试验设计与分析
结课论文
论文名称：水射流钻头喷嘴电火花线切割加工工艺正交优化试验姓名：李西洋
学号：2009092749
院系专业班级：机电学院09工业1班
任课教师：梅卫江
2012年 5月5日
水射流钻头喷嘴电火花线切割加工工艺
正交优化试验
[摘要] 针对水射流钻头喷嘴制造过程中存在的问题，试验采用正交优化试验方法，通过极差分析和方差分析，研究了电火花线切割脉冲电流、脉冲宽度和脉冲间隔等工艺参数对射流钻头喷嘴孔口表面粗糙度的影响，确定了因素的最佳水平组合和因素的主次顺序及线切割的最佳工艺参数。试验结果表明，当采用脉冲电流 1.6A、脉冲宽度 8μs和脉冲间隔40μs的参数组合时，喷嘴孔口表面质量较高，其表面粗糙度小于2.4μm。研究结果可为选择水射流喷嘴电火花线切割加工工艺制定提供试验依据。
[关键词] 铣削加工；正交优化试验；MINITAB
正文
高压水射流技术是近 20年来发展起来的一门新技术，已被广泛应用于煤炭、石油化工、交通运输、钢铁、机械等行业。高压水射流基本原理是利用高压水发生设备产生高压，通过喷嘴将压力能转变为高度聚集的水射流动能，可用这种射流对物料进行切割、破碎和清洗。
喷嘴是高压水射流钻头的重要部件，其加工质量 (表面质量、形状和尺寸精度)的好坏直接影响到切割效果。电火花线切割加工方法可以加工出精密细小、形状复杂的零件，完全能满足水射流钻头喷嘴加工的技术要求。
电火花线切割加工质量受到多种因素影响，而脉冲电流、脉冲宽度和脉冲间隔等工艺参数等加工参数是影响加工质量的关键因素，若加工参数选择不当，会引起加工过程的不稳定，直接地影响加工后的加工质量。因此，该试验采用正交试验方法，对电火花线切割加工工艺参数进行优化，获得最佳组合工艺参数，为制造高质量的水射流钻头喷嘴提供试验依据。
1. 试验原理、目的及条件
正交试验设计是研究多因素多水平的一种高效率、快速、经济的试验设计方法。它用正交表来安排试验，能以较少的试验次数、较短的试验周期，用极差分析方法、方差分析方法、回归分析方法等对试验结果进行分析，迅速找出影
响指标的主要因素，进而找到较优的工艺参数。正交试验包括制定正交因素表、安排试验、计算和结果分析等几个部分。
试验的主要目的是：①应用极差分析法确定水射流钻头喷嘴 电火花切割加工中脉冲电流 IN(A)、脉冲宽度T1(μs)和脉冲间隔T2(μs)等因素主次和各试验因素的最佳水平；②应用方差分析法判断各因素的主次和显著性；③依据试验因素主次、显著性综合平衡得出各因素在试验范围内的最佳组合。
试验的水射流钻头喷嘴的材料为YG3硬质合金，在 CNC-W5精密型中走丝线切割机床上进行加工试验。在线切割加工喷嘴过程中，表面粗糙度即是评价加工质量的重要指标之一，同时也是影响水射流钻头切割效率的重要参数，因此该试验以喷嘴的表面粗糙度作为评判水射流钻头喷嘴线切割质量的标准。
2. 正交试验方案设计与因素选择
在喷嘴孔口线切割加工过程中，影响加工质量的工艺参数主要包括：脉冲电流 I (A)、脉冲宽度T1(μs)和脉冲间隔T2(μs)，故选用这3个因素作为研究对象。每个试验因素取 3个水平，即该试验是3因素3水平的正交试验设计，
选用)3(4
9L 正交表设计试验方案，共需要 9次数值模拟试验(而全面试验需要 27
次)。正交试验设计因素水平如表 1所示。
表1 因素水平表
水平 因素
A ：脉冲电流I N /A
B ：脉冲宽度T 1/μs
C ：脉冲间隔T 2/μs
1 0.6 8 16
2 1.6 16 32 3
2.8
24
40
3. 正交试验分析
3.1 选择统计 > DOE > 因子 >创建田口设计：
3.2 在田口设计中选择3水平设计，因子数为4：
3.3 在田口设计中选择设计，如下所示，在对话框中单击确定：
3.4 在田口设计中选择因子，如下所示，点击确定：
3.5 在田口设计中点击确定后，如下图所示：
3.6 在C5列输入如下值：
3.7选择统计 > DOE > 因子 > 分析田口设计。如下图所示：
3.8 点击分析田口设计中的分析，如下图所示，点击确定：
3.9 选择上图中的选项，如下图所示，点击确定：
3.10 点击分析田口设计中的确定，出现如下所示：
图1 因素水平对表面粗糙度的影响趋势图：
图 1所示为各因素指标对水射流钻头喷嘴线切割加工表面粗糙度影响的变化趋势图。从图可以看出，喷嘴的表面粗糙度随脉冲电流、脉冲宽度的增加而显著增加，而随着随脉冲间隔的增大，喷嘴的表面粗糙度变化很小。因此，在实际生产中，制定喷嘴的线切割工艺规范时，要着重考虑脉冲电流和脉冲宽度的选取范围，以求效果达到最优。
表2极差分析表
水平A：脉冲电流
IN/A
B：脉冲宽度
T1/μs
C：脉冲间隔
T2/μs
D：误差估
计
表面粗糙度
Ra/μm
1 1(0.6) 1(8) 1(16) 1 1.8
2 1 2(16) 2(32) 2 2.7
3 1 3(24) 3(40) 3 4.1
4 2(1.6) 1 2 3 2.4
5 2 2 3 1 3.5
6 2 3 1 2 4.3
7 3(2.8) 1 3 2 3.0
8 3 2 1 3 4.7
9 3 3 2 1 5.2
K1 2.867 2.400 3.600 3.500
K2 3.400 3.633 3.433 3.333
K3 4.300 4.533 3.533 3.733
极差i
R 1.433 2.133 0.167 0.400 影响排名 2 1 4 3
