SixSigma-1,DOEMinitab操作教程,1、男球鞋案例2、化學(xué)實驗設(shè)計案例3、傳統(tǒng)的一次一因子實驗,SixSigma-2,1、男球鞋案例,1、資料登陸2、選擇統(tǒng)計工具2samplet3、圖形4、選擇統(tǒng)計工具Pairedt5、圖形6、為什么會得到不同的結(jié)論,SixSigma-3,1、資料登陸,1、把資料登陸到Minitab軟件，輸入資料的操作類似Excel軟件，如下圖：,SixSigma-4,2、選擇統(tǒng)計工具2samplet,路徑：StatBasicStatistics2-Samplet選擇SamplesindifferentcolumnsFirst選擇MaterialASecond選擇MaterialB,然后點擊Graphs,SixSigma-5,點擊每一個方框，使其選中，然后單擊OK。,SixSigma-6,點擊到Session視窗,Resultsfor:BOYSSHOE.MTWTwo-SampleT-TestandCI:MaterialA,MaterialBTwo-sampleTforMaterialAvsMaterialBNMeanStDevSEMeanMaterialA1010.632.450.78MaterialB1011.042.520.80Difference=mu(MaterialA)-mu(MaterialB)Estimatefordifference:-0.41000095%CIfordifference:(-2.754808,1.934808)T-Testofdifference=0(vsnot=):T-Value=-0.37P-Value=0.717DF=17,H0：兩種材料壽命沒有差異Ha：兩種材料壽命有差異P0.05,接收H0。,SixSigma-7,3、圖形,兩種材料沒有顯著差異，研發(fā)處的建議被拒絕。,SixSigma-8,兩種材料沒有顯著差異，研發(fā)處的建議被拒絕。,SixSigma-9,4、選擇統(tǒng)計工具Pairedt,路徑：StatBasicStatisticsPairedt,選擇SamplesincolumnsFirstsample:選擇MaterialASecondsample:選擇MaterialB然后點擊Graphs,SixSigma-10,點擊每一個方框，使其選中，然后單擊OK。,然后回到Session窗口：PairedT-TestandCI:MaterialA,MaterialBPairedTforMaterialA-MaterialBNMeanStDevSEMeanMaterialA1010.63002.45130.7752MaterialB1011.04002.51850.7964Difference10-0.4100000.3871550.12242995%CIformeandifference:(-0.686954,-0.133046)T-Testofmeandifference=0(vsnot=0):T-Value=-3.35P-Value=0.009,H0：兩種材料壽命沒有差異Ha：兩種材料壽命有差異PDOEFactorialCreateFactorialDesign,TypeofDesign:選擇設(shè)計種類,NumberofFactors:選擇因子數(shù)目,Design：選擇設(shè)計（解析度、中心點、反復(fù)數(shù)）,Factor：輸入名稱和水準(zhǔn),Options：（取消）隨機(jī)化選項,執(zhí)行實驗：收集實驗數(shù)據(jù),SixSigma-18,Minitab：StatDOEFactorialCreateFactorialDesign,選擇設(shè)計種類,選擇因子數(shù)目,SixSigma-19,選擇設(shè)計（解析度、中心點、反復(fù)數(shù)）,Design,SixSigma-20,Factor：輸入名稱和水準(zhǔn),輸入名稱和水準(zhǔn),SixSigma-21,Options：（取消）隨機(jī)化選項,在正式實驗時不能取消此項選擇！此處僅教學(xué)使用,正常實驗要隨機(jī)進(jìn)行！,SixSigma-22,實驗矩陣,因子A因子B因子C,SixSigma-23,執(zhí)行實驗：收集實驗數(shù)據(jù),打印實驗矩陣,執(zhí)行實驗，收集實驗數(shù)據(jù)，將數(shù)據(jù)登陸到Minitab。,SixSigma-24,2、分析實驗過程,StatDOEFactorialAnalyzeFactorialDesign,Response:輸入回應(yīng)值,Terms:選取分析因子（全因子：變數(shù)和交互作用部分因子：僅變數(shù)）,Graphs：主因圖：常態(tài)機(jī)率和柏拉圖，CubePlot、殘差圖,SixSigma-25,StatDOEFactorialAnalyzeFactorialDesign,:輸入回應(yīng)值,SixSigma-26,Terms:選取分析因子,全因子選3部分因子選1或2,SixSigma-27,Graphs：選擇圖表,SixSigma-28,效應(yīng)柏拉圖,超過紅線代表效應(yīng)顯著,SixSigma-29,常態(tài)機(jī)率圖,跳到線外的紅點表示因子顯著。,SixSigma-30,StatDOEFactorialFactorialPlots,分別選擇Setup,SixSigma-31,選擇Responses及因子,SixSigma-32,InteractionPlot,SixSigma-33,MainEffectsPlot,SixSigma-34,CubePlot,SixSigma-35,3、解讀實驗結(jié)果,解讀Minitab輸出,檢驗ANOVA表格（縮減模式，最佳模式）,檢驗圖表（交互作用、主效應(yīng)、立體、殘差、及等方差圖）,考慮實際上為顯著的效應(yīng)（計算效應(yīng)在模式中的百分比）,數(shù)學(xué)模式,殘差分析,SixSigma-36,ANOVA表格,EstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefConstant64.250Temperature23.00011.500Concentration-5.000-2.500Catalyst1.5000.750Temperature*Concentration1.5000.750Temperature*Catalyst10.0005.000Concentration*Catalyst-0.000-0.000Temperature*Concentration*Catalyst0.5000.250AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects31112.501112.50370.833*2-WayInteractions3204.50204.5068.167*3-WayInteractions10.500.500.500*ResidualError0*Total71317.50,我們之前計算的效應(yīng),我們之前計算的系數(shù),誤差項目自由度為零,SixSigma-37,EstimatedCoefficientsforYieldusingdatainuncodedunits,TermCoefConstant-85.5000Temperature0.925000Concentration-1.52500Catalyst-71.5000Temperature*Concentration0.00750000Temperature*Catalyst0.425000Concentration*Catalyst-0.425000Temperature*Concentration*Catalyst0.00250000AliasStructureTemperatureConcentrationCatalystTemperature*ConcentrationTemperature*CatalystConcentration*CatalystTemperature*Concentration*Catalyst,SixSigma-38,縮減模式改變選取的項目,移除最小的效應(yīng)檢視機(jī)率圖柏拉圖ANOVA表格重復(fù)移除下一個最小的效應(yīng)一直持續(xù)到模式為”最佳模式”最佳模式”的提示不需要移除太多的項目保留一些不顯著的項目已確認(rèn)沒有錯誤的移除顯著的項目,SixSigma-39,因子AB是否真的顯著？,SixSigma-40,將Alpha設(shè)為0.01,SixSigma-41,因子AB并不顯著.,SixSigma-42,最佳模式,兩個變數(shù)和一個交互作用統(tǒng)計上是顯著的！,SixSigma-43,最佳模式的ANOVA表格,TermEffectCoefSECoefTPConstant64.2500.4564140.760.000Temperature23.00011.5000.456425.200.000Concentration-5.000-2.5000.4564-5.480.012Catalyst1.5000.7500.45641.640.199Temperature*Catalyst10.0005.0000.456410.950.002S=1.29099R-Sq=99.62%R-Sq(adj)=99.11%AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects31112.501112.50370.833222.500.0012-WayInteractions1200.00200.00200.000120.000.002ResidualError35.005.001.667Total71317.50,SixSigma-44,GLM分析,路徑：StatANOVAGenerallinearmodel,填入要分析的變數(shù),SixSigma-45,GeneralLinearModel,SourceDFSeqSSAdjSSAdjMSFPTemperature11058.001058.001058.00634.800.000Concentration150.0050.0050.0030.000.012Catalyst14.504.504.502.700.199Temperature*Catalyst1200.00200.00200.00120.000.002Error35.005.001.67Total71317.50,SixSigma-46,計算ES,1、在資料表中設(shè)四個欄位Source、DF、SS、ES2、自session視窗復(fù)制并貼上Source、DF、SS、ES3、使用Minitab計算功能，將每一值除以TotalSS值并存儲結(jié)果于ES,SixSigma-47,復(fù)制并貼上Source、DF、SS、ES,SixSigma-48,計算ES,SixSigma-49,ES代表每個變數(shù)和交互作用在總SS中所占百分比,SOURCEDFSSESTemperature11058.00.80304Concentration150.00.03795Catalyst14.50.00342Temperature*Catalyst1200.00.15180Error35.00.00380Total71317.51.00000,因子Temperature占百分比為80%,SixSigma-50,數(shù)學(xué)模式,VariableCoefConstant64.250Temperature11.500Concentration-2.500Catalyst0.750Temperature*Catalyst5.000,Yield(Y)=64.25+11.5*Temperature-2.5*Concentration+0.75*Catalyst+5*Temperature*Catalyst,Symbol012312,有了數(shù)學(xué)模式就可以根據(jù)客戶需要調(diào)整我們的Y.,SixSigma-51,殘差分析,路徑：StatDOEFactorialAnalyzeFactorialDesign,SixSigma-52,殘差分析,SixSigma-53,殘差圖,SixSigma-54,傳統(tǒng)的一次一因子實驗,思考：我們用傳統(tǒng)的一次一因子實驗來做剛才的化學(xué)實驗，會得到相同的結(jié)果嗎？下面讓我們用將二個因子固定住不變，并且一次只改變一個因子的方式來做試驗。,SixSigma-55,輸入試驗矩陣到Minitab,SixSigma-56,2、自定義實驗設(shè)計,StatDOEFactorialDefineCustomFactorialDesign,定義因子,定義水準(zhǔn),SixSigma-57,解讀,因子,標(biāo)準(zhǔn)順序,實驗順序,集區(qū),中心點,SixSigma-58,Pareto,沒有考慮交互作用,沒有任何因子顯著,SixSigma-59,常態(tài)機(jī)率圖,沒有考慮交互作用,沒有任何因子顯著,SixSigma-60,Session輸出,EstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefConstant59.000TEMP12.0006.000CONC-6.000-3.000CATA-8.000-4.000AnalysisofVarianceforYield(codedunit