概率论与数理统计_正交试验设计

合集下载

概率论与数理统计8-3

概率论与数理统计8-3

通过比较,选取B1和 C2,于是得到最优工艺条件为 A2 B1C2 现进行方差分析。总偏差平方和的分解公式为 ST = S A + S B + SC + S A×B + S A×C + S B×C + S E , (3.1)
其中计算公式为
ST =
n

i =1
yi
2
1 n − (∑ yi ) 2 n i =1
(5)按原来考虑的因素、水平和交互作用去选择正交表, 若无正好适用的正交表可选,简便且可行的办法是适当修 改原定水平数。 (6)对某因素或某交互作用的影响是否确实存在没有把握 的情况下,选择L 的情况下,选择L表式常为选大表还是小表而犹豫。若条件 许可,应尽量选大表,让影响存在的可能性较大的因素和 交互作用各占适当的列。某因素或某交互作用的影响是否 真的存在,留到方差分析进行显著性检验是再做讨论。这 样既可以减少试验的工作量,又不致于漏掉重要的信息。 4.正交表的表头设计 4.正交表的表头设计 所谓表头设计,就是确定试验所考虑的因素和交互作用,在 正交表中该放在哪一列的问题。一般 (1)有交互作用时,表头设计必须严格地按规定处理。 (2)若试验不考虑交互作用,按规定进行表头设计,只不过 将有交互作用的列先视为空列,待试验结束后再加以判断。
三、正交表
1.各列水平数均相同的正交表 1.各列水平数均相同的正交表 单一水平正交表。 各列水平数均相同的正交表,也称单一水平正交表 单一水平正交表 2.各列水平数均相同的正交表 各列水平数均相同的正交表 各列水平数不相同的正交表,也称混合水平正交表 混合水平正交表。 混合水平正交表 3.选择正交表的基本原则 3.选择正交表的基本原则 一般都是先确定试验的因素、水平和交互作用,后选 择适用的L表。主要因素多安排几个水平,次要因素可少安 排几个水平。 (1)先看水平数。 (2)每一个交互作用在正交表中应占一列或两列。 (3)要看试验精度的要求。 (4)若试验费用很昂贵,或试验的经费很有限,或人力和 时间都比较紧张,则不宜选试验次数太多的L表.

概率论与数理统计_正交试验设计

概率论与数理统计_正交试验设计

第12章 正交试验设计前面介绍了单因素与双因素试验的方差分析,但是在实际问题中遇到的因素往往超过两个,需要考察各个因素对试验结果是否有显著影响。

从理论上讲可以导出多因素的方差分析法,但是一来公式会变得很复杂,二来总试验次数也要明显增多。

例如,考虑7个因素的试验,每个因素有6个水平,若在每一种组合水平上都做一次试验,需要做27993667次试验,这是根本不可能的! 为了减少试验次数,希望在所有组合水平中挑选一部分出来,在这些组合水平上做试验,即局部地进行试验。

正交试验设计是利用一套现成的规格化的表—正交表,科学地安排试验和分析试验结果的一种数理统计方法,该方法的主要优点是能在很多试验条件中选出代表性强的少数试验方案,同时通过对这少数试验方案的结果进行分析,从中找出最优方案。

正交表1944年起源于美国。

第二次世界大战后在日本开发了使用正交表进行试验设计的技术体系,并在日本全国进行大力普及推广、应用,取得了显著的经济效益。

实践证明,正交设计是促进生产率提高的一种有效手段,目前已经广泛应用于科学研究、产品设计、工艺改革等技术领域以及经营、计划等管理领域。

§12.1 正交试验设计一、正交表正交表记为)(mn r L ,表示至多安排m 个因素,每个因素有r 种水平,共作n 次试验的正交表。

下面就是两个常用的正交表)3(49L ,)2(78L 。

)3(49L )2(78L其中符号含义如下: L —正交表符号;n —试验次数(正交表的行数); r —水平数;m —因素个数(正交表的列数)。

从上面两个正交表容易看出它们具有如下性质:(1)表中任何一列所含不同的数字出现的次数相同。

如表)3(49L 每一列有三个不同的数字“1”、“2”、“3”,它们各出现3次。

(2)将表中任意两列同一行的两个数字看成有序数对,每种数对出现的次数相同。

如表)3(49L 的有序数对为(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)共9个,它们各出现一次。

8.正交试验设计

8.正交试验设计
C 2
K Y3 Y5 Y7
C 3
=>因素C在1,2,3水平上试验值的平均数分别为
1 C k K1 , 3
C 1
1 C k K2 , 3
C 2
1 C k K3 3
C 3
化工产品转化率的试验值
试验号
1 2
A
1 1 1 2 2 2 3
B
1 2
C
1 2
转化率
31
3
4
3
1 2
3
2
54 38 53 49
Y1 a1 b1 c1 1 Y2 a1 b2 c2 2 Y3 a1 b3 c3 3 Y4 a2 b1 c2 4 Y5 a2 b2 c3 5 Y a b c 2 3 1 6 6 Y7 a3 b1 c3 7 Y8 a3 b2 c1 8 Y9 a1 b3 c2 9
C 1 2 C 2 2 C 3 2
可以证明:QT QA QB QC QE
QA ——因素A引起的离差平方和 QB ——因素B引起的离差平方和 QC ——因素C引起的离差平方和 QE ——误差平方和
定理 (1)
2 (2)当 H01 , H02 , H03 成立时,
QE
~ 2 2
试验值
Y1 Y2 Y3 Y4
4
5 6 7 8 9
A2 B2C3 A2 B3C1 A3 B1C3
Y5 Y6
Y7
A3 B2C1 A3 B3C2
Y8 Y9
假定因素A,B,C没有交互作用。 设因素A在水平 A1 , A2 , A3 上的效应分别为 a1 , a2 , a3 因素B在水平 B1 , B2 , B3 上的效应分别为 b1 , b2 , b3 因素C在水平 C1 , C2 , C3 上的效应分别为 c1 , c2 , c3

正交试验设计方法(详细步骤)

正交试验设计方法(详细步骤)
C2 (y2+ y4)/2 =(0.448+0.516)/2=0.482
A2
(y5+ y7)/2 =(0.472+0.554)/2=0.513 (y6+ y8)/2 =(0.480+0.552)/2=0.516
阐明:
表头设计中旳“混杂”现象(一列安排多种原因或交互作 用)
高级交互作用 ,如A×B× C,一般不考虑 r水平两原因间旳交互作用要占r-1列 ,当r>2时,不宜
(1)选正交表
要求: 原因数≤正交表列数 原因水平数与正交表相应旳水平数一致 选较小旳表
选L9(34)
(2)表头设计
将试验原因安排到所选正交表相应旳列中 因不考虑原因间旳交互作用,一种原因占有一列(能够随
机排列) 空白列(空列):最佳留有至少一种空白列
(3)明确试验方案
(4)按要求旳方案做试验,得出试验成果
(1)等水平正交表: 各原因水平数相等旳正交表 ①记号 :Ln( r m ) L——正交表代号 n——正交表横行数(试验次数) r——原因水平数 m——正交表纵列数(最多能安排旳因数个数)
②等水平正交表特点
表中任一列,不同旳数字出现旳次数相同 表中任意两列,多种同行数字对(或称水平搭配)出现旳
1 n
(
n i 1
yi )2
QP
n
设: Q yi2 i 1
n
T yi i 1
P
1 n
n
(
i 1
yi )2
T2 n
②各原因引起旳离差平方和
第j列所引起旳离差平方和 :
SS j
rr (
n i1
Ki2
)
T2 n
rr (

