DOE的特性理解系列課 【必讀】DOE精講系列:DOE特性理解(5)

工程质量
2粉絲
2 次觀看·2026年7月8日
AI 生成·可能包含錯誤
視頻概述
AI 生成這段影片詳細講解了一個全因子實驗設計(Full Factorial DOE)的實戰案例,重點在於如何透過數據分析找出影響鋼板鍛鍊強度的關鍵因子,並強調在工具使用前必須明確「實際問題的目的」。
這個我們上次都講過了啊
這個今天我們就不再贅述了
我們直接看一個全因子DOE的案例吧
那麼上一次呢
我們也說過了
我們全因子DOE一般在設計的時候
我們一般會用這樣的一個方式啊
2的k次方加n
那麼這個2的k次方呢
其實就是我們所謂的腳點
也就是說我們考慮的這些因子
他每一次實驗組合搭配
每一個實驗組合搭配就是一個腳點
那麼n呢
其實就是我們在中心點做的這個返航的次數
上次我們也說了中心點呢
我們最少要返航兩次
上限的沒有啊
肯定是越越多越好
在中心點返航的次數越多
我們的這個實驗的精度
估計的就會越準確
我們來看一個案例
那麼我們那是熱處理工藝
那麼爲了提高我們鋼板
這就是我們的產品了
它的鍛鍊強度
我們考慮啊
影響我們鍛鍊強度的四個因子
分別是A加熱溫度
B加熱時間
C轉換時間
以及D保溫時間
那麼每個因子各有高低水平
我們都提前設定好了
那麼我們的腳點呢
也就是2的四次方
這多少次啊
這就是16次
這16次是腳點實驗
必不可少的
那麼中心點呢
我們做了三次啊
加三個中心點
一共是19次實驗
好
我們呢
轉到metab裏面給大家先看一下
其實我給大家看一下啊
我們的這個數據啊
首先C1
C1列這個叫標準序
這個叫標準序
也就是說
按照我們頁字標準序排的那個順序
但是爲什麼是亂的
因爲我們說DOE在做的時候
我們要保證隨機化
和我們做JR測量工作是一樣的
那麼C2列呢
這個叫運行序
大家會發現我們C2列運行序的話
它的這個順序可沒亂
對吧
1到19
爲什麼呢
因爲所謂的運行序就是我們實驗運行的順序
也就是說第一次實驗做誰呢
好
因子A840
因子B2.5
因子C1.5
因子D55
按照這個組合搭配去做實驗
這個是我們第一次運行
那麼依此類推
19次實驗全做過來
那麼C3列中心點
其實這一列非常的重要
因爲一般在分析的時候啊
大家如果去看這個藍皮書的話
其實他的這個所謂的五步法
其實裏面是怎麼說呢
算是精簡吧
但是呢
還是少了一些東西
那麼我們一會呢
就給大家去看一下啊
這個藍皮書以外
我們前面還要做哪兩個步驟
C4列叫區組
我們現在發現區組這裏邊的話
每一次實驗都寫1
這證明啥
這證明我們沒有分區組
都是一個區組
C5和C8這四列呢
是我們的四個因子
四個因子列
那麼從C1到C8
這其實是我們在最開始統計BOE因子
我們創建因子設計矩陣的時候
那麼創建完之後
其實我們的metab裏邊就會有C1到C8列這樣的信息
那麼C9列是怎麼來的
C9列那就是按照我們做實驗的這個順序
然後呢
你做一次實驗
得到了產品測量它的這個強度
然後把測量的這個結果
實驗的信息輸入到我們的C9列
也就是說我們這個C9列就是所謂的響應變量列
那麼再回到我們的這個案例背景裏邊
我呢和大家補充一些基本的信息
那麼DOE在做的時候
我們的目的是不是爲了找出這個最優的模型
大家都知道
這個整個六Sigma裏邊能輸出我們模型的呢
無非就兩大類工具
第一大類的就是迴歸分析
第二大類的就是我們的DOE
那麼迴歸分析呢
它的這個因爲本身它一些的弊端
比如我們之前講的這個多重貢獻性
所以我們一般的不用多元迴歸去建立模型
那麼DOE因爲它的這些正交性啊
還有實驗次數的問題呢
我們呢一般用DOE去構建一個模型
這個模型是什麼意思
