第十章正交试验设计学习课件.ppt

下一张 主 页 退 出 上一张 *试验结果以对照为100计。 试验号 A B A×B C 空列 B×C 空列 试验结果 1 1 1 1 1 1 1 1 55 2 1 1 1 2 2 2 2 38 3 1 2 2 1 1 2 2 97 4 1 2 2 2 2 1 1 89 5 2 1 2 1 2 1 2 122 6 2 1 2 2 1 2 1 124 7 2 2 1 1 2 2 1 79 8 2 2 1 2 1 1 2 61 K1 279 339 233 353 337 327 347 K2 386 326 432 312 328 338 318 k1 69.75 84.75 58.25 88.25 84.25 81.75 86.75 k2 96.50 81.50 108.00 78.00 82.00 84.50 79.50 极差R 26.75 3.25 49.75 10.25 2.25 2.75 7.25 主次顺序 A×BACBB×C 优水平 A2 B1 C1 优组合 A2B1C1 表10-17 极差分析结果 因素主次顺序为A×BACBB×C，表明A×B交互作用、 A因素影响最大，因素C影响次之，因素B影响最小。优组合为A2B1C1。 二元表 B1 B2 A1 46.5 93 A2 123 70 精选 例：p348 要生产每种食品添加剂，根据试验发现影响添加剂得率的因素有4个，每个因素设置2水平。因素水平表见表10-18。试验中可考虑交互作用A×B、A×C、B×C。 水平 试验因素 温度A /℃ 时间B /h 配比C （两种原料） 真空度C /kPa 1 75 2 2:01 53.32 2 90 3 3:01 66.65 表10-18 某种食品添加剂得率试验因素水平表 正交表的选择： 自由度：dfT ≥因素+交互作用+空列＝4*（2-1）+3*1+1＝7+1＝8 那么正交表的行数a≥ dfT +1＝9 无空列时a ≥8，选L8（27）即可。 精选 列：c≥因素所占列+交互作用所占列+误差列（空列） 因素列：各因素各占一列，共计4列（4个因素） 交互作用列：因试验因素为2水平因素，其1级交互作用分占1列，共计3列（3组交互作用）。 误差列：0或1列 c≥4+3+0＝7，因素水平为2，列为7的最小正交表即L8(27)。可以看出尚无空列估计试验误差，应做重复试验或忽略某些交互作用。 精选 试验号 A B A×B C A×C B×C D 试验结果 1 1 1 1 1 1 1 1 86 2 1 1 1 2 2 2 2 95 3 1 2 2 1 1 2 2 91 4 1 2 2 2 2 1 1 94 5 2 1 2 1 2 1 2 91 6 2 1 2 2 1 2 1 96 7 2 2 1 1 2 2 1 83 8 2 2 1 2 1 1 2 88 K1 366 368 352 351 361 359 359 K2 358 356 372 373 363 365 365 k1 91.5 92.0 88.0 87.8 90.3 89.8 89.8 k2 89.5 89.0 93.0 93.3 90.8 91.3 91.3 极差R 2.0 3.0 5.0 5.5 0.5 1.5 1.5 主次顺序 CA×BBAB×C、DA×C 优水平 A2 B1 C2 D1或D2 优组合 A2B1C2D1或D2 表10-19 食品添加剂得率试验结果极差分析 因素主次顺序为CA×BBAB×C、D A×C ，表明C影响最大，A×B交互作用影响其次，为重要考察因素；A×C、B×C、D等影响小，为次要因素， A×C、B×C交互作用是由误差引起的，可以忽略。 表10-16 二元表 A1 A2 B1 90.5 93.5 B2 92.5 85.5 结论：优组合为A2B1C2D1或A2B1C2D2 精选 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。此外，各因素对试验结果的影响大小无法给以精确的数量估计，不能提出一个标准来判断所考察因素作用是否显著。为了弥补极差分析的缺陷，可采用方差分析。 下一张 主 页 退 出 上一张 3.2 正交试验结果的方差分析 精选 3.2.1 正交试验结果的方差分析 方差分析基本思想是将数据的总变异分解成因素引起的变异和误差引起的变异两部分，构造F统计量，作F检验，即可判