正交试验设计课件(内容详尽）

nullnullnull本章学习内容null7.1 试验设计概述 7.1.1 试验与试验设计■ 试验 所谓试验，一般指用于发现新的现象、新的事物、新的规律，以肯定或否定先前的调查研究结论、发现新规律而进行的有 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 活动。 试验的实质：是一种用以测定过程或系统某些特定性能的有目的的测试。 null■ 试验设计（DOE，Design of Experiment） 试验设计是数理统计学领域的一个分支。它是以概率论、数理统计、线性代数等为理论基础，科学地设计试验 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 ，正确合理地分析试验结果，以较少的试验工作量和较低的成本获取足够、可靠的有用信息。试验设计的主要研究内容： ◆ 哪个因素对特性值影响较大？如何影响？ ◆ 如何设置各因素的水平，使特性值接近预期的期望值？ ◆ 如何设置各因素的水平，使特性值的方差（波动）最小？ ◆ 如何设置可控因素的水平，使非可控因素的影响最小？ ……null7.1.2 试验设计的发展历史 试验设计的基本思想和方法是英国统计学家、 工程 路基工程安全技术交底工程项目施工成本控制工程量增项单年度零星工程技术标正投影法基本原理 师费歇尔（R.A.Fisher，1890~1962）于20世纪20年代创立的，他是试验设计的奠基人并对其后的发展做出了卓越的贡献。 试验设计与分析的发展大致可划分为三个历史阶段。 null● 早期、传统试验设计阶段（约1920s~1950s） 费歇尔在农场进行田间试验的过程中，对高产小麦品种遗传进行研究。为减少偶然因素对试验的影响，他对各种试验因素的每一水平组合进行了试验，并通过方差分析评价指标的优劣（用于排除偶然因素的影响），使小麦大幅度增产。 ◆ 1925年，费歇尔在《研究工作中的统计方法》一书中首次提出了“实验设计”的概念； ◆ 1935年，费歇尔出版了著名的《试验设计法》一书； ◆ 40年代前后，英、美、苏等国家将试验设计逐渐应用于工业生产领域及军工生产领域； ◆ 劳尼于40年代提出的多因素试验的部分实施方法后来成为现代试验设计理论的基础。null● 中期发展阶段（约1950s~1970s，以正交试验设计、回归试验设计为代表） ◆ 40年代末、50年代初，以田口玄一（Genichi Taguchi）为代表的日本电讯研究所（EOL）的研究人员在研究电话通讯设备质量时从英、美引进了试验设计技术，提出了“正交试验设计法”； 该所的产品——线形弹簧继电器，有几十个特性值和两千多个试验因素，经7年研制成功，其性能比美国的同一产品更优。虽然其成本仅几美元，研究费用却用了几百万美元，创造的经济效益高达几十亿美元！同时挤垮了美国的企业。 null◆ 50年代初，创立了“回归试验设计法”； ◆ 1957年，田口玄一又提出了“信噪比（S/N）试验设计”； 二战后日本经济迅速发展的原因之一就是在工业领域普遍推广和应用正交试验设计和产品三次设计，因此在日本把正交试验设计技术称为“国宝”。 ◆ 1959年，G.E.博克斯和J.S.亨特尔提出了调优操作（EVOP），也称为调优试验设计法； ◆ 70年代中期，田口玄一提出了“产品三次设计”。null● 现代试验设计阶段（1970s~） ◆ 自70年代开始，S/N试验设计及产品三次设计开始了实质性的应用； ◆ 80年代，我国学者方开泰（南开大学）创立了“均匀试验设计”；◆ 80年代开始，田口提出走质量工程学的道路，编著了《质量工程学》丛书，将质量管理、质量控制与试验设计结合起来，使试验设计发展到了一个新的水平。null试验设计发展的三个里程碑： ◆ 费歇尔创立了早期、传统的试验设计理论、方法； ◆ 正交表的开发及正交实验设计的应用； ◆ 信噪比试验设计和产品三次设计的应用。我国试验设计的发展情况： ◆ 50年代开始研究； ◆ 60年代提出观点； ◆ 70年代开始实质应用； ◆ 80年代提出均匀试验设计理论。null 正交试验设计（Orthogonal Design）是于二十世纪50年代初期，由日本质量管理专家田口玄一（Tachugi）博士提出的在多因素试验设计方法的基础上，进一步研究开发出来的一种试验设计技术。 正交试验设计法使用一种规范化的表格（正交表）进行试验设计，可以用较少的试验次数，取得较为准确、可靠的优选结论。