均匀设计试验案例

案例2
液膜法萃取磷酸根离子及其工艺条件的优化
案例背景：目前，工业及民用洗涤剂中相当部分是含磷酸盐的，尤其是在发展中国家情况更是如此。

这种含磷废水排入水体后，造成水体富氧化，使藻类过度生长，从而破坏了正常的生态平衡。

解决洗涤剂对水体污染问题有两种途径，一是使用无磷洗涤剂，二是对含磷废水进行无磷化处理。

无磷化处理的传统工艺是沉淀法，在废水中加入大量的沉淀剂，使磷酸根以沉淀物的形式分离出来，该法操作简单，但是需要大规模的沉淀池和过滤设备。

液膜分离过程占地面积小，操作简单，效率高，是一种新兴的高效分离技术。

用液膜法处理含磷废水的技术关键是选择含有合适的流动载体和表面活性剂的液膜体系。

本案例对磷酸三丁酯-113A-煤油体系萃取磷酸根工艺进行研究，并对工艺条件进行优化。

考察因素：6个，分别是油相中磷酸三丁酯、113A的浓度，内相中氨水的浓度，油内比，水乳比，外相中磷酸根浓度。

因素水平：6个（等水平），具体见表1
16
实验。

实验方案及实验结果如表2所示。

型，并对模型的适用性做出判断。

案例问题3 对案例问题2确定的数学模型进行综合分析，并做出你的研究结论。

案例问题4用液膜法萃取磷酸根，我们希望在保证萃取率接近完全（萃取率接近100%）的前提下，一定的液膜量处理的含磷酸根的外相溶液越多越好（即水乳比越大越好）。

根据案例问题2确定的数学模型，建立此优化问题的数学模型。

u-type均匀设计摘要：1.U 型均匀设计的概念2.U 型均匀设计的应用领域3.U 型均匀设计的优点4.U 型均匀设计的实施步骤5.U 型均匀设计的案例分析正文：一、U 型均匀设计的概念U 型均匀设计，又称为正交试验设计，是一种实验设计方法，主要通过最少的试验次数，得到较为精确的结果。

该设计方法源于日本，并在上世纪80 年代引入我国，逐渐在各行各业中得到广泛应用。

二、U 型均匀设计的应用领域U 型均匀设计主要应用于以下几个领域：1.工程领域：如机械制造、建筑结构等；2.化学领域：如催化剂选择、聚合物制备等；3.医药领域：如药物筛选、药效评价等；4.环境领域：如水处理、大气污染治理等。

三、U 型均匀设计的优点U 型均匀设计具有以下几个优点：1.试验次数少：相较于其他实验设计方法，U 型均匀设计能够用较少的试验次数得到较为精确的结果；2.节省资源：试验次数的减少意味着资源和成本的节省；3.容易实施：U 型均匀设计操作简单，容易实施，适用于各类工程技术人员；4.结果可靠：U 型均匀设计可以有效地评估各因素对试验结果的影响，提高结果的可靠性。

四、U 型均匀设计的实施步骤U 型均匀设计的实施步骤如下：1.确定试验目的：明确试验的研究目的和需要解决的问题；2.选择试验因素：确定影响试验结果的关键因素，并确定各因素的取值范围；3.设计试验方案：根据试验因素的取值范围，制定试验方案；4.实施试验：按照试验方案进行试验，并记录试验结果；5.分析试验结果：对试验结果进行统计分析，得出结论。

五、U 型均匀设计的案例分析以某化工厂催化剂筛选为例，该厂需要选择一种适合其生产工艺的催化剂，以提高生产效率。

采用U 型均匀设计进行试验，具体步骤如下：1.确定试验目的：提高生产效率；2.选择试验因素：催化剂种类、温度、压力；3.设计试验方案：选择4 种催化剂，分别在3 种温度和2 种压力下进行试验；4.实施试验：按照试验方案进行试验，记录各条件下的生产效率；5.分析试验结果：通过统计分析，得出最优的生产条件，并选用相应的催化剂。

