经典DOE弹射器案例

格式：ppt
大小：229.50 KB
文档页数：26

下载文档原格式

/ 26

纸弹射器的制作方法

纸弹射器的制作方法
纸弹射器的制作方法如下：
1. 准备一张A4纸。

2. 将A4纸沿长边卷成2厘米左右的直筒，然后放在一边。

3. 取另一张A4纸，卷成一个大约厘米宽的纸筒，然后左右对折裁开一半，只使用半张纸。

将这半张纸卷成1厘米的直卷，卷的时候一定要卷紧一点。

4. 将两个纸筒放在一旁待用。

5. 取第三张A4纸，将其左右对折，然后展开，用手按住折痕，用力压一下，压出折痕。

6. 将压好折痕的A4纸再次对折，然后展开，用剪刀沿着折痕剪开，得到两个对称的三角形纸片。

7. 将其中一个三角形纸片放在一旁待用，将另一个三角形纸片的锐角向下折，然后再将钝角向上折，使纸片形成锥形。

8. 将纸弹放入锥形纸片中，然后用步骤2中卷好的纸筒将锥形纸片套住，将纸弹顶在纸筒的一端。

9. 将步骤4中卷好的纸筒与步骤3中卷好的纸筒连接在一起，形成一个发
射管。

10. 将发射管的一端对准目标，用力向下按压发射管，使纸弹从发射管中射出，击中目标。

完成以上步骤后，您就完成了一个简单的纸弹射器的制作。

您可以根据需要进行调整和改进，例如改变纸弹的大小、增加尾翼等，以提高射击精度和射程。

DOE基本知识090628

DOE系列－初识DOE其实，DOE对中国人来说，也不是一个完全崭新的内容。

早在新中国成立初期，华罗庚教授就在我国农业、工业领域大力倡导与普及DOE，只是当时他运用的是另一个名词--优选法。

七十年代末，方开泰教授和王元院士又提出了著名的"均匀设计"法，这一方法在我国航空航天事业中的导弹设计中取得了巨大成效。

与此同时，"均匀设计"法也在全球研究DOE理论的学术界得到了高度赞誉。

但是，在将DOE的先进理念和科技方法向各行各业转移，向一般技术人员转移，并转换为高效生产力的道路上，我们的进展还很有限。

通过"DOE系列之一"我们已经知道：DOE与人们的生活及工作密切相关，在专业六西格玛统计分析软件JMP的帮助下，掌握DOE也不再是一件难事。

从本质上讲，DOE是这样一门科学：研究如何以最有效的方式安排试验，通过对试验结果的分析以获取最大信息。

所以，DOE有两大技术支柱：试验规划和分析方法。

其中，试验规划又可以分为均分设计、因子设计、响应面设计等，分析方法又可以分为极差分析、方差分析、多元回归分析等。

虽然DOE的理论体系中涉及统计分析的专业词汇很多，但为便于读者理解，本文包括后续的系列文章将尽量避免过多地涉及统计分析的基本概念，而是将以"解决问题的思路"为导向，由浅入深地向读者介绍DOE的理论体系和应用过程。

另外，感谢当代高速发展的计算机技术，我们可以借助六西格玛统计分析软件JMP来实现上述所有的试验设计方案，顺便提一下，JMP是目前唯一能实现上述所有试验设计方案的六西格玛统计分析软件，而且已经面向大中华地区推出中英文双语版软件。

一般的实际问题都是纷繁复杂、千变万化的，但是透过现象看本质，所有实际问题的共同点也可以通过统一的模抽象概括。

图一就是一个高度简化的过程模型，其中，，… 是我们关心的输出变量，例如质量指标、生产能力和成本等，通常被称为"响应变量"（Response ）；，，…，是我们在工作中可以加以控制的输入变量，例如人员、设备、原材料、操作方法和环境等，通常被称为"可控因子"（Factor），它们可以是连续型数据，也可以是离散型数据；中间的"黑匣子"是"过程"（Pro cess），在前两者之间起着衔接转换的作用，它与不同行业、不同产品、不同技术密切相关，但整体都可以用的数学模型来表示。