Y其實就是我們的這個響應變量鍛鍊強度
X呢其實就是我們模型裏邊包括的這些項
那麼我們做DOE的最根本的目的
是不是爲了得到這個模型或者說方程
我們來討論一下
大家認爲是的大家扣1
大家認爲不是或者不確定的我們扣2
我們來討論一下
DP說1
但是說迴歸方程最優參數
是均度說中陰點的測試爲什麼加三次
而不是四次啊
中心點你可以加四次
你也可以加兩次
你也可以加五次
完全看你的實驗次數有多少
剛纔我們也說了中陰點
你在做返航的時候
最最少最少你要做兩次
上限沒有要求
所以我們說回來啊
這個是不是爲了得到這個迴歸方程
我必須得找這個所謂的R2最好的那個迴歸方程
是不是這樣的
其實不是
DOE本身這個迴歸方程或者說
我們待會說的最優參數
這是我們輸出的東西
但是在做DOE之前
我們必須得有一個東西啊
這個東西叫什麼呢
就叫目的
是要有目的的
用任何的工具
之前都要有目的
這個目的是什麼
是實際問題的目的
如果沒有目的單談工具的話
那這個工具在使用上就是脫離了
就是分割了
那就只能說是這個在這個工具裏面繞來繞去的
但是工具在使用的時候
一定是要解決一些實際問題的
什麼叫實際問題
我們在這個案例裏邊
我就和大家說
比如說我現在希望這個鍛鍊強度啊
它要大於550
這就是我的目的
只要大於550
找到能大於550的這個參數
我們就算成功
就算勝利
而不是說我必須要找到一個非常好的模型
對吧
然後這個模型呢
你必須得讓我所謂的鍛鍊強度達到極致
最大化
這個不是目的
目的是什麼
目的是達到550以上
這個550就是一個具體的問題
具體的標準
所以如果你說我在研究一個問題的時候
比如說我不知道要達到一個什麼程度
我希望它越大越好
或者越小越好
那這個基本上那可能在前面做的時候就不是很清楚
我們呢
說完這個啊
我們回到Meetable裏面
我們直接看啊
怎麼去做啊
那麼很多時候比如說藍冰書裏邊
他會和我們說什麼啊
第一步是什麼
第一步就是先建立模型
建立模型就在這一步
那麼我們先不走這一步
我們怎麼說呢
其實在最早的啊
這個我不知道大家知道不知道啊
這個藍瓶書啊
可能大家聽過藍瓶書裏邊的這些個案例
或者說他的這種內容結構基本上和我們這個六Sigma發源地
摩托羅拉大學和摩托羅拉大學的課件
基本上是一致性非常非常高的
一致性非常非常高的
但是裏面有一些變動
比如說DOE
在這個摩托羅拉大學
他本身DOE他的這個分析的路徑上來說
其實不是簡單的五步法
而是九步法
那麼隨着這個怎麼說啊
這個DOE的使用和發展
慢慢慢慢就簡化簡化簡化
就簡化到了這個所謂的五步法
但是其實裏邊這個有很多比較好的東西呢
就沒包含進去
我今天呢
就和大家我們簡單的來看一下
這個如果是做九步法的話
你第一步你要幹些什麼
我們第一步呢
我們先不直接做這種統計分析
也不先着急建立模型
我們先畫兩個圖啊
先畫兩個圖
我們先畫一個什麼圖啊
先畫一個散點圖
不是,先畫一個散點圖
看一下啊
畫一個散點圖吧
然後呢
我們選擇這個包含連接和組
包含連接和組
什麼叫包含連接和組呢
就是第一
我這個數據裏邊會分組
第二呢
組之間的這些個數據點
我會給它串起來
有這種連線
這個是包含連接和組的功能
點擊確定
那麼我們畫三點圖
肯定是要有一個Y變量
一個S變量
就是所謂的Y座標和S座標
Y座標是什麼呢
這個不用說
就是我們的這個C9列
想變量Y強度
我們雙擊C9
大家這個一會我們要互動啊
因爲我現在和大家講的這個是原版的東西啊
現在藍皮書裏邊是不會體現這些東西的
大家如果看藍皮書的話
也不會有這些東西
那麼S變量我們選擇什麼
我們選擇運行序
C2點運行序
好分組的話
也就是說我們一共19個數據點
