阶段3:去除以下内容后,求缩小模型(Reduced Model)
由于区组变量不是显著的,并且也不是正交的,所以从模型中移去。
分析因子设计
1)使用组合键 Ctrl+E
2)点击 项
3)完成下列对话框 (取消在模型中包括区组)
4)点击 确定,结束会话框
结果如下
拟合因子: Coolant Temp 与 Temp, Density, Design, Surface, Sryling
Coolant Temp 的效应和系数的估计(已编码单位)
项 效应 系数 系数标准误 T P
常量 35.052 40.6031 0.86 0.437
Temp 1.777 0.3885 4.57 0.010
Density 8.042 4.021 0.8383 4.80 0.009
Design -2.502 -1.251 0.3375 -3.71 0.021
Surface -0.623 -0.311 0.2960 -1.05 0.352
Sryling -1.163 -0.582 0.3099 -1.88 0.134
Density*Design 3.955 1.977 0.3491 5.66 0.005
Density*Surface 1.824 0.912 0.4455 2.05 0.110
Density*Sryling 1.244 0.622 0.3841 1.62 0.181
Design*Surface 0.344 0.172 0.2910 0.59 0.586
Design*Sryling 3.434 1.717 0.7428 2.31 0.082
Surface*Sryling -1.477 -0.739 0.2960 -2.50 0.067
S = 1.10413 PRESS = 131.253
R-Sq = 95.56% R-Sq(预测) = 0.00% R-Sq(调整) = 83.34%
对于 Coolant Temp 方差分析(已编码单位)
来源 自由度 Seq SS Adj SS Adj MS F P
共变量 1 16.079 25.511 25.511 20.93 0.010
主效应 4 44.663 40.412 10.103 8.29 0.032
2因子交互作用 6 44.120 44.120 7.353 6.03 0.052
残差误差 4 4.876 4.876 1.219
合计 15 109.738
模型中空气温度还是显著的,留下的显著项为Density,Design与Density*Design的交互作用项,S2(adj),也从原来的80.43%提高到83.34%。
去掉非显著项,完成减少模型
分析因子设计
1)使用组合键 Ctrl+E
2)点击 项,完成下列对话框
3)点击 确定
4)点击 图形
5)在残差图下选择 四合一,点击 确定 结束会话框
生成如下结果
拟合因子: Coolant Temp 与 Temp, Density, Design
Coolant Temp 的效应和系数的估计(已编码单位)
项 效应 系数 系数标准误 T P
常量 127.443 15.9865 7.97 0.000
Temp 0.893 0.1529 5.84 0.000
Density 4.440 2.220 0.4696 4.73 0.001
Design -1.618 -0.809 0.3595 -2.25 0.046
Density*Design 2.982 1.491 0.3612 4.13 0.002
阶段4:分析残差图(Residual Plots),确认模型的适合性
从残差图上没有发现违背所有的假设
阶段5:通过图表分析,分析主效应和交互作用效应 (以交互作用为例)
1)选择 统计>DOE>因子>因子图
2)点击 交互作用图
3)选择 拟合均值
4)点击 设置
5)完成如下对话框
6)点击 确定,完成对话框
从交互作用图上可以看出,当Density是高水平时,随着Design从低水平到高水平,对响应Coolant Temp的效应有所增加:当Density是低水平时,随着Design从低水平到高水平,对响应Coolant Temp的效应有所减少。
阶段6:叙述数学性模型的结论
从以上的分析过程中得到的数学模型方程为:
CoolantTemp=127.443+0.893*Temp+2.200*Density-0.809*Design+1.491*Density*Design
阶段7:解释数学性模型,导出结论,提出方案。(使用最适合化)
Density与Design存在交互作用,也被工程观点所解释与验证。当Fin Density是低水平时(散热管和散热片空气流动畅通),有利于冷却系统的冷却,提高了冷却性能,这是我们期望的;相反,当Fit Density是高水平时,不利于冷却系统的冷却,降低了冷却性能,这时我们尽量要避免的。
在试验设计中考虑协方差分析有二个好处:
1. 消除了由于协方差对响应的影响,提高了实验的精确度;
2. 由于从残差中消除了协变量的误差,改善了实验的功效
阶段8:再现最合适条件,制定下一阶段的实验计划
从模拟情况可以看出,我们设置的区域范围,工艺相对来说比较稳定,因子水平设置也比较容易。安排验证实验,结果证明在要求的置信区域范围内。
从Pilot的结果来看,实验设计完全达到设计的目标。
文 / 闵亚能转载请注明出处。