第7章 正交试验设计的极差分析

第7章 正交试验设计的极差分析

正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。

7.1 单指标正交试验设计及其极差分析

极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。

图7-1 R 法示意图

图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差：

R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 )

R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据

R j的大小，就可以判断因素的主次。

极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。

一、确定因素的优水平和最优水平组合

例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。

在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示.

表6-4 因素水平表

表6-6 试验方案及结果

试验指标为液化率，用y i 表示，列于表６-６和表７-１的最后一列。

表7-1 试验方案及结果分析

计算示例：

因素A 的第１水平A 1所对应的试验指标之和及其平均值分别为：

K A1=y 1+y 2+y 3=0+17+24=41，=1A K 3

1

K A1=13.7

同理，对因素A 的第２水平A 2和第３水平A 3，有

K A2=y 4+y 5+y 6=12+47+28=87，=2A K 3

1K A2=29 K A3=y 7+y 8+y 9=1+18+42=61，=3A 3

1

K A3=20.3

由表７-１或表６-６可以看出，考察因素A 进行的三组试验中（A 1,A 2,A 3），B 、C 、D 各水平都只出现了一次，且由于B 、C 、D 间无交互作用，所以B 、C 、D 因素的各水平的不同组合对试验指标无影响，因此，对A 1、A 2和A 3来说，三组试验的试验条件是完全一样的。假如因素A 对试验指标无影响，那么321,,A A A K K K 应该相等，但由上面的计标可知，321,,A A A K K K 实际上并不相等，显然，这是由于因素A 的水平变化引起的，因此，321,,A A A K K K 的大小反映了A 1、A 2和A 3对试验指标影响的大小。由于液化率y 越大越好，而132A A A K K K >>，所以可判断A 2为因素A 的优水平。

同理，可判断因素B 、C 、D 的优水平分别为B 3、C 3、D 1。所以，优水平组合为A 2B 3C 3D 1，即最优工艺条件为加水量A 2=50ml/100g 、加酶量B 3=7ml/100g 、酶解温度C 3=50。C 和酶解时间D 1=1.5小时。

二、确定因素主次顺序

极差R j 按定义计算，如

3.157.130.2912=-=-=A A A K K R ,

0.273.43.3113=-=-=B B B K K R

同理可求出R C 和R D . 计算结果列于表7-1中。比较R j 值可知R B >R A >R D >R C ，所以试验因素对试验指标的影响的主次顺序为BADC 。即加酶量影响最大，其次是加水量和酶解时间，而酶解温度的影响最小。

三、绘制因素与指标趋势图

为了更直观地反映因素对试验指标的影响规律和趋势,用因素的水平作横坐标,试验指标的平均值(j K )作纵坐标,画出因素与指标的关系图(即趋势图),如图7-2所示. (p137)

趋势图可为进一步试验时选择因素水平指明方向.如对因素A,由图7-2可见,A 2水平时,指标最高,但若能在A 2附近再取一些水平(如40、60)作进一步试验,则有可能取得更高的指标;对D 因素,若能取一些比D 1更小的水平(如1.0和0.5)作进一步试验,也有可能得到更好的结果.

以上三个步骤即为极差分析的基本程序与方法.

四、说明与讨论

1、计算结果的检验: 每一列的K j 之和应等于全部试验结果(即指标值)之和， 即∑∑===n

j j m

j j y K 1

1

，m 为水平数,n 为试验总实施次数.

2.因素的最优水平组合,在实际处理中是灵活的,即对于主要因素,一定要选最优水平;而对次要因素,则应权衡利弊,综合考虑其它条件进行水平选取,从而得到最符合实际生产的最优或较优生产工艺条件.

3.例6-2的最优工艺条件A 2B 3C 3D 1并不在实施的9个试验之中.这表明优化结果不仅反映了已做的试验信息,而且反映了全面试验信息.因此,正交试验设计的部分实施方案反映了全面试验信息.

4.例6-2得出的最优工艺条件,只有在试验所考察的范围内才有意义,

超出这个范围,情况就可能发生变化。另外,只能说是“较优工艺条件”,而不能说是“最优工艺条件”.最好能根据趋势图做进一步试验,找出最靠近最优的工艺条件.

5.对已确定的最优工艺条件(如例6-2的A2B3C3D1)进行重复试验,验证其试验指标是否最优.

