用DOE方法最优化质量因子配置(DOE系列之四-RSM方法) 经过筛选实验的精简和全因子实验的描述,很多人会满足已经取得的成绩,但也有一些精益求精的人会提出这样的问题:现有的最佳因子水平组合一定是所有因子设置中最理想的选择吗?如果不是,又应当如何找出最优化的因子设置?确实,以往的DOE侧重于分析哪些因子是重要的,到底有多重要以及它们之间是否会相互影响,却没有刻意去从整体中寻觅最佳的因子设置。为了解决这个问题,需要引入DOE中另一种新方法——响应曲面方法(Response Surface Methodology, 即RSM),这也是我们本期DOE系列介绍的主题。在这里,笔者仍将借助目前业界公认的高端六西格玛统计分析软件JMP来为大家展现响应曲面方法的实现和应用,顺便提及,JMP6是迄今业界唯一的中英文双语版六西格玛软件,来自全球顶尖的统计学软件集团SAS。
在实际工作中,常常需要研究响应变量 究竟如何依赖于自变量X的,进而能找到自变量的设置使得响应变量得到最佳值。当自变量的个数较少(通常不超过4个),则响应曲面方法是最值得推荐的方法,适合于要求响应变量望大(即越大越好)、望小(即越小越好)和望目(即越接近目标值越好)等各种常见情形。
通常来说,DOE的核心技术可分为实验计划和数据分析两大类,响应曲面方法也不例外。在数据分析方面,它和以前介绍的方法没有什么本质的不同,但在实验计划方面,则有显著的改进。响应曲面方法的实验计划主要有中心复合设计和Box-Behnken设计两种形式,具体用图形说明如下。
|