Analyzujte úplný faktorový plán

Pomocí zaznamenaných experimentálních běhů odhadněte efekty faktorů a interakce.

Návody · Plánování experimentů (DOE) · Čtení na 5 min

Názvy příkazů aplikace, identifikátory datových listů a hodnoty ukázkových dat zůstávají v původní podobě. Snímky obrazovky, grafy a soubory ke stažení jsou v angličtině. Vědecké příklady zachovávají anglické číselné konvence: desetinnou tečku a čárku oddělující tisíce.

Příklad: pevnost svaru sáčku

22 nezávislých svařovacích běhů: osm dvouúrovňových kombinací provedených v každém ze dvou dnů, navíc tři běhy ve středu v každém dni. Blok představuje jeden experimentální den; ponechte jeho sloupec přiřazený, aby model zohledňoval rozdíly mezi dny.

Stáhnout zaznamenaná měření (CSV v angličtině)

Jde o stejný zaznamenaný příklad jako v Help. CSV obsahuje nastavení faktorů a naměřené odezvy, které je třeba importovat společně. V Help použijte Open example in a practice copy k předvyplnění nastavení.

1. Vytvořte pracovní prostředí

Na postranním panelu otevřete Design of Experiments a vytvořte analýzu. Pojmenujte ji, vyberte New blank worksheet a poté Create analysis.

2. Importujte měření

Stáhněte výše uvedený ukázkový CSV a importujte jej do datového listu. Jako oddělovač vyberte Comma, jako desetinný oddělovač Dot a zvolte First row contains column names. U každého řádku ponechte pohromadě odezvu, nastavení faktorů, typ bodu a pořadí provedení.

3. Vyberte studii a zadejte faktory

Na kartě Inputs vyberte Analyze existing worksheet pro Task a Full factorial pro Design family.

V části Factors použijte Add factor nebo odstraňte řádek tak, aby zůstaly 3 faktory. Zachovejte toto pořadí a u každého faktoru nastavte Type na Numeric.

Zadejte níže uvedené hodnoty Factor name, Unit, Low a High.

FaktorNázev faktoruJednotkaDolníHorní
Ajaw_temperature_c°C150170
Bdwell_time_ss0.81.2
Cjaw_pressure_mpaMPa0.250.35

Pole Numeric levels, optional ponechte prázdné.

4. Přiřaďte vstupní sloupce

V části Response mappings otevřete každý výběr sloupce a zvolte odpovídající sloupec datového listu.

Sloupec datového listuVstupní pole
jaw_temperature_cFactor jaw_temperature_c
dwell_time_sFactor dwell_time_s
jaw_pressure_mpaFactor jaw_pressure_mpa

Přiřaďte seal_strength_n_per_15mm k Response 1 a do Number of responses zadejte 1. Přiřaďte run_order k Execution order a point_type k Center point indicator. Pro Center point column convention vyberte Point type (center / factorial / fractional / star / axial / edge / edge_midpoint).

Přiřaďte block k Block, aby oba experimentální dny zůstaly zahrnuty v modelu.

5. Nastavte model a grafy

V části Model vyberte Default hierarchical model pro Model terms a do Confidence level (%) zadejte 95. Zaškrtněte Include center-point adjustment in model. Ponechte Calculate predictions nezaškrtnuté.

Otevřete Plot options. Zaškrtněte Effect estimates a Residual diagnostics. Ponechte Response contours nezaškrtnuté. Také Pareto view, Effect probability plot, Interaction plot a 3D surface ponechte nezaškrtnuté.

Design of Experiments: Vstupy s přiřazením a nastavením příkladu
Anglická karta Inputs s přiřazením zaznamenané studie, mezemi faktorů, modelem, spolehlivostí a možnostmi grafů. Zobrazit obrázek v plné velikosti (otevře se na nové kartě)

6. Analyzujte datový list

Vyberte Analyze worksheet a poté otevřete Results. Tím se proloží zaznamenaná měření; nevygeneruje se ani nerandomizuje nový plán běhů.