根据试验获得的结果 (见表 2)，通过计算得到各因素的试验指标和各因素的极差。
根据极差分析原理可知，极差的大小说明各因素对试验结果影响的主次，极差最大的因素，说明该因素的水平改变时对试验指标的影响最大。从表2极差分析计算结果可知，RB >RA >RC，表明B (脉冲宽度)因素对水射流钻头喷嘴线切割加工表面粗糙度的影响最大；因素 A (脉冲电流)影响次之；因素 C (脉冲间隔)影响最小。而该试验中因素的水平的最小值为该因素的最优水平，各因素的最优水平的组合为最优生产条件。从表 2中可以得知，各因素的最优水平分别是 Al 、Bl 、Cl ，因此最佳组合是 BlAlCl。
3.11 建立三维表面图
(1) 选择图表 >3D曲面图，如下图所示：
(2) 选择图表 >3D曲面图 >3D曲面图 -- 曲面，如下图所示：
(3) 点击上图“确定”，得到3D曲面图：
图2 表面粗糙度与各因素的曲面图
3.12 建立轮廓图（等高线）
(1) 选择图表 >等值线图，如下图所示：
(3) 点击上图“确定”，得到等值线图：
图3 表面粗糙度与各因素的等值线图
4. 方差分析
(1) 选择统计 > 方差分析 >一般线性模型，如下图所示：
(2) 点击上图“确定”，得到各因素的方差分析，如下图所示：
表3 方差分析结果
来源自由度误差平方
和SS
调整后的SS
调整后的均方
MS
F P
A：脉冲电流IN/A 2 3.1499 3.1499 1.5744 13.00 0.071 B：脉冲宽度T1/μs 2 6.8822 6.8822 3.4411 28.41 0.034 C：脉冲间隔T2/μs 2 0.0422 0.0422 0.0211 0.17 0.652 误差 2 0.2422 0.2422 0.1211
合计8 10.3156
在表3中，通过比较各因素的均方和与误差的均方和的比值F的大小，可知FB> FA > FC。由于FB> F0.05 (2，2)=19，表明因素B (脉冲宽度)影响显著。而FA≈FC
(2，2)=9，表明因素A (脉冲电流)对喷嘴表面粗糙度的影响较显著。由于FC与FA、FB相比很小，所以脉冲间隔对喷嘴表面粗糙度的影响可以近似忽略。试验数据的方差分析结果与极差分析结果相符。
5. 最佳工艺参数的确定
在确定水射流钻头喷嘴最佳线切割工艺时，必须选取显著因素的优水平的优搭配来保证加工质量，但同时也应考虑线切割工艺参数对加工稳定性和加工效率的影响。
由表2、表3及图1可知，水射流钻头喷嘴线切割工艺参数的最佳组合是A1 B1 C1，即采用脉冲电流0．6A、脉冲宽度8μs和脉冲间隔16μs的参数组合，可获得较低的表面粗糙度。但从喷嘴线切割加工的稳定性等因素综合考虑，脉冲电流过小将不能产生放电火花，会降低切割效率和电弧的稳定性，因此可以当的增加脉冲电流。再由图1 (a)可知，当脉冲电流从0．6A增加到1．6A时，水射流钻头喷嘴的表面粗糙度增加比较缓慢，因此A因素中应选择A2作为最优水平。而水射流钻头喷嘴的表面粗糙度随脉冲宽度的增加显著增加，虽然此时脉冲宽度较小：切割效率下降，但加工质量高，因此B因素中应选择B1作为最优水平合适。从图1 (c)和表5可知，脉冲间隔对喷嘴表面粗糙度的影响不显著，但脉冲间隔过小易产生短路，不利于冷却和电蚀物的排出，因此适当加大脉冲间隔以充分消除放电产物，形成稳定切割，因而C因素中应选择C3作为最优水平。通过以上综合分析，最终确定各因素的最佳组合应为A2B1C3，即在该试验条件下，水射流钻头喷嘴的最佳线切割工艺应为脉冲电流1．6A、脉冲宽度8μs和脉冲间隔40μs。
6. 试验验证
在试验数据的极差分析中，认为最好是试验条件为A1 B1 C1；通过方差分析后，对显著因素的比较，在考虑保证加工稳定性和加工效率的前提下，又确定为A2B1C3。对于后者是否真的符合要求，必须通过试验验证。
对A2B1C3条件，重复进行3次试验，喷嘴的表面粗糙度分别为2．35、2．2、2．38μm，平均值为2．31μm，精度均高于表3中相近因素水平的试验数据，并且能够满足钻井工程的使用性能要求，可确定为水射流钻头喷嘴的线切割加工工艺的最佳工艺参数。
7. 结 论
1)通过正交试验法，采取)3(4
9L 正交表对水射流钻头喷嘴线切割工艺参数进
行了优化试验；通过极差分析，确定了主次因素是B (脉冲宽度)>A (脉冲电流)>C (脉冲间隔)，得出其线切割 的最佳工艺参数是A2B1C3，即脉冲电流1．6A 、脉冲宽度 8μs 和脉冲间隔 40μs 。
2)正交试验的方差分析表明，所考虑的3个因素 (脉冲宽度、脉冲电流和脉冲间隔)对水射流钻头喷嘴的表面粗粗度均有影响，而脉冲宽度对喷嘴的表面粗糙度影响最为显著，其次是脉冲电流，再次是脉冲间隔。在实际工程中，分清主次因素和影响的显著性对工程质量具有重要意义 。
3)验证试验表明，试验结果与预测的最佳工艺参数相符 ，在脉冲电流 1．6A 、脉冲宽度 8s 和脉冲间隔40μs 的最佳工艺条件下，可获得表面粗糙度低的喷嘴 ，喷嘴的表面粗糙度小于2．4μm ，满足钻井的使用性能要求。
参考文献
[1]陈魁．试验设计与分析[M]．2版．北京: 清华大学出版社，2005:73-78.
[2]于洪,陆庭侃.高压水射流切割喷嘴的结构设计和参数优化数值模拟研究 [J]．机床与液压 ，2009，37 (11)：90~92．
[3]赵选民 ．试验设计方法 [M]．北京 ：科学技术 出版社 ，2006． [4]张润楚．试验设计与分析及参数优化 [M]．北京：中国统计出版社，2003.