DOE分析和优化

影响弹射距离Y的显著因子： P≤0.05 A-橡皮筋 F-底座角度
所靠量的因子*6个及其二阶交互作用可解释变异的能力: R-Sq=99.96%
Pg 6
Step2：模型简化
P ar et o C ha rt of t he S t an dard i ze d Ef fec ts
(response is Y bar, Alpha = .05) 3.18 A F C D AF
(response is Y bar, Alpha = .05)
99 Effect Type Not Significant Significant
Factor A B C D E F Name 橡皮筋投掷球固定臂位置投射臂位置投射仓位置底座角度
95 90 80 70 60 50 40 30 20 10 5 AF A3 0.01598 -0.01612 0.01598 -1.01 1.28825 0.64413 0.01598 40.31 -0.05475 -0.02738 0.01598 -1.71 0.43275 0.21637 0.01598 13.54 0.37475 0.18737 0.01598 11.72 0.16025 0.08013 0.01598 5.01
A
1
0
10
20
30
40
Standardized Effect
Pg 7
Estimated Effects and Coefficients for Y bar (coded units) Term P Constant 101.72 0.000 Block 0.387 橡皮筋 0.000 投掷球 0.185 固定臂位置 0.001 投射臂位置 0.001 投射仓位置 0.015 底座角度 0.000 橡皮筋*投掷球 0.106 Effect Coef SE Coef T

DOE设计——田口优化

DOE实验设计(田口方法)▲设计思想现代企业已经充分意识到了品质管理的重要性，不少成功企业已将品质管理（QC）很好的融入到了产品研发及生产的各个阶段。

众所周知，品质管理包括离线品管和线上品管两个部分。

离线品管活动发生在产品和制程的设计阶段。

DOE实验设计中的田口方法是一种统计方法，利用该方法可以简化或是删除许多统计设计工作。

英瑞奇特推出此课程，旨在向您讲述如何将各项实验方法运用于产品和制程设计中，以便更有效的降低杂音因素的敏感影响，减少过程中各项的变差，从而使产品及制程设计臻于完美。

一、田口方法的涵义随着市场竞争的日趋激烈，企业只有牢牢把握市场需求，用较短的时间开发出低成本、高质量的产品，才能在竞争中立于不败之地。

在众多的产品开发方法中，田口方法不失为提高产品质量，促进技术创新，增强企业竞争力的理想方法。

田口方法是日本田口玄一博士创立的，其核心内容被日本视为“国宝”。

日本和欧美等发达国家和地区，尽管拥有先进的设备和优质原材料，仍然严把质量关，应用田口方法创造出了许多世界知名品牌。

田口方法是一种低成本、高效益的质量工程方法，它强调产品质量的提高不是通过检验，而是通过设计。

其基本思想是把产品的稳健性设计到产品和制造过程中，通过控制源头质量来抵御大量的下游生产或顾客使用中的噪声或不可控因素的干扰，这些因素包括环境湿度、材料老化、制造误差、零件间的波动等等。

田口方法不仅提倡充分利用廉价的元件来设计和制造出高品质的产品，而且使用先进的试验技术来降低设计试验费用，这也正是田口方法对传统思想的革命性改变．为企业增加效益指出了一个新方向。

田口方法的目的在于，使所设计的产品质量稳定、波动性小，使生产过程对各种噪声不敏感。

在产品设计过程中，利用质量、成本、效益的函数关系，在低成本的条件下开发出高质量的产品。

田口方法认为，产品开发的效益可用企业内部效益和社会损失来衡量．企业内部效益体现在功能相同条件下的低成本，社会效益则以产品进人消费领域后给人们带来的影响作为衡量指标。

第19课DOE在现代镜头设计中的应用

第19课：DOE在现代镜头设计中的应用在本课中，我们将重新设计一个5片镜片的镜头，然后在某处添加衍射光学元件（DOE），查看是否可以改善其性能。

通过MDS对话框中的定义选项将创建一个MACro，它将运行DSEARCH命令，并填充所有数据。

该设计将输入F/3.5，半视场角为25度，孔径为12毫米。

我们选择使用SPECIAL AANT代码来控制后焦，这样可以使后焦长度大于22毫米。

我们还要求主光线角度不能过大。

当我们单击OK按钮时，程序会加载我们的MACRO。

我们在顶部添加了CORE16指令，以加快我们的8核超线程PC 的速度，并指定一个长延迟（因此它不会要求中止其他内核，这可能需要更长时间）和一个数量为6的网格（因为非球面和DOE会导致高阶孔径像差）。

