发布日期: 08/07/2020

Plackett-Burman 设计

部分析因示例显示了针对五个连续因子的 8 次试验的部分析因设计。但假定您能够额外执行 4 次试验。在本例中,构造 12 次试验的 Plackett-Burman 设计。为便于完成“筛选”窗口,使用了“加载响应”和“加载因子”命令。

创建 Plackett-Burman 设计

1. 选择实验设计 > 经典 > 两水平筛选 > 筛选设计

2. 选择帮助 > 样本数据库,然后打开 Design Experiment/Reactor Response.jmp

3. 点击“筛选设计”红色小三角并选择加载响应

4. 选择帮助 > 样本数据库,然后打开 Design Experiment/Reactor Factors.jmp

5. 点击“筛选设计”红色小三角并选择加载因子

加载响应加载因子命令使用响应和因子名称、响应的目标和限值、因子值填充“响应”和“因子”分级显示项。完成的“响应”和“因子”分级显示项请参见“响应”和“因子”分级显示项

6. 点击继续

注意:在下一步设置随机种子将重现本例中所示的试验顺序。自行构造设计时,该步骤不是必需的。

7. (可选)点击“筛选设计”红色小三角,选择设置随机种子,键入 34567,然后点击确定

8. 从“选择筛选类型”面板中,接受默认选择从部分析因设计列表中选择,然后点击继续

9. 选择 Plackett-Burman 设计。

试验规模不是 2 的幂的 Plackett-Burman 设计倾向于具有复杂的别名结构。尤其是主效应可能与几个双因子交互作用有部分别名关系。请参见评估设计。我们看到 12 次试验的 Plackett-Burman 设计的分辨率指定为 3。

显示 Plackett-Burman 筛选设计的设计列表 

10. 点击继续

11. 点击制表

Placket-Burman 设计的设计表 

设计表中包含名为反应百分比的列。您应按表中所示的顺序执行试验,并在反应百分比列中记录结果。

评估设计

1. 返回到“筛选设计”窗口。若您关闭了该窗口,请运行设计表中的“实验设计对话框”脚本。

2. 打开设计评估 > 相关性色图分级显示项。

绝对相关性色图 

对角单元格的相关性为 1,这符合预期。白色单元格对应于相关性等于 0 的效应。灰色和黑色单元格对应于相关性大于 0 的效应。将您的光标置于这样的几个单元格上,以查看涉及的效应和它们的绝对相关性。例如,我们看到进料速度与几个双因子和三因子交互作用相关。

3. 打开“别名矩阵”分级显示项。

别名矩阵 - 最多显示双因子交互作用的部分视图 

因为设计对于主效应是正交的,“别名矩阵”给出两个效应之间的相关性的数值。请参见别名矩阵。 例如,我们看到进料速度与 6 个双因子交互作用和 4 个三因子交互作用具有部分别名关系。这些是对应于“进料速度”行中的 0.333 和 -0.33 条目。

分析结果

数据表 Plackett-Burman.jmp 包含设计的实验的结果。回想一下,您曾怀疑温度*浓度交互作用是活跃的。以下您将假设这是唯一可能活跃的交互作用。

1. 选择帮助 > 样本数据库,然后打开 Design Experiment/Plackett-Burman.jmp

2. 通过点击左边的图标运行模型脚本。

3. 在“选择列”列表中选择温度,在“构造模型效应”列表中选择浓度

4. 点击交叉

5. 点击运行

完整模型的参数估计值 

“预测值-实际值”图指示不存在模型失拟。“参数估计值”报表显示催化剂在 0.05 水平显著,浓度*温度交互作用在 0.10 水平几乎是显著的。

简化模型

您想确定对响应影响最大的那些效应。为了更清楚地看到这些活跃效应,使用“效应汇总”分级显示项去除了不显著的效应。

完整模型的“效应汇总”分级显示项 

尽管浓度是最不显著的效应,但是在高阶交互作用(浓度*温度)中会涉及它,这用 p 值右侧的补注符号来指示。根据效应遗传的原则,当在模型中保留浓度*温度交互作用时,不应将浓度从模型中删除。请参见效应遗传。下一个最不显著的效应为搅拌速度

1. 在“效应汇总”分级显示项中,选择搅拌速度并点击删除

进料速度是下一个最不显著的效应,可以删除它。

2. 在“效应汇总”分级显示项中,选择进料速度并点击删除

简化模型的“效应汇总”分级显示项 

p 值列指示催化剂主效应和浓度*温度交互作用在 0.05 水平上都是显著的。不能再进一步简化模型了。若所有其他交互作用不活跃或忽略不计,则您可以得出结论:催化剂浓度*温度交互作用是活跃的效应。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).