Minitab轻松完成正交试验极差分析和方差分析可视化效果突出.docx

Minitab轻松完成正交试验极差分析和方差分析，可视化效果突出SPSS只能对试验设计的数据进行处理分析，尚不能进行试验方案的设计安排，这一点与Minitab相比，明显不足。案例说明某工厂希望提高产品转化率，想着从产品的生产工艺下手，经分析影响转化率的工艺可控因素有3个,反应温度、反应时间、加碱量，并研究确定每个因素取三个水平进行正交试验。3因素3水平，且不考察交互作用的情况下，1934正交表是最佳选择。前三列分别安排三个因素，最后一列作为空列考察试验误差。生成试验方案利用Minitab创建1934正交表试验方案。营工作表1*,C1C2C3C4C5反应温度反应时间加碱量误差列1111121222313334212352231623127313283213QQ291然后呢,在9个处理中随机安邦滇体的实验次序，实施生产，记录产品转化率试验指标数据，将其录入至C5歹1极差分析首先我们来看极差分析。主要菜单如下:分析田口设计:项可用项00：IGB¾I07：一iciadibcibd8极差分析结果：田口分析:转化率与反应温度，反应时间，加碱量均值响应表水平反应温度反应时间加减量141.0047.0045.00248.0055.0057.00361.0048.0048.00De1ta20.008.0012.00此表中数据是因素各水平下转化率平均值，De1ta一行的数据即为极差了。很明显，极差从大到小依次是：反应温度加碱量反应时间，也可以理解为三个试验因素的重要性®序。上图是因素水平-转化率均值趋势图，美观、直观,试验指标Y望大,越大越好，所以各因素优水平也很明显，分别是A3、B2、C2如果我们只使用极差分析来总结此处正交试验的结论，那么最优工艺组合是A3B2C2,该组合没有出现在已经实施的9个处理中，这恰好说明正交试验本身的科学性。方差分析如果我们想搞清楚三个试验因素对转化率的影响在统计学上是不是显著，那么接下来需要进行方差分析。均值的方差分析来源自由度SeqSSAdjSSAdjMSFP反应温度2618.00618.00309.00034.330.028反应时间2114.00114.0057.0006330.136加碱量2234.00234.00117.00013.000.071残差误差218.0018.009.000minitab方差分析表。最简单直接的解读方法是直接看最后一列，概率P值。我们发现仅反应温度的P值小于0.05,也就是说统计上认为反应温度对试验指标转化率有显著影响，统计上有意义。其他两个因素影响相对较小。还没有完。现在反应温度在统计上认为是一个相对很重要的因素，它下设3个水平，请问这3个水平差异表现如何？我们该选谁作为优水平呢？所以，需要多重比较。响应(E):比较类型(E)：“Tukey(K)方法Bonferroni(B)Sidak(S)FiSher(E)选择比较项(U)：反应温度这一步在minitab中比较麻烦，还需要再对试验数据进行一次【方差分析一般线性模型】处理，然后单独进行一个多重比较的过程。这一点SPSS做得更高效一些。Tukey配对比较：反应温度使用Tukey方法和95%置信度对信息进行分组反应温度N均值分组-3361A2348AB1341Bminitab说的很清楚，不共享字母的均值之间具有显著差异，比SPSS子集比较更直接。显然反应温度的3个水平中，1水平和3水平下转化率均值差异是显著的，目标望大,所以该因素的有水平非3水平莫属。其他两个因素可以直接依据极差分析中的因素水平转化率均值来给定优水平，分别是B2和C2,至此，我们认为能使产品转化率达到最佳高度的工艺组合是A3B2C20正交试验环节结束，后面可再安排部分验证试验以考察最优组合是否稳定。图/文=数据小兵文章荐读。实验设计：什么是区组因素？。实验设计主要考虑的5个方面oSPSS正交试验设计及其方差分析本号出品的正交与响应面试验数据分析一基于SPSS、Minitab视频课程，正在做相关试验的读者欢迎了解。