CORE16DSEARCH1QUIETSYSTEMID5-ELEMENT LENS FOR DOE STUDYOBB02512WAVL0.65630.58760.4861UNITS MMENDGOALSELEMENTS5FNUM3.5BACK00TOTL00STOP MIDDLESTOP FREERSTART50100200400RT0.5FOV0.0.4.6.851FWT5.03.0333NPASS100DELAY9999NGRID6ANNEAL20020QCOLORS3SNAPSHOT10QUICK40100ENDSPECIAL PANTENDSPECIAL AANTACA60.11ADT6.11M0.01A P HH1LLL2211A BACKLUL25011A TOTLENDGO我们要设计DOE曲面，需要选择五个视场进行校正。

我们还为每种情况的曲率半径指定了四个不同的起始值，依次进行研究。

请记住，即使对初始条件进行少量更改也可能将DSEARCH发送到镜头设计树的不同分支，这将使搜索的案例数量增加四倍。

我们运行这个MACro并且看到从DSEARCH返回的最好镜头，并不能满足我们的要求。

DOE案例经典

6 2 1 2 2 1 2 1 Y6
7 2 2 1 1 2 2 1 Y7
8 2 2 1 2 1 1 2 Y8
a
9
田口试验
L8直交表
A B CDE
石粗蜡蜡加 A B C DE F G灰细石石料
石度量种量
量
类
FG 浪长费石回量收
1 23 45671 2 3 4 5
67
1 1 1 1 1 1 1 1 5 粗 43 现 1300 0
7因子，2水平共须做:128次实验。 13因子，3水平就必须做了1,594,323次实验，如果每个实验花3分钟，每天8小时，一年250个工作天，共须做40年的时间。
a
7
田口试验
正交表(Orthogonal Array)
3.直交表(正交表)
直交表用于实验计划，它的建构，允许每一个因素的效果，可以在数学上，独立予以评估。
6 A2 B2 C2 D2 E2 F1
7 A2 B2 C2 D2 E2 F2
8 A2 B2 C2 D2 E2 F2
a
田口试验
G
实验结果
G1 1
G1 2
G1 3
G1 4
G1 5
G1 6
G1 7
G2 8
6
全因子实验法
田口试验
2.全因子实验法:
这种实验方法，所有可能的组合都必须加以深究。但相当耗费时间、金钱，例如
0
7 2 2 1 1 2 2 1 1 细 43 现 1200 4
0
8 2 2 1 2 1 1 2 1 细 43 新 1300 0
5
a
每百件尺寸缺陷数
51
16

弹射器弹射距离DOE项目课件

储能元件性能
弹簧、气瓶或液压系统的性能，如储能密度、响应时间等，对弹射距离有较大影响。
实验设计考虑因素
实验目的
明确实验目的，确定需要测量的参数和指标，如弹射距离、弹丸速度、精度等。
实验条件
确保实验条件的一致性，控制环境因素和其他干扰因素。
实验操作
确保实验操作的规范性和准确性，避免人为误差和操作失误。
实验数据收集
收集所有实验数据，包括弹射器类型、弹射距离、实验条件等。
数据清洗与整理
对数据进行清洗和整理，去除异常值和缺失值，确保数据准确性和完整性。
数据分析方法
采用合适的统计分析方法，如均值、中位数、方差等，对数据进行描述性分析。
结果预测与优化
ห้องสมุดไป่ตู้
预测模型建立
基于实验数据，建立预测模型，预测不同条件下的弹射距离。
将实验分为多个组，每组包含不同水平的实验因子，以探究各因子对实验结果的影响。
详细描述
拉丁方阵设计是一种实验设计方法，它将实验分为多个组，每组包含不同水平的实验因子。通过比较不同组的结果，可以了解各个因素对实验结果的影响。这种方法可以有效
地利用实验资源，并减少实验误差。
数据分析与解释
04
实验结果分析
弹射器弹射距离DOE项目课件
目录
• 引言 • 弹射器原理 • DOE实验设计 • 数据分析与解释 • 结论与建议 • 参考文献
引言
01
项目背景
弹射器在军事、民用领域有广泛应用，如飞机弹射起飞、船舶救生等。
弹射距离是评价弹射器性能的重要指标，直接影响使用效果。
传统弹射器存在弹射距离短、精度低等问题，不能满足现代战争和民用领域的需求。