数理统计第八章 正交实验设计

数理统计第八章 正交实验设计
15 16
即对于在 A1下的四次试验和 A下的四次试验来说, 2 虽然其它条件( B 、 C、 D)在变动,但这种变动是 A2之间差异反映了A的两 “平等的”,所以 A 和 1 个水平的不同,由于
表 头 设计 列号 试验 1 2 3 4
A
B
C
D
试验 结果
1 1 1 1 1 2 2 2 2 366 358 91.5
5
因此多因子试验问题的突出矛盾是: (1)所有可能搭配的试验次数与实际可行的试验次数之 间的矛盾。 (2)实际所作少数试验与要求全面掌握内在规律之间的 矛盾。 为了解决第一类矛盾,要求必须合理地设计和安排试 验,以便通过尽可能少的试验次数,就可抓住主要矛 盾。 为解决第二类矛盾,要求我们对试验结果作科学的分 析,透过现象看本质,认识内在的规律,为解决问题 提供可靠的依据。
7 8
§8.2 正交表
正交表是试验设计中合理安排试验,并对数据 进行统计分析的主要工具。 正交表用符号 L p (n ) 表示。 “ L ”代表正交表, “ p ”表示表中的行数,即要作的试验次数, “ m ”表示表中有m列,即最多允许安排的因 子 个数, “ n ”表示水平数。
m
L4 ( 23 )
B2
D1
D2
500毫米汞柱 600毫米汞柱
2
我们通常称影响试验指标的因素为因子, 用大写字母A,B,C,…表示; 可能处于的状态称为水平,用该字母加上足标 表示。 例如,A1 ,A2 …表示因子A的第一,第二,… 水平等。 我们把实验中需要考虑多个因子,而每个因子 又有多个水平有待考查的试验问题称为多因子 试验问题。 例8.1.1就是四个两水平的因子试验问题。
3
我们希望通过试验解决的问题是: (1)找出各因子对指标的影响规律,哪个因子是主 要的,哪个是次要的?哪些因子除了各自的单独作 用外,它们之间还产生综合效果?这种综合效果有 多大?对指标的影响,综合效果是主要的,还是因 子的单独作用是主要的?

正交试验设计PPT课件精选全文

正交试验设计PPT课件精选全文
所谓均衡分散,是指用正交表挑选出来的 各因素水平组合在全部水平组合中的分布是均 匀的 。 由 图10-1可以看出,在立方体中 ,任 一平面内都包含 3 个“(·)”, 任一直线上都包 含1个“(·)” ,因此 ,这些点代表性强 ,能够 较好地反映全面试验的情况。
上一张 下一张 主 页 退 出
整齐可比是指每一个因素的各水平间 具有可比性。因为正交表中每一因素的任 一水平下都均衡地包含着另外因素的各个 水平 ,当比较某因素不同水平时,其它 因素的效应都彼此抵消。如在A、B、C 3个因素中,A因素的3个水平 A1、A2、 A3 条件下各有 B 、C 的 3个不同水计计 算算
Kk 值值
计 算 极 差
R
绘 制 因 素 指 标 趋


计算各列偏差平方和、 自由度
列方差分析表,
进行F 检验
优水平 优组合
因素主次顺序
结论
分析检验结果, 写出结论
实例:为提高山楂原料的利用率,研究酶法液化工艺 制造山楂原汁,拟通过正交试验来寻找酶法液化的最 佳工艺条件。
例如,要考察增稠剂用量、pH值和杀菌温度对豆奶稳 定性的影响。每个因素设置3个水平进行试验 。
A因素是增稠剂用量,设A1、A2、A3 3个水平;B因素 是pH值,设B1、B2、B3 3个水平;C因素为杀菌温度,设 C1、C2、C3 3个水平。这是一个3因素3水平的试验,各因 素的水平之间全部可能组合有27种 。
9个试验点均衡地分布于整个立方体内 ,有很强 的代表性 , 能 够比较全面地反映选优区内的基本情 况。
上一张 下一张 主 页 退 出
1.3 正交表及其基本性质
1.3.1 正交表
由于正交设计安排试验和分析试验结果都要用正 交表,因此,我们先对正交表作一介绍。

概率论和数理统计 正交试验设计

概率论和数理统计 正交试验设计
正交试验设计
§6.3
正交试验设计
正交试验设计:处理多因素、多水平试验的一种有效的方法.它利用 一种规格化的数表——正交表,从全面试验中挑选出部分有代表性 的点进行试验,这些有代表性的点具备“均匀分散、齐整可比”的 特点,不仅使试验次数大大减少,还便于进行进一步的统计分析. 在试验中,根据试验目的而确定的衡量试验结果的特征量称为指标. 如:产品的质量参数(如重量、尺寸、速度、温度、寿命等), 也可以是成本、效率等, 按其性质来分可分为定性指标和定量指标两类.通常我们研究的 是定量指标. 影响试验指标的试验条件(要素或原因)称为因素(或因子),因素 在试验中所处的各种状态称为因素的水平. 在试验中可以人为地加以调节和控制的因素称为可控因素.由于 自然、技术和设备等条件的限制,暂时还不能为人们控制和调节 的因素(如气温、降雨量等)称为不可控因素.
6.3.2 正交表 正交表是一种专门用于安排多因素多水平试验的特殊表格.
正交表用符号
Ln ( r m )
其中字母L表示正交表,其它3个字母表示3个正整数 . n 表示试验的次数,也是正交表的行数;
m 表示试验最多可安排的因素的个数,也是正交表的列数; r 表示各因素的水平数.
正交表 L8 (27 )
4 1 2 3 3 1 2 2 3 1
4
5 6 7 8
1 2 2 2 2 1 1
2 1 2 1 2 1 2 2 1 2 2 1 2 1 2 2 1 1 2 2 1 2 2 1 2 1 1 2
正交表具有如下基本特点: (1)表中任一列中,不同数字出现的次数相同.如在表L8(27) 中,数字1,2在每列中均出现4次. (2)表中任两列,其横向形成的有序数对出现的次数相同.如 表L8(27)中任意两列,数字1,2间的搭配是均衡的. 凡满足上述两个性质的表都称为正交表 . 常用的正交表,2水平的有 L4 (23 ),L8 (27 ),L12 (211 ),L16 (215 ) 3水平的有 L9 (3 ),L27 (3 ) 3水平以上的有

