当前位置:文档之家› 正交试验设计常用正交表

正交试验设计常用正交表

正交试验设计常用正交表
正交试验设计常用正交表

选用正交表。根据提供的因素和水平进行正交表的选择, 选择的方法为试验的水平作为正 交表的水平, 试验的各个因素小于或等于正交表的列数,表格中没有数据的项空掉即可。

可以数据公式分析影响因子,也可以软件表征结果 (1) L 4(23)

任意两列间的交互作用为另外一列

(2) L 8(27)

L 8(27)二列间的交互作用表

1 2 3 1 1 1 1 2 1 2 2 3 2 1 2 4 2

2

1

1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8

2

2

1

2

1

1

2

1 2 3 4 5 6 7 (1) 3 2 6 4 7 6 (2) 1 5 7 4 5 (3) 7 6 5 4 (4) 1 2 3 (5) 3 2 (6) 1

(7)

号 试

验 号 列

验 号

L 8(27)表头设计

1 2 3 4 5 6 7 3 A B A ×B C A ×C B ×C 4 A B A ×B C ×D C A ×C B ×D B ×C A ×D D 4 A B C ×D A ×B C B ×D A ×C D B ×C A ×D 5 A D ×E

B C ×D

A ×

B

C ×E

C B ×D

A ×C

B ×E

D A ×

E B ×C

E A ×D

(3) L 8(4×24)

L 8(4×24)表头设计

1 2 3 4 5 2 A B (A ×B)1 (A ×B)2

(A ×B)3

3 A B C

4 A B C D 5

A

B

C

D

E

1 2 3 4 5 1 1 1 1 1 1 2 1 2 2 2 2 3 2 1 1 2 2 4 2 2 2 1 1 5 3 1 2 1 2 6 3 2 1 2 1 7 4 1 2 2 1 8

4

2

1

1

2

号 因 子 数

试 验

因 子

(4) L 12 (211)

(5) L 16 (215)

1 2 3 4 5 6 7 8 9 10 11 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 3 1 1 2 2 2 1 1 1 2 2 2 4 1 2 1 2 2 1 2 2 1 1 2 5 1 2 2 1 2 2 1 2 1 2 1 6 1 2 2 2 1 2 2 1 2 1 1 7 2 1 2 2 1 1 2 2 1 2 1 8 2 1 2 1 2 2 2 1 1 1 2 9 2 1 1 2 2 2 1 2 2 1 1 10 2 2 2 1 1 1 1 2 2 1 2 11 2 2 1 2 1 2 1 1 1 2 2 12

2

2

1

1

2

1

2

1

2

2

1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 3 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 4 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 5 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 6 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 7 1 2 2 2 2 1 1 1 1 2 2 2 2 1 1 8 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 9 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 10 2 1 2 1 2 1 2 2 1 2 1 2 1 2 1 11 2 1 2 2 1 2 1 1 2 1 2 2 1 2 1 12 2 1 2 2 1 2 1 2 1 2 1 1 2 1 2 13 2 2 1 1 2 2 1 1 2 2 1 1 2 2 1 14 2 2 1 1 2 2 1 2 1 1 2 2 1 1 2 15 2 2 1 2 1 1 2 1 2 2 1 2 1 1 2 16

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

试 验

号 列

试 验 号

L16(215)二列间的交互作用表

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

(1) 3 2 5 4 7 6 9 8 11 10 13 12 15 14

(2) 1 6 4 5 10 11 8 9 14 15 12 13

(3) 7 6 5 4 11 10 9 8 15 14 13 12

(4) 1 2 3 12 13 14 15 8 9 10 11

(5) 3 2 13 12 15 14 9 8 11 10

(6) 1 14 15 12 13 10 11 8 9

(7) 15 14 13 12 11 10 9 8

(8) 1 2 3 4 5 6 7

(9) 3 2 5 4 7 6

(10) 1 6 7 4 5

(11) 7 6 5 4

(12) 1 2 3

(13) 3 2

(14) 1

L 16(215)表头设计

15

E

C ×E B ×F

C ×E B ×F A ×G

C ×E B ×F A ×G

D ×H

14 A ×E

G

G

13 B ×E F F F 12 C ×D C ×D C ×D A ×F

C ×

D A ×F A ×G

C ×

D A ×F A ×G

E ×H

11 C ×E E

E

E

10 B ×D B ×D B ×D A ×E

B ×D A ×E

C ×G

B ×D A ×E

C ×G F ×H

9 A ×D A ×D A ×D B ×E C ×F

A ×D

B ×E

C ×F A ×

D B ×

E C ×

F

G ×

H 8 D D D D D

7 D ×E H 6 B ×C B ×C B ×C E ×F B ×C E ×F D ×G B ×C E ×F D ×G A ×H

5 A ×C A ×C A ×C D ×F A ×C D ×F E ×G A ×C D ×F E ×G B ×H 4 C C C C C 3

A ×

B A ×B A ×B D ×E A ×B D ×E F ×G A ×B D ×E F ×G

C ×H

2 B B B

B

B

1 A A A A A 列号 因子数

4 5 6 7 8

(6) L 16 (4×212)

L 16 (4×212)表头设计

1 2 3 4 5 6 7 3 A B (A ×B)1 (A ×B)2 (A ×B)3 C (A ×C)1 4 A B (A ×B)1 C ×D (A ×B)2 (A ×B)3 C (A ×C)1 B ×D 5

A B (A ×B)1 C ×D (A ×B)2 C ×E (A ×B)3 C (A ×C)1 B ×D

8 9 10 11 12 13 3 (A ×C)2 (A ×C)3 B ×C 4 (A ×C)2 (A ×C)3 B ×C (A ×D)1 D (A ×D)3 (A ×D)2 5 (A ×C)2 B ×E

(A ×C)3

B ×

C (A ×D)1 (A ×E)2

D (A ×E)3

E (A ×D)3

(A ×E)1 (A ×D)2

(7) L 16 (42×29)

1 2 3 4 5 6 7 8 9 10 11 12 13 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 1 1 1 2 2 2 2 2 2 2 2 3 1 2 2 2 2 1 1 1 1 2 2 2 2 4 1 2 2 2 2 2 2 2 2 1 1 1 1 5 2 1 1 2 2 1 1 2 2 1 1 2 2 6 2 1 1 2 2 2 2 1 1 2 2 1 1 7 2 2 2 1 1 1 1 2 2 2 2 1 1 8 2 2 2 1 1 2 2 1 1 1 1 2 2 9 3 1 2 1 2 1 2 1 2 1 2 1 2 10 3 1 2 1 2 2 1 2 1 2 1 2 1 11 3 2 1 2 1 1 2 1 2 2 1 2 1 12 3 2 1 2 1 2 1 2 1 1 2 1 2 13 4 1 2 2 1 1 2 2 1 1 2 2 1 14 4 1 2 2 1 2 1 1 2 2 1 1 2 15 4 2 1 1 2 1 2 2 1 2 1 1 2 16

4

2

1

1

2

2

1

1

2

1

2

2

1

试 验 号

列 号

因 子

号 因 子 数

(8) L 16 (43×26)

(9) L 16 (44×23)

1 2 3 4 5 6 7 8 9 10 11 1 1 1 1 1 1 1 1 1 1 1 1 2 1 2 1 1 1 2 2 2 2 2 2 3 1 3 2 2 2 1 1 1 2 2 2 4 1 4 2 2 2 2 2 2 1 1 1 5 2 1 1 2 2 1 2 2 1 2 2 6 2 2 1 2 2 2 1 1 2 1 1 7 2 3 2 1 1 1 2 2 2 1 1 8 2 4 2 1 1 2 1 1 1 2 2 9 3 1 2 1 2 2 1 2 2 1 2 10 3 2 2 1 2 1 2 1 1 2 1 11 3 3 1 2 1 2 1 2 1 2 1 12 3 4 1 2 1 1 2 1 2 1 2 13 4 1 2 2 1 2 2 1 2 2 1 14 4 2 2 2 1 1 1 2 1 1 2 15 4 3 1 1 2 2 2 1 1 1 2 16