食品试验设计与分析 一、名词解释 科技论文：是通过运用概念、判断、推理、证明或反驳等逻辑思维手段来分析、表达自然科学理论和技术开发研究成果的文字材料。 可行性研究报告：随着近代自然科学技术、科技管理和商品经济的高度发展，每开展一个新的研究项目或建设项目，投资者都要对投资效果进行预测，要多方周密地调查研究，寻找能够获得最佳投资效果的可行方案，以便为最终决策提供科学依据。这种调查研究叫可行性研究。 科技合同：科技合同（协议）是在科研、试制、成果推广、技术转让、技术咨询服务等科技活动中，采用经济合同这一法律形式签订的契约，合同各方必须具有法人资格，才能签订科技合同。 样本：是总体中所抽取的一部分个体。 总体：是指考察的对象的全体。 试验指标：在试验设计中，根据试验的目的而选定的用来衡量或考核试验效果的质量特性试验因素：凡对试验指标可能产生影响的原因或要素 正交试验设计：正交实验设计也称正交设计，是用来科学地设计多因素试验的一种方法。 二、填空。 1.根据研究方法不同，可把科技论文分为理论型、实验型、描述型。 2.科技应用文包括可行性研究报告、科技合同、和科技论文。 3.根据科技论文写作目的和作用的不同分为学术性论文、技术性论文、学位论文后者又可分为学士论文、硕士论文、博士论文。 4.试验设计的三原则重复原则、随机化原则、局部控制。 5.试验误差可分为三类，即随机误差、系统误差和疏忽误差。 6.统计推断包括假设检验和参数估计。 7.显著性检验方法，常用的有t检验、F检验、x2检验、μ检验等。 三、简答。 1.简述科技论文作用。 答：1.科技论文是科研成果的总结和记录，是进行学术交流的重要手段，也是进行科技成果鉴定和评审科技成果的重要依据。 2.科技论文是政府或企业进行重大技术决策的依据。 3.科技论文是科研工作的一个组成部分，是考核科技人员工作业绩的重要标准之一，也是科技人员申报、晋升技术职称的重要依据之一。 4.4.科技论文的数量越多，质量越高，标志着某个部门、单位、企业的研究水平越高，也是其科技工作成效和科学研究实力的具体体现。 2.试比较学术论文和学位论文在写作格式和风格方面的异同。 答：①学术论文的写作格式结构形式具有一定的规律，形成了一套独特的结构程序，一般包括8个部分前置部分（题名、论文作者、关键词、摘要）主题部分（引言、正文、结论、参考文献）；②风格客观朴素在学术论文里，不需要用一些华丽的或是带情感的词句；单独性
过程能力概述 一旦过程处于统计操纵状态，同时是连续生产，那么你可能想明白那个过程是否有能力满足规范的限制，生产出好的零件（产品），通过比较过程变差的宽度和规范界限的宽度能够确定过程能力。在评估过程能力之前，过程必须受控。假如过程不受控，你将得到不正确的过程能力值。 .你能通过画能力柱状图和能力图来评估过程能力。这些图形能够关心你评估数据的分布和检验过程是否受控。你也能够可能包括规范公差与正常过程变差之间比率的能力指数。能力指数或统计指数差不多上评估过程能力的一种方法，因为它们都没有单位，因此，能够用能力统计表来比较不同过程的能力。 选择能力命令 MINITAB提供了一组不同的能力分析命令，你能够依照数据的性质和分布从中选择命令，你能够对以下情况进行能力分析：——正态或Weibull概率模式（关于测量数据） ——不同子组之间可能有专门强变差的正态数据
——二项式或Poisson概率模式（关于计数数据或属性数据）当进行能力分析时，选择正确的公式是差不多要求，例如，MINITAB提供基于正态或Weibull分布模型上的能力分析工具，使用正态概率模型的命令提供了更完全的统计设置，然而，适用的数据必须近似于正态分布. 例如，利用正态概率模型，能力分析（正态）能够可能预期零件的缺陷PPM数。这些统计分析建立在两个假设的基础上，1、数据来自于一个稳定的过程，2、数据服从近似的正态分布，类似地，能力分析（Weibull）计算零件的缺陷的PPM值利用的是Weibull分布。在这两个例子中，统计分析正确性依靠于假设分布模型的正确性。 假如数据是歪斜特不严峻，那么用正态分布分析将得出与实际的缺陷率相差专门大的结果。在这种情况下，把那个数据转化比正态分布更适当的模型，或为数据选择不同的概率模式.用MINITAB,你能够使用Box-Cox能力转化或Weibull概率模型，非正态数据比较了这两种方法.
超高压杀灭副溶血弧菌条件的优化研究实验设计 1 本课题背景及研究的目的和意义 随着社会经济的发展和科学技术的进步，食品科学家们不断地探索着尽可能使天然食品的原有营养物质、色、香、味的损失减少的加工手段。食品超高压杀菌技术(high pressure processing，HPP)简称高压技术或静水压技术(high hydrostatic pressure，HHP)，是将食品密封于高压容器，在静高压下(大于100 MPa)处理一段时间，以达到食品保藏的目的。与热处理方法相比，该项技术对食品作用均一、迅速，且无体积和形状的限制，对风味物质、色素等小分子物质的天然结构无影响，能较好地保持食品的原汁、原味及营养成分等使酶失活。根据热力学基本原理，热、压力与所作用的物料的体积相关，因此利用热能达到目的，利用压力也可行，从而为食品加工提供了一个新的技术手段；利用压力可降低加工温度，减少热对营养与风味的破坏，这一点正是加工新型食品（热敏性）所迫切需要的。[1]目前市场上加工食品的比例越来越多，营养不足、不均衡的问题日益突出，高压食品因能顺应这一趋势而被誉为21 世纪的健康食品。超高压处理，是指利用压媒（通常是液体介质，例如水）使食品在极高的压力（例如( 100～1000)MPa 下产生酶失活、蛋白质变性淀粉糊化和微生物灭活等物理化学及生物效应，从而达到灭菌和改性的物理过程。通常，将用超高压处理的食品称为超高压食品。超高压食品真正进入消费者视野只有短短20 几年，但其凭借优良的技术特性、良好的经济效益和社会效益，已在生产中得到了迅速地发展。超高压食品处理技术有效地克服了传统的热加工法处理食品所带来的种种缺陷，给食品加工业注入了新的活力。超高压食品处理以其“杀菌”、“保鲜”、“节能”、“环保”等特点,得到了学术界和工业界的广泛关注。[2] 食品卫生与安全问题同人们的身体健康息息相关，历来被世界各国政府和主流传媒所关注。副溶血性弧菌是引起食源性疾病的重要病原菌。副溶血弧菌主要由近海海洋生物携带，调查资料显示，海产鱼虾的平均带菌率为45.6一48.7%，夏季更高达90%以上。该菌是引起食物中毒的主要原因，主要表现为食源性胃肠炎，临床表现为腹泻，腹部绞痛，恶心，呕吐，头疼，发热和寒战等症状。 副溶血弧菌主要存在于浅海水中，附着于海洋生物的休表生长繁殖，如海产食品鱼、蟹等，以及含盐量高的盐渍食品如咸菜、腌肉、咸蛋等，均可传播本病。人进食污染副溶血弧菌而未煮透的食物后即可感染，在细菌产生的溶血素、肠毒
试验设计与分析 结课论文 学院：机械电气工程学院完成日期：2015—4—22
