试验设计试验设计通过有目得地改变一个过程(或活动)得输入变量(因子),以观察输出变量(响应变量)得相应变化。试验设计就是识别关键输入因子得最有效方法。试验设计就是帮助我们了解输入因子与响应变量关系得最有效途径。试验设计就是建立响应变量与输入因子之间得数学关系模型得方法。试验设计就是确定优化输出并减少成本得输入设定值得途径。试验设计就是设定公差得科学方法。响应变量:所关注得可测量得输出结果,如良率、强度等。因子:可控得变量,通过有意义得变动,可确定其对响应变量得影响,温度、时间等。水平:因子得取值或设定。处理:某次实验得整套因子。重复:指在不重新组合实验设定得情况下,连续进行实验并收集数据。复制:意谓每个数据值在重新设定测试组合之后收集。随机化:适当安排实验次序,使每个实施被选出得机会都相等。实验设计步骤陈述问题(通过实验设计解决得问题就是什么)设立目标确定输出变量识别输入因子(可控因子/噪声因子)选定每个因子得水平选择实验设计得类型计划并为实施实验做准备实施实验并记录数据分析数据并得出结论10、必要时进行确认实验。可控(控制)因子就是我们在工序得正常操作时能设定维持在期望水平得因子。噪音因子就是在正常得操作期间变化得因子,而且我们不能够控制它们:或者我们宁愿不控制它们,因为这么做会很昂贵。全因子实验:组合所有因子与每个所有水平得实验一个因子得主效果定义为一个因子在多水平下得变化导致输出变量得平均变化。参考下表,其中两个因子,浓度与催化剂。输出变量就是良率。主效果图能够判定出因子对输出变量影响得大小。主效果图得斜率越大反应出因子对输出变量得影响越大,但不能说明该因子就是对输出变量得显著因子。点击统计—因子—创建因子设计,在因子数自选框内选上因子数得到下图:瞧这些点离线得远近,点越显著,则效应越明显红色线就是参考线,如果柱子就是超过了参考红线,则说明效应显著残差得标准偏差(在DOE里面叫做流程得随机偏差),由于没有复制,没有办法估计流程得随机偏差,所以这里没有随机偏差由于没有做复制,因此P值与F为缺省值,其分析结果不可靠。回归方程得系数主效应、交互作用效应值,可以瞧出交互作用得效应比较大点设置,进入到下图:需要填写响应变量,并选择可相关得因子催化剂主效应图斜率比较大,说明催化剂对结果得影响比较大交互作用图内,两条线相交说明催化剂与浓度这两个因子有交互作用。从立方体图中可以瞧出,催化剂低水平、浓度高水平时,效果最好。二水平因子实验重复与复制与随机化在角点得仿行数内输入重复次数。重复一次,其实验次数增加了一倍,每个水平做二次实验选择可能相关得因子可瞧残差分析图,残差就是否正态,就是否随着拟合值变化而变化,残差就是否随着时间得变化而变化,残差就是否随着变量得变化而变化、复一次,其实验次数增加了一倍,每个水平做二次实验复一次,其实验次数增加了一倍,每个水平做二次实验根据系数(此处得系数就是效应得二倍,原因就是该试验就是编码时得结果)可以写出方程:Y=36、75-5、75*Cat+0、75*Con-8、75*Cat*Con调整R-SQ值大于0、7,关系强烈、每个水平做二次实验后,系数标准误,T值与P值都可以瞧到,P值小于0、05得项因子显著。方程中:Y=36、75-5、75*Cat+0、75*Con-8、75*Cat*Con得变量就是代码(+、-)得取值,因此效应就是系数得两倍。在做具体得预测时,需要将最体值按照水平得关系进行切换。全因子实验生成过程,标准顺序因子实验得分析步骤:分析影响显著项(柏拉图、概率图、P值)筛选不重要项重新分析(注意去除主因子时确保没有对应交互作用项显著)可以去高阶项,例如:三因子交互项,四因子交互项等。影响大小效果图形化可以瞧瞧主因子效应图,交互作用效应图等。R-SQ(adj)分析,模型拟合程度分析瞧调整后得R-SQ值残差分析(4个条件)写出方程利用方方程进行分析或进一步优化。在确定残差与X变量时,此处得X变量必须就是连续型数据关于中心点时,与上述得内容会有不同,具体如下:中心点对应得P值小于0、05,说明模型弯曲就是显著得。因此,分析出来得其它因子对应得P值大小没有意义。中心点得作用主要就是检验模型弯曲就是否显著,另外可以评估流程中得随机偏差,中心点一般复制4-6次。弯曲项对应得P值小于0、05,说明模型弯曲就是显著得、需要用响应曲面法对实验进行分析。可以通过主效应图来瞧中心点与两水平线得距离就是否明显。如果明显,则可以采用曲面响应进行分析,如果P值大于0、05,则可以根据各因子得P