有學過6
sigma的同學, 一定知道 Minitab這套軟體, 因為它把6 sigma實用化了. 過去 Minitab 並沒有中文版, 但對岸有人將它漢化後, 官方也出簡體中文版, 使用簡體中文版會比英文版更friendly, 但畢竟兩岸語文還是有差異, 尤其專有名詞上的差異更讓人難以適從, 例如常態分配 v.s. 正态分布; 品質 v.s. 质量; 巨集 v.s. 宏; 變異數分析
v.s.方差分析; 進階 v.s. 高级…
官方目前沒有繁體中文版.~可惜! 希望 Minitab TWN公司能早日完成繁體中文版的 Minitab. ~期待!
先前談到 Tutorials 教學課程, 了解如何使用 Minitab 各項功能。而在Help 協助 > StatGuide 統計指南中, 則對於輸出的結果有詳細的解釋說明:
DOE > Select Optimal Design
選擇最佳設計 > 匯總
Minitab 透過按下列兩個最佳性標準之一選擇設計點，來建立最佳設計：D 最佳性和基於距離的最佳性。Minitab 的最佳設計功能可與廣義全因子設計、反應曲面設計和混合設計一起使用。最佳設計可以用於
· 選擇一組「最佳」的設計點
· 增強現有設計（向其增加點）
· 改善現有設計的 D 最佳性
· 評估和比較設計
資料描述
輪胎製造商要研究被認為影響下列兩個相關品質特徵的三個因子：彈性和抗穿刺性。三個因子為
· 溫度
· 硫化時間
· 密度
資料：
輪胎製造商.MTW （在樣本資料檔案夾中）
選擇最佳設計 > D 最佳方法
- 設計匯總
Minitab 顯示設計的匯總，這取決於所選擇的任務。每個任務顯示不同的設計匯總：
· 選擇最佳設計顯示
- 候選集中的設計點
- 最佳設計中的設計點
· 增強/改善設計顯示
- 候選集中的設計點
- 要增強/改善的設計點（此值不是要增加/改善的點數，而是要增強/改善的設計中的點數）
- 最佳設計中的設計點
· 評估設計顯示
- 最佳設計中的設計點
輸出範例
根據 D 最佳性選擇的反應曲面設計
候選設計點: 20
最佳設計中的設計點數: 10
解釋
對於輪胎資料，實驗人員要從 20 個設計點的完整候選集中選擇點的子集。從這 20 個點中，Minitab 使用 D 最佳性標準選擇
10 個點。
選擇最佳設計 > D 最佳方法
- 模型項
由於 D 最佳設計取決於適配的模型，因此需要先選擇模型，然後 Minitab 才能選擇設計點。對一個模型為 D 最佳的設計很可能對另一個模型不是 D 最佳的。
Minitab 顯示所選擇的模型項。項數必須小於最佳設計中的設計點。使用結果驗證在分析資料時要適配的項是否正確。
輸出範例
模型項: A, B, C, AA, BB, CC, AB, AC, BC
解釋
對於輪胎資料，對包含下列項的模型選擇了 D 最佳設計：
· 全部線性項：A B C
· 全部平方項：AA BB CC
· 全部雙因子交互作用項：AB AC BC
選擇最佳設計 > D 最佳方法
- 方法
D 最佳性標準使模型中迴歸係數的變異數降到最小。指定模型，然後 Minitab 從候選設計點的集合中選擇滿足 D 最佳標準的設計點。選擇製程包含兩個步驟：
· 產生初始設計
· 改善初始設計以得到最終設計
工作表中的設計欄組成設計點的候選集合。兩步最佳化製程總結如下。
1 Minitab 從候選集中選擇設計點以得到初始設計。可以選擇將使用哪些算法來選擇這些點：順序選擇、隨機選擇或順序和隨機選擇的組合。
預設情況下，Minitab 順序選擇全部點。
2 然後 Minitab 透過增加和刪除點來嘗試改善初始設計，以得到最終設計（簡稱為最佳設計）。可以選擇下列改善方法之一：
· 取代法。Minitab 將先增加來自候選集的最佳點，然後刪除最差點，直到設計的 D 最佳性無法進一步改善為止。可以指定要交換的點數。
· Fedorov 法。Minitab 將同時交換成對的點。實現方法是透過增加一個來自候選集的點並刪除另一個點，以使交換產生對 D 最佳性的最大改善。此製程將一直持續，直到設計無法再改善為止。
· 禁止改善初始設計。這種情況下，最終設計將相同於初始設計。
預設情況下，Minitab 透過交換一個點來改善設計。
輸出範例
用逐次法產生初始設計
用交換法改善初始設計
交換的設計點數數為 5
解釋