自溶酵母提取物的试验设计与分析 自溶酵母提取物是一种多用途食品配料。为探讨啤酒酵母的最适自溶条件，安排三因素三水平正交试验。试验指标为自溶液中蛋白质含量（％）。试验因素水平如下表。 水平 试验因素 温度（℃）A pH值B 加酶量（％）C 150 6.5 2.0 2557.0 2.4 3587.5 2.8 试验方案及结果分析表 处理号A B C空列试验结果yi 11（50）1（6.5）1（2.0）1 6.25 212（7.0）2（2.4）2 4.97 313（7.5）3（2.83 4.54 42（55）1237.53 52231 5.54 62312 5.5 73（58）13211.4 8321310.9 933218.95 K1j15.76 25.18 22.65 20.74 K2j18.57 21.41 21.45 21.87 K3j31.25 18.99 21.48 22.97 K1j2248.38 634.03 513.02 430.15 K2j2344.84 458.39 460.10 478.30 K3j2976.56 360.62 461.39 527.62 58 . 65 T
1计算 (1)计算各列各水平的K 值 计算各列各水平对应数据之和K1j 、K2j 、K3j 及其 平方K1j2、K2j2、K3j2。 (2)计算各列平方和及自由度 同理，SSB=6.49，SSC=0.31， SSe=0.83（空列） 自由度：dfA ＝dfB ＝dfC ＝dfe ＝3-1=2 (3)计算方差 ∑=-=m i ij j C K r ss 12186.477958.6522===n T C 4.4586.477)56.97684.34438.248(31 )(31231 221211=-++=-++=C K K K ss A 7.2224.452 ===A A A df SS s 155.0231.02===C C C df SS s 23 .3249.62===B B B df SS s 415 .0283.02===e e e d f SS s
利用Minitab进行正交试验设计 1．试验设计 试验设计可分为单因素问题试验设计与多因素试验设计。 常用的单因素试验设计方法有：对分法、0.618法等等。 常用的多因素试验设计方法有：曲面响应法、全因子试验法、正交试验设计等。其中正交试验设计法是研究与处理多因素实验的一种科学方法。利用规格化的表格—正交表,科学地挑选试验条件,合理安排实验。 该方法是在上世纪50年代由日本质量管量专家田口玄一提出的，由于其具有均衡分配、整齐可比的特点，所需工作量小，却可得到全面的试验分析结果，因而得到了广泛的应用，称为国际标准型正交试验法，又称为田口设计。我国于上世纪70年代由数学家张里千教授经过简化得到了中国型正交试验法。两者的主要区别在于中国型采用极差分析的方法对试验结果进行评价，计算量小、简单；田口型采用方差分析的方法，可得到因素间相互影响大小的结论。 常用的术语： 【试验指标】作为试验研究过程的因变量，常为试验结果特征的量 【因素】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 【水平】试验中因素所处的具体状态或情况，又称为等级 2. 利用Minitab进行正交试验设计 a．启动
b．创建正交设计表 在这里选择3－Level Design，在因素数量上选择4 factors。 选择正交设计试验表，选Design： 选择L9_3_4正交表设计：
进行因素设计，选择Factor。
对因素名称和水平值进行设定，也可以不进行设定。
在options选项中选择将设计保存于工作表。 点击ok，在工作表区生成所需正交表。
课 程 论 文 课程名称试验设计与数据处理 专业2012级网络工程 学生姓名孙贵凡 学号201210420136 指导教师潘声旺职称副教授
成绩 科学研究与数据处理 学院信息科学与技术学院专业网络工程姓名孙贵凡学号：201210420136 摘要：《实验设计与数据处理》这门课程列举典型实例介绍了一些常用的实验设计及实验数据处理方法在科学研究和工业生产中的实际应用，重点介绍了多因素优化实验设计——正交设计、回归分析方法以对目标函数进行模型化处理。其适于工艺、工程类本科生使用，尤其适用于化学化工、矿物加工、医学和环境学等学科的本科生使用。其对行实验设计可提供很大的帮助，也可供广大分析化学工作者应用。关键字：优化实验设计; 标函数进行模型化处理; 正交设计; 回归分析方法 1 引言 实验是一切自然科学的基础,科学界中大多数公式定理是由试验反复验证而推导出来的。只有经得起试验验证的定理规律才具有普遍实用性。而科学的试验设计是利用自己已有的专业学科知识，以大量的实践经验为基础而得出的既能减少试验次数，又能缩短试验周期，从而迅速找到优化方案的一种科学计算方法，就必然涉及到数据处理，也只有对试验得出的数据做出科学合理的选择，才能使实验结果更具说服力。实验设计与数据处理在水处理中发挥着不可估量的作用，通过科学合理的实验设计过程加上严谨规范的数据处理方法，可以使水处理原理，内在规律性被很好的发现，从而更好的应用于生产实践。 2 材料与方法 2.1 供试材料 1. 论文所围绕的目标和假设 研究的目标就是实验的目的，我们设计了这个实验是想来做什么以及想得到什么样的结论。要正确的识别问题和陈述问题，这些需要专业知识和大量的阅读文献综述等方法来获得我们所要提出的问题。需要对某一个具体的问题，并且对这个具体的问题提出假设。如水处理中混凝剂的最佳投加量，混凝剂的最佳投加量有一个适宜的PH值范围。
食品科学研究中实验设计的案例分析 ——正交设计优选白芨多糖包合丹皮酚最佳工艺以及包合物的鉴定[1] 摘要：本实验采用用minitab软件设计L9(34)正交试验优选白芨多糖包合丹皮酚的最佳工艺，结果显示：以丹皮酚和白芨多糖的物料比、反应时间和反应温度为考察指标，得到优化工艺为：物料比1:6、反应时间4h、温度30℃，包封率可达29.38%，收得率74.29%。 关键词：正交设计 minitab 1 正交试验因素水平的确定 选择丹皮酚与白芨多糖的A物料比(W/W)、B反应时间(h)、C包合温度(℃)三个对试验结果影响较大的因素为考察对象，每个因素各取三个水平(表1)。采用L9(34)正交试验表进行正交试验。以所得包合物的收得率和药物包封率为考察指标，确定最佳工艺。 表一正交试验因素水平表 水平 因素 A物料比（w/w）B反应时间（h）C反应温度（℃） 1 1： 2 2 30 2 1：4 3 40
3 1：6 4 50 2 正交试验设计步骤： 1 选择统计—＞DOE—＞田口—＞创建田口设计。 2 得出田口设计窗口，在这个窗口中我们可以设计正交试验，本试验选择3水平4因素，其中一个因素作为误差列。 3 点击显示可用设计，进入如下图的窗口，选择L9 2-4
4 点击“设计”选项，选择L9 3**4，这样我们就得到了L9(34) 6 设计完成，得到如下图的正交试验表
7 导入数据（包封率和收得率） 8 点击“DOE”—＞“田口”—＞“分析田口设计”，得到下图
9 在响应数据位于栏中选择“包封率” 10 在“项”选项中，选中A B C的内容，注意不要选中误差列，按下图进行设计。 11 点击确定，可得出下列的分析数据。（再按上述8-11，对收得率进行分析，可得出另外一个分析数据）
