当前位置: 首页 > news >正文

[创新工具和方法论]-02- DOE实验设计步骤

文章目录

  • 1.DOE设计
    • 1.1 基于OFAT的传统实验设计:
    • 1.2 基于DoE的现代实验设计:
    • 1.3 DOE和OFAT的比较
    • 1.4 如何利用好DOE
      • 1.4.1 规划
      • 1.4.2 筛选
      • 1.4.3 表征
      • 1.4.4 优化
      • 1.4.5 确认
  • 2. 步骤
      • 2.1陈述实际的问题和实验的目的
      • 2.2因果链分析,提取重要的因子
      • 2.3选择Y的响应变量
      • 2.4陈述因子和水平
      • 2.5选择DOE实验设计
      • 2.6实施实验以及收集数据
      • 2.7分析实验结果
      • 2.8结论和计划

1.DOE设计

  1. DOE(Design of Experiments) 是指通过系统性的一系列实验,其中有针对性地对输入因子进行更改,以便可以确定输出响应中发生重大更改的原因。

1.1 基于OFAT的传统实验设计:

  1. 每次实验只考虑一个参数的影响,其它参数都是固定不变的
  2. 只适用于简单工艺过程,因为它不考虑因素间的相互影响
  3. 效率低下
  4. 不能找到真正的最优值(区间)
    9wmGKH

1.2 基于DoE的现代实验设计:

  1. 一次可以考虑多个参数影响(并行分析)
  2. 考虑不同因素间的相互影响
  3. 通过最少的实验次数获得尽可能多的信息
  4. 能更好的找到系统的最优区间
    A1UCcL

1.3 DOE和OFAT的比较

  1. 在应用上,DoE是相对于OFAT(One Factor At a Time)这个概念的实验设计的名称。在自变量A与自变量B同时影响因变量C,且A和B之间互不影响的时候,OFAT是可行的,虽然比较慢,但是如果A与B有叠加效果导致结果C并不会线性变化,那OFAT就会预测错误的结果。DoE比OFAT的实验要高效得多,后者一次只更改一个因素以研究该因素对产品或过程的影响。虽然OFAT很容易理解,但其不能同时考虑多个因素对结果的影响,也就是说它不能考虑因素间的相互作用。通常,交互作用比单个因素的影响更为重要。这是因为产品或过程的应用环境包括许多因素的共同存在,而不是不同因素在不同时间的单独出现。以一个化学过程中两个因素之间相互作用的为例,其中仅增加温度会稍微增加产量,而单独增加压力则没有效果。然而,在较高温度和较高压力的情况下,产率迅速增加。在这种情况下,我们说影响化学反应的两个因素之间存在相互作用。DOE方法论确保系统地研究所有因素及其相互作用。因此,从DOE分析获得的信息比OFAT实验的结果可靠和完整得多。

1.4 如何利用好DOE

  1. 软件: JMP,minitab,Design Expert等
  2. 3nS3K4

1.4.1 规划

  1. 其中有一个彻底而精确的目标,即确定进行调查的必要性,评估实现该目标所需的时间和资源以及将先验知识整合到实验程序中。应使用由来自与产品或过程相关的不同学科的人员组成的团队来确定可能的因素,以进行调查并确定最合适的应对措施。

1.4.2 筛选

  1. 筛选实验用于从大量潜在因素中识别出影响正在研究的系统的重要因素。这些实验是结合系统的先验知识进行的,以消除不重要的因素,并将注意力集中在需要进一步详细分析的关键因素上。

1.4.3 表征

  1. 在选定的研究参数基础上再次设计实验,主要考察参数的影响以及相互作用

1.4.4 优化

  1. 如在表征阶段发现响应具有很大的曲率,需要将注意力放到影响过程的这些重要因素上,下一步便是确定这些因素的最佳设置以实现所需的目标。根据所研究的产品或过程,此目标可能是最大化,最小化或实现响应的目标值。

