第6章正交试验设计
主要内容：
一、概述
二、正交试验设计结果的直观分析法
三、正交试验设计结果的方差分析法
正交试验法：
在优选区内利用正交表科学地安排试验点，通过试验结果的数据分析，缩小优选范围，或者得到较优点的多因素试验方法。
6.1 概述
引例—多因素的试验设计问题
?指标—收率
?因素—(1)原料A的用量(2)原料B的用量
(3)液固比C(4)反应温度D
(5)反应压力E(6)催化剂的用量F
(7)反应时间G(8)搅拌强度H
?水平—8个因素各取3个水平
?进行全面搭配的试验次数为：38=6561次
?科学问题：能否只做其中一小部分试验，通过数据分析来达到全面试验的效果呢？
6.1.1 正交表
（一）正交表的代号及含义
常用正交表的形式为：
L
（r m）
n
式中，L ──正交表的符号；
n──要做的试验次数；
r──因素的水平数；
m ── 最多允许安排的因素个数。
（27）完全试验次数：128
如：L
8
L（313）完全试验次数：1594323
（二）正交表的形式
（1）等水平正交表：指各个因素的水平数都相等的正交表。
如L
8（27），L
27
（313）
（2）混合水平正交表：指试验中各因素的水平数不相等的正交表
如L
8（41×24），L
24
（3×4×24）
（三）正交表的特点
（1）每一列中，
不同的数字出现
的次数相等，即
对任何一个因素，
不同水平的试验
次数是一样的。
（2）任意两列中，同一横行的两个数字构成有序数对，每种数对出现的次数是相同，即任何两个因素之间都是交叉分组的全面试验。
（三）正交试验设计的分类
6.1.2 正交试验设计的优点
①能在所有试验方案中均匀地挑选出代表性强
的少数试验方案。
②通过对这些少数试验方案的结果进行统计分
析，可以推出较优的方案，而且所得到的较优方案往往不包含在这些少数试验方案中。
③对试验结果作进一步的分析，可以得到试验
结果之外的更多信息。例如，各试验因素对试验结果影响的重要程度、各因素对试验结果的影响趋势等。
6.1.3 正交试验设计的基本步骤
包括两部分：一是试验设计；二是数据处理
（1）明确试验目的，确定评价指标
（2）挑选因素，确定水平
（3）选正交表，进行表头设计
（4）明确试验方案，进行试验，得到结果（5）对试验结果进行统计分析
（6）进行验证试验，作进一步分析
6. 2 正交试验设计结果的直观分析法
6.2.1单指标正交试验设计及其结果的直观分析
例6-2柠檬酸硬脂酸单甘酯是一种新型的食品乳化剂，它是柠檬酸与硬脂酸单甘酯在一定的真空度下，通过酯化反应制得，现对其合成工艺进行优化，以提高乳化剂的乳化能力。乳化能力测定方法：将产物加入油水混合物中，经充分地混合、静置分层后，将乳状液层所占的体积百分比作为乳化能力。根据探索性试验，确定的因素与水平如表6－5所示，假定因素间无交互作用。
（1）明确试验目的，确定评价指标
试验目的——提高产品的乳化能力
评价指标——单指标：乳化能力
（2）挑选因素，确定水平
水平(A)温度/ ℃(B)酯化时间/ h(C)催化剂种类11303甲
21202乙
31104丙（3）选正交表，进行表头设计
a按水平数选表b根据试验特点选表
※等水平正交表：
2水平正交表L 4（23）、L 8（27）、L 12（211）......3水平正交表L 9（34）、L 18（37）、L 27（313）......4水平正交表L 16（45）、L 32（49）、L 64（421）......
5水平正交表L 25（56）......8水平正交表
L 64（89）......