均匀设计法在催化剂制备中的应用北京燕山石化公司研究院史建公华东理工大学催化所朱晓苓返回如何安排实验，是一个十分重要和值得研究的问题。

通常采用的实验设计方法有全面实验法和正交实验法（1）。

全面实验法是让每个因素的每个水平都有配合的机会，并且配合的次数一样多，其优点是结论较精确，缺点是实验次数太多。

正交实验法是使用一套规格化的正交表，排出最有代表性的实验，合理节省实验次数，并从实验数据中充分提取所需信息，特点是具有均匀分散、整齐可比性。

在催化剂研究中，活性组份的选择及组份间的配比、沉淀的PH值及温度、陈化时间、焙烧温度；气氛等都是影响催化剂性能的重要因素，如何在较短的时间内，以较少的人力和物力，找到催化剂的最佳元素配比和制备条件在催化剂研究中显得日益重要。

采用全面实验法和正交实验法有时显得力不从心。

如3因素10水平实验，用正交法需要100次。

另外正交表为了照顾“整齐可比”的特点，往往无法做到充分“均匀分散”。

这启示我们在实验时，可以不考虑“整齐可比”，而让实验点在其范围内充分“均匀分散”，这种从均匀性出发的实验设计，称为“均匀设计法”（2）。

１.实验设计与优化丙烯氨氧化制丙烯晴（AN）催化剂为M0-Bi-w-O系多组份复合氧化物结构，根据对催化剂制备条件的分析，选用沉淀的PH值、陈化时间（T）、沉淀温度（T1）和焙烧温度（T2）4个因素，每个因素取5个水平。

由于考察因素的范围较广，水平较多，故采用均匀设计，对于4因素5水平，可用U5（54）安排5次实验即可，但考虑到5次实验次数太少。

所得结论可靠性差，因此采用U9（94），做9次试验，以增加结论的可靠性，实验安排如表1、表2所示。

催化剂的制备过程及评价方法见文献（3）按表2中pH、T、T1和T2进行操作表2 催化剂制备试验方案表3 Y随反应温度（RT）的变化由表3可见，每一催化剂的最佳反应温度均为440℃，因此以440℃各催化剂的单收为函数，对实验因素作二次非线性回归（3），得到如下方程：Y=-1055.89-15.6919PH+0.4092T+0.05354T1+4.0226T2+3.9240PH2-1.4483*10T2+3.8919T12-3.6561×10T22复相关系数K=0.9999，标准差S=0.1178说明回归方程是显著的。