我要把它分組
我按什麼給它分組
我按C3列給它分組
所以大家可以看一下
這個C3列裏邊是什麼樣的
C3列裏邊
它分了就兩個數
一個0一個1
這個凡是中心點啊
C3列中心點標1的是什麼意思
這都是角點
也就是說我們有多少個1啊
16個
那麼標0的呢
就是中心點
所以我們有多少箇中心點啊
三個
16個1三個0
就16個角點三個中心點
那麼我們靠C3列把我們的19個數據給它分兩波
角點一波
中心點一波
然後我們點擊確定
這個圖就出來了
那麼從這個圖裏邊我們能看到什麼
或者我們從這個圖裏邊我們需要看什麼
我把這個線給大家標粗一點
這個線能調啊
這個線都可以調
大家點擊這個對應的線啊
點上以後右鍵
然後點這個標編輯連接線
這裏邊的這個顏色呀
這個線體的粗細都能調
那我們來討論一下這個
好
那我們看啊
這個紅點對吧
它最高差不多在這吧
就575左右
最低呢
在這515左右吧
那差不多差了60
所以這個紅點的波動
那這個紅點它是有差別的
大家看到了這個有波動的
這個紅點的波動是誰帶來的
我們可以討論一下啊
大家如果有大家認爲的答案
可以打到我們評論區
這個紅點誰帶來了
王海說因子水平啊
福利說原始數據啊
好對啊
這個紅點它爲什麼會有這種差異性啊
這個差異性哪來的呀
因爲我每一個紅點啊
大家看啊
凡是標一的啊
這些角點每一個紅色的角點
他在做的時候啊
做實驗的時候
這個是這個因子的水平組合都不一樣
都不一樣
16個1嗎
16個1
16次實驗沒有一次實驗是一樣的
這16次實驗的這個角點吧
他們的這個因子的水平組合都不一樣
所以我們說這16個紅點的差異哪來的啊
是王海說因子水平也行啊
但是呢
我們是四個因子對吧
你不能說我們也不能說是到底哪個因子的水平啊
所以我們統合起來說這樣的嘛
這個就是模型帶來的變化
這個就是我們模型帶來變化
或者說王海說的這樣也可以
就是因子水平變化導致的
那麼這三個藍色的點對吧
這個代表的是什麼
這個差異哪來的
我們這三個藍色的點也有差異啊
對吧
雖然差異不大
也有差異
這個差異哪來的
這三個藍色的點是什麼
實現原點這個標0
對啊
弗裏夫說的對啊
這個是中心點
那麼中心點在做的時候
這三個0對吧
大家看一下啊
842.5
1.555
第二個中心點
842.5
1.555
第三個中心點
842.5
1.555
因子交互嗎
這個可不是哦
Dyron
這個不是啊
這個就是三個中心點的差異
但是我這三個中心點的因子水平
可都是一模一樣的
所以這爲什麼叫中心點仿航啊
對吧
對王凱說的對啊
這個叫誤差
這個就叫實驗誤差導致
那麼實驗誤差
爲什麼你說爲什麼我這三個因子
四個因子對吧
做了三次實驗水平都一樣
怎麼還有差異
這就是我們上一次直播和大家講的一個非常重要的概念
也就是說實驗誤差怎麼來的
這實驗誤差怎麼來的
誰造成的實驗誤差
那麼我們想一下啊
這個圖啊
我們是希望這個藍這個紅點的波動相比藍點的波動越大越好
對不對
紅點的波動相對於藍點的這種波動和差異性越大越好
對不對
大家認爲對的大家扣1
我們現在講的這個圖
大家在藍皮書裏看不到
我可以很確定的和大家說
藍皮書他的課程裏邊的內容
基本上就是摩托羅拉大學原版的那些個很多的內容
就是課程結構啊
在這裏邊的東西基本上是一致的
所以大家發現爲什麼藍皮書
他的這個method的版本也不高
但是DOE這裏邊就有一個
剛纔我們和大家說的
你這個其實摩托羅拉大學那邊
原本的是九步法
但是method這邊就在這個藍皮書裏邊
後來就慢慢慢慢的
大家簡化就簡化成了五步法
現在講的是什麼
現在講的就是第一步
所以藍皮書裏看不到
這個紅點的波動是不是要比藍點的波動啊
藍點的那種差異性越大越好
答案是肯定的
