一步的話 輸出和因子的一個主效應圖 還有交互效應圖 這可以看一看啊 主效應圖的話 就是什麼意思呢 這個旋律啊 無論是往上的或者往下的 這旋律越大越好啊 越抖越好 這按D的話 可以看到啊 稍微刺一點 對不對 稍微刺一點 比較平一點 所以說ABC啊 是顯著的 其實跟我們前面的分析是一樣的 是顯著的 然後交互作用呢 其實一樣道理 交互作用是看哪裏呢 交互作用的話 主要是看這兩條線 這兩條線的話 它能不能就是怎麼說呢 比如這樣 或者這樣 比如說同時往上的話 就是說它倆怎麼說呢 越不平行越好 是這樣 越不平行越好 所以從這裏看呢 這個的話 就是它倆不平行的趨勢 更加明顯 所以說這兩個交互作用的話 更加明顯 是這樣 其餘的話可以看看 都很平行 對不對 所以它交互作用就不太明顯 這就是我們交互作用的一個圖啊 然後關於這個的話是什麼意思呢 我們下面再說啊 我們下面再說 關於上一個圖的話 就這一個圖 主效應圖以及交互效應圖 大家需要我給大家用minitab演示一下嗎 怎麼得出來的 需要關於主效應圖與交互的效應圖 需要用minitab演示的話 大家在公屏里扣個1 要演示的話 大家在公屏里扣個1 好的 給大家演示一下啊 其實這個圖意義不大 因爲我們其實有數據了 是這樣 但有些很多人喜歡看圖 尤其領導喜歡看圖 對吧 領導喜歡看圖 在哪裏呢 在這裏啊 給大家演示一下 在統計 DOE 因子 大家看看這個有因子圖嗎 點擊因子圖 因子圖的話 其實有兩種啊 其實可以看一看是什麼呢 有個所有項 還有個錦模形象 是這樣 如果你錦模形象的話 其實我們剛纔只輸出了ABC和AC 對不對 所以這個D可能就沒有了 但是我們點擊所有項吧 也是沒有關係的 點擊所有項也是沒關係的 然後選項的話 在這裏啊 這裏的話查看模型的話 其實模型的話 我們剛纔說是什麼呀 就是ABC和AC 對不對 這樣這是我們的模型 包含哪些項 就是我們改進後的 點擊確定就可以了 其實大家可以看一看 對不對 這是不是我們的 就剛纔那個因子圖 ABCD 還有說 ABRACRBC等等等等 這是六個圖 對不對 C42吧 對不對 交互作用 然後給大家再演示一下 把這個所有項刪除 我們錦模形象 然後點擊確定 大家看一看 是不是就只包含了ABC 以及AC啊 其實哪個都OK啊 哪個都OK 其實沒有什麼區別啊 是這樣好吧 然後再回到我們的PPT裏 這是第一步 輸出各因子主效應圖 以及交互效應圖 我個人認爲意義不大 但是這屬於標準的步驟 我個人認爲意義不大 只是給領導提供一個圖 然後我們再看第二個 第二個是輸出等高線 響應曲面圖 這個是什麼意思呢 這個給大家解釋一下 這個通常情況下 是針對我們的 關於交互作用項 就是交互作用項 就是比如說 交互作用項 我們通常在考慮這種啊 交互作用項 我們通常在考慮這種 等高線圖 或者響應曲面圖啊 是這樣好吧 怎麼展示呢 我給大家展示一下 怎麼分析 我們一會兒再說啊 怎麼分析 一會兒再說好吧 給大家展示一下 在統計 DOE 因子設計 看來有個等值線圖了嘛 先選擇咱們先研究 等值線圖好吧 其實等值線圖的話 是什麼呀 等值線圖我們就是研究 就是兩兩因子啊 比如我們的Y 是不是 當然我們這個兩兩因子 可能比較多 有A B A C B C 有六項 對不對 但是我們一般情況下說 我們只有什麼呀 只有A與C 還有交互作用 是不是 其實其餘的可以不用考慮了 是這樣 這是單一圖 選擇對 單一 單個圖選擇一 都是變量 我們點擊確定啊 我們先選擇這個 一會兒我再給大家演示下面這個 好吧 然後選擇這個A和C 然後點擊確定 大家可以看一看 這個圖是告訴你什麼呢 就告訴我們有交互作用的時候 對不對 交互作用的時候 那有可能哪個點比較好呢 對不對 是我們A和C 對不對 A和C是A大 C大好 還是A大 C小好 還是C小 C大 A小好 或者是它倆都小好 這個我們得到的是什麼呀 讓我們強度越高越好 對不對 大於555 對不對 這個那個區啊 就在這裏了 對不對 這裏的話 可能是恆溫時間 越長越好 升溫時間 越長越好 對吧 這就關於交互作用的 有人說老師 我想看一看這個 爲所有的連續辨定啊 無所謂啊 我們點擊一下 給大家演示一下 好吧 那麼設置的話 就是ABC三個因子吧 我們點擊確定就可以啊 哎 這裏的話 我給大家放大一下 大家可以看看 這是AB啊 就是AB因子 與我們的強度 AC因子與我們的強度 就是剛纔給大家展示那個圖 還有我們的BC因子與強度 其實可以看一看 就是怎麼說呢 這個越彎區啊 就是說越彎區的話 代表什麼呀 