过程能力概述 一旦过程处于统计控制状态，并且是连续生产,那么你可能想知道这个过程是否有能力满足规范的限制,生产出好的零件（产品）,通过比较过程变差的宽度和规范界限的宽度可以确定过程能力。在评估过程能力之前,过程必须受控。如果过程不受控,你将得到不正确的过程能力值。 .你能通过画能力柱状图和能力图来评估过程能力。这些图形能够帮助你评估数据的分布和检验过程是否受控。你也可以估计包括规范公差与正常过程变差之间比率的能力指数。能力指数或统计指数都是评估过程能力的一种方法，因为它们都没有单位，所以，可以用能力统计表来比较不同过程的能力。 选择能力命令 MINITAB提供了一组不同的能力分析命令，你可以根据数据的性质和分布从中选择命令,你可以对以下情况进行能力分析: ——正态或Weiｂuｌl概率模式(对于测量数据) ——不同子组之间可能有很强变差的正态数据 ——二项式或Poissｏｎ概率模式(对于计数数据或属性数据) 当进行能力分析时，选择正确的公式是基本要求,例如，MINIＴAＢ提供基于正态或Weiｂull分布模型上的能力分析工具,使用正态概率模型的命令提供了更完全的统计设置,但是，适用的数据必须近似于正态分布. 例如，利用正态概率模型,能力分析（正态）可以估计预期零件的缺陷PPM 数。这些统计分析建立在两个假设的基础上,1、数据来自于一个稳定的过程，２、数据服从近似的正态分布,类似地，能力分析(Weiｂuｌｌ）计算零件的缺陷的PPM值利用的是Weibull分布。在这两个例子中,统计分析正确性依赖于假设分布模型的正确性。 如果数据是歪斜非常严重，那么用正态分布分析将得出与实际的缺陷率相差很大的结果。在这种情况下，把这个数据转化比正态分布更适当的模型，或为数据选择不同的概率模式.用ＭINITAB,你可以使用Ｂｏｘ－Coｘ能力转化或Ｗeibuｌｌ概率模型,非正态数据比较了这两种方法. 如果怀疑过程中子组之间有很强的变差来源，可以使用能力分析（组间/组内)或SＩXpaｃk能力分析(组间/组内)。除组内数据具有随机误差外，组间还可能有随机变差。明白了子组变差的来源,可以为你提供过程更真实的潜在能力评估。能力分析(组间/组内）或SIXpack能力分析（组间/组内）既计算组内标准偏差也计算组间标准偏差，然后，集中它们来计算总的标准偏差。
毕业论文（设计） 题目竹叶中多糖的提取方法研究 指导老师汪洪 专业班级食品营养与检测112 姓名戴晓鹏 学号 20117100203
2014年5月28日
摘要：本研究以竹叶为研究对象，通过单因素试验和正交试验观察了温度、时间、固液比、提取次数对多糖提取率的影响，比较了水提、超声波提取和微波提取三种提取方法对竹叶多糖得率的影响。结果表明，水提最佳浸提参数：温度80℃，时间90min，固液比1:25，浸提次数3次。超声波提取最佳浸提参数为：温度70℃，时间20min，固液比1:20，浸提次数3次。微波提取最佳浸提参数为：微波功率500W，固液比1:15，时间2min，浸提次数3次。最佳提取工艺方法是超声波提取，条件是温度70℃，时间20min，固液比1:20，浸提3次。 关键词：水提；超声波；微波；沉淀；提取次数
目录 引言 (1) 1材料与仪器 (2) 1.1实验材料 (2) 1.2实验试剂 (2) 1.3实验仪器 (2) 2 实验方法 (3) 2.1竹叶多糖提取工艺流程 (3) 2.2样品中多糖含量的测定 (3) 2.3浸提条件对多糖提取效果的影响 (4) 2.3.1单因素试验 (4) 2.3.2浸提工艺正交试验 (4) 2.3.3不同浸提方法的比较研究 (5) 2.4分析方法 (5) 3 结果与分析 (5) 3.1 单因素试验结果 (5) 3.1.1温度对多糖得率的影响 (5) 3.1.2时间对多糖得率的影响 (6) 3.1.3固液比对多糖得率的影响 (6) 3.1.4提取次数对多糖得率的影响 (7) 3.1.5乙醇浓度对多糖得率的影响 (8) 3.2正交试验 (9) 3.2.1水提工艺正交试验效果 (9) 3.2.2超声波提取工艺正交试验结果 (10) 3.2.3微波提取工艺正交试验效果 (11) 3.3竹叶多糖不同提取方法的比较效果 (12) 结论 (12) 参考文献 (13)
Minitab 的田口实验设计 ——MINITAB统计分析教程 续表 创建田口实验：
分析田口实验的设置：
实验结果： ————— 987351:11:22 ————————————————————欢迎使用 Minitab，请按 F1 获得有关帮助。
田口设计 田口正交表设计 L8(2**4) 因子: 4 试验次数: 8 列 L8(2**7) 阵列 1 2 3 4 田口分析:司机, 生铁与直径, 波纹, 厚度 线性模型分析:信噪比与直径, 波纹, 厚度 信噪比的模型系数估计 系数标 项系数准误 T P 常量 23.8587 2.041 11.689 0.000 直径 118 1.7154 2.041 0.840 0.448 波纹 392 0.6990 2.041 0.342 0.749 厚度 0.03 -4.1803 2.041 -2.048 0.110 S = 5.773 R-Sq = 55.6% R-Sq（调整） = 22.4% 对于信噪比的方差分析 来源自由度 Seq SS Adj SS Adj MS F P 直径 1 23.542 23.542 23.542 0.71 0.448 波纹 1 3.909 3.909 3.909 0.12 0.749 厚度 1 139.801 139.801 139.801 4.19 0.110 残差误差 4 133.317 133.317 33.329 合计 7 300.569
线性模型分析:均值与直径, 波纹, 厚度 均值的模型系数估计 系数标 项系数准误 T P 常量 110.40 24.95 4.425 0.011 直径 118 51.30 24.95 2.056 0.109 波纹 392 23.25 24.95 0.932 0.404 厚度 0.03 -22.84 24.95 -0.915 0.412 S = 70.56 R-Sq = 59.7% R-Sq（调整） = 29.5% 备注：Seq SS： Sum of Squares Adj MS: Adjusted Mean Square 对于均值的方差分析 来源自由度 Seq SS Adj SS Adj MS F P 直径 1 21054 21054 21054 4.23 0.109 波纹 1 4324 4324 4324 0.87 0.404 厚度 1 4172 4172 4172 0.84 0.412 残差误差 4 19915 19915 4979 合计 7 49465 备注：Seq SS： Sum of Squares Adj MS: Adjusted Mean Square 线性模型分析:标准差与直径, 波纹, 厚度 标准差的模型系数估计 项系数系数标准误 T P 常量 5.8336 0.7717 7.559 0.002 直径 118 1.1667 0.7717 1.512 0.205 波纹 392 1.1667 0.7717 1.512 0.205 厚度 0.03 0.5834 0.7717 0.756 0.492 S = 2.183 R-Sq = 56.2% R-Sq（调整） = 23.4%
《食品试验设计与数据处理》课程论文正交试验设计的基本程序和步骤 姓名 院（系） 专业班级 学号 指导教师 职称教授 日期 2011年12月19日