注塑正交试验(DOE)案例表

□建议采用 ■不建议采用 □重新试验 □重新拟定
试验方案号：□1■2□3 □ 4 □ 5 □ 6 □7 □8□ 9 □
shu
试因素代号
A
B
C
D
E
验因素名称注射温度数参
冷却时间
注射压力
保压压力
位级量值 195 （℃） 35 （Min）
55
（Mpa） 50
（Mpa）
设定参数
212
35
72
55
过显示
试验成本目标：人民币
元
A
B
C
D
E
试验因素
注射温度（℃）
冷却时间（M i n ）
注射压力（Mpa）
保压压力（Mpa）
试
1
235
验
2
195
位
3
215
4 级
5
沟通联系人：
35
55
50
25
75
60
45
95
70
日期：
注：以上为委托方填写
试验部门：注塑车间
小组：*********
试验日期：起始： 6 月 12 日结束： 6 月 12 日
（M i n）
C 注射压力
55
（Mpa）
设定参数 215
25
过显示
程
218
27
记 Mia*
录显示
212
23
Miin
测样件号
1
量
记原始记录 4.2
4.5 4.5
录
平均值
4.4
KJ/m2
55 58 53
4.3 4.5
D
E

经典打球器DOE案例

橡皮筋*投掷臂位置
0.18975 0.09488
0.01598 5.94 0.010
橡皮筋*底座角度
0.31325 0.15663
0.01598 9.80 0.002
投掷球*固定臂位置
0.08475 0.04238
0.01598 2.65 0.077
Analysis of Variance for y (coded units)
2003年6月22日所作分析
试验影响因素方差分析
Estimated Effects and Coefficients for y (coded units)
Term
Effect
Coef
SE Coef
T
P
Constant
1.62563
0.01598 101.72 0.000
Block
-0.01613
0.01598 -1.01 0.387
Seq SS Adj SS Adj MS
F
P 主因素和两因素
Main Effects
6
7.5223 7.5223 1.2537
*
* 交互作用的P值均
2-Way Interactions 1
Residual Error
0
0.2464 0.0000
0.2464 0.0000
0.2464 0.0000
*
* 未出现
投掷球*固定臂位置 0.08475 0.04238 0.01888 2.25 0.267
投掷球*投掷臂位置 0.01175 0.00588 0.01888 0.31 0.808
Analysis of Variance for y (coded units)

DOE简介(经典方法)(共51张)

Block what you can and randomize what you cannot
Pg 8
第8页，共51页。
设想打高尔夫球是一个试验
打一轮高尔夫球的输出变量是什么?
分数(fēnshù), 越低越好 (击球及推杆数少)
可控制的输入变量是什么?
球及球杆的类型带着球杆步行或开车运送玩球时喝掉的啤酒瓶数
本实验中, 因子, 因子的水平及因变量都是什么?
球
Top Flite Titleist
球杆
Ping Peerless
87
84
86
82
第28页，共51页。
计算主效果 (jì suà n)
主效果 – 因变量由于改变因子的水平所引起的平均变化.
主效果球因变量 Titleist 因变量 TopFlite
明了统计学重要性与实际重要性的区别
流程变化会导致统计学显著差别,但并不意味着该差别是重要的
试验本身是重复性的
我们的知识与日俱增. 应期望用数个试验才能获得最佳工艺.
一般指导方针: 在第一个试验中使用不超过25% 的资源.
第24页，共51页。
Pg 24
总结报告
DOEOutline.doc
一定为DOE写一个专门的报告
那些自变量X显著的影响着Y? 这些自变量X取什么值时将会使Y
达到最佳值?
Pg 4
第4页，共51页。
流程或系统(xìtǒng)的一般模型
?
Pg 5
第5页，共51页。
试验的目的 (shìyà n)
确定
那些输入对输出影响最大(确定关键输入变量) 什么样的输入设置能产生理想的输出结果怎样设置影响最大的输入水平以减少输出变量的变化范围怎样设置可控输入水平使得不能控制的输入变量对输出的影