因素A 空列B C 列号
1
2
3
4
※表头设计：一个因素占一列，不同因素占不同的列
※本例是一个3水平的试验，要选用L n (3m )型正交表，※有3个因素，不考虑交互作用，m≥3，选L 9( 34)
（4）明确试验方案
把各列上的数字1、2、3分别看成是该列因素在各个试验中的水平数———每行对应一个试验方案
试验号A空列B C试验方案11111A1B1C1
21222A1B2C2
31333A1B3C3
42123A2B2C3
52231A2B3C1
62312A2B1C2
73132A3B3C2
83213A3B1C3
93321A3B2C1
如果将各因素对应的水平的具体数值填上去，则试验方案更加明确
A 3
B 2
C 1
(1) 甲
(2) 2
(3)
(3) 110
9
A 3
B 1
C 3(3) 丙(1) 3(2)(3) 1108A 3B 3C 2(2) 乙(3) 4 (1)(3) 1107A 2B 1C 2(2) 乙(1) 3(3)(2) 1206A 2B 3C 1(1) 甲(3) 4 (2)(2) 1205A 2B 2C 3(3) 丙(2) 2(1)(2) 1204A 1B 3C 3(3) 丙(3) 4 (3)(1) 1303A 1B 2C 2(2) 乙(2) 2(2)(1) 1302A 1B 1C 1(1) 甲(1) 3(1)(1) 1301试验方案(C) 催化剂种类(B) 酯化时间
/ h
空列(A) 温度/ ℃试验号按规定的方案做试验，将试验结果（指标）填写在表的最后一列中
0.66
0.640.670.820.85
0.870.570.740.56乳化能力
（5）对试验结果进行统计分析——极差分析
①计算每个因素中各水平试验结果之和K i :
K i =Σ(同一列中与i 水平有关的试验结果)②计算每个因素中各个水平的平均效果k i :
k i =K i /同一列中i 水平的重复次数③计算极差R ：
R = max ｛K i ｝－min ｛K i ｝或
R = max ｛k i ｝－min ｛k i ｝
结果分析
试验号(A) 温度/ ℃空列(B) 酯化时间/ h(C) 催化剂种类乳化能力1(1) 130(1)(1) 3(1) 甲0.56 2(1) 130(2)(2) 2(2) 乙0.74 3(1) 130(3)(3) 4 (3) 丙0.57 4(2) 120(1)(2) 2(3) 丙0.87 5(2) 120(2)(3) 4 (1) 甲0.85 6(2) 120(3)(1) 3(2) 乙0.82 7(3) 110(1)(3) 4 (2) 乙0.67 8(3) 110(2)(1) 3(3) 丙0.64 9(3) 110(3)(2) 2(1) 甲0.66 K10.56+0.74+0.570.56+0.87+0.670.56+0.82+0.64 0.56+0.85+0.66
K20.87+0.85+0.820.74+0.85+0.640.74+0.87+0.660.74+0.82+0.67
K30.67+0.64+0.660.57+0.82+0.660.57+0.85+0.67 0.57+0.87+0.64
k1 1.87/3=0.623 2.10/3=0.700 2.02/3=0.673 2.07/3=0.690
k2 2.54/3=0.847 2.23/3=0.743 2.27/3=0.757 2.23/3=0.743
k3 1.97/3=0.657 2.05/3=0.683 2.09/3=0.697 2.08/3=0.693
根据极差的大小，确定因素的主次顺序
(A) 温度/ ℃空列(B) 酯化时间/ h(C) 催化剂种类k10.6230.7000.6730.690
k20.8470.7430.757 0.743
k30.6570.6830.6970.693
极差R0.670.180.250.16
极差越大，表示该列因素的数值在试验范围内的变化，会导致试验指标在数值上有更大的变化，所以极差最大的那一列，就是因素的水平对试验结果影响最大的因素，也就是最主要的因素。
如果空白列的极差比其他所有因素的极差还要大，说
明因素之间可能存在不可忽略的交互作用。
因素—效果趋势图
(A) 温度/ ℃空列(B) 酯化时间/ h(C) 催化剂种类k10.6230.7000.6730.690
k20.8470.7430.757 0.743
k30.6570.6830.6970.693
极差R0.670.180.250.16
根据因素水平的变化对试验结果的平均值的影响，可作出因素—效果趋势图：
※优方案的确定
优方案—在试验范围内，各因素较优的水平组合。
优方案为A
2B
2
C
2
，即：
反应温度120℃，酯化时间2h，乙种催化剂
（6）进行验证试验，作进一步分析
