下载文档原格式
北京信息科技大学经济管理学院《工程优化技术》课程结课报告成绩：_______________班级：__工商1002_____学号：__2010011713____姓名：__魏坡_______日期：_2013年6月7日_部分因子试验设计1.实验设计背景部分因子试验设计与全因子试验设计的不同之处在于大大减少了试验的次数，具体表现在试验设计创建阶段的不一致，下面主要就部分因子试验设计的创建进行讲述。
2.因子选择用自动刨床刨制工作台平面的工艺条件试验。
在用刨床刨制工作台平面试验中，考察影响其工作台平面光洁度的因子，并求出使光洁度达到最高的工艺条件。
3.实验方案共考察6个因子：A 因子：进刀速度，低水平1.2，高水平1.4（单位：mm/刀）B 因子：切屑角度，低水平10，高水平12（单位：度）C 因子：吃刀深度，低水平0.6，高水平0.8（单位：mm ）D 因子：刀后背角，低水平70，高水平76（单位：度）E 因子：刀前槽深度，低水平1.4，高水平1.6（单位：mm ）F 因子：润滑油进给量，低水平6，高水平8（单位：毫升/分钟） 要求：连中心点在内，不超过20次试验，考察各因子主效应和2阶交互效应AB 、AC 、CF 、DE 是否显著。
由于试验次数的限制，我们在因子点上只能做试验16次，另4次取中心点，这就是6224-+的试验，通过查部分因子试验分辨度表可知，可达分辨度为Ⅳ的设计。
具体操作为：选择 [统计]=>[DOE ]=>[因子]=>[创建因子设计]，单击打开创建因子设计对话框。
在“设计类型”中选择默认2水平因子（默认生成元），在“因子数”中选定6。
单击“显示可用设计”就可以看到下图的界面，可以确认：用16次试验能够达到分辨度为Ⅳ的设计。
单击“设计”选项，选定1/4部分实施，在每个区组的中心点数中设定为4，其他的不进行设定，单击确定。
单击“因子”选项，设定各个因子的名称，并设定高、低水平值。
实验设计DOE部分因子设计实验在进行DOE实验设计时，首先需要确定影响结果的关键因素。
然后，这些因素需要被分为两个或更多的水平，以便在实验中进行变化。
最后，采用特定的实验设计方法来确定最佳的因素组合，以达到期望的结果。
DOE实验设计通常包括三个步骤：确定因素，选择实验设计和分析结果。
1.确定因素：首先，需要确定影响结果的关键因素。
这可以通过经验知识、文献研究或先前的实验来获取。
因素可以是控制变量、处理变量或随机变量。
确定因素将帮助实验者确定实验的范围和复杂性。
2.选择实验设计：选择合适的实验设计是进行DOE的关键步骤之一、常用的DOE方法包括完全随机设计、随机区组设计、方差分析、回归分析等。
根据实验的目标和因素的数量，选择适当的实验设计对于预测结果和找出最佳因素组合都非常重要。
3.分析结果：在DOE实验中，分析结果是确定最佳因素组合的关键步骤。
通过分析统计数据，可以确定哪些因素对结果有着显著影响，以及不同因素之间是否存在交互作用。
这些信息将有助于确定最佳的工艺条件或优化实验结果。
DOE实验设计的一个例子是进行药物配方的优化。
假设有三个关键因素：药物浓度、药物配比和反应时间。
每个因素都有两个水平：药物浓度可以是高或低，药物配比可以是1：1或1：2，反应时间可以是短或长。
根据这些因素和水平构建的实验矩阵如下：实验编号，药物浓度，药物配比，反应时间---------，---------，---------，---------1，高，1:1，短2，低，1:1，短3，高，1:2，短4，低，1:2，短5，高，1:1，长6，低，1:1，长7，高，1:2，长8，低，1:2，长通过对这些实验进行多次迭代和数据收集，可以分析结果来确定哪些因素对药物配方有显著影响。
例如，通过方差分析可以确定药物浓度和反应时间对药物效果具有显著影响，而药物配比则对结果没有显著性影响。
这将有助于找出最佳的药物配方。
总结起来，DOE实验设计是一种强大的方法，可以帮助研究人员系统地研究和优化实验的关键因素。
北京信息科技大学经济管理学院《工程优化技术》课程结课报告成绩：_______________班级：__工商1002_____学号：__2010011713____姓名：__魏坡_______日期：_2013年6月7日_部分因子试验设计1.实验设计背景部分因子试验设计与全因子试验设计的不同之处在于大大减少了试验的次数，具体表现在试验设计创建阶段的不一致，下面主要就部分因子试验设计的创建进行讲述。
2.因子选择用自动刨床刨制工作台平面的工艺条件试验。
在用刨床刨制工作台平面试验中，考察影响其工作台平面光洁度的因子，并求出使光洁度达到最高的工艺条件。