4

4

1

1

2

1

1

2

2

2

1

1 2 3 4 5 6 7 8 9 1 1 1 1 1 1 1 1 1 1 2 1 2 2 1 1 2 2 2 2 3 1 3 3 2 2 1 1 2 2 4 1 4 4 2 2 2 2 1 1 5 2 1 2 2 2 1 2 1 2 6 2 2 1 2 2 2 1 2 1 7 2 3 4 1 1 1 2 2 1 8 2 4 3 1 1 2 1 1 2 9 3 1 3 1 2 2 2 2 1 10 3 2 4 1 2 1 1 1 2 11 3 3 1 2 1 2 2 1 2 12 3 4 2 2 1 1 1 2 1 13 4 1 4 2 1 2 1 2 2 14 4 2 3 2 1 1 2 1 1 15 4 3 2 1 2 2 1 1 1 16

4

4

1

1

2

1

2

2

2

试 验

号 列

试 验 号

(10) L16 (45)

1 2 3 4 5 6 7

1 1 1 1 1 1 1 1

2 1 2 2 2 1 2 2

3 1 3 3 3 2 1 2

4 1 4 4 4 2 2 1

5 2 1 2 3 2 2 1

6 2 2 1 4 2 1 2

7 2 3 4 1 1 2 2

8 2 4 3 2 1 1 1

9 3 1 3 4 1 2 2

10 3 2 4 3 1 1 1

11 3 3 1 2 2 2 1

12 3 4 2 1 2 1 2

13 4 1 4 2 2 1 2

14 4 2 3 1 2 2 1

15 4 3 2 4 1 1 1

16 4 4 1 3 1 2 2

1 2 3 4 5

1 1 1 1 1 1

2 1 2 2 2 2

3 1 3 3 3 3

4 1 4 4 4 4

5 2 1 2 3 4

6 2 2 1 4 3

7 2 3 4 1 2

8 2 4 3 2 1

9 3 1 3 4 2

10 3 2 4 3 1

11 3 3 1 2 4

12 3 4 2 1 3

13 4 1 4 2 3

14 4 2 3 1 4

15 4 3 2 4 1

16 4 4 1 3 2

(11) L 16 (8×28)

(12) L 20 (219)

1 2 3 4 5 6 7 8 9 1 1

1 1 1 1 1 1 1 1

2 1 2 2 2 2 2 2 2 2

3 2 1 1 1 1 2 2 2 2

4 2 2 2 2 2 1 1 1 1

5 3 1 1 2 2 1 1 2 2

6 3 2 2 1 1 2 2 1 1

7 4 1 1 2 2 2 2 1 1

8 4 2 2 1 1 1 1 2 2

9 5 1 2 1 2 1 2 1 2 10 5 2 1 2 1 2 1 2 1 11 6 1 2 1 2 2 1 2 1 12 6 2 1 2 1 1 2 1 2 13 7 1 2 2 1 1 2 2 1 14 7 2 1 1 2 2 1 1 2 15 8 1 2 2 1 2 1 1 2 16

8

2

1

1

2

1

2

2

1

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 1 1 2 2 2 2 1 2 1 2 1 1 1 1 2 2 1 3 2 1 1 2 2 2 2 1 2 1 2 1 1 1 1 2 2 1 2 4 1 1 2 2 2 2 1 2 1 2 1 1 1 1 2 2 1 2 2 5 1 2 2 2 2 1 2 1 2 1 1 1 1 2 2 1 2 2 1 6 2 2 2 2 1 2 1 2 1 1 1 1 2 2 1 2 2 1 1 7 2 2 2 1 2 1 2 1 1 1 1 2 2 1 2 2 1 1 2 8 2 2 1 2 1 2 1 1 1 1 2 2 1 2 2 1 1 2 2 9 2 1 2 1 2 1 1 1 1 2 2 1 2 2 1 1 2 2 2 10 1 2 1 2 1 1 1 1 2 2 1 2 2 1 1 2 2 2 2 11 2 1 2 1 1 1 1 2 2 1 2 2 1 1 2 2 2 2 1 12 1 2 1 1 1 1 2 2 1 2 2 1 1 2 2 2 2 1 2 13 2 1 1 1 1 2 2 1 2 2 1 1 1 2 2 2 1 2 1 14 1 1 1 1 2 2 1 2 2 1 1 2 2 2 2 1 2 1 2 15 1 1 1 2 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 16 1 1 2 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 1 17 1 2 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 1 1 18 2 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 1 1 1 19 2 1 2 2 1 1 2 2 2 2 1 2 1 2 1 1 1 1 2 20

1

2

2

1

1

2

2

2

2

1

2

1

2

1

1

1

1

2

2

号 试

验 号

列 号 试

验 号

(13) L9 (34)

(14) L18 (2×37)

1 2 3 4

1 1 1 1 1

2 1 2 2 2

3 1 3 3 3

4 2 1 2 3

5 2 2 3 1

6 2 3 1 2

7 3 1 3 2

8 3 2 1 3

9 3 3 2 1

1 2 3 4 5 6 7 8

1 1 1 1 1 1 1 1 1

2 1 1 2 2 2 2 2 2

3 1 1 3 3 3 3 3 3

4 1 2 1 1 2 2 3 3

5 1 2 2 2 3 3 1 1

6 1 2 3 3 1 1 2 2

7 1 3 1 2 1 3 2 3

8 1 3 2 3 2 1 3 1

9 1 3 3 1 3 2 1 2

10 2 1 1 3 3 2 2 1

11 2 1 2 1 1 3 3 2

12 2 1 3 2 2 1 1 3

13 2 2 1 2 3 1 3 2

14 2 2 2 3 1 2 1 3

15 2 2 3 1 2 3 2 1

16 2 3 1 3 2 3 1 2

17 2 3 2 1 3 1 2 3

18 2 3 3 2 1 2 3 1

(15) L27 (313)

L27 (313)表头设计

1 2 3 4 5 6 7

3 A B (A×B)1(A×B)2 C (A×C)1(A×C)2

4 A B (A×B)1

(C×D)2(A×B)2 C

(A×C)1

(B×D)2(A×C)2

8 9 10 11 12 13 3 (B×C)1 D (A×D)1(B×C)2(B×D)1(C×D)1

4

(B×C)1

(A×D)2(A×D)1(B×C)2

1 2 3 4 5 6 7 8 9 10 11 12 13

1 1 1 1 1 1 1 1 1 1 1 1 1 1

2 1 1 1 1 2 2 2 2 2 2 2 2 2

3 1 1 1 1 3 3 3 3 3 3 3 3 3

4 1 2 2 2 1 1 1 2 2 2 3 3 3

5 1 2 2 2 2 2 2 3 3 3 1 1 1

6 1 2 2 2 3 3 3 1 1 1 2 2 2

7 1 3 3 3 1 1 1 3 3 3 2 2 2

8 1 3 3 3 2 2 2 1 1 1 3 3 3

9 1 3 3 3 3 3 3 2 2 2 1 1 1

10 2 1 1 3 1 2 3 1 2 3 1 2 3

11 2 1 2 3 2 3 1 2 3 1 2 3 1

12 2 1 3 3 3 1 2 3 1 2 3 1 2

13 2 2 1 1 1 2 3 2 3 1 3 1 2

14 2 2 2 1 2 3 1 3 1 2 1 2 3

15 2 2 3 1 3 1 2 1 2 3 2 3 1

16 2 3 1 2 1 2 3 3 1 2 2 3 1

17 2 3 2 2 2 3 1 1 2 3 3 1 2

18 2 3 3 2 3 1 2 2 3 1 1 2 3

19 3 1 3 2 1 3 2 1 3 2 1 3 2

20 3 1 3 2 2 1 3 2 1 3 2 1 3

21 3 1 3 2 3 2 1 3 2 1 3 2 1

22 3 2 1 3 1 3 2 2 1 3 3 2 1

23 3 2 1 3 2 1 3 3 2 1 1 3 2

24 3 2 1 3 3 2 1 1 3 2 2 1 3

25 3 3 2 1 1 3 2 3 2 1 2 1 3

26 3 3 2 1 2 1 3 1 3 2 3 2 1

27 3 3 2 1 3 2 1 2 1 3 1 3 2

号因子

号因子

L27 (313)二列间的交互作用表

1 2 3 4 5 6 7 8 9 10 11 12 13

(1)