7. Interpretovat výsledky

  1. Začněte zaznamenanými běhy

    Zahrnuto je všech 22 svařovacích běhů. Osm kombinací dolních a horních úrovní bylo provedeno v každém ze dvou dnů se třemi běhy ve středu v každém dni. Model zohledňuje oba dny. Každá odezva je naměřená pevnost nezávisle vytvořeného svaru.

  2. Zkontrolujte, zda model nepřehlíží strukturu

    Prohlédněte si Nedostatečné proložení v upravené ANOVA členů. Jeho p-hodnota je 0.9725, takže tento test na hladině 5% nezjišťuje nezachycenou strukturu. To nedokazuje, že je model správný. Efekt dne má p = 0.01595; při porovnávání nastavení zachovejte zohlednění bloku.

  3. Přečtěte si efekty

    Teplota má největší proložený efekt horní úrovně vůči dolní: přibližně +5.97 N na 15 mm. Doba působení přidává přibližně +3.99 a tlak +1.25. Teplota × doba působení je přibližně +2.65; teplota × tlak přibližně −1.51. Interakce znamená, že se efekt jednoho faktoru mění s nastavením jiného. Tyto hlavní efekty neplatí beze změny pro každou kombinaci.

    Odhady efektů
    Proložené efekty horní úrovně vůči dolní s 95% intervaly spolehlivosti. Zobrazit graf v plné velikosti (otevře se na nové kartě)
  4. Přečtěte si reziduum

    Reziduum je naměřená odezva minus proložená hodnota. V běhu 11 bylo naměřeno 23.87 N na 15 mm; model proložil 22.55, takže přibližně +1.32 zůstává nevysvětleno. Jde o největší absolutní neupravené reziduum. V grafu hledejte zakřivení, měnící se rozptýlení nebo neobvyklé body.

    Rezidua vůči proloženým hodnotám
    Rezidua v N na 15 mm vůči proložené odezvě. Zobrazit graf v plné velikosti (otevře se na nové kartě)
  5. Zkontrolujte pořadí běhů

    Vodorovná osa sleduje zaznamenané pořadí provedení. V reziduích hledejte drift, cykly nebo náhlou změnu. Struktura může naznačovat, že model nezachytil změnu během experimentu; graf neurčuje její příčinu.

    Rezidua vůči pořadí běhů
    Rezidua v N na 15 mm v zaznamenaném pořadí provedení. Zobrazit graf v plné velikosti (otevře se na nové kartě)
  6. Vyberte ověřovací běh

    Prohlédněte si záznamy neobvyklých běhů a porovnejte kombinace se zohledněním interakcí i dnů. Nadějné a proveditelné nastavení ověřte na nových nezávislých svarech. Samotný největší hlavní efekt neurčuje nejlepší provozní nastavení.

Další podrobnosti: přečtěte si každou sekci výsledků

Úplné tabulky výsledků používají šest platných číslic, stejně jako Help.

Přehled modelu

Počet analyzovaných běhů je 22; počet chybějících běhů je 0. DF počítá informace dostupné pro model a reziduální chybu. S je reziduální směrodatná odchylka v N na 15 mm. R² popisuje variabilitu proloženou v těchto bězích; upravené R² zohledňuje velikost modelu. PRESS a predikované R² jsou vysvětleny v Podrobnostech predikce a koeficientů. Vysoké R² neprokazuje vhodnost modelu. Přečtěte si test nedostatečného proložení a grafy reziduí.

Přehled modelu · 12 řádků
StatistikaHodnota
Odezvaseal_strength_n_per_15mm
Analyzované běhy22
Chybějící odezvy0
Hodnost modelu9
Stupně volnosti reziduí13
S0.565919
R²0.983747
Upravené R²0.973744
PRESS9.07951
Predikované R²0.964555
Spolehlivost0.95
Test nedostatečného proložení dostupnýAno

Upravená ANOVA členů

Zdroj označuje člen modelu nebo složku chyby. Typ odlišuje upravené testy členů od celkových souhrnů a rozkladu chyby. DF jsou stupně volnosti; SS je součet čtverců; MS je SS dělený DF. F porovnává variabilitu s jejím odhadem chyby; p-hodnota měří důkazy proti testovanému nulovému předpokladu. Než se spolehnete na jednotlivé efekty, přečtěte si Nedostatečné proložení. Pomlčka znamená, že se statistika nepoužije.