第6章正交试验

第6章正交试验

第六章 正交试验设计试验设计是数理统计中一个很庞大的分支, 其内容十分丰富, 本章只介绍正交试验设计(简称正交设计或正交试验). 正交试验设计是利用“正交表”进行科学地安排与分析多因素试验的方法, 其主要优点是能在很多实验方案中挑选出代表性较强的试验方案, 并通过对少数试验方案之试验结果的分析, 推断出最优方案, 得到比试验结果本身给出的还要多得多的有关多因素之信息. 在正交试验中, 对试验结果的分析, 通常采用直观分析法(也称极差分析法)和方差分析法.第一节 引 言一、正交试验设计的背景引例 为了提高维尼纶耐水性能, 需要分析维尼纶生产的最后一道工序—醛化过程. 醛化过程的好坏用一个叫缩醛化度的指标来衡量, 缩醛化度越高, 纤维的耐水性能越好. 但影响缩醛化度的因素很多, 如反应时间、反应温度、甲醛浓度、硫酸浓度、芒硝浓度等. 这些因素除芒硝浓度取三个水平外, 其余四个因素都各取七个水平. 这样多的因素和水平, 若全面试验需做3×74=7203次试验, 约用五年时间, 这实际上是行不通的.面对上述试验问题, 我们很希望只选做其中一部分有代表性的试验而又能较好地反应全面醛配可能出现的各种情况, 以便从中挑选出较好的试验方案, 这正是正交试验设计所研究的范畴.通常, 称两个因素以上的试验为多因素试验. 正交试验设计是以概率论和数理统计为基础, 科学地安排多因素试验的一类实用性很强的数学方法, 它是数理统计学中一个很大的分支. 它所研究的主要内容是, 如何利用“正交表”进行科学地安排与分析多因素试验以减少试验的次数. 其主要优点是能在很多实验方案中挑选出代表性较强的试验方案, 并通过对少数试验方案之试验结果的分析, 推断出最优方案, 得到比试验结果本身给出的还要多得多的有关多因素之信息. 对试验结果的分析, 通常采用两种方法: 一种是直观分析法(也称极差分析法), 另一种是方差分析法.表6.1 正交表L(27)表6.2 正交表L 4二、正交表正交表是一种特殊的表格, 这里只介绍它的记号、特点及使用方法. 表L 8(27)与L 9(34)即是两张常用的正交表. L 8(27)与L 9(34)是正交表的记号, 其具体含义为:L 是正交表代号; 8或9表示该正交表的行数, 即需要做的试验次数; 2或3表示水平数; 7或4表示正交表的纵列数, 即最多可安排的因素的个数.正交表L 8(27)与L 9(34具有如下的性质:(1) 整齐可比性: 表中任一列所含各种水平的个数都相同;(2) 均衡搭配性: 表中任两列所有各种可能的数对出现的次数都相同. 凡具有上述两种性质的表, 都称为正交表.三、正交试验设计正交试验设计, 包括选表、表头设计以及利用所选定的正交表安排试验方案, 并对试验结果进行统计分析, 确定较优或最优试验方案的一种科学方法. 具体地说, 正交试验设计能明确地回答如下几个方面的问题:(1) 因素的主次, 即各因素对所考察指标影响的大小顺序;(2) 因素与指标的关系, 即每个因素的各水平变化时, 指标是怎样变化的; (3) 什么是最优试验方案或最优工艺条件; (4) 进一步试验的方向.第二节 正交试验的直观分析一、直观分析(无交互作用)例1(合成氨最佳工艺条件试验) 根据已有的经验, 决定在合成氨试验中选取的因素与水平如表6.3所示. 假定各因素之间无交互作用, 试验的目前是提高产量. 要求进行试验设计并对试验的结果进行分析.解: 为了避免试验产生系统误差,因素的各水平哪一个定为1水平、2水平、3水平, 应按“随机化”的方法确定. 1.选表与表头设计 本例是一个三水平的试验, 因此要选用L n (3t )型正交表. 由于有3个因素, 且不考虑因素之间的交互作用, 所以选一张3≥t 的表, 而L 9(34)是是满足条件3≥t 的最小L n (3t )型表, 故选用正交表L 9(34)安排试验. 由于不考虑各因素之间的交互作用,只需将各因素分别填写在所选表的上方与列号对应的位置上, 一个因素占有一列, 不同的因素占有不同的列, 就得到所谓的表头设计, 如表6.4所示.注意: 未放置因素的列, 称为空白列或空列. 空白列在正交设计的方差分析中也称为误差列, 它有着重要的作用, 一般要求至少有一个空白列.2.确定试验方案完成了表头设计以后, 只要将表中各列的数字“1”、“2”、“3”分别看成该列所填因素在各个试验中的水平数, 而正交表的每一行就是一个试验方案. 于是, 本例得到9个试验方案.3.按规定的试验方案做试验并记录试验结果按正交表的各试验号中规定的水平组合进行试验, 并记录其结果得到表 6.5. 注意: 必须严格按照规定的方案完成每一号试验; 为了保证具有相同的随机性, 试验往往不按照表上试验号的顺序进行, 而是采取抽签的方法决定试验的顺序.4.计算极差, 确定因素的主次顺序 记K ij =第j 列上水平号为i 的各试验结果之和;k ij = K ij /s, 其中s 为第j 列上水平号i 出现的次数, 即k ij 表示第j 列的表6.3 例1的因素水平表因素取水平i时进行试验所取得的试验结果的平均值;R j=max i{ K ij }-min i{ K ij }, R j称为第j列的极差或所在因素的极差, 也可定义r j=max i{ k ij }-min i{ k ij }为第j列的极差或所在因素的极差.对于本例, 我们有:K11=y1+ y2+ y3=1.72+1.82+1.80=5.34, k11= K11/3=1.780,K21=y4+ y5+ y6=1.92+1.83+1.98=5.73, k21= K21/3=1.910,K31=y7+ y8+ y9=1.59+1.60+1.81=5.00, k31= K31/3=1.667,R1=max i{ K i1 }-min i{ K i1}=5.73-5.00=0.73;其它的K ij , k ij与R j类似地可以得到, 见表6.5.表6.5例1的试验方案及试验结果分析一般地, 各列的极差是不相等的, 这说明各因素的水平改变对试验结果的影响是不相同的. 极差越大, 说明这个因素的水平改变对试验结果的影响也越大. 因此, 极差最大的那一列因素就是水平改变对试验结果影响最大的因素, 也就是主要的因素. 由于有R1 >R2 >R3 >R4, 因此本例的因素主次顺序为:主→次A B C注意: 有时空白列的极差比所有其他因素的极差还要大, 这说明因素之间可能存在有不可忽视的交互作用, 或者忽略了对试验结果有重要影响的其它因素, 或者试验误差太大, 需要具体问题具体分析.5.最优方案的确定挑选因素的优水平与所要求的指标有关. 