7.2 多指标正交试验设计及其极差分析

在实际生产和科研试验中,所要考察的指标往往不止一个,这一类的试验设计叫做多指标试验设计.在多指标试验设计中,各指标之间可能存在一定的矛盾,如何兼顾各个指标,找出使每个试验都尽可能好的试验条件呢?换言之，应如何分析多指标试验设计的结果呢?常用的有两种方法:综合平衡法和综合评分法.下面举例说明综合平衡法的分析方法.

这种方法在试验方案安排和各指标计算分析方法上,与单指标试验完全一样.其步骤是先分别找出各个指标最优或较优的生产条件,然后将这些生产条件综合平衡,找出兼顾每个指标都尽可能好的生产条件.

例7-1 在油炸方便面的生产中，主要原料质量和主要工艺参数对产品的质量有影响。今欲通过正交试验确定最佳生产条件。

一. 试验方案设计

1.确定试验指标

评价方便面质量好坏的主要指标是: 脂肪含量(越低越好)，水分

含量(越高越好)和复水时间(越短越好)。

2．挑因素，选水平，列出因素水平表

根据专业知识和实际经验，确定试验因素和水平，如表7-2所示。

表7-2 因素水平表

3．选正交表，设计表头，编制试验方案

本试验是四因素三水平试验，不考虑因素间的交互作用，因此，可应选L9(34)安排试验，表头设计和试验方案见表7-3（p140）。

按上述方案实施后，将每一项试验指标都记录下来，见表7-3。注：对极差分析可以这样选正交表，但对方差分析应留有空列，以便估计试验误差.

表7-3 试验方案及结果分析

二．试验结果分析

1．计算每列各水平下每种试验指标的数据和（K 1，K 2，K 3），及其平均值（321K ,K ,K ），并计算极差R ，填入表7-3中。

2．画出因素与各种指标的趋势图，如图7-3所示（p140）。

3．按极差大小列出各指标下各因素主次顺序：

各因素主次顺序表

4．初选最优工艺条件

根据各指标下的平均数据和321,,K K K ，初步确定各因素的最优水平组合为：

对脂肪含量（%）：A 3B 3C 1D 2 （脂肪含量越低越好） 对水分含量（%）：A 1B 2C 1D 1 （水分含量越高越好）

对复水时间（s ）：A 2B 2C 2D 3 （复水时间越短越好）

5．综合平衡．．．．

确定最优工艺条件（难点）！ 由于三个指标单独分析出来的最优条件并不一致，所以必须根据因素对三个指标影响的主次顺序，综合考虑，确定出最优条件。

首先，把水平选取上没有矛盾的因素的水平定下来，即如果对三个指标影响都重要的某一因素，都是取某一水平时最好，则该因素就是选这一水平。在本试验中无这样的因素，因此我们只能逐个考察每一因素。

对因素A ：从主次顺序来看，对脂肪含量和复水时间的影响都排

在第一位为主要因素，而对水分含量的影响则排在第三位，属次要因素，因此，应以主要因素为主选因素的水平。从初选的最优水平组合中可以看出，对脂肪含量选A3为好，而对复水时间，则选A2为好。因为二者不一致，所以还须根据试验结果分析确定选A2还是A3。从表7-3可知，当取A2时，复水时间比取A3时缩短16.1%(有利)，即[(2.67-3.10)÷2.67]×100%=-16.1%，而脂肪含量只比取A3时增加11.0%（不利）,即 [(21.8-19.4)÷21.8]×100%=11.0%，且从水分含量指标来看，取A2也比取A3时更好，因此，应选取A2水平。

注：当取A3时，脂肪含量比取A2时降低12.4%(有利)，即(19.4-21.8)/19.4×100%=－12.4%,复水时间比取A2时增加13.9%（不利），即（3.10-2.67）/3.10×100%=13.9%。

综合平衡

∴对“有利”部分,A2>A3;对“不利”部分,A2

对因素B：从主次顺序表中可见，对脂肪含量和水分含量的影响均排在最后，属次要因素；对复水时间的影响排在第三位，所以，应以复水时间这一指标来考虑。再从初选最优水平组合中可知，对复水时间选B2为好，故B应取B2。