如果這個藍點的
你看這個藍點的差異性
如果很大的話
那麼你的實驗誤差就會很大
那很多像有可能顯著的像
它可能都會變成了不顯著
那麼其實這一部分的不是這個圖的核心
爲什麼不是這個圖
爲什麼不是核心啊
它爲什麼不是核心啊
因爲其實我們在做分析的時候
那麼統計是有統計結論
可以直接量化告訴我們的
比如說哪些像顯著
哪些像不顯著
那麼這個圖的核心是什麼啊
這個圖的核心在於我們的這個S座標
這個S座標
我們當時在選的時候
大家還記得嗎
這個運行序是什麼意思
運行序就是我們做實驗的順序
也就是大家可以看到
我其實第一個點對吧
第一次實驗做的是什麼
是中心點
第二次交點實驗
第三次交點實驗
第四次交點實驗
對吧
這是運行序
也就是說這個點從左到右的這個推移
這是一個做實驗的順序
那麼我們格外要關注的是什麼
我們關注不了紅點的趨勢
紅點有趨勢也說明不了什麼
因爲紅點作爲交點
每一個點它對應的這個因子的水平組合都不一樣
它沒有什麼說服力
但是這個藍點啊
這個藍點可是有說服力的啊
我給大家翻過來啊
我們看一看啊
如果我的這三個藍點
比如說第一個中心點在這啊
第二個中心點在這
第三個中心點在這
那我們大家會認爲有沒有什麼一些懷疑的地方
這中心點在這對吧
這中心點在這
第三個中心點做的時候在這
大家有沒有什麼懷疑的地方
這就是統計裏面告不了我們的東西
就是說你看Unitype輸出的這個ANOVA方程分析的結果
你看不到這個結論
如果我們的這三個中心點有明顯的這種上升的趨勢
或者下降的趨勢
大家就要注意了
明白吧
你這個做實驗
大家可不要忘了
這個橫座標
這可是做實驗的順序啊
這個時間的維度啊
從0到到這個20啊
從左到右啊
這是一個時間的維度啊
那麼爲什麼說三個中心點有說服力
是因爲三個中心點
它的因子水平都一樣
那麼如果我因子水平設定的都一樣
我這三個中心點能發出發現趨勢性了
或者有的時候你再加一個
比如有的時候四個中心點
你這就更有說服力了
四個中心點隨着時間的推移做實驗順序的推進
對吧
你的這個中心點一個比一個高
一個比一個高
或者一個比一個低
一個比一個低
上升趨勢和下降趨勢
那就證明我們的實驗裏邊很有可能
在這一輪DOE的實驗環境裏邊
有一些不穩定的因素
大家能理解嗎
有一些不穩定的因素
那麼這是統計帶給不了我們的
什麼意思
比如說啊
我給大家畫一下啊
我們這樣畫
這樣這樣
你看
你這四個中心點和這四個中心點
你這怎麼說
你在統計裏面根本看不出來趨勢的
在統計裏面
你看不出來趨勢的
在統計裏邊
你只知道這個實驗的誤差有多大
有多小
你看不出來它是不是有趨勢性
一會我們去給大家演示
大家看這個ANOVA裏邊怎麼能看出來
這些東西看不出來
所以爲什麼要強調這一步
其實不應該省
就是因爲它要比統計的東西
多一部分信息
大家能理解嗎
多一部分信息
好
那麼
這個圖重點
其實就是看這個中心點的
趨勢性的
藍銘書裏面他不說這個東西
但是這個東西應該是看的
第二我們再畫一個圖
其實第一步裏邊就畫兩個圖
畫什麼圖呢
我們再畫一個
都很簡單
剛纔畫的是這個散臉圖
對吧
我們再畫一個脂肪圖
這都很簡單
對吧
大家都會
我們就直接點擊脂肪圖裏面簡單就可以了
不用點那個包含米荷
點確定
然後我們選擇C9
對吧
就是響應變量
19次實驗的這個強度的數據
點確定
我現在要和大家說一點
沒有人說必須實驗的結果要正態
這個可沒有人要求的
沒有人要求的
好
我現在把這個圖貼出來
然後我們去討論一個問題
我看一看
對吧
到底我們學DOE
學了以後
能不能
這是我們的案例
我剛纔和大家介紹了
對吧
我們的目標
大於550以上
只要強度能大於550
我們就算成功
這就是我們的目的
用任何的工具