3.实验方案共考察6个因子：A 因子：进刀速度，低水平1.2，高水平1.4（单位：mm/刀）B 因子：切屑角度，低水平10，高水平12（单位：度）C 因子：吃刀深度，低水平0.6，高水平0.8（单位：mm ）D 因子：刀后背角，低水平70，高水平76（单位：度）E 因子：刀前槽深度，低水平1.4，高水平1.6（单位：mm ）F 因子：润滑油进给量，低水平6，高水平8（单位：毫升/分钟） 要求：连中心点在内，不超过20次试验，考察各因子主效应和2阶交互效应AB 、AC 、CF 、DE 是否显著。
由于试验次数的限制，我们在因子点上只能做试验16次，另4次取中心点，这就是6224-+的试验，通过查部分因子试验分辨度表可知，可达分辨度为Ⅳ的设计。
具体操作为：选择 [统计]=>[DOE ]=>[因子]=>[创建因子设计]，单击打开创建因子设计对话框。
在“设计类型”中选择默认2水平因子（默认生成元），在“因子数”中选定6。
单击“显示可用设计”就可以看到下图的界面，可以确认：用16次试验能够达到分辨度为Ⅳ的设计。
单击“设计”选项，选定1/4部分实施，在每个区组的中心点数中设定为4，其他的不进行设定，单击确定。
单击“因子”选项，设定各个因子的名称，并设定高、低水平值。
部分因子设计引言部分因子设计是实验设计中一种常见的方法，与完全因子设计不同，部分因子设计只考虑实验中的一部分因子。
在一些场景中，完全因子设计可能会导致冗余和浪费资源，而部分因子设计则可以更有效地进行实验。
本文将介绍部分因子设计的概念、优势以及常见的设计方法。
概述部分因子设计是一种在实验中只考虑一部分因子的设计方法。
在实验设计中，因子是指可能对被测变量产生影响的不同条件或水平。
通常情况下，实验设计中的因子较多，并且因子之间可能存在相互作用。
在完全因子设计中，考虑了所有的因子及其相互作用，这样可以全面地评估因子对被测变量的影响。
然而，在某些情况下，完全因子设计可能有一些缺点，比如资源浪费、冗余的实验数据等。
因此，部分因子设计应运而生。
部分因子设计的目标是通过合理选择重要的因子，以及它们的水平，来降低实验的复杂度和成本。
通过这种方式，可以更好地理解和解释因子对被测变量的影响。
部分因子设计可以在工程研究、产品开发和优化等领域中得到广泛的应用。
优势部分因子设计相对于完全因子设计具有以下优势：1.节约资源：部分因子设计只考虑实验中的一部分因子，相比于完全因子设计更省时、省力、节省实验成本。
2.降低复杂度：因为不考虑所有因子和相互作用，部分因子设计可以大大降低实验的复杂度，使实验设计更加简化。
3.更好的解释性：通过选取重要的因子和水平进行实验，可以更好地理解和解释因子对被测变量的影响。
4.优化结果：部分因子设计可以帮助寻找最优的因子组合，从而得到更好的结果。
常见的部分因子设计方法单因素设计单因素设计是最简单的部分因子设计方法，它只考虑一个因子对被测变量的影响。
在单因素设计中，通过对该因子的不同水平进行实验，来评估因子的影响程度。
这种设计方法常用于初步筛选因子，确定重要的影响因素。
因子水平选择在部分因子设计中，选择合适的因子水平是非常重要的。
常见的因子水平选择方法有等间距法、全因子水平法、正交表设计等。
这些方法可以帮助选择水平间差异大、具有代表性的因子水平组合，以实现更好的实验效果。
doe 部分因子,最优生成元计算在统计学中，DOE（Design of Experiments）是一种实验设计方法，用于确定影响结果的各个因素，并找到最优的因子组合。
而最优生成元指的是在DOE中，能够产生最佳效果或最大影响的因子。
计算最优生成元通常涉及以下步骤：1. 确定目标：首先，需要明确你所追求的目标是什么。
这可能是最大化某项输出指标、最小化某项成本指标或优化特定的性能指标。
2. 因子选择：确定对结果有影响的因素。
这些因素可以是物理变量、环境条件、处理方法等。
通过专业知识和经验，选择与目标相关的因素。
3. 实验设计：使用适当的实验设计方法来安排实验。
常见的实验设计方法包括完全随机设计、随机区组设计、因子水平设计等。
根据实验要求和资源限制，选择合适的设计。
4. 数据收集：根据设计方案，进行实验并记录数据。
确保数据的准确性和可靠性。
5. 分析数据：使用统计分析方法，如方差分析（ANOVA）和回归分析，对数据进行分析。
这将帮助你了解各个因素对结果的影响程度，并找出重要的因子。
6. 优化生成元：根据分析结果，确定最优生成元。
这可以通过调整重要因子的水平、寻找交互作用效应等方式实现。
强调对目标变量产生最大影响的因素组合。
7. 验证和确认：进行进一步的验证实验以确保所获得的最优生成元的有效性和可靠性。
这有助于确定所选生成元是否能够在不同条件下持续产生预期的效果。
请注意，计算最优生成元是一个复杂的过程，需要考虑多个因素和技术。
专业的统计学家或质量工程师通常会使用专门的软件或工具来进行DOE分析和最优生成元计算。