正交试验设计主要可以完成：◆ 确定出各因素对试验指标的影响规律，得知哪些因素的影响是主要的、哪些因素的影响是次要的、哪些因素之间存在相互影响； ◆ 选出各因素的一个水平组合来确定最佳生产条件。 正交试验设计的基础是正交表。 null人、机器、实验条件等资源的组合。■ 过程或系统 输入可理解为试验开始时过程或系统的初始状态、特征。在一些可控因素和一些不可控因素的影响下，产生一定的输出（响应），该输出（响应）就是试验结果。 7.1.3 基本概念null例：在弹簧生产中，为提高弹性、防止弹簧断裂，要进行回火工艺试验。试验中选取回火温度（A）、保温时间（B）、工件重量（C）三个试验因素，每个因素取1、2、3三个水平进行试验，希望通过试验确定出最佳的生产条件（工艺条件）。null■ 几个术语 ⑴ 特性值 事物与现象的各种性质、状态称为事物的特性，表征特性的数值称为特性值。 前例中，弹簧弹性可用弹性模量E来表征，E的数值就是弹簧弹性的一种特性值。 试验过程中所选取的特性值应具有单调性、可测性，应该能够正确反映试验的目的。 特性值可以从不同角度进行分类。 null● 按特性值的性质分 ★ 计量特性值：连续变化的特性值（如重量、成本、寿命等）。 ★ 计数特性值：离散变化的特性值（如废品件数、疵点数等）。 ★ 0、1数据：只有两种取值的特性值（如合格与否、电路的通与断等）。 ● 按特性值的变化趋势分 ★ 望目特性值：存在固定目标值的特性值（如尺寸、稳定电压等）。 ★ 望小特性值：希望其值越小越好的特性值（如尺寸误差、粗糙度、磨损等）。 ★ 望大特性值：希望其值越大越好的特性值（如强度、寿命等）。 ● 按特性值的状态分 ★ 静态特性值：不随时间变化的特性值。 ★ 动态特性值：随时间变化的特性值（如汽车转弯时的转弯半径、自动调节量等）。 null ⑵ 试验指标（简称指标） 根据试验目的所选定的、用来考察试验结果的特性值。 ● 按指标的性质分 ★ 数值指标：用数值表示特性值的指标（如重量、强度、精度、寿命、成本等）。 ★ 非数值指标：不能用数值表示特性值的指标（如光泽、颜色、味道、手感等）。 ● 按试验指标的数量分 ★ 单指标：试验指标只有一个。 ★ 多指标：试验指标只有多个。注意： ◆ 每个指标唯一表示一种特性，某一试验过程中不能用多个指标重复表示同一种特性。 ◆ 试验指标应尽可能采用计量特性值。null ⑶ 试验因素（简称因素） 对试验结果（特性值）可能有影响的原因或要素。 ★ 可控因素：人可以控制、调节的因素（如加热温度、切削速度等）。 ★ 不可控因素：人不可控制、调节的因素（如机床的随机振动、试验中的随机误差等）。注意：试验设计中主要考虑可控因素，不可控因素的影响通过数据处理来处理。 其他： ★ 标示因素★ 区组因素★ 信号因素★ 误差因素null ⑷ 因素的水平 试验中因素变化的状态和条件称为因素的水平或位数，简称水平。水平用数字（1，2，3…）表示。 试验中设计过程中水平的选取原则是： ◆ 宜选用三水平，以有利于实验结果的分析； ◆ 水平通常取等间隔，特殊情况下取对数间隔； ◆ 水平应该具体。水平应该是可控的，其变化对试验指标有影响。null7.1.4 试验设计的作用 通过合理、科学的试验设计，可以显著提高产品的设计、开发质量，找出最佳的工艺条件，从而提高产品最终的质量。 田口认为，设计质量（包括产品设计和工艺设计）对整个产品质量的贡献约为60%~70%。null7.1.5 试验的主要步骤（阶段） ● 试验设计阶段——选题、设计试验方案、准备试验材料及设备、安排试验环境等； ● 试验实施阶段——按计划进行试验（包括试验操作、收集试验数据等）； ● 试验分析阶段——核查试验数据、进行统计分析、解释试验结果、获取试验结论等。null7.1.6 试验设计的基本原则（费歇尔三原则） ● 重复原则——利用重复观测减小试验误差，提高试验精度； ● 随机化原则——目的是为了消除或减小人为因素引起的系统误差的影响； ● 局部控制原则——该原则也称为区组控制原则，指的是把比较的水平设置在差异较小的区组内，其目的也是为了消除或减小试验中系统误差的影响。例如，按机器设备、班次、原料批号、操作人员划分区组。 null7.1.7 试验设计方法的种类 ● 按试验中试验因素的多少分 ★ 单因素试验 ★ 多因素试验 ● 按所要控制的误差因素的多少分 ★ 单方向控制 ★ 两方向控制 ★ 多方向控制具体的试验设计方法主要有：单因素试验——黄金分割法（0.618法）、分数法、平行线法、交替法、调优法等。 多因素试验——正交试验设计、信噪比（S/N）试验设计、产品三次设计、回归试验设计、完全随机化试验设计、随机区组试验设计、拉丁方试验设计、正交拉丁方试验设计、均匀试验设计等。