它倆的交互作用 是有交互作用的 其實可以看看 AB的話 這種都是直的啊 其實也就說 沒有什麼交互作用了 其實這個圖也挺扯的 這個圖也挺扯的 我們一般情況下 看這一個圖就OK了 對啊 就是有交互作用下 我們選擇做一個 等值線圖就OK了 然後有人問啊 老師那不還有一個圖嗎 對不對 還有一個曲面圖 其實曲面圖 和等值線圖 也是一樣的 一模一樣的 一模一樣的工具啊 是這樣 給大家演示一下 僅僅演示一下 統計 DOE 因子設計 曲面圖 然後的話 我們選AC 我們選擇都選上吧 OK 確定 其實可以看看 就說了什麼呀 這個斜面越平 越抖越好啊 越抖越好 其實剛纔給我們 那個等值線圖 很相像啊 是這樣 可以看到AC 也是特別抖的 是這樣 然後AC的話 也是這樣 一個道理 對不對 那麼說需要強度越大 越好 對不對 強度越來越好 那哪個強度越大呢 這一點強度大唄 對吧 這一點強度大 那怎麼樣 就是我們的溫度 升溫時間越大 越好 我們恆溫時間越大 越好 其實剛纔給我們 這個等值線圖啊 是一模一樣的 一個道理啊 我們這個等值線圖 是一模一樣的 道理 所以我們一般 喜歡選擇一個圖 就可以了 貝德波羅 交互作用圖 主要看平行線的區別 可以的 但一般情況下 這些圖啊 其實這些圖 只是一個輔助作用 只是爲了 看起來好看而已 有沒有交互作用的話 我們更常情況下 我還是推薦大家看哪個 還是看我們這個方差分析 是這樣 還是看我們這個方差分析 這個P值啊 這個的話 纔是更加可靠的 一個數值啊 更加可靠的 是不是 圖的話 就是一個圖而已 給你一個簡單直觀的感覺 但是你要看我們的數據的話 是給你更加準確的一個感覺 好吧 然後我們再進行下一步啊 下一步是什麼呀 這個圖做完之後 啊 對不對啊 給大家做了一些簡單的解釋啊 領導喜歡看圖啊 咱們就給領導做圖 下一步是什麼呀 是對選定模型進行一些分析和解釋 對不對啊 就是實現最優化嘛 對吧 就是說最終的話 我們也得出了 Y等於什麼 X1加什麼 X2 加什麼 X3 得出我們這個 得出我們這一個公式了 或者說迴歸方程了 對不對 那麼得出迴歸方程 下一步是做什麼 當然是需要得到我們的 一個 理想的Y對不對 這個是我們最終目的 關於理想的Y 對不對 就是我們的響應變量 是什麼呀 我們希望它越大越好啊 還越小越好啊 還是說靠近某一個值啊 是望目的一個特性啊 就是說是望大呀 還是望小呀 還是望目呀 就是望目標 就是靠近某一個目標更好呀 這個就是時間力 時間分析 當然這裏的話 我們說是一個強度 對不對 強度的話 一般情況下是 強度越高越好唄 所以這是一個什麼特性啊 是一個望大特性 希望它大嘛 對不對 那下一步的話 我們就需要 就是說根據我們這個方程 我們想得出一下 我們這個最大能得到多大呢 是不是 我們的實驗設計的話 就是X1 X2 X3 我們已經得出這些項了 對不對 或者是X1 X3 得出這些項了 我們去哪個值 它應該是最大的呢 這是我們這一步啊 需要做的 好吧 我給大家演示一下啊 在統計DOE 因子設計 然後這裏大家可以看一個 響應優化器 然後強度呢 我們希望是什麼呀 最大化嘛 對不對 設置的話 比如說下線告訴你了 是518 6.3 對不對 這個的話是自動生成了 目標值的話是574.5 574.5是怎麼來的呢 是根據我們實驗的結果啊 實驗結果的最好值是574.5 一般情況下 你可以把這個稍微大一點 說580 然後確定 選項的話 其實我們可以看看 我們這些恆溫時間 熱處理時間 升溫時間 就是關於這些工藝參數 你有沒有約束 是不是 你是可以無限的大 還是說你必須是一個區間範圍啊 保留一下我們上下線呀 如果說你的工藝參數沒有約束的話 一般情況 我們先寫個無約束吧 對啊 好了 然後點擊確定 然後我們可以看一看項啊 我可以看看查看模型啊 我的模型是不是就包含了 只包含了A項 B項 C項以及AC 這個交互作用上是沒有問題的 然後點擊確定 大家可以看看這些分析啊 是這樣 這個什麼設置呢 設置最好的是在哪一個呢 是溫度是60的時候 恆溫60 這處理860 升溫時間是多少 3.0的時候 可能能得到我們最好的一個值 最好的值是多少呢 告訴你是多少啊 569.1276 可能我們能達到的一個強度的最大值是569.1276 是不是 但其實這個的話 大家可以看一看 我們爲什麼達到的是517 就是569.1276 與我們的實驗結果的話 我們在16號實驗時 已經達到574了 爲什麼反而比它小呢 這個是什麼原因呢 這個我們下一個課再給大家解釋一下 再給大家講一下好不好