minitab doe案例

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 Design

2.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3

5.點擊Designs ,選取Full factorial

6.在Number of replicates選項中選2 ,按OK

Step 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:

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。

DOE试验案列

（提高金属热处理后的强度）

作者：龙骏元

【应用示例】

目的：提高金属材料热处理后的强度

经与工程部、品质部及生产部的技术工程师、品质工程师和现场调机人员的充分讨论，影响金属材料热处理后的强度主要有以下4因子，即：恒温时间、热处理温度、升温时间、处理时间。决定采用4因子2水平的全因子试验来进行分析。

(1) 确定响应变量、试验因子和因子水平，编制因子水平表，见表1-1.

因子 水平

-1 +1

A（恒温时间）/min 50 60

B（热处理温度）/(°) 820 860

C（升温时间）/min 2 3

D（处理时间）/h 1.4 1.6

表1-1

(2) 按4因子2水平的全因子试验编制试验计划表（考虑中心点重复和随机化）得到下述试验计划（采用Minitab软件）见表1-2。

(3) 按计划表完成试验并将试验结果填入表中。

(4) 利用Minitab软件，对结果做因子主效图、交互效应图和立方图。如图1-1(a)、(b)、(c)所示： 8608408205505455405355303.02.52.01.61.51.4550545540535530605550A(热处理温度）℃均值B(升温时间）/minC（处理时间）/hD（恒温时间）/min角点中心点类型(a)强度主效应图从(a)图可以看出：A(热处理温度)、B(升温时间)及D(恒温时间时间)主效应显著。

3.02.52.01.61.51.4605550560540520560540520560540520A(热处理温度）℃B(升温时间）/minC（处理时间）/hD（恒温时间）/min820角点840中心860角点温度）℃A(热处理点类型2.0角点2.5中心3.0角点间）/minB(升温时点类型1.4角点1.5中心1.6角点时间）/hC（处理点类型(b)强度交互作用图从(b)图可以看出B(升温时间)跟D(恒温时间)存在明显交互作用。 60501.61.432860820D（恒温时间）/minC（处理时间）/hB(升温时间）/minA(热处理温度）℃543.3574.5548.3523.8550.2561.8549.1518.3549.0553.0536.2528.3531.5549.8536.5522.5526.8中心点因子点强度MPa 的立方图（数据均值）从(c)可以看出强度的最大值为574.5MPa，它对应的各因素水平分别是：热处理温度860℃、处理时间1.6h、升温时间3min、恒温时间60min；即：当选择热热处理温度860℃、处理时间1.6h、升温时间3min、恒温时间60min，可获得较好的强度结果。

doe(实验设计)与minitab培训doe案例

实验设计（DOE，Design of Experiments）是一种系统化的方法，用于确定和优化实验参数以实现特定的目标或解决特定的问题。在制造业、工程、科学研究和其他领域中，DOE被广泛用于提高产品质量、降低成本、改进生产过程等。

Minitab是一款流行的统计软件，用于数据分析、假设检验、回归分析等。它提供了丰富的工具和功能，帮助用户轻松地分析和解释数据。

以下是一个关于DOE和Minitab培训的案例：

假设一家制造公司想要提高其产品的抗拉强度。通过实验设计，该公司确定了以下几个因素可能影响产品的抗拉强度：温度、压力和材料类型。目标是找到最佳的温度、压力和材料类型组合，以最大化产品的抗拉强度。

为了解决这个问题，公司使用Minitab软件进行实验设计。首先，Minitab帮助确定因素和水平，并生成一个实验矩阵，其中包括每个实验的条件和结果。然后，公司按照实验矩阵进行实验，并记录每个实验的结果。

在收集完数据后，Minitab帮助进行数据分析。通过分析结果，公司确定了最佳的温度、压力和材料类型组合。此外，Minitab还提供了其他有用的统计信息，如因素对结果的影响程度、因素的交互作用等。

通过这个案例，Minitab培训的目标是使参与者能够：

1. 了解实验设计的基本概念和方法；

2. 使用Minitab软件进行实验设计和数据分析；

3. 掌握如何解释和分析实验结果；

4. 应用实验设计的方法来解决实际问题。

总之，通过DOE和Minitab培训，参与者可以学习如何系统地设计和分析实验，并使用统计软件来分析和解释数据。这将有助于提高产品质量、改进生产过程和提高企业的竞争力。