DOE 试验设计分享

15
3、第三个原则：区组化
各试验单元间难免会有某些差异，如果我们能按某种方式把它们分成组，而每组内可以保证差异较小，即它们具有同质齐性((homogeneous)，则我们可以在很大程度上消除由于较大试验误差所带来的分析上的不利影响。
一组同质齐性的试验单元称为一个区组(block)，将全部试验单元划分为若干区组的方法称之为分区组或区组化。
我们将影响响应的那些变量称为实验问题中的因子。其中x1,x2,x3是人们在实验中可以控制的因子，我们称为可控因子（controlled factor）
x1
y1
x2
过程
y2
x3
y3
u1
u2
可控因子是输入变量，是影响过程最终结果的
基本术语——不可控因子
在影响过程和结果的因子中除了控制因子还包括一些非可控因子（uncontrolled factor）： u1,u2……,他们通常包括环境、操作员、材料批次等，对于这些变量我们通常很难把它们控制在某个精确值上。
通过试验,控制其不良的影响程度
❖试验设计的整体分类
传统实验
实验
DOE
经验传承法单因子法
经典法田口法均匀设计法
20世纪 20年代
20世纪 50年代
❖三种试验设计方法比较
经验法
经验挂帅不断尝试没有系统化不能传承浪费资源
单因பைடு நூலகம்法
再现性低无交互作用试验规模大
DOE
再现性高有交互作用可缩小试验规模可判定因子的影响
❖DOE的发展历程
DOE的出现 DOE的应用 DOE的发展 DOE与我们
➢20世纪20年代由英国学者费舍尔(R。 A。Fisher)率先提出

高级实验设计DACE建模与仿真优化最佳实践

高级实验设计DACE建模与仿真优化最佳实践
计算机仿真实验设计DACE比经典物理实验DOE更加经济快速获得实验结果，元模型没有随机误差，可视化预测与优化，能进行灵敏度分析和概率分析，并进行稳健性设计和可靠性设计，通过设计和建模可以指导研发生产工程设计优化，达到事半功倍的效果，成为快速新产品开发和工程设计的利器，同时也可为工艺参数优化提供最佳解决方案。

第一讲经典物理实验DOE回顾
1、全因子DOE设计
2、部分因子DOE设计
3、响应优化DOE 设计
4、混料DOE设计
5、田口DOE设计
6、经典物理实验设计DOE的缺点与问题
第A讲计算机仿真实验设计DACE基本步骤
1、因子筛选
2、选择一个设计方案
3、元模型构建-建模技术
4、验证模型
5、解释模型并进行灵敏度分析
6、下一步行动计划
第B讲计算机仿真实验设计DACE建模方法
第C讲计算机仿真实验设计DACE优化算法
第二讲计算机实验设计分析DACE方法与案例。

DOE概论-基本概念汇总

Pg 30
DOE基本概念
“star points”
上方星点：第5水平（1.7）立方体顶部:：第4水平（+1）中心点、加上四个水平星点：第3水平（0）立方体底部:：第2水平（-1）
下方星点:：第1水平（- 1.7 ）
d=从中心点到立方体表面的距离星点 L=d x α α=（设计中立方体点的个数）.25（四次方根）
DOE基本概念
全阶乘因子试验（全因子试验）
指所有因子的所有水平的所有组合都至少进行一次试验：
全阶乘试验的次数：Runs=X
X--水平； k--因子数
Level 2 3 Factors 2 4 9 3 8 27 4 16 81
k
5 32 243
Runs
增加一个水平要大幅度增加实验次数！全阶乘实验的优势 --包含所有主要结果的信息 --包含所有交互作用的信息 --量化Y=F（X）全阶乘实验的局限性 --资源分配过多 --时间过长
Pg 14
试验计划概念
通过试验来析因、改进和设计优化统计技术在生产/制造过程中的应用是对过程中的输入变量（人/机/料/法/环）
进行有目的的主动优化,
使输出的变量更符合目标. 试验设计是其中较为有效的方法。通过试验,控制其对不良的影响程度
Pg 15
DOE基本概念
重要术语
反应变量- 因变量、我们所研究的品质特性；因子自变量、对反应变量有着影响的因素；
•试验的分辨率 •样本数、功效和Power •重复和复制 •划分区组 •试验实施的随机性
试验设计
收集数据为何检验多个X
•多个改进机会 •试验设计的效率 •估计因子间交互作用
为何进行试验

