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
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
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。上图中标有试验号的九个“(·)”，就是利用正交表L9(34)从27个试验点中挑选出来的9个试验点。即：
(1)A1B1C1 (2)A2B1C2 (3)A3B1C3
(4)A1B2C2 (5)A2B2C3 (6)A3B2C1
(7)A1B3C3 (8)A2B3C1 (9)A3B3C2
以上选择，保证了A因素的每个水平与B因素、C因素的各个水平在试验中各搭配一次。对于A、B、C 3个因素来说，是在27个全面试验点中选择9个试验点，仅是全面试验的三分之一。
从上图中可以看到，9个试验点在选优区中分布是均衡的，在立方体的每个平面上，都恰是3个试验点；在立方体的每条线上也恰有一个试验点。
9个试验点均衡地分布于整个立方体内，有很强的代表性，能够比较全面地反映选优区内的基本情况。
1.3 正交表及其基本性质
1.3.1 正交表
由于正交设计安排试验和分析试验结果都要用正交表，因此，我们先对正交表作一介绍。
下表是一张正交表，记号为L8(27)，其中“L”代表正交表；L 右下角的数字“8”表示有8行，用这张正交表安排试验包含8个处理(水平组合) ；括号内的底数“2”表示因素的水平数，括号内2的指数“7”表示有7列，用这张正交表最多可以安排7个2水平因素。
L8(27) 正交表
常用的正交表已由数学工作者制定出来，供进行正交设计时选用。2水平正交表除L8(27)外，还有L4(23)、L16(215)等；3水平正交表有L9(34)、L27(213)……等。
1.3.2 正交表的基本性质
1.3.
2.1 正交性
（1）任一列中，各水平都出现，且出现的次数相等
例：L8(27)中不同数字只有1和2，它们各出现4次；L9(34)中不同数字有1、2和3，它们各出现3次。
（2）任两列之间各种不同水平的所有可能组合都出现，且对出现的次数相等
例：L8(27)中(1, 1), (1, 2), (2, 1), (2, 2)各出现两次；L9(34) 中 (1, 1), (1, 2), (1, 3), (2, 1), (2, 2), (2, 3), (3, 1), (3, 2), (3, 3)各出现1次。即每个因素的一个水平与另一因素的各个水平所有可能组合次数相等，表明任意两列各个数字之间的搭配是均匀的。
1.3.
2.2 代表性
一方面：
（1）任一列的各水平都出现，使得部分试验中包括了所有因素的所有水平；
（2）任两列的所有水平组合都出现，使任意两因素间的试验组合为全面试验。
另一方面：
由于正交表的正交性，正交试验的试验点必然均衡地分布在全面试验点中，具有很强的代表性。因此，部分试验寻找的最优条件与全面试验所找的最优条件，应有一致的趋势。
1.3.
2.3 综合可比性
（1）任一列的各水平出现的次数相等；
（2）任两列间所有水平组合出现次数相等，使得任一因素各水平的试验条件相同。这就保证了在每列因素各水平的效果中，最大限度地排除了其他因素的干扰。从而可以综合比较该因素不同水平对试验指标的影响情况。
根据以上特性，我们用正交表安排的试验，具有均衡分散和整齐可比的特点。
所谓均衡分散，是指用正交表挑选出来的各因素水平组合在全部水平组合中的分布是均匀的。
整齐可比是指每一个因素的各水平间具有可比性。因为正交表中每一因素的任一水平下都均衡地包含着另外因素的各个水平，当比较某因素不同水平时，其它因素的效应都彼此抵消。如在A、B、C 3个因素中，A因素的3个水平 A1、A2、A3 条件下各有 B 、C 的 3个不同水平，即：
在这9个水平组合中，A因素各水平下包括了B、C因素的3个水平，虽然搭配方式不同，但B、C皆处于同等地位，当比较A因素不同水平时，B因素不同水平的效应相互抵消，C因素不同水平的效应也相互抵消。所以A因素3个水平间具有综合可比性。同样，B、C 因素3个水平间亦具有综合可比性。
正交表的三个基本性质中，正交性是核心，是基础，代表性和综合可比性是正交性的必然结果。
1.4 正交表的类别
1、等水平正交表各列水平数相同的正交表称为等水平正交表。如L4(23)、L8(27)、L12(211)等各列中的水平为2，称为2水平正交表；L9(34)、L27(313)等各列水平为3，称为3水平正交表。
2、混合水平正交表各列水平数不完全相同的正交表称为混合水平正交表。如L8(4×24)表中有一列的水平数为4，有4列水平数为2。也就是说该表可以安排一个4水平因素和4个2水平因素。再如L16(44×23)，L16(4×212)等都混合水平正交表。
2 正交试验设计的基本程序
