试验设计在数学模型中的应用_第1页
试验设计在数学模型中的应用_第2页
试验设计在数学模型中的应用_第3页
全文预览已结束

付费下载

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

试验设计在数学模型中的应用

由于消费者对产品的需求越来越多,正交试验中需要检查的指标不多,超过2个或2个。这种试验称为“多指标试验”。同一因素水平对各项指标的影响往往各不相同,故对多指标试验结果数据的分析应从各方面考虑,兼顾得失,综合决定因素主次及最优水平组合。常用的对多指标正交试验结果数据的分析有“综合评分法”和“综合平衡法”,可根据实际情况进行选择。本文以某厂对磨削204滚动轴承内圈外滚道工序进行的正交试验为例,探讨多指标正交试验结果数据的分析。该试验探讨磨削用量对加工精度、表面粗糙度和生产率的影响,从而确定最佳生产条件。所取因素水平如表1所示,表中A表示砂轮修励时间间隔,B表示工作转速,C表示粗磨走刀量,D表示精磨走刀量,以下略同。采用L9(34)正交表安排试验。为了提高准确性,每一个试验号都抽测了5个零件,取其平均值作为指标。(如进行方差分析,应记录原始值,按重复试验进行统计分析。)这里只作极差分析,故可以均值进行计算。试验方案及结果数据如表2所示。在各项指标中,粗糙度和圆度是加工误差,越小越好,工时也以短为好。1单指标统计分析综合评分法是一种将多指标按着一定的规则转换为单指标的方法。具体来讲,它是综合比较各种指标的重要性及其实测值,对每号试验结果评定出一个综合分数,而以此分数作为单指标进行统计分析。此种方法的关键是评分,既要反映各项指标的优劣,又要反映各项指标的重要性,评分的方法有排队评分法、公式评分法和回归评分法。1.1每号试验的综合评分排队评分法是综合考虑各项指标优劣,排序给出评分值,并把它作为单指标进行数据分析。这种方法可先把每项指标的优秀值定为满分,对其它号试验所得的该指标值,视其与该优秀值的差异按比例打分,然而对每号试验的所有指标的分数相加即得综合评分。综合评分最高的试验号,可能是最优方案。这种方法比较简单,适用于各项指标重要程度大致相同的情况,是处理多指标问题的常用方法。它对于某些没有数值的定性指标,如色彩、手感、味道、光泽等等,即使它们是单一的,也可以用排队评分法来处理。对于粗糙度指标,第9号试验为0.31μm,排在第一名,给10分;第1号试验为0.49μm,排在最后,给1分。对于圆度指标,第4号试验为1.40μm,排在第一名,给10分;第6号试验为1.92μm,排在最后,给1分。对于工时指标,第1号试验为6.3s·件-1,排在第一名,给10分;第7、9号试验为7.8s·件-1,排在最后,给1分。对其它号试验各指标值的得分,视其与该指标优秀值的差异按比例打分,然而对每号试验的所有指标的分数相加即得综合评分,如表3所示。依据每号试验的综合评分,极差分析如表4所示,其中Kj1、Kj2、Kj3分别为因素1水平、2水平、3水平的试验之和,kj1、kj2、kj3分别为因素1水平、2水平、3水平的试验平均值,Rj为极差。由表2、表3及表4可知,在9次试验中,4号试验综合评分最高,即试验条件为A2B1C2D3。根据极差分析表,因素主次顺序为B、D、A、C,较佳工艺方案是A3B1C2D1。1.2“综合评分”法公式评分法适用于各项指标重要程度有差异的情况。它是利用一个包含有各项指标加权系数(权值)的公式计算每号试验结果的综合评分。加权系数的大小由指标的重要程度来决定,指标越重要加权系数越大。加权系数的大小体现了各项指标的重要程度。这种方法可先按排队评分法给出每一指标评分,然后将其乘以相应的加权系数得该项指标的加权评分,再把每号试验的所有指标的加权评分相加即得综合评分。在该试验中,对于粗糙度指标和圆度指标,它们是质量指标,非常重要,故以2倍计算,即权数分别为2;而对于工时指标,仅以排队评分为依据,即权数为1。