link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

试验设计是什么 ?

人们尝试建立关系的前因 (因子)和后果(响应)。测试计划的目的是尽可能一边最低的成本一边达到最大的信息。这是一个尝试合理的方法而不是"转圈圈"。

你并不需要软件来分析那个实验设计。但它太简单了那么你不能把所有你有权期望利润得出得到。尤其是，如果你增加因素和水平。

“一次只改变一个影响”方法, 是来稳定所有因子，除了一个，可以看到它的效果的响应。这种方法需要太多的试验而且是低效的 : 这是不可能的在优化的过程中，或找到一个预测模型，如果有因子之间的交互（偶合参数）。

相反，在实验设计中，所有的数据都同时使用来计算每个效果。所以有更高的精确度，并且很少的试验次数。

测试的结果可能是实验性的，或数值模拟的结果。

实验设计来自费舍尔的工作(1925年），并在20世纪60年代交付被田口博士。近年来，它已收到了许多创新。但它还是有些死板。« 可利可 »方法为您带来更多的严谨，而且带来其实施过程中几乎完全的灵活性。因为他们不再被强制遵守一个繁琐的过程，所以您的团队迅速展开工作。

如果,在您的工作中，严格意义上的实验设计在分析上是很困难，仍然是可以使用 « 可利可 » (Corico)为了分析您的回报体验数据！

在昂贵试用品的情况下，试验次数很少，而且许多参数更改为每个测试. 该方法允许知道哪种参数或哪种参数的逻辑组合造成一个特定的缺陷。

应用 ...

鉴定有影响力的参数和量化其影响力。

多参数预测模型。

改进的制造过程。拟订混合配方。

诊断原因的非典型行为。

非质量成本削减。提高的生产率。减少时间的发展。

优化功能。产量的影响。质量/价格比。

产品的设计和稳健性.的过程。过程工程。

总质量：识别的缺陷的原因。只是必要的研究。减少返工（废碎料）。

持续改进，机器设备，研究发展等...

它不需要您假设模型。因此，软件发现“数据驱动”模型, 这个更接近现实。

在同一操作中，它可能粗略地分析问题（“筛选”）和全分析所有交互作用。

它不会压倒您在众多的二维图形：Corico软件可以真正又多维又清晰！这是一个独特的审议支持。

因此您只需选择“响应”来衡量,然后列出控制因子以及不受控制参数,所有可以起一定作用。

您没有任何后顾之忧 ...

您没有任何后顾之 :

您永远不会阻止,

当它太昂贵，构建一个全因子试验设计,

当因子不能被修改的一个独立的方式,

当不受控制的因子，在响应中发挥的作用,

当你不知道，如果有因子之间的相互作用，以及不想忽略的相互作用,

当有逻辑交互（例如：“A和B”，而不是“AB”,

当方差分析不适用,

当一些因子需要两个以上的水平 (影响不是线性的).

当难以用完全随机的方式安排试验的顺序,

当您不想干扰正常发展过程,

当因子数比试验数更,

当田口条件不符或太死板,

在利用CORICO软件, 选择控制的因子数;定义其类型（定性或定量,）及其变化范围; 可能限制水平数量。点击。您的计划是准备好了！

您更好的分析结果 :

您利用Corico的分析才能 ,为了能最好开采实验的成果。不需要假设一个先验模型。所以创建试验设计很容易。有可能加不控制的因素。

一个例子 : 一个响应面设计 .

而且您能个性化您的设计。试验中, 它允许稍微偏离设计规定的水平。只需注意仔细地记录实际水平。

廉价的设计建议 ...

廉价的设计建议 :

如果您已经知道了标准的实验设计方法，也许你正面临着在您的业务死板执行。

在标准的方法，当数的因素增加, 实验的数量随之增加极了。这需要“一个绝技”，以保持在合理的预算里。相反，在Corico计划里，实验的数量呈线性增加。

Corico软件结合D-最优设计的好处和均匀试验设计的好处。因此，试验的数量是非常少的。

CORICO设计, 7 因素, 7 水平, 没有别名结构，需要只16个试验。

CORICO设计, 12 因素, 12 水平, 没有别名结构，需要只19个试验。等等。

它是如何变成可能的 ?

我们增加水平数，所以它增加了信息，并消除了许多疑虑，在不增加实验次数情况下。。我们因此获得一个更好的全面(扫瞄)的实验性域。

即使因素数比试验数更多，Corico软件只把有影响的因素放进在模型(多元回归). 因此，未知数不比方程数更多。

CORICO建议安全的试验设计, 但也建议经典的试验设计 (全因子设计, 部分因子设计, 田口, Hadamard, Plackett-Burmann设计, 无重复试验的饱和因设计, 设计模式 composite (组合模式), hexagonal, Doehlert设计, Box-Behnken设计, Rechtschaffner设计, D-最优设计, 均匀试验设计, 拉丁广场设计, greco 拉丁广场设计, hypergreco 拉丁广场设计, 非对称设计, 单纯形设计, 混料设计, 感官分析计划...).