B2C2，直观分析（或极差分析）得到的优方案A
2
是通过理论分析得到的，不一定包含在正交表中已做过的9个试验方案中，实际上真正的优方案还需要作进一步的验证。
※优方案的重复试验与比较
※调整水平—以趋势图为依据
6.2.2 多指标正交试验设计及其结果的直观分析
例6-3用乙醇溶液提取葛根中有效成分考察三项指标：
提取物得率、总黄酮含量、葛根素含量
3个因素：乙醇浓度、液固比、回流次数
各有3个水平，若不考虑因素间的交互作用，如何找出较好的提取工艺条件？——多指标试验设计及其结果问题
试验号(A) 浓
度/ %
(B) 液
固比
空列
(C) 回流
次数
提取物得率
/%
总黄酮含量
/%
葛根素含量
/%
1(1) 80(1) 7(1)(1) 1 6.2 5.1 2.1 2(1) 80(2) 6(2)(2) 27.4 6.3 2.5 3(1) 80(3) 8(3)(3) 37.87.2 2.6 4(2) 60(1) 7(2)(3) 38.0 6.9 2.4 5(2) 60(2) 6(3)(1) 17.0 6.4 2.5 6(2) 60(3) 8(1)(2) 28.2 6.9 2.5 7(3) 70(1) 7(3)(2) 27.47.3 2.8 8(3) 70(2) 6(1)(3) 38.28.0 3.1
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。
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)。
第六章 方差分析与正交试验设计 在生产实践和科学研究中，经常要分析各种因素对试验指标是否有显著的影响。例如，工业生产中，需要研究各种不同的配料方案对生产出的产品的质量有无显著差异，从中筛选出较好的原料配方；农业生产中，为了提高农作物的产量，需要考察不同的种子、不同数量的肥料对农作物产量的影响，并从中确定最适宜该地区种植的农作物品种和施肥数量。 要解决诸如上述问题，一方面需要设计一个试验，使其充分反映各因素的作用，并力求试验次数尽可能少，以便节省各种资源和成本；另一方面就是要对试验结果数据进行合理的分析，以便确定各因素对试验指标的影响程度。 §6.1 单因素方差分析 仅考虑一个因素A 对试验指标有无显著影响，可以让A 取r 个水平：r A A A ,,,21 ，在水平i A 下进行i n 次试验，称为单因素试验，试验结果观测数据ij x 列于下表： 并设在水平i A 下的数据i in i i x x x ,,21来自总体),(~2 i i N X ，),,2,1(r i 。 检验如下假设： r H 210:， r H ,,,:211 不全相等 检验统计量为 ),1(~) /() 1/(r n r F r n S r S F e A 其中2 1 2 11)()(x x n x x S i r i i r i n j i A i ，称为组间差平方和。 211 )(i r i n j ij e x x S i ，称为组内差平方和。
这里 r i i n n 1 ， i n j ij i i x n x 1 1 ， r i n j ij i x n x 111。 对于给定的显著性水平)05.001.0(或 ，如果),1(r n r F F ，则拒绝0H ，即认为因素A 对试验指标有显著影响。 实际计算时，可事先对原始数据作如下处理： b a x x ij ij 再进行计算，不会影响F 值的大小。 例1 试分析三种不同的菌型对小白鼠的平均存活日数影响是否显著？ 解：30,11,9,10,3321 n n n n r 16.6,27.7,22.7,4321 x x x x 43.70)()(21 2 11 x x n x x S i r i i r i n j i A i ， 74.137)(211 i r i n j ij e x x S i 49.5)27,2(90.601.0 F F ，说明三种不同菌型的伤寒病菌对小白鼠的平均存活日数的影响高度显著。 §6.2 双因素方差分析 同时考察两个因素A 和B 对试验指标有无显著影响，可以让A 取r 个水平： r A A A ,,,21 ，让B 取s 个水平：s B B B ,,,21 ，在各种水平配合),(j i B A 下进行试验， 称为双因素试验。 一、无交互作用的双因素方差分析 在每一种水平配合),(j i B A 下作一次试验，称为无交互作用的双因素试验，试验结果观测数据ij x 列于下表：
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