DOE实验实例--螺母超声焊接改善

1~5 2~13
因子与Y的关系
寻找因子的最佳条件组合
所有主效果和交互作用 (线性效果）
现在工序知识状态
设计或工序高参数优化
响应曲面实验 2~10
设定因子的最佳条件
反应变量的测模型
6
(曲线效果）
实施实验及收集数据
为了方便实验数据的收集, 同时为了避免实验中出现不必要的混乱, 需要先在Minitab上进行试验设计, 并将试验设计表格打印出来, 这样就可以按照实验设计好的参数组顺序(是运行序,不是标准序)进行数据收集。
9
分析实验结果-----方差分析
1.红圈内3个P值<0.05, 表示回归模型的回归效果，线性效果显著，二次项显著有效。 2.蓝圈内P值>0.05,表示失拟不显著, 回归模型正确。如果是 P<0.05则表示失拟显著, 回归模型不正确。
10
分析实验结果-----剔除无用因子后验证回归显著性
剔除了P值较高的, 交互效果不显著的交互项后, R-Sq值略有下降，但是R-Sq(调整)值有提升，两者的差异减少，表明回归模型得到了优化，更加可靠。
11
分析实验结果-----剔除无用因子后验证回归显著性
剔除了P值较高的, 交互效果不显著的交互项后, 残差图变得更加合理。残差的直方图由原来的折齿型变为较为正常的正态分布, 虽然稍微有点偏态型，但是总体还是比较正常的。
12
分析实验结果-----等值线图&曲面图分析
最佳区域
13
Delay time& weld time
6
4. 压力:
3
4
5
5
选择DOE类型
1.以下是DOE种类以及每个种类的作用, 因为这次试验可用的样品数量不算充裕(约110pcs), 同时考虑到第一次实验有失败的可能需要调整后重做实验，以及实验结果需要一定量的样品进行验证，所以我们将110pcs产品分为3组以满足3次试验。我们这次试验的最终目的是找出一组最佳的因子参数组合, 因此选择响应曲面实验设计。

运用六西格玛方法提高弹射器的命中率

运用六西格玛方法提高弹射器的命中率摘要：本文介绍了运用六西格玛先进管理理念及方法对弹射器弹射命中率的控制。

通过minitab软件对数据进行DOE分析，找到影响弹射器弹射命中率的关键因素，进行改进和解决，通过实际现场验证，提高了弹射器的命中率和弹射距离。

关键词：六西格玛；弹射器命中率；因素1界定阶段界定阶段是6σ项目DMAIC过程的第一个步骤，它确定顾客的关键需求并识别需要改进的过程1.1界定阶段任务要为项目正式启动做好工作，必须明确这些问题：(1)如何选择与确定项目？(2)如何分析项目？(3)如何描述项目？而同时这些问题也正是界定阶段的基本任务。

1.2项目背景如图1.2-1为田口抛射实验的实验模型，为获取最远抛射距离，优化并简化实验程序，决定对此试验进行正交试验设计，进而用高效率高标准高质量获取最远抛射距离这一实验的设计目标。

图1.2-1 抛射实验的实验设备实验目标特性类同于产品目标特性通常为计量值，计量值的特性又分为望目、望大、望小、望稳健。

所谓望目性指有具体目标值要求的特性；望大特性指希望目标值越大越好的特性；望小特性指希望目标值越小越好的特性；望稳健特性指希望达成目标的这一系统或过程的稳定性值和健壮性值越高越好。