1.4.5 确认

  1. 最后阶段涉及通过进行一些后续实验来验证因素的最佳设置,以确认系统是否按预期运行并且满足所有目标。

2. 步骤

2.1陈述实际的问题和实验的目的

  1. 表述自己课题的难点以及实验的可行性

2.2因果链分析,提取重要的因子

  1. NqelWJ
  2. 了解筛选或表征研究的主要作用和相互作用,每个因子的两个级别,可最大程度地减少工作量并最大化信息.

2.3选择Y的响应变量

  1. 选择Y的响应变量,对因子进行重要性排序;

2.4陈述因子和水平

  1. 对每个因子进行水平的设计;

2.5选择DOE实验设计

  1. 进行实验的设计

2.6实施实验以及收集数据

  1. 进行实验之前要进行,测量系统误差的分析,确定是否稳定;
  2. 进行实验并统计数据;

2.7分析实验结果

进行分析和实验设计

2.8结论和计划

进行结果和计划

相关文章:

[创新工具和方法论]-02- DOE实验设计步骤

文章目录 1.DOE设计1.1 基于OFAT的传统实验设计:1.2 基于DoE的现代实验设计:1.3 DOE和OFAT的比较1.4 如何利用好DOE1.4.1 规划1.4.2 筛选1.4.3 表征1.4.4 优化1.4.5 确认 2. 步骤2.1陈述实际的问题和实验的目的2.2因果链分析,提取重要的因子2.3选择Y的响…...

XXL-JOB分布式任务调度平台搭建以及和SpringBoot整合应用

1 前言 XXL-JOB 是一个轻量级分布式任务调度平台,其核心设计目标是开发迅速、学习简单、轻量级、易扩展。现已开放源代码并接入多家公司线上产品线,开箱即用。 可以前往 Gitee 地址进行下载使用: https://gitee.com/xuxueli0323/xxl-job.g…...

【LeetCode】236. 二叉树的最近公共祖先

1.问题 给定一个二叉树, 找到该树中两个指定节点的最近公共祖先。 百度百科中最近公共祖先的定义为:“对于有根树 T 的两个节点 p、q,最近公共祖先表示为一个节点 x,满足 x 是 p、q 的祖先且 x 的深度尽可能大(一个节点也可以是…...

STM32F4 HAL库使用DMA进行ADC采样实时发送波形到串口显示(包含傅里叶变换)

1.总体逻辑 按下STM32F4的KEY0按键,通过外部中断的方式对按键进行检测,然后开启一次带DMA的固定点数的ADC采集,采集完成后在DMA的中断发送采集到的数据,然后清空数据区准备下一次的按键中断。电脑接受到串口数据后对数据进行简单…...

ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~

文章目录 ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~HuggingFace 简介HuggingChat 登场展望 ChatGPT 平替天花板:HuggingFace 版 ChatGPT 来了,无需魔法无需等待直接起飞 ~ 二话不说上链接 htt…...

桐乡学会计实操—小规模纳税人征收率的汇总帖来啦!

上元会计—会计实操—小规模纳税人征收率的汇总帖来啦!一文了解 小规模纳税人发生应税行为适用简易计税方法计税。那么小规模纳税人增值税的征收率到底有几档?很多人以为小规模纳税人适用的征收率只有3%,但是有没有其他征收率呢,…...

权威学者、企业CFO荟聚上海国家会计学院,共探「智能会计 价值财务」

4月21日,由用友主办的「智能会计 价值财务」2023企业数智化财务创新峰会在上海国家会计学院圆满举办。学院权威教授、业内专家与来自央国企、行业领先企业的财务先锋,线下云端共聚一堂,数万人共探大型企业财务数智化的全新价值主张。 会议伊始…...

根据cadence设计图学习硬件知识day06 了解一些电源转化芯片和 稳压器 和 开关芯片

1. TPL920 (高精度线性稳压器) 1.1.TPL920 介绍 TPL920系列产品是2A大电流、6μVRMS低噪声、高PSRR、高精度线性稳压器,通常具有在2A负载条件下的110 mV超低电压降。这TPL920系列产品同时支持固定输出电压范围从0.8伏到3.95伏,输出电压可调范围为0.8V至…...