对因素C：从主次顺序表中和初选最优水平中可知，C对水分含量的影响排在第一位，对脂肪含量的影响排在第二位，且都是取C1

为好；而对复水时间的影响则排在最后一位，属次要因素，故C 应取C 1。

对因素D ：对水分含量和复水时间的影响均排在第二位；而对脂肪含量的影响则排在第三位，属次要因素。对复水时间而言，选D 3较好；而对水分含量而言，则选D 1为好。所以，D 应选D 1或D 3。但取D 1时，从表7-3可见，虽然水分含量最高，但复水时间最长，并且脂肪含量最高，而D 对这两项指标的影响也是比较主要的（在主次顺序表中排在第二、三位），综合考虑，D 应选D 3。〔此时，复水时间最短，脂肪含量接近（K 3与K 2很接近），对这两个指标都有利；但水分含量此时低，不利〕---这是书上的解释方法！！！ 以上分析方法称为综合平衡法．．．．．

。 所以，本试验的较优工艺条件为3122D C B A 。由因素水平可知，此时湿面筋值为32％，改良剂用量为0.075％，油炸时间为70s,油炸温度为C 160.最后,应在该条件下,进行验证试验,看其指标是否在所有试验中为最优.

讨论:

上述对选D 1还是选D 3的讨论,侧重于定性.下面,从完全定量．．的角度讨论如何选D 的水平.

选D 1与选D 3优缺点的比较. 综合平衡 ○

1选D 1时 水分含量: %3.30%10097.207

.297.2=?-(有利) 复水时间:

%4.20%10043

.373

.243.3=?-(不利)

脂肪含量:

%6.3%1003.225

.213.22=?-(不利) ○

2选D 3时 水分含量: %5.43%10007.297

.207.2-=?-(不利) 复水时间:

%6.25%10073.243

.373.2-=?- (有利) 脂肪含量:

%7.3%1005

.213

.225.21-=?-(有利) 由此可见,选D 1时,“有利”>“不利”；选D 3时,“不利”>“有利”.并且D 1 (有利)>D 3(有利之和绝对值),D 1 (不利之和)< D 3(不利绝对值).因此,从定量分析来看,D 应取D 1,而不是取D 3.那么,究竟如何决定D 的水平呢?最后,应该再进行A 2B 2C 1D 1和A 2B 2C 1D 3两次试验,由试验结果决定D 1好还是D 3好!实践是检验真理的唯一标准!

7.3 混合型正交表的试验设计极差分析

前面讨论的都是水平数)(k n m L 相同的正交试验设计.但在实际工作中,有些试验受到设备、原材料和生产条件等限制.某些因素的水平选择受到制约,或者在有些试验中,要重点考察某个(或某些)因素需要多取几个水平,这时就会遇到水平数不同的正交试验设计.在这种情况下,通常有三种解决方法:一是直接选用合适的混合型正交表；二是采用拟水平法；三是采用拟因素法.我们现在只讨论第一种方法,

即使用混合型正交表)(2

1

21k k n m m L ?进行正交试验设计.

例7-2 某油炸膨化食品的体积与油温、物料含水量及油炸时间有关，为确保产品质量，提出工艺要求。现通过正交试验设计寻求理想的工艺条件。

一. 试验方案设计

1.确定试验指标

本试验的指标为油炸膨化食品的体积,体积越大越好.

2.挑因素、选水平、制定因素水平表

根据专业知识,制定因素水平表如7-4所示,因素A取4个水平,因素B和C各取2个水平,所以属于水平数不相等的正交试验设计.

表7-4 因素水平表

3.选正交表、设计表头、编制试验方案

本试验宜选用L8(41×24)正交表安排试验,表头设计时,把A因素放在第一列,其余两个因素可随意安排在四个二水平列中,比如依次排在第二、三列中,把所安排因素的各列的水平数字后标上相应因素的具体水平值,即得出试验方案,如表7-5所示.

按表7-5试验方案实施后,所得试验结果列于表7-5中的最后一列.

表7-5 试验方案及结果分析

二. 试验结果分析

1. 计算各列各水平下的K 、__

K 及R

由于各列的水平数不完全相同,所以K 和__

K 的计算略有差异. 第1列: 由于有四个水平数,所以要计算四个K 与__

K ,每个K 由二个数据相加得到,因此__

K =K/2.

例如:

.400.2090.2490.20920.4182/,

0.4180.2080.210111

__

=-==÷===+=R K K K A A A

第2、3列:由于只有两个水平,所以只要计算两个K 与__

K ,每个K 由四个数据相加得到,因此__

K =K/4.

