本课程讲授工程中进行试验设计的基本原理,以及试验数据分析的方法。主要模块包括:试验设计简介、试验数据分析方法、简单对比试验、单因子试验、多因子试验、全因子设计、部分因子设计、稳健参数设计、田口设计、响应曲面设计等。
播放:15778次,课程ID:4231846
本课程讲授工程中进行试验设计的基本原理,以及试验数据分析的方法。主要模块包括:试验设计简介、试验数据分析方法、简单对比试验、单因子试验、多因子试验、全因子设计、部分因子设计、稳健参数设计、田口设计、响应曲面设计等。
--2.1 试验设计概念简介
--2.2 试验的分类
--2.3 试验的策略
--2.4 试验的系统步骤
--2.5 试验设计的基本原则
--2.6 试验例子
--3.1 数据分析的三个步骤
--3.2 单变量数据分析
--3.3 箱线图
--3.4 直方图
--3.5 正态性检验
--3.6 趋势分析
--3.7 散点图
--3.8 相关性与因果关系
--3.9 总结
--4.1 假设检验
--4.2 一类错误与二类错误
--4.3 功效曲线
--4.4 p值
--4.5 置信区间
--4.6 双样本假设检验
--5.1 非参与参数化检验对比
--5.2 单样本符号检验
--5.3 单样本Wilcoxon检验
--5.4 双样本Wilcoxon-Mann-Whitney检验
--5.5 非参检验总结
--6.1 方差分析
--6.2 多重比较
--7.1 双因子方差分析
--7.2 单因子与多因子卡方检验
--8.1 分组原则
--8.2 分组实验的方差分析
--8.3 拉丁方设计
--9.1 简单线性回归模型
--9.2 自变量设计的准则
--9.3 建立回归模型
--9.4 残差分析
--9.5 方差分析与模型指标
--9.6 变量选取方法
--9.7 模型诊断
--9.8 总结
--10.1 试验设计方法选择概述
--10.2 因子设计
--10.3 2^2因子设计
--10.4 模型分析
--10.5 2^3因子设计
--10.6 无重复的2^k因子设计
--10.7 中心复合设计
--10.8 因子设计中的分组与混杂效应
--11.1 为什么选用部分因子设计
--11.2 2^k-1部分因子设计
--11.3 部分因子设计的分辨率
--11.4 普通2^k-p部分因子设计
--12.1 响应曲面的概念
--12.2 响应曲面的二阶模型
--12.3 多响应优化
--13.1 田口设计简介
--13.2 稳健设计
--13.3 正交表
--13.4 灵敏度分析
--13.5 容差设计
--14.1 计算机试验的特点
--14.2 最优设计
--14.3 空间填充
王凯波,博士,清华大学工业工程系教授,博士生导师。2006年在香港科技大学获得博士学位(工业工程与工程管理学)。 王凯波教授的主要研究方向为统计质量控制以及数据分析,并强调融合工程知识与统计方法解决工业实际质量问题。已主持完成或在研多项基金类科研项目,及多项企业委托科研项目,现有科研项目主要以数据驱动的建模分析和质量改进为主,以半导体生产、智能制造与服务业为应用背景。现教授本科生《试验设计》,《质量管理与质量控制》,研究生《高等质量管理学》、《应用统计学》,及《工程管理中的定量分析方法》等课程。 王凯波教授2017年担任INFORMS学会质量、统计与可靠性(QSR)分会主席,2016年担任INFORMS年会QSR分会Cluster Chair。他现在是IISE Transactions的Department Editor,Journal of Quality Technology、Quality Engineering等期刊的Editorial Review Board,以及多个期刊的副主编。他是IISE,INFORMS的会员,及ASQ的资深会员。