3 2 2 6 5 5 9 8 8 12 11 11

4 4 3 7 7 6 10 10 9 13 13 12 (2)

1 1 8 9 10 5 6 7 5 6 7

4 3 11 12 13 11 12 13 8 9 10

(3)

1 9 10 8 7 5 6 6 7 5

2 1

3 11 12 12 13 11 10 8 9

(4)

10 8 9 6 7 5 7 5 6

12 13 11 13 11 12 9 10 8

(5)

1 1

2

3

4 2 4 3

7 6 11 13 12 8 10 9

(6)

1 4

2

3 3 2 4

5 13 12 11 10 9 8

(7)

3 4 2 4 3 2

12 11 13 9 8 10

(8)

1 1

2

3 4

10 9 5 7 6

(9)

1 4

2 3

8 7 6 5

(10)

3 4 2

6 5 7

(11)

1 1

13 12

(12)

1

11

1 2 3 4 5 6 1 1 1 1 1 1 1 2 1 2 2 2 2 2 3 1 3 3 3 3 3 4 1 4 4 4 4 4 5 1 5 5 5 5 5 6 2 1 2 3 4 5 7 2 2 3 4 5 1 8 2 3 4 5 1 2 9 2 4 5 1 2 3 10 2 5 1 2 3 4 11 3 1 3 5 2 4 12 3 2 4 1 3 5 13 3 3 5 2 4 1 14 3 4 1 3 5 2 15 3 5 2 4 1 3 16 4 1 4 2 5 3 17 4 2 5 3 1 4 18 4 3 1 4 2 5 19 4 4 2 5 3 1 20 4 5 3 1 4 2 21 5 1 5 4 3 2 22 5 2 1 5 4 3 23 5 3 2 1 5 4 24 5 4 3 2 1 5 25

5

5

4

3

2

1

列 号 试 验 号

31

1

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

30

1

2

2

1

2

1

1

2

2

1

1

2

1

2

2

1

29

1

2

2

1

2

1

1

2

1

2

2

1

2

1

1

2

28

1

2

2

1

2

1

1

2

1

2

2

1

2

1

1

2

27 1

2

2

1

1

2

2

1

2

1

1

2

2

1

1

2

26 1 2

2

1

1

2

2

1

2

1

1

2

2

1

1

2

25 1 2 2 1

1

2

2

1

1

2

2

1

1

2

2

1

24 1 2 2 1 1

2

2

1

1

2

2

1

1

2

2

1

23 1 2 1 2 2 1 2

1

2

1

2

1

1

2

1

2

22 1 2 1 2 2 1 2 1

2

1

2

1

1

2

1

2

21 1 2 1 2 2 1 2 1 1

2

1

2

2

1

2

1

20 1 2 1 2 2 1 2 1 1 2 1

2

2

1

2

1

19 1 2 1 2 1 2 1 2 2 1 2 1 2

1

2

1

18 1 2 1 2 1 2 1 2 2 1 2 1 2 1

2

1

17 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 16 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 15 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 14 1 1 2 2 2 2 1 1 2 2 1 1 1 1 2 2 13 1 1 2 2 2 2 1 1 1 1 2 2 1 1 2 2 12 1 1 2 2 2 2 1 1 1 1 2 2 1 1 2 2 11 1 1 2 2 1 1 2 2 2 2 1 1 2 2 1 1 10 1

1

2

2

1

1

2

2

2

2

1

1

2

2

1

1 9 1

1

2

2

1

1

2

2

1

1

2

2

1

1

2

2

8 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 7 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 6 1 1 1 1 2 2 2 2 2 2 2 2 1 1 1 1 5 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 4 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 3 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2

1 1 1 1 1 1 1 1

2 2 2 2 2 2 2 2

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

列号

试验号

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

正交实验设计原理

正交实验设计 1.概述 任何生产部门,任何科学实验工作,为达到预期目的和效果都必须恰当地安排实验工作,力求通过次数不多的实验认识所研究课题的基本规律并取得满意的结果。例如为拟定一个正确而简便的分析方法,必然要研究影响这种分析方法效果的种种条件,诸如试剂浓度和用量、溶液酸度、反应时间以及共存组分的干扰等等。同时,对于影响分析效果的每一种条件,还应通过试验选择合理的范围。在这里,我们把受到条件影响的反系方法的准确度、精密度以及方法的效果等叫做指标;把试验中要研究的条件叫做因素;把每种条件在试验范围内的取值(或选取的试验点)叫做该条件的水平。这就是说我们常常遇到的问题可能包括多种因素,各种因素又有不同的水平,每种因素可能对分析结果产生各自的影响,也可能彼此交织在一起而产生综合的效果。 正交试验设计就是用于安排多因素实验并考察各因素影响大小的一种科学设计方法。它始于1942年,之后在各个领域里都得到很快的发展和广泛应用。这种科学设计方法是应用一套已规格化的表格——正交表来安排实验工作,其优点是适合于多种因素的实验设计,便于同时考查多种因素各种水平对指标的影响通过较少的实验次数,选出最佳的实验条件,即选出各因素的某一水平组成比较合适的条件,这样的条件就所考查的因素和水平而言,可视为最佳条件。另一方面,还可以帮助我们在错综复杂的因素中抓住主要因素,并判断那些因素只起单独的作用,那些因素除自身的单独作用外,它们之间还产生综合的效果。数理统计上的实验设计还能给出误差的估计。 2. 试验设计的基本方法 全面试验法 正交设计的方法,首先应根据实验的目的,确定影响实验结果的各种因素,选择这些影响因素的试验点,进而拟出实验方案,之后按所拟方案进行实验并对实验结果作出评估。必要时再拟出进一步的实验方案,使实验工作更趋完善,所得结果也更为可靠。 如在研究某一显色反应时,为选择合适的显色温度、酸度和显色完全的时间,可作如下的试验安排。 首先确定上述三因素的实验范围: 显色温度: 25——35℃ (温度以A表示) 酸浓度:——L (酸浓度以B表示)

正交试验设计常用正交表分析

选用正交表。根据提供的因素和水平进行正交表的选择, 选择的方法为试验的水平作为正 交表的水平, 试验的各个因素小于或等于正交表的列数,表格中没有数据的项空掉即可。 可以数据公式分析影响因子,也可以软件表征结果 (1) L 4(23) 任意两列间的交互作用为另外一列 (2) L 8(27) L 8(27)二列间的交互作用表 1 2 3 1 1 1 1 2 1 2 2 3 2 1 2 4 2 2 1 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 1 2 3 4 5 6 7 (1) 3 2 6 4 7 6 (2) 1 5 7 4 5 (3) 7 6 5 4 (4) 1 2 3 (5) 3 2 (6) 1 (7) 列 号 试 验 号 列 号 试 验 号 列 号 列 号