例如:

25

.05.22875.2285

.2284/0.9144/0

.9140.2380.2510.2150.2101

1

1__

=-=====+++=R K K K B B B

按上述方法计算出各列各水平下的K 、

__

K 以及R 值,列于表7-5中. 2. 计算R 的折算值R ’(极差R 的折算)

当因素的水平数相同时,因素的主次顺序完全由R 决定.但当因素的水平数不同时,直接比较R 是不行的.这是因为,若两个因素对试验指标有影响,一般来说,水平数多的因素极差可能大一些.因此，要用一个系数把极差R 折算后才能作比较.极差的折算公式如下:

r dR R =' 式中 R '--折算后的极差；

R--因素的极差；

r--该因素每个水平试验的重复数，r=

m

n

； d--折算系数，与因素的水平数有关，其值见表7-6。

表7-6 折算系数表 ↓'↓→↑→R d m

本例中，Ｒ的折算如下：

875.8425.671.0355.0425.071.046

.2524045.0'=??='=??='=??=C

B

A R R R 计算结果列于表７-５中.

3.根据R ’大小确定因素的主次顺序

主 --〉次

A C B

即油炸温度对实验指标的影响最大，其次是油炸时间，而物料含水量的影响最小。

4.画出因素指标趋势图，如图7-4所示（p146）

5.选各因素的最优水平及最优水平组合

比较各因素各水平下的__K值（本例中__K越大越好），并参考因素指标趋势图，得出最优水平组合为A3B2C2或A3B1C2，即油炸温度230摄氏度，油炸时间40秒，物料含水量对试验指标影响很小，故取2%或4%都可以，视具体情况而定。

由表7-5可见，若最优水平组合A3B1C2，则该试验即表中的第5号试验，实验指标值即膨化体积为251.0㎝3/100g，为表中所列最大值；若最优水平组合为A3B2C2，则需再实施一次该水平组合下的试验，作为验证。

7.4 考察交互作用的正交试验设计及极差分析

一、交互作用的概念

前面介绍的正交试验设计与试验结果的分析方法，都是指因素间没有（或不考虑）交互作用的情况，实际上，在许多试验中，不仅因素对指标有影响，而且因素之间还会联合搭配起来对指标产生影响。所以，因素对试验产生的总效果，是由每一个因素对试验的单独作用再加上各个因素之间的搭配作用决定的。这种因素间的联合搭配对试

验指标产生的影响作用，称为交互作用。

例如，我们要考虑化学反应的温度（A ）与时间（B ）对产品收率的影响，温度和时间都取二个水平，即1

2

A A A

和12

B B B 。在各A i B j 组合

条件的平均产品收率，可能有如下三种情况：

（1）不论B 因素取哪个水平，A 2水平下收率总比A 1水平高10；同样，不论A 因素取哪个水平，B 2水平下的收率总比B 1水平下高5。在这种情况下，一个水平的好坏或好坏程度不受另一个因素水平的影响，这种情况称为因素A 与B 之间无交互作用。

（2）在B 1水平下A 2比A 1的收率高，但在B 2水平下，A 1比A 2的收率高。这种一个因素水平的好坏或好坏程度受到另一因素水平制约的情况，称为因素A 由于因素B 存在交互作用，一般用A ×B 表示。

（3）不论B 因素取哪个水平，A 2水平的收率总比A 1水平下高，但高的程度不等，这也说明因素A 与B 存在交互作用。

（1） A 与B 间无交互作用（平行线）

（2） A 与B 间有交互作用（A ×B ）

（3）A 与B 间存在交互作用（A ×B ） 图7-4 A 与B 间的交互作用情况

事实上，因素之间总是存在着交互作用的，这是客观存在的普遍现象，只不过交互作用的程度不同而已。一般的，当交互作用很小时，就认为不存在交互作用。因素间的交互作用对试验指标的影响，可能是正的，也可能是负的。有人说：“中国人一个人像一条龙，三个人像一条虫；日本人一个人像一条虫，三个人像一条龙。”这说明中国人之间的交互作用常常产生负面效应。（一个和尚挑水喝，二个和尚抬水喝，三个和尚没水喝。团结就是力量，集体主义精神）

在试验设计中，表示因素A 、B 间的交互作用记作A ×B ，称作一

级交互作用；表示因素A、B、C之间的交互作用记作A×B×C，称作二级交互作用；依次类推，还有三级、四级交互作用。二级和二级以上的交互作用称为高级交互作用。在试验设计中，通常忽略高级交互作用。

2．交互作用的处理原则

处理交互作用的总原则是，将交互作用当作因素看待，并将交互作用安排在能考察交互作用的正交表的相应列上（表头设计），它们对试验指标的影响情况都可以分析清楚，而且计算非常简便。但交互作用又与试验因素不同，主要表现在：

