![正交试验设计法[17]](https://img.doczj.com/img2b/154u7svyc30xtjbk8mwvgsbbdwtgyj97-b1.webp)
![正交试验设计法[17]](https://img.doczj.com/img2b/154u7svyc30xtjbk8mwvgsbbdwtgyj97-f2.webp)
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，… Sj 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。
正交表具有以下两项性质：
(1)每一列中，不同的数字出现的次数相等。例如在两水平正交表中，任何一列都有数码“1”与“2”，且任何一列中它们出现的次数是相等的；如在三水平正交表中，任何一列都有“1”、“2”、“3”，且在任一列的出现数均相等。
(2)任意两列中数字的排列方式齐全而且均衡。例如在两水平正交表中，任何两列(同一横行内)有序对子共有4种：(1，1)、(1，2)、(2，1)、(2，2)。每种对数出现次数相等。在三水平情况下，任何两列(同一横行内)有序对共有9种，1.1、1.2、1.3、2.1、2.2、2.3、3.1、3.2、3.3，且每对出现数也均相等。
以上两点充分的体现了正交表的两大优越性，即“均匀分散性，整齐可比”。通俗的说，每个因素的每个水平与另一个因素各水平各碰一次，这就是正交性。
2. 交互作用表每一张正交表后都附有相应的交互作用表，它是专门用来安排交互作用试验。表14就是L8(27)表的交互作用表。
安排交互作用的试验时，是将两个因素的交互作用当作一个新的因素，占用一列，为交互作用列，从表14中可查出L8(27)正交表中的任何两列的交互作用列。表中带( )的为主因素的列号，它与另一主因素的交互列为第一个列号从左向右，第二个列号顺次由下向上，二者相交的号为二者的交互作用列。例如将A因素排为第(1)列，B因素排为第(2)列，两数字相交为3，则第3列为A×B交互作用列。又如可以看到第4列与第6列的交互列是第2列，等等。
3．正交实验的表头设计表头设计是正交设计的关键，它承担着将各因素及交互作用合理安排到正交表的各列中的重要任务，因此一个表头设计就是一个设计方案。
表头设计的主要步骤如下：
(1)确定列数根据试验目的，选择处理因素与不可忽略的交互作用，明确其共有多少个数，如果对研究中的某些问题尚不太了解，列可多一些，但一般不宜过多。当每个试验号无重复，只有1个试验数据时，可设2个或多个空白列，作为计算误差项之用。
(2)确定各因素的水平数根据研究目的，一般二水平(有、无)可作因素筛选用；也可适用于试验次数少、分批进行的研究。三水平可观察变化趋势，选择最佳搭配；多水平能以一次满足试验要求。
(3)选定正交表根据确定的列数?与水平数(t)选择相应的正交表。例如观察5个因素8个一级交互作用，留两个空白列，且每个因素取2水平，则适宜选L16(215)表。由于同水平的正交表有多个，如L8(27)、L12(211)、L16(215)，一般只要表中列数比考虑需要观察的个数稍多一点即可，这样省工省时。
(4)表头安排应优先考虑交互作用不可忽略的处理因素，按照不可混杂的原则，将它们及交互作用首先在表头排妥，而后再将剩余各因素任意安排在各列上。例如某项目考察4个因素A、B、C、D及A×B交互作用，各因素均为2水平，现选取L8(27)表，由于AB两因素需要观察其交互作用，故将二者优先安排在第1、2列，根据交互作用表查得A×B应排在第3列，于是C排在第4列，由于A×C交互在第5列，B×C 交互作用在第6列，虽然未考查A×C与B×C，为避免混杂之嫌，D就排在第7列。
(5)组织实施方案根据选定正交表中各因素占有列的水平数列，构成实施方案表，按实验号依次进行，共
作n次实验，每次实验按表中横行的各水平组合进行。例如L9(34)表，若安排四个因素，第一次实验A、B、C、D四因素均取1水平，第二次实验A因素1水平，B、C、D取2水平，……第九次实验A、B因素取3水平，C因素取2水平，D因素取1水平。实验结果数据记录在该行的末尾。因此整个设计过程我们可用一句话归纳为：“因素顺序上列、水平对号入座，实验横着作”。
4．二水平有交互作用的正交实验设计与方差分析
例8 某研究室研究影响某试剂回收率的三个因素，包括温度、反应时间、原料配比，每个因素都为二水平，各因素及其水平见表16。选用L8(27)正交表进行实验，实验结果见表17。
首先计算Ij 与IIj ，Ij为第j列第1水平各试验结果取值之和，IIj为第j列第2水平各试验结果取值之和。然后进行方差分析。过程为：
求：总离差平方和
各列离差平方和 SSj=
本例各列离均差平方和见表10最底部一行。即各空列SSj之和。即误差平方和
自由度v为各列水平数减1，交互作用项的自由度为相交因素自由度的乘积。
分析结果见表18。