L 8(27)表头设计 1 2 3 4 5 6 7 3 A B A ×B C A ×C B ×C 4 A B A ×B C ×D C A ×C B ×D B ×C A ×D D 4 A B C ×D A ×B C B ×D A ×C D B ×C A ×D 5 A D ×E B C ×D A × B C ×E C B ×D A ×C B ×E D A × E B ×C E A ×D (3) L 8(4×24) L 8(4×24)表头设计 1 2 3 4 5 2 A B (A ×B)1 (A ×B)2 (A ×B)3 3 A B C 4 A B C D 5 A B C D E 1 2 3 4 5 1 1 1 1 1 1 2 1 2 2 2 2 3 2 1 1 2 2 4 2 2 2 1 1 5 3 1 2 1 2 6 3 2 1 2 1 7 4 1 2 2 1 8 4 2 1 1 2 列 号 因 子 数 列 号 试 验 号 列 号 因 子 数

正交实验设计方法--非常有用

L9(34) 序号 1 2 3 4 1 1 1 1 1 2 1 2 2 2 3 1 3 3 3 4 2 1 2 3 5 2 2 3 1 6 2 3 1 2 7 3 1 3 2 8 3 2 1 3 9 3 3 2 1 回首页 正交试验设计法 正交试验设计法的基本思想 正交表 正交表试验方案的设计 试验数据的直观分析 正交试验的方差分析 常用正交表 1.正交试验设计法的基本思想 正交试验设计法,就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行,计算表格化,使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。 [例1]为提高某化工产品的转化率,选择了三个有关因素进行条件试验,反应温度(A),反应时间(B),用碱量(C),并确定了它们的试验范围: A:80-90℃ B:90-150分钟 C:5-7% 试验目的是搞清楚因子A、B、C对转化率有什么影响,哪些是主要的,哪些是次要的,从而确定最适生产条件,即温度、时间及用碱量各为多少才能使转化率高。

试制定试验方案。 这里,对因子A,在试验范围内选了三个水平;因子B和C 也都取三个水平: A:Al=80℃,A2=85℃,A3=90℃ B:Bl=90分,B2=120分,B3=150分 C:Cl=5%,C2=6%,C3=7% 当然,在正交试验设计中,因子可以是定量的,也可以是定性的。而定量因子各水平间的距离可以相等,也可以不相等。 这个三因子三水平的条件试验,通常有两种试验进行方法: (Ⅰ)取三因子所有水平之间的组合,即AlBlC1,A1BlC2,A1B2C1,……,A3B3C3,共有 33=27次 试验。用图表示就是图1 立方体的27个节点。这种试验法叫做全面试验法。 全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别是当因子数目多,每个因子的水平数目也多时。试验量大得惊人。如选六个因子,每个因子取五个水平时,如欲做全面试验,则需56=15625次试验,这实际上是不可能实现的。如果应用正交实验法,只做25次试验就行了。而且在某种意义上讲,这25次试验代表了15625次试验。 图1 全面试验法取点.......... (Ⅱ)简单对比法,即变化一个因素而固定其他因素,如首先固定B、C于Bl、Cl,使A变化之: ↗A1 B1C1 →A2 ↘A3 (好结果) 如得出结果A3最好,则固定A于A3,C还是Cl,使B变化之: ↗B1 A3C1 →B2 (好结果) ↘B3 得出结果以B2为最好,则固定B于B2,A于A3,使C变化之: ↗C1 A3B2→C2 (好结果) ↘C3 试验结果以C2最好。于是就认为最好的工艺条件是A3B2C2。 这种方法一般也有一定的效果,但缺点很多。首先这种方法的选点代表性很差,如按上述方法进行试验,试验点完全分布在一个角上,而在一个很大的范围内没有选点。因此这种试验方法不全面,所选的工艺条件A3B2C2不一定是27个组合中最好的。其次,用这种方法比较条件好坏时,是把单个的试验数据拿来,进行数值上的简单比较,而试验数据中必然要包含着误差成分,所以单个数据的简单比较不能剔除误差的干扰,必然造成结论的不稳定。

正交试验设计法[17]

正交试验设计法[17] 正交试验设计是利用“正交表”选择试验的条件,并利用正交表的特点进行数据分析,找出最好的或满意的试验条件,适用于多因素的设计问题。正交试验法的理论基础是正交拉丁方理论与群论。在工作中可用的多因素寻优工作方法,一类是从优选区某一点开始试验,一步一步到达较优点,这类实验方法叫序贯试验法,如因素轮换法、爬山法等;另一类是,在优选区内一次布置一批试验点,通过对这批试验结果的分析,逐步缩小优选范围从而达到较优点,如正交试验法等。科研中普遍采用正交试验法,因其具有如下优点: ①实用上按表格安排试验,使用方便; ②布点均衡、试验次数较少; ③在正交试验法中的最好点,虽然不一定是全面试验的最好点,但也往往是相当好的点。特别在只有一两个因素起主要作用时,正交试验法能保证主要因素的各种可能都不会漏掉。这点在探索性工作中很重要,其他试验方法难于作到; ④正交试验法提供一种分析结果(包括交互作用)的方法,结果直观易分析。且每个试验水平都重复相同次数,可以消除部分试验误差的干扰; ⑤因其具有正交性,易于分析出各因素的主效应。 名词解释: 1 试验因素:影响考核指标取值的量称为试验因素(因子),一般记为:A,B,C等。有定量的因素,可控因素,定性的因素,不可控因素等。 2 因素的位级(水平):指试验因素所处的状态。 4 考核指标:根据试验目的而选定的用来衡量试验效果的量值(指标)。 5 完全因素位级组合:指参与实验的全部因素与全部位级相互之间的全部组合次数,即全部的实验次数。

6 部分因素位级组合:⑴单因素转换法⑵正交试验法 7 正交表的符号:正交表是运用组合数学理论在正交拉丁名的基础上构造的一种规格化的表格。符号:Ln(ji) 其中: L--正交表的符号 n--正交表的行数(试验次数,试验方案数) j--正交表中的数码(因素的位级数) i--正交表的列数(试验因素的个数) N=ji--全部试验次数(完全因素位级组合数) 总之,利用正交试验法的设计方案,结合代数方法对数据进行分析,可达到使试验收敛速度加快、试验的效率非常高的效果。可利用试验结果获取更多信息,准确掌握效应的趋势规律,而且优选点可超越所选水平范围和精度,从而可大大减少试验次数。这种联用技术,对于可获得定量结果或结果容易定量化,以及试验代价高时,很有效。 正交实验设计 当析因设计要求的实验次数太多时,一个非常自然的想法就是从析因设计的水平组合中,选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计(fractional factorial designs),但是对于试验设计知识较少的实际工作者来说,选择适当的分式析因设计还是比较困难的。 正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法,它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点,正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格,称为正交表。例如作一个三因素三水平的实验,按全面实验要求,须进行33=27种组合的实验,且尚未考虑每一组合的重复数。若按L9(3)3正交表按排实验,只需作9次,按L18(3)7正交表进行18次实验,显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 1.正交表

