分析确定性筛选设计

分析确定性筛选设计处理 DOE 试验的结果,对响应数据拟合统计模型,并找出哪些因子(包括线性、二次和交互效应)是响应在统计上显著的驱动因素。

最后审阅

核心要点

分析确定性筛选设计处理 DOE 试验结果,对响应数据拟合统计模型,并找出哪些因子(包括线性、二次和交互效应)是显著的。

本页内容
  1. 什么是分析确定性筛选设计?
  2. 何时使用分析确定性筛选设计?
  3. 正确使用分析确定性筛选设计的指南
  4. 替代方法:何时不宜使用分析确定性筛选设计
  5. 分析确定性筛选设计示例
  6. 如何进行确定性筛选设计分析

什么是分析确定性筛选设计?

分析确定性筛选设计处理 DOE 试验的结果,对响应数据拟合统计模型,并找出哪些因子(包括线性、二次和交互效应)是响应在统计上显著的驱动因素。

简单定义:该分析步骤利用 DSD 试验结果,揭示哪些因子真正驱动响应、作用有多强,以及是否存在曲线效应或组合效应。

何时使用分析确定性筛选设计?

  • 在完成 确定性筛选试验 并收集全部响应测量值之后使用。
  • 用于识别 哪些因子重要,并了解它们各自的效应以及与响应之间的曲线关系。

正确使用分析确定性筛选设计的指南

  • 分析前应确保 所有计划的试验运行均已完成,缺失的运行会降低正确估计效应的能力。
  • 拟合后检查 残差图,残差应呈随机分布,没有任何规律。
  • 使用 逐步模型选择,仅保留显著项,避免增大模型方差。
  • 在对过程做出更改之前,用 验证试验 对最终模型进行验证。

替代方法:何时不宜使用分析确定性筛选设计

  • 若试验 并非按 DSD 创建,请使用与所用设计类型相匹配的分析工具。
  • 若严重异常值无法排除,请先考虑 对响应进行变换或使用稳健方法,再继续分析。

分析确定性筛选设计示例

工程师们正在开发一种新的超声波清洗机。他们采用筛选设计来找出哪些因子可能影响清洗机的输出功率。其中一名工程师查看一个确定性筛选设计,以确定七个潜在因子中哪一个对输出功率的影响最显著。目标是使功率强到足以有效清洗,同时又温和到不会损坏被清洗的物品。步骤如下:

  1. 收集所需数据。
Analyse Definitive Screening — figure 1
  1. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。
  2.  要找到分析确定性筛选设计,请选择 Statistical module> DOE> Analyse Definitive Screening。
  3.  在工具中输入数据及其他输入项,如下所示:
Analyse Definitive Screening — figure 2

5. 使用上述工具后,得到如下输出:

Analyse Definitive Screening — figure 3Analyse Definitive Screening — figure 4Analyse Definitive Screening — figure 5Analyse Definitive Screening — figure 6

如何进行确定性筛选设计分析

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> DOE>Analyse Definitive Screening。
  3. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  4. 接下来,填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

分析确定性筛选设计的工具界面分为两部分。

Analyse Definitive Screening — figure 7

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

Load example: 将加载示例数据。

右侧提供以下选项:

  • Response 选择包含试验中所测输出变量的列,例如功率、强度或纯度。这是模型将根据预测变量设置来解释和预测的值。
  • Continuous Predictors 选择试验中所用的所有连续型(数值)因子所在的列,例如温度、压力或时间。使用 Ctrl 或 Command + 点击可选择多列。模型将使用这些变量来估计线性、二次和交互效应。
  • Categorical Predictor 选择设计中包含的任何分类因子所在的列,例如机器类型、供应商或材料等级。分类预测变量按不同的组而非数值处理,模型会为每个类别水平分别估计一个效应。
  • Confidence Level 设定输出中所有置信区间和显著性检验的置信水平。标准默认值为 95%,即真正不显著的效应被错误判为显著的概率为 5%。需要更保守的检验时可提高到 99%;在更看重灵敏度的探索性工作中可降低到 90%。
  • Sum of Squares for Tests 控制如何评估模型中各项的统计显著性。提供三个选项:
    • Two-sided —— 检验各效应在任一方向(正或负)上是否显著不同于零。这是标准默认值,适用于大多数没有方向性假设的分析。
    • Lower bound —— 单侧检验,检查效应是否显著小于零。当您特别关注某因子是否使响应降低时使用。
    • Upper bound —— 单侧检验,检查效应是否显著大于零。当您特别关注某因子是否使响应升高时使用。

常见问题

分析确定性筛选设计有什么作用?

分析确定性筛选设计(DSD)利用试验结果,对响应数据拟合统计模型,并找出哪些因子是响应在统计上显著的驱动因素。它显示每个因子的作用有多强,以及是否不仅存在线性效应,还存在曲线(二次)效应或组合(交互)效应。

何时应使用分析确定性筛选设计?

在完成确定性筛选试验并收集全部响应测量值之后使用,以识别哪些因子重要,并了解它们各自的效应以及与响应之间的曲线关系。若试验并非按 DSD 创建,请使用与实际所用设计类型相匹配的分析工具。

分析确定性筛选设计时应检查什么?

确保所有计划的运行均已完成,因为缺失的运行会降低估计效应的能力。拟合后,检查残差图是否呈随机分布、没有规律。使用逐步模型选择仅保留显著项,避免增大模型方差,并在更改过程之前用验证试验对最终模型进行验证。

如何在 Zometric Statistical Software 中分析确定性筛选设计?

选择 Statistical Tool > DOE > Analyse Definitive Screening,然后输入或粘贴数据。选择 Response、Continuous Predictors 以及任何 Categorical Predictor,设置 Confidence Level(默认 95%)和检验选项,然后点击 Calculate,即可得到拟合模型和显著性结果。