若指标越大越好, 则应该选取使指标最大的水平, 即各列K1j、K2j和K3j(或k1j、k2j和k3j)中最大的那个水平; 反之, 若指标越小越好, 则应取使指标小的那个水平. 对于本例, 试验的指标是提高合成氨的产量, 指标越大越好, 所以应该挑选每个因素的K1j、K2j、K3j之中最大的那个水平. 由于K2A>K1A>K3A K3B>K2B>K1B K2C>K1C>K3C故得最优方案为: A 2B 3C 2. 即反应温度为490(ºC )、反应压力为300个大气压以及使用乙种催化剂时, 生产方案是最优的.注意: 实际确定最优方案时, 还应区分因素的主次. 对于主要因素, 一定要按有利于指标的要求选取最好的水平, 而对于不重要的因素则可以根据有利于提高效率、降低消耗等要求来考虑因素水平的选取.本例确定的最优方案A 2B 3C 2, 并不包含在正交表里已做过的9个试验方案之中, 这正体现了正交试验设计的优越性. 那么, 它是不是真正的最优方案呢? 我们可以作进一步的理论计算来论证.6.最优方案的工程平均由于任何试验结果总是带有误差, 对某一试验方案来说, 我们关心的是这个试验方案之试验结果的平均值, 最优试验方案试验结果的平均值就称为“最优工程平均”. 为此, 我们先来讨论“效应”的问题:设μ为试验总体的理论总均值, ij μ为因素j 的第i 个水平所对应试验总体的理论均值, 定义a i =iA μ-μ为因素A 的第i 个水平的效应. 由于μ与iA μ均为未知, 此时可用样本均值来进行估计, 因而定义i aˆ=k iA -y 称i aˆ为因素A 的第i 水平的效应. 不难验证∑i a ˆ=0,即同一个因素(或同一列) 的各水平效应之和为0.本例中, 因素A 的各水平的效应分别为:1ˆa=k 1A -y =1.78-1.786=-0.006, 2ˆa=k 2A -y =0.124, 3ˆa = k 3A -y =-0.119. 它们的含义是: 因素A 取A 1水平会使产量平均降低0.006t, 因素A 取A 2水平会使产量平均增加0.124t, 因素A 取A 3水平会使产量平均降低0.119t. 同样可得:1ˆb = k 1B -y =-0.043, 2ˆb = k 2B -y =-0.036, 3ˆb = k 3B -y =0.077; 1ˆc= k 1C -y =-0.019, 2ˆc = k 2C -y =0.064, 3ˆc = k 3C -y =-0.046. 综合起来, 在不考虑交互作用的情况下, 可用迭加的方法求得某一试验方案试验结果的平均值—称为该试验方案的工程平均, 它等于总平均y 加上该试验方案各因素所取水平的效应之和. 某一方案的工程平均, 实质上就是该试验方案试验结果真值的无偏点估计. 对本例, 最优方案A 2B 3C 2的工程平均为y ˆ=2.051.7.对比验证试验最优方案在正式作为生产方案实施之前还需要进行对比验证试验: 将最优方案A 2B 3C 2与按正交表之规定做过的9个方案中产量最高的第6号方案A 2B 3C 1作对比试验. 若方案A 2B 3C 2比第6号试验产量更高, 通常认为A 2B 3C 2就是真正的最优方案; 否则, 就取第6号试验方案A 2B 3C 1作为最优方案. 后一种情况发生, 一般来说可能是没有考虑交互作用, 或者是试验误差较大引起的, 需要作进一步的研究, 可能有提高产量的潜力.8.作出因素水平-指标变化的趋势图 二、正交试验设计原理的解释由于正交表的整齐可比性与均衡搭配性, 使得用正交表安排的试验具有均衡分散性与整齐可比性, 所以它能大大地减少试验次数, 甚至比简单地比较全面试验的结果有可能提供更多更有用的信息.图6.1 例1的因素水平-指标变化趋势图三、直观分析(有交互作用)在此情况下, 对多因素正交试验的表头设计必须借助两列间的交互作用表, 许多正交表的后面都附有相应的交互作用表. 表6.6即是正交表L 8(27)的交互作用表.用正交表安排有交互作用的试验时, 通常将交互作用看作一个新的因素, 它在正交表上的占有列, 称为交互作用列. 为了避免“混杂”现象, 交互作用列应该通过杳交互作用表来确定. 从表6.6可以确定任何两列的交互作用列.例2 工件的渗碳层深度要求为1±0.25mm, 试验与考察的水平如表 6.7所示,还要考察交互作用A ×B 与B ×C. 试验的目的是确定这4个因素及两个交互作用对渗碳指标影响的重要性主次顺序, 并找到最优的生产方案(注意, 渗碳层深度越接近1越好).解: 1.选表与表头设计这是一个4因素2水平试验, 加上考虑交互因素A ×B 与B ×C, 因此所选的2水平正交表至少要有6列, 满足这种条件的2水平正交表中以L 8(27)为最小, 因此选用正交表L 8(27)安排试验.将因素A 、B 分别放在正交表的1、2两列上, 查L 8B 占用第三列, 因此第3列不能安排其它因素, 否则就会产生混杂现象; 现将因素C 入放在第4列, 再查L 8(27)的交互作用表得交互作用B ×C 占用第6列, 因素D 可安排在第5列或第7列上. 现将因素D 安排在第5列, 从而得到如表6.8的表头设计.2.明确试验方案, 依照试验方案进行试验并记录试验结果由此得到表 6.9. 注意, 交互作用所在列和空白列对确定试验方案不起任何作用, 因为那些列的数字“1”、“2”不代表任何实际水平.73. 计算极差, 确定因素的主次仿例1, 可得因素的主次顺序如表6.9所示. 4.确定最优方案交互因素A ×B 是影响试验结果最重要的因素, 但是交互因素A ×B 没有实际的水平, 故不能按K 13与K 23大小来确定, 而应该按A 与B 搭配的好坏来确定. 表6.10是因素A 与B 的水平搭配表, 也称之为二元表. 由于指标y 越小越好, 可知A 与B 的最优搭配为A 1B 2; 类似地, 可以得到B 与C 的最优搭配为B 2C 2.由于D 的最优水平为D 1, 从而得到最优方案为A 1B 2C 2D 1, 而不考虑交互作用的最优方案为A 1B 2C 1D 1, 两方案的不同之处在于因素C 的水平取法. 不般来说, 次要因素应服从于主要因素, 因此我们认为方案A 1B 2C 2D 1是最优的.第三节 正交试验的方差分析极差分析法的优点是, 方法简单、直观、计算量较小, 便于普及和推广. 但是, 极差分析法不能估计试验过程中以及结果测定中必然存在的误差大小, 不能真正区分某因素各水平所对应试验结果的差异, 究竟是由于水平的改变引起的还是由于试验误差引起的; 再者, 极差分析法得到的结论不够精确, 而且当水平数超过3时, 极差分析方法不便于使用.一、方差分析(无交互作用)表6.10 例2的因素A 与B 的水平搭配表。