正交试验设计方法 讲义及举例

正交试验设计方法讲义及举例 第5章 正交试验设计方法 5.1 试验设计方法概述 试验设计是数理统计学的一个重要的分支。多数数理统计方法主要用于分析已经得到的数据,而试验设计却是用于决定数据收集的方法。试验设计方法主要讨论如何合理地安排试验以及试验所得的数据如何分析等。 例5-1 某化工厂想提高某化工产品的质量和产量,对工艺中三个主要因素各按三个水平进行试验(见表5-1)。试验的目的是为提高合格产品的产量,寻求最适宜的操作条件。 对此实例该如何进行试验方案的设计呢? 很容易想到的是全面搭配法方案(如图5-1所示): 此方案数据点分布的均匀性极好,因素和水平的搭配十分全面,唯一的缺点是实验次数多达33=27次(指数3代表3个因素,底数3代表每因素有3个水平)。因素、水平数 愈多,则实验次数就愈多,例如,做一个6因素3水平的试验,就需36=729次实验,显然难以做到。因此需要寻找一种合适的试验设计方法。 试验设计方法常用的术语定义如下。 试验指标:指作为试验研究过程的因变量,常为试验结果特征的量(如得率、纯度等)。例1的试验指标为合格产品的产量。 因素:指作试验研究过程的自变量,常常是造成试验指标按某种规律发生变化的那些原因。如例1的温度、压力、碱的用量。 水平:指试验中因素所处的具体状态或情况,又称为等级。如例1的温度有3个水平。温度用T 表示,下标1、2、3表示因素的不同水平,分别记为T 1、T 2、T 3。

常用的试验设计方法有:正交试验设计法、均匀试验设计法、单纯形优化法、双水平单纯形优化法、回归正交设计法、序贯试验设计法等。可供选择的试验方法很多,各种试验设计方法都有其一定的特点。所面对的任务与要解决的问题不同,选择的试验设计方法也应有所不同。由于篇幅的限制,我们只讨论正交试验设计方法。 5.2 正交试验设计方法的优点和特点 用正交表安排多因素试验的方法,称为正交试验设计法。其特点为:①完成试验要求所需的实验次数少。②数据点的分布很均匀。③可用相应的极差分析方法、方差分析方法、回归分析方法等对试验结果进行分析,引出许多有价值的结论。 从例1可看出,采用全面搭配法方案,需做27次实验。那么采用简单比较法方案又如何呢? 先固定T 1和p 1,只改变m ,观察因素m 不同水平的影响,做了如图2-2(1)所示的三次实验,发现 m =m 2时的实验效果最好(好的用 □ 表示),合格产品的产量最高,因此认为在后面的实验中因素m 应取m 2水平。 固定T 1和m 2,改变p 的三次实验如图5-2(2)所示,发现p =p 3时的实验效果最好,因此认为因素p 应取p 3水平。 固定p 3和m 2,改变T 的三次实验如图5-2(3)所示,发现因素T 宜取T 2水平。 因此可以引出结论:为提高合格产品的产量,最适宜的操作条件为T 2p 3m 2。与全面搭配法方案相比,简单比较法方案的优点是实验的次数少,只需做9次实验。但必须指出,简单比较法方案的试验结果是不可靠的。因为,①在改变m 值(或p 值,或T 值)的三次实验中,说m 2(或p 3或T 2 )水平最好是有条件的。在T ≠T 1,p ≠p 1时,m 2 水平不是最好的可能性是有的。②在改变m 的三次实验中,固定T =T 2,p =p 3 应该说也是可以的,是随意的,故在此方案中数据点的分布的均匀性是毫无保障的。③用这种方法比较条件好坏时,只是对单个的试验数据进行数值上的简单比较,不能排除必然存在的试验数据误差的干扰。 运用正交试验设计方法,不仅兼有上述两个方案的优点,而且实验次数少,数据点分布均匀,结论的可靠性较好。 正交试验设计方法是用正交表来安排试验的。对于例1适用的正交表是L 9(34),其试验安排见表5-2。 所有的正交表与L 9(34)正交表一样,都具有以下两个特点: (1) 在每一列中,各个不同的数字出现的次数相同。在表L 9(34)中,每一列有三个水平,水平1、2、3都是各出现3次。 (2) 表中任意两列并列在一起形成若干个数字对, 不同数字对出现的次数也都相同。

正交表的表头设计

所谓表头设计,就是确定试验所考虑的因素和交互作用,在正交表中该放在哪一列的问题。 1.有交互作用时,表头设计则必须严格地按规定办事。 例4-4乙酰胺苯磺化反应试验 试验目的:希望提高乙酰胺苯的收率 因素和水平:有四个二水平的因素(见表4-6) 表4-6例4-4因素和水平表 考虑到反应温度与反应时间可能会有交互作用,反应温度与硫酸浓度也可能有交互作用,两者可分别用代号A×B和A×C表示。试选择合适的正交表,并进行表头设计。 因为4个因素均为2水平,2个交互作用需占2列,为方差分析应至少留一个空白列作为误差列,所以可选择正交表L8(27)。 此处,表头设计的重点是搞清各个交互作用该放在哪一列。 方法之一:使用附录9正交表L8(27)后面的“L8(27)二列间交互作用表”(见表4-7)。

表4-7L8(2 7 ) 二列间交互作用表(动画) 因为考虑的交互作用是A×B和A×C,所以宜先考虑A、B、C及其交互作用的安排,暂不考虑D的安排。表4-8是本例题表头设计的结果。 其中方案1的思路为:①先将因素A、B分别放在第1、2列。②第1列和第2列的交互作用A×B该放在哪一列?在表4-7所示的L8(27)二列间交互作用表中,从最左边的列号“(1)”向右画水平线,从最上面的列号“2”向下画垂直线,所画两直线交点处的“3”就是交互作用A×B的列号。③将因素C放在第4列。④第1列和第4列的交互作用A×C该放在哪一列?由L8(27)二列间交互作用表知,A×C应放在第5列。⑤因素D该放在哪一列?因为无与D有关的交互作用,故放在第6或第7列均可。 方案2的思路为:①将A、B分别放在第7、6列。②由L8(27)二列间交互作用表知第6、7的交互作用A×B应放在第1列。③将C放在第5列。④将第5、7列的交互作用A×C放在第2列。⑤将D放在第4列或第3列均可。

正交实验设计基本思想

正交实验设计法 正交实验设计法 1.正交试验设计法的基本思想 正交试验设计法,就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行,计算表格化,使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。 [例1]为提高某化工产品的转化率,选择了三个有关因素进行条件试验,反应温度(A),反应时间(B),用碱量(C),并确定了它们的试验范围:A:80-90℃ B:90-150分钟 C:5-7% 试验目的是搞清楚因子A、B、C对转化率有什么影响,哪些是主要的,哪些是次要的,从而确定最适生产条件,即温度、时间及用碱量各为多少才能使转化率高。试制定试验方案。 这里,对因子A,在试验范围内选了三个水平;因子B和C也都取三个水平:A:Al=80℃,A2=85℃,A3=90℃ B:Bl=90分,B2=120分,B3=150分 C:Cl=5%,C2=6%,C3=7% 当然,在正交试验设计中,因子可以是定量的,也可以是定性的。而定量因子各水平间的距离可以相等,也可以不相等。 这个三因子三水平的条件试验,通常有两种试验进行方法: (Ⅰ)取三因子所有水平之间的组合,即AlBlC1,A1BlC2,A1B2C1,……,A3B3C3,共有 33=27次 试验。用图表示就是图1 立方体的27个节点。这种试验法叫做全面试验法。 全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别