Upravená ANOVA členů · 13 řádků
Zdroj variabilityTypDFSSMSFp-hodnota
jaw_temperature_cupravené1142.325142.325444.3981.95327e-11
dwell_time_supravené163.600663.6006198.5882.97481e-9
jaw_pressure_mpaupravené16.20016.200119.35930.000717766
jaw_temperature_c × dwell_time_supravené128.03728.03787.54333.87092e-7
jaw_temperature_c × jaw_pressure_mpaupravené19.12049.120428.47770.000135106
dwell_time_s × jaw_pressure_mpaupravené10.2450250.2450250.765070.397618
Blokupravené12.455572.455577.667310.0159483
Středový bodupravené10.009503030.009503030.02967240.865888
Modelsouhrn8251.99331.499198.35352.27367e-10
Chybasouhrn134.163440.320265——
Celkemsouhrn21256.15712.1979——
Čistá chybarozklad42.787130.696783——
Nedostatečné proloženírozklad91.376310.1529230.219470.972452

Koeficienty

Člen označuje kódovaný člen modelu. Odhad je jeho proložený koeficient; SE měří nejistotu; t a p-hodnota testují nulový koeficient. Dolní a horní mez intervalu spolehlivosti ohraničují jeho 95% interval. Číselná dolní, středová a horní nastavení jsou kódována −1, 0 a +1. Při interakcích nebo kvadratických členech hlavní koeficient nepopisuje změnu při každém nastavení.

Koeficienty · 9 řádků
ČlenOdhadSEtp-hodnotaDolní mez intervalu spolehlivostiHorní mez intervalu spolehlivosti
Konstanta22.9350.14148162.1087.05502e-2322.629423.2406
jaw_temperature_c2.98250.1414821.08071.95327e-112.676853.28815
dwell_time_s1.993750.1414814.09212.97481e-91.68812.2994
jaw_pressure_mpa0.62250.141484.399920.0007177660.3168510.928149
jaw_temperature_c × dwell_time_s1.323750.141489.356463.87092e-71.01811.6294
jaw_temperature_c × jaw_pressure_mpa-0.7550.14148-5.336450.000135106-1.06065-0.449351
dwell_time_s × jaw_pressure_mpa0.123750.141480.8746830.397618-0.1818990.429399
Blok · kontrast 1-0.3340910.120654-2.768990.0159483-0.594749-0.0734329
Středový bod-0.04666670.270913-0.1722570.865888-0.6319390.538606

Faktorové efekty

Efekt je proložený kontrast horní úrovně vůči dolní. SE měří nejistotu a dolní a horní mez intervalu spolehlivosti uvádějí jeho 95% interval. Standardizovaný efekt je absolutní efekt dělený jeho SE. Interakce znamená, že se efekt faktoru mění s jiným nastavením.

Faktorové efekty · 6 řádků
ČlenEfektSEDolní mez intervalu spolehlivostiHorní mez intervalu spolehlivostiStandardizovaný efekt
jaw_temperature_c5.9650.282965.35376.576321.0807
dwell_time_s3.98750.282963.37624.598814.0921
jaw_pressure_mpa1.2450.282960.6337031.85634.39992
jaw_temperature_c × dwell_time_s2.64750.282962.03623.25889.35646
jaw_temperature_c × jaw_pressure_mpa-1.510.28296-2.1213-0.8987035.33645
dwell_time_s × jaw_pressure_mpa0.24750.28296-0.3637970.8587970.874683

Diagnostika řádků

ID řádku označuje řádek datového listu; pořadí běhu určuje jeho místo v experimentální posloupnosti. Stav uvádí, zda byl analyzován. Pozorováno je měření; Proloženo je hodnota modelu; Reziduum je Pozorováno minus Proloženo. Standardizované reziduum zohledňuje reziduální variabilitu a pákový efekt. Pákový efekt měří, jak neobvyklé jsou vstupy modelu. Zobrazeny jsou všechny zaznamenané řádky. Než neobvyklý řádek změníte nebo vyloučíte, prozkoumejte jej.