正交试验设计

正交试验设计

全面试验,其试验方案如表6-4所示。
图6-2
表6-4
正交设计就是从选优区全面试验点(水平组合)中挑选 出有代表性的部分试验点(水平组合)来进行试验。图6-2
L 中标有试验号的九个“(·)”,就是利用正交表9 (34 ) 从27个试
验点中挑选出来的9个试验点。即:
(1)A1B1C1 (5)A2B2C3 (9)A3B3C2 上述选择 ,保证了A因素的每个水平与B因素、C因素 (2)A2B1C2 (6)A3B2C1 (3)A3B1C3 (7)A1B3C3 (4)A1B2C2 (8)A2B3C1
极差分析法-R法
Rj 因素主次
2. 判断
优水平 优组合
6.3.2 方差分析法
极差分析法简单明了,通俗易懂,计算工作量少便于推 广普及。但这种方法不能将试验中由于试验条件改变引起 的数据波动同试验误差引起的数据波动区分开来,也就是 说,不能区分因素各水平间对应的试验结果的差异究竟是 由于因素水平不同引起的,还是由于试验误差引起的,无 法估计试验误差的大小。
6.2.2 正交试验方案:
试验目的与要求
试验指标 正交试验设计
的基本程序包括 试验方案设计及 试验结果分析两 部分。 表头设计 列试验方案 试验结果分析 因素、水平确定 选择合适正交表 选因素、定水平
(1) 明确试验目的,确定试验指标
试验设计前必须明确试验目的,即本次试验要解决 什么问题。试验目的确定后,对试验结果如何衡量,即 需要确定出试验指标。
L8 (27 )中(1, 1), (1, 2), (2, 1), (2, 2)各出现两次; 例如 L9 (34 )中 (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3),

(完整版)正交实验设计

(完整版)正交实验设计

正交实验设计当析因设计要求的实验次数太多时,一个非常自然的想法就是从析因设计的水平组合中,选择一部分有代表性水平组合进行试验。

因此就出现了分式析因设计(fractional factorial designs),但是对于试验设计知识较少的实际工作者来说,选择适当的分式析因设计还是比较困难的。

正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法,它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点,正交试验设计是分式析因设计的主要方法。

是一种高效率、快速、经济的实验设计方法。

日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格,称为正交表。

例如作一个三因素三水平的实验,按全面实验要求,须进行33=27种组合的实验,且尚未考虑每一组合的重复数。

若按L9(3)3正交表按排实验,只需作9次,按L18(3)7正交表进行18次实验,显然大大减少了工作量。

因而正交实验设计在很多领域的研究中已经得到广泛应用。

1.正交表正交表是一整套规则的设计表格,用。

L为正交表的代号,n为试验的次数,t为水平数,c为列数,也就是可能安排最多的因素个数。

例如L9(34),(表11),它表示需作9次实验,最多可观察4个因素,每个因素均为3水平。

一个正交表中也可以各列的水平数不相等,我们称它为混合型正交表,如L8(4×24) (表12),此表的5列中,有1列为4水平,4列为2水平。

根据正交表的数据结构看出,正交表是一个n行c列的表,其中第j列由数码1,2,… S j组成,这些数码均各出现N/S次,例如表11中,第二列的数码个数为3,S=3 ,即由1、2、3组成,各数码均出现次。

正交表具有以下两项性质:(1)每一列中,不同的数字出现的次数相等。

例如在两水平正交表中,任何一列都有数码“1”与“2”,且任何一列中它们出现的次数是相等的;如在三水平正交表中,任何一列都有“1”、“2”、“3”,且在任一列的出现数均相等。

数理统计:正交试验设计

数理统计:正交试验设计
试验号
1 1 1 1 2 2 列 2 1 2 3 1 2 3 1 2 3 2 3 号 4 1 2 3 3 1
4

7 8

2 2

2 2

1 1

1 2

2 1

2 1

1 2

7 8

3 3

1 2

3 1

2 3





2.正交表的特点
(1)表的各列地位平等,各列之间可以互换;
(2)表的各行地位平等,各行之间可以互换; (3)表中每列的不同数码的个数相同,水平记 号可以互换; (以上三种变换称为初等变换,经过变换所得的 表称为原表的同构表。) (4)表的任意两列的各水平所构成的有序数对 是一个带有相同重复数的完全数对。由此表明了表 的正交性。
计算结果如下表:
因 素 水平

180 210 246 60

210 225 201 70

195 237
K1 K2 K3 K1 K2 K3 R
204
65
70
82 22
75
67 8
79
68 14
先计算每个因素的各个水平的试验结果之和, 如因素A的第一水平(1,2,3号试验)的结果之和 为51+71+58=180,第三水平(7,8,9号试验) 为77+85+84=246,又如因素B的第二个水平 (2,5,8号试验)为71+69+85=225,因素C的 第三水平(3,5,7号试验)为58+69+77=204。 其次计算每个因素的各个水平的平均试验结果, 即将每水平下的结果之和除以该水平的重复试验 的次数,如因素A的第一水平的平均试验结果为 180/3=60, 等等。如果设定的指标越高越好的 话,则平均结果高的水平就是相对比较好的水平。 最后计算每个因素的极差R, R=最大的平均结果-最小的平均结果。