是当因子数目多,每个因子的水平数目也多时。试验量大得惊人。如选六个因子,每个因子取五个水平时,如欲做全面试验,则需56=15625次试验,这实际上是不可能实现的。如果应用正交实验法,只做25次试验就行了。而且在某种意义上讲,这25次试验代表了15625次试验。 (Ⅱ)简单对比法,即变化一个因素而固定其他因素,如首先固定B、C于Bl、Cl,使A变化之: ↗A1 B1C1 →A2 ↘A3 (好结果) 如得出结果A3最好,则固定A于A3,C还是Cl,使B变化之: ↗B1 A3C1 →B2 (好结果) ↘B3 得出结果以B2为最好,则固定B于B2,A于A3,使C变化之: ↗C1 A3B2→C2 (好结果) ↘C3 试验结果以C2最好。于是就认为最好的工艺条件是A3B2C2。 这种方法一般也有一定的效果,但缺点很多。首先这种方法的选点代表性很差,如按上述方法进行试验,试验点完全分布在一个角上,而在一个很大的范围内没有选点。因此这种试验方法不全面,所选的工艺条件A3B2C2不一定是27 个组合中最好的。其次,用这种方法比较条件好坏时,是把单个的试验数据拿来,进行数值上的简单比较,而试验数据中必然要包含着误差成分,所以单个数据的简单比较不能剔除误差的干扰,必然造成结论的不稳定。 简单对比法的最大优点就是试验次数少,例如六因子五水平试验,在不重复时,只用5+(6-1)×(5-1)=5+5×4=25次试验就可以了。 图1 全面试验法取点.......... 考虑兼顾这两种试验方法的优点,从全面试验的点中选择具有典型性、代表性的点,使试验点在试验范围内分布得很均匀,能反映全面情况。但我们又希望试验点尽量地少,为此还要具体考虑一些问题。

正交试验设计

正交试验设计 1 正交试验设计的概念及原理 1.1 基本概念 利用正交表来安排与分析多因素试验的一种设计方法。 特点:在试验因素的全部水平组合中,仅挑选部分有代表性的水平组合进行试验。 通过部分实施的试验结果,了解全面试验情况,从中找出较优的处理组合。 考察增稠剂用量、pH 值和杀菌温度对豆奶稳定性的影响。每个因素设置3个水平进行试验 。 全面试验:可以分析各因素的效应,交互作用,也可选出最优水平组合。 全面试验包含的水平组合数较多,工作量大,在有些情况下无法完成 。 若试验的主要目的是寻求最优水平组合,则可利用正交表来设计安排试验。 ● 正交试验是用部分试验来代替全面试验的,它不可能像全面试验那样对各因素效应、交互作用一一分析; ● 当交互作用存在时,有可能出现交互作用的混杂。 ● 虽然正交试验设计有上述不足,但它能通过部分试验找到最优水平组合,因而很受实际工作者青睐。 1.2 基本原理 在试验安排中,每个因素在研究的范围内选几个水平, 可以理解为在选优区内打上网格, 如果网上的每个点都做试验,就是全面试验。 3个因素的选优区可以用一个立方体表示。 3个因素各取3个水平,把立方体划分成27个格点。 若27个网格点都试验,就是全面试验。 A2 A3 A1B1C1 B3 B2 A 因素:增稠剂用量,A1、A2、A3 B 因素:pH ,B1、B2、B3 C 因素:杀菌温度,C1、C2、C3 3因素 3水平 33 =27

1.2 基本原理 正交设计就是从选优区全面试验点(水平组合)中挑选出有代表性的部分试验点(水平组合)来进行试验。

A1B1C1 A1B2C2 A1B3C3 A2B1C2 A2B2C3 A3B1C3 A3B2C1 A3B3C2 A2B3C1 A1B1C3 A1B3C1 A2B1C1 A2B2C1 A2B3C3 A3B1C1 A3B2C3 9个组合

正交试验设计表

正交试验设计表 第十章正交试验设计对于单因素或两因素试验,因其因素少,试验的设计、实施与分析都比较简单。但在实际工作中,常常需要同时考察 3个或3个以上的试验因素,若进行全面试验,则试验的规模将很大,往往因试验条件的限制而难于实施。正交试验设计就是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 1.1 正交试验设计的基本概念正交试验设计是利用正交表来安排与分析多因素试验的一种设计方法。它是由试验因素的全部水平组合中,挑选部分有代表性的水平组合进行试验的,通过对这部分试验结果的分析了解全面试验的情况,找出最优的水平组合。例如,要考察增稠剂用量、pH值和杀菌温度对豆奶稳定性的影响。每个因素设置3个水平进行试验。 A因素是增稠剂用量,设A1、A2、A3 3个水平;B因素是pH值,设B1、B2、B3 3个水平;C因素为杀菌温度,设C1、C2、C3 3个水平。这是一个3因素3水平的试验,各因素的水平之间全部可能组合有27种。全面试验:可以分析各因素的效应,交互作用,也可选出最优水平组合。但全面试验包含的水平组合数较多,工作量大,在有些情况下无法完成。若试验的主要目的是寻求最优水平组合,则可利用正交表来设计安排试验。正交试验设计的基本特点是:用部分试验来代替全面试验,通过对部分试验结果的分析,了解全面试验的情况。正因为正交试验是用部分试验来代替全面试验的,它不可能像全面试验那样对各因素效应、交互作用一一分析;当交互作用存在时,有可能出现交互作用的混杂。虽然正交试验设计有上述不足,但它能通过部分试验找到最优水平组合,因而很受实际工作者青睐。如对于上述3因素3水平试验,若不考虑交互作用,可利用正交表L9 34 安排,试验方案仅包含9个水平组合,就能反映试验方案包含27个水平组合的全面试验的情况,找出最佳的生产条件。 1.2 正交试验设计的基本原理在试验安排中,每个因素在研究的范

正交试验设计常用正交表

正交试验设计常用正交表 (1) L4(23) 任意两列间的交互作用为另外一列(2) L8(27) L8(27)二列间的交互作用表

L8(27)表头设计 (3) L8(4×24) 号 L8(4×24)表头设计

(4) L12 (211) (5) L16 (215)

L16(215)二列间的交互作用表 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (1) 3 2 5 4 7 6 9 8 11 10 13 12 15 14 (2) 1 6 4 5 10 11 8 9 14 15 12 13 (3) 7 6 5 4 11 10 9 8 15 14 13 12 (4) 1 2 3 12 13 14 15 8 9 10 11 (5) 3 2 13 12 15 14 9 8 11 10 (6) 1 14 15 12 13 10 11 8 9 (7) 15 14 13 12 11 10 9 8 (8) 1 2 3 4 5 6 7 (9) 3 2 5 4 7 6 (10) 1 6 7 4 5 (11) 7 6 5 4 (12) 1 2 3 (13) 3 2 (14) 1 L16(215)表头设计 15 E C×E B×F C×E B×F A×G C×E B×F A×G D×H 14 A×E G G 13 B×E F F F 12 C×D C×D C×D A×F C×D A×F A×G C×D A×F A×G E×H 11 C×E E E E

(6) L16 (4×212)

L16 (4×212)表头设计

正交实验设计

正交实验设计 当析因设计要求的实验次数太多时,一个非常自然的想法就是从析因设计的水平组合中,选择一部分有代表性水平组合进行试验。因此就出现了分式析因设计(fractional factorial designs),但是对于试验设计知识较少的实际工作者来说,选择适当的分式析因设计还是比较困难的。 正交试验设计(Orthogonal experimental design)是研究多因素多水平的又一种设计方法,它是根据正交性从全面试验中挑选出部分有代表性的点进行试验,这些有代表性的点具备了“均匀分散,齐整可比”的特点,正交试验设计是分式析因设计的主要方法。是一种高效率、快速、经济的实验设计方法。日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格,称为正交表。例如作一个三因素三水平的实验,按全面实验要求,须进行33=27种组合的实验,且尚未考虑每一组合的重复数。若按L9(3)3正交表按排实验,只需作9次,按L18(3)7正交表进行18次实验,显然大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。 1.正交表 正交表是一整套规则的设计表格,用。L为正交表的代号,n为试验的次数, t为水平数,c为列数,也就是可能安排最多的因素个数。例如L9(34),(表11),它表示需作9次实验,最多可观察4个因素,每个因素均为3水平。一个正交表中也可以各列的水平数不相等,我们称它为混合型正交表,如L8(4×24) (表12),此表的5列中,有1列为4水平,4列为2水平。根据正交表的数据结构看出,正交表是一个n行c列的表,其中第j列由数码1,2,… S j组成,这些数码均各出现N/S次,例如表11中,第二列 的数码个数为3,S=3 ,即由1、2、3组成,各数码均出现次。