（1）用于考察交互作用的列不影响试验方案及其实施；

（2）一个交互作用并不一定只占正交表的一列，而是占有(m-1)p 列。即表头设计时，交互作用所占正交表的列数与因素水平m和交互作用的级数p有关，并且m和p越大，交互作用所占列数也就越多。例如，二水平因素的各级交互作用均只占一列，即(m-1)p=(2-1)p=1；对于三水平因素，（m-1）p=(3-1)p=2p,显然一级交互作用占两列（21=2），二级交互作用占四列（22=4）

对于交互作用的具体处理原则是：

（1）忽略高级交互作用；

（2）有选择的考虑一级交互作用；

正是由于忽略可以忽略的交互作用，才使正交试验法具有减少试验次数的优点。

（3）试验因素尽量取二个水平

因为二水平因素的各级交互作用均只占一列，所以选取二水平可以减少交互作用所占列数和减少试验次数。

二、考虑交互作用的正交试验设计方法

例7-4 用石墨炉原子吸收分光光度法测定食品中的铅，为了提高测定灵敏度，希望吸光度越大越好，今欲研究影响吸光度的因素，确定最佳测定条件。

1. 试验方案设计

（1）确定试验指标

（2）挑因素、选水平、制定因素水平表（根据专业知识，制定出的因素水平表见7-10，此处略。）

（3）选正交表

选正交表时，一定要把交互作用看成因素，同试验因素一并加以考虑。所选正交表试验号的大小，应能放下所有要考察的因素及交互作用，并且最好有1～2列空列，用以评价试验误差。

本例是三因素二水平试验，对于二水平因素，交互作用A×B，A×C 和B×C 都各占正交表一列，加上A（灰化温度）、 B（原子化温度）、C（灯电流）各需一列，共需六列。查附表7（p329）可知，选用L8（27）最合适。

（4）表头设计

表头设计时，各因素及其交互作用不能任意安排，必须严格按

正交试验设计的极差分析

第7章正交试验设计的极差分析正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1单指标正交试验设计及其极差分析 极差分析法简称R法。它包括计算和判断两个步骤，其内容如图7-1所示。 由K jm的大 j列因素的极 j为第 R j反映了第j列因素的水平变动时，试验指标的变动幅度。R j越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说 明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示.

表6-4因素水平表 表6-6试验方案及结果 试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。 表7-1试验方案及结果分析

计算示例： 因素A 的第１水平A 1所对应的试验指标之和及其平均值分别为： K A1=y 1+y 2+y 3=0+17+24=41， 1A K 3 1K A1=13.7 同理，对因素A 的第２水平A 2和第３水平A 3，有 K A2=y 4+y 5+y 6=12+47+28=87， 2A K 31K A2=29 K A3=y 7+y 8+y 9=1+18+42=61， 3A K 31 K A3=20.3 由表７-１或表６-６可以看出，考察因素A 进行的三组试验中（A 1,A 2,A 3），B 、C 、D 各水平都只出现了一次，且由于B 、C 、D 间无交互作用，所以B 、C 、D 因素的各水平的不同组合对试验指标无影响，因此，对A 1、A 2和A 3来说，三组试验的试验条件是完全一样的。假如因素A 对试验指标无影响，那么321,,A A A K K K 应该相等，但由上面的计标可知，321,,A A A K K K 实际上并不相等，显然，这是由于因素A 的水平变化引起的，因此，321,,A A A K K K 的大小反映了A 1、A 2和A 3对试验指标影响的大小。由于液化率y 越大越好，而132A A A K K K ，所以可判断A 2为因素A 的优水平。 同理，可判断因素B 、C 、D 的优水平分别为B 3、C 3、D 1。所以，优水平组合为A 2B 3C 3D 1，即最优工艺条件为加水量A 2=50ml/100g 、加酶量B 3=7ml/100g 、酶解温度C 3=50。C 和酶解时间D 1=1.5小时。 二、确定因素主次顺序 极差R j 按定义计算，如 3.157.130.2912 A A A K K R ,

正交试验方差分析(通俗易懂)

第十一章正交设计试验资料的方差分析 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。 正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 第一节、正交设计原理和方法 (一) 正交设计的基本概念 正交设计是利用正交表来安排多因素试验、分析试验结果的一种设计方法。它从多因素试验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，通过对这部分试验结果的分析了解全面试验的情况，找出最优水平组合。 例如，研究氮、磷、钾肥施用量对某小麦品种产量的影响： A因素是氮肥施用量，设A1、A2、A3 3个水平； B因素是磷肥施用量，设B1、B2、B3 3个水平； C因素是钾肥施用量，设C1、C2、C3 3个水平。 这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。 如果进行全面试验，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，由于受试验场地、经费等限制而难于实施。 如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。 正交设计的基本特点是：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。 正交试验是用部分试验来代替全面试验，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。 如对于上述3因素每个因素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。 一、正交设计的基本原理 表11-1 33试验的全面试验方案