对于多因素试验，
用的一种试验设计方法，
所示。正交试验设计的基本程序包括试验方
案设计及试验结果分析两部分。
2.1 试验方案设计
（1）明确试验目的，确定试验指标
试验设计前必须明确试验目的，即本
量，即需要确定出试验指标。试验指标可为定量指标，也可为定性指标。
试验方案设计流程
一般为了便于试验结果的分析，定性指标可按相关的标准打分或
模糊数学处理进行数量化，将定性指标定量化。
（2）选因素、定水平，列因素水平表
根据专业知识、以往的研究结论和经验，从影响试验指标的诸多因素中，通过因果分析筛选出需要考察的试验因素。一般确定试验因素时，应以对试验指标影响大的因素、尚未考察过的因素、尚未完全掌握其规律的因素为先。试验因素选定后，根据所掌握的信息资料和相关知识，确定每个因素的水平，一般以2-4个水平为宜。对主要考察的试验因素，可以多取水平，但不宜过多（≤6），否则试验次数骤增。因素的水平间距，应根据专业知识和已有的资料，尽可能把水平值取在理想区域。
四因素、三水平的试验因素水平表
（3）选择合适的正交表
正交表的选择是正交试验设计的首要问题。确定了因素及其水平后，根据因素、水平及需要考察的交互作用的多少来选择合适的正交表。正交表的选择原则是在能够安排下试验因素和交互作用的前提下，
尽可能选用较小的正交表，以减少试验次数。
一般情况下，试验因素的水平数应等于正交表中的水平数；因
数
例：选择一4个3水平因素试验的正交表
可以选用L9(34)或L27(313)
（A）不考察因素间的交互作用，宜选用L9（34）。
（B）考察交互作用，则应选用L27(313)。
课堂练习：
选择一5个3水平因子及一个2水平因子试验的正交表 L12(2×35)
（4）表头设计
表头设计，就是把试验因素和要考察的交互作用分别安排到正交表的各列中去的过程。
在不考察交互作用时，各因素可随机安排在各列上；若考察交互作用，就应按所选正交表的交互作用列表安排各因素与交互作用，以防止设计“混杂”。
例：不考察交互作用，可将因素(A)、(B)和(C)、（D）依次安排在L9(34)的第1、2、3、4列上，见下表所示。
表头设计
（5）编制试验方案，按方案进行试验，记录试验结果。
把正交表中安排各因素的列（不包含欲考察的交互作用列）中的每个水平数字换成该因素的实际水平值，便形成了下表中的正交试验方案。
◇下表说明：试验号并非试验顺序，为了排除误差干扰，试验中可随机进行；
安排试验方案时，部分因素的水平可采用随机安排。
试验方案及试验结果表
作业
1、正交表有哪些类型？它们的核心性质是什么？
2、写出正交表的表达式，并简述正交试验设计的基本程序。
3、不考虑交互作用，设计一个4水平的3因素正交试验方案
极差分析
方差分析
2.2 试验结果分析
?分清各因素及其交互作用的主次顺序，分清哪个是主要因素，哪个是次要因素；
?判断因素对试验指标影响的显著程度；
?找出试验因素的优水平和试验范围内的最优组合，即试验因素各取什么水平时，试验指标最好；
?分析因素与试验指标之间的关系，即当因素变化时，试验指标是如何变化的。找出指标随因素变化的规律和趋势，为进一步
试验指明方向；
?了解各因素之间的交互作用情况；
?估计试验误差的大小。
? 3 正交试验的结果分析
3.1 直观分析法－极差分析法
计算简便，直观，简单易懂，是正交试验结果分析最常用方法。以下说明极差分析过程。
R j为第j列因素的极差，反映了第j列因素水平波动时，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。根据R j大小，可以判断因素的主次顺序。
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平均值。由k jm大小可以判断第j列因素优水平和优组合。
3.1.1 不考察交互作用的试验结果分析
（1）确定试验因素的优水平和最优水平组合
分析A因素各水平对试验指标的影响。
根据正交设计的特性，对A1、A2、A3来说，三组试验的试验条件是完全一样的（综合可比性），可进行直接比较。如果因素A对试验指标无影响时，那么k A1、k A2、k A3应该相等，不相等时说明，A 因素的水平变动对试验结果有影响。
根据k A1、k A2、k A3的大小可以判断A1、A2、A3对试验指标的影响大小。k A值愈接近要求值的水平是A因素的优水平。
同理，可以计算并确定B、C、D因素的优水平。四个因素的优水平组合为试验的最优水平组合。
例1：分析下表中温度、时间、加碱量对转化率影响试验中各条件的最优值和最佳的工艺条件。
转化率试验数据表
（2）确定因素的主次顺序
根据极差R j的大小，可以判断各因素对试验指标的影响主次。比较各R值大小，R值愈大的表示因素对指标的影响大，因素越重要，R值愈小因素的影响较小。
（3）绘制因素与指标趋势图
