试验数据处理1响应面.pptVIP

Your site here LOGO 4 Conclusion＆Comparision SAS和Design-Expert所处理的数据结果有些许差异，可能源于试验数据小数点位数关系。 SAS 功能强大，可以用于除响应面以外其它数据分析。而且实验结果输出时可以按照自己的需要来选择，查看结果方便，方程，最优值可在同一页面。 Design-Expert使用简单，但功能较单一，是专门用于响应面设计的软件。在试验设计时，可做到随机排列，减少误差；在结果分析时最优值和回归方程的结果未在一起；但是结果的后面有英文版的解释。解决初学者不懂得如何分析结果的困难。 Design-Expert可以通过逐步回归的方法直接得到最合理最优的回归方程，而SAS Your site here LOGO Your site here LOGO 2.2 SAS 编程法做响应面数据处理 打开SAS软件 编写程序，输入数据 运行结果 结果分析：得出二次回归方程 Your site here LOGO 建立一个数据库 定义变量，并按顺序输入相应的数据 响应面程序语言，并建立模型 运行程序 结果一：编码信息 结果二：二次回归的方差分析 结果三：参数估计 结果四：响应曲面的最佳组合 当x1=86.946152,x2=176.529233时，Y取得最大值为80.212393 Your site here LOGO 3 Design-Expert 打开Design-Expert软件 新建Design 选择响应面设计→选用模型（Central Composite） 选择因素个数，输入因素水平所对应的原始数据 选择响应值并输入试验数据 结果分析：得出二次回归方程及图形 Your site here LOGO 点击File选择New Design 因子设计 响应面设计 混料设计 选择中心组合回归 修改变量名，水平数对应的原始数据 蓝色区域放大 Continue 改为Y 因变量命名，按Continue继续 输入试验数据，即对应的Y值 随机的哦 点进Y统计分析 选择二次多项式回归方程 第一种方法：选择手动回归方法 不显著 回归方程方差分析表 对比之前用SAS软件做出来的方程，系数少有差别，但基本一致 有瑕疵但模型显著有效的回归方程 选择二次多项式回归方程 第二种方法：选择逐步回归方法 由回归方程方差分析表知：AB不显著项被自动剔除了，由图知：模型项极显著，各个单项差异极显著，失拟项不显著，回归方程有效 响应面的图形见图1-图3 图1 X2的值可以自己选择 图2 图3 （点击工具栏View→3D Surface) 求最大值点 Numberical 选择maximize 当x1=86.81,x2=176.29时Y取得最大值为80.1861 图 Your site here LOGO 4 Conclusion＆Comparision SAS非编程法得出的回归方程及最优值 SAS编程法得出的回归方程及最优值 当x1=86.946,x2=176.529时，Y取得最大值为80.21244 当x1=86.946152,x2=176.529233时，Y取得最大值为80.212393 Your site here LOGO 4 Conclusion＆Comparision Design-Expert手动回归法得出的回归方程和最优值 Design-Expert逐步回归法得出的回归方程和最优值 当x1=86.81,x2=176.29时Y取得最大值为80.1861 选用可信度比较高的方程和优化结果 LOGO LOGO LOGO LOGO LOGO LOGO LOGO LOGO 响应面设计与实验数据处理 Your site here LOGO Contents 1. 响应面的概念 3. Design-Expert（7.0.0）响应面设计及数据处理 4. Conclusion＆Comparision 2. SAS（9.2）响应面设计及数据处理 Your site here LOGO 响应面即回归的正交试验设计，可以在因素的试验范围内选择适当的试验点，用较少的试验建立一个精度高，统计性质好的回归方程，并能解决试验优化问题 WHAT 正交试验设计所得到的优方案只能限制在已定的水平上，而不是一定试验范围内的最优方案；回归分析可以对结果进行预测和优化，但只能被动的处理和分析。两者的优势结合起来，有合理的试验设计和较少的试验次数，建立有效的数学模型。 WHY 1.1响应面的概念及必要性 Your site here LOGO 1.2响应面设计模型种类 中心组合设计（Central Composite，包括通用旋转组合设计、二次组合设计等） BOX设计（Box-Behnken设计）