之前必須有目的
好
這是我們的脂肪圖
19次實驗
16個腳點加三個中心點
19次實驗的一個實驗結果的脂肪圖
那麼我問大家
我們需不需要
爬坡
我們需不需要做響應曲面設計
那麼強度肯定是一個旺大的特性
對吧
越大越好
用不用
在這第一輪全因子DOE之後
爬坡做響應曲面設計
大家認爲用的扣1
大家認爲不用的扣2
我們來討論一下
現在我們做的這個是什麼
現在這個做的就是一個全因子DOE
那大家
知道這個全因子DOE
它再怎麼說
哪怕有交互
這個它的模型的頂多是扭曲的
但是它還算是一個線性模型
還算是一個線性模型
2SM這個響應曲面設計是什麼
它就是一個
簡單說就是這樣的一個
跑路線的二次模型
所以
我們到底用不用
在這一輪全因子DOE之後
再去進行爬坡
再進行這種響應曲面設計
用不用
大家有沒有答案的想法和答案
可以打到評論區
不用
爲什麼會拋出這個話題
很多人認爲對吧
對於像這種
斷裂強度
這個斷裂強度
是一個典型的旺大的
對吧
特性
越大越好
或者有一些
典型的這種旺小的
比如說水分
越小越好
只要一聯想到旺大
一聯想到旺小
大家就會
不由自主的
對吧
學完DOE以後
就想到了這個東西
就RSM做響應曲面設計
不是這樣的
我還是要強調
在做DOE之前
一定要先知道問題是什麼
你得有目的
對吧
我的目的
不是爲了找一個完美的模型出來
我非要找一個完美的模型出來
我非要找一個
最大化的一個值
不是
我們前面和大家說了
我們對於斷裂強度的要求
大於550就行
就成功
現在看一看
我們的19次實驗
這19次實驗結果裏邊
有沒有達到550了
有吧
不僅達到550了
有的達到570了吧
那證明什麼
證明我們這一路全因子DOE
就可以了
大家理解吧
就可以了
就能找到最佳參數了
什麼叫最佳參數
不要太迷戀這個東西
這個模型的最優化
能達到一個極限的最大值
極限的最小值
不是這樣的
什麼叫最優參數
能達到你們能達到我們
目的解決我們問題的
這就叫最佳參數了
能達到550以上就成功
這一輪全因子DOE裏邊
有沒有達到550以上的
有
那我還幹嘛做後面這些東西
我就不做了
大家理解
但是如果我們說問題是
我們想達到600以上
那對不起了
那這一輪全因子DOE不行了
對吧
還得怎麼樣
搞後邊這些東西
沒有達到600的
那就還得繼續往後走
所以是先有目的
後用工具
不是說
一瞻望大望小
就必須搞這個RSM
不是這樣的
這個實戰和學理論
這裏邊是有區別的
DOE只是其中一個
任何的工具
那麼
前兩個圖
這兩個圖
這個圖是幹什麼用的
前面和大家說了
要看這三個中心點
有沒有趨勢性
或者說你說四個中心點
五個中心點
有沒有趨勢性
那剛纔我們哪一位同學
是軍動嗎
還是誰說的
兩個中心點
那兩個中心點你就別看了
這兩個中心點在看啥
那肯定有趨勢
那不是
比第二比第一個高
就比第一個低
三個四個五個
看一看
有沒有這種明顯的趨勢性
連續上升連續下降
統計看不出來
第二畫一個直方圖
看一看我們的這個實驗的
目的
對吧
大於550
一定要一直在頭腦裏邊
謹記
550
要知道目的是什麼
有沒有達到550
先看一下
好
做了十九次實驗
看來有達到550的
明白了
知道了
心裏先大概有個數
這兩步做完
再做第二步
也就是所謂的
這個一般書籍裏邊
和大家說的這個
說的書裏邊說的第一步
其實呢
我們這裏邊
其實就是第二步
在哪呢
就是統計DOE
因子
分析因子設計
這一步就開始幹什麼
就開始嘗試建立模型了
就是所謂的外動FX
就開始建立模型了
你看
我就一說這個
我就和大家說點
這個很多
哎
很熱點的東西
但是很多時候都是誤區
理解錯了的東西
你看這個6SIGMA
一說6SIGMA
