Minitab做实验设计(田口法)
- 格式:pdf
- 大小:1.51 MB
- 文档页数:41
(完整版)MinitabDOE操作说明(田口法静态范例)Minitab DOE(田口法靜態型)操作說明:製造高爾夫球及設計開發其有效的增加最大飛行距離 ,4個控制因子 , 2水準因子水準1 Core material liquid tungsten2 Core diameter 118 1563 Number of dimples 392 4224 Cover thickness 0.03 0.06交互作用:Core material V.S Core diameter干擾因子: two type of golf clubs(driver and a 5-iron)Step 1:因子數及水準數之決定開啟功能選單Stat > DOE > Taguchi > Create Taguchi Design ?勾選2水準設計及因子數Step 2:實驗次數選定點選Designs按鈕(直交表類型)決定(4因子2水準作8次實驗)Step 3:因子及水準Data輸入點選Factors按鈕依照各因子名稱及水準Data輸入視窗表中Step 4:因子間交互作用選定在Taguchi Design-Factors對話框中 , 點選Interactions按鈕選擇已知交互作用由Available Terms欄位 > Selected Terms欄位Step 5:田口直交表及實驗結果輸入將直交表中C5及C6欄位分別輸入干擾因子Driver及Iron名稱 , 實驗結果Key-in至表中Step 6:實驗結果分析(選項設定)在功能表選擇Stat > DOE > Taguchi > Analyze Taguchi Design 將C5(Driver)及C6(Iron)移至Response data are in欄位中點選Analysis按鈕在選項中勾選Signal to Noise ratios及Means在Analyze Taguchi Design對話框中 , 選擇Options按鈕因此範例為望大特性, 故在Signal to Noise Ratio選項中勾選Larger is better在Analyze Taguchi Design對話框中 , 選擇Analysis Graphs按鈕勾選Four in one設定完成後在Analyze Taguchi Design對話框中 , 按Ok按鈕利用繪圖及視窗分析表作S/N比及最佳組合比較Step 7:實驗結果分析(S/N比及Mean值之視窗分析表及繪圖)在反應表中藉由各因子S/N比之大小來決定因子變異之影響性, 並選擇因子最小變異之水準值降低變異後 , 其他因子將平均值調整至目標設定在ANOVA分析各因子Mean值差異性 , Material、Diameter是顯著的因子1.S/N比以Diameter最大 , 為極顯著因子 , 其水準1又較水準2之效果好2.Thickness與Material/Diameter 有極大關係(成反比)Mean值以Diameter最大 , 為極顯著因子Step 8:結論(最佳組合及圖形解析)此範例因為品質特性設定為望大型(目標為增加高爾夫球最大的飛行距離) , 所以想得到因子水準最高的Mean值 , S/N比最大的因子最佳水準組合在S/N比主效應圖中 , 每個因子水準S/N比較 , 設定最佳組合為在Mean值主效應圖中, 每個因子水準Mean值比較 , 設定最佳組合為綜合以上分析結果得知最佳組合為(代號表示)→→→→A A11B B11C C11D D22Step 9:預測結果目的在於利用Minitab—Predict Taguchi Results指令來預測S/N 比與相對選定因子設定的反應特性在功能表選擇Stat > DOE > Taguchi > Predict Taguchi Results 取消Standard deviation及Natural log of standard deviation 勾選點選Terms按鈕(A,B,C,D)及交互作用(A*B)皆在Selected T erms 欄位中在Predict Taguchi Results對話框中點選Levels按鈕在Method of specifying new factor levels下選擇Select levels from a list , 並將因子最佳水準組合輸入表中選擇的最佳因子組合預測S/N比為53.68及Mean值(球的平均飛行距離)約為276碼 , 接下來 , 以此組合再作一次實驗去驗證與預測結果之正確性。