第7章 正交试验设计的极差分析

第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 图7-1 R 法示意图 图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 ) R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据

R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. 表6-4 因素水平表 表6-6 试验方案及结果

正交试验设计及其方差分析

第三节正交试验设计及其方差分析 在工农业生产和科学实验中，为改革旧工艺，寻求最优生产条件等，经常要做许多试验，而影响这些试验结果的因素很多，我们把含有两个以上因素的试验称为多因素试验.前两节讨论的单因素试验和双因素试验均属于全面试验（即每一个因素的各种水平的相互搭配都要进行试验），多因素试验由于要考虑的因素较多，当每个因素的水平数较大时，若进行全面试验，则试验次数将会更大.因此，对于多因素试验，存在一个如何安排好试验的问题.正交试验设计是研究和处理多因素试验的一种科学方法，它利用一套现存规格化的表——正交表，来安排试验，通过少量的试验，获得满意的试验结果. 1.正交试验设计的基本方法 正交试验设计包含两个内容：（1）怎样安排试验方案；（2）如何分析试验结果.先介绍正交表. 正交表是预先编制好的一种表格.比如表9-17即为正交表L4(23),其中字母L表示正交，它的3个数字有3种不同的含义： (1) L4（23）表的结构：有4行、3列，表中出现2个反映水平的数码1，2. 列数 ↓ L4 （23） ↑↑ 行数水平数 （2）L4（23）表的用法：做4次试验，最多可安排2水平的因素3个. 最多能安排的因素数 ↓ L4 (23) ↑↑ 试验次数水平数 (3) L4（23）表的效率：3个2水平的因素.它的全面试验数为23=8次，使用正交表只需从8次试验中选出4次来做试验，效率是高的. L4 (23) ↑↑ 实际试验数理论上的试验数 正交表的特点： （1）表中任一列，不同数字出现的次数相同.如正交表L4(23)中，数字1，2在每列中均出现2次. （2）表中任两列，其横向形成的有序数对出现的次数相同.如表L4（23）中任意两列，数字1，2间的搭配是均衡的.

第7章-正交试验设计的极差分析汇总

\ 第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 & 图7-1 R 法示意图 — 图中，K jm 为第j 列因素m 水平所对应的试验指标和，K jm 为K jm 的平均值。由K jm 的大小可以判断j 因素的优水平和各因素的水平组合，即最优组合。R j 为第j 列因素的极差，即第j 列因素各水平下平均指标值的最大值与最小值之差： R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 )

R j反映了第j列因素的水平变动时，试验指标的变动幅度。R j越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. ( 表6-4 因素水平表 酶解温度 (C) ( C 表6-6 试验方案及结果

正交实验计算方法

正交试验设计方法（1）(2008-12-17 12:59:39) 标签：正交设计杂谈分类：其他 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。 表5－1因素水平

