分析明确筛选设计示例

工程师正在开发一种新型超声波清洗机。工程师使用筛选设计确定哪些潜在因子影响清洗机的输出功率。

其中一个工程师分析明确筛选设计以确定 7 个因子中的哪些因子对输出功率的效应最大。输出功率必须足够大才能彻底清洗。同时,输出功率必须足够低,以至于在清洗时不会损坏物品。

  1. 打开样本数据,超声波清洗机.MTW
  2. 选择 统计 > DOE > 筛选 > 分析筛选设计
  3. 响应中,输入功率
  4. 单击
  5. 包括以下项中,选择线性。单击确定
  6. 单击图形
  7. 残差图下,选择四合一
  8. 选中残差与变量。输入安静扫描
  9. 单击每个对话框中的确定

解释结果

在 Pareto 图中,工程师注意到培训 (A) 和安静 (D) 产生的主效应最大。从筛选试验中,工程师判定最需要关注和进一步分析这两个因子。

残差与拟合图显示一条 U 型曲线。此模式指示模型中可能缺少平方项或交互作用。安静扫描的残差图也显示曲线。在研究潜在模型时,工程师决定考虑这些因子的平方项。

筛选设计模型: 功率 与 培训, Degas, 猝发, 安静, 中心, 带宽, 扫描

方差分析 来源 自由度 Adj SS Adj MS F 值 P 值 模型 7 61803.7 8829.1 3.40 0.046 线性 7 61803.7 8829.1 3.40 0.046 培训 1 38451.1 38451.1 14.80 0.004 Degas 1 11.2 11.2 0.00 0.949 猝发 1 1040.6 1040.6 0.40 0.542 安静 1 21938.4 21938.4 8.45 0.017 中心 1 77.8 77.8 0.03 0.866 带宽 1 171.5 171.5 0.07 0.803 扫描 1 113.1 113.1 0.04 0.839 误差 9 23375.4 2597.3 合计 16 85179.2
模型汇总 R-sq(调 R-sq(预 S R-sq 整) 测) 50.9634 72.56% 51.21% 4.50%
已编码系数 系数标 方差膨 项 系数 准误 T 值 P 值 胀因子 常量 657.8 12.4 53.22 0.000 培训 52.4 13.6 3.85 0.004 1.00 Degas 0.9 13.6 0.07 0.949 1.00 猝发 8.6 13.6 0.63 0.542 1.00 安静 -39.6 13.6 -2.91 0.017 1.00 中心 -2.4 13.6 -0.17 0.866 1.00 带宽 3.5 13.6 0.26 0.803 1.00 扫描 2.8 13.6 0.21 0.839 1.00
以未编码单位表示的回归方程 功率 = 626.5 + 116.5 培训 + 2.0 Degas + 1.92 猝发 - 8.80 安静 - 0.47 中心 + 0.70 带宽 + 0.57 扫描
别名结构(截至 2 阶项) 因子 名称 A 培训 B Degas C 猝发 D 安静 E 中心 F 带宽 G 扫描
别名 I + 0.82 AA + 0.82 BB + 0.82 CC + 0.82 DD + 0.82 EE + 0.82 FF + 0.82 GG A B C D E F G
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策