Diagnostika řádků · 22 řádků
ID řádkuPořadí běhuStavPozorovánoProloženoReziduumStandardizované reziduumPákový efekt
help-doe-getting-started-11Analyzováno18.7218.7872-0.0671591-0.1650390.482955
help-doe-getting-started-22Analyzováno28.3828.9097-0.529659-1.30160.482955
help-doe-getting-started-33Analyzováno17.8217.69470.1253410.3080170.482955
help-doe-getting-started-44Analyzováno22.5322.5542-0.0242424-0.04826050.212121
help-doe-getting-started-55Analyzováno22.0922.5222-0.432159-1.0620.482955
help-doe-getting-started-66Analyzováno21.8922.5542-0.664242-1.322340.212121
help-doe-getting-started-77Analyzováno21.8321.78970.04034090.0991350.482955
help-doe-getting-started-88Analyzováno2222.0097-0.00965909-0.02373650.482955
help-doe-getting-started-99Analyzováno20.4520.20220.2478410.6090520.482955
help-doe-getting-started-1010Analyzováno28.8928.8922-0.00215909-0.005305810.482955
help-doe-getting-started-1111Analyzováno23.8722.55421.315762.619340.212121
help-doe-getting-started-1212Analyzováno20.6820.8703-0.190341-0.4677490.482955
help-doe-getting-started-1313Analyzováno23.4723.22240.2475760.492860.212121
help-doe-getting-started-1414Analyzováno18.1818.3628-0.182841-0.4493190.482955
help-doe-getting-started-1515Analyzováno22.3223.2224-0.902424-1.79650.212121
help-doe-getting-started-1616Analyzováno29.6229.56030.05965910.1466080.482955
help-doe-getting-started-1717Analyzováno30.0529.57780.4721591.16030.482955
help-doe-getting-started-1818Analyzováno19.5819.45530.1246590.3063410.482955
help-doe-getting-started-1919Analyzováno22.6322.6778-0.0478409-0.1175660.482955
help-doe-getting-started-2020Analyzováno23.2523.22240.02757580.05489630.212121
help-doe-getting-started-2121Analyzováno22.3622.4578-0.0978409-0.2404370.482955
help-doe-getting-started-2222Analyzováno23.6823.19030.4896591.20330.482955

Kódování faktorů

Faktor označuje vstup a Typ jeho typ v modelu. Střed a Měřítko převádějí číselná nastavení na kódované hodnoty: (nastavení − střed) / měřítko. Středový bod je tedy 0 a zadané dolní a horní meze jsou −1/+1. Úrovně / kontrasty se vztahují ke kategoriálnímu kódování; pomlčka není chybějící číselné měření. U této tabulky ponechte poznámky ke sloupcům modelu, bloku a hodnosti.

Kódování faktorů · 3 řádky
FaktorTypStředMěřítkoÚrovně / kontrasty
jaw_temperature_cčíselný16010—
dwell_time_sčíselný10.2—
jaw_pressure_mpačíselný0.30.05—
  • Sloupce modelu: Konstanta, jaw_temperature_c, dwell_time_s, jaw_pressure_mpa, jaw_temperature_c × dwell_time_s, jaw_temperature_c × jaw_pressure_mpa, dwell_time_s × jaw_pressure_mpa, Blok · kontrast 1, Středový bod
  • Tolerance hodnosti: 1e-10
  • Úroveň bloku: Day_1
  • Úroveň bloku: Day_2

Kovariance koeficientů

Čtěte společně člen příslušného řádku a sloupce. Diagonální prvky jsou čtverce směrodatných chyb proložených koeficientů. Prvky mimo diagonálu popisují sdílenou nejistotu odhadu. Tato matice se týká koeficientů modelu, nikoli korelací mezi naměřenými sloupci faktorů.