dps均匀试验设计例子好啦，今天咱们来聊聊一个听上去有点儿高大上的话题——DPS均匀试验设计。

看着这个名字，可能大家会想：“这是啥玩意儿，听着好复杂！”别急，听我慢慢给你捋一捋。

其实啊，DPS均匀试验设计，它就是一种常用的实验设计方法，主要是为了确保实验过程中，我们选取的试验条件能够覆盖到各个方面，给出一种比较合理、科学的结果。

听起来好像很“呆板”，对吧？其实也不完全是这样，咱们从生活中来找找感觉，看看它其实就是一种聪明的选择方式。

你有没有过这么一种经历，去买手机的时候，看到不同品牌、不同型号、不同价格的各种手机，简直眼花缭乱，根本不知道从哪里下手。

那时候你就特别希望有人能帮你做一个合理的筛选，给你推荐几个比较符合你需求的款式。

DPS均匀试验设计就是这么个角色，它能帮助我们在复杂的实验中，合理地筛选出有效的组合，省时省力，还能保证结果的科学性。

就像选手机一样，不用试遍所有型号，直接从最符合需求的几个选项中挑出最佳的。

举个简单的例子，假设你要做一个农业实验，看看不同肥料、温度和水量对作物生长的影响。

你总不能一个一个条件单独试，搞得像个疯狂科学家似的吧？那样的话，试验得做到什么时候去？这时候，DPS均匀试验设计就派上用场了。

它会让你通过一种巧妙的方式，把这些因素的各种组合覆盖到，让你不浪费时间，也不遗漏任何关键因素。

简单来说，就是让你做一个“效率极高”的实验。

再举个更贴近生活的例子，你是不是也常常听人说，选一个好的餐厅，菜品要多，价格要合适，还得有好评。

这不就是一种综合考虑的过程嘛！你不可能每家餐馆都尝一遍，得从那些关键因素中挑几个有代表性的来评估。

DPS均匀试验设计也差不多，它会帮助你在有限的资源下，快速找到最优解。

就像你去挑选餐厅一样，选择的依据不仅仅是价格，还得考虑口味、环境、服务等等。

而这个“试验设计”就是帮助你在这些变量中找到最合适的那几个。

说到这里，大家可能会觉得DPS均匀试验设计其实并没有那么高深，其实说白了就是一种让你“事半功倍”的方法。

均匀设计实验方法
它是一种很特别的实验设计方法哦。

你想想看，做实验的时候，我们常常想要用最少的实验次数得到最多最有用的信息，均匀设计就有这个本事呢。

比如说，要是传统的全面实验法，那可能要做超级多的实验组合，又费时间又费材料。

但是均匀设计呢，就像是一个聪明的小助手，它会巧妙地安排实验点，让这些点在整个实验范围内分布得超级均匀。

这种均匀分布有啥好处呢？这就好比你在一个大果园里摘果子，你要是乱走乱摘，可能有的地方果子好你没发现，有的地方你又白跑了。

但要是按照均匀设计的方法，就像是有个小地图，告诉你在哪几个地方摘，就能摘到各种不同类型的果子，把果园的情况摸得门儿清。

在实际操作的时候呢，它有自己的一套规则。

它会根据因素的个数和水平数来确定实验方案。

就像搭积木一样，每个积木块（因素）都有自己不同的样子（水平），均匀设计能把这些积木搭得又整齐又合理。

而且哦，它的实验点不会集中在某个小区域，而是均匀地散落在整个实验空间里。

均匀设计在很多领域都大显身手呢。

在化学实验里，要调配各种试剂的比例，用均匀设计就能快速找到比较好的配比组合。

在农业上，研究不同肥料、水分、光照对作物的影响，也可以靠它。

它就像一个多面手，到处都能帮忙。

为确定软胶囊最佳胶皮处方配制胶皮，定溶解速率，要考察明胶与甘油质量的比例、聚乙醇400(PEG400)的量、二氧化钛的量对胶皮溶解速率的影响规律，优化出胶皮处方。

并结合生产实际，重点筛选明胶与甘油的比例和PEG400的用量，每个因素选择7个水平，用U 7（74）均匀设计表，以胶皮溶解速率k 为考察指标，进行实验.各因素水平表 由于有2个因素，7个水平，故选用U 7（74）均匀设计表。

水平 因素 X 1(明胶：甘油) X 2 (PEG400/%)1 1:0.4 1.02 1:0.5 2.03 1:0.6 3.04 1:0.7 4.05 1:0.8 5.06 1:0.9 6.0 71:1.07.0U7（74）均匀设计表No 1 2 3 41 123 62 2 4 6 53 3 6 2 44 4 15 35 5 3 1 26 6 5 4 17 7 7 7 7U7（74）均匀设计使用表因素数列号偏差2 1,3 0.23983 1, 2，3 0.37214 1，2，3，4 0.4760 从使用表可看出，2因素试验，选用1、3两列。

应用选择的UD-表，做出实验安排。

做回归分析处理，如下从回归分析看出，由于sigF=0.111168>0.05,故不显著。

回归方程为:y^= 0.302-0.048X 1+0.035X 2No X 1(明胶：甘油) X 2 (PEG400/%) Y 收率 1 1:0.4 3.0 0.330 2 1:0.5 6.0 0.336 3 1:0.6 2.0 0.294 4 1:0.7 5.0 0.476 5 1:0.8 1.0 0.209 6 1:0.9 4.0 0.451 71:1.07.00.482。

均匀设计例题例2. 均匀设计法优化分光光度法测定抗坏血酸的试验条件。

影响因素为Fe3+溶液(X1)、磺基水杨酸溶液（X2）、缓冲溶液的用量(X3)以及显色时间(X4)。

每个因素安排18个水平。

选定，考察指标为吸光度（Y)。

试验结果见表1：表1 均匀设计表U4均匀设计作业均匀试验优化异亮氨酸发酵条件采用6因素10水平10组试验的方式（均匀表U10*（108）），考察了葡萄糖（X1）、（NH4）2SO4（X2）、KH2PO4（X3）、生物素VH（X4）、V B1（X5）、蛋氨酸Met（X6）对产异亮氨酸的影响，各个因素的水平数见表3。

试验考察指标为产酸率（Y）,结果见表4：表3 各个因素的水平数（g/100mL）水平x1 x2 x3 x4 x5 x61 10 1 0.1 6 0.1 12 11 1.5 0.15 8 0.2 23 12 2 0.2 10 0.3 34 13 2.5 0.25 12 0.4 45 14 3 0.3 14 0.5 56 15 3.5 0.35 16 0.6 67 16 4 0.4 18 0.7 78 17 4.5 0.45 20 0.8 89 18 5 0.5 22 0.9 910 19 5.5 0.55 24 1 10表4 均匀表U10*（108）试验结果因素x1 x2 x3 x4 x5 x6 Y（g.L-1）1 123 5 7 10 6.332 2 4 6 103 9 6.183 3 6 94 10 8 4.364 4 8 1 9 6 7 2.185 5 10 4 3 26 2.556 6 1789 5 9.457 7 3 10 2 5 4 11.648 8 5 2 7 1 3 13.099 9 7 5 1 8 2 2.1810 10 9 8 6 4 1 1.45。