对此实验进行望大特性的正交试验设计，获取最远抛射距离这一实验的设计目标。

1.3项目确定根据三“M”原则（Meaningful(有意义的)，Manageable(可管理的)，Measurable(可测量的)）、SMART原则（S，Simple(简单明了)；M，Measurable(可量化的)；A，Agreed to(达成一致意见)；R，Reasonable(合理考虑先进性和成功的可能性)；T，Time-based(在一定时间内完成)）确定项目评价标准。

分析影响获取最远抛射距离这一试验设计目标的各种因素。

通过仔细观察，根据实验所提供的现有仪器设备和实际研究应用中的需要，每个因素的水平选取3个（实验仪器上的弹射角度的水平大于3个和另有终止位置和弹杆主轴的位置这两个因素）。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

-0.03875 -0.01938 0.31325 0.08475 0.15663 0.04238
删除P值较大的两项交互作用
投掷球*投掷臂位置
0.01175
0.00588
0.01888
0.31 0.808
Analysis of Variance for y (coded units) Source Blocks Main Effects 2-Way Interactions Residual Error Total DF 1 6 7 1 15 Seq SS 0.0042 13.6453 0.6794 0.0057 14.3346 Adj SS 0.0042 13.6453 0.6794 0.0057 Adj MS 0.00416 F P
投射器底座位置-C 投射臂位置-C 固定臂位置-C 投射仓位置-C
环境-U 过
投射距离和散布
程
2
DOE计划对弹射距离的有影响的因素分析如下：
X2-投掷球 X1-橡皮筋
1
-1 X5-投射仓位置 1
X3-固定臂位置
1
-1
-1
X4-投射臂位置
X6-底座角度
1
3
-1
DOE计划
□ 试验影响因素分析试验的影响因素主要包括的影响因素及水平如下：
Analysis of Variance for y (coded units) Source Blocks Main Effects 2-Way Interactions Residual Error Total DF 1 6 5 3 15 Seq SS 0.0042 13.6453 0.6729 0.0123 14.3346 Adj SS 0.0042 13.6453 0.6729 0.0123 Adj MS 0.00416 F 1.02 P 0.387 0.000 0.008
9
DOE试验采用在8次筛选试验基础上追加8次试验的试验方法，试验布置和结果如下：
6 8 2 1 5 7 3 4 14 16 10 9 13 15 11 12 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 -1 -1 -1 -1 1 -1 -1 -1 1 1 1 1 -1 -1 1 -1 -1 -1 1 1 1 1 -1 1 1 1 -1 -1 -1 1 1 -1 -1 1 1 -1 -1 -1 -1 1 1 -1 -1 1 1 -1 1 -1 1 1 -1 -1 1 1 -1 1 -1 -1 1 1 -1 1 1 -1 1 -1 -1 1 -1 -1 -1 1 -1 1 1 -1 1 -1 1 1 1 -1 1 -1 -1 1 -1 -1 -1 1 -1 1 1 1.5 3.65 2.42 1.53 0.7 1.3 0.32 1.4 1.16 0.36 0.86 1.59 2.38 1.65 3.5 1.6 1.55 3.73 2.41 1.53 0.7 1.3 0.3 1.39 1.19 0.35 0.86 1.54 2.44 1.62 3.43 1.62 1.56 3.8 2.42 1.53 0.7 1.31 0.29 1.39 1.2 0.3 0.86 1.5 2.46 1.64 3.48 1.64 1.5 3.5 2.46 1.53 0.7 1.31 0.3 1.39 1.22 0.3 0.87 1.57 2.48 1.64 3.47 1.64 1.44 3.87 2.42 1.53 0.71 1.3 0.3 1.39 1.23 0.3 0.87 1.55 2.56 1.64 3.46 1.64 1.51 3.71 2.426 1.53 0.702 1.304 0.302 1.392 1.2 0.322 0.864 1.55 2.464 1.638 3.468 1.628
ò Ò Ó × X1-Ï ð Æ ¤î ½ X2£ Í ¶ Ö À Ç ò X3-¸ Ì ¶ ¨Û ±Î » Ö Ã X4-Í ¶ É ä ± Û Î » Ö Ã X5-Í ¶ É ä ² Ö Î » Ö Ã X6-µ ×ù ×½ Ç ¶ È
4
® Ë ½ Æ -1 · Ï ¡ Ð Í µ Í µ Í µ ¡ Ð 1 Ö ´ ó ´ ß · ß · ß · ó ´