第六章正交试验设计 （I）教学内容与要求 （1）了解正交试验设计的优点，掌握正交表的表示符号、基本结构和特点，掌握正交试验设计的基本步骤。 （2）掌握单指标正交试验、多指标正交试验、有交互作用正交试验、混合水平的正交试验的直观分析法； （3）理解单指标正交试验、多指标正交试验、有交互作用正交试验、混合水平的正交试验的方差分析法。 （4）了解Ecxel在正交试验设计中应用。 （II）教学重点 正交试验的直观分析法。 （III）教学难点 正交试验的方差分析。 6.1 概述 6.1.1 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。我国60年代开始使用，70年代得到推广。这一方法具有这样的特点：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。因此日益受到科学工作者的重视，在实践中获得了广泛的应用。 例6-1: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6-1）。试验的目的是为提高合格产品的产量，寻找最适宜的操作条件。 表6-1 因素水平表 对此实例该如何进行试验方案的设计呢？ 很容易想到的是第一方案：（全面搭配法方案） A2——… A3——…
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）想节省费用而又快出成果的人提出了第二方案：（简单比较法方案）。 先固定A和B，只改变C，观察因素C不同水平的影响。作了如下的三次实验： 发现C=C2的那次实验的效果最好，合格产品的产量最高，因此认为在后面的实验中因素C应取C2水平。 固定A和C，改变B的三次实验为： 发现B=B3的那次实验效果最好，因此认为因素B宜取B3水平。固定B和C，改变A 的三次实验为： 发现因素A宜取A2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A2B3C2。与第一方案相比，第二方案的优点是实验的次数少，只需做9次实验。但必须指出，第二方案的试验结果是不可靠的。因为，①在改变C值（或B值，或A值）的三次实验中，说C2（或B3或A2）水平最好是有条件的。在A≠A1，B≠B1时，C2水平不是最好的可能性是有的。②在改变C的三次实验中，固定A=A2，B=B3应该说也是可以的，是随意的，故在第二方案中，数据点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。 第三方案是用正交试验设计方法，用正交表来安排试验。 对于例6-1适用的正交表L9（34）及其试验安排见表6-2。所有的正交表与L9（34）正交表一样，都具有下面两个特点： 9 4 试验号 列号 1 2 3 4 因素温度／℃压力／（N/m2）加碱量／kg 符号 A B C 1 1(A1) 1(B1) 1(C1) 1 2 1(A1) 2(B2) 2(C2) 2 3 1(A1) 3(B3) 3(C3) 3 4 2(A2) 1(B1) 2(C2) 3 5 2(A1) 2(B2) 3(C3) 1 6 2(A2) 3(B3) 1(C1) 2 7 3(A3) 1(B1) 3(C3) 2 8 3(A3) 2(B2) 1(C1) 3 9 3(A3) 3(B3) 2(C2) 1
\ 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
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)
第六章 正交试验设计 课后作业参考答案 6.1某实验考察因素A 、B 、C 、D ，选用表4 9(3)L ，将因素A 、B 、C 、D 依次排在第1，2， 3，4列上，所得9个实验结果依次为： 45.5，33.0，32.5，36.5，32.0，14.5，40.5，33.0，28.0 试用极差分析方法指出较优工艺条件及因素影响的主次，并作因素-指标图。 解：下表中Ⅰj 、Ⅱj 、Ⅲj 表示对第j 列而言，把9个试验结果分为三组对应各列的“1”、“2”、“3”水平，然后将每组的3个实验结果分别相加所得之和；Rj 表示Ⅰj 、Ⅱj 、Ⅲj 三个数据的极差。
从表中和图中可以看出，Rb>Ra>Rd>Rc,最优工艺条件为:B1,A1,D1,C3 6.2 某四种因素二水平试验，除考察因素A,B,C,D 外，还需要考察C B B A ??,,今选用表 ()7 82L ,将A,B,C,D 依次排在第1、2、4、5列上，所得8个实验结果依次为： 12.8 28.2 26.1 35.3 30.5 4.3 33.3 4.0 试用极差分析法指出因素(包括交互作用)的主次顺序及较优工艺条件。 解：下表中Ij 、IIj 表示将第j 列，把8个试验结果分为两组对应各列的“1”、“2”水平，然后将每组的4个实验结果分别相加所得之和；Rj 表示Ij 、IIj 三个数据的极差。