均匀设计试验方法《均匀设计试验方法大揭秘，跟着我就对啦！》嘿，朋友！今天我要给你唠唠这个超厉害的均匀设计试验方法，这可是我的独家秘籍哦！首先呢，咱得明确试验目的。

就好比你要去一个地方，你得知道你为啥要去那儿，是去看风景呢，还是去找宝藏呀！这一点很重要，可别瞎捣鼓。

然后呢，选择因素和水平。

这就像是你要做菜，得想好要用啥菜、放多少调料。

比如说，你要研究做蛋糕，那因素可能就是面粉的量、鸡蛋的个数、糖的多少，这就是不同的水平啦。

接下来就是设计试验方案啦。

这一步就像是搭积木，你得把那些因素和水平巧妙地组合在一起。

咱得让它们均匀分布，别都挤在一块儿，也别有的地方空落落的。

我跟你说，我之前有一次做试验，没设计好，结果那数据乱得呀，就像被猫抓过一样，可别提多搞笑了。

设计好方案后，就开始做试验啦。

这时候你就得认真啦，就像考试一样，可不能马虎。

每个步骤都得按计划来，别一会儿多加点这个，一会儿少放点那个。

做完试验，收集数据。

这数据就像是宝贝，可得好好对待。

千万别弄掉了或者记错了，不然就白忙活啦。

然后呢，对数据进行分析。

这就像是侦探破案一样，从那些数据里找出线索，看看哪个因素最重要，哪个水平最合适。

分析完数据，得出结论。

这时候你就知道你的试验成功没成功啦。

要是成功了，那就欢呼吧！要是没成功，也别灰心，咱再研究研究，改进改进。

我再给你说个比喻啊，这均匀设计试验方法就像是给你一个大拼图，你得把那些小块块都找到合适的位置，才能拼出一幅完整的画。

还有啊，我有一次做试验，把一个数据记错了，结果分析出来的结论完全不对，后来发现的时候，我自己都笑了，这脑子咋还能犯这种低级错误呢。

总之呢，均匀设计试验方法不难，只要你按照步骤来，认真细心，肯定能学会。

朋友，加油哦！相信你用这个方法能做出超棒的试验成果！下次咱再见面，你可得给我讲讲你的成功经验哦！哈哈！。

均匀实验设计均匀实验设计（Latin Square Design）一、引言均匀实验设计（Latin Square Design）是一种常用的实验设计方法，主要用于解决多个处理因素对试验结果的影响问题。