从表18看出，在α＝0.05水准上，只有C因素与A×B交互作用有统计学意义，其余各因素均无统计学意义，A因素影响最小，考虑到交互作用A×B的影响较大，且它们的二水平为优。在C2的情况下，有B1A2和B1，A1两种组合状况下的回收率最高。考虑到B因素影响较A因素影响大些，而B中选B1为好，故选A2B1。这样最后决定最佳配方为A2B1C2，即80℃，反应时间2.5h，原料配比为1.2:1。
如果使用计算机进行统计分析，在数据是只需要输入试验因素和实验结果的内容，交互作用界的内容不用输入，然后按照表头定义要分析的模型进行方差分析。
1.正交试验法的评价
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。
但其也有一些缺点：它提供的数据分析方法所获得的优选值，只能是试验所用水平的某种组合，优选结果不会超越所取水平的范围；另外，也不能给进一步的试验提供明确的指向性，使试验仍然带很强的摸索性色彩，不很精确。这样，正交试验法用在初步筛选时显得收敛速度缓慢、难于确定数据变化规律，增加试验次数。尤其在试验工作烦琐、费用昂贵的情况更显突出。
2.正交试验法的代数学基础
对试验的寻优工作，用数学语言可描述为求多维连续空间上的最大或最小值（极值）。但现实的试验工作又往往没有可用的数学模型，不能确切知道数据变化的数学规律。故处理上可以先求出其数学模型，再计算极值；或直接从试验点的组合中推算出一个较好值作为较优解。
实际上，在高等数学上的泰勒级数：f(x)=∑f(n)(x0)·(x-x0)n/n!，n=0~+∞，用于求复杂函数的近似解时，就利用了其收敛性原理。在试验寻优时也可同理可将描述试验对象的“数学函数”运用泰勒级数的数项代数式近似地拟合试验规律，代入各次试验的结果获得一组线性方程，用解析法求出方程的优值，即曲线的极点。
显然，如果数据量大，则可以一次性用较高阶幂级数解出很精确的拟合曲线或函数。只消再用极少的进一步试验印证或寻优即可完成试验工作。
缺点：代数学方法不能提供一种较好的试验安排方案，不如正交试验法规范直观，数据不易处理，故不常为人们使用。
以上分析可以看到二者均是寻优，各有所长。如何取长补短？
3.二者联合运用原理
以L9(34)三水平标准正交表为例加以说明。L9(34)有九次试验，如对每个因素均使用二次方程拟合，因素间无交互作用即理解为各因素独立对结果作贡献。用代数方程表达有：
f(x1,x2,x3,x4)=a0+a1x1+a2x12+a3x2+a4x22+a5x3+a6x32+a7x4+a8x42
代入各xi的值，获得含九个未知数的九个线性方程，可求解出各ai 。再运用多元函数求极值的方法，可以获得较优值。这样，一组试验便获得较优结果，而且不受水平取值范围的限制，并对进一步试验有较强的指向性。
显然，从正交表得到的线性方程组的系数矩阵均是满秩的，对应的线性方程组有唯一解，即试验的优值是唯一的： AX=B X=A-1B
其次，对因素间的交互作用，在代数处理上，可用因素间相乘的项来表达：xim·xjn。（显然，代数法还可用来分析多元交互作用等问题。）
以上分析说明正交试验法有其代数学基础。
很易看到，对标准正交表，各因素的基本拟合级数的最高幂次为其水平数减一。
[备注]关于均匀设计
在均匀设计中，如3因素7水平的试验方案，只消7次试验，即U7（73）。这样的均匀设计的7次试验也可代数法处理求解，各因素分配二次幂，另设一常数项，但数据的正交性不易保证。而正交试验法的处理很明确易理解。
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？
先固定T1和p1，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＝m2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m2水平。
固定T1和m2，改变p的三次实验如图5-2（2）所示，发现p＝p3时的实验效果最好，因此认为因素p应取p3水平。
固定p3和m2，改变T 的三次实验如图5-2（3）所示，发现因素T 宜取T2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T2p3m2。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m2（或p3或T2 ）水平最好是有条件的。在T ≠T1，p ≠p1时，m2 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 ＝T2，p ＝p3 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L9（34），其试验安排见表5-2。所有的正交表与L9（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L9（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。在表L9（34）中，任意两列并列在一起形成的数字对共有9个：（1,1），（1,2），（1,3），（2,1），（2,2），（2,3），（3,1），（3,2），（3,3），每一个数字对各出现一次。