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。

图5－1 全面搭配法方案 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T1、T2、T3。

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

正交实验数据分析

正交实验如何数据分析 我们把在试验中考察的有关影响试验指标的条件称为因素（也叫因子），把在试验中准备考察的各种因索的不同状态(或配方)称为水平。在研究比较复杂的工程问题中，往往都包含着多个因素，而且每个因素要取多个水平。 对于包含五个因素、五个水平的工程项目，理论计算必须进行55＝3125次试验。显然，所需要的试验次数太多了，工作量太大。实践告诉我们，合理安排试验和科学分析试验，是试验工作成败的关键。 试验方案设计的好，试验次数就少，周期也短，这样不仅节省了大量人力、物力、财力和时间，而且可以得到理想的结果。相反，如果试验设计安排的不好，即使进行了很多次试验，浪费了大量材料、人力和时间，也不一定能够得到预期的结果。 正交试验法，就是在多因素优化试验中，利用数理统计学与正交性原理，从大量的试验点中挑选有代表性和典型性的试验点，应用“正交表”科学合理地安排试验，从而用尽量少的试验得到最优的试验结果的一种试验设计方法。 正交试验法也叫正交试验设计法，它是用“正交表”来安排和分析多因素问题试验的一种数理统计方法。这种方法的优点是试验次数少，效果好，方法筒单，使用方便，效率高。 由于试验次数大大减少，使得试验数据处理非常重要。我们可以从所有的试验数据中找到最优的一个数据，当然，这个数据肯定不是最佳匹配数据，但是肯定是最接近最佳的了。 用正交表安排的试验具有均衡分散和整齐可比的特点。均衡分散，是指用正交表挑选出来的各因素和各水平组合在全部水平组合中的分布是均衡的。整齐可比是说每一因素的各水平间具有可比性。 最简单的正交表L4(23)如表-1所示。 记号L4(23)的含意如下： “L”代表正交表； L下角的数字“4”表示有4横行(简称为行)，即要做四次试验； 括号内的指数“3”表示有3纵列(简称为列)，即最多允许安排的因素个数是3个； 括号内的数“2”表示表的主要部分只有2种数字，即因素有两种水平l与2，称之为l 水平与2水平。 表L4(23)之所以称为正交表是因为它有两个特点： 1、每一列中，每一因素的每个水平，在试验总次数中出现的次数相等。表-1里不同的水平只有两个——1和2，它们在每一列中各出现2次。

正交试验结果的极差分析法

正交试验结果的极差分析法 正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。 下面以L4（23）表为例讨论正交试验结果的极差分析法。 表4-13 L4 (2 3）正交试验计算表 在表4-13中： I j——第j列“1”水平所对应的试验指标的数值之和。 Ⅱj——第j列“2”水平所对应的试验指标的数值之和。 （第j列有“3”，“4”水平时）

k j——第j列同一水平出现的次数。等于试验的次数（n）除以第j列的水平数。 ——第j列“1”水平所对应的试验指标的平均值。 ——第j列“2”水平所对应的试验指标的平均值。 D j——第j列的极差。等于第j列各水平对应的试验指标平均值中的最大值减最小值，即 用极差法分析正交试验结果应引出以下几个结论： ①在试验范围内，各列对试验指标的影响从大到小的排队。 某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。 所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。 ②试验指标随各因素的变化趋势。 ③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。 ④对所得结论和进一步研究方向的讨论。 例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。 解：试验目的：提高磺化反应的乙酰胺苯的收率。 试验指标：乙酰胺苯的收率 表4-14因素水平表

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：

正交试验设计的极差分析

正交试验设计的极差分 析 Corporation standardization office #QS8QHH-HHGX8Q8-GNHHJ8

第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 由K jm 。 R j R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 ) R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j 的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、 确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。

在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. 表6-4 因素水平表 表6-6 试验方案及结果 试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。 表7-1 试验方案及结果分析

4.1.7 正交试验结果的极差分析法

4.1.7 正交试验结果的极差分析法 正交试验方法能得到科技工作者的重视，在实践中得到广泛的应用，原因之一是不仅试验的次数减少，而且用相应的方法对试验结果进行分析可以引出许多有价值的结论。因此，在正交试验中，如果不对试验结果进行认真的分析，并明确地引出应该引出的结论，那就失去用正交试验法的意义和价值。 下面以L4（23）表为例讨论正交试验结果的极差分析法。 (2 3）正交试验计算表 表4-13 L 4 在表4-13中： ——第j列“1”水平所对应的试验指标的数值之和。 I j Ⅱ ——第j列“2”水平所对应的试验指标的数值之和。 j （第j列有“3”，“4”水平时） ——第j列同一水平出现的次数。等于试验的次数（n）除以第j列的水平数。k j ——第j列“1”水平所对应的试验指标的平均值。 ——第j列“2”水平所对应的试验指标的平均值。

D ——第j列的极差。等于第j列各水平对应的试验指标平均值中的最大值减最j 小值，即 用极差法分析正交试验结果应引出以下几个结论： ①在试验范围内，各列对试验指标的影响从大到小的排队。 某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。 所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。 ②试验指标随各因素的变化趋势。 ③使试验指标最好的适宜的操作条件（适宜的因素水平搭配）。 ④对所得结论和进一步研究方向的讨论。 例4-5要求对例4-4的试验问题，写出应用正交试验设计方法的全过程，用极差法分析正交实验的结果。 解：试验目的：提高磺化反应的乙酰胺苯的收率。 试验指标：乙酰胺苯的收率 表4-14因素水平表 应考虑的交互作用：A×B，A×C 选择的正交表：L （27），表头设计及计算结果均见表4-15。 8 应该引出的四个结论如下： 1．各列对试验指标影响大小的排队问题。

