Minitab DOE操作说明(全因子实验范例)

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 Design2.點擊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.點擊回到主對話框中4.選擇5.點擊,選取Full factorial6.在Number of replicates選項中選2 ,按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:1.點擊Factors按鈕2.輸入因子名稱及水準 , 完成後按Create Factorial Design主對話框1.按Options選項鈕2.在Base for random data generator的欄位 , 輸入9 ,可控制隨機化的結果 ,讓每次3.確定有選取Store design in worksheet的選項後 ,並按4.回到Create Factorial Design主對話框按,就會產生設計的內容並儲存在工作表單Step 4:瀏覽設計的內容（直交表形成）若要切換工作表單以RanOrder/StdOrder 以及Coded/Uncoded 的呈現 ,可由功能表Stat →DOE →Display Design 來選擇另外若要修改因子名稱或設定 , 有兩種方式：(1)可由功能表Stat →DOE →Modify Design 來選擇(2)直接修改資料視窗中相對的因子列Step 5:資料收集與輸入1.在資料視窗中C8的變數名稱位置輸入Yield2.可將此實驗工作表列印出來並收集數據結果Step 6:篩選實驗目的是利用效應圖來選取對於提高產能較大效應的因子配置一個模型(Fit a model)1.在功能表點選Stat→DOE→Factorial→Analyze Factorial Design2.在3.點取4.繪製Normal(常態機率圖)及Pareto(柏拉圖) ,協助找到顯著因子5.按OK 鍵 ,回到Analyze Factorial Design 主對話框 ,再按主對話框OK 鍵 ,即會將分析 結果及繪圖在視窗中 效應圖(Effect Plots)Normal(常態機率圖) Pareto(柏拉圖) 確認重要的效應在圖中偏離直線較遠的點(紅色)為顯著因子 , 即為依圖中影響效應程度大小排列並數值因使用為全因子設計 ,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用Step 7:配置一個較簡單的模型接下來 ,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型 ,也就是去除不顯著之因子 ,評估適合度、圖示解析及殘差分析1.Start→DOE→Factorial→Analyze Factorial Design2.選取Terms選項鈕3.設定內容將原本在Selected Terms欄位中的不顯著因子移到Available Terms欄位中4.按OK鍵 ,回到Analyze Factorial Design主對話框5.點取Graphs選項鈕 ,取消勾選Normal與Pareto圖6.勾選Four in one相關分析圖 ,按OK鍵回主對話框7.按Analyze Factorial Design的主對話框分析的結果會列在程序視窗中 ,主效應是否選取適當??設定的模型是否恰當??Step 8:評估調整後的模型而殘差分析圖的結果也是令人滿意的Step 9:結論之描述因子圖(Factorial Plots)以繪製主效應圖(Main Effect Plot)及交互作用圖(Interaction Plot)可以用目視的方法來決定效應分析1.點選功能表Stat→DOE→2.勾選Main Effects Plot ,再按下Setup3.在Response輸入Yield4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位中2.勾選Interaction Plot ,再按下,重複3與4步驟檢視繪圖內容在繪圖視窗中會個別列出主效應圖及交互作用圖--主效應圖(Main Effects Plot)分析壓力圖催化劑圖(Catalyst Plot)→比較催化劑在兩種類別的差異(1)由圖中顯示 ,差異性比較:催化劑主效應>壓力主效應 ,也就是說催化劑斜率的絕對值 大於壓力斜率的絕對值 ,由於Yield 為望大值(越大越好) ,故壓力在4大氣壓較1大氣 壓有較高的良率 ; 催化劑的種類使用A 較B 有較高的良率(2)若因子之間沒有交互作用存在 ,由主效應圖即可找到使良率較高的最佳組合 ,此範例 有BC 交互作用顯著差異存在 ,故接下來再由交互作用圖來分析--交互作用圖(Interaction Plot)分析交互作用圖可看出因子間水準設定互相造成之衝擊性 ,有加乘或抵消作用(1)由圖中顯示 ,不論壓力值在1大氣壓或4大氣壓 ,使用A 催化劑的Yield 皆大於B 催化 劑 ;但是以A 催化劑而言 ,壓力設定在4大氣壓比1大氣壓有明顯Yield 變化 (2)綜合以上分析 ,使Yield 最大的最佳組合為壓力4大氣壓與A 催化劑。

（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。

Minitab 19 DOE实验操作实例实验使用3个因子，两个水平的方式来实现。

因子：温度，压力，催化剂响应量：合格率实验目的：评估哪个因子对合格率有较大的影响，从而优化工艺。

详细的实验步骤：1.打开Minitab 19 版本软件。

2.依次点击菜单：统计>DOE>因子>创建因子设计3.在打开的窗口中点击图示的两水平因子，选择3因子。

点击显示可用设计即可看到此次实验设计的实验次数。

在此次实验中可以选择4次和8次两种实验方案，如果选择4次的方案，它的分辨率是3级（总级别为5级），将会造成实验因子效果的不明确。

在此选择全因子实验，有最高的分辨率。

点击图示的确定后，进入下一步。

4.点击设计菜单，按照图示点击设置相关参数之后，点击确定。

角点的仿行数设置为2，表示给实验参数重复两次。

中心点数0表示：没有设置高和低水平之间的中间水平或者理解为当前现实参数。

区组数1：只有一组实验。

5.点击因子菜单，即可对因子及水平具体的输入：按照图示样式输入实验参数后，点击确定。

6.在图示的选项及结果菜单中，默认参数即可。

7.点击确定之后，即可看到软件自动生成的实验方案，详细的实验次数，因子分组，实验顺序等，如右图所示。

保存实验方案，待实验后输入数据。

8.按照上述方案完成实验后，打开上次的实验表格，输入合格率数据如图示。

9. 依次点击菜单：统计>DOE>因子>分析因子设计10.在响应栏中选择合格率，再点击图形，在打开的菜单中，按照图示设置参数后，依次点击两次确定。

11. 在效应图中我们可以看到图示显示红色的ABC 的交互作用和C因子的作用是有明显的影响，即是我们需要重点关注的因子。

12.经过上一步分析得出ABC和C是我们的重要因子，现在继续对重要因子分析，列出因子图更加直观的看到因子对合格率影响效果。

依次点击菜单：统计>DOE>因子>因子图13.在打开的因子窗口中，如图所示设置，点击确定。