正交试验设计方法(详细步骤

正交试验设计方法(详细步骤

正交试验设计方法(详细步骤正交试验设计方法是一种经典的实验设计方法,可以高效地确定对多个因素影响的最佳组合。

它通过将因素分为若干水平,并使用正交设计表确定各个因素水平之间的配对,从而减少试验次数,提高试验效率。

下面将详细介绍正交试验设计方法的步骤。

1.确定试验目的和因素:首先需要明确试验的目的,即我们要研究的问题是什么。

然后确定影响结果的各个因素。

通常情况下,正交试验设计方法适用于多因素多水平的情况。

2.确定因素水平和个数:确定每个因素的水平,并确定每个因素的水平数。

水平数的选择应该充分考虑试验的复杂性和实际可行性。

一般来说,水平数应该是2的幂次方。

3.构建正交表:根据因素的水平数,选择对应的正交表。

正交表是一种数学表格,用于确定不同因素水平之间的配对。

目前,有很多不同类型的正交表可供选择,如拉丁方正交表、天堂树正交表等。

4.设计试验方案:根据正交表的设计原则,将每个因素的各个水平按照正交表进行配对,形成完整的试验方案。

每个配对称为一个处理组合,每组处理组合对应一个试验。

5.进行实验:按照设计的试验方案进行实验。

在进行实验时,需要尽量避免实验误差的干扰,采取适当的控制措施。

6.收集数据:进行实验后,需要及时收集数据。

数据采集要准确、全面,保证实验结果的可靠性。

7.数据分析:对收集到的数据进行统计分析。

可以使用方差分析方法进行分析,通过比较不同因素水平对结果的影响程度,确定最佳组合。

8.结果解释和应用:根据数据分析结果,解释各个因素对结果的影响程度,确定最佳组合。

根据结果进行决策,并将最佳组合应用于实际生产或研究中。

需要注意的是,正交试验设计方法虽然可以高效地确定最佳组合,但仍然具有一定的局限性。

试验结果的可靠性和适用性取决于试验设计的合理性和实施的严格性。

因此,在进行正交试验设计时,需要充分考虑实际情况,合理选择因素和水平,并严格控制试验过程,以确保结果的准确性和可靠性。

正交试验设计法简介

正交试验设计法简介

正交试验设计法简介一、概述正交试验设计法,又称为正交实验设计、正交表设计或正交测试设计,是一种高效、系统的试验设计方法。

该方法源于数学中的正交性概念,通过正交表来安排多因素试验,使得每个因素的每个水平都能在其他因素的所有水平中均衡出现,从而能够有效地分析多个因素对试验结果的影响。

正交试验设计法最初由日本统计学家田口玄一博士于20世纪50年代提出,并在工程领域得到了广泛应用。

正交试验设计法的主要优点包括试验次数少、数据分析简便、试验效果高等。

通过正交表的设计,可以大大减少试验次数,提高试验效率同时,正交表的规范化和系统性使得试验数据的分析变得简单明了,便于找出影响试验结果的主要因素和最优组合。

正交试验设计法广泛应用于工业、农业、医学、军事等领域。

在工业生产中,正交试验设计法可用于优化产品设计、改进生产工艺、提高产品质量等在农业研究中,可用于优化作物种植方案、提高作物产量等在医学研究中,可用于药物筛选、临床治疗方案优化等。

正交试验设计法还可用于系统可靠性分析、多目标决策等领域。

正交试验设计法是一种高效、实用的试验设计方法,对于多因素、多水平的试验问题具有重要的应用价值。

通过正交表的设计和分析,可以系统地研究多个因素对试验结果的影响,找出最优方案,提高试验效率和效果。

1. 正交试验设计法的定义正交试验设计法是一种研究多因素多水平的科学实验设计方法。

它基于Galois理论,从大量的实验点中挑选出适量的、有代表性的点进行试验,这些点具有“均匀分散,齐整可比”的特点。

这种方法的主要工具是正交表,通过合理安排实验,可以在最少的试验次数下达到与大量全面试验等效的结果。

正交试验设计法具有高效率、快速和经济的特点,被广泛应用于各个领域,如生物学、软件测试等。

2. 正交试验设计法的起源与发展正交试验设计法的起源可以追溯到古希腊时期。

当时,为了满足国王检阅臣民时的要求,即每个方队中每行有一个民族代表,每列也要有一个民族的代表,数学家们设计了一种方阵,被称为拉丁方。

正交试验设计 minitab

正交试验设计 minitab

F<1 表示该因子的影响力比试验 误差更小,不必理会,(严重无统计 意义)去掉这些因子,将它们造成的 微小差异归到试验误差中(软件会自 动处理),则可突显其它因子的影响。
去掉C1*C2,C6后再作方差分析。
** **
*
由 P 值知,因素A(C1)的影响力最大, B ( C2 )次之, 再次之是交互作用A*C ( C1*C4 )。按此顺序,再根据各 相关因子各水平的均值确定最优组合。
1、正交表中任意一列中,不同的数字出现的次数相等;
这是设计正交试验表的基本准则
正交试验设计的基本步骤
1. 确定目标、选定因素(包括交互作用)、确定水平; 2. 选用合适的正交表;
3. 按选定的正交表设计表头,确定试验方案;
4. 组织实施试验;
5. 试验结果分析。
例1 为了解决花菜留种问题,以进一步提高花菜种 子的产量和质量,科技人员考察了浇水、施肥、病害防 治和移入温室时间对花菜留种的影响,进行了四个因素 各两个水平的正交试验,各因素及其水平如下表:
C 4 1 2 1 2 1 2 1 2
AXC 5 1 2 1 2 2 1 2 1
6 1 2 2 1 1 2 2 1
D 7 1 2 2 1 2 1 1 2
产量 350 325 425 425 200 250 275 375
第四步 分析正交试验结果
方法1 直观分析(极差分析) (1)计算极差,确定因素的主次顺序 第j列的极差 或
N 由 dfT N 1 确定。
其中: dfT
i
df df
i i i, j i j
i j
df E ,
df df
i i, j
是可求出的,而 df E 是未知的,

正交试验设计(内容详尽)

正交试验设计(内容详尽)
医学研究
用于探索最佳的药物剂量、治疗方案等。
农业科学研究
用于研究不同肥料、农药、种植方式等对农 作物产量的影响。
化学工业
用于研究不同反应条件对化学反应的影响, 提高产物的收率和质量。
正交试验设计的原则
1 2
均衡分布原则
确保每个因素每个水平的试验条件都有机会出现, 避免结果的片面性。
整齐可比原则
保证试验结果的可比性,以便进行数理统计分析。
案例二:化学反应中的正交试验设计
在化学反应中,正交试验设计用于研究不同反应条件 对产物收率和纯度的影响。
例如,在合成某种药物中间体的过程中,通过正交试 验设计来探究温度、压力、催化剂种类和浓度对产物
收率和纯度的影响。
通过优化反应条件,可以提高产物的收率和纯度,降 低生产成本并提高生产效率。
案例三:生物医学研究中的正交试验设计
安排试验计划
总结词:计划性
详细描述:根据正交表,安排详细的 试验计划。这一步骤包括确定试验的 各个水平、组合方式以及试验的顺序 等。合理的试验计划有助于提高试验 的效率和准确性。
实验结果分析
总结词:分析性
VS
详细描述:在完成试验后,对试验结 果进行统计分析。这一步骤包括数据 的整理、处理、分析和解释等。通过 结果分析,可以得出关于试验因素对 试验结果影响的结论,并据此优化试 验方案或进行进一步的研究。
正交试验设计案例分
05

案例一:材料科学中的正交试验设计
材料科学中,正交试验设计常用于研究不同材 料成分和工艺参数对材料性能的影响。
例如,在钢铁冶炼过程中,通过正交试验设计 来探究不同温度、压力、时间和合金元素对钢 材强度、韧性和耐腐蚀性的影响。
通过对试验结果的分析,可以确定最佳的工艺 参数组合,从而提高产品质量和降低生产成本。

