志同道合真正的连续式统计试验设计

1、志同道合：真正的连续式统计试验设计！一个完整的试验设计，包括很多步骤：1.选择：由初步单因素或者经验得到一些“所谓”重要因素的大致最佳水平；2.筛选：筛选出“真正”的重要因素，PlackettBurman设计；3.初级优化：三水平的部分析因（FFD）加中心点设计，看看是否需要继续寻找最优水平位置，以及是否需要用相应面设计进行高级优化和判断下部用最速爬坡还是领分析；4.最速爬坡或领分析：非最佳水平位置，用爬坡法或领分析，找到大致最佳水平所在，两者用在不同的情况下；5.高级优化：如中心组合设计（CCD）或者BBD进行优化；     以上是我在现在做毕业设计中

2、的一些心得，里面的领分析我不会，需要用到SAS软件，但是我的电脑一装SAS8.2老是出问题，后来，看到SPSS也能领分析，但是不是很会，希望能与在试验设计上有心得的友人交流。     就要毕业，想从事品质管理一行，也请大家提出意见。本人是学生物工程的。     夜已深，华工的宿舍依然灯火通明，可是忙碌了两天试验我的却要进入梦乡，欢迎大家与我联系。Dragonhlj (2003-9-22 07:58:31)很不错的贴子，能不能将你的实例拿上来大家讨论一下。renjiescut13 (2003-9-22 09:33:2

3、4)sorry，现在实验中，晚上再发！八进制 (2003-9-22 09:44:20)QUOTE:Originally posted by renjiescut13 at 2003-9-22 00:16:以上是我在现在做毕业设计中的一些心得，里面的领分析我不会，需要用到SAS软件，但是我的电脑一装SAS8.2老是出问题，后来，看到SPSS也能领分析，但是不是很会，希望能与在试验设计上有心得的友人交流。     就要毕业，想从事品质管理一行，也请大家提出意见。本人是学生物工程的。     夜已深，华工的宿舍依然灯火通

4、明，可是忙碌了两天试验我的却要进入梦乡，欢迎大家与我联系。在医疗和化工行业运用实验设计非常好，而且很深入，在这方面是领先行业，软件也一般使用SAS、SPSS和NCSS一些专业统计软件，使用MINITAB的几乎没有，希望您能经常来这里，我们一些讨论，共同进步，您在这里会有很大收获，也希望能看到您带来新气息。常来！常联系！renjiescut13 (2003-9-23 23:28:28)下面是一个例子，引用过来的，和大家一起讨论一下。试验数据（两因素三水平的析因设计）：00        0        0 

5、;       40.3+        1        1        41.5-        -1        -1        39.3+-        1        -1       

6、40.9-+        -1        1        4000        0        0        40.500        0        0        40.700     

7、;   0        0        40.200        0        0        40.6分析结果：Full Factorial DesignFactors:        2   Base Design:         

8、  2, 4    Runs:           9   Replicates:               1    Blocks:      none   Center pts (total):       5All terms ar

9、e free from aliasingFractional Factorial Fit: y versus X1, X2Estimated Effects and Coefficients for y (coded units)Term         Effect      Coef     SE Coef       T      PConstant  

10、0;           40.4250      0.1037  389.89  0.000X1           1.5500    0.7750      0.1037    7.47  0.002X2      

11、;     0.6500    0.3250      0.1037    3.13  0.035X1*X2       -0.0500   -0.0250      0.1037   -0.24  0.821Ct Pt           

12、0;      0.0350      0.1391    0.25  0.814Analysis of Variance for y (coded units)Source                DF      Seq SS     Adj SS    

13、60;Adj MS      F      PMain Effects           2     2.82500    2.82500    1.41250  32.85  0.0032-Way Interactions     1    &#

14、160;0.00250    0.00250    0.00250   0.06  0.821Curvature              1     0.00272    0.00272    0.00272   0.06  0.814Residual Error   

15、0;     4     0.17200    0.17200    0.04300  Pure Error           4     0.17200    0.17200    0.04300Total           

16、0;      8     3.00222Unusual Observations for y       Obs          y        Fit     SE Fit   Residual   St Resid  1    4