练习题2 1.创建因素水平表2.创建田口实验3.将实验结果添加到田口实验设计表中4.分析田口实验的设置:5.实验结果由上图可知,当加水量为50ml/100g,加酶量为7ml/100g,酶解温度为35℃,酶解时间为3.5h 时,酶法液化工艺能达到最佳效果。
练习题3:1.创建因素水平表2.创建田口实验3.把实验结果输入到生成的正交实验表中4.分析田口实验的设置5.实验结果结果: 工作表2 田口设计田口正交表设计L9(3^3)因子: 3试验次数: 9列 L9(3^4) 阵列1 2 3田口分析:槽宽, 槽深与脉冲能量, 扫描速度, 扫描次数线性模型分析:信噪比与脉冲能量, 扫描速度, 扫描次数信噪比的模型系数估计项系数系数标准误 T P常量 26.5451 0.4169 63.678 0.000脉冲能量 30 -1.8692 0.5895 -3.171 0.087脉冲能量 40 1.1855 0.5895 2.011 0.182扫描速度 20 1.5770 0.5895 2.675 0.116扫描速度 40 -0.3084 0.5895 -0.523 0.653扫描次数 1 -6.6611 0.5895 -11.299 0.008扫描次数 5 1.6008 0.5895 2.715 0.113S = 1.251 R-Sq = 98.7% R-Sq(调整) = 95.0%信噪比的方差分析来源自由度 Seq SS Adj SS Adj MS F P 脉冲能量 2 16.101 16.101 8.050 5.15 0.163 扫描速度 2 12.573 12.573 6.287 4.02 0.199 扫描次数 2 217.618 217.618 108.809 69.57 0.014 残差误差 2 3.128 3.128 1.564合计 8 249.420线性模型分析:均值与脉冲能量, 扫描速度, 扫描次数均值的模型系数估计项系数系数标准误 T P常量 28.6766 0.7242 39.599 0.001脉冲能量 30 -6.0883 1.0241 -5.945 0.027脉冲能量 40 4.0872 1.0241 3.991 0.057扫描速度 20 5.3067 1.0241 5.182 0.035扫描速度 40 -0.8218 1.0241 -0.802 0.507扫描次数 1 -10.0154 1.0241 -9.779 0.010扫描次数 5 -0.4546 1.0241 -0.444 0.701S = 2.173 R-Sq = 99.0% R-Sq(调整) = 96.1%均值的方差分析来源自由度 Seq SS Adj SS Adj MS F P 脉冲能量 2 173.330 173.330 86.665 18.36 0.052 扫描速度 2 146.854 146.854 73.427 15.56 0.060 扫描次数 2 630.414 630.414 315.207 66.78 0.015 残差误差 2 9.440 9.440 4.720合计 8 960.038线性模型分析:标准差与脉冲能量, 扫描速度, 扫描次数标准差的模型系数估计系数标项系数准误 T P常量 8.6890 1.134 7.661 0.017脉冲能量 30 0.2974 1.604 0.185 0.870脉冲能量 40 -1.9812 1.604 -1.235 0.342扫描速度 20 -0.9481 1.604 -0.591 0.614扫描速度 40 0.7025 1.604 0.438 0.704扫描次数 1 7.5172 1.604 4.687 0.043扫描次数 5 -2.6423 1.604 -1.647 0.241S = 3.402 R-Sq = 92.5% R-Sq(调整) = 70.1%标准差的方差分析来源自由度 Seq SS Adj SS Adj MS F P 脉冲能量 2 20.546 20.546 10.273 0.89 0.530 扫描速度 2 4.358 4.358 2.179 0.19 0.842 扫描次数 2 261.762 261.762 130.881 11.31 0.081 残差误差 2 23.154 23.154 11.577合计 8 309.820信噪比响应表望大水平脉冲能量扫描速度扫描次数1 24.68 28.12 19.882 27.73 26.24 28.153 27.23 25.28 31.61Delta 3.05 2.85 11.72排秩 2 3 1均值响应表水平脉冲能量扫描速度扫描次数1 22.59 33.98 18.662 32.76 27.85 28.223 30.68 24.19 39.15Delta 10.18 9.79 20.49排秩 2 3 1标准差响应表水平脉冲能量扫描速度扫描次数1 8.986 7.741 16.2062 6.708 9.392 6.0473 10.373 8.935 3.814Delta 3.665 1.651 12.392排秩 2 3 1均值主效应图标准差主效应图信噪比主效应图信噪比残差图均值残差图标准差残差图由均值-主效应图可知,当脉冲能量为40 j,扫描速度为20mm/s,扫描次数为10次时为切割槽宽和槽深的最佳工艺条件。