正交实验的设计方案

正交实验的设计方案

正交实验的设计方案正交实验是一种用于确定影响因素对实验结果影响的统计方法。

它可以帮助研究人员以少量实验设计来获取全面可靠的数据,从而进行合理的判断和决策。

正交实验的设计方案是一项关键工作,本文将讨论如何进行正交实验的设计方案,并提供一个实际案例。

一、正交实验的基本原理正交实验基于统计学的原理,通过一系列的实验来确定各个因素对结果的影响程度,并找出最优的组合方式。

正交实验中,要考虑的因素被称为水平或处理水平,这些水平可以是定性的(如颜色、形状等),也可以是定量的(如温度、压力等)。

关键是选择合适的水平组合,以获得准确、全面的数据。

二、正交实验的设计方法1. 确定因素和水平:首先确定需要考虑的因素及其对应的水平。

根据实际情况和研究目的,选择合适的因素和水平,保证实验结果的可靠性和可解释性。

2. 构建正交表:利用正交表是进行正交实验设计的核心步骤。

正交表将各个水平组合按照一定的规律排列,确保每个水平在实验中均匀分布,并减少误差的影响。

常用的正交表包括拉丁方、矩形方和正交平方等。

3. 进行实验:根据正交表的设计,进行实验。

确保实验过程的准确性和可重复性,记录实验数据。

4. 分析实验数据:通过统计学方法对实验数据进行分析,评估各个因素对结果的影响程度。

常用的分析方法包括方差分析、回归分析和卡方检验等。

5. 优化方案选择:根据实验结果,确定最优的因素组合和水平选择。

同时,可以进一步优化实验方案,提高研究效果和实验效率。

三、实际案例以某电子产品的设计为例,我们需要确定屏幕亮度、音量大小和屏幕分辨率对用户体验的影响程度。

我们选择了三个水平来表示这三个因素,分别是:低、中、高。

通过正交实验的设计方案,我们利用正交表构建了以下实验方案:因素1:屏幕亮度(低、中、高)因素2:音量大小(低、中、高)因素3:屏幕分辨率(低、中、高)在表中,每一行代表一个实验条件,我们总共需要进行9次实验。

实验数据如下:实验结果屏幕亮度音量大小屏幕分辨率实验1 低低低实验2 低中中实验3 低高高实验4 中低中实验5 中中高实验6 中高低实验7 高低高实验8 高中低实验9 高高中通过对实验数据的统计分析,我们可以得出每个因素对用户体验的影响程度。

正交试验

正交试验

1.正交试验设计法(简称正交法)是统计数学的重要分支。

它是以概率论数理统计、专业技术知识和实践经验为基础,充分利用标准化的正交表来安排试验方案,并对试验结果进行计算分析,最终达到减少试验次数,缩短试验周期,迅速找到优化方案的一种科学计算方法。

2..特点--选取有代表性的试验点参与试验,这些试验点均衡分散、整齐可比。

因此,有可能从众多的处理组合中选出最优的处理组合。

3.优点--是一种多、快、好、省的设计方法。

通常比全面试验节省人力、物力1/2至3/4以上。

4.缺点-- 通常用数学的方法选出的最优处理组合没有出现在参试的处理组合中,给现场示范造成一定的困难,故要进一步做一个参试最优处理组合和用数学的方法选出的最优处理组合作对比试验,作现场示范。

5.正交试验设计应用领域非常广泛,其实可以把它看成是析因设计,因为析因设计是因素水平数的完全组合,而正交设计则利用已经设计好的正交表来做部分组合试验。

6.根据你所需要分析的结果(如除分析各因素的作用外,还要分析哪些因素间的交互作用,根据这些作用再选择正交表),然后用方差分析的办法来得到结论。

7.析因设计的结果可以得到最优组合,而正交设计只能说得到较优组合。

另外,正交设计的关键在于正交表的表头设计(应根据每个表的交互作用表来安排,不同的人就同一个表的表头设计是可以不同的)。

同时还可根据需要来看看是否要重复试验等等。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

第12章 正交试验设计前面介绍了单因素与双因素试验的方差分析,但是在实际问题中遇到的因素往往超过两个,需要考察各个因素对试验结果是否有显著影响。

从理论上讲可以导出多因素的方差分析法,但是一来公式会变得很复杂,二来总试验次数也要明显增多。

例如,考虑7个因素的试验,每个因素有6个水平,若在每一种组合水平上都做一次试验,需要做27993667次试验,这是根本不可能的! 为了减少试验次数,希望在所有组合水平中挑选一部分出来,在这些组合水平上做试验,即局部地进行试验。

正交试验设计是利用一套现成的规格化的表—正交表,科学地安排试验和分析试验结果的一种数理统计方法,该方法的主要优点是能在很多试验条件中选出代表性强的少数试验方案,同时通过对这少数试验方案的结果进行分析,从中找出最优方案。

正交表1944年起源于美国。

第二次世界大战后在日本开发了使用正交表进行试验设计的技术体系,并在日本全国进行大力普及推广、应用,取得了显著的经济效益。

实践证明,正交设计是促进生产率提高的一种有效手段,目前已经广泛应用于科学研究、产品设计、工艺改革等技术领域以及经营、计划等管理领域。

§12.1 正交试验设计一、正交表正交表记为)(mn r L ,表示至多安排m 个因素,每个因素有r 种水平,共作n 次试验的正交表。

下面就是两个常用的正交表)3(49L ,)2(78L 。

)3(49L )2(78L其中符号含义如下: L —正交表符号;n —试验次数(正交表的行数); r —水平数;m —因素个数(正交表的列数)。

从上面两个正交表容易看出它们具有如下性质:(1)表中任何一列所含不同的数字出现的次数相同。

如表)3(49L 每一列有三个不同的数字“1”、“2”、“3”,它们各出现3次。

(2)将表中任意两列同一行的两个数字看成有序数对,每种数对出现的次数相同。

如表)3(49L 的有序数对为(1,1),(1,2),(1,3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)共9个,它们各出现一次。

以上性质说明正交表中各因素的水平搭配均衡,并可大大减少试验次数。

二、无交互作用的正交设计及其结果的直观分析 1、如何用正交表安排试验 下面用一个实例来说明。

例1 某化工厂进行合成氨试验,需要设计寻找最优生产条件的试验方案。

我们分如下几个步骤设计试验方案,以便寻找最优工艺条件。

第一步:明确试验的目的,确定试验指标。

本试验的目的是寻找合成氨的最优生产条件,试验指标是氨的产量,高者为优。

第二步:挑因素,选水平。

选择正交表时,首先要求正交表中的水平数r 与每个因素水平数一致,其次要求正交表中因素个数m 大于或等于实际因素个数,然后适当选用试验次数n 较小的正交表。

本例是一个三水平试验,因此要从)3(mn L 型中选择正交表。

若不考虑交互作用,本例共有三个因素,所以应选一张3 m 的最小的表,因此选用)3(49L 是合适的。

将A ,B ,C 随机地放到)3(49L 的表头各列中,叫做表头设计。

第四步:列出试验方案表,按其做试验。

确定表中各列水平号码的具体内容。

如对因素A 列的数字“1”、“2”、“3”分别填上460,490,520;类似地确定因素B ,C 列中水平号码的具体内容,就得到如下表所示的试验方案。

正交表的每一行就代表一个试验方案。

严格按照表中所规定的9个试验条件做试验,并把试验结果921,,,y y y 的数据填写在表中的最后一列。

2、单指标试验的直观分析试验指标只有一个的试验叫做单指标试验。

直观分析法也叫做极差分析法。

下面以例1说明它的步骤如下:(1)计算第j 列上第i 个水平的试验结果总和ij K 。

34.580.182.172.132111=++=++=y y y K 73.598.183.192.165421=++=++=y y y K 00.581.160.159.198731=++=++=y y y K 类似地可以计算出36.5,30.5,23.5141312===K K K 39.5,55.5,25.5242322===K K K 32.5,22.5,59.5343332===K K K (2)计算ij K 的平均值ij ij K tK 1=,其中t 为第j 列上第i 个水平出现的次数。