就跑不開這個東西
這個這是個什麼東西呢
大家說這是個什麼東西
外動FX
這是個什麼東西
6SIGMA裏邊
能出現外動FX
這個東西的
能出現這個東西的地多了
說到最
我跟大家說
這個裏邊最底層的是
最底層的
我們去理解這個東西是什麼
最底層的
這就是在DOE裏邊
Y是什麼
響應變量
X是什麼
X是音質
Y是響應變量
這是我們在整個6SIGMA裏邊
去看到外動FX
最底層的一種表現
但是很多時候
很多人
或者說很多教的人
就愛甩這個東西
他說這是6SIGMA的核心
Y是響應變量
X是音質
這是最底層的東西
最上層的是什麼
最上層的Y是什麼
Y是我們大的KPI
或者說你的大的戰略目標
X是什麼
X裏邊就是你要做的那些個
一個一個的項目
一個一個權重不一樣的
重要度不一樣
影響度不一樣的項目
這是最高的理解
所以它有很多種形式的
不是說最下面這一種
但是現在一般講的話
聽的話
傳的話就只傳這一種
太侷限了
太狹隘了
最上層有很多種的
你比如說
我們學到DFSS的時候
對吧
比如大家知道6SIGMA不光DMA
還有比如DMADV
CDOV
這裏邊它也會涉及到外動FX
那怎麼理解
還是響應變量和音質嗎
不是的
又變了
又不一樣
所以很多的誤區
現在在市面上
很多的誤區
當然我們在DOE裏邊
那就是最底層的了
就是建立一個模型
那麼你點這
分析音質設計
點進來之後
它問響應變量
那就你沒有的可選
沒有的可選
你就選C9強度
好
那麼這個是Y
這就是我們剛纔說的最底層的
對吧
外動FX那個所謂的迴歸模型
然後我們要點擊像
點擊像以後
這個metab在下方
有一個在模型中包括中心點
我們要把它先取消
然後左邊這一個白框
叫做可用項
右邊這個框
叫所選項
有什麼區別
所謂的右邊的所選項
就是說我們要把哪些項
已經加到模型裏邊去做分析了
我們看看有哪些
我們現在選的
ABCD
這是四個主效應
這個叫主效應
四個因子主效應
下面
123456
對吧
六個ABACADBCBDCD
這是六個二交互
四個加六個是多少個了
這就是十個了
對吧
然後
ABCABDACDBCD
這四個叫什麼
這四個叫
叫什麼
叫三交互
這就十四個
還有最後一個ABCD
這個叫四交互
所以一共能選的項就這十五個
一共能選的項就這十五個
四個主效應
六個二交互
四個三交互
一個四交互
全選進去了
我們最開始就先全選進去
這個我們也不說什麼
逐步這些先不說
我們先把這東西捋清楚了
好
四加六加四加一
一共十五個項
來
我們拓展的和大家說一些別的東西
我們掃描點一共做了多少次交點
大家打到評論區
我們一共做了多少次交點實驗
次因子量水平的DOE
一共要做多少次交點實驗
來
我們來討論一下
大家打到評論區
然後我給大家拓展的說一些其他的東西
DP說
DP16
陳某拓了16
Dyron16
DP又詳細的闡述了一下二的四方
這說二的四方
一個演員說二的四方
對
好
大家知道爲什麼我們要做16次交點實驗嗎
爲什麼我們要做16次交點實驗
我們DOE他在算係數的時候
他用的是這種解方程組的方法
消元法
就是消元法
所謂的消元法
所以我們剛纔不說了嗎
四個主效應
六個二交互
四個三交互
一個四交互
一共15個項
再加一個常數項
也就是所謂的結句常數項
一共16個項
所以我們要做16次交點實驗
如果是三因子是什麼樣的
三因子大家看
三因子是
不能打到這
三因子是什麼
三因子是A
也不行
大家換一個
三因子呢
三因子是A
對吧
B
C
然後AB
AC
BC
ABC
對吧
三個主效應
三個二交互
一個三交互
一共七個
再加一個所謂的常數項
所以爲什麼三因子
兩水平三因子的全子敵優異
我們要做八次交點實驗