表5－2 试验安排表
试验号列号 1 2 3 4
因素温度℃压力Pa 加碱量kg
这两个特点称为正交性。正是由于正交表具有上述特点，就保证了用正交表安排的试验方案中因素水平是均衡搭配的，数据点的分布是均匀的。因素、水平数愈多，运用正交试验设计方法，愈发能显示出它的优越性，如上述提到的6因素3水平试验，用全面搭配方案需729次，若用正交表L27（313）来安排，则只需做27次试验。
在化工生产中，因素之间常有交互作用。如果上述的因素T的数值和水平发生变化时，试验指标随因素p变化的规律也发生变化，或反过来，因素p的数值和水平发生变化时，试验指标随因素T变化的规律也发生变化。这种情况称为因素T、p间有交互作用，记为T×p 。
5． 3 正交表
使用正交设计方法进行试验方案的设计，就必须用到正交表。正交表请查阅有关参考书。
5.3.1 各列水平数均相同的正交表
各列水平数均相同的正交表，也称单一水平正交表。这类正交表名称的写法举例如下：
各列水平均为2的常用正交表有：L4（23），L8（27），L12（211），L16（215），L20（219），L32（231）。各列水平数均为3的常用正交表有：L9（34），L27（313）。
各列水平数均为4的常用正交表有：L16（45）
各列水平数均为3的常用正交表有：L25（56）
5.3.2 混合水平正交表
各列水平数不相同的正交表，叫混合水平正交表，下面就是一个混合水平正交表名称的写法：
L 8（41×24）常简写为L 8（4×24）。此混合水平正交表含有1 个4水平列，4个2水平列，共有1＋4＝5列。
5.3.3 选择正交表的基本原则
一般都是先确定试验的因素、水平和交互作用，后选择适用的L表。在确定因素的水平数时，主要因素宜多安排几个水平，次要因素可少安排几个水平。
（1）先看水平数。若各因素全是2水平，就选用L(2＊)表；若各因素全是3水平，就选L(3＊)表。若各因素的水平数不相同，就选择适用的混合水平表。
（2）每一个交互作用在正交表中应占一列或二列。要看所选的正交表是否足够大，能否容纳得下所考虑的因素和交互作用。为了对试验结果进行方差分析或回归分析，还必须至少留一个空白列，作为“误差”列，在极差分析中要作为“其他因素”列处理。
（3）要看试验精度的要求。若要求高，则宜取实验次数多的L表。
（4）若试验费用很昂贵，或试验的经费很有限，或人力和时间都比较紧张，则不宜选实验次数太多的L 表。
（5）按原来考虑的因素、水平和交互作用去选择正交表，若无正好适用的正交表可选，简便且可行的办法是适当修改原定的水平数。
（6）对某因素或某交互作用的影响是否确实存在没有把握的情况下，选择L表时常为该选大表还是选小表而犹豫。若条件许可，应尽量选用大表，让影响存在的可能性较大的因素和交互作用各占适当的列。某因素或某交互作用的影响是否真的存在，留到方差分析进行显著性检验时再做结论。这样既可以减少试验的工作量，又不致于漏掉重要的信息。
5.3.4 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。因篇幅限制，此处不讨论，请查阅有关书籍。（2）若试验不考虑交互作用，则表头设计可以是任意的。如在例5-1中，对L 9（3 4）表头设计，表5-3所列的各种方案都是可用的。但是正交表的构造是组合数学问题，必须满足5.2中所述的特点。对试验之
初不考虑交互作用而选用较大的正交表，空列较多时，最好仍与有交互作用时一样，按规定进行表头设计。只不过将有交互作用的列先视为空列，待试验结束后再加以判定。
5．4 正交试验的操作方法
（1）分区组。对于一批试验，如果要使用几台不同的机器，或要使用几种原料来进行，为了防止机器或原料的不同而带来误差，从而干扰试验的分析，可在开始做实验之前，用L表中未排因素和交互作用的一个空白列来安排机器或原料。
与此类似，若试验指标的检验需要几个人（或几台机器）来做，为了消除不同人（或仪器）检验的水平不同给试验分析带来干扰，也可采用在L表中用一空白列来安排的办法。这样一种作法叫做分区组法。（2）因素水平表排列顺序的随机化。如在例5-1中，每个因素的水平序号从小到大时，因素的数值总是按由小到大或由大到小的顺序排列。按正交表做试验时，所有的1水平要碰在一起，而这种极端的情况有时是不希望出现的，有时也没有实际意义。因此在排列因素水平表时，最好不要简单地按因素数值由小到大或由大到小的顺序排列。从理论上讲，最好能使用一种叫做随机化的方法。所谓随机化就是采用抽签或查随机数值表的办法，来决定排列的别有顺序。
（3）试验进行的次序没必要完全按照正交表上试验号码的顺序。为减少试验中由于先后实验操作熟练的程度不匀带来的误差干扰，理论上推荐用抽签的办法来决定试验的次序。
（4）在确定每一个实验的实验条件时，只需考虑所确定的几个因素和分区组该如何取值，而不要（其实也无法）考虑交互作用列和误差列怎么办的问题。交互作用列和误差列的取值问题由实验本身的客观规律来确定，它们对指标影响的大小在方差分析时给出。
