正交试验设计和数据处理办法.pptVIP

4.7.1.2 L8（27）表上的数据结构 安排4个2水平因素A、B、C、D。 （1）不考虑交互作用 数据结构式见表4-51所示。 （2）考虑交互作用 A、B、C、D分别在1、2、3、7列，两交互作用列应在3、5、6列，以A×B为例，其余情况类似。见表4-51所示。 4.7.1.3 L9（34）表上的数据结构 先列出正交表L9（34），如表4-52所示。 (1)不考虑交互作用 假设安排3个因素A、B、C，分别安排在第1、2、3列，数据结构式见表4-52所示。 表4-51 L8(27)正交表及数据结构式 a1+a2=0， b1+b2=0， c1+c2=0， d1+d2=0。 表4-52 L9(34)正交表及数据结构式 (2) 考虑交互作用 因素A、B，L9（34）正交表的任意两列间的交互作用为另外两列，将A、B安排在1、2列，则A×B占3、4两列。数据结构式见表4-52。 4.7.2 正交设计中的效应计算 由下式： xt= mt+ et ，t = 1，2，3，….，n. et 是随机误差，我们要对 mt 作出估计，即求出 mt 的估计值 ，使得满足： 由L4（23）正交表上的数据结构式，得残差平方和为： 得出 记为： 由于a1+ a2 = 0， b1+ b2 = 0， (ab)11+ (ab)21 = 0， (ab)12+ (ab)22 = 0 为了使S达到最小,采用最小二乘法，求 mt 的估计值 ，就是求 m，ai ，bj ，(ab)ij 的估计值 。 所以： 记为： 由于 b1+ b2 = 0， (ab)11+ (ab)12 = 0 A因素第一水平指标平均值。 同 理 对应水平的指标平均值。 所以： 记为： 同 理 对应因素水平搭配的指标平均值。 A1B1水平搭配的指标平均值。 对应因素水平搭配的指标平均值。 采用相同的方法，其它的正交表有一般的效应计算公式： 各因素水平的指标平均值。 4.7.3 最优方案下指标值（理论值）的预估计 在正交设计中，无论是用一般计算还是用效应计算分析法，都能确定最优方案。如果正交表中正好有这个最优方案，则在这个方案下的指标值已通过试验得出。如果正交表中没有这个最优方案，可以按这个方案再试验一次得出最优指标值。若不通过试验，由理论分析能否对最优方案的指标值作出合理的估计呢？ 例4.17 求例4.12中各因素及交互作用效应的估计值. 解: 参看表4-53。 各效应值的计算与分析见表4-53所示。 回答是肯定的： 对指标值既能作出点估计又能作出区间估计。 下面以一个实例，并且利用微软公司的Excel电子表格软件，对正交试验设计与数据处理的直观分析法（包括直观分析图）、方差分析法、效应分析法三种方法，进行一个综合性的计算分析说明，学会用计算机来进行数据处理与分析。 例4.18 某农药厂生产某种农药，指标是农药的收率，显然是越大越好。据经验知，影响农药收率的因素有4个，每个因素都是两水平的，具体参数见表4-54a所示。考虑A、B的交互作用。选用正交表L8（27）安排试验，按试验号依次进行试验。得出试验结果分别为（%）：86、95、91、94、91、96、83、88。试进行直观、方差及效应分析。 解: 1) 打开电子表格 2）选用L8（27）正交表，从第A列第2行的单元格A2开始输入L8（27）正交表，将sheet1重命名为L8（27）正交表。 3）直观分析（包括直观分析图的制作过程）的计算过程 4）方差分析的计算过程 5）效应分析的计算过程 此时效应的数学模型为： 最优方案下指标值的点估计计算如下： 在进行最优方案下指标值的点估计时，应只考虑显著性因素的效应，不显著因素的效应值应忽略不计并入误差项。 最优方案下的指标值的点估计式为： 忽略不显著因素A、B、D的效应值 下面对工程平均值 进行区间估计。 对于正交设计： 将因素A、B、D的离差平方和并入误差项得： 合并后的误差自由度为： 合并后的误差均方为： 所以 因为指标值是百分数，所以上限值不会超过100。 正交试验总结 1、解决多因素、多水平试验是确有成效的。 2、用正交表进行试验设计，各因素各水平搭配是均衡的，试验次数不多，但有较强的代表性。用直观分析法、方差分析法和效应分析法都能分析出各因素对试验结果影响的大