过程能力概述一旦过程处于统计控制状态,并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件(产品),通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。
在评估过程能力之前,过程必须受控。
如果过程不受控,你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。
这些图形能够帮助你评估数据的分布和检验过程是否受控。
你也可以估计包括规范公差与正常过程变差之间比率的能力指数。
能力指数或统计指数都是评估过程能力的一种方法,因为它们都没有单位,所以,可以用能力统计表来比较不同过程的能力。
选择能力命令MINITAB提供了一组不同的能力分析命令,你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析:——正态或Weibull概率模式(对于测量数据)——不同子组之间可能有很强变差的正态数据——二项式或Poisson概率模式(对于计数数据或属性数据)当进行能力分析时,选择正确的公式是基本要求,例如,MINITAB提供基于正态或Weibull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是,适用的数据必须近似于正态分布.例如,利用正态概率模型,能力分析(正态)可以估计预期零件的缺陷PPM 数。
这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程,2、数据服从近似的正态分布,类似地,能力分析(Weibull)计算零件的缺陷的PPM值利用的是Weibull分布。
在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。
如果数据是歪斜非常严重,那么用正态分布分析将得出与实际的缺陷率相差很大的结果。
在这种情况下,把这个数据转化比正态分布更适当的模型,或为数据选择不同的概率模式.用M INITAB,你可以使用Box-Cox能力转化或Weibull概率模型,非正态数据比较了这两种方法.如果怀疑过程中子组之间有很强的变差来源,可以使用能力分析(组间/组内)或SIXpack能力分析(组间/组内)。
Minitab做实验设计(DOE)(田口法)(3因子3水平)编著:鲁仁山2007.12.271.双击桌面上的Minitab图标。
2.这是打开后的界面。
3.如上所示,将资料输入表中。
4. 数据输入完毕,打开Stat菜单,点选DOE Taguchi Create Taguchi Design…5. 这是弹出的界面。
6.根据水平的数量点选相应的水平设计,根据因子的数量点选相应的数字,然后按下Designs…按钮。
7.在弹出的界面上点选相应的正交方案,本例点选L9,然后按OK确认。
8. 这是弹出的界面,之前的灰色按钮(未激活)的已全部激活,按下Factors按钮。
9. 这是弹出的界面。
10.如图所示,将资料输入弹出的界面,然后按OK确认。
11.按下Options按钮,这是弹出的界面。
12. 如图所示,钩选Store design in worksheet,然后按OK确认。
13.这是弹出的实验设计组合排列表。
14.将根据实验组合进行实验得到的实验数据作为响应填入表中。
15. 打开Stat菜单,点选DOE Taguchi Analyze Taguchi Design…16. 这是弹出的界面。
17.在Response data are in处填入响应所在的栏位号,然后按下Graphs…18. 这是弹出的界面。
19.根据需要,如图所示点选相应的项目,按OK确认,然后按下Analysis。
20. 这是弹出的界面。
21. 根据需要,如图所示点选相应的项目,按OK确认,然后按下Terms。
22. 这是弹出的界面。
23. 如图所示点选相应的项目,按OK确认,然后按下已激活的Analysis Graphs。
24. 这是弹出的界面。
25. 如图所示点选相应的项目,按OK确认,然后按下Options。