（5）做实验时，要力求严格控制实验条件。这个问题在因素各水平下的数值差别不大时更为重要。例如，例5-1中的因素（加碱量）m的三个水平：m1＝2.0，m2=2.5，m3=3.0，在以m＝m2=2.5为条件的某一个实验中，就必须严格认真地让m2=2.5。若因为粗心和不负责任，造成m2=2.2或造成m2=3.0，那就将使整个试验失去正交试验设计方法的特点，使极差和方差分析方法的应用丧失了必要的前提条件，因而得不到正确的试验结果。
5．5 正交试验结果分析方法
正交试验方法之所以能得到科技工作者的重视并在实践中得到广泛的应用，其原因不仅在于能使试验的次数减少，而且能够用相应的方法对试验结果进行分析并引出许多有价值的结论。因此，有正交试验法进行实验，如果不对试验结果进行认真的分析，并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。
5.5.1 极差分析方法
下面以表5-4为例讨论L4（23）正交试验结果的极差分析方法。极差指的是各列中各水平对应的试验指标平均值的最大值与最小值之差。从表5-4的计算结果可知，用极差法分析正交试验结果可引出以下几个结论：
（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。为了能更直观地看到变化趋势，常将计算结果绘制成图。
（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）可对所得结论和进一步的研究方向进行讨论。
5.5.2 方差分析方法
5.5.2.1 计算公式和项目
试验指标的加和值＝，试验指标的平均值，以第j列为例：
⑴Ⅰj ?＿＿“1”水平所对应的试验指标的数值之和
⑵Ⅱj ——“2”水平所对应的试验指标的数值之和
⑶……
⑷ kj ——同一水平出现的次数。等于试验的次数除以第j列的水平数
⑸Ⅰj/ kj ——“1”水平所对应的试验指标的平均值
⑹Ⅱj/ kj ——“1”水平所对应的试验指标的平均值
⑺……
以上7项的计算方法同极差法（见表5-4）。
⑻偏差平方和
⑼ fj ——自由度。fj ＝第j列的水平数－1。
⑽ Vj ——方差。Vj ＝Sj ／fj 。
⑾ Ve ——误差列的方差。Ve ＝Se ／fe 。式中，e为正交表的误差列。
⑿ Fj ——方差之比 Fj ＝Vj ／Ve 。
⒀查F分布数值表（F分布数值表请查阅有关参考书）做显著性检验。
⒁总的偏差平方和
⒂总的偏差平方和等于各列的偏差平方和之和。即
式中，m为正交表的列数。
若误差列由5个单列组成，则误差列的偏差平方和Se等于5个单列的偏差平方和之和，即：Se ＝Se1 ＋Se2 ＋Se3 ＋Se4 ＋Se5 ；也可用Se ＝S总＋S，，来计算，其中S，，为安排有因素或交互作用的各列的偏差平方和之和。
5.5.2.2 可引出的结论
与极差法相比，方差分析方法可以多引出一个结论：各列对试验指标的影响是否显著，在什么水平上显著。在数理统计上，这是一个很重要的问题。显著性检验强调试验在分析每列对指标影响中所起的作用。如果某列对指标影响不显著，那么，讨论试验指标随它的变化趋势是毫无意义的。因为在某列对指标的影响不显著时，即使从表中的数据可以看出该列水平变化时，对应的试验指标的数值与在以某种“规律”发生变化，但那很可能是由于实验误差所致，将它作为客观规律是不可靠的。有了各列的显著性检验之后，最后应将影响不显著的交互作用列与原来的“误差列”合并起来。组成新的“误差列”，重新检验各列的显著性。
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A、A?、A33个水平；B因素，设B、B2、B33个水平； C因素，设G、G、G 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）
第三章：统计推断 第3章第7题 分别使用金球和铂球测定引力常数 （1）用金球测定观察值：6.683，6.681，6.676，6.678，6.679，6.672； （2）用铂球测定观察值：6.661，6.661，6.667，6.667，6.664。 σ），u，2σ均为未知。试就1，2两种情况分别求u的置信度为设测定值总体为N（u，2 σ的置信度为0.9的置信区间。 0.9的置信区间，并求2 （1）金球均值置信度为0.9的置信区间，SAS程序如下： ①打开SAS软件②打开solution-analysis- analyst输入数据并保存 ③打开analyst，选择jingqiu文件，打开： ④Statistics ——Hypothesis Tests ——One-Sample t-test for a Mean，将待分析变量jq送入Variable中，在单击Tests，选中Interval，设置confidence level设置为90.0%：