對於輪胎資料，Minitab 使用了逐次法來產生初始設計。最終設計是使用取代法得到的。此方法透過交換
5 個設計點來嘗試改善初始設計。
選擇最佳設計 > D 最佳方法
- 設計點
Minitab 按照最佳化算法選擇設計點的順序來顯示所選設計點的工作表欄號。
輸出範例
最佳設計
所選設計點的欄號: 11, 15, 12, 4, 3, 2, 6, 9, 14, 17
解釋
對於輪胎資料，按此順序選擇了下列 10 個設計點：
欄號： 11, 15, 12, 4, 3, 2, 6, 9, 14, 17
選擇最佳設計 > D 最佳方法
- 最佳性量測
Minitab 顯示許多最佳性量測。這些量測對於比較不同的設計很有用。
條件數 - 量測模型項之間的共線性。值為 1 表明各項正交，較大值則表明較高共線性。
D 最佳性 - 將適配模型中迴歸係數的變異數降到最低。值越大越合意。
A 最佳性 - 將適配模型中迴歸係數的平均變異數降到最低。值越小越合意。
G 最佳性 - 將設計點集合的最大預測變異數降到最低。值越大越合意。
V 最佳性 - 將設計點集合的平均預測變異數降到最低。值越小越合意。
最大槓桿效率 - 當最大槓桿效率遠遠大於 V 最佳性時，表明設計中存在具有較大影響的點。
輸出範例
條件數:
23282.0
D 最佳性（XTX 欄欄式）: 4.06842E+31
A 最佳性（XTX 逆矩陣之跡）: 38924.0
G 最佳性（平均槓桿效率/最大槓桿效率）: 1
V 最佳性（平均槓桿效率）: 1
最大槓桿效率:
1
解釋
對於輪胎資料，條件數表示該資料顯示出較高共線性。根據最大槓桿效率，全部點的影響都相同。使用其他量測比較不同的設計。
選擇最佳設計 > 基於距離的方法
- 設計匯總
Minitab 顯示設計的匯總，這取決於所選擇的任務。每個任務顯示不同的設計匯總：
· 選擇最佳設計顯示
- 候選集中的設計點
- 最佳設計中的設計點
- 設計中的因子數
· 增加設計顯示
- 候選集中的設計點
- 要增加的設計點（此值不是要增加的點數，而是要增強的設計中的點數）
- 最佳設計中的設計點
- 設計中的因子數
輸出範例
使用基於距離的最佳性選擇的反應曲面設計
候選設計點: 20
最佳設計中的設計點數: 10
因子數: 3
所選設計點的欄號: 8, 17, 5, 11, 1, 2, 6, 13, 4, 20
最佳化點之間的最小距離: 3.3636
最佳化點之間的最大距離: 84.0896
解釋
對於輪胎資料，實驗人員要從 20 個設計點的完整候選集中選擇點的子集。從這 20 個點中，Minitab 使用具有 3 個因子的基於距離的最佳性標準選擇 10 個點。
選擇最佳設計 > 基於距離的方法
- 設計點
Minitab 按照最佳化算法選擇設計點的順序來顯示所選設計點的工作表欄號。
輸出範例
使用基於距離的最佳性選擇的反應曲面設計
候選設計點: 20
最佳設計中的設計點數: 10
因子數: 3
所選設計點的欄號: 8, 17, 5, 11, 1, 2, 6, 13, 4, 20
最佳化點之間的最小距離: 3.3636
最佳化點之間的最大距離: 84.0896
解釋
對於輪胎資料，按此順序選擇了下列 10 個設計點：
欄號： 8, 17, 5, 11, 1, 2, 6, 13, 4, 20
選擇最佳設計 > 基於距離的方法
- 距離量度
Minitab 顯示所選設計點之間的最大和最小距離。此值是 Euclidean 距離。最小和最大距離值之間的差表明點在設計空間中展開的均勻性。可以使用此資訊比較各個設計。
輸出範例
使用基於距離的最佳性選擇的反應曲面設計
候選設計點: 20
最佳設計中的設計點數: 10
因子數: 3
所選設計點的欄號: 8, 17, 5, 11, 1, 2, 6, 13, 4, 20
最佳化點之間的最小距離: 3.3636
最佳化點之間的最大距離: 84.0896
解釋
對於輪胎資料，最佳化點之間的最小距離為 3.3636，最大距離為 84.0896。
詳細資訊請到官方網站進一步了解: http://www.minitab.com.tw/
和 http://www.minitab.com/
聲明: 本文純粹學術性研討, 內容所提及任何關於 Minitab 專有創作文字, 圖像與架構…等皆屬Minitab Inc. 版權所有, 嚴禁商業上轉貼使用.
沒有留言:
張貼留言