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。

已编码系数

系数系数标准误T 值P 值方差膨胀因子
常量657.812.453.220.000 
培训52.413.63.850.0041.00
Degas0.913.60.070.9491.00
猝发8.613.60.630.5421.00
安静-39.613.6-2.910.0171.00
中心-2.413.6-0.170.8661.00
带宽3.513.60.260.8031.00
扫描2.813.60.210.8391.00

模型汇总

SR-sqR-sq(调整)R-sq(预测)
50.963472.56%51.21%4.50%

方差分析

来源自由度Adj SSAdj MSF 值P 值
模型761803.78829.13.400.046
  线性761803.78829.13.400.046
    培训138451.138451.114.800.004
    Degas111.211.20.000.949
    猝发11040.61040.60.400.542
    安静121938.421938.48.450.017
    中心177.877.80.030.866
    带宽1171.5171.50.070.803
    扫描1113.1113.10.040.839
误差923375.42597.3   
合计1685179.2     

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
BDegas
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