简单理解内存分页机制

文章目录 1.CPU寻址方式2.段式内存访问的缺点3.80386两级页表4.PAE三级页表5.x64四级页表6.虚拟内存 思考一个问题:如果没有这样的分页机制时应用程序是怎么访问物理内存地址? 1.CPU寻址方式 Effective Address Base (Index * Scale) Displacement …...

如何提高三维模型OSGB格式转换3DTILES的转换速度和数据质量

如何提高三维模型OSGB格式转换3DTILES的转换速度和数据质量 提高三维模型从OSGB格式转换为3DTILES格式的转换速度和数据质量,可以从以下几个方面进行优化: 1、选用高效的转换工具:选择高效的转换工具是提高转换速度和数据质量的关键。目前市…...

智现未来面试(部分)

容器化有哪些好处和坏处? 部分Answer by newBing:容器化的好处有很多,包括: 可移植性:应用程序容器会创建一个从主机操作系统提取出来的可执行软件包,使得应用程序可以在不同的环境中运行,而不需要重新配置…...

最值得学的编程语言是哪个?

如果让我推荐的话,我肯定首选是python啦! 编程语言是一个计算机的概念,在我们有了计算机以后,想让它帮助我们做事情,就要通过计算机语言和它进行对话、交互,计算机语言能够被计算机所执行,完成…...

研读Rust圣经解析——Rust learn-16(高级trait,宏)

研读Rust圣经解析——Rust learn-16(高级trait,宏) 高级trait关联类型Type为什么不用泛型而是Type 运算符重载(重要等级不高)重名方法消除歧义never typecontinue 的值是 ! 返回闭包 宏自定义宏(声明宏&…...

html,Javascript,css前端面试题汇总免费

html,Javascript,css前端面试题汇总免费 下载地址: html,Javascript,css前端面试题汇总免费.docx下载—无极低码 一,html与css 1,页面导入样式,使用link与import有什么区别? (1) 从属关系:link是html标签…...

HFSS—RCS测量

RCS 引言单位仿真步骤新建工程建立待测物体模型设置边界条件设置入射波添加分析可行性分析和仿真结果输入引言 雷达散射截面是隐身技术中的重要指标。用于衡量目标物体在电磁波照射下产生回波强度,也就是散射的强度。 一方面,雷萨散射截面可以用入射电磁场的强度和散射电磁场…...

QUARTZ 石英框架

QUARTZ 石英框架 1.Quartz的概念 Quartz就是一个基于Java实现的任务调度框架,用于执行你想要执行的任何任务。 Quartz是OpenSymphony开源组织在Job scheduling(定时调度)领域的开源项目,它可以与J2EE和J2SE应用程序相结合也可以…...

基于centos7:Harbor-2.7.2部署和安装教程

基于centos7:Harbor-2.7.2部署和安装教程 1、软件资源介绍 Harbor是VMware公司开源的企业级DockerRegistry项目,项目地址为https://github.com/vmware/harbor。其目标是帮助用户迅速搭建一个企业级的Dockerregistry服务。它以Docker公司开源的registry…...

Windows上使用CLion配置OpenCV环境,亲测可用的方法(一)

一、Windows上使用CLion配置OpenCV环境,亲测可用的方法: Windows上使用CLion配置OpenCV环境 教程里的配置: widnows 10 clion 2022.1.1 mingw 8.1.0 opencv 4.5.5 Cmake3.21.1 我自己的配置: widnows 10 clion 2022.2.5 mingw 8.…...

代码随想录算法训练营第四十三天

代码随想录算法训练营第四十三天| 1049. 最后一块石头的重量 II,494. 目标和,474. 一和零 1049. 最后一块石头的重量 II494. 目标和474. 一和零 1049. 最后一块石头的重量 II 题目链接:最后一块石头的重量 II 重点: 本题其实就是…...