null7.2 试验设计的统计学基础 7.2.1 常用统计量■ 极差 极差指的是一组数据中的最大值与最小值之差，也称为变异幅。 极差反映了一组数据的最大离散程度。null■ 和与平均值 null 偏差有以下两种表示方法： 由于期望值通常是未知的，因此试验中常使用后者，前者只用于理论分析中。■ 偏差（离差） null■ 偏差平方和与自由度 自由度指的是关系式中独立数据的个数，通常用 f 表示。null■ 方差与均方差 方差也称为平均偏差平方和，表示单位自由度所对应的偏差大小，通常用 V 表示： null7.2.2 样本及其分布■ 总体、个体与样本 总体（population）：被研究对象的全体。 个体（individual）：组成总体的每个单元。个体有限的总体称为有限总体；个体无限的总体称为无限总体。 例如： ◆ 研究灯泡的寿命（总体），则每只灯泡的寿命就是总体（灯泡寿命）中的一个个体。 ◆ 研究晶体管的直流放大倍数（总体），则每只晶体管的直流放大倍数就是总体中的一个个体。 任何总体中的个体都是按一定的规律分布的，因此可将总体视为随机变量，用大写字母X、Y、Z等表示（确切地说，是总体中的个体的分布）。 null样本（sample）：用一定方法从总体中抽取的一组个体称为总体的一个样本。样本也是随机变量。 ※ 与样本有关的几个术语： ● 抽样（采样，取样）：从总体抽取样本的过程。 ● 随机样本：个体是随机抽取的样本（无特指均认为是随机样本）。 ● 样本容量：样本中所包含的个体数目。容量≤30的样本称为小样本，>30的样本称为大样本。● 样本观测值：一次抽样所得到样本的观测结果，如（ ）。● 样本空间：样本观测值的所有可能取值的范围。 ● 简单样本：若样本中的个体的分布规律与相应总体中的个体的分布规律相同，则称这样的样本为简单样本。一般地，按随机化原则进行试验所得到的样本均可视为简单样本。 null注意： ◆ 由于试验要受到各种条件的限制，通常无法对总体进行研究，而是对某个或某些样本的性质进行研究，通过样本来推断总体的特征。 ◆ 总体是随机变量，总体的样本也是随机变量。 ◆ 科学实验中的抽样一般要求是完全独立、随机的，且应使每组样本的观测值之间互不影响，以最大限度使样本具有与总体相同的分布规律。null■ 样本的分布函数与样本的统计量 ● 样本分布函数 null● 样本统计量 样本的k阶原点矩样本的k阶中心矩样本的均值样本的方差null null数理统计中关于统计量的定义是： nullnull● 样本统计量 样本的k阶原点矩样本的k阶中心矩样本的均值样本的方差null■ 连续型随机变量的分布及数字特征 ● 正态分布 设连续型随机变量X的概率密度函数为 正态分布的概率分布函数为 nullnullnullnull7.3 正交与正交表 7.3.1 正交的概念 由于在构造正交表的过程中使用了上述原理，因此将相应的试验设计法称为正交试验设计。 null7.3.2 正交表■ 完全有序元素对（完全对） null例：由数字(1,2,3,4)和 (1,2,3)构成的完全有序数字对为： 若在一个矩阵的任意两列中，由两列中的对应元素所构成的数字对是完全对且每对出现的次数相等，则称这两列是均衡搭配，否则就是不均衡搭配。例如： null第I列 第II列 第III列 第I列与第II列中的对应元素构成8个数字对： 它们是由元素(1,2)和元素(1,2)构成的完全数字对，每对各出现两次，因此称这两列为均衡搭配。 而第I列与第III列、第II列与第III列，由于每对出现的次数不相同，因此均为不均衡搭配。 null■ 正交表的定义与格式 L4(23)正交表nullL8(4×24)正交表null 正交表用符号 表示，其中 例如：nullnull◆ 任意列中各水平重复出现的次数相等。 第 j 列中各水平重复出现的次数：◆ 任意两列所构成的水平对是完全有序数字对，各水平对重复出现的次数相等（均衡搭配）。 第 i 列与第 j 列所构成的水平对重复出现的次数： 7.3.3 正交表的性质null 根据正交表的上述两个性质，可得到正交表的三种初等变换： ◆ 列间置换：正交表中任意两列可以相互交换； ◆ 行间置换：正交表中任意两行可以相互交换； ◆ 水平置换：正交表中任意一列中的水平数字可以相互交换（例如“3”←→“4”）。 （经过上述初等变换后的表仍为正交表，称变换后的正交表为原正交表的等价表）说明： 若用关于零对称的数字表示不同水平（例如二水平用-1、1表示；三水平用-1、0、1表示；四水平用-2、-1、1、2表示），则任意两列元素的内积为零（正交表由此得名）。 