以各因素水平为横坐标，试验指标的平均值（k jm）为纵坐标，绘制因素与指标趋势图。由因素与指标趋势图可以更直观地看出试验指标随着因素水平的变化而变化的趋势，可为进一步试验指明方向。
以上即为正交试验极差分析的基本程序与方法
极差R：表示该因素在其取值范围内试验指标变化的幅度。
R = max（Ki）- min（Ki）
例2：根据转化率试验结果计算极差R，并分析影响转化率因素的主次顺序。
解例：计算的k值和R值如下表：
温度时间加碱量
以上计算后分析得到下面的试验结论
?各条件的最优值：温度3（90℃），
时间2（120分钟），加碱量2（6%）。
最佳工艺条件是以上三个最优水平
的组合。
?对转化率影响最大的因素是温度，其
次是加碱量，时间的影响最小。
附1 多指标正交试验极差分析
对于多指标试验，方案设计和实施与单指标试验相同，不同在于
每做一次试验，都需要对考察指标一一测试，分别记录。试验结果分
析时，也要对考察指标一一分析，然后综合评衡，确定出优条件。
（1）试验方案设计
确定试验指标X、Y、Z
挑因素，选水平，列因素水平表（见下表）
选正交表、设计表头、编制试验方案。下表为四因素三水平试验，不考虑交互作用，选L9（34）安排试验。
因素试验结果试验号
A B C D X Y Z
11111
21222
31333
42123
52231
62312
73132
（2）试验结果分析
计算各因素各水平下每种试验指标的数据和以及平均值，并计算极差R。
根据极差大小列出各指标下的因素主次顺序。
试验指标：主次顺序优化水平组合
X ACDB A3B3C1D2
Y CDAB A1B2C1D1
Z ADBC A2B2C2D3
初选优化工艺条件：根据各指标不同水平平均值确定各因素的优化水平组合。
综合平衡确定最优工艺条件。以上三指标单独分析出的优化条件不一致，必须根据因素的影响主次，综合考虑，确定最佳工艺条件。
例：如下表数据，对于因素A，其对X影响大小排第一位，此时取A3；其对Z影响也排第一位，取A2；而其对Y影响排次要第三位，为次要因素，因此A可取A2或A3，但取A2时，Z比取A3减小了14.8%，而X增加了12%，且由Y指标看，取A2比A3的Y值高，故A因素取A2。同理可分析B取B2，C取C1，D取D3。优组合为A2B2C1D3.
附2 混合型正交表试验设计与极差分析
试验设计与结果分析同前，不同的是将极差R进行调整，用调整后的R’进行比较。
3.1.2 考察交互作用的试验设计
（1）交互作用
在多因素试验中，不仅因素对指标有影响，而且因素之间的联合搭配也对指标产生影响。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。因素之间的交互作用总是存在的，这是客观存在的普遍现象，只不过交互作用的程度不同而异。一般地，当交互作用很小时，就认为因素间不存在交互作用。对于交互作用，设计时应引起高度重视。
在试验设计中，表示A、B间的交互作用记作A×B，称为1级交互作用；表示因素A、B、C之间的交互作用记作A×B×C，称为2级交互作用；依此类推，还有3级、4级交互作用等。
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。
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 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 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
(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
正交试验设计(Orthogonal experimental design) 目录 [隐藏] ? 1 什么是正交试验设计 ? 2 正交试验设计表 o 2.1 正交试验设计表[1] o 2.2 正交表的性质 ? 3 正交试验设计的安排 ? 4 正交试验设计的极差分析 ? 5 较优条件选择 ? 6 正交试验分析方法 ?7 正交试验设计的基本思想 ?8 正交试验设计的过程[1] ?9 正交试验设计法与遗传算法的联系 [2] ?10 正交试验设计的案例分析[3] ?11 参考文献 [编辑] 什么是正交试验设计 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。 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)，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L，此表的5列中，有1列为4水平，4列为2水平。 [编辑] 正交试验设计表 [编辑]