26. 如图所示点选相应的项目,按OK确认,然后按下Storage。
27. 这是弹出的界面。
28. 如图所示点选相应的项目,按全部OK确认。
过程能力概述一旦过程处于统计控制状态,并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件(产品),通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。
在评估过程能力之前,过程必须受控。
如果过程不受控,你将得到不正确的过程能力值。
.你能通过画能力柱状图和能力图来评估过程能力。
这些图形能够帮助你评估数据的分布和检验过程是否受控。
你也可以估计包括规范公差与正常过程变差之间比率的能力指数。
能力指数或统计指数都是评估过程能力的一种方法,因为它们都没有单位,所以,可以用能力统计表来比较不同过程的能力。
选择能力命令MINITAB提供了一组不同的能力分析命令,你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析:——正态或Weibull概率模式(对于测量数据)——不同子组之间可能有很强变差的正态数据——二项式或Poisson概率模式(对于计数数据或属性数据)当进行能力分析时,选择正确的公式是基本要求,例如,MINITAB提供基于正态或Weibull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是,适用的数据必须近似于正态分布.例如,利用正态概率模型,能力分析(正态)可以估计预期零件的缺陷PPM 数。
这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程,2、数据服从近似的正态分布,类似地,能力分析(Weibull)计算零件的缺陷的PPM 值利用的是Weibull分布。
在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。
如果数据是歪斜非常严重,那么用正态分布分析将得出与实际的缺陷率相差很大的结果。
在这种情况下,把这个数据转化比正态分布更适当的模型,或为数据选择不同的概率模式.用M INITAB,你可以使用Box-Cox能力转化或Weibull概率模型,非正态数据比较了这两种方法.如果怀疑过程中子组之间有很强的变差来源,可以使用能力分析(组间/组内)或SIXpack能力分析(组间/组内)。
Minitab 的田口实验设计——MINITAB统计分析教程续表创建田口实验:分析田口实验的设置:实验结果:————— :11:22 ————————————————————欢迎使用 Minitab,请按 F1 获得有关帮助。
田口设计田口正交表设计L8(2**4)因子: 4试验次数: 8列 L8(2**7) 阵列1 2 3 4田口分析:司机, 生铁与直径, 波纹, 厚度线性模型分析:信噪比与直径, 波纹, 厚度信噪比的模型系数估计系数标项系数准误 T P常量 23.8587 2.041 11.689 0.000直径 118 1.7154 2.041 0.840 0.448波纹 392 0.6990 2.041 0.342 0.749厚度 0.03 -4.1803 2.041 -2.048 0.110S = 5.773 R-Sq = 55.6% R-Sq(调整) = 22.4%对于信噪比的方差分析来源自由度 Seq SS Adj SS Adj MS F P 直径 1 23.542 23.542 23.542 0.71 0.448 波纹 1 3.909 3.909 3.909 0.12 0.749 厚度 1 139.801 139.801 139.801 4.19 0.110 残差误差 4 133.317 133.317 33.329合计 7 300.569线性模型分析:均值与直径, 波纹, 厚度均值的模型系数估计系数标项系数准误 T P常量 110.40 24.95 4.425 0.011直径 118 51.30 24.95 2.056 0.109波纹 392 23.25 24.95 0.932 0.404厚度 0.03 -22.84 24.95 -0.915 0.412S = 70.56 R-Sq = 59.7% R-Sq(调整) = 29.5%备注:Seq SS: Sum of SquaresAdj MS: Adjusted Mean Square对于均值的方差分析来源自由度 Seq SS Adj SS Adj MS F P 直径 1 21054 21054 21054 4.23 0.109 波纹 1 4324 4324 4324 0.87 0.404 