17、1.5000    41.5000     0.2074     0.0000          * X  4    39.3000    39.3000     0.2074     0.0000          * X &#

18、160;5    40.9000    40.9000     0.2074     0.0000          * X  6    40.0000    40.0000     0.2074     0.0000       

19、;   * XX denotes an observation whose X value gives it large influence.Estimated Coefficients for y using data in uncoded unitsTerm             CoefConstant      19.5000 X1           0.310000X2&#

20、160;          0.100000X1*X2     -0.00100000Ct Pt        0.035000Least Squares Means for y                         Mean   SE M

21、eanX130               39.65    0.146640               41.20    0.1466X2 150              40.10    0.1466160   

22、           40.75    0.1466X1*X2 30 150           39.30    0.207440 150           40.90    0.207430 160          

23、60;40.00    0.207440 160           41.50    0.2074Mean for Center Point =     40.46renjiescut13 (2003-9-23 23:54:32)为了简单，我就省略了前面的screening design，直接将筛选出来的两个因素进行初步优化。     由分析可知，交互作用和曲线的检测都不显著，因而可能我们此时还

24、没有找到最佳水平范围。为此，我们利用最速法大致寻找最佳水平范围（注，这里不用相应面的原因是曲线不显著）      由上面数据我们设计最速法：(X1和X2为编码变量，A和B为非编码变量）    步长       X1      X2        A        B        

25、0;    Y    原点      0        0          35       155                 1        0.42  &#

26、160;   5        2原点    1        0.42      40      157         41.0原点2  2        0.84      

27、45      159         42.9原点3  3        1.26      50      161         47.1原点4  4        1.68 

28、60;   55      163         49.7原点5  5        2.10      60      165         53.8原点6  6       

29、0;2.52      65      167         59.9原点7  7        2.94      70      169         65.0原点8  8    

30、   3.36      75      171         70.4原点9  9        3.78      80      173         77.6原点1010   &

31、#160;  4.20      85       175         80.3原点11 11     4.62       90      179         76.2原点12 12     5.04 

32、60;    95      181         75.1从上面的设计及试验数据可知：最佳水平大致在：原点10附近，即X1为85、X2为175。我们以它为中心进行析因设计00        0        0        79.900        0        0&

33、#160;       80.300        0        0        79.7+-        1        -1        78+        1        1       

34、 79.500        0        0        80-        -1        -1        76.5-+        -1        1        7700     

35、;   0        0        79.8Full Factorial DesignFactors:        2   Base Design:           2, 4    Runs:           9 

36、60;Replicates:               1    Blocks:      none   Center pts (total):       5All terms are free from aliasingFractional Factorial Fit: y versus X1, X2Estimated Effects and Coefficients f

37、or y (coded units)Term         Effect      Coef     SE Coef       T      PConstant              77.7500      0.1151 

38、; 675.45  0.000X1           2.0000    1.0000      0.1151    8.69  0.001X2           1.0000    0.5000      0.1151   

39、 4.34  0.012X1*X2        0.5000    0.2500      0.1151    2.17  0.096Ct Pt                  2.1900      0.1544   14.18

40、60; 0.000Analysis of Variance for y (coded units)Source                DF      Seq SS     Adj SS     Adj MS      F      PMain Effects   

41、;        2      5.0000     5.0000     2.5000  47.17  0.0022-Way Interactions     1      0.2500     0.2500     

42、0.2500   4.72  0.096Curvature              1     10.6580    10.6580    10.6580 201.09  0.000Residual Error         4      0.2120&#

43、160;    0.2120     0.0530  Pure Error           4      0.2120     0.2120     0.0530Total               &#

44、160;  8     16.1200Unusual Observations for y       Obs          y        Fit     SE Fit   Residual   St Resid  1    77.0000  

45、0; 77.0000     0.2302     0.0000          * X  4    76.5000    76.5000     0.2302     0.0000          * X  7   

46、; 78.0000    78.0000     0.2302    -0.0000          * X  9    79.5000    79.5000     0.2302     0.0000          * XX denotes an ob