该设计方法的特点是能够控制处理因素间的相互影响，使其对试验结果的影响尽可能均匀分布，从而提高实验的可靠性和可重复性。

二、基本原理均匀实验设计基于拉丁方阵的思想，将试验因素的各个水平组合在一个方阵中，并通过对角线的平移来实现处理因素间的均匀分布。

这种设计方法可以保证每个处理因素在每个试验单元中只出现一次，并且每个处理因素与其他处理因素的组合次数相同。

三、设计步骤1. 确定处理因素：首先需要确定实验中所涉及的处理因素及其各个水平。

2. 构建拉丁方阵：根据处理因素的水平数目，构建一个满足要求的拉丁方阵。

拉丁方阵的特点是每行、每列中的元素各不相同。

3. 安排试验：将拉丁方阵中的每一行或每一列作为一个试验单元，将处理因素水平与试验单元相对应。

4. 执行实验：按照设计好的试验方案执行实验，记录数据并进行分析。

四、优点与应用均匀实验设计具有以下优点：1. 控制处理因素间的相互影响：通过拉丁方阵的设计，可以尽量均匀地分配处理因素的水平组合，从而减少处理因素间的相互影响。

2. 提高实验的可靠性和可重复性：均匀实验设计能够有效地降低误差来源，提高实验结果的可靠性和可重复性。

3. 节省试验资源：均匀实验设计能够充分利用有限的试验资源，减少试验次数，提高试验效率。

均匀实验设计广泛应用于各个领域，特别是在农业、医学、工程和社会科学等实验研究中。

例如，在农业领域中，均匀实验设计可用于研究不同施肥水平对作物产量的影响；在医学领域中，可以使用均匀实验设计研究不同药物剂量对疾病治疗效果的影响。

五、实例分析以农业领域为例，假设我们要研究不同施肥水平对小麦产量的影响。

首先确定处理因素为施肥水平，设定三个水平：低水平、中水平和高水平。

然后构建一个3×3的拉丁方阵如下：1 2 32 3 13 1 2将拉丁方阵的每一行或每一列作为一个试验单元，将处理因素水平与试验单元相对应，得到以下试验方案：试验单元1：低水平、中水平、高水平试验单元2：中水平、高水平、低水平试验单元3：高水平、低水平、中水平根据该试验方案，进行实验并记录数据。

均匀设计某冶炼厂排出的废水中含有大量的镉、鉮、铅等有害元素，对环境造成严重污染。

考察的试验因素为温度（z1）、时间（z2）、碱与硫酸亚铁之比（z3）以及硫酸亚铁用量（z4），每个因素取9个水平。

根据使用表可知，我们选取的均匀设计表为U9(95)表1因素水平表表2 U9(95)的使用表因素数列号D2130.1944 31340.3102412350.4066根据因素和水平，可以选择均匀设计表U9（95）。

根据U9（95）的使用表，将z1，z2，z3和z4分别安排在U9（95）表的1、2、3、5列（D ＝0.4066），其试验方案及试验结果如下表。

表3 均匀设计表U9(95)列号试验号12345 112478224857336336448715551284663663775142887521999999表4 均匀设计结果（1）直观分析法：由表可以看出9号试验所得产品的吸盐水能力最强，可以将9号试验对应的条件作为较优的工艺条件。

（2）回归分析将实验结果表输入到SPSS软件中，进行回归分析，得到以下结果：输入／移去的变量b模型输入的变量移去的变量方法1 z4, z2,z3, z1. 输入a. 已输入所有请求的变量。

b. 因变量: y从方差分析结果可以看出，所求的方程非常显著，该回归方程是可信的。

R=0.992，说明y 和z 1、z 2、z 3、z 4高度线性相关。

由上述分析结果可知，回归方程为：y ＝18.585＋1.644z 1－11.667z 2＋0.101z 3－3.333z 4 这是一个四元线性回归方程，经检验回归方程有显著性（F =70.692，P =0.001）。

对各偏回归系数进行假设检验的结果为：t 1=12.980， P =0.000；t 2 =－3.684，P =0.021； t 3=1.754，P =0.154； t 4 =－1.579，P =0.190。

由标准偏回归系数可知因素的主次顺序为：z 1＞z 2＞z 3＞z 4。

均匀设计的例子（书page230）例 9-1 在石墨炉原子吸收分光光度计上用均匀设计试验法选择测定微量钯的工作条件。

已知影响钯吸光度的主要因素有灰化温度(X1)、灰化时间(X2)、原子化温度(X3)和原子化时间(X4)。

由原子化机理可知, 灰化温度和原子化温度对吸光度的影响可拟合为二次函数, 即回归方程中应有X12和X32两项。

两因素发生在不同时间, 因此不存在交互作用, x1x3项可不列入回归方程; 灰化时间和原子化时间的影响比较复杂, 但也用二次多项式逼近, 忽略其交互作用, 方程中有x22和x42项。

加上一次项, 回归方程系数个数为８, 至少应安排９次试验才能求得各系数。

根据实际经验选择的各因素的水平值如表１所示。

表 1 因素及水平设计用混合水平的均匀设计表安排试验, 试验方案和结果见表２。

表 2 试验方案和结果(括号外的数字为水平编号, 括号内的数字为各因素的水平值)注: 本例子采用的混合水平的均匀设计表的水平排列方式与方开泰先生所著《均匀设计与均匀设计表》, 科学出版社, 1994 中给出的混合水平的均匀设计表U12(12X63)的水平排列方式不同, 特此说明。

均匀设计2.10版启动后界面如下：在“试验设计”栏目依次选择“考察指标数为1，试验因素数为4，运行的次数（即试验次数）为12。

选中“混和水平的试验选框”，选择水平组合为12X6X6X6。

点击“指标因素信息”按钮，显示指标因素信息依次输入指标和因素的名称、单位本例子采用的混合水平的均匀设计表的水平排列方式与方开泰先生所著《均匀设计与均匀设计表》, 科学出版社, 1994 中给出的混合水平的均匀设计表U12(12X63)的水平排列方式不同。

