第四节考虑交互作用的正交试验分析
在多因素的试验中，除了各个因素对指标的单独影响外,还存在着因素间的联合作用?这种两个或多个因素之
间对指标的相互制约或相互促进的联介作用称为因素间的交互作用?例如，药物的配伍密切影响疗效，有时存在协同作用，有时存在拮抗作用.比如磺胺甲基异噁(SMZ)和甲氧节胺喘咙(TMP)均为抗菌药，单用时均会产
生耐药性且抗菌效果不佳.两药合用可使磺胺药抗菌作用增强数倍到数卜倍，从而减少耐药菌株的产生，对磺
胺药已耐药的菌株也将被抑制, 尤其对大肠杆菌、流感杆菌和金匍菌的抗菌作用比磺胺药单用要强4~8倍.同时，在药物的生产过程中，反应时的温度、物料的浓度、搅拌的速度、酸碱度等因素之间，可能会因水平搭配的不同，而表现岀不容忽视的交互作用.
内容分布图示
★考虑交互作用的正交试验分析
★例1
★内容小结
内容要点：
两个因素A和B间的交互作用称为一级交互作用，记为AXB.三个因素A.B和C之间的交互作用，称为二级交互作用?记为AXBXC.三个以上因素之间的交互作用,称为高级交互作用?在多因素试验中如果不能确定因素间是否存在交互作用，通常就要考察因素间交互作用对试验结果影响大小.在正交试验设计中，如果要考虑因素间的交互作用，需要把交互作用作为独立的因素来对待?因素间的交互作用可直接在正交表反映出来，许多正交表都有它相应的交互作用表?交互作用表是用来安排交互作用试验的?把交互作用看成是一个因素，它在正交表中也占一定的列，此列叫交互作用列?任两列间的交互作用可从交互作用表中査出应安排在哪一列上.
例题选讲
例1 (E01)某农药厂生产一种农药,收率不很理想，且不稳泄，想通过试验寻找合适的生产条件以掌握规律，通过产品收率,达到稳产高产的目的?根据以往经验,考查四个因素，每个因素务取二个水平,因素和水平如下
其中因素和之间存在交互作用.
由于考察的是四因素两水平，几=九=几=九=2-1 = 1 ,故有
几=几+几+ /c +九=4,在2水平正交表中，选用正交表厶(2?).将A.B.C.D四个因素分别安排在124,7列上，查厶(2?)交互作用表，可以知道交互作用AXB应安排在第三列上, 第5,6列没有安排因素，称为空白列?得到试验结果如下：
1 2 3 4 5 6 7 收率
因素
A
B AXB
C
D (%)
1
1 1 1 1 1 1 1 86 试
2 1 1 1 2 2 2 2 95
3 1 2 2 1 1 2 2 91 验
4 1 2 2 2 2 1 1 94
5 2 1 2 1 2 1 2 91 号
6 2 1 2
2 1 2 1 96
7 2 2 1 1 2 2 1 83
8
2
2
1
2
1
1
2
88
用直观分析法讣算极差，结果见下表
1 A
2 B
3 AXB
4 C 7 D
366
368 352 351 359 K 2
358 356 372 373 365 K
91.5 92 88 87.75 89.75 K 2
89.5 89 93 93.25 91.25 R
2
3
5
5.5
1.5
由上表可以得到因素的主次顺序为C, AXBBADC 为主要因素，取Co AB 取什么因素
不重要，但AXB 较主要.因此通过看A 与B 哪种搭配较好来决左A.B 所取的水平.首先计算A 与B 二次试验结由上表可以得到仏与d 搭配较好?且与后而B 取d 无矛盾?故最佳搭配为
A 2 C 2 D 2 ?
注意:虽然单独作用时，因素A 应取儿,但因为AXB 的作用要大于A 的作用，故应优先考虑
AXB 作用时的最佳搭配?即若交互作用水平的选取与因素水平的选取有矛盾,一般应根据因 素和交互作用的主
次顺序来选取水平，即根据主要因素的水平而左.