780.1334.5311111===K K 910.1337.5312121===K K 667.1300.5313131===K K 类似地可以计算出787.1,767.1,743.1141312===K K K 797.1,850.1,750.1242322===K K K773.1,740.1,863.1343332===K K K (3)计算第j 列的极差}{min }{max ij iij ij K K R -=。

243.0667.1910.1}{min }{max 111=-=-=i ii iK K R类似地可以计算出024.0,110.0,120.0432===R R R 。

(4)选择最优生产条件。

极差的意义是:j R 越大,说明该因素的水平变化对试验指标的影响越大,即该因素越重要;反之,j R 越小,该因素越不重要。

由此可以根据j R 的大小顺序排出因素的主次。

例如在例1中,由于321R R R >>,因此A ,B ,C 的主次顺序为C B A →→。

因为312111,,K K K 之间的差别仅仅是由321,,A A A 引起的,而与B ,C 取什么水平无关,因此一般地可以通过比较12111,,,r K K K 的大小来确定A 的最佳水平。

在例1中,由于910.121=K 最大,说明A 取2A 水平最好。

类似地,可以确定B 的最佳水平为3B ,C 的最佳水平为2C ,由此得最优配方为232C B A 。

但是在上述9个试验方案中,并没有232C B A 。

这说明,用正交表安排试验不仅可以从表上看到9次试验中的最好配方132C B A ,而且还可以推断出全面试验中的最优配方条件是232C B A 。

关于空白列,也需要分析它的极差,若它的极差很小,则可以认为因素之间的交互作用很小,可以忽略不计。

否则若它的极差比所有因素的极差都大,则说明因素之间可能存在有不可忽略的交互作用,或是忽略了对试验结果有重要影响的其它因素。

3、多指标试验的直观分析试验指标多于一个的试验称为多指标试验。

在多指标试验设计中,各指标的最优方案之间可能存在一定的矛盾,如何兼顾各个指标,找出使每个指标都尽可能好的生产方案呢?也就是说,应如何分析多指标试验的结果呢?下面介绍两种常用方法。

(1)综合评分法综合评分法是由专业人员根据实际生产的要求,对每号试验评出其各项指标的综合得分,作为这号试验的总指标,从而把多项试验指标转化为单项试验指标,再应用单项指标试验的直观分析法进行分析。

下面以例2说明它的步骤。

例2 某工厂5吨冷风炼铁炉在现有的设备条件和原料供应的情况下,探索好的生产条件,以达到在铁水温度平均为1400℃以上且熔化速度为每小时5吨左右的前提下,尽量减少焦炭的消耗,提高总焦铁比的目的。

为此确定铁水温度、熔化速度、总焦铁比为试验指标,并这是一个4因素3水平试验,选正交表)3(49L ,并将因素A ,B ,C ,D 分别放到1,2,3,4列上即可得试验方案,把方案和试验结果列于下表。

化速度为每小时5吨左右的前提下,尽量减少焦炭的消耗,提高总焦铁比,因此可以规定一个评分办法:铁水温度i T 以1400℃为标准,每高1℃就加1分,每低1℃就扣1分;熔化速度i V 以每小时5吨为标准,每多0.1吨或少0.1吨都扣1分,总焦铁比i F 以1:12为标准,每高0.1就加1分,每低0.1就扣1分;最后对各号试验结果把三者合并起来就是该号试验综合评分的分数i M 。

第i 号试验的综合评分可以写成)9,,2,1(),12(10510)1400( =-⨯+-⨯--=i F V T M i i i i 按上式计算出的综合评分见上表中最后一列。

再用类似于例1的单指标试验的直观分析法进行分析,分别计算出 44,37,32,1514131211====K K K K 52,46,29,3624232221====K K K K 26,39,60,7134333231====K K K K67.14,33.12,67.10,514131211====K K K K33.17,33.15,67.9,1224232221====K K K K 67.8,13,20,67.2334333231====K K K K26,9,31,564321====R R R R由此可以看出四个因素的主次顺序是C D B A →→→。

直接从表上看出9个试验方案中的好条件是1233D C B A ,即第9号试验。

而由表中数据经计算的好条件是2233D C B A ,该结果不在这9个试验中。

(2)综合平衡法综合平衡法就是先分别对各个指标进行与单指标一样的计算分析,然后把各个指标的分析结果进行综合平衡,得出结论。

下面仍以例2说明它的步骤。

从表中可以看出:①4个因素的主次顺序为 平均铁水温度:ABCD 平均熔化速度:ADBC 总焦铁比:DBAC②各指标的最优试验条件为对铁水温度:1133D C B A (数值大者为优)对熔化速度:1222D C B A (数值小者为优) 对焦铁比:2233D C B A (数值大者为优)三个指标分析出的条件互不一致,因此需要视因素的主次关系进行综合平衡。

因素A 对铁水温度和熔化速度是首要因素,对总焦铁比是次要因素。

因此,在确定A 的最佳水平时,应重点考虑对铁水温度和熔化速度为最优的水平。

故因素A 取最佳水平为3A ;同理,因素B 取最佳水平为3B ;因素C 在三个指标中都不占主要地位,综合考虑C 取2C 较好些;因素D 在主次因素中排在末位,从上表可以看出,因素D 对焦铁比影响最大,取2D 最好,但对另两个指标取1D 为好,综合以上分析可以得出两个最优生产条件2233D C B A 与1233D C B A ,其中2233D C B A 与综合评分得出的结论一致,而1233D C B A 是正交设计表中的第9号试验条件,该试验条件不仅是综合平衡法得到的最好方案,也是综合评分法得到的最好方案。

三、有交互作用的正交设计及其结果的直观分析为了能够用正交表安排具有交互作用的正交试验,在许多正交表的后面都附有相应的交互作用表专供表头设计时使用。

下表就是正交表)2(78L 所对应的交互作用表。

上表中所有的数字都是列号。

正交表中任何两列的交互作用列都可以从交互作用表中查到。

只要在交互作用表中找到这两列的列号,这两个列号所在行、列的交叉点上的数字就是交互作用列的列号。

相关文档
最新文档