Minitab软件之因子交互和推动过程的方式简述

高级六西格玛试验设计(DOE)可以帮助您改进流程。您可以过滤这些因素，以确定哪些因素对于解释过程变化很重要。过滤因素后，Minitab可以帮助您了解因素如何相互作用并推动这一过程。然后，您可以找到产生最佳过程性能的因子设置。

1.因素

创建因子设计-生成两个级别的全因子设计，部分因子设计和分割因子设计，以及Plackett-Burman设计。

自定义因子设计-基于工作表中已有的数据创建因子设计。

选择最佳设计-选择设计点的子集，增强设计或评估设计。

预处理响应以分析可变性-根据测试重复或模仿计算单个响应列中的统计数据。

分析因素设计-适合两个层次的全因素设计，部分因素设计和分割因素设计，以及Plackett-Burman设计。

检测与设计二级因子实验中的变异性-离散效应分析

因子图——展示了两级全因子和部分因子设计以及Plackett-Burman设计的主要效果、交互和立方体图。

等高线/表面图-绘制等高线图和三维响应表面图。

响应优化器-计算数值最优解并绘制交互图，以帮助确定因子设置的组合，从而共同优化一组响应。

重叠等高线图-绘制多重响应的等高线图。

2.响应面

创建响应面设计-生成Box-Behnken和中心复合设计

自定义响应面设计-基于工作表中已有的数据创建响应面设计。

选择最佳设计-选择设计点的子集，增强设计或评估设计。

分析响应面设计-拟合响应面模型，包括Box-Behnken和中心复合设计。

等高线/表面图-绘制等高线图和三维响应表面图。

响应优化器-计算数值最优解并绘制交互图，以帮助确定因子设置的组合，从而共同优化一组响应。

重叠等高线图-绘制多重响应的等高线图。

3.混合

创建混合设计-为单形质心和单形晶格设计生成设置。

自定义混合设计-基于工作表中已有的数据创建混合设计。

选择最佳设计-选择设计点的子集，增强设计或评估设计。

单一设计-绘制单一设计。

分析混合设计-适合来自任何谢菲混合设计的数据

等高线/表面图-绘制等高线图和三维响应表面图。

响应跟踪图-绘制响应跟踪图。

响应优化器-计算数值最优解并绘制交互图，以帮助确定因子设置的组合，从而共同优化一组响应。

重叠等高线图-绘制多重响应的等高线图。

4.田口方法

创建田口设计-生成田口正交表设计

定制田口设计-基于工作表中已有的数据创建田口设计。

田口设计分析——将模型拟合到田口设计

预测田口结果-预测田口设计结果

5、DOE

修改设计 - 更改因子名和水平 

显示-更改工作表中因子的设计顺序和编码。

设计的实施通常分为四个阶段:计划、筛选(也称为过程表征)、优化和验证。

在工业中，设计测试可以用来系统地调查影响产品质量的过程变量或产品变量。在确定影响产品质量的工艺条件和产品成分后，可以进行有针对性的改进，以提高产品的可制造性、可靠性、质量和现场性能。

例如，您可能需要调查涂层类型和炉温对钢筋耐腐蚀性的影响。您可以设计一个测试来收集涂层/温度组合的数据，测量耐腐蚀性，然后使用找到的数据来调整制造条件。

由于资源有限，从每个实验中获得最多的信息非常重要。与偶然的或计划外的测试相比，设计良好的测试可以产生更多的信息，并且通常需要更少的测试时间。此外，精心设计的实验将确保您能够评估被确定为重要因素的效果。例如，如果您认为两个输入变量之间存在相互作用，请确保这两个变量包含在设计中，并且不要进行“一次一个因素”的实验。当一个输入变量的效果受到另一个输入变量的影响时，就会发生交互。