目录 前言： (3) 1.正交试验设计的特点 (3) 2.正交试验设计案例 (3) 3.基于案例的正交试验设计的基本程序分析 (4) 3.1明确试验目的，确定试验指标 (4) 3.2挑因素，选水平 (4) 3.3选择合适的正交表 (4) 3.4进行表头设计 (5) 3.5确定试验方案，实施实验 (5) 3.6实验结果的统计和分析（方差分析） (6) 4. 结论 (9) 4.1优化工艺条件的确定 (9) 4.2正交试验设计的基本程序 (9) 参考文献 (10)
正交试验设计的基本程序和步骤 摘要：本文结合“研究啤酒酵母最适合的自溶条件”这个试验设计案例具体阐述了“正交试验设计的基本程序和步骤”。 关键词：正交试验；试验设计；基本程序；基本步骤 前言： 正交试验设计和分析方法是目前最常用的工艺优化试验设计和分析方法, 是部分因子设计的主要方法。正交试验以概率论、数理统计和实践经验为基础, 利用标准化正交表安排试验方案, 并对结果进行计算分析,最终迅速找到优化方案, 是一种高效处理多因素优化问题的科学计算方法。本文通过研究啤酒酵母最适合的自溶条件的试验具体说明正交试验设计的基本程序和步骤，以求对学习正交试验设计和分析工作者有一定的帮助。 1.正交试验设计的特点 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。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。 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。 2.正交试验设计案例 【案例1】为了研究啤酒酵母最适合的自溶条件，选择3因素3水平正交试验。因素有温度℃（A）和pH（B），加酶量（C）3个，试验指标为蛋白质含量，试验指标越大越
试验设计与统计分析课程实习论文 题目：不同栽培模式及施氮量对土壤水分含量、土壤硝态氮和铵态氮含量的影响
不同栽培模式及施氮量对土壤水分含量、土壤硝态氮和铵态氮含 量的影响 摘要：【目的】随着农业生产的发展，通过合理施肥提高肥料利用率已被认为是可持续农业发展的一条重要途径，推广小麦配方施肥，特别是研究氮、磷肥料对小麦的生长和产量的影响，已刻不容缓，高产品种必须有与之相适应的施肥方案，才能发挥其应有的价值。【实验设计】通过研究对比不同种植模和施氮量下耕层土壤矿化氮的含量及冬小麦的产量，找出最佳栽培模式和合理的施氮量，从而达到增产的目的.田间试验采取裂区设计,试验设栽培模式和施氮量2种因子。栽培模式设露地栽培（常规）、麦草覆盖（覆草）、垄上覆膜（覆膜）、垄上覆膜沟内覆草（垄沟）、冬季补灌(补灌)五种方式；施氮设不施氮、施120 kg/hm2N和240 kg/hm2N三个水平。【结果】试验结果表明,五种不同栽培模式中麦草覆盖、陇上覆膜和陇上覆膜沟内覆草能显著增加耕层土壤(0-20cm)的储水量；在水分充足的情况下不同栽培模式对耕层土壤（0-20cm）矿化氮含量及冬小麦产量没有显著影响；不同的施氮量对耕层土壤水分含量没有显著影响，但对小麦产量、生物量和耕层土壤矿化氮含量影响极为显著，施氮量为120kg/hm2N和240kg/hm2N处理的生物量比不施氮均能增加50%以上，但两者生物量之间差异很小；施氮量为120kg/hm2N和240kg/hm2N处比不施氮小麦产量均增加23%以上，土壤矿化氮含量均增加55%以上，但两者生物量之间差异很小。 关键词：不同的栽培模式；不同施氮量；水分含量；小麦产量；硝态氮氮含量；铵态氮含量 前言：不同氮、磷营养对小麦生长发育、养分吸收、产量及其构成和品质有明显的影响。适宜的氮、磷配比及用量可提高小麦干重、有效穗数、穗长、穗粒数、百粒重，提高小麦植株对氮、磷养分的吸收。氮是小麦营养中最为重要的元素之一，它影响小麦的生长发育和产量形成。由于土壤中有效氮素含量低，而小麦的需氮量有很多，施氮肥具有明显的增产作用。小麦吸收磷主要在拔节孕穗期，但早期的磷营养对于植株，尤其对根系极为重要。据Black的试验[1]，磷肥可以显著增加分蘖与次生根数；在磷肥充足的条件下，氮肥促进分蘖与次生根数的作用
试验设计与数据处理 课程论文 论文题目：大豆分离蛋白的改性研究 学院名称： 专业班级： 姓名： 学号： 二OO九年十二月三十日
大豆分离蛋白的改性研究 摘要：用正交实验设计对实验进行改进，采用极差分析和方差分析法，研究不同改性条件对大豆蛋白乳化性的影响，找出主要影响因素。 关键词：正交试验设计；正交表；大豆分离蛋白；改性 一、概述 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，以及相关影响因素，适用于多因素的设计问题。 蛋白质是组成人体的主要物质, 是人体生命活动的物质基础, 如果人们的膳食中蛋白质的摄入量不足, 就会使人消瘦, 引起各种疾病, 特别是对于儿童, 会造成发育不良, 智力低下。人类食用蛋白质主要有两大类, 即植物蛋白和动物蛋白。由于植物蛋白周期短、资源丰富、产量大等优点, 在食用蛋白中占70% 以上, 而动物蛋白则不足30%。近年来, 由于世界人口急剧增长, 耕地面积减少, 开发高营养、高产量的植物蛋白成为人类研究的重要目标。功能特性在食品的各个领域得到广泛应用, 但由于天然大豆蛋白的这些功能特性尚不能满足现代食品加工的要求, 为此, 国内外学者正谋求一些方法来改善这些功能特性。 通过改性可以改善大豆分离蛋白的起泡性、溶解性、乳化性等，本试验主要对乳化性的影响因素进行分析，为三因素三水平实验，影响因素较多，利用正交设计实验可以缩短实验时间，减少工作量，降低成本，因而对此进行正交试验设
计的改进。 二、试验设计 1.试验目的：研究不同条件下对蛋白质乳化性的影响。 2.试验指标：用蛋白质的乳化性(y)作为考察指标，该指标越大表明影响性越大。 3.确定因子与水平：本实验设定的因素水平有质量分数，离子强度，PH值。质量分数选择0.5%，1.0%，2.0%；离子强度选择0.1M,0.5M,1.0M；PH值选择5，7，9。 表1 因素水平表 4.正交表选择：本实验为三水平三因素实验，经分析选用L9(34)。 三、试验结果 按试验设计方案实施后，所得的试验结果如表2所示。 表2 试验结果数据表
页眉内容
Minitab 实验之试验设计
实验目的：
本实验主要引导学生利用 Minitab 统计软件进行试验设计分析，包括全因子 设计、部分因子设计、响应曲面设计、混料设计、田口设计以及响应优化，并能 够对结果做出解释。
实验仪器：Minitab 软件、计算机
实验原理：
“全因子试验设计”的定义是：所有因子的所有水平的所有组合都至少要进 行一次试验的设计。由于包含了所有的组合，全因子试验所需试验的总次数会比 较多，但它的优点是可以估计出所有的主效应和所有的各阶交互效应。所以在因 子个数不太多，而且确实需要考察较多的交互作用时，常常选用全因子设计。一 般情况下，当因子水平超过 2 时，由于试验次数随着因子个数的增长而呈现指数 速度增长，因而通常只作 2 水平的全因子试验。