A?,由上表知，因素从主到次的顺序为：D, C, A, B,B 分别将A与B、B与C的各种搭配结果列出如下： A与B最好的搭配是A2B1,其次是A1B1,A2B2,最后是A1B2 B与C最好的搭配B2C1,其次是B1C1,B2C2,最后是B1C2
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
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， 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( )-min( ) 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 法 1.计算 2.判断 ○1K jm , ○2R j ○1因素主次 ○2优水平 ○3最优组合
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
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
正交试验设计方法 一、概述 1、正交试验设计法（正交试验法）－是利用正交表来合理安排试验的一种方法。 2、安排任何一项试验，首先要明确试验的目的是什么？用什么指标来衡量考核的结果？对试验指标可能有影响的因素是什么？为了搞清楚影响因素，应当把因素选择在哪些水平上？ 3、指标 就是试验要考核的效果。在正交试验中，主要设计可测量的定量指标，常用X、Y、Z来表示。 4、因素 是指对试验指标可能产生影响的原因。因素是在试验中应当加以考察的重点内容，一般用A、B、C、???来表示。在正交试验中，只选取可控因素参加试验。 5、水平 是指因素在试验中所处的状态或条件。对于定量因素，每一个选定值即为一个水平。水平又叫位级，一般用1、2、3、???来表示。在试验中需要考察某因素的几种状态时，则称该因素为几水平（位级）的因素。 二、正交表 正交表：在设计安排正交试验时制作好的标准化的表格。
1、正交表的性质： 1）、均衡分散性。由于每一列中各种字码出现相同的次数，这就保证了试验条件均衡地分散在配合完全的水平组合中，因而代表性强，容易出现好条件。（效率高） 2）、整齐可比性。由于任意两列中全部有序的数字对出现相同的次数，这就保证了在各个水平的效果之中，最大限度地排除了其他因素的干扰，因而能最有效地进行比较，作出展望。（效果好） 三、常用正交试验设计与分析 常用正交试验设计与分析的步骤如下 1、明确试验目的； 2、确定考察的指标； 3、挑因素，选水平（位级）； 4、设计试验方案； 5、实施试验方案； 6、试验结果分析（一般用目测法、极差分析法、画趋势图等）； 7、反复调优试验以逼近最优方案； 8、验证试验并通过生产验证确认较优方案。 三、常用正交试验设计与分析－示例 1、明确试验目的 2,4－二硝基苯肼是××化工厂生产的一种试剂产品。过去的工艺过程长、工作量大，且产品经常不合格。今采用2,4－二硝基氯代苯（以下简称氯代苯）与水合肼在乙醇作溶剂下合成的新工艺，小试已初步成功，但产率只有45％，希望通过正交试验，找出好的生产条件，达到优质增产的目的。 2、确定考察指标
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０。设测定值总体为N(u，2 σ的置信度为0.9的置信区间。 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-Samplｅt-tｅst foｒa Meａn,将待分析变量jq送入Variaｂle中，在单击Ｔests，选中Inteｒval,设置confｉdｅnｃeｌeｖｅl 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——HypothｅｓiｓTests ——One-Sample t-test for ａMeａn，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）. (3）金球方差置信度为０。9的置信区间，SAS程序如下： ①打开analyst,选择Bq文件,打开数据： ②Staｔiｓｔｉcs ——Ｈypothesｉs Tesｔs ——One－Ｓaｍple Teｓt for a Ｖariance，将待分析变量jq送入Variable中,并在Nulｌ:Vａr中设置一个大于０的数，再单击Interｖaｌｓ,选中Iｎterval，设置ｃonfidｅｎｃｅlevel设置为９０.0％： ③结果输出:金球σ2的置信度为０。9的置信区间为(676E—8,０。0００1）