Minitab-DOE操作说明(全因子实验范例).doc

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 Design

2.點擊Display Available Designs

因所要討論的因子有三個 , 由表中可以作二種選擇:
Ø 選擇Ⅲ作4次實驗
Ø 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OK , 回到主對話框中

4.選擇2-level factorial (default generators) , 在因子數選擇3

5.點擊Designs ,選取Full factorial

6.在Number of replicates選項中選2 ,按OK

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
Ø 若因子為連續性à使用數值水準設定 ,可為量測的任意值(ex.反應時間)
Ø 若因子為類別變數à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:
Factor
Low Setting
High Setting
Temperature
20° C
40° C
Pressure
1 atmosphere
4 atmospheres
Catalyst
A
B

1.點擊Factors 按鈕

2.輸入因子名稱及水準 , 完成後按OK回到Create Factorial Design主對話框

Step 3:隨機化與儲存設計的內容
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
都可得到一致的模型

3.確定有選取Store design in worksheet的選項後 ,並按OK
4.回到Create Factorial Design主對話框按OK ,就會產生設計的內容並儲存在工作表單
中

實驗原有順序
Step 4:瀏覽設計的內容（直交表形成）
隨機後實驗順序

Ø 若要切換工作表單以RanOrder/StdOrder以及Coded/Uncoded的呈現 ,
可由功能表StatàDOEàDisplay Design來選擇
因子水準以真實Data顯示
因子水準以代號顯示
依實驗原有順序執行
依隨機後實驗順序執行

Ø 另外若要修改因子名稱或設定 , 有兩種方式：
 (1)可由功能表StatàDOEàModify 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Yield

2.可將此實驗工作表列印出來並收集數據結果輸入Yield資料列中

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
Ø 配置一個模型(Fit a model)
1.在功能表點選StatàDOEàFactorialàAnalyze Factorial Design
2.在Responses欄位輸入Yield
3.點取Graphs選項鈕

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
Ø 效應圖(Effect Plots)
Normal(常態機率圖) Pareto(柏拉圖)

在圖中偏離直線較遠的點(紅色)為顯著因子 , 即為C(催化劑)、B(壓力)、BC(催化劑V.S壓力之交互作用)
依圖中影響效應程度大小排列並數值超出紅色參考線即為顯著因子

Ø 確認重要的效應
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
以表列中可由P值來找出哪些因子為顯著的效應
P值>0.05 è非顯著
P值<0.05 è顯著

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.點選功能表選單StartàDOEàFactorialàAnalyze Factorial Design
2.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OK鍵
分析的結果會列在程序視窗中 ,殘差分析圖及相關圖將可進一步評估
Ø 主效應是否選取適當??
Ø 設定的模型是否恰當??

Step 8:評估調整後的模型
由ANOVA表中主效應及交互作用P值皆<0.05 ,代表這是一個很好的模型

而殘差分析圖的結果也是令人滿意的

Step 9:結論之描述
Ø 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StatàDOEàFactorialàFactorial Plots
2.勾選Main Effects Plot ,再按下Setup

3.在Response輸入Yield

4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位到 > Selected欄位中
2.勾選Interaction Plot ,再按下Setup ,重複3與4步驟

Ø 檢視繪圖內容
此線代表所有實驗值平均數
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)

此點代表壓力在低水準時所有實驗值平均數

分析
壓力圖(Pressure Plot)à比較壓力在高及低水準設定的差異
催化劑圖(Catalyst Plot)à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

縱座標代表Yield
--交互作用圖(Interaction Plot)
此點代表Yield在低水準的壓力與A催化劑時的均值

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

Page 16