正交试验设计常用正交表

(1) L 4(23) 任意两列间的交互作用为另外一列。 (2) L 8(27) L 8(27)二列间的交互作用表 1 2 3 1 1 1 1 2 1 2 2 3 2 1 2 4 2 2 1 1 2 3 4 5 6 7 1 1 1 1 1 1 1 1 2 1 1 1 2 2 2 2 3 1 2 2 1 1 2 2 4 1 2 2 2 2 1 1 5 2 1 2 1 2 1 2 6 2 1 2 2 1 2 1 7 2 2 1 1 2 2 1 8 2 2 1 2 1 1 2 1 2 3 4 5 6 7 (1) 3 2 6 4 7 6 (2) 1 5 7 4 5 (3) 7 6 5 4 (4) 1 2 3 (5) 3 2 (6) 1 (7) 列 号 试 验 号 列 号 试 验 号 列 号 列 号

L 8(27)表头设计 1 2 3 4 5 6 7 3 A B A ×B C A ×C B ×C 4 A B A ×B C ×D C A ×C B ×D B ×C A ×D D 4 A B C ×D A ×B C B ×D A ×C D B ×C A ×D 5 A D ×E B C ×D A × B C ×E C B ×D A ×C B ×E D A × E B ×C E A ×D (3) L 8(4×24) L 8(4×24)表头设计 1 2 3 4 5 2 A B (A ×B)1 (A ×B)2 (A ×B)3 3 A B C 4 A B C D 5 A B C D E 1 2 3 4 5 1 1 1 1 1 1 2 1 2 2 2 2 3 2 1 1 2 2 4 2 2 2 1 1 5 3 1 2 1 2 6 3 2 1 2 1 7 4 1 2 2 1 8 4 2 1 1 2 列 号 因 子 数 列 号 试 验 号 列 号 因 子 数

正交实验设计及结果分析

正交试验设计 对于单因素或两因素试验,因其因素少,试验的设计、实施与分析都比较简单。但在实际工作中,常常需要同时考察3个或3个以上的试验因素,若进行全面试验,则试验的规模将很大,往往因试验条件的限制而难于实施。正交试验设计就是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 1 正交试验设计的概念及原理 1.1 正交试验设计的基本概念 正交试验设计是利用正交表来安排与分析多因素试验的一种设计方法。它是由试验因素的全部水平组合中,挑选部分有代表性的水平组合进行试验的,通过对这部分试验结果的分析了解全面试验的情况,找出最优的水平组合。 例如:设计一个三因素、3水平的试验 A因素,设A1、A2、A33个水平;B因素,设B1、B2、B33个水平;C因素,设C1、C2、C3 3个水平,各因素的水平之间全部可能组合有27种。 全面试验:可以分析各因素的效应,交互作用,也可选出最优水平组合。但全面试验包含的水平组合数较多(图示的27个节点),工作量大,在有些情况下无法完成。 若试验的主要目的是寻求最优水平组合,则可利用正交表来设计安排试验。 全面试验法示意图

三因素、三水平全面试验方案 正交试验设计的基本特点是:用部分试验来代替全面试验,通过对部分试验结果的分析,了解全面试验的情况。 正因为正交试验是用部分试验来代替全面试验的,它不可能像全面试验那样对各因素效应、交互作用一一分析;当交互作用存在时,有可能出现交互作用的混杂。虽然正交试验设计有上述不足,但它能通过部分试验找到最优水平组合,因而很受实际工作者青睐。 如对于上述3因素3水平试验,若不考虑交互作用,可利用正交表L9(34)安排,试验方案仅包含9个水平组合,就能反映试验方案包

正交试验设计原理

正交试验设计法 1.正交试验设计法的基本思想 正交试验设计法,就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行,计算表格化,使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。[例1]为提高某化工产品的转化率,选择了三个有关因素进行条件试验,反应温度(A),反应时间(B),用碱量(C),并确定了它们的试验范围: A:80-90℃ B:90-150分钟 C:5-7% 试验目的是搞清楚因子A、B、C对转化率有什么影响,哪些是主要的,哪些是次要的,从而确定最适生产条件,即温度、时间及用碱量各为多少才能使转化率高。试制定试验方案。 这里,对因子A,在试验范围内选了三个水平;因子B和C也都取三个水平: A:Al=80℃,A2=85℃,A3=90℃ B:Bl=90分,B2=120分,B3=150分 C:Cl=5%,C2=6%,C3=7% 当然,在正交试验设计中,因子可以是定量的,也可以是定性的。而

定量因子各水平间的距离可以相等,也可以不相等。 这个三因子三水平的条件试验,通常有两种试验进行方法: (Ⅰ)取三因子所有水平之间的组合,即 AlBlC1,A1BlC2,A1B2C1,……, A3B3C3,共有 33=27次 试验。用图表示就是图1 立方体的27 个节点。这种试验法叫做全面试验法。 全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别是当因子数目多,每个因子的水平数目也多时。试验量大得惊人。如选六个因子,每个因子取五个水平时,如欲做全面试验,则需56 =15625次试验,这实际上是不可能实现的。如果应用正交实验法,只做25次试验就行了。而且在某种意义上讲,这25次试验代表了15625次试。 (Ⅱ)简单对比法,即变化一个因素而固定其他因素,如首先固定B、C于Bl、Cl,使A变化之: ↗A1 B1C1 →A2 ↘A3 (好结果) 如得出结果A3最好,则固定A于A3,C还是Cl,使B变化之:

正交实验设计

正交试验设计法 正交试验设计法的基本思想 正交表 正交表试验方案的设计 试验数据的直观分析 正交试验的方差分析 补充内容 1.正交试验设计法的基本思想 正交试验设计法,就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行,计算表格化,使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。 [例1]为提高某化工产品的转化率,选择了三个有关因素进行条件试验,反应温度(A),反应时间(B),用碱量(C),并确定了它们的试验范围: A:80-90℃ B:90-150分钟 C:5-7% 试验目的是搞清楚因子A、B、C对转化率有什么影响,哪些是主要的,哪些是次要的,从而确定最适生产条件,即温度、时间及用碱量各为多少才能使转化率高。试制定试验方案。 这里,对因子A,在试验范围内选了三个水平;因子B和C也都取三个水平:A:Al=80℃,A2=85℃,A3=90℃ B:Bl=90分,B2=120分,B3=150分 C:Cl=5%,C2=6%,C3=7% 当然,在正交试验设计中,因子可以是定量的,也可以是定性的。而定量因子各水平间的距离可以相等,也可以不相等。 这个三因子三水平的条件试验,通常有两种试验进行方法: (Ⅰ)取三因子所有水平之间的组合,即 AlBlC1,A1BlC2,A1B2C1,……,A3B3C3, 共有 33=27次 试验。用图表示就是图1 立方体的27个节 点。这种试验法叫做全面试验法。

