使用Minitab进行Plackett-Burman(PB) 设计

背着弓箭的小黑 2021-07-29 11:30:18 阅读: 169

什么是PB设计

Plackett-Burman试验就是筛选试验设计,主要针对因子数较多,且未确定众因子相对于响应变量的显著影响,采用的试验设计方法。

Plackett-Burman试验设计方法主要通过对每个因子取两水平来进行分析,通过比较各个因子两水平的差异与整体的差异来确定因子的显著性。筛选试验设计不能区分主效应与交互作用的影响,但对显著影响的因子可以确定出来,从而达到筛选的目的,避免在后期的优化试验中由于因子数太多或部分因子不显著而浪费试验资源。

Minitab 最多可为 47 个因子生成设计。每个设计都以运行数(介于 12 到 48 之间,并始终为 4 的倍数)为基础。例如,使用含 20 次试验的设计可以估计多达 19 个因子的主效应。

例如,假设您要检查会影响冰淇淋质地的各种因子:脂肪含量、巴氏灭菌法温度、均匀化过程、混合速度、提取温度、乳化剂、稳定剂和冷却速度。可以使用 Plackett-Burman 试验来确定最重要的主效应,使用因子或全因子设计进一步研究它们,然后使用响应曲面设计来优化您的过程。

Minitab进行PB分析实例

公司中销售奶制品的过程工程师设计了一个研究各种会影响冰淇淋质地的因子。该试验包括以下 9 个因子:脂肪含量、巴氏灭菌法、温度、均匀化过程、混合速度、提取温度、乳化剂、稳定剂和冷却速度。工程师创建 Plackett-Burman 设计,以便他们可以确定哪些因子最重要。然后,工程师打算使用其他因子设计和响应曲面设计更详细地研究这些因子。

1 打开Minitab软件,执行:统计 > DOE > 筛选 > 创建筛选因子。也可以执行:统计 > DOE  > 因子 > 创建因子设计。

2. 弹出的对话框如下,设计类型选择PB,因字数选择9,然后点击设计。

3. 点击上图的设计之后弹出的对话框如下,将次数选择12,中心点数输入3。

4. 然后再选择“结果”,选择“汇总表和设计表”。

5. 上图确定之后出来如下的列表。图中全为0的有三个,相当于是空白对照。注意按照上面的步骤每次得到的下表可能不一样。

因子:相当于变量

仿形:相当于重复

工作表 3
Plackett-Burman 设计
设计摘要

因子:	9	仿行:	1
基础次数:	15	总试验数:	15
基础区组:	1	合计区组数:	1
中心点: 3
设计表(随机化)

运行	区组	A	B	C	D	E	F	G	H	J
1	1	+	+	-	+	+	-	+	-	-
2	1	-	-	-	+	+	+	-	+	+
3	1	0	0	0	0	0	0	0	0	0
4	1	+	-	+	+	-	+	-	-	-
5	1	-	-	+	+	+	-	+	+	-
6	1	+	-	+	-	-	-	+	+	+
7	1	+	-	-	-	+	+	+	-	+
8	1	0	0	0	0	0	0	0	0	0
9	1	-	+	+	-	+	-	-	-	+
10	1	0	0	0	0	0	0	0	0	0
11	1	-	+	-	-	-	+	+	+	-
12	1	+	+	+	-	+	+	-	+	-
13	1	-	-	-	-	-	-	-	-	-
14	1	+	+	-	+	-	-	-	+	+
15	1	-	+	+	+	-	+	+	-	+

6. 等进行完实验设计之后,在表中新建一列,输入实验结果。

7. 输入完成结果之后进行:统计 > DOE > 因子 > 分析因子设计。出来如下的界面,然后选中下图中红色框1,然后点击2选择,在红色框3处就会显示响应值。注意:如果你没有将所有的实验值输入完整,进行这一步的时候红色框1内没有任何东西

8. 直接看结果帕累图:

上图中纵坐标从上往下表示对响应值影响从高到低,其中红色竖线2.776为显著影响分界线,可以看出只有H因子对响应值有显著影响,这样后面的试验就可以尝试只针对H因子的试验设计。

邀请讨论

附件

{{f.title}} 大小 {{f.file_size}} 下载 {{f.count_download}} 金币 {{f.count_gold}}
{{item.nick_name}} 受邀请回答 {{item.create_time}}
{{item.refer_comment.nick_name}} {{item.refer_comment.create_time}}
切换到完整回复 发送回复
赞({{item.count_zan}}) 踩({{item.count_cai}}) 删除 回复 关闭
科研狗©2015-2021 科研好助手

服务热线

178 0020 3020

微信服务号