null 用正交表设计出来的试验方案之所以合理，是因为具有如下两个重要的特征： ● 均衡搭配——正交性 可以用较少的试验次数替代全部可能试验组合中好的、中等的、不好的搭配组合，使选出的较少的搭配组合具有均衡的代表性。 ● 综合可比——数据分析的依据 可把复杂的多因素试验数据处理问题转化成单因素试验数据处理。 通过试验数据的适当组合，可发现各组试验数据以及各因素影响之间的某种可比性。null◆ 水平数相同的正交表（m水平正交表） ★ 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 型正交表（最常用）：水平数为素数或素数整数幂的正交表。例如： ★ 非标准型正交表：标准型之外的水平数相同的正交表。 ◆ 水平数不同的正交表 此类正交表中，某两列（或多列）之间的水平数不等。例如： 7.3.4 正交表的种类null7.4 正交试验设计的极差分析（直观分析） 直观分析是通过简单地计算各因素水平对试验结果的影响，并用图表形式将这些影响表示出来，再通过极差分析（找出最大值、最小值），最终确定出优化的水平搭 配方 学校职工宿舍分配方案某公司股权分配方案中药治疗痤疮学校教师宿舍分配方案医生绩效二次分配方案 案（生产方案），或找出因素对试验结果的影响程度。 根据所考查的试验指标的多少，正交试验设计可分为单指标正交试验设计和多指标正交试验设计两种。本节仅讨论单指标正交试验设计的直观分析。null7.4.1 示例例：某工厂一零件的镗孔工序质量不稳定，经常出现内径偏差较大的质量问题。为了提高本工序的加工质量，拟通过正交试验确定影响内径偏差的各因素的主次顺序，以探求较好的工艺条件来改进工艺操作规程。 7.4.2 试验方案设计 设计试验方案时，首先要明确试验要解决的问题（内径偏差过大），即明确试验指标——内径偏差（越小越好）；然后明确影响试验指标的主要因素，选取适当的因素水平。null■ 明确试验指标和影响因素，制定因素水平表 影响因素：试验指标：内径偏差 根据以往的生产经验和正交试验设计的特点，每个因素各选取三个水平进行试验，如下：null■ 选择正交表，设计表头 根据因素及水平的多少，选择四因素、三水平的正交表 L9(34)，如下：■ 根据正交表确定试验方案 按正交表L9(34)的内容及所设计的表头，将试验方案填入正交表中。 nullnull7.4.3 按设计的试验方案进行试验 严格按试验方案进行试验，将孔径偏差的试验结果填入表格中。 null7.4.4 试验结果的计算与分析 试验结果的计算与分析主要解决以下三个问题（试验的目的）：◆ 分清各因素对试验指标影响的主次顺序； ◆ 找出（确定出）优化生产方案，即确定出采用什么样的因素水平组合才能使试验指标达到最优； ◆ 分析试验因素对试验指标的影响趋势；为进一步试验指明方向。 null■ 直接分析 null 由试验数据可以直接看出，在#8号试验（A3B2C1D3）的工艺条件下，镗出来的孔孔径偏差最小（0.05mm）。■ 计算分析 通过对原始试验数据的简单计算，确定各因素水平的影响程度，最终找出最佳生产条件。 但这种条件是否就是因素水平的最佳搭配呢？在9种方案之外还有没有更好的水平搭配呢？这需要通过进一步的计算、分析得到最佳的生产条件。 nullT = 2.465null 根据正交表的综合可比性，由上述计算及趋势图可分析得出以下结论： null◆ 刀具数量以4把刀（A3）时为最好（还可进一步对刀具更多的情况进行试验）； ◆ 切削速度以38r/min（B2）时为最好； ◆ 走刀量为0.7mm/r（C2）时为最好； ◆ 刀具类型以II型刀（D3）为最好。最佳水平组合：A3B2C2D3 为使孔径偏差最小：null■ 分析主次因素● 按极差计算结果确定主次因素（极差越大，影响越主要）（主） B→D→A→C （次）null● 观察趋势图确定主次因素（点子升、降的幅度越大，影响越主要）（主） B→D→A→C （次）null■ 直接分析结果与计算分析结果的比较直接分析的结果：A3B2C1D3计算分析的结果：A3B2C2D3 ◆ 直接分析的结果反映的是正交表中9次试验中的最优水平搭配，但不一定是所有可能的水平搭配（34=81种）中最优的。 ◆ 为了展望或寻求更好的搭配，可使用计算分析，通过对趋势的观察，可以找出比直接分析结果更好的水平搭配。 null 计算分析的结果有时也可能不如直接分析合理，其主要原因可能是： ◆ 试验误差过大； ◆ 存在其它影响因素而未加以考虑； ◆ 因素水平选取不当。