超碰91久久,亚洲精品区,欧美精品一区二区久久久

根據實驗中因素的多少，可以分為單因素和多因素。

根據實驗目的的不同，實驗設計可分為兩類:因素設計和回歸設計。

在不考慮區組的設計中，常用的設計是完全隨機化設計；配對比較設計、隨機區組設計、平衡不完全區組設計、部分平衡不完全區組設計等是正在考慮的區組設計中常用的方法。因素可分為固定效應和隨機效應。在固定效果上，可分為單向布局、雙向布局和多向布局。在隨機效應中，主要采用嵌套設計或方差分量建模。這些實驗設計所用的理論和方法都比較復雜，在實際工程中很少用到。

二、測試的兩個基本目的:

第一明確哪些自變量X顯著影響Y；

本實驗的目的是確定在相當多的自變量中，哪個自變量X對Y的影響不顯著，哪些自變量應該刪除，哪些自變量X對Y的影響顯著，哪些應該保留。我們稱之為“篩選設計”。因為這個實驗的目的是為了因子，所以這個實驗設計屬于“析因設計”或“因子設計”。

二是找出y和x的關系，從而進一步找出自變量x取什么值會使y達到最佳值:

這些實驗的目的是確定Y和X的關系，找出Y到X的回歸方程，因為這個實驗的目的是針對回歸關系，所以這個實驗設計叫做回歸設計。

三、因子設計與回歸設計的相通之處

一方面，篩選因素的方法實際上是在Y和X之間建立一個簡單的線性回歸方程，然后根據各個系數的顯著性進行篩選。需要注意的是，實驗設計中的“線性”不同于一般數學概念中的“線性”。“實驗設計”中提到的“線性”是指回歸方程不僅可以包含每個變量的第一項，還可以包含兩個或兩個以上自變量的乘積項，如X1X2X3等。，這在一般的數學概念“線性”中是不允許的。建立線性回歸方程后，不僅可以判斷變量是否顯著，還可以為求最大值或最小值的問題找到最佳值，以及達到這個最佳值的自變量的最佳設置，在實際工作中往往是有用的。總之，篩選變量也是通過建立回歸方程來實現的。

另一方面，在建立回歸方程，尤其是含有平方項的響應面方程后，還可以判斷方程中是否存在影響不顯著的因素，將其刪除，達到篩選因素的目的。所以，因子設計和回歸設計有一個共同點:都需要建立回歸方程。但因子設計只是線性的，這里的回歸設計指的是二階。

一般來說，篩選要求比較粗糙，測試次數較少。建立回歸曲面方程的要求要細致得多，測試次數也會大大增加。在因子設計中，根據因子水平的多少可分為兩級因子設計、三級因子設計和混合級因子設計。

實踐證明:

在因子設計中，采用兩水平正交試驗法，加上一些中心點，是最簡單有效的。然后，有兩類:全因子設計和部分因子設計。對于回歸設計，以建立二次回歸方程為主要工具，引入了響應面方法。

另一類:很重要的測試目的是尋求系統的魯棒性。所謂魯棒性，就是系統的抗干擾能力強，即當系統受到不可控因素(或稱“噪聲”)的嚴重影響時，系統輸出的變化量要足夠小。為了實現這一點，有必要嘗試選擇一些控制因子的組合，使系統對噪聲變化不敏感，這就是所謂的魯棒參數設計。在中國，這種設計通常被稱為“田口參數設計法”。這種問題在六西格瑪改進工作中也很顯著。

還有一類:討論配方，比如橡膠、造紙、制藥等行業，通常研究的是整個產品中各成分的比例。顯然，這些比例之和應該是100%。研究這類問題的實驗設計稱為“混合設計”。

有時候，現有的生產條件已經基本滿足要求，但如果想得到更好的結果，可以在原有生產條件的基礎上做一些調整來尋求解決方案，這就是所謂的“進化操作(EVOP)”。