5
筛选试验一、筛选试验
首先进行8次的筛选试验，以筛选重要因素，试验数据和结果如下：
StdOrd RunOrd 固定臂投掷臂投射仓底座角 er er Blocks 橡皮筋投掷球位置位置位置度 6 1 1 1 -1 1 -1 1 -1 8 2 1 1 1 1 1 1 1 2 3 1 1 -1 -1 -1 -1 1 1 4 1 -1 -1 -1 1 1 1 5 5 1 -1 -1 1 1 -1 -1 7 6 1 -1 1 1 -1 -1 1 3 7 1 -1 1 -1 -1 1 -1 4 8 1 1 1 -1 1 -1 -1 Y1 1.5 3.65 2.42 1.53 0.7 1.3 0.32 1.4 Y2 1.55 3.73 2.41 1.53 0.7 1.3 0.3 1.39 Y3 1.56 3.8 2.42 1.53 0.7 1.31 0.29 1.39 Y4 1.5 3.5 2.46 1.53 0.7 1.31 0.3 1.39 Y5 1.44 3.87 2.42 1.53 0.71 1.3 0.3 1.39 Y均值 1.51 3.71 2.426 1.53 0.702 1.304 0.302 1.392
(response is y, Alpha = .10) A: B: C: D: E: F: 橡投固投投底皮掷定掷射座筋球臂臂仓角
A F C D AF AD E AC BC AB B
位置位置位置度
0
10
20
30
40
13
DOE分析试验影响因素方差分析
Estimated Effects and Coefficients for y (coded units) Term Constant Block
1.28825 -0.05475 0.43275 0.37475 0.16025 1.18125 0.07325 0.14675 0.18975 0.31325 0.08475
0.64412 -0.02737 0.21637 0.18738 0.08012 0.59062 0.03663 0.07337 0.09488 0.15663 0.04238
0.5
1.0
7
筛选试验筛选试验影响因素方差分析
Estimated Effects and Coefficients for y Term Effect Coef Constant 1.60950 橡皮筋 1.30000 0.65000 投掷球 0.13500 0.06750 固定臂位置 0.39400 0.19700 投掷臂位置 0.44800 0.22400 投射仓位置 0.30700 0.15350 底座角度 1.26600 0.63300 橡皮筋*底座角度 0.35100 0.17550 Analysis of Variance for y (coded units) Source DF Seq SS Main Effects 6 7.5223 2-Way Interactions 1 0.2464 Residual Error 0 0.0000 Total 7 7.7687 (coded units)
6
筛选试验筛选试验影响因素的排列图
Pareto Chart of the Effects
(response is y, Alpha = .10) A: B: C: D: E: F: 橡投固投投底皮掷定掷掷座筋球臂臂仓角
A
F
位置位置位置度
D
C
AF
E
B
0.0
筋球臂臂仓角
位置位置位置度
0
10
20
30
11
DOE分析试验影响因素方差分析
Estimated Effects and Coefficients for y (coded units) Term Constant Effect Coef 1.62563 SE Coef 0.01888 T P 86.13 0.007
0.73 0.550
பைடு நூலகம்
2.27422 398.97 0.038 0.09706 17.03 0.185 0.00570
主因素和两因素交互作用的P值均已出现，主交互因素的P值显著，二因素交互作用的P值不显著。需要删除不显著的交互作用。
12
DOE分析删除两项交互后的排列图
Pareto Chart of the Standardized Effects
T 101.72 -1.01 40.31 -1.71 13.54 11.72 5.01 36.96 2.29 4.59 5.94 9.80 2.65
P 0.000 0.387 0.000 0.185 0.001 0.001 0.015 0.000 0.106 0.019 0.010 0.002 0.077
Block
橡皮筋投掷球固定臂位置投掷臂位置投掷仓位置底座角度橡皮筋*投掷球橡皮筋*固定臂位置橡皮筋*投掷臂位置橡皮筋*投掷仓位置橡皮筋*底座角度投掷球*固定臂位置 1.28825
-0.01613
0.64412
0.01888
0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888 0.01888
-0.85 0.550