试验设计的效率探讨.pptVIP

20三月2024试验设计的效率探讨

内容提要前言一般效率的含义及定义关于试验设计效率及其评估关于试验设计效率的一些基本原理及存在问题对一些试验设计效率问题的若干补充结语

前言效率是试验设计的一个追求，但实际上它是一个抽象和模糊的概念。例如：同一个试验问题常可以用几种试验设计方法，但往往难以说清楚哪种试验设计方法好或效率高。即使对于相同的数学模型和准则，也常难以说清楚因素水平个数、试验点个数和重复次数究竟多少为最佳？那么，又怎能很好地来追求试验设计的效率呢？

在某个数学模型或某种准则下最优的试验设计方法有时在实际应用中的效率往往不是很高，有的甚至会出现效率低下或难以接受的尴尬情形。

例如：若系统优化问题采用（例如D-）回归最优设计方法，先建立二次建模，再对模型求最优化，则试验次数会不必要地多。均匀设计的试验点数与各因素的水平个数都相等，这使得主效应之间互相相关或混杂；且当因素增多时，主效应之间的相关或混杂就会增大。

各种试验设计方法都是在追求某种效率！如何来解释上面提到的各种现象？到底什么是试验设计的效率？怎样来追求试验设计的效率？说明： 这些问题很大很难很重要，不指望能完全回答清楚，而是希望搞清楚较确定的部分，探索不确定部分的一些规律。本文主要是提供一些基本观点和看法，出发点是为了更好地解决实际试验问题。

效率的含义及定义效率＝产出／投入 投入除了成本之外，还包括投入方式及过程。效益＝产出－投入效率与效益的关系效益＝投入×（效率－1）效率最大时，效益才达到最大。效率低时，就会产生投入的浪费。投入的好坏看效率，投入追求效率。追求效率，才能不断进步，取得更大效益。

效率（和效益）的分布与可靠性投入是可控的，产出是随机的。因此，效率也是随机的，具有概率分布。对效率高低的描述，除了概率分布，还可以给予一个置信下限的可靠性度量值。效率的概率分布虽然是唯一的，但所描述的情况有很多，即置信下限和置信度的可靠性度量有很多。 这是为什么效率这个概念有些抽象和模糊的一个主要原因。

整体效率与局部效率整体投入过程是由一系列局部投入过程所组成。所以，效率有整体效率和局部效率之分。整体效率达到最大的必要条件是所有的局部效率都达到最大。局部效率（的度量）应该与整体效率相配合，共同达到最大。否则就会产生如前言中所说的矛盾现象。局部效率多数可能很难度量。

几种相对效率的度量或定义：相对效率＝实际效率／最大效率相对效率＝实际效益／最大效益若投入给定，则

相对效率＝实际产出／最大产出若产出或效益给定，则

相对效率＝最少投入／实际投入等等。 各种定义各有自己的含义和应用场合。

效率或效益的值只能在事后获得，事前估计或预测很难。 但是，事前提高效率或效益应该是有办法和规律可寻的。

效率是试验设计的一个追求，也是试验设计好坏的主要标志。一般所追求的试验设计效率，是指用尽可能少的试验次数和批数等投入，来获得满足试验目的的最佳试验结果。但这种理解还不够全面。要研究试验设计的效率，就需要搞清楚什么是试验设计的投入和产出。按照试验进行的过程，影响试验设计效率的内容主要包括十个方面：关于试验设计的效率及其评估

对试验问题的调研；试验目的的确定和问题的提法；响应值的选取；试验因素的选取；试验区域或因素变化范围的确定；进行试验的因素水平的选取；试验处理方案或试验点的设计；试验的实施；试验结果的分析和推断；对推断结果的试验验证。

对试验设计过程的几点看法：越靠前的过程及其因素就越显得重要。各个过程对试验设计效率的影响一般不是简单的可加关系，而经常是非线性和有交互作用的关系。整个过程存在着很多定性问题和人为影响等不确定性因素的作用。整个过程是属于探索性的，允许多次循环和分批试验，不断改进，最终达到目的。尽管很复杂，但其效率问题也是可以讨论和研究，或可以进行改进和优化。

对试验问题的调研和确认（前期工作）试验目的的确定和问题的提法；响应值的选取；试验因素的选取；试验区域或因素变化范围的确定。试验处理方案的设计和实施（中期工作）

（包括对进行试验的因素水平的选取）试验结果的分析、推断和验证（后期工作）为了简化对投入和产出的评估，这十个方面又可以分为三大方面：

试验设计整体效率最大化的思路： 试验设计是由一系列过程及其循环和分批试验所组成，其好坏或整体效率就取决于这一系列过程及其循环和分批试验的好坏或局部效率，因此需要对这一系列过程及其循环和分批试验的局部效率进行评估，建立起这些局部效率对整体效率之间理想的递增影响关系。通过对这些局部效率实施最大化，则就有可能实现试验设计整体效率的最大化。 对循环和分批试验的局部效率进行评估！？

关于试验设计的投入成本：传统试验设计的不足：投入成本通常是用试验的次数和批数来衡量，调研和试验结果分析等成本被忽略或不计。试验次数分为不同