⑤结果输出：金球u的置信度为0.9的置信区间为(6.67,6.68)。 （2）铂球均值置信度为0.9的置信区间，SAS程序如下： ①打开solution-analysis- analyst输入数据并保存②打开analyst，选择Bq文件，打开： ③Statistics ——Hypothesis Tests ——One-Sample t-test for a Mean，将待分析变量bq送入Variable中，在单击Tests，选中Interval，设置confidence level设置为90.0%： ④结果输出：铂球u的置信度为0.9的置信区间为(6.66,6.67)。
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
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。
设计方法名称正交设计 适用范围仅用于复因子试验。 田间排列田间排列可采用随机区组设计或拉丁方设计等。 田间排列说明一、为什么要用正交试验？ 关于复因子试验我们介绍了随机区组设计和裂区设计两种设计方法、但这两种设计方法均属于复因子试验的全面实施，所成的区组叫完全区组，即每一种处理组合在每一区组都必须设置一个小区。然而，对于农林试验，特别小区面积需较大的热带作物试验，作全面实施往往是不可能的。例如，如欲作肥料三要素试验，每因子取三个水平，则共有27个处理组合。若把试验布置成完全区组，则每区组需设置27个小区。这不仅实际执行时常因地形所限而不易找到如此庞大的区组，即使能找到可摆下27个处理组合的区组也难于实行局部控制。此外，作完全区组设计工作量太大，耗费人力物力也多。为解决以上矛盾，人们提出是否可以从全部处理组合中挑选出一部处理组合来做一下完全区组试验，而且要求这种部分实施同样能达到主要的试验目的。理论与实施都证明这是可能的，这就是本节所介绍的正交试验法。 进一步的问题是：（1）从全部处理组合中应该挑几个处理组合来做试验？（2）从全部处理组合中具体挑选哪几个处理组合来做试验？这两个问题都可以从正交表得到回答。 二、正交表 正交试验，是借助于正交表来布置试验的。因此，首先得搞清楚正交表的含义。比如，需作一A、B、C三因子试验，A分为A1、A2二个水平；B分为B1、B2二个水平；C分为C1、C2二个水平。显然，该试验共有8个处理组合，详列如下： 这8个处理组合，可用数字来简单表示，如A1B1C1可简记为“111”，A1B1C2可简记为“112”等等。这样，如若写出“221”，则表示这是处理组合A2B2C1，。即因子A取A2，因子B取B2，因子C取C1所组成的组合。 如果我们希望把试验布置成正交试验，从8个处理组合中挑选一部分处理组合来做才有代表性呢？这可查正交表得到回答。二水平的最简单一张正交
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
实验一正交实验设计 1为了提高某种产品的质量，研究A（温度，℃），B（压力，kg），C（配比，%），D（时间，h）四个因素对质量指标的影响。每个因素各取3个水平（见表1.1）进行实验。请根据实验方案选择合适的正交表安排实验，并用直观分析方法寻找最优实验方案。 9 实验数据分析表：
效应曲线图： 结果分析：极差越大，影响越大;虚拟值越大，条件越优 对质量指标的影响：温度>压力>时间>配比 极值最大为：A3，B2 ,C2 ,D3 选取最优方案为：温度470℃，压力20 kg ，配比5% ，时间3h 2为了提高铸件的精铸性能指标，确定最优的工艺条件，研究以下5个具有2水平的因素。见表1.2，且A与B、B与C之间存在交互作用，见表1.3，试用L8（27）设计实验，并做直观分析。
表1.2 实验数据分析表： 结果分析：极差越大，影响越大;虚拟值越大，条件越优 对性能指标的影响：A(硬化剂相对密度)＞A×B＞E(脱蜡条件)＞B(硬化时间)=D（晾干时间）＞B×C＞C（硬化剂温度） 所以，最优工艺条件为：硬化剂密度1.48, 硬化时间2min, 硬化剂温度（根据BC交互判定）25℃，晾干时间15h，脱蜡条件HCl
3、试用正交表方差分析方法，确定T8钢的最优热处理工艺方案，因素与水平见表1.4。 表1.4 注，其中A与B有交互作用，测试淬火后钢的硬度，硬度越大越好。选L8（27）设计，实验结果如下： 方差分析表
1.对T8钢的影响因素大小如下：A×B（或者C）>A>B(或者D)>E>e 2.由于测试淬火后钢的硬度，硬度越大越好。则由实验结果可知：实验2的结果最优！即在淬火温度为800℃，淬火时间为15 min，A×B为1，冷却液为水，e为2，E为2，操作方法为D2时得到的钢是最硬的！