null7.4.5 多指标正交试验设计 实际工作中存在着大量的多指标工业试验。在这类试验的设计中，设计与分析较单指标要复杂，各指标之间可能会出现一些矛盾，如何兼顾这些指标呢？ 多指标试验设计常用的方法主要有两种： ◆ 综合平衡法 ◆ 综合评分法 例：油泵柱塞组合件收口强度稳定性试验■ 综合平衡法nullnull● 明确试验目的，确定试验指标 ● 确定试验因素，选择因素水平 null● 选择正交表，设计表头 本试验属四因素、三水平试验，故选用正交表L9(34)，表头见后。 ● 根据正交表设计试验方案，进行试验，收集试验数据● 对各指标的试验数据分别进行计算（同单指标），并进行直接分析和计算分析 nullnull拉 脱 力 F’nullnull◆ 画出趋势图，按极差大小排出主次因素。 （主） B→D→C→A （次）null（主） B→D→C→A （次）null（主） B→C→D→A （次）null结果：（主） B→D→C→A （次）null◆ 初选最优生产条件。 A3B2C1D3nullA1B1C1D3nullA1B1C1D2null◆ 综合平衡，选取最优生产条件。 因素C： 因素B： 因素D： 因素A： 对三个指标来说均是C1最好，故选C1； 对三个指标来说B均为主要因素（极差最大），一般情况下倾向于选B1，但因F是该部件的主要参数，故实际选用B2； 对转角来说，D是较次要因素，故D2将改选为D3，综合平衡后选D3； 对三个指标来说A皆为次要因素，按多数倾向选取A1。 null综上所述，试验后确定出如下的优化生产条件： A1 B2 C1 D3null■ 综合评分法 对多指标一一进行测试后，按照具体情况确定评分标准，对这些指标进行综合评分，将多指标问题转化为单指标问题，进而得到多指标试验的结论。综合评分方法主要有： ● 排队综合评分法 ● 加权综合评分法 ● 公式综合评分法null7.4.6 水平数不同的正交试验设计（混合型正交试验设计） 某些试验，由于受设备、原材料等试验及生产条件的限制，某些因素的水平的选择只能取某些特定的值，造成各因素水平的不同。此外，有时为重点考察试验中的某个因素，通常要对该因素多取几个水平。因此，在试验设计中经常遇到水平数不同的多因素试验设计问题。 对于水平数不同的试验设计，主要使用以下两种方法。 ■ 使用混合型正交表 例：某钢厂生产的某种牌号的钛合金，在冷加工工艺中需进行一次退火热处理，以降低硬度，便于校直、冷拉。要求根据冷加工变形量，在该合金的技术要求的范围内，硬度越低越好。 null试验指标：合金的洛氏硬度（HRC） 试验目的：寻找降低硬度的退火工艺参数 试验因素及水平：见下表。 本试验有一个四水平因素和两个二水平因素，故选用正交表L8(41×24)。null试验方案及试验结果的计算分析: null两点注意： ◆ 因素A的水平重复数为2，而因素B、C的水平重复数为4。 ⑵ 极差的计算 nullr ——水平的重复次数； d ——折算系数。 本例中，对应于因素A、B、C修正后的极差分别为：nullnull结论： ◆ 各因素对试验指标的影响次序是： （主） B→C→A （次）null■ 使用拟水平法 若在混合型正交表中找不到合适的，或能找到但试验次数较多，此时可使用拟水平法，即为水平数较少的因素虚拟出若干水平，使之能安排在水平数相等的正交表中进行试验设计。 nullnull因素D的K1为水平1和水平3的6个试验数据之和最优生产条件： A3B2C2D2因素影响的主次顺序: （主）A→C→B→D（次） null7.4.7 关于因素的交互作用 在许多试验中，不仅因素对试验指标单独产生影响，某些因素之间还会联合搭配起来对试验指标产生影响。因素对试验指标的总影响等于各因素单独对试验指标的影响与因素搭配对试验指标的影响之和。 因素之间的联合搭配作用称为对试验指标的交互作用。 null 有交互作用时的正交试验设计应注意： ◆ 交互作用作为单独的一列来处理，但不是一个因素，是两因素的联合搭配。 ◆ 要尽量避免交互作用与因素作用的混杂。 ◆ 交互作用只用于试验结果分析，此时把交互作用作为一个因素来对待。 ◆ 有时因素的作用不明显，但因素与其他因素的交互作用对试验指标的影响却非常大（此时应特别注意优化水平的确定，否则将对试验指标产生重大的影响）。null7.5 正交试验设计的方差分析 正交试验设计的直观分析的优点是简单易行、直观易懂，但极差分析不能把试验过程中的试验条件的改变（因素水平的改变）所引起的数据波动与试验误差所引起的数据波动区分开来，也无法对因素影响的重要程度（显著性）给出精确的定量估计。