最后，在试验过程中，它是允许把情况有所偏离计划的水平，如果是这样更容易。所以,往往是一个试验设计, “失误”，在这个意义上的经典分析设计,是一个Corico“成功”！

鲁棒性和便于分析 ...

鲁棒性和便于分析 :

CORICO, 在一个工具, 把试验设计和数据分析结合。一个图 ,有利地替换亨利直线，和帕累托图、图表，和多种效果的图。后者，因为它们是基于平均数差异可以说服有存在交互作用, 而不存在的。

示例：生成一个混料设计和关系约束。

响应Y的模式仍在调整更好，如果他考虑« 逻辑交互 » :

Y = 0.5238 + 0.9484 B{B + 0.5958 D]A - 0.6844 A!B + 0.4383 B'D

左下方，位置一个四个因素A，B，C，D的混料设计的位置（点的颜色取决于D的值）。

在中间，响应Y的模型，其中D在三元图上被固定其低的值。

右，响应Y的模型，其中D在三元图上被设定于其平均值。

模型更接近物理现 :

Corico的优化多模型，在于找到所有的解决方案（因素水平的组合），优化所有的响应,根据标准的可取性由用户定义的。

>在试验设计的初始阶段，或在分析阶段，Corico不假定一个成见模型（如二次模型）; 相反，它找到最适合的物理现实的模型。成果 : 短小模型又更好预测模型。 (更好系数R2, F, SEP, PRESS, 残留物的图形)。

如果在模型中有许多因素或交互，你不需要来考虑,费劲地想,多个响应曲面 : 该软件计算出最佳状态。 Corico，确定性能稳定的区域,如果小变化的因素。

这些模型几乎总是更容易解释。

一个传统的方法包括分两阶段 :

第一筛选试验设计 : 它接受许多因素，少数测试（如Plackett-Burman设计）, 但有混淆交互与因子之间。这个试验设计的目的是先删除非有影响力的因素。

第二响应面设计 : 跟唯一的在第一步骤选择的参数，为了量化交互, 也响应最优化。

不方便的是：如果单独的因素没有效果，在“筛选”阶段它会被淘汰。纵然他们可能有一个效果时加上。

例如 : 如果响应模型是Y = a.E&F+ b.A + c.B + d.D + e.A*B,，E和F因子在筛选时，未检测到。其结果是，在步骤2中，只在"响应面"设计里,考虑A，B，D因素。“E＆F”因子被忽略，即使它是最有影响力的。这是在决策方面的严重后果。

CORICO设计，与此相反，允许在单个操作中“筛选”和“响应面”。具有以下优点 :

大量节省测试。

实施的简易性。

避免错误的决定。

整合能力分析不受控制的因素，包括与控制因素的交互。

优化的响应面法（RSM）甚至仍然适用的时数的因素大。

方面的试验设计的技术特点 :

建CORICO设计, D-最优设计, Doehlert设计, 六方设计, Box-Behnken设计, composite设计, 单纯形设计, 带约束的混合物设计…可以导入自定义的计划。

稳健的设计结合可控因素和噪声因素。

序贯试验。

组合工艺因素和混合物因素。

因数高达170+响应（几千,在高端版本）。响应可能是一条曲线。

"可取性"的函数结合所有的响应。

定量和定性因素，多平全，控制或不受控制。

模型选择。

非假设的模型和非线性模型，包括逻辑交互。

优化选择的回归。抗过拟合滤波器。交叉验证。在多个响应的情况下，非假设的模型可以为了每个响应不同。

在回归分析，并考虑到共线性的风险。

误差图形。

响应面的三维图。你可以在第四维动。

方差的预测的图形。

友好的图形, 以评估是否适合所选择的试验设计。

矩阵经验修复。矩阵经验增加。

学习当地的规则。

罕见的情况下检测。

图解，是一个独特的方面（你是不是压倒众多的二维图！）

文字处理为了图解。

多响应优化。可取性函数。限制或优化标准。互动的预测。

蒙特卡罗模拟。

检测了模型的鲁棒性的区域（稳定的性能，小的参数变化的）。

在线帮助和上下文敏感的帮助。

常任助理，建议以下步骤。

与其他应用程序数据交换（EXCEL，易初莲花...）

而且Corico是最全面的和用户友好的数据分析工具。

Vous êtes enseignant : contactez-nous pour connaître les conditions spéciales qui vous permettront d'équiper votre classe, votre laboratoire, votre école ou votre université.

[网站翻译 : 如果你发现查询信息有误, 欢迎您提供修改意见。翻译建议 ]