常用的实验设计方法(四) 多因素多水平的实验设计，当所需的实验次数较多或因实验条件所限，而无法承受，且已知因素之间的复杂交互作用(高阶交互)可忽略不计时，通常可以用正交设计取代析因设计，以达到减少实验次数的目的。 ⑴ 正交实验设计：是一种高效的多因素实验的设计，它是利用一系列规格化的正交表将各实验因素、各水平之间的组合均匀搭配，合理安排，大大减少实验次数，并提供较多的信息。 ⑵ 正交表(orthogonal layout)：经过严格的数学推导编制出来的。正交表上的每一行代表各实验因素水平的一种组合，称为一个试验点，正交表的每一列代表一种实验效应，它可能代表某实验因素或交互作用或实验误差的效应，试具体安排而定。 正交表中用符号表示设计的类型。例如：)2(3 4L ，符号L 表示正交表，L 的下标表示实验次数，括号内的底数是因素的水平数，指数是因素的个数(即列数或最多可以安排的因素的个数)。 )2(34L ：最多可安排3个因素，每个因素均为2水平，作4次实验的正交表。 )2(78L ：最多可安排7个因素，每个因素均为2水平，作8次实验的正交表。 )3(49L ：？ 例如：)2(3 4L 每行表示一个实验，列表示安排的因素。表中的1、2表示各因素的水平，每列(因素)的各水平出现的次数相等，任两列的同一横行中出现的有序数对(1,1)(1,2)、(2,1)，(2,2)次数相同。具有均衡性和正交性。
⑶ 交互作用表：每个正交表均有对应的交互作用表。 通过交互作用表可安排因素或交互作用或误差。)2(34L 交互作用表显示若第一列安排因素，第二列安排因素，则两因素的交互作用安排在第3列上。 再比如：)2(7 8L 正交表 ⑷ 正交设计类型： 根据正交表可以分为：同水平的正交表和混合水平的正交表。 常用的同水平的正交表： 2水平正交表：)2(34L 、)2(78L 、)2(1516L 、)2(31 32L 等 3水平正交表：)3(4 9L 、)3(13 27L 、)3(40 81L 等
正交实验的原理 我们知道如果有很多的因素变化制约着一个事件的变化，那么为了弄明白哪些因素重要，哪些不重要，什么样的因素搭配会产生极值，必须通过做实验验证(仿真也可以说是试验，只不过试验设备是计算机)，如果因素很多，而且每种因素又有多种变化(专业称法是：水平)，那么试验量会非常的大，显然是不可能每一个试验都做的。那我们这个试验来讲，影响主轴温升的因素很多，比如转速、预紧力、油气压力、喷油间隙时间、油品等等；每种因素的水平也很多，比如转速从8Krpm到20Krpm，等等，坤哥算了一下，所有因素都做，大概一共要900次试验，按一天3次试验计，要不停歇的做10个月，显然是不可能的。 能够大幅度减少试验次数而且并不会降低试验可行度的方法就是使用正交试验法。首先需要选择一张和你的试验因素水平相对应的正交表，已经有数学家制好了很多相应的表，你只需找到对应你需要的就可以了。所谓正交表，也就是一套经过周密计算得出的现成的试验方案，他告诉你每次试验时，用那几个水平互相匹配进行试验，这套方案的总试验次数是远小于每种情况都考虑后的试验次数的。比如3水平4因素表就只有9行，远小于遍历试验的81次；我们同理可推算出如果因素水平越多，试验的精简程度会越高。 建立好试验表后，根据表格做试验，然后就是数据处理了。由于试验次数大大减少，使得试验数据处理非常重要。首先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。这是你能得到一组因素，这是最直观的一组最佳因素。接下来将各个因素当中同水平的试验值加和(注:正交表的一个特点就是每个水平在整个试验中出现的次数是相同的)，就得到了各个水平的试验结果表，从这个表当中又可以得到一组最优的因素，通过比较前一个因素，可以获得因素变化的趋势，指导更进一步的试验。各个因素中不同水平试验值之间也可以进行如极差、方差等计算，可以获知这个因素的敏感度。等等等等...还有很多处理数据的方法。然后再根据统计数据，确定下一步的试验，这次试验的范围就很小了，目的就是确定最终的最优值。当然，如果因素水平很多，这种寻优过程可能不止一次。 讲了这么多，你也许会问，你说那个表很准，能代表大趋势，为什么呢？这个问题是有证明的，不过我们不必去看那个证明(很复杂，看不懂:P)，我的考虑是这样的，如果我们将
本体是一个三因素三水平的实验，按全面实验要求，须进行3^3=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)正交表安排实验，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。 全面试验的最大优点是所获得的信息量很多,可以准确地估计各实验因素的主效应的大小,还可估计因素之间各级交互作用效应的大小;其最大缺点是所需要的实验次数最多,因此耗费的人力、物力和时间也较多,当所考察的实验因素和水平较多时,研究者很难承受.此设计还有3个明显的特点:其一,它要求实验时全部因素同时施加,即每次做实验都将涉及到每个因素的一个特定水平(注:若实验因素施加时有"先后顺序"之分,一般被称为"分割或裂区设计");其二,因素对定量观测结果的影响是地位平等的,即在专业上没有充分的证据认为哪些因素对定量观测结果的影响大、而另一些影响小(注:若实验因素对观测结果的影响在专业上能排出主、次顺序,一般就被称为"系统分组或嵌套设计");其三,可以准确地估计各因素及其各级交互作用的效应大小(注:若某些交互作用的效应不能准确估计,就属于非正规的析因设计了,如分式析因设计、正交设计、均匀设计,等等). 正交试验设计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，正交试验设计是是一种高效率、快速、经济的实验设计方法.