为弥补直观分析的不足，可使用方差分析。 null■ 方差分析的指导思想 利用试验数据总偏差的可分解性，将各个因素偏差与试验误差分解开来，计算比较它们的平均偏差平方和，以确定各因素对试验结果的影响程度和相对大小，从而找出对试验结果起决定性影响的因素。此外，利用方差分析还可检验各因素对试验结果的影响的显著性。 ■ 方差分析的种类 null7.5.1 单因素试验的方差分析 在某项试验中，若只有一个因素的水平在改变，其它因素的水平保持固定不变，则称这样的试验为单因素试验。 单因素试验的方差分析仅研究分析一种试验条件对试验结果有无显著影响。在多因素试验中，若已知某一因素的影响最主要、需进一步细致地研究其深入的情况时，或研究其他因素的最大影响时，可以使用单因素方差分析。 单因素方差分析要求在同一水平下进行多次重复试验（通常重复数在3~6之间）。 null■ 示例 某产品要考察反应温度对收率的影响，为此通过试验对两个反应温度水平A1=30℃、A2=40℃下的收率进行分析比较（该试验即为单因素试验，试验因素为反应温度A，试验指标为收率）。null◆ 不能根据某次试验的结果（如第1号试验，89>75）判断水平的好坏。 ◆ 即使是平均值也仍然含有误差，也不能根据80.0>71.4就说比好。 原因：试验结果中既受水平变化的影响，也受试验误差的影响。 一般情况下，某次试验结果可表示成： 试验结果 = 总平均 + 水平效应 + 试验误差 null试验误差：因试验材料、设备、人员、环境等随机因素的影响而使试验结果产生的差异。 条件误差（水平效应或水平误差）：因试验中因素水平的改变而使试验结果产生的差异。 总误差：试验结果中数据之间的总差异，即试验误差与水平误差之和。 null 为了考察某个因素对试验指标的影响，将总误差分解为条件误差和试验误差，并对两类误差进行比较（统计检验），作后作出因素对指标的影响是否显著的判断。这种分析方法就是方差分析法。 方差分析的关键：误差分解、显著性检验（常用F检验）。 null■ 方差分析的有关术语 设单因素试验中的因素共有m个水平，每个水平下重复进行n次试验，则试验共有m×n个试验数据xij（I =1,2,…,m；j =1,2,…,n） 。null某一因素水平Ai下所有试验数据的平均值。 组内平均值用作该水平下试验结果真值的估计值，因此水平Ai所对应的组内偏差可表示成 组内偏差反映的是第i个水平条件下的试验误差。 null所有水平下的全部试验数据的平均值。 ● 偏差平方和 为表征试验误差、条件误差，引入以下几种偏差平方和。 null◆ 组内偏差平方和S2 将各水平下的偏差平方并求和，最后再将各水平下的偏差平方和相加后所得到的结果。 组内偏差平方和反映了试验误差的大小，是试验误差的定量估计。 null◆ 组间偏差平方和S1 将各组（各水平下）的组内平均值对总平均值的偏差平方并求和后再乘以n，所得到的结果。 组间偏差平方和反映了条件误差的大小，是条件误差的定量估计。 null◆ 总的偏差平方和ST 全部试验数据对总平均值的偏差的平方和。 三个偏差平方和之间的关系： 上式表明，总的偏差平方和可以分解为组间偏差平方和与组内偏差平方和之和。前者表征了由于因素水平的改变而引起的数据波动，后者则表征了由于试验存在随机误差而引起的数据波动。 null● 方差 V 偏差平方和虽然可用来表征条件误差、试验误差的大小，但由于其中包括了求和项数（自由度）的影响，因此还不能直接用它们进行大小的比较。为此，引入了方差。 ◆ 组内方差V2 组内偏差平方和除以其自由度所得到的结果。 ◆ 组间方差V1 组间偏差平方和除以其自由度所得到的结果。 null（有一个总平均值的约束） （有一个总平均值的约束） 本例中， null● 显著性 为分析条件误差的显著性，常使用F检验。 试验的F值nullnullnullnullnull本例中， nullnull■ 单因素试验方差分析小结（一般步骤） ● 列数据计算表 单因素A有m个水平A1~Am，每个水平下重复试验k次，试验中第i个水平下的第j次重复试验的结果为xij。null计算表中的数据按以下公式计算： null● 偏差平方和分解 根据偏差平方和的定义，可如下进行计算： null偏差平方和的分解也可采用下面的简便计算方法： null● 方差（平均偏差平方和）计算 因此 null● 显著性检验 nullnull进行方差分析时，可制订如下的方差分析表： null7.5.2 同水平正交试验设计的方差分析 ■ 分析思路 null■ 计算 ● 总的偏差平方和ST 其中null● 各因素的偏差平方和（组内，各列） SA、SB… 其中null● 试验误差的偏差平方和 Se（与正交表中的空列相对应 ） null● 自由度 null● 方差及F值 第一自由度为各因素（及交互作用）的自由度，第二自由度为试验误差的自由度。 … … ■ 查F分布表确定临界F值，判断各因素的显著性 null■ 举例 为提高某农药的收率进行正交试验，由经验知影响收率的有A、B、C、D四个因素（见水平表）且因素A、B之间存在交互作用A×B。因素水平表如下。 ● 选正交表、确定试验方案、进行试验、填数据、初始计算 这是一个四因素、二水平的试验，但由于存在交互作用A×B，同时要保留空列用于分析试验误差，因此选用正交表L8(27)。试验方案及试验结果如下。 null● 计算 null自由度 方差 null各因素的F值 本例中各因素的自由度均为1，误差的自由度为2，故可查得各置信水平对应的临界F值为： null● 结果分析 ◆ 主次顺序为（根据F值的大小来判断） （主） C→A×B→B→A→D （次） nullnull◆ 最优生产条件 因素C和交互作用A×B对收率有显著影响，因此应寻求C的最佳水平及A、B的最佳搭配。 由计算结果可知，K14=-9、K24=13，由于试验指标（收率）为望大指标，故取C2。 进一步比较A1、A2、B1、B2的四种搭配对试验指标的影响（根据两次搭配情况下试验指标的平均值），可确定最佳搭配为A2B1。 显然D取D2时的收率较高。 综上所述，最优生产条件为 A2 B1 C2 D2 null7.5.3 不同水平正交试验设计的方差分析 不同水平正交试验设计的方差分析方法与同水平正交试验设计的方差分析方法基本相同，只是在计算偏差平方和时应注意各列中以下参数的不同：水平数、水平重复数、自由度。 以L8(41×24)为例： null7.5.4 重复试验和重复取样的方差分析 为提高试验、分析的精确度和可靠性，有时还采取重复试验和重复取样。 ● 重复试验：在安排试验时，将同一号试验重复做若干次得到在同一水平组合下的若干个数据。 ● 重复取样：在一个试验中，同时抽取若干个样品进行试验。 null■ 重复试验的方差分析 ● 应用场合 ◆ 正交表中无空列，无法利用其计算分析试验误差。在决定不选用更大正交表的情况下（选用大正交表会导致试验次数急剧增加），可通过重复试验用重复试验的误差作为试验误差。 ◆ 虽然正交表有空列，但考虑试验其他方面的要求而必须进行重复试验。 null● 应用特点 ◆ 计算偏差平方和 S 时，应将“水平重复数 r ”改为 kr（k 为重复试验次数）。 ◆ 计算总和 T 时，应将所有试验数据（包括重复试验的数据）计算在内。 null 不锈钢线材电弧喷涂工艺试验。 ● 示例 试验的目的是寻找最佳工艺参数，考核的指标是涂层宏观硬度。因素与水平如下表所示。 null 本试验是三因素三水平的试验，可选取正交表L9(34)安排试验。对每号试验进行了两次重复试验，表头设计、试验方案及试验结果计算如下表所示。 nullnull总的偏差平方和及总的自由度 因素A的偏差平方和及自由度 SB、SC 、S2 及 fA、fB、f2 的计算方法相同。 null第一类误差 第二类误差 因此 null因素影响的主次顺序为：优化的生产条件为： （主）A→B→C（次）A1 B3 C3null■ 重复取样的方差分析 类似于重复试验，但第二类误差为重复取样误差，它反映的是原材料或产品的不均匀性所带来的局部试验误差，而不是全部试验误差，因此它比总试验误差要小，原则上不能直接用来判断显著性。但在以下两种情况下，可以用重复取样误差近似替代总的试验误差： ◆ 正交表无空列。 null作 业 某机械厂为提高C6140车床加工轴杆的工效，用正交表L9(34)安排正交试验，试验指标为工时（越短越好）。试验因素及水平、试验方案及试验结果如下表所示。试分别用直观分析法（计算法）、方差分析法确定最佳工艺条件、各因素影响的显著性及主次顺序，将有关结果填入相应的表格中。 null（请自己绘制极差分析表、方差分析表等有关表格） null7.6 正交试验设计的效应估计 利用直观分析和方差分析可以确定出最优或较优生产条件，并能确定出因素对试验指标影响的主次顺序，但却无法确定试验指标在该最优或较优条件下的指标值及其波动范围。本节中的效应估计将解决这一问题——优化工艺理论值的估计（包括点估计和区间估计）。 