厚度 1 4172 4172 4172 0.84 0.412 残差误差 4 19915 19915 4979合计 7 49465备注:Seq SS: Sum of SquaresAdj MS: Adjusted Mean Square线性模型分析:标准差与直径, 波纹, 厚度标准差的模型系数估计项系数系数标准误 T P常量 5.8336 0.7717 7.559 0.002直径 118 1.1667 0.7717 1.512 0.205波纹 392 1.1667 0.7717 1.512 0.205厚度 0.03 0.5834 0.7717 0.756 0.492S = 2.183 R-Sq = 56.2% R-Sq(调整) = 23.4%对于标准差的方差分析来源自由度 Seq SS Adj SS Adj MS F P 直径 1 10.890 10.890 10.890 2.29 0.205 波纹 1 10.890 10.890 10.890 2.29 0.205 厚度 1 2.722 2.722 2.722 0.57 0.492 残差误差 4 19.058 19.058 4.764合计 7 43.560信噪比响应表望目(10*Log10(Ybar**2/s**2))水平直径波纹厚度1 25.57 24.56 19.682 22.14 23.16 28.04Delta 3.43 1.40 8.36排秩 2 3 1均值响应表水平直径波纹厚度1 161.70 133.65 87.562 59.10 87.15 133.24Delta 102.60 46.50 45.68排秩 1 2 3标准差响应表水平直径波纹厚度1 7.000 7.000 6.4172 4.667 4.667 5.250Delta 2.333 2.333 1.167排秩 1 2 3标准差主效应图信噪比主效应图信噪比残差图标准差残差图。
Minitab做实验设计
(DOE)
(田口法)
(3因子3水平)
编著:鲁仁山
2007.12.27
1.双击桌面上的Minitab图标。
2.这是打开后的界面。
3.如上所示,将资料输入表中。
4. 数据输入完毕,打开Stat菜单,点选DOE Taguchi Create Taguchi Design…
5. 这是弹出的界面。
6.根据水平的数量点选相应的水平设计,根据因子的数量点选相应的数字,然后按下Designs…按钮。
7.在弹出的界面上点选相应的正交方案,本例点选L9,然后按OK确认。
8. 这是弹出的界面,之前的灰色按钮(未激活)的已全部激活,按下Factors按钮。
9. 这是弹出的界面。
10.如图所示,将资料输入弹出的界面,然后按OK确认。
11.按下Options按钮,这是弹出的界面。
12. 如图所示,钩选Store design in worksheet,然后按OK确认。
13.这是弹出的实验设计组合排列表。
14.将根据实验组合进行实验得到的实验数据作为响应填入表中。
15. 打开Stat菜单,点选DOE Taguchi Analyze Taguchi Design…
16. 这是弹出的界面。
17.在Response data are in处填入响应所在的栏位号,然后按下Graphs…
18. 这是弹出的界面。
19.根据需要,如图所示点选相应的项目,按OK确认,然后按下Analysis。
20. 这是弹出的界面。
21. 根据需要,如图所示点选相应的项目,按OK确认,然后按下Terms。
22. 这是弹出的界面。
23. 如图所示点选相应的项目,按OK确认,然后按下已激活的Analysis Graphs。
24. 这是弹出的界面。
25. 如图所示点选相应的项目,按OK确认,然后按下Options。
26. 如图所示点选相应的项目,按OK确认,然后按下Storage。
27. 这是弹出的界面。
28. 如图所示点选相应的项目,按全部OK确认。
29. 这是实验设计分析表。
30.这是输出的每个因子主要效应的点图。
31.这是输出的响应平均值的分析资料。
32.这是输出的实验设计方案资料。
33. 打开Stat菜单,点选DOE Taguchi Predict Taguchi Results…
34. 这是弹出的界面。
35. 如图所示点选相应的项目,然后按下Terms…。
36. 这是弹出的界面。
37. 如图所示点选相应的项目,按下OK确认,然后按下Levels…。
38. 这是弹出的界面。
39. 如图所示点选相应的项目,并填入各因子所在的栏位号,按下所有OK确认。
40.这是弹出的分析结果,从分析结果中可以看出,以充磁量1100,定位角11,定子线圈匝数90,获得的效果最为显著。