正交试验还具有如下优点: 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。 但其也有一些缺点：它提供的数据分析方法所获得的优选值，只能是试验所用水平的某种组合，优选结果不会超越所取水平的范围；另外，也不能给进一步的试验提供明确的指向性，使试验仍然带很强的摸索性色彩，不很精确。这样，正交试验法用在初步筛选时显得收敛速度缓慢、难于确定数据变化规律，增加试验次数。尤其在试验工作烦琐、费用昂贵的情况更显突出。
正交实验法如何设计测试用例如何用正交实验法设计测试用例，一下的文章为大家详细的介绍。 一、用正交表设计测试用例的步骤 (1) 有哪些因素(变量) (2) 每个因素有哪几个水平(变量的取值) (3) 选择一个合适的正交表 (4) 把变量的值映射到表中 (5) 把每一行的各因素水平的组合做为一个测试用例 (6) 加上你认为可疑且没有在表中出现的组合 二、如何选择正交表 ●考虑因素(变量)的个数 ●考虑因素水平(变量的取值)的个数 ●考虑正交表的行数 ●取行数最少的一个 三、设计测试用例时的三种情况 (1)因素数(变量)、水平数(变量值)相符 (2)因素数不相同 (3)水平数不相同 四、我们来看看第一种情况： (1)因素数与水平数刚好符合正交表 我们举个例子：
这是个人信息查询系统中的一个窗口。我们可以看到要测试的控件有3个：姓名、身份证号码、手机号码，也就是要考虑的因素有三个;而每个因素里的状态有两个：填与不填。 选择正交表时分析一下： 1、表中的因素数>=3; 2、表中至少有3个因素数的水平数>=2; 3、行数取最少的一个。 从正交表公式中开始查找，结果为： L4(23) 变量映射： 测试用例如下： 1：填写姓名、填写身份证号、填写手机号 2：填写姓名、不填身份证号、不填手机号 3：不填姓名、填写身份证号、不填手机号
4：不填姓名、不填身份证号、填写手机号 增补测试用例 5：不填姓名、不填身份证号、不填手机号 从测试用例可以看出：如果按每个因素两个水平数来考虑的话，需要8个测试用例，而通过正交实验法进行的测试用例只有5个，大大减少了测试用例数。用最小的测试用例集合去获取最大的测试覆盖率。 (2)因素数不相同 如果因素数不同的话，可以采用包含的方法，在正交表公式中找到包含该情况的公式，如果有N个符合条件的公式，那么选取行数最少的公式。 (3)水平数不相同 采用包含和组合的方法选取合适的正交表公式。 通过上述的介绍，希望大家对用正交实验法设计测试用例有所了解，共同进步
JMP试验设计 1.试验设计方法及其在国内的应用 (2) 2.试验设计(DOE)就在你身边试验设计(DOE)就在你身边 (7) 3.初识试验设计(DOE) (13) 4.多因子试验设计(DOE)的魅力 (18) 5.用DOE方法最优化质量因子配置 (26) 6.顾此不失彼的DOE (32) 7.试验设计(DOE)五部曲 (39) 8.稳健参数设计的新方法 (45) 9.JMP的试验设计优势——为什么用JMP做试验设计 (50)
试验设计方法及其在国内的应用 随着改革开放的深入，以市场经济为代表的西方先进文明及其方法论越来越多被国内企业界所接纳。在质量管理、产品（医药，化工产品，食品，高科技产品，国防等）研发、流程改进等领域，统计方法越来越多成为企业运营的标准配置。 试验设计作为质量管理领域相对复杂、高级的统计方法应用，也开始在国内被逐渐接受，推广。其实试验设计对于我国学术界来说并不陌生。比如均匀设计，均匀设计是中国统计学家方开泰教授(下图左)和中科院院士王元首创，是处理多因素多水平试验设计的卓有成效的试验技术，可用较少的试验次数，完成复杂的科研课题开发和研究。国内一些大学的数学系和统计系近年来已经逐渐开始开设专门的试验设计课程，比如清华大学，电子科技大学、复旦大学等高校。国内一些行业领先的企业，比如中石化，华为科技，中石油，宝钢等企业，也开始在质量管理和产品研发、工艺改进等领域采用DOE方法。尽管DOE越来越多的被国内产、学、研领域所接受，但是我们还是看到，国内对于DOE的研究和推广仍旧停留在比较浅的层次。以上述企业为例，中石化下属的石化科学研究院和上海石化研究院应该是我国石油化工研究领域的王牌单位了，不过不管是北京的石科院，还是上海石化研究院，在油品研发、工艺改进、质量管理等领域，对于DOE的使用还仅仅停留在部分因子和正交设计层面。笔者在网络
正交实验设计案例分析 45120611戴杰 摘要：正交实验设计法在工业生产中具有广阔的应用领域，但 由于推广不够，在实践少有应用，除了观念上的影响外，对操 作方法的疑惑和不熟悉，也是重要因素。我们小组选取了两个 典型案例，对正交实验设计法的操作方法和步骤进行了介绍。 正交实验设计法在工业生产中具有广阔的应用领域。作为一种科学的实验方法，它以投资少、易操作见效快的特点而为人们所关注，在已经试点过的单位都不同程度地取得了明显效果，受到企业的普遍欢迎。正交实验设计法虽然已经取得了骄人的业绩，但它的推广并不普遍。原因主要是许多企业科学意识差，对正交法缺乏正确认识，不懂操作程序，甚至怕麻烦。鉴于此，我们选择了两个典型案例，对正交法的应用程序和方法做出了说明。 一、双氰胺生产工艺的优化研究 1.1 立项背景 山西省双氰胺厂。