1. (2011 湖南文) （选做题）已知某试验范围为[10，90]，若用分数法进行4次优选试验，则第二次试点可以是 .
答案：40或60
提示：区间长度为80，可以将其等分8段，利用分数法选取试点：则试点可选为
1
3
10(9010)40 8
x=+-=或
2
5
10(9010)60 8
x=+-=，由对称性可知，第二次试点可以是40或60.故填40或60.
2. (2011 湖南文) （选做题）已知某试验范围为[10，90]，若用分数法进行4次优选试验，则第二次试点可以是 .
答案：40或60
提示：区间长度为80，可以将其等分8段，利用分数法选取试点：则试点可选为
1
3
10(9010)40 8
x=+-=或
2
5
10(9010)60 8
x=+-=，由对称性可知，第二次试点可以是40或60.故填40或60.
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。
实验3 正交试验法在过滤研究实验中的应用 一、实验目的 ⒈ 掌握恒压过滤常数K 的测定方法，加深对K 的概念和影响因素的理解。 ⒉ 学习滤饼的压缩性指数s 和物料常数k 的测定方法。 ⒊ 学习q dq d -θ一类关系的实验确定方法。 ⒋ 学习用正交试验法来安排实验，达到最大限度地减小实验工作量的目的。 ⒌ 学习对正交试验法的实验结果进行科学的分析，分析出每个因素重要性的大小，指出试验指标随各因素变化的趋势，了解适宜操作条件的确定方法。 二、实验内容 ⒈ 设定试验指标、因素和水平。因课时限制，必须合作共同完成一个正交表。故统一规定试验指标为恒压过滤常数K ，实验室提供的实验条件可以设定的因素及其水平如表3-1所示，其中除滤浆浓度可以选二水平或四水平外，其余因素的水平必须按表3-1选取。并假定各因素之间无交互作用。 ⒉ 统一选择正交表，按所选正交表的表头设计，填入与各因素水平对应的数据，使它变成直观的“实验方案”表格。 ⒊ 分小组进行实验，测定每个实验条件下的过滤常数K 。 ⒋ 对试验指标K 进行极差分析和方差分析；指出各个因素重要性的大小；讨论K 随其影响因素的变化趋势；以提高过滤速度为目标，确定适宜的操作条件。 三、实验原理 ⒈ 恒压过滤常数K 的测定方法 过滤是利用过滤介质进行液—固系统的分离过程，过滤介质通常采用带有许多毛细孔的物质如帆布、毛毯、多孔陶瓷等。含有固体颗粒的悬浮液在一定压力的作用下液体通过过滤介质，固体颗粒被截留在介质表面上，从而使液固两相分离。 在过滤过程中，由于固体颗粒不断地被截留在介质表面上，滤饼厚度增加，液体流过固体颗粒之间的孔道加长，而使流体流动阻力增加。故恒压过滤时，过滤速率逐渐下降。随着过滤进行，若得到相同的滤液量，则过滤时间增加。 恒压过滤方程 θK qq q e =+22 （3-1） 式中：q —单位过滤面积获得的滤液体积，m 3 / m 2； e q —单位过滤面积上的虚拟滤液体积，m 3 / m 2； θ—实际过滤时间，s ； K —过滤常数，m 2/s 。
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.