进行 2 水平全因子设计时，全因子试验的总试验次数将随着因子个数的增加 而急剧增加，例如，6 个因子就需要 64 次试验。但是仔细分析所获得的结果可 以看出，建立的 6 因子回归方程包括下列一些项：常数项、主效应项有 6 项、二 阶交互作用项 15 项、三阶交互项 20 项，…，6 阶交互项 1 项，除了常数项、主 效应项和二阶交互项以外，共有 42 项是 3 阶以及 3 阶以上的交互作用项，而这 些项实际上已无具体的意义了。部分因子试验就是在这种思想下诞生的，它可以 使用在因子个数较多，但只需要分析各因子和 2 阶交互效应是否显著，并不需要 考虑高阶的交互效应，这使得试验次数大大减少。
在实际工作中，常常要研究响应变量 Y 是如何依赖于自变量，进而能找到 自变量的设置使得响应变量得到最佳值（望大、望小或望目）。如果自变量的个 数较少（通常不超过 3 个），则响应曲面方法（response surface methodology，RSM） 是最好的方法之一，本方法特别适合于响应变量望大或望小的情形。通常的做法 是：先用 2 水平因子试验的数据，拟合一个线性回归方程（可以包含交叉乘积项）， 如果发现有弯曲的趋势，则希望拟合一个含二次项的回归方程。其一般模型是（以 两个自变量为例）：
这些项比因子设计的模型增加了各自的变量的平方项。由于要估计这些项的 回归系数，原来因子设计所安排的一些设计点就不够用了，需要再增补一些试验 点。这种先后分两阶段完成全部试验的策略就是“序贯试验”的策略。适用于这 种策略的方法有很多种，其中最常用的就是中心复合设计（central composite design，CCD）。
稳健参数设计（robust parameter design）（也称健壮设计、鲁棒设计，简称参 数设计）是工程实际问题中很有价值的统计方法。它通过选择可控因子的水平组 合来减少一个系统对噪声变化的敏感性，从而达到减小此系统性能波动的目的。 过程的输入变量有两类：可控因子和参数因子。可控因子是指一旦选定就保持不 变的变量，它包括产品或生产过程设计中的设计参数，而噪声因子是在正常条件 下难以控制的变量。在做参数设计时，就是把可控因子的设计当做研究的主要对 象，与此同时让噪声因子按照设定的计划从而系统改变其水平的方法来表示正常
种子发芽率的正交试验设计 13应统1班20132678 李平 一：概述； 新中国成立以来，农业农村经济发生了翻天覆地的巨大变化，也实现了历史性的跨越，农业生产持续发展，农村经济全面繁荣，农民生活显著改善，农村社会和谐稳定，为中国特色社会主义事业发展全局作出了巨大贡献。改革开放三十年来，一次又一次地创造了奇迹，用世界上7%的土地养育着21%的人口，袁隆平教授的改良水稻，为广大的农民带来了可观的粮食产量，同时也产生了巨大的经济效益。作为农作物的根本，种子的质量至关重要，所以提高种子的发芽率是非常重要的。 二：实验设计； 1、试验目的：怎样才能提高种子发芽率，减少生产成本，从而提高粮食产量； 2、试验方法：无交互作用的正交试验设计； 3、试验指标：种子发芽的百分比，指标值越大表示条件越好； 4、试验因子和水平：经过分析影响种子发芽率的主要因素，除了种子自身的质 量认为不能控制之外，还有光照时间，温度和湿度这三个方面，在分别选取三个水平来研究；（如下表1） 表1 因子水平表 因子水平A 温度 （℃） B 湿度 （%） C光照时间 （小时/天） 1 25 80 8 2 10 40 4 3 40 120 12 5、正交表的选择：经分析选用L（34）表 三：试验结果； 经过上述试验设计的实施得到结果表2如下： 表2 试验计划与实验结果 因子试验号A 温度 （℃） B 湿度 （%） C光照时间 （小时/天） 实验结果 种子发芽率（%） 1 25 80 8 93 2 25 40 4 84 3 25 120 12 80 4 10 80 4 90 5 10 40 12 82 6 10 120 8 78 7 40 80 12 89 8 40 40 8 80 9 40 120 4 79 四：方差分析；
过程能力概述（Process Capability Overview） 在过程处于统计控制状态之后，即生产比较稳定时，你很可能希望知道过程能力，也即满足规格界限和生产良品的能力。你可以将过程变差的宽度与规格界限的差距进行对比来片段过程能力。在评价其能力之前，过程应该处于控制状态，否则，你得出的过程能力的估计是不正确的。 你可以画能力条形图和能力点图来评价过程能力，这些图形可以帮助你评价数据的分布并验证过程是否受控。你还可以计算过程指数，即规范公差与自然过程变差的比值。过程指数是评价过程能力的一个简单方法。因为它们无单位，你可以用能力统计量来比较不同的过程。 一、选择能力命令（Choosing a capability command） Minitab提供了许多不同的能力分析命令，你可以根据数据的属性及其分布来选择适当的命令。你可以为以下几个方面进行能力分析： ?正态或Weibull概率模型(适合于测量数据) ?很可能来源于具有明显组间变差的总体的正态数据 ?二项分布或泊松概率分布模型(适合于属性数据或计数数据) 注：如果你的数据倾斜严重，你可以利用Box-Cox转换或使用Weibull 概率模型。 在进行能力分析时，选择正确的分布是必要的。例如：Minitab提供基于正态和Weibull概率模型的能力分析。使用正态概率模型的命令提供更完整的一系列的统计量，但是你的数据必须近似服从正态分布以保证统计量适合于这些数据。举例来说，Analysis (Normal) 利用正态概率模型来估计期望的PPM。这些统计量的结实依赖于两个假设：数据来自于稳定的过程，且近似服从的正态分布。类似地，Capability Analysis (Weibull) 利用Weibull 分布模型计算PPM。在两种情况下，统计的有效性依赖于假设的分布的有效性。 如果数据倾斜严重，基于正态分布的概率会提供对实际的超出规格的概率做比较差的统计。这种情况下，转化数据使其更近似于正态分布，或为数据选择不同的概率模型。在Minitab中，你可以用“Box-Cox power transformation”或Weibull 概率模型。Non-normal data对这两个模型进行了比较。 如果你怀疑过程具有较明显的组间变差，使用Capability Analysis (Between/Within)或Capability Sixpack (Between/Within)。子组内部的随机误差之上，子组数据可能还有子组之间的随机变差。对子组变差的两个来源的理解可以为过程潜在能力提供更实际的估计。Capability Analysis (Between/Within)和Capability Sixpack (Between/Within) 计算了组间和组内标准差，然后再估计长期的标准差。 Minitab还为属性数据和计数数据进行能力分析，基于二项分布和泊松概率模型。例如：产品可以根据标准判定为合格和不合格(使用Capability Analysis (Binomial)).。你还可以根据缺陷的数量进行分类(使用Capability Analysis
《食品试验设计与数据处理》 课程论文 姓名陈少玉 院（系）轻工食品学院 专业班级食品111 学号 指导教师王德培 职称教授 日期2013年11月22日 仲恺农业工程学院 目录 摘要 (2) 关键字 (2) 引言 (3) 基本概念与原理 (3) 正交试验设计的基本程序和步骤 (4)