47、servation whose X value gives it large influence.Estimated Coefficients for y using data in uncoded unitsTerm             CoefConstant      192.000 X1           -1.55000X2      

48、60;   -0.750000X1*X2       0.0100000Ct Pt         2.19000renjiescut13 (2003-9-24 00:14:22)由曲线的显著性可知，一阶模型已经不合适了。而且曲线的显著性也说明了我们的试验已经接近最优点。为此，我们就可以进行进一步的优化，高级优化即响应面优化了。响应面优化，我们这里省略，这个例子我只是想说明，一个试验不是很盲目的进行所谓的优化，即使优化以后，也不是非得要用响应面来优化。很多东东是要看情况的，比如这个试验

49、，我们1）先进行筛选试验从众多因素中选出重要影响因子；2）利用筛选出来的因子进行初步优化如析因设计中心点，利用曲线和交互作用的显著性与否，我们来选择下一步试验；3）如果曲线或交互作用显著，则我们利用领分析进行试验（通过分析，这个例子我们没有必要用它），寻找最佳水平范围。如果不显著，我们就要利用最速爬坡法寻找最佳水平的大致位置（这里因为曲线和交互作用不显著，我们采用了最速法）。4）利用最速法或者领分析，我们大致知道了因素水平的最佳范围，在这个范围内，我们就可以比较放心的使用高级优化了。这比由单因素试验先得到各自的最佳水平，再组合使用高级优化如响应面法，要保险的多，因为它忽视了交互作用，往往找不到

50、最佳水平，得不到最佳响应值。5）当然，在整个试验中，例如，最后我们已经得到需要用响应面来优化试验时，我们可以在初级优化如析因设计得基础上，加上若干中心点和值，就得到了响应面设计，这样就节约了试验和资源了。以上本人通过做试验和看书得来，有不详之处还望批评之处。特别是领分析，我还不是很清楚，不知，这里有清楚得高手否？：），急需交流。由于时间紧，已是凌晨了，所以可能有点匆忙，希望错误不是很多。alpha111 (2003-9-25 20:07:38)QUOTE:Originally posted by renjiescut13 at 2003-9-22 00:16:一个完整的试验设计，包括很多步骤：

51、1.选择：由初步单因素或者经验得到一些“所谓”重要因素的大致最佳水平；2.筛选：筛选出“真正”的重要因素，PlackettBurman设计；3.初级优化：三水平的部分析因（FFD . 建议使用SAS6.12版的。我们很早就在用了，从来没出现什么问题，只要把时间设置一下就OK了。不过现在使用SAS的人很少了，太专业了，我们学了四年，也只在基础模块上玩玩，只能用一些常用的统计方法。现在社会上基本上都用SPSS，在品质管理中使用MINITAB较从。alpha111 (2003-9-25 20:29:53)QUOTE:Originally posted by renjiescut13 at 2003-

52、9-24 00:14:由曲线的显著性可知，一阶模型已经不合适了。而且曲线的显著性也说明了我们的试验已经接近最优点。为此，我们就可以进行进一步的优化，高级优化即响应面优化了。响应面优化，我们这里省略，这个例子我只是想说明 . 呵呵，老兄这里的人可没那么专业，有些人根本连概率统计都没学过。连TIME SERIES ，RERESSION，ANOVA都不懂的。更不用说领分析（在SAS中应该是指趋势面分析吧）了，小弟也只是稍微了解一点，大学时也没系统的学过。趋势面分析（TREND-SURFACE）是以多元回归分析理论为基础的一种多元统计分析方法。它是用位置坐标的多元多项式回归来估计求知值的方法。一阶趋势命令如下：PROC GLM；MLDEL Z=X Y/P；二阶：PROC GLM；MODEL Z=X*Y X*X X*Y Y*Y/P三阶：PROC GLM；MODEL Z=X Y X*X Y*Y X*X*X X*X*Y X*Y*Y Y*Y*Y；就是用GLM（广义线性模型过程）过程。最后就看拟合优度（R-SQUARE）较高的就行了。你用SAS的，我讲的应该看的懂的。renjiescut13 (20