实验设计DOE全套资料最新PPT课件.ppt

创建单纯形质心试验设计计划：空气过滤剂由 活性炭、碳酸钙和碱性液三种成分组成，创建 试验计划，探索三种成分的最佳组合。 方法二：单纯形格点法 格点是维数（因子数）和格度度（要批合的方程的阶数）两个参数 确定的，格点集记为（ p,d ） , 示意图： （ 3 ， 2 ）未增强 示意图 （ 3 ， 3 ）中心点增 强示意图 （ 3 ， 3 ）轴向和中 心点增强示意图 创建单纯形 格点试验设 计计划：同 上例 方法三 : 极端顶点设计法： 如果在混料设计问题中，各分量要受到 上下界的限制，或各分量间有些约束条 件要满足，可采用极端顶点设计法。各 限制平面的交点称为极端顶点。 创建极端顶点设计计划：同上例。限制 条件有两个，一个是各分量的比例上下 限，另外为活性炭和碳酸钙比例之和的 限定提案件。 部分因子试验案例： 经分析，团队认为影响变压器耗电量的 4 个因子分别为： A 绕线速度：低水平 2 ，高水平 3 B 矽钢厚度：低水平 0.2 ，高水平 0.3 C 漆包厚度：低水平 0.6 ，高水平 0.8 D 密封剂量：低水平 25 ，高水平 35 安排 12 次试验，确定显著影响因素并确定最优值。已知情况：绕线速度与 密封剂量毫无关系，因而可认为两者间无交互作用。 试验安排如下：采用 2 4-1 ﹢ 4 部分因子试验。 对 4 因子来讲， 8 次试验可以实现分辨度为Ⅳ的计划。选择生成元为 D=ABC ， 同时可知 AB=CD 、 AC=BD 、 AD=BC 、有三对 2 阶因子效应会混杂。 输出的试验计划表及试验后的数据如下： 第一步：拟合选定模型 从 ANOVA 表可看出，模型总效应是显著的（主效应项 P 值 0.004 ， 2 因子交互作用项 P 值 0.008 ）；数据无弯曲（ P 值 0.809 ）。回归效果的质量也较好： R-Sq=99.037, R-Sq=96.46. 从单个因子效应的检验可以看出：主效应中，因子 A 效应不显著（ P 值 0.679 ）， 因子 B 、 C 、 D 效应显著（ P 值分别为 0.002 、 0.005 、 0.021 ）。 分析交互效应时需特别注意，某些 2 阶交互效应显著时，不能仅从表面上的结果 来决定取舍。要仔细分析混杂结构，查看在结构表中，此显著项是与哪些 2 阶交 互作用效果相混杂，再根据背景材料予以判断。本例中分析显示 A 与 D 的交互效应 显著（ P 值 0.002 ）但由于 AD=BC ，所以该效应是由 AD 与 BC 共同得到的，案例背景 说明， AD 不可能有效互效应，因此应该是 BC 的交互效应。如果该项交互效应不显 著，则可判定二者都没有显著作用。 第二步：进行残差诊断 第三步：判断模型是否需要改进： 删除不显著的 A 、 AB 、 AC 项，重新 进行模型拟合及分析。 新第一步：拟合选定模型 新第二步：残差诊断 全模型 删减模型 R-Sq 99.03% 98.91% R － Sq(adj) 96.46% 98% S 6.19139 4.64579 第四步：对选定模型进行分析解释 检查是否有异常点，输出 “标准代残差”及“删后残差”；未发现绝对值起过 2 的 异常现象 输出各因子的主效应及交互效应图，从效应图中可看出，因子 B 、 C 、 D 及 BC 确定是 显著的 输出等值线图及响应曲面图 实现最优化：从图中可知，当因子 B 取最小值 0.2 ，因子 C 取最小值 0.6 ，因子 D 取 最大值 35 时最好，耗电量可降至 206.75 第五步：判断目标是否已经达到。 筛选试验设计：当因子较多（两水平）、试验费用比较昂贵，而且不必考虑任 何交互作用的情况下，可以考虑采用试验次数更少的筛选试验设计方案，用于 从试验初期大量的可能因素中筛选出关键的少数因素。 当试验次数为 4 的整数倍时，即可保证试验方案的正交性。因此，筛选试验设 计就是对试验次数为 4 的整数倍时（非 2 的整数幂 , 否则就与部分因子试验一致） 给出的设计方案，最有用的是试验次数为 12 （可以安排最多 11 个因子）， 20 ， 24 的试验方案。只是其分辨度只能达到Ⅲ级。 8 因子安排 12 次试验，如何生成筛选试验设计方案？ 案例分析 第五部分 中心复合试验设计 我们在用 2 水平因子试验数据拟合一个线性回归方程时（方程中可包含因子的交 叉乘积项），如果发现有弯曲的趋势，则希望拟合一个含二次的回归方程，其一 般模型为： Y=b 0 +b 1x1 +b 2x2 +b 11x 2 1 +b 22x 2 2 +b 12x1x2 + ε 模型中增加了各自变量的平方项，若要估计这些项的回归系数，需要增补一些试 验点（相当于增加了一个水平，用于评价因素间的非线性关系 ）。中心复合设 计（