如何在 Mac 和 Windows 上恢复未保存或删除的 PDF

Adobe Acrobat PDF 是一种常用格式。我们可能会在不同的 PDF 编辑器中编辑和保存 PDF 文件。但是,如果不保存 PDF 文件或不小心将其删除,那将是一种令人不安的体验。 保持冷静!首先,尽可能多地停止运行应用程序,这样它…...

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道(多模态 OCR → 语义检索 → 答案渲染)、两级检索(倒排 BM25 向量 HNSW)并以大语言模型兜底”的整体框架: 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后,分别用…...

MPNet:旋转机械轻量化故障诊断模型详解python代码复现

目录 一、问题背景与挑战 二、MPNet核心架构 2.1 多分支特征融合模块(MBFM) 2.2 残差注意力金字塔模块(RAPM) 2.2.1 空间金字塔注意力(SPA) 2.2.2 金字塔残差块(PRBlock) 2.3 分类器设计 三、关键技术突破 3.1 多尺度特征融合 3.2 轻量化设计策略 3.3 抗噪声…...

SkyWalking 10.2.0 SWCK 配置过程

SkyWalking 10.2.0 & SWCK 配置过程 skywalking oap-server & ui 使用Docker安装在K8S集群以外,K8S集群中的微服务使用initContainer按命名空间将skywalking-java-agent注入到业务容器中。 SWCK有整套的解决方案,全安装在K8S群集中。 具体可参…...

【Java学习笔记】Arrays类

Arrays 类 1. 导入包:import java.util.Arrays 2. 常用方法一览表 方法描述Arrays.toString()返回数组的字符串形式Arrays.sort()排序(自然排序和定制排序)Arrays.binarySearch()通过二分搜索法进行查找(前提:数组是…...

linux 错误码总结

1,错误码的概念与作用 在Linux系统中,错误码是系统调用或库函数在执行失败时返回的特定数值,用于指示具体的错误类型。这些错误码通过全局变量errno来存储和传递,errno由操作系统维护,保存最近一次发生的错误信息。值得注意的是,errno的值在每次系统调用或函数调用失败时…...

P3 QT项目----记事本(3.8)

3.8 记事本项目总结 项目源码 1.main.cpp #include "widget.h" #include <QApplication> int main(int argc, char *argv[]) {QApplication a(argc, argv);Widget w;w.show();return a.exec(); } 2.widget.cpp #include "widget.h" #include &q…...

解决本地部署 SmolVLM2 大语言模型运行 flash-attn 报错

出现的问题 安装 flash-attn 会一直卡在 build 那一步或者运行报错 解决办法 是因为你安装的 flash-attn 版本没有对应上&#xff0c;所以报错&#xff0c;到 https://github.com/Dao-AILab/flash-attention/releases 下载对应版本&#xff0c;cu、torch、cp 的版本一定要对…...

成都鼎讯硬核科技!雷达目标与干扰模拟器,以卓越性能制胜电磁频谱战

在现代战争中&#xff0c;电磁频谱已成为继陆、海、空、天之后的 “第五维战场”&#xff0c;雷达作为电磁频谱领域的关键装备&#xff0c;其干扰与抗干扰能力的较量&#xff0c;直接影响着战争的胜负走向。由成都鼎讯科技匠心打造的雷达目标与干扰模拟器&#xff0c;凭借数字射…...

Spring AI与Spring Modulith核心技术解析

Spring AI核心架构解析 Spring AI&#xff08;https://spring.io/projects/spring-ai&#xff09;作为Spring生态中的AI集成框架&#xff0c;其核心设计理念是通过模块化架构降低AI应用的开发复杂度。与Python生态中的LangChain/LlamaIndex等工具类似&#xff0c;但特别为多语…...

均衡后的SNRSINR

本文主要摘自参考文献中的前两篇&#xff0c;相关文献中经常会出现MIMO检测后的SINR不过一直没有找到相关数学推到过程&#xff0c;其中文献[1]中给出了相关原理在此仅做记录。 1. 系统模型 复信道模型 n t n_t nt​ 根发送天线&#xff0c; n r n_r nr​ 根接收天线的 MIMO 系…...