第六章-均匀试验设计[文字可编辑].pptVIP

第 5 步 : 确定实验条件（可进行回归分析进一步优化） 原料配比 3.4 ，吡啶总量 28 ，反应时间 3.5 。 试验区域，为 原料配比 :1.0---3.4 吡啶总量 :10----28 反应时间 :0.5---3.5 这些条件就是试验寻求的更佳工艺参数 例 7.3-2 : 啤酒工艺试验 在啤酒生产的某项试验中，选定 2 个因素， 都取 9 个水平，进行均匀试验。 因素水平如下表所示。试验指标为吸氨量（ g ），越大越好。 表 啤酒生产因素水平表 因素 水平 1 2 3 4 5 6 7 8 9 X 1 ( 底水） /g 136.5 1 37.0 1 37.5 1 38.0 1 38.5 1 39.0 1 39.5 1 40.0 1 40.5 X 2 （吸氨时间） 170 180 190 200 210 220 230 240 250 /min 试验方案设计 。显然，选 U 9 (9 6 ) 表比较合适，由 U 9 (9 6 ) 的使用表可知：因素 z 1 ,z 3 应安排在 1 ， 3 列， 试验方案及试验结果见下表： 表 啤酒生产试验方案及结果 试验号 1 2 3 4 5 6 7 8 9 x 1 1 1 2 3 4 5 6 7 8 9 136.5 137.0 137.5 138.0 138.5 139.0 139.5 140.0 104.5 4 8 3 7 2 6 1 5 9 x 2 3 200 240 190 230 180 220 170 210 250 试验指标 y/g 5.8 6.3 4.9 5.4 4.0 4.5 3.0 3.6 4.1 试验结果分析 直观分析法：从试验数据表可见，第 2 号试验的 指标值 6.3 为最大，第 2 号试验对应的条件即为较 优的工艺条件，即底水为 137.0 （ g ），吸氨时间 为 240 （ min ）。 这个方法看起来粗糙，但大量实践证明，它是 十分有效的方法。 由于试验点充分均匀分布，试验 点中的最优工艺条件，离在试验范围内通过全面试 验寻找的最优工艺条件不会很远。 回归分析法：用 MINITAB 进行回归分析，得到 y = 96.6 - 0.697 x1 + 0.0218 x2 Predictor Coef SE Coef T P Constant 96.571 1.058 91.24 0.000 x1 -0.696970 0.007678 -90.78 0.000 x2 0.0218182 0.0003839 56.83 0.000 S = 0.02959 R-Sq = 99.9% R-Sq(adj) = 99.9% 最佳结果预测与验证 从回归方程可以看出，指标值随因素 X1 的增加而 减少，随因素 X2 的增加而增加，当 X1 取最小值 136.5 ， X2 取 最 大 值 250 时 ， 得 到 最 佳 预 测 值 Y=6.9 。 安排两次重复试验进行验证。 并在最佳参数附近进行下一步的试验设计。 试验设计的共性问题 试验设计过程必然离不开试验基础内容的 构思（包括试验的评价指标；试验的因素、 水平的选择和试验次数的拟定等）、试验 结果数据分析等共性方面的问题。 试验的因素和水平的选择关系到一个试验 能否成功的关键 ，下列的注意事项和建议 对使用试验设计（当然也包括均匀设计） 的人员应该是有益的： （ 1 ） 因素的含义：在一个试验过程中， 影响试验指标的因素通常是很多的，通常 固定的试验因素在试验方案中并不称为因 素，只有变化的因素才称为因素； （ 2 ） 关于因素数量：在一项试验中，因 素不宜选得太多 ( 如超过 10 个 ) ，那样可能 会造成主次不分；相反地，因素也不宜选 得太少（如只选定一、二个因素），这样 可能会遗漏重要的因素，或遗漏因素间的 交互作用，使试验的结果达不到预期的目 的； （ 3 ） 关于各因素的水平范围：试验