明确试验目的、确定试验指标 (4) 挑因素、选水平 (4) 选择合适的正交表 (4) 进行表头设计 (4) 确定试验方案，实施试验 (4) 试验结果分析(方差分析) (5) 总结：正交试验设计的基本程序和步骤 (8) 附录 (8) 参考文献 (9) 啤酒酵母的正交试验设计基本程序与步骤 摘要 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。本文以啤酒酵母为例，探讨正交试验设计基本程序与步骤。 关键字 啤酒酵母、自溶条件、酶、温度、PH、正交试验设计、基本步骤
引言 正交试验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。本文通过以啤酒酵母试验为例，选择3因素3水平正交试验，试验指标为蛋白质含量，试验指标越大越好。逐步讨论出正交试验设计的基本程序与步骤。从实验的过程和结果得出正交试验设计的基本程序与步骤可以分为六点：（1）明确试验目的、确定试验指标；（2）挑因素、选水平；（3）选择合适的正交表；（4）进行表头设计；（5）确定试验方案，实施试验；（6）试验结果分析 基本概念与原理 正交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。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。 正交表用L n(t q)表示。L表示正交表；n为正交表行数；t为因素的水平数；q为最多能安排的因素数，即正交表的列数。 正交试验设计的基本程序和步骤 明确试验目的、确定试验指标 该试验目的就是要寻求一个最佳的啤酒酵母的自溶条件，可用蛋白质的含量作为本试验的试验指标，而且作为一个定量指标。
实验设计与数据处理论文 评分 试验设计与数据处理 课程论文 论文题目: 大豆分离蛋白的改性研究 学院名称: 专业班级: 姓名: 学号: 二OO九年十二月三十日 大豆分离蛋白的改性研究 摘要:用正交实验设计对实验进行改进，采用极差分析和方差分析法，研究不同改性条件对大豆蛋白乳化性的影响，找出主要影响因素。 关键词:正交试验设计;正交表;大豆分离蛋白;改性 一、概述 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，以及相关影响因素，适用于多因素的设计问题。 蛋白质是组成人体的主要物质, 是人体生命活动的物质基础, 如果人们的膳食中蛋白质的摄入量不足, 就会使人消瘦, 引起各种疾病, 特别是对于儿童, 会造成发育不良, 智力低下。人类食用蛋白质主要有两大类, 即植物蛋白和动物蛋白。由于植物蛋白周期短、资源丰富、产量大等优点, 在食用蛋白中占70% 以上, 而动物蛋白则不足30%。近年来, 由于世界人口急剧增长, 耕地面积减少, 开发高营
养、高产量的植物蛋白成为人类研究的重要目标。功能特性在食品的各个领域得到广泛应用, 但由于天然大豆蛋白的这些功能特性尚不能满足现代食品加工的要求, 为此, 国内外学者正谋求一些方法来改善这些功能特性。 通过改性可以改善大豆分离蛋白的起泡性、溶解性、乳化性等，本试验主要对乳化性的影响因素进行分析，为三因素三水平实验，影响因素较多，利用正交设计实验可以缩短实验时间，减少工作量，降低成本，因而对此进行正交试验设计的改进。 二、试验设计 1.试验目的:研究不同条件下对蛋白质乳化性的影响。 2.试验指标:用蛋白质的乳化性(y)作为考察指标，该指标越大表明影响性 越大。 3.确定因子与水平:本实验设定的因素水平有质量分数，离子强度，PH值。质量分数选择0.5%，1.0%，2.0%;离子强度选择0.1M,0.5M,1.0M;PH值选择5，7，9。 表1 因素水平表 水一二三平因素 A:质量分数(%) 0.5 1.0 2.0 B:离子强度(M) 0.1 0.5 1.0 C:PH 5 7 9 44.正交表选择:本实验为三水平三因素实验，经分析选用L(3)。 9三、试验结果 按试验设计方案实施后，所得的试验结果如表2所示。 表2 试验结果数据表 列质量分数A(%) 离子强度B(M) PH C 试验结果y(%) 号试验号
Minitab 实验之试验设计
实验目的：
本实验主要引导学生利用 Minitab 统计软件进行试验设计分析，包括全因子 设计、部分因子设计、响应曲面设计、混料设计、田口设计以及响应优化，并能 够对结果做出解释。
实验仪器：Minitab 软件、计算机 实验原理：
“全因子试验设计” 的定义是：所有因子的所有水平的所有组合都至少要进 行一次试验的设计。 由于包含了所有的组合，全因子试验所需试验的总次数会比 较多， 但它的优点是可以估计出所有的主效应和所有的各阶交互效应。所以在因 子个数不太多，而且确实需要考察较多的交互作用时，常常选用全因子设计。一 般情况下， 当因子水平超过 2 时，由于试验次数随着因子个数的增长而呈现指数 速度增长，因而通常只作 2 水平的全因子试验。 进行 2 水平全因子设计时， 全因子试验的总试验次数将随着因子个数的增加 而急剧增加，例如，6 个因子就需要 64 次试验。但是仔细分析所获得的结果可 以看出，建立的 6 因子回归方程包括下列一些项：常数项、主效应项有 6 项、二 阶交互作用项 15 项、三阶交互项 20 项，…，6 阶交互项 1 项，除了常数项、主 效应项和二阶交互项以外，共有 42 项是 3 阶以及 3 阶以上的交互作用项，而这 些项实际上已无具体的意义了。 部分因子试验就是在这种思想下诞生的，它可以 使用在因子个数较多， 但只需要分析各因子和 2 阶交互效应是否显著，并不需要 考虑高阶的交互效应，这使得试验次数大大减少。 在实际工作中，常常要研究响应变量 Y 是如何依赖于自变量，进而能找到 自变量的设置使得响应变量得到最佳值（望大、望小或望目） 。如果自变量的个 数较少 （通常不超过 3 个） 则响应曲面方法 ， （response surface methodology， RSM） 是最好的方法之一， 本方法特别适合于响应变量望大或望小的情形。通常的做法 是： 先用 2 水平因子试验的数据， 拟合一个线性回归方程 （可以包含交叉乘积项） ， 如果发现有弯曲的趋势， 则希望拟合一个含二次项的回归方程。 其一般模型是 （以 两个自变量为例） ：
y ? b 0 ? b1 x 1 ? b 2 x 2 ? b1 1 x 1 ? b 2 2 x 2 ? b1 2 x 1 2 ? ?
2 2
这些项比因子设计的模型增加了各自的变量的平方项。 由于要估计这些项的 回归系数， 原来因子设计所安排的一些设计点就不够用了，需要再增补一些试验 点。这种先后分两阶段完成全部试验的策略就是“序贯试验”的策略。适用于这 种策略的方法有很多种，其中最常用的就是中心复合设计（central composite design，CCD） 。 稳健参数设计（robust parameter design） （也称健壮设计、鲁棒设计，简称参 数设计） 是工程实际问题中很有价值的统计方法。它通过选择可控因子的水平组 合来减少一个系统对噪声变化的敏感性，从而达到减小此系统性能波动的目的。 过程的输入变量有两类： 可控因子和参数因子。可控因子是指一旦选定就保持不 变的变量， 它包括产品或生产过程设计中的设计参数，而噪声因子是在正常条件