正交实验的计算步骤

正交实验的计算步骤： 1．直观分析法 该法先将各列相同水平实验组的实测数据进行累加，故得到不同水平时的累加值K1、K2、K3等。K b =ΣX b 然后求得各列K值的极差（R）R=Kmax-Kmin 再求得极差的误差值（R e ）,通常以较小R值或其与空白列R值之和表示。并求各列R值与R e 之比（G）G=R/R e 若G?1.5时，确认该列因素为主要因素，K b 较大者为较好水平。 2．方差分析法 本例N=9,a、b、c分别为因素A、B、C 每个水平实验重复次数，本例为3。1）CT=全部试验值总和的平方的均数，又称校正值 2）三因素同水平指标值和即K值的平方和用Q来表示 Q A=(K1a2+ K2a2+K3a2 )/a 计算Q B、Q C、Q空 3）组间平方和用S表示 S A = Q A―CT 依次类推 S 空= Q空―CT是误差的估计值，即误差S e 4）总平方和的计算 S总＝W-CT W=各指标值平方后的和 5）组内平方和的计算，即误差，用S e 来表示 误差一般来自空相，即上面计算的S空来表示 计算方法： 因为S 总 ＝S A＋S B＋S C＋S e 故S e＝S 总－S A －S B－S C 6）自由度 df 因 各因素的自由度等于水平数减1，即为3－1＝2。df T总的平方和的自由度等于实验次数减1，即为9－1＝8。df e误差自由度等于总自由度减去各因素自由度之和，即为8－2－2－2＝2 7）均方的计算用Z表示，Z A= S A/df A 依次类推Z e= S e/df e 8）F检验F A= Z A/Z e依次类推F B、F C 9）查F检验的临界值F P表为F0 。05 (2,2)＝19.0 F0。01(2,2)=99.0 F值? F0。05，则P? P0。05,具有显著性 10）最优工艺的选择做完显著性检验后，可以选择最优工艺水平，对显著因素控制，选择K值大的水平组即可。对于不显著因素则考虑生产实际情况。

正交试验设计的极差分析

第7章 正交试验设计的极差分析 正交试验设计和分析方法大致分为二种：一种是极差分析法(又称直观分析法),另一种是方差分析法(又称统计分析法)。本章介绍极差分析法，它简单易懂，实用性强，在工农业生产中广泛应用。 7.1 单指标正交试验设计及其极差分析 极差分析法简称R 法。它包括计算和判断两个步骤，其内容如图7-1所示。 由K jm 。R j R j =max(jm j j K K K ,,,21 )-min(jm j j K K K ,,,21 ) R j 反映了第j 列因素的水平变动时，试验指标的变动幅度。R j 越大，说明该因素对试验指标的影响越大，因此也就越重要。于是依据R j 的大小，就可以判断因素的主次。 极差分析法的计算与判断，可直接在试验结果分析表上进行，现以例６-２来说明单指标正交试验结果的极差分析方法。 一、 确定因素的优水平和最优水平组合 例6-2 为提高山楂原料的利用率，某研究组研究了酶法液化工艺制造山楂

精汁。拟通过正交试验寻找酶法液化工艺的最佳工艺条件。 在例６-２中，不考虑因素间的交互作用（因例６-２是四因素三水平试验，故选用L9(34)正交表），表头设计如表６-５所示，试验方案则示于表６-６中。试验结果的极差分析过程，如表７-１所示. 表6-4 因素水平表 表6-6 试验方案及结果 试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。 表7-1 试验方案及结果分析

计算示例： 因素A 的第１水平A 1所对应的试验指标之和及其平均值分别为： K A1=y 1+y 2+y 3=0+17+24=41， 1A K 3 1K A1=13.7 同理，对因素A 的第２水平A 2和第３水平A 3，有 K A2=y 4+y 5+y 6=12+47+28=87， 2A K 31K A2=29 K A3=y 7+y 8+y 9=1+18+42=61， 3A K 31 K A3=20.3 由表７-１或表６-６可以看出，考察因素A 进行的三组试验中（A 1,A 2,A 3），B 、C 、D 各水平都只出现了一次，且由于B 、C 、D 间无交互作用，所以B 、C 、D 因素的各水平的不同组合对试验指标无影响，因此，对A 1、A 2和A 3来说，三组试验的试验条件是完全一样的。假如因素A 对试验指标无影响，那么321,,A A A K K K 应该相等，但由上面的计标可知，