因爲你要估算這八個項的係數
那麼什麼叫消元法
我們簡單說一下
什麼叫消元法
比如ABY
對吧
然後比如按照標準序
就是負一正一
對吧
然後負一正一
然後B就是負一負一
對吧
正一正一
什麼叫消元法
比如這是我運行序
一二三四
大家看怎麼能把這個
怎麼能把這個A
能把A消了
怎麼能把A消了
一加二
哎
這個我看一下
這個是四加三
對吧
減去二加一
四加三對於A來說就是零
減去二加一
就是零減零
A就消了
B呢
四加三是二
然後減去一加二
就二減負二
就是四B
四B就會能算出來係數
這就是消元法
它和我們用歷史數據做迴歸還不一樣
這個就是消元法
好
拓展的說一下
然後我們說回來
我們說回來
這個不礙事
那麼我們在項列裏邊
就先把所有的項全選進去
先全選進去
然後點擊確定
我們點擊確定
好
這個表就是我們一個
忘了和大家說了
我們這個圖形沒選
圖形要選一下這個帕雷圖
正太我不給大家去展示
這倆圖意思一樣
那麼我們看一個就可以了
那麼看誰啊
看這個帕雷圖
首先啊
第一個我們現在把16個項
15個項都加進模型裏邊了
大家要清楚啊
不是所有的項它都起作用
有的項它不起作用
就不顯著
我們還得把它提出去
那麼現在我們怎麼知道哪個項顯著
哪個項不顯著
三個辦法
第一個辦法
看我們meetable庫刷窗裏邊輸出的方差分析表
比如說這個模型嘛
你看它區分了幾大類啊
模型和誤差
還有合計
模型下面又分了線性
所謂的線性呢
就是這個主效應
A B C D四個主效應
二交互
六個二交互
三交互
四個三交互
四交互
一個四交互
那麼每一個項對應的後邊的這個P值
大家看到了
每個項對應後面的這個P值
比如加熱溫度
後面就那P值
0.008
對吧
0.016
0.312
這個P值如果大於等於0.05的話
我們就說這個項不顯著不起作用
我們就得把它從模型裏邊提出去
因爲你不起作用
你就別在模型裏面待着
你待着也沒意義
對吧
我就要把你提出去
好
這是第一個
我們能看哪些項顯著
哪些項不顯著的地方
而且對於P值來說
你比如說你看這個二交互
0.887
下面這個二交互
0.402
它都大於0.05了
都不起作用
誰更不起作用
P值越大的
越不起作用
越大的
P值越大的
越不顯著
越接近於1的
越不顯著
越小的
越顯著
所以當我們的這個DOE實驗出來的時候
你像我們四個因子做16次實驗
對吧
這裏邊15個項
這密密麻麻一堆P值
你說這玩意誰看誰不亂
我看我也亂
對吧
我還得拿線標
所以一般呢
我們除了看這個以外啊
我們還要看另外一個很重要的東西
就是我們的這個帕雷託圖
還有呢
就是我們的這個剛纔選的效應圖
這個效應圖怎麼看啊
那麼它是這樣的一個邏輯
只要是它標成紅色的方點
就是顯著的
凡是這些藍色的圓點
它就是不顯著的
敷補牙說爲什麼P值越小越顯著
稍等啊
稍等我把這個說完
我跟你說
那麼離我們的這條紅線越近的
越不顯著
離我們的紅線越遠的越顯著
而且凡是顯著的
它都給我們標上了
比如你看A顯著
B顯著
D顯著
不顯著的它叫什麼
它都不告訴你
但是這個圖問題也來了
對吧
我知道最顯著的是A
其次顯著的是B
再其次老三是D
後面這些
我還是得挨個看
對吧
你光告訴我顯著的沒有用啊
我得想辦法把這個不顯著的幹掉啊
你問題是我先幹誰啊
我先幹他
他是誰啊
我還得挨個拿光標點
對不對
很麻煩
所以真正幫助我們決定到底刪哪個項先幹掉哪個項呢
是看我們的這個帕利托圖
所以有這個帕利托圖呢
我們這個效應圖其實基本上就沒用了
所以在選的時候啊
比如在這個圖形裏邊選的時候啊
你這個正態就可以不用了
選帕利托足夠了
這個圖怎麼看啊
這個圖就簡單了
你看這個圖信息就很豐富了
第一很豐富