Kovariance koeficientů · 9 řádků
SloupecKonstantajaw_temperature_cdwell_time_sjaw_pressure_mpajaw_temperature_c × dwell_time_sjaw_temperature_c × jaw_pressure_mpadwell_time_s × jaw_pressure_mpaBlok · kontrast 1Středový bod
Konstanta0.0200165000-1.73724e-18000-0.0200165
jaw_temperature_c00.02001651.25524e-181.59056e-18-2.37535e-181.14682e-186.87283e-19-3.11116e-192.40441e-19
dwell_time_s01.25498e-180.02001651.41339e-18-8.20222e-182.83927e-18-2.97871e-189.96778e-188.55081e-21
jaw_pressure_mpa01.34066e-181.85008e-180.0200165-8.38039e-191.83585e-19-4.22472e-18-8.36686e-184.86775e-20
jaw_temperature_c × dwell_time_s-1.73724e-18-1.7558e-18-8.74062e-18-7.0199e-190.0200165-2.49201e-186.54714e-18-4.5524e-184.71332e-18
jaw_temperature_c × jaw_pressure_mpa01.09564e-182.83401e-183.04389e-19-1.87779e-180.02001658.66089e-19-4.98088e-19-6.83801e-21
dwell_time_s × jaw_pressure_mpa01.56378e-19-2.08591e-18-3.66915e-187.17073e-185.66413e-190.02001651.36697e-182.63412e-19
Blok · kontrast 10-3.11116e-199.96778e-18-8.36686e-18-4.5524e-18-4.98088e-191.36697e-180.01455754.24889e-34
Středový bod-0.02001652.40441e-198.55081e-214.86775e-204.71332e-18-6.83801e-212.63412e-194.24889e-340.073394

Podrobnosti predikce a koeficientů

PRESS sčítá predikční chyby při postupném vynechání jednoho pozorování: každý běh je předpovězen modelem proloženým bez tohoto běhu. Predikované R² používá tyto chyby. Kovariance koeficientů zaznamenává nejistotu odhadu; její diagonální prvky jsou čtverce směrodatných chyb koeficientů. Tato diagnostika doplňuje kontroly nedostatečného proložení a reziduí, nenahrazuje je.

8. Vytvořit zprávu

Zachovejte Model overview, Adjusted term ANOVA, Coefficients, Coefficient covariance, Row diagnostics a Factor coding spolu s tabulkou Factorial effects a grafy efektů a reziduí. Uveďte jednotky odezvy, nastavení faktorů, zaznamenané pořadí běhů a všechny poznámky k modelu. Výsledek testu nedostatečného proložení ponechte společně s kontrolami reziduí; sám o sobě model nevaliduje.

Vyberte Add to report z dokončeného výpočtu. Otevřete Choose individual items and advanced options pro výběr tabulek a grafů a poté vyberte Add to draft. Skryté položky zůstávají v uložené analýze.

Pojmenujte zprávu a doplňte účel studie a svou interpretaci. Vyberte Save, zkontrolujte Preview, poté použijte Export → Download HTML. Příklad níže obsahuje veškerý vybraný obsah včetně výsledků přesahujících jednu obrazovku.

Tato zpráva byla vygenerována v aplikaci a je v angličtině. Úplný výstup aplikace pro tento příklad z Help včetně příslušných tabulek, grafů a poznámek k výpočtu. Čísla ve zprávách používají přesnost zobrazení aplikace. Exportované grafy jsou statické. Na úzkých obrazovkách posouvejte široké grafy a tabulky do stran.
Zobrazit ukázkovou zprávu: Analýza úplného faktorového plánu: pevnost svaru sáčku

Používáme Microsoft Clarity, abychom porozuměli tomu, jak návštěvníci používají tento web, včetně záznamů relací a tepelných map. Web můžete používat i bez přijetí analytiky.

Vaše volba se ukládá v tomto prohlížeči na šest měsíců. Oznámení o ochraně soukromí

Aktuální volba: Nezvoleno.