1989年引进技术，设计能力为年产双氰胺500t，1990年投产，1991 年全年生产双氰胺300t。虽然当时双氰胺出厂价为15000元/t，市场供不应求，但由 于该企业产量达不到设计能力，成本很高，年亏损30 多万元，企业处于非常困难的境地。1.2 经诊断发现的问题 （1）双氰胺的主要原材料质量差，有效含氮量低。调查结果：石灰氮最好是一级品占一半，其余为二级品以下。石灰氮产品的行业标准（有效含氮量）是：优级品>=20%，一级品>18%，二级品>17%，次品<17%。经过对比，该厂石灰氮有效含氮量低，是双氰胺消耗高、成本高、产量低的主要原因。 （2）石灰窑CO2 气体浓度太低且很不稳定，是制约双氰胺生产的关键因素。经调查发现，CO2 气体浓度一般在17%以下，有时12%左右，致使双氰胺车间第一道工序（即水解工序）脱钙速度慢、时间长，是制约双氰胺产量的关键。 （3）双氰胺的生产工艺影响因素多，优化潜力大。经分析认为：水解投料量、水解pH 值、聚合工序的聚合温度、聚合pH值、结晶温度等因素，均对产品质量和消耗有影响。多因素影响正好适用正交法。 1.3 正交法在各生产车间的应用及效果 （1）提高白灰窑CO2气体浓度的正交实验。经调查，投入的煤和石头的比例是由人工估计的，并不计量，每天加料总量和分配的层次随意性很大。由于没有固定的工艺标准，CO2 气体浓度既不可能稳定，生产效果也不可能提高。故采取了以下措施：一是安装地磅，投入的煤和石头要求过磅计量；二是实施正交优化。 经计算，石灰窑优化方案的因素水平及实验结果（选用L9(3^4)正交表安排实验）分别 如表1、表2 所示。 表1 因素水平表
第8章正交试验设计的方差分析 前面我们讨论了如何安排正交试验以及用极差分析法(即直观分析法)对试验结果进行计算分析.极差分析法简单明了，通俗易懂，计算工作量少，便于普及推广.但这种方法不能把试验中由于试验条件的改变引起的数据波动，同试验误差引起的数据波动区分开来.也就是说，不能区分因素各水平对应的试验结果间的差异，究竟是由于因素水平不同引起的，还是由于试验误差引起的，即不知道试验的精度.同时，对影响试验结果的各个因素的重要程度，既不能给出精确的定量估计，也不能提供一个标准，用来判断所考察的因素的作用是否显著. 为了弥补极差分析法的不足，对试验结果的分析可采用方差分析法. 8.1 正交试验方差分析的基本步骤 在第2章中我们已经介绍过，方差分析的基本思想是将数据的总偏差平方和(S T)分解为因素的偏差平方和(S A、S B)和误差的偏差平方和(S e)，然后将偏差平方和除以相对应的自由度(f)得到方差(V A、V B)，最后利用因素方差与误差方差之比(V A/V e，V B/V e)，作F检验，即可判断因素的作用是否显著.正交试验设计的方差分析也是按这样的步骤进行的，所不同的是这是考虑的是多因素试验的方差分析，而第2章中只考虑单因素和双因素试验的方差分析. 一、计算 1.偏差平方和与自由度的计算
方差分析的关键是偏差平方和的分解，现在以最简单的L 4(23)正交表上安排的试验为例来说明(见表8-1，板书).不考虑哪些因素安排在哪些列上(即表头设计时)，设试验结果为x 1、x ２、x 3和x 4. 总的偏差平方和: 4 )(2 4 1 221 212 _T x n T x x x S i i n i i n i i T - =- =-=∑∑∑=== T=∑=n i i x 1 =(x 21+x 22+x 23+x 24)-4 1 (x 4321x x x +++)2 整理后可得 43 = (24232221x x x x +++) 2 1 - (434232413121x x x x x x x x x x x x +++++) 第1列各水平偏差平方和为 S 1=22 _ 21_ 2 _11_ )(2)(x K x K -+- =2[221211)4 2()42( T K T K -+-] =2[T K T K T K T K 2111222122114 1 41164164--+++] =22 2121141)(21T K K -+ )(211141 K K x T i i +==∑= =24321243221)(41])()[(21x x x x x x x x +++-+++ =)(2 1)(414321423241312 42322 21x x x x x x x x x x x x x x x x --+++-+++ 表8-1 L 4(23)正交表及计算表
正交实验设计原理公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
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） 显色时间： 10——30 min （时间以C表示） 其次确定每种因素在上述实验范围内各取的水平数（如各取三个水平）。 因素A的三个水平分别以A 1，A 2 ，A 3 表示； 因素B的三个水平分别以B 1，B 2 ，B 3 表示； 因素C的三个水平分别以C 1，C 2 ，C 3 表示； 然后将显色试验的因素、水平列为下表。
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：