故需要手动输入指标因素的数据。

数据录入完毕后最好马上存储一下数据，以免误操作后遗憾：）点击“多元回归分析”按钮回归模型设置选中“二次项”（默认也是这个选项）分别选中1X1、2X2、3X3、4X4的交互项，请注意上方“拟建立回归方程”会实时变化。

混合均匀设计表混合均匀设计表——实现多元融合的完美平衡一、引言混合均匀设计表是一种广泛应用于实验设计的方法，它能够帮助研究人员在有限的资源下，实现多个因素的均匀混合。

本文将介绍混合均匀设计表的基本原理和应用，并通过真实案例向读者展示其重要性和效果。

二、基本原理混合均匀设计表是一种特殊的实验设计方法，其核心思想是将不同的处理因素合理地分组，以达到均匀混合的效果。

具体而言，混合均匀设计表将各个处理因素进行排列组合，使得每个因素在不同的组合中出现的次数相等，从而实现多因素的均匀混合。

三、应用案例以某汽车制造厂的生产线优化为例，为了提高生产效率和产品质量，研究人员采用了混合均匀设计表的方法。

首先，他们将不同的生产因素（如原材料、工艺参数、生产设备等）进行分类，并根据实际情况确定了若干个因素水平。

然后，根据混合均匀设计表的原理，将各个因素水平进行组合，形成多个处理组合。

最后，通过对每个处理组合进行实验，研究人员得到了最佳的生产方案。

四、实现效果通过混合均匀设计表的应用，该汽车制造厂实现了生产效率和产品质量的双重提升。

首先，由于处理因素的均匀混合，各个因素的影响效果得以充分展现，使得生产线的优化更加全面。

其次，混合均匀设计表还能够避免处理因素之间的相互干扰，提高了实验的准确性和可靠性。

五、结论混合均匀设计表是一种有效的实验设计方法，它能够帮助研究人员在有限的资源下实现多个因素的均匀混合。

通过合理地分组处理因素，混合均匀设计表能够提高实验的效率和准确性，从而为科学研究和工程实践提供有力支持。

在实际应用中，我们应该充分发挥混合均匀设计表的优势，不断探索其更广泛的应用领域，为人类的发展进步贡献力量。

（以上内容仅为模拟创作，不代表真实情况）。

混料均匀试验设计在化工、材料工业、食品及低温超导等领域中的一些试验中,试验考察并不是各影响因素不同水平组合对响应的影响或它们间的相互关系。

而是要考察各因素在所有因素混料中所占比例对响应的影响。

这种与一般因子试验的区别使得混料设计（或称配方设计）不论是理论还是应用上都非常重要。

混料均匀设计以在混料试验区域均匀布点为出发点,提供了一种模型稳健的设计方案。

克服了最优设计在区域边界布点过多及过于依赖模型假设条件的弱点。

丰富了试验设计理论。

本文结合均匀设计的思想,提出了混料设计试验区域（区域为标准单纯形）上的L₂—偏差“DM₂偏差”及“CDM₂偏差”。

并推导出了它们的一般计算公式。

为均匀混料设计优良性提供了一个方便可行的度量标准。

在这两个偏差准则下,对于同一个试验问题的两个不同设计,可以通过计算它们的偏差值方便的选出较均匀的设计。

从而为实际实验选出较合理的设计方案。

在现有的设计表构造方法的基础上,本文提出了几种新的设计表构造方法。

对于一般的无限制条件混料设计,提出了U型设计变换法及非边界单纯形格子搜索法。

在试验维数不高,而试验点数n也不大时,这两种方法都有不错的效果。

而对于有限制条件混料设计中的保序限制条件混料设计,本文证明了在次序变换下,变量的分布仍保持原来的均匀分布。

因此,为保序限制条件混料设计找到了简单可行的设计表构造方法。

最后,考虑到混料均匀设计和一般因子设计中的均匀设计一样:“维数较高的时候,设计表构造的计算是个NP-hard问题”。

本文引入了门限接受和NTLBG两种算法,在减小设计表构造中计算量的同时,找到较均匀的设计。

并对NTLBG算法做出了（?）进,克服了NTLBG算法仅对MSE偏差收敛的弱点。

提出了加权NTLBG算法,在DM₂偏差下也能找到较均匀的混料设计。