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
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
正交设计助手II 3.1 软件介绍及使用实例说明 一、软件各模块介绍 1.软件简介 正交设计助手II 3.1 是一款针对正交实验设计及结果分析而制作的专业软件。正交设计方法是我们常用的实验设计方法，它让我们以较少的实验次数得到科学的实验结论。但是我们经常不得不重复一些机械的工作，比如填实验安排表，计算各个水平的均值等等。正交设计助手可以帮助您完成这些繁琐的工作。此款软件支持混合水平实验，支持结果输出到RTF、CVS、HTML页面和直接打印。 2.创建与管理工程 打开软件后，在文件菜单项下可以“新建工程”或“打开工程”，工程文件以lat作为扩展名。如下图所示 注意：在"实验项目树"区域，右键点击当前的工程名，可修改工程名称。 3.设计实验 新建实验：在当前工程文件中新增一个实验项目，一个工程可包含多个实验项目。 每个实验项目包括有 （1）实验名称、实验描述（实验编号及简要说明）、选用的正交表类型(是标准正交表还是混合水平表) （2）选用的正交表（如L27_3_13或x_L2-3_8等） （3）表头设计结果（每个实验因素的名称、所在列及各水平的描述）。 单击实验—新建实验，如下图所示
该软件支持混合水平实验设计，你将可以选择一个更为合适您的实验的混合水平表(使用工具blend.exe - 混合水平表编辑器 - 改造系统提供的标准正交表)。如果是混合水平实验，要注意每列所能支持的最大水平数。 注意：右键点击当前的实验名称，可以修改实验信息或删除当前实验。 4.分析实验结果 （1）直观分析：根据所选用的正交表对当前实验数据作出基本的直观分析表。 （2）因素指标：以直观分析表的结果，作出当前的因素指标图（即效应曲线图）。 （3）交互作用：选择两个因素进行交互作用分析，作出交互作用表。 （4）方差分析：设定数据中的误差所在列，并选择所要采用的F检验临界值表。计算出偏差平方和（S值）和F比。并给出显著性指标。 注意：如果实验数据未正确输入，系统不能进行分析操作。
\ 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
正交实验法及其应用 为了研制新产品，提高产品的质量和数量，降低原材料消耗，都需要做试验。一项试验如何安排，就得选择方法。一个好的试验方法，只要用少量试验既能得到较好的效果和分析出较为正确的结论；如果试验方法不好，不但试验次数多，而且结果还不一定理想。正交试验法就是利用一套规格化的表(正交表)来安排试验方案，使得试验次数尽可能地少；并通过对试验数据的简单分析，有助于我们在复杂的影响因素中抓住主要因素，从而找出较好的实验方案。“正交试验法”应用的范围非常广泛，现已成为比较简便、易行的一种应用数学方法。这里分两部分：简单介绍正交试验的基本方法和利用该方法对芦荟多糖提取条件进行优化。其中第一部分包括：正交试验法解决的问题；涉及的相关术语；如何用正交表安排试验以及怎样分析试验结果。另外，有时试验过程中不仅因素的水平变化对指标有影响，而且，有些因素间各水平的联合搭配对指标也产生影响，这种联合搭配作用称为交互作用，这里不作介绍。第二部分应用正交实验法对芦荟多糖提取条件进行了优化，得到很好的试验结果，大大加快了试验的进程，并节约了试验的耗材。 第一部分正交试验的基本方法 一、什么是“正交试验法” 采用什么样的实验设计方案能够做到优质、高产、低稍耗？要使实验顺利进行应该改进哪些实验条件……？由于实验结果是受许多方面的因素的影响，往往需要进行试验来增加对具体实验的认识，以便摸索其中的规律性。 凡是要做试验就存在着如何安排试验和如何分析试验结果的问题。科学的实验安排应能做到两点：1)在试验安排上尽可能地减少试验次数2)在进行较少次数试验的基础上，能够利用所得到的试验数据，分析出指导下一步实验的正确结论，并得到较好的结果。 “正交试验法”就是一种科学地安排与分析多因素试验的方法。下面通过一个例子初步说明一下它是解决什么问题的。 例. 研究人参皂苷的提取工艺试验。 根据经验，乙醇用量、乙醇浓度、提取时间、回流次数等对人参皂苷的提取有显著影响。所以在提取过程中需要考察乙醇用量(Ａ)、乙醇浓度(Ｂ)、回流时间(Ｃ)、回流次数(Ｄ)这四个因素。每个因素比较三种不同的条件（见表） 类似这样的问题，在实验中经常遇到。这类问题称之为多因素试验问题。“正交试验法”正是解决这类问题的行之有效的一种方法。 为了叙述的方便，下面介绍一下涉及到的术语和符号。一般，把试验需要考察的结果称为指标。如产品的性能、质量、成本、产量等均可做为衡量试验效果的指标。本例中的人参皂苷的量就是试验的指标。把在试验中要考察的对试验指标可能有影响的因素简称为因素。本例中的乙醇用量(Ａ)、乙醇浓度(Ｂ)、回流时间(Ｃ)、回流次数(Ｄ)就是四个因素。把