全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别是当因子数目多,每个因子的水平数目也多时。试验量大得惊人。如选六个因子,每个因子取五个水平时,如欲做全面试验,则需56=15625次试验,这实际上是不可能实现的。如果应用正交实验法,只做25次试验就行了。而且在某种意义上讲,这25次试验代表了15625次试验。 图1 全面试验法取点.......... (Ⅱ)简单对比法,即变化一个因素而固定其他因素,如首先固定B、C于Bl、Cl,使A变化之: ↗A1 B1C1 →A2 ↘A3 (好结果) 如得出结果A3最好,则固定A于A3,C还是Cl,使B变化之: ↗B1 A3C1 →B2 (好结果) ↘B3 得出结果以B2为最好,则固定B于B2,A于A3,使C变化之: ↗C1 A3B2→C2 (好结果) ↘C3 试验结果以C2最好。于是就认为最好的工艺条件是A3B2C2。 这种方法一般也有一定的效果,但缺点很多。首先这种方法的选点代表性很差,如按上述方法进行试验,试验点完全分布在一个角上,而在一个很大的范围内没有选点。因此这种试验方法不全面,所选的工艺条件A3B2C2不一定是27个组合中最好的。其次,用这种方法比较条件好坏时,是把单个的试验数据拿来,进行数值上的简单比较,而试验数据中必然要包含着误差成分,所以单个数据的简单比较不能剔除误差的干扰,必然造成结论的不稳定。 简单对比法的最大优点就是试验次数少,例如六因子五水平试验,在不重复时,只用5+(6-1)×(5-1)=5+5×4=25次试验就可以了。 考虑兼顾这两种试验方法的优点,从全面 试验的点中选择具有典型性、代表性的 点,使试验点在试验范围内分布得很均 匀,能反映全面情况。但我们又希望试验 点尽量地少,为此还要具体考虑一些问 题。 如上例,对应于A有Al、A2、A3三个平 面,对应于B、C也各有三个平面,共九 个平面。则这九个平面上的试验点都应当 一样多,即对每个因子的每个水平都要同等看待。具体来说,每个平面上都有三行、三列,要求在每行、每列上的点一样多。这样,作出如图2所示的设计,试验点用⊙表示。我们看到,在9个平面中每个平面上都恰好有三个点而每个平面

正交表

1.正交试验设计法的基本思想 正交试验设计法,就是使用已经造好了的表格--正交表--来安排试验并进行数据分析的一种方法。它简单易行,计算表格化,使用者能够迅速掌握。下边通过一个例子来说明正交试验设计法的基本想法。 [例1]为提高某化工产品的转化率,选择了三个有关因素进行条件试验,反应温度(A),反应时间(B),用碱量(C),并确定了它们的试验范围: A:80-90℃ B:90-150分钟 C:5-7% 试验目的是搞清楚因子A、B、C对转化率有什么影响,哪些是主要的,哪些是次要的,从而确定最适生产条件,即温度、时间及用碱量各为多少才能使转化率高。试制定试验方案。 这里,对因子A,在试验范围内选了三个水平;因子B和C也都取三个水平:A:Al=80℃,A2=85℃,A3=90℃ B:Bl=90分,B2=120分,B3=150分 C:Cl=5%,C2=6%,C3=7% 当然,在正交试验设计中,因子可以是定量的,也可以是定性的。而定量因子各水平间的距离可以相等,也可以不相等。 这个三因子三水平的条件试验,通常有两种试验进行方法: (Ⅰ)取三因子所有水平之间的组合,即AlBlC1,A1BlC2,A1B2C1,……,A3B3C3,共有 33=27次 试验。用图表示就是图1 立方体的27个节点。这种试验法叫做全面试验法。全面试验对各因子与指标间的关系剖析得比较清楚。但试验次数太多。特别是当因子数目多,每个因子的水平数目也多时。试验量大得惊人。如选六个因子,每个因子取五个水平时,如欲做全面试验,则需56=15625次试验,这实际上是不可能实现的。如果应用正交实验法,只做25次试验就行了。而且在某种意义上讲,这25次试验代表了15625次试验。 图1 全面试验法取点..........

正交试验设计步骤

正交试验设计步骤 1 在SPSS中手动录入数据。请注意写入空白列。 2 点击数据→正交设计→生成,出现“生成正交设计”对话框。按因素水平表进行赋值, 空白列的赋值为1“1”,2“2”,3“3” 3 点击“数据”→“正交设计”→“显示”,

空白列的D可不加到右边的“因子”框中。 4 测量数据填入表8中的“STATUS_”列的相应单元格中 5单击“分析”→“一般线性模型”→“单变量” 注意不要选“空白列” 6 单击“对比”→选择“简单”

7 单击“模型”→选择“设定”→将“A”、“B”、“C”选入右边的“模型”中→单击“构建项”中的“主效应”, 8 单击“选项”→将“因子与因子交互”中的“A”、“B”、“C”选入“显示均值”中→勾选“比较主效应”, 9 结果分析 (1)方差分析结果 主体间因子 值标签N 硬脂酸钠溶液浓度 1 40 3

2 50 3 3 60 3 硫酸铝溶液浓度 1 40 3 2 50 3 3 60 3 浸渍时间 1 5 3 2 15 3 3 20 3 主体间效应的检验 因变量:STATUS_ 源III 型平方 和df 均方 F Sig. 校正模型733.073a 6 122.179 35.690 .028 截距10588.410 1 10588.410 3093.012 .000 A 423.487 2 211.743 61.853 .016 B 305.060 2 152.530 44.556 .022 C 4.527 2 2.263 .661 .602 误差 6.847 2 3.423 总计11328.330 9 校正的总计739.920 8 a. R 方 = .991(调整 R 方 = .963) 根据正交试验方差分析可知,硬脂酸钠溶液浓度和硫酸铝溶液浓度对试验指标的影响非常显著,而处理时间对试验指标的影响不显著。影响程度的大小也有差异,A>B (2)单因素统计量分析 1. 硬脂酸钠溶液浓度 估计 因变量:STATUS_ 硬脂酸钠溶液浓度 均值标准误差 95% 置信区间下限上限 dimensio n140 25.600 1.068 21.004 30.196 50 34.933 1.068 30.337 39.530 60 42.367 1.068 37.770 46.963 成对比较 因变量:STATUS_

正交表的表头设计

4.1.5 正交表的表头设计 所谓表头设计,就是确定试验所考虑的因素和交互作用,在正交表中该放在哪一列的问题。 1.有交互作用时,表头设计则必须严格地按规定办事。 例4-4乙酰胺苯磺化反应试验 试验目的:希望提高乙酰胺苯的收率 因素和水平:有四个二水平的因素(见表4-6) 表4-6例4-4因素和水平表 考虑到反应温度与反应时间可能会有交互作用,反应温度与硫酸浓度也可能有交互作用,两者可分别用代号A×B和A×C表示。试选择合适的正交表,并进行表头设计。 因为4个因素均为2水平,2个交互作用需占2列,为方差分析应至少留一个空白列作为误差列,所以可选择正交表L8(27)。

此处,表头设计的重点是搞清各个交互作用该放在哪一列。 方法之一:使用附录9正交表L8(27)后面的“L8(27)二列间交互作用表”(见表4-7)。 表4-7L8(2 7 ) 二列间交互作用表(动画) 因为考虑的交互作用是A×B和A×C,所以宜先考虑A、B、C及其交互作用的安排,暂不考虑D的安排。表4-8是本例题表头设计的结果。 其中方案1的思路为:①先将因素A、B分别放在第1、2列。②第1列和第2列的交互作用A×B该放在哪一列在表4-7所示的L8(27)二列间交互作用表中,从最左边的列号“(1)”向右画水平线,从最上面的

列号“2”向下画垂直线,所画两直线交点处的“3”就是交互作用A×B 的列号。③将因素C放在第4列。④第1列和第4列的交互作用A×C 该放在哪一列由L8(27)二列间交互作用表知,A×C应放在第5列。⑤因素D该放在哪一列因为无与D有关的交互作用,故放在第6或第7列均可。方案2的思路为:①将A、B分别放在第7、6列。②由L8(27)二列间交互作用表知第6、7的交互作用A×B应放在第1列。③将C放在第5列。④将第5、7列的交互作用A×C放在第2列。⑤将D放在第4列或第3列均可。 表4-8例4-4的表头设计结果 方法之二:采用附录9中所列的正交表L8(27)后面的“L8(27)表头设计”表(见表4-9)。 表4-9L8(27)表头设计

相关主题
相关文档 最新文档