第三章正交试验的设计 《试验的设计与建模》课件.pptVIP

折算系数表: 主————次 B C A 方差分析表 剔除不显著的因子，再重新作方差分析 估计的精度 : 主效应等估计的精度: 拟合与残差: 最优水平组合的估计 试验点分布的几何解释 3.2.3 ANOVA: Sum of Squares 表3.4. 溢出容量试验的方差分析表 剔除一个最不显著的因子 A 表3.5.剔除A 后溢出容量试验的方差分析表 结论：因素B，C都显著。与直观分析法的结论一致 由于因素A是定性数据，因此需要引进两个伪变量： 3.2.4 试验结果的回归分析 ? = ?0 + ?11 z1 + ?12 z2 + ?2 B + ?3 C, 则一次拟合模型为： 一次模型 ? = ? 132.667+ 10.333 z1+ 16.333 z2 + 1.117 B + 0.200C, 系数的 t 检验，p值都大于 0.05 二次中心化模型 ? =?0 + ?11 z1 + ?12 z2 + ?2 (B-120) + ?3 (C-15) +?11 (B-120)2 + ?22 (B-120)(C-15) +?33 (C-15)2, 用逐步回归可得 ? = 50.111 - 4.947 (B ? 120)2 +0.171(C ? 15)2, （R2 = 0.939）, 3.3 有交互作用的正交设计 例3.2 某化工厂生产一种化工产品，影响采收率的4个主要因子如下。 催化剂种类(A): 1, 2 反应时间(B): 1.5h, 2.5h 反应温度(C): 80oC, 90oC 加碱量 (D): 5%, 7%. 根据经验，认为可能存在交互作用A×B 和A×C。现希望通过正交试验设计，找出好的因子水平搭配，以提高采收率。 L8(27) L18(27)的交互作用列 3.3.1 正交表设计 如果上述四个主效应和六个交互效应都重要,则L8(27)之设计产生混杂。若已知 A x B, A x C, 可能显著，其余交互效应可忽略,则有: 重要 次要 D A AxC C B AxB 3.3.2 直观分析 3.3.3 方差分析 A?B，B 不显著，纳入随机误差重新计算其余因子的 P 值 D，A，A × C 的 p 值小于0.01，显著 C 有些也认为显著 最佳的水平组合为 由表 3.11可取 A2B2C1D1 ，正好是第7 号试验 判断最佳水平组合 从表3.11 中它们的二个水平的平均响应值(m1 和m2) 可知，D 因子应取D1 水平 本节小结 : 1.试验目的 2.决定因素、水平 3.选正交表 4.数据分析: (a) 直观分析 (b) 方差分析 (c) 回归建模 补充：多目标试验 例. 在一个橡胶试验中考虑如下四个因素，及水平 ： 表: 橡胶试验 – 结果和分析 其中有 3 个响应. 结果希望灵活性和运动时间越长越好，而耐久性越短越好. 表: 橡胶试验 – 结果和分析 表: 对三个响应排序，计算秩和（从小到大） 表: 四因素的秩和 A1B1D1M3 ~ 与前面的结果一致. 表: 四因素的秩和另一种算法（分区间） 表: 秩和 A1B1D1M3 ~ 与前面的结果一致. 3.4 水平数不等的试验设计 例3.3. 某钢厂生产一种合金，为降低合金的硬度需要进行退火热处理，希望通过试验寻找合理的退火工艺参数，以降低硬度。现考察如下因子与水平： 表3.15. 合金硬度试验的方案、结果和分析 从图形得到最佳水平：A2B2C1 图3.2. 硬度指标与三因子的关系图 第三章 正交试验设计 3.1 正交表 定义 正交表 是一个 的矩阵, 其中 个列有 个水平 ，并满足 a) 各列元素的重复数相同 b) 任两列诸元素组合的重复数相同 若水平数都相同, 则记为 Ln(qm). 正交表中字符含义 正交表 试验总数 因子的水平数 q1 水平因子的列数 水平数不同的数目 正交表 L9(34) 正交表 L8(27) 列正交性 : 常用的正交表如下: 二水平正交表: 三水平正交表: 四水平正交表: 五水平正交表: 混合正交表: 等价和同构 两个正交表称为等价的，如果对其中一张表进行适当的行置换和列置换可以得到另一张表 两个正交表称为同构的，如果对其中一张表进行适当的行置换、列置换及水平置换可以得到另一张表