第二直觀
首先啊
只要比這個紅色的虛線
對這個臨界值
你這個柱子嘛
就帕利托的柱子嘛
哪一個項
他的這個柱子超過了這個臨界線
哪一個項就是顯柱的
你看我們也能看到了
就前三根柱子超了
前三根柱子是誰啊
ABD
剩下後邊這十二個都不顯柱
那不顯柱
他也給我們標出來了
對吧
這他們都叫什麼呀
都都是誰呀
對不對
而且還有怎麼樣
他還好好在哪
他從大到小
最不顯柱的AC
到第二AB
到第三CD
這我們就很直觀了
這比我們去找P值
這怎麼找
對不對
這玩意怎麼找
這怎麼找
大家那大家試試找一找
誰是最不顯柱的
多費勁
你還得先找
誰P值最大
我看一看啊
這P值最大
0.887最大
我這0.887對應的是誰
我往這邊濾濾濾濾
哦
加熱溫度和轉換時間的二交互
多麻煩
所以真正做模型刪減的時候
我們用的是他
用的是他
所以大家可以看出來了
這個圖形化和統計的東西
它永遠兩樣是互補的
這個不是說你有一個就行
好
然後呢
我們給富貴啊
回答一下他問的這個問題啊
正好呢
我們也要說一下啊
再回到我們說的
第一開始那個三點圖
爲什麼P值越小越顯著
這裏邊你要看啊
所以我爲什麼和大家說呢
就是你學任何的工具
要學它裏面的原理
比如說這個表叫什麼
叫方差分析
我們在多少個地方看見過這個表
對吧
如果我現在說哎一提
比如方差分析
ANOVA很多同學就會舉手
我知道ANOVA
ANOVA是DMIC裏邊
在A階段假設檢驗裏邊的一個工具
多總體均值檢驗
ANOVA
這個是我們在學DMIC課程裏邊
你第一次對吧
系統的學ANOVA的一個地方
但是ANOVA是什麼
ANOVA是一個基礎工具
大家明白
ANOVA是一個基礎工具
你比如說GR裏邊用不用ANOVA
迴歸用不用ANOVA
對吧
你做做迴歸分析裏邊有沒有ANOVA
GR裏邊有沒有ANOVA
SOV裏邊有沒有ANOVA
所以它是一個基礎的東西
所以要明白它的統計原理
那麼你爲什麼P值越小越顯著
因爲P值越小
它對應的F值就越大
F值怎麼來的
就是你每一個項
比如加熱溫度
它的這個均方
這多少
那我也對不上這行了
這個加熱溫度的均方和1606吧
除以你的這個誤差
39.47得到的F比
那麼你F值越大
你P值不就越小嗎
它倆是這樣一個關係
那你F值什麼時候越大
那當然就是對應的這個項
它的均方和越大
那F值就越大
那P值就越小
就是這樣一個原理
那麼大家也可以看到
爲什麼說看誤差的時候
誤差哦
這個均方和39.47
它只告訴我們誤差的均方和有多大
它不會告訴我們什麼
它會告訴這些東西嗎
它會告訴
它會能能看出來
這個中心點有沒有趨勢嗎
那我的方差分析表裏面
它能告訴你誤差
我給你量化出來誤差有多大
它能告訴我們誤差
這個中心點對吧
你算誤差靠誰算的
不就是靠這三個中心點算的嗎
你就是靠這三個中心點算的
靠這三個中心點的差異算的
它能量化差異
它能量化出來三個中心點
隨着做實驗的順序
有沒有趨勢性
它不能
所以爲什麼我說
把這個第一步刪掉是不對的
這第一步是有用的
對吧
我們只有通過這個第一步
這個圖我們才能看出來
你這三個中心點有沒有趨勢性
上升下降
對不對
dp說藍色線是不是表示有上升趨勢
你看對吧
你看dp會看了
首先第一
你要知道數據點越少的話
這種趨勢性我們不會那麼看好
就像我們說兩個中心點一樣
第二
你看這就
你看第二個點
第三個點
這就差不多吧
就差不多
你別有那種特別明顯的那種上升
特別明顯的下降
但是如果你認爲
比如說我認爲這第二個點
第三個點不叫差不多
還是有一些趨勢的
可以沒問題
去調查
調查一下
這實驗環境裏邊
是不是有什麼不穩定的因素
在裏邊去起作用
我們不知道
好
那我們今天就到這裏吧