所以,其评分公式为:评分=2×粗糙度+2×圆度+工时(1)根据表3,第1号试验的公式评分为:各号试验公式综合评分如表5所示,根据公式综合评分进行极差分析如表6所示。由表2、表5及表6,在9次试验中,7号试验综合评分最高,即试验条件为A3B1C3D2。根据极差分析,因素主次顺序为B、A、C、D,较佳工艺方案是A3B1C2(3)D1。1.3回归分析试验结果回归评分法是利用回归分析(最小二乘)方法来定出各项指标(可带有二次项)的加权系数(回归系数),使加权系数定得更客观合理。它是首先综合考虑各项指标的优劣及重要程度排序给出每号试验结果的经验得分,并把它作为因变量y,将各指标分别作为自变量x1、x2……,求出它们的回归方程式,然后再把各号试验的指标实测值代入回归方程式计算即得该号试验结果的综合得分。由于经验得分不容易做到客观合理,在上述的过程中可能要进行某些校正,使校正后的得分更符合实际。这种方法要求使用者具有回归分析的知识,计算也比较复杂,但随着微机技术的不断普及,此种方法会得到广泛的应用。回归评分法的关键是每号试验结果的经验得分。本例经验得分的原则是粗糙度指标和圆度指标为先,工时指标次之。根据各项试验指标的优劣名次,经过多次权衡,9次试验的经验得分依次是18.5、18.0、15.0、21.0、20.0、13.5、22.5、20.0、21.0。如第1号试验粗糙度为0.49,最差,名次为8;圆度为1.54,名次为3;工时为6.3,最优,名次为1。三项指标拟以30分为基数,分别减去它们的名次,并工时指标的名次取其1/2。所以,第1号试验的经验得分:30-8-3-1/2=18.5。其他各号试验的经验得分依次类推。通过回归分析和显著性检验,得出各项指标的回归系数及回归方程,据此可以获得各号试验的回归评分。如第1号试验的回归评分:69.34-39.86×0.49-11.39×1.54-2.25×6.3=18.1。回归评分法结果数据及回归分析如表7所示。经检验,回归方程高度显著,粗糙度、圆度两指标也高度显著,工时指标一般显著,回归方程具有实际价值。根据表7的回归评分,用极差分析法可得出因素主次为B、A、C、D,较优工艺方案为A3B1C2D1,如表8所示。公式评分法和回归评分法的分析结果基本相同,因为它们的评优原则是一致的。2按单因素试验,确定最优条件综合平衡法是对所测得的各项指标,先逐一分别按单指标计算分析,找出其因素水平的最优组合,然后根据各项指标重要性及各项指标中所得出的因素主次、水平优劣等进行综合平衡,最后确定整体最优因素水平组合。对不同指标而言,因素主次及水平优劣可能相差很大,综合平衡决定因素主次是不容易的,有时也没有必要。为此,往往只按因素在各项指标中起主要作用的最优水平,定出因素水平较优组合,以达到试验目的。必须指出,对于定出的因素水平较优组合,一定要进行再试验,验证其试验效果,是否达到试验目的,且不可就此结束。本例根据表2的试验结果数据,按着粗糙度和圆度加工误差,越小越好,工时也以短为好的原则,对它们分别按单指标进行极差分析,计算结果如表9所示。因素A在粗糙度中是主要因素,按该指标要求应定3水平为优水平。同理,因素B按圆度指标的要求1水平为优;因素C按效率指标的要求也是1水平为优;因素D按其在圆度指标中影响稍大而定为1水平。这样综合平衡因素水平的较优组合即定为A3B1C1D1。3确定较优方案设计将上述各种方法的分析结果进行汇总,如表10所示。从表10可得出:1)从综合评分法来看,B因素(即工件转速)是该试验的主要因素,这是用多种分析方法证明的结果,表明在磨削过程中工件转速应保持在较高水平。这也说明试验中的主要因素不会因为使用不同的分析方法而改变其性质。2)从4种分析方法得出的较优方案来看,它们基本相同,这说明只要评价试验指

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论