田口实验python代码

DOE自学第一节

一个简单的全因子DOE报告思路

---

1.DOE案例一

文章目录

• DOE自学第一节
• 前言
• 一、DOE类型有哪些？
• 二、全因子DOE实验设计

• 1.找到可能影响结果(y)的因子(x)
• 2.确定每个因子的高低水平
• 3.运用minitab进行试验设计
• 4.根据正交矩阵进行试验，获取实验数据
• 5.将数据复制到minitab进行DOE分析
• 6.Pareto、方差分析
• 7.选择因子图，得到主效应和交互效应图
• 8.输出响应优化

• 总结

---

前言

DOE 是一种安排实验和分析实验数据的数理统计方法; 实验设计主要对实验进行合理安排，以较小的实验规模( 实验次数)、较短的实验周期和较低的实验成本，获得理想的实验结果以及得出科学的结论

---

一、DOE类型有哪些？

1、筛选因子：单因子，全因子，部分因子，通过筛选、回归找到最佳设置；
2.系统稳健性：系统抗干扰能力要强，即当系统受到难以控制的因子(噪声因子)的影响时，系统输出的变异要足够小，这一类叫田口DOE；
3.混料设计；

二、全因子DOE实验设计

1.找到可能影响结果(y)的因子(x)

例如有五个因子可能影响结果，分别为因子1、因子2、因子3、因子4、因子5。

2.确定每个因子的高低水平

可以通过minitab中的箱线图确定每个因子在生产中的高低水平。

例如：

3.运用minitab进行试验设计

1.打开minitab创建因子设计；

2.因子数选择5，区组中心点数、角点仿行数、区组数按实际试验需求选择；

3.点击确认生成正交试验矩阵；

4.根据正交矩阵进行试验，获取实验数据

5.将数据复制到minitab进行DOE分析

1.因子选择ABCDE

2.响应选择两个响应量

3.项的阶数默认即可

4.效应图选择Pareto、正态（可选），残差图选择四合一，残差与变量选择ABCDE

5.存储可根据需要选择

6.Pareto、方差分析

1.从ANOVA表中可以看出，模型项对应的P值为0.000，显示我们总的模型是显著的，有效的；失拟项P值>0.05，判定本模型无失拟现象；

2.R-sq调整后与原模型较接近，说明模型较好

3.残差无漏斗状、喇叭状，残差图均无明显不良，判定残差正常；

4.得到回归方程

7.选择因子图，得到主效应和交互效应图

8.输出响应优化

---

总结

DOE的案例分享