null7.6.1 试验结果的数据结构 ■ 数据结构式 试验结果可看成是由下面两部分构成的： ◆ 固定项 m ——被控的对试验结果有显著影响的因素水平的影响总和，相当于一系统项； ◆ 误差项 e ——试验误差及其他不控制的次要因素的影响总和，相当于一随机项。 试验结果可以表示成上述两项之和： 上式称为试验结果的数据结构式。 由于 m 为一常量，e 为随机变量，因此试验结果 x 也是随机变量。 null■ 单因素试验中“一般平均” 设因素有n个水平，mi（i=1,2,…,n）为各水平对应的试验结果，定义 为“一般平均”，它可理解为因素取“中等”水平情况下的试验结果。 说明： 定义“一般平均”时未考虑试验误差的影响。实际上由于所有随机误差的代数和趋于零，因此这样做不影响“一般平均”的定义。 null■ 效应定义 因此，任一次试验结果可以表示成 null7.6.2 正交试验设计中试验结果的数据结构 现以正交表L4(23)上第1、2列依次安排A、B两因素（如考虑交互作用则第3列安排A×B）为例加以说明。 null其数据结构式为 式中mij表示A取第i个水平、B取第j个水平时试验指标应有的理论值，ei表示第i号试验的随机试验误差。上式称为在正交表L4(23)上安排试验的数学模型。 null 为进一步把mij分解，与单因素试验数据结构相似，引入“一般平均（或称工程平均）”的概念。正交试验数据的一般平均定义为 式中p、q分别为因素A、B的水平数。因素更多时求和层数也相应增加。 null分别为A取 i 水平时的效应、因素B取 j 水平时的效应。 下面介绍正交试验数据结构式以及相关的一些意义。 null■ 无交互作用 null第1列的极差 它反映了因素A的不同水平对试验结果的影响（极差中消除了因素B的影响）。 null第2列的极差 它反映了因素B的不同水平对试验结果的影响（极差中消除了因素A的影响）。 null第3列的极差 它只反映试验误差对试验结果的影响（极差中因素A、B的影响均被消除）。null 通过上述数据结构分析，可以进一步理解为什么在直观分析中用极差反映因素影响的重要程度（主次顺序）、为什么在方差分析中用空列计算误差的偏差平方和。需要注意的是，尽管RA、RB可以反映因素A、B的影响程度，但由于其中混有试验误差的影响，因此直观分析的精度不高，而方差分析则相对合理（原因是进行了偏差平方和的分解）。 null■ 有交互作用 由于此时 null第3列的极差 它主要反映了交互作用A×B对试验结果的影响（极差中因素A、B的影响均被消除）。 null7.6.3 正交试验设计中的效应估计 在最优或较优生产条件下，试验指标可能的理论值是多少？它的波动范围可能多大？效应估计就是用来解决上述试验指标的点估计及区间估计。 null 以下以一个三因素、三水平（没有交互作用）的正交试验设计为例，介绍效应估计的基本方法。 例：某厂对某型号的钢材进行热处理试验，试验指标为钢材的强度（越高越好）。因素、因素水平及试验结果见下表。 根据情况选用了L9(34)正交表。nullnullnull 由计算结果可知，最优生产条件为A1B1C2。该组合不在9次试验中，因此希望预测出在该生产条件下试验指标的理论值及其波动范围（注：即使在9次试验中也应预测、估计）。 分别表示因素A、B、C在 i 水平、j 水平、k 水平下的效应，那么试验结果 xi 的一般数学模型为 本试验有三个因素A、B、C，用◆ 试验指标理论值的估计（点估计）null根据效应的定义，有 p、q、r 分别为因素A、B、C的水平数，本例均为3。 各次试验的试验误差 el 可视为彼此独立，且 根据上述，可以写出本试验中试验结果的数据结构式： null因此它们的估计值之间也满足 故只要求出一般平均及各效应的估计值，就可得到试验指标的估计值。各参数的估计利用的是最小二乘原理。 nullnull可得nullnull本例中的一般平均及各效应的估计值结果如下： null 根据一般平均及各因素效应的估计值即可估计出在最优生产条件（或其他条件）下的试验指标的估计值： 由于表中数据为（原数据-185）得到的，因此实际的试验指标估计值为 当某些因素明显比其他因素显著时，可忽略其他因素的效应，但会带来估计误差。例如本例中，由于因素C明显比A、B显著，因此 null◆ 试验指标理论值波动范围的估计（区间估计）波动半径的一般计算公式为: null其中null本例中试验指标估计值的波动半径为 因此，在A1B1C2的生产条件下，有95%的把握说，试验指标的真值是在（209.7±9.2）即（200.5~218.9）的范围内。 如果试验中存在某些交互作用，方法与上述类似，只需把各个交互作用分别作为一个因素来处理即可。 null