正交试验设计方法在试验设计中的应用 来稿日期:1999-10-06 郝行舟 李春生 (南阳市公路交通规划勘察设计院) 摘要 本文以三因素三水平的正交试验设计为例,说明正交表的使用方法及正交试验设计方法在试验设计中的应用。并通过一个具体实例向大家介绍正交试验设计的原理、优点及试验结果处理的方法。 关键词 正交试验设计 应用 正交表 优选法 Orthogonal Test Method ′s Applications on Testing Designs Hao X ingzhou (N anya ng H ighw ay Pla n&Reconnaissance Institute ) Abstract This paper ,using 3factor s a nd 3dim ensio ns o r tho go nal test a s a n ex ample ,sho w ho w to use the o rt-hog o nal test table and o rthog o na l test me tho d ′s applica tions on testing desig ns .It a lso g iv e an exa mple to sho w the de -tails o f principle ,adv antag es ,dealing with testing results o f or thog onal test desig ns . Key words O r tho g onal test desig ns Applica tion O r tho go na l test table O ptimum seeking metho d 1 引言 如何科学地设计试验,以获得高可靠性的试验数 据,这是我们工程技术人员在试验设计中最需要解决的问题。试验安排得好,试验次数少且能获得满意的结果,多快好省,事半功倍,反之则事倍功半。 举例来说:若影响质量指标的因素有A 、B 、C 3种因素,每个因素各取3个水平,分别为A 1、A 2、A 3、B1、B2、B3、C1、C2、C3.(所谓因素的水平即该因素在其试验范围内取具有代表性的“值”,三水平就是有代表性的3个“值”,水平有时不限于数值,它可以是原料的种类或操作方式等等)。按传统的方法采用单因素轮换法安排试验:譬如因素B 固定在B1水平上,因素C 固定在C 1水平上,试验安排为B 1C 1A1 A2A3 ,如果试验结果发现在A3水平较好,则安排试验A3C1 B1B2B3 ,这时发现B 2较好,以后就安排A 3B 2 C1 C2C3 ,如果发现C 3较好,那么A3B2C3为最佳条件,这种试验安排的缺点是:①考察的因素水平仅局限于局部区域,不能全面地反映因素的全面情况,找不出影响质量的主要因素,无 法再在三水平外继续找更好的配比组合(水平)。②如果不进行重复试验,试验误差就估计不出来,因此无法确定最佳分析条件的精度。当然,我们可以用全面试验法按它们所有可能组合的情况做试验,则需做33=27次试验,对各因素进行全面考虑,从中选出最优化条件,但这种作法很不经济,有时是不可能实现的。例如安排5个因素的3水平的全面试验需做35=243次,这在人力、物力、时间上是几乎不可能执行的。因此,我们很自然地会提出下列问题:如何从大量的试验点中挑选适量的具有代表性、典型性的点呢?特别是怎样选择试验次数尽量少而又有代表性的试验呢?利用根据数学原理制作好的规格化表——正交表来设计试验不失为一种上策,这种设计方法被称为正交最优化,即正交试验设计方法。事实上,正交最优化方法的优点不仅表现在试验的设计上,更表现在对试验结果的处理上。 2 正交试验设计方法简介 还以前面提到过的三因素三水平的项目为例,是否同样做9次试验,可以完全克服单因素轮换法安排试验的诸多缺点,且能选出影响质量的最主要因素,便于进一步试验呢?回答是肯定的,这便是利用正交表,进行正交试验设计。表1为三水平正交表中的一种,可以在本例中应用。 26 第19卷 第6期河南交通科技 V ol.19 N o.61999年12月SCIEN CE AN D T ECHN O LO G Y O F HEN AN CO M M UN ICA T IO N Dec.1999
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T1、T2、T3。 表5－1 因素水平 水平 因素温度℃压力Pa 加碱量kg 符号T p m 1 2 3 T1 (80 ) T2(100) T3(120) p1(5.0) p2(6.0) p3(7.0) m 1(2.0) m2(2.5) m3(3.0) 图5－1 全面搭配法方案
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，
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
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。
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：A l＝80℃，A2＝85℃，A3=90℃ B：B l＝90分，B2＝120分，B3=150分 C：C l＝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A l B l C1，A1B l C2，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B l、C l，使A变化之： ↗A1 B1C1→A2 ↘A3 (好结果)
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
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