第四节 考虑交互作用的正交试验分析 在多因素的试验中,除了各个因素对指标的单独影响外,还存在着因素间的联合作用.这种两个或多个因素之间对指标的相互制约或相互促进的联合作用称为因素间的交互作用.例如,药物的配伍密切影响疗效,有时存在协同作用,有时存在拮抗作用. 比如磺胺甲基异噁(SMZ)和甲氧苄胺嘧啶(TMP)均为抗菌药,单用时均会产生耐药性且抗菌效果不佳.两药合用可使磺胺药抗菌作用增强数倍到数十倍,从而减少耐药菌株的产生,对磺胺药已耐药的菌株也将被抑制,尤其对大肠杆菌、流感杆菌和金葡菌的抗菌作用比磺胺药单用要强4~8倍.同时,在药物的生产过程中,反应时的温度、物料的浓度、搅拌的速度、酸碱度等因素之间,可能会因水平搭配的不同,而表现出不容忽视的交互作用. 内容分布图示 ★ 考虑交互作用的正交试验分析 ★ 例1 ★ 内容小结 内容要点： 两个因素A 和B 间的交互作用称为一级交互作用,记为A ×B.三个因素A,B 和C 之间的交互作用,称为二级交互作用,记为A ×B ×C .三个以上因素之间的交互作用,称为高级交互作用.在多因素试验中如果不能确定因素间是否存在交互作用,通常就要考察因素间交互作用对试验结果影响大小.在正交试验设计中,如果要考虑因素间的交互作用,需要把交互作用作为独立的因素来对待.因素间的交互作用可直接在正交表反映出来,许多正交表都有它相应的交互作用表.交互作用表是用来安排交互作用试验的,把交互作用看成是一个因素,它在正交表中也占一定的列,此列叫交互作用列.任两列间的交互作用可从交互作用表中查出应安排在哪一列上. 例题选讲 例1（E01）某农药厂生产一种农药,收率不很理想,且不稳定,想通过试验寻找合适的生产条件以掌握规律,通过产品收率,达到稳产高产的目的.根据以往经验,考查四个因素,每个因素各取二个水平,因素和水平如下表, 水平 因素 反应温度A(℃) 反应时间B(h) 配比C 真空度D(Pa) 1 60 2.5 1.1:1 500×133.3324 2 80 3.5 1.2:1 600×133.3324 其中因素A 和B 之间存在交互作用. 由于考察的是四因素两水平,112=-====D C B A f f f f ,故有 4=+++=D C B A f f f f f 试,在2水平正交表中,选用正交表)2(78L .将A,B,C,D 四个因素 分别安排在1,2,4,7列上,查)2(7 8L 交互作用表,可以知道交互作用A ×B 应安排在第三列上,
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 1正交试验的引入 在实际的生产实践当中，由于需要考虑的因素（对结果产生影响的变量）通常比较多，同时，每个因素的水平个数（每个变量的可取值个数）也不止一两个。如果对每个因素的每个水平交互搭配全部进行试验，例如：对于5因素4水平的 实验，全部次数为：541024 ，需要用相当长的时间进行统计分析计算，同时耗费了大量的人力物力。 而如果采用正交试验设计，试验的次数将大大减少，同时对统计结果的分析也变得简单。正交试验设计是利用正交表科学的安排与分析多因素试验的方法，是最常用的试验设计之一。 2正交表的分类及优势 正交表分为：等水平正交表和混合水平正交表。等水平代表各因素所取的水平数相同，混合水平表示各因素的水平数不一定相同。 正交表的优点：（1）能够在所有方案中均匀的选出具有代表性的方案； （2）通过对少数试验的分析，可以推得较优的方案，并且较优方案往往不包含在少数进行试验了的方案中。 （3）通过对结果分析，可以得到更多有用的信息。包括各因素的重要性等。 3正交试验设计的步骤 总的来说包括两部分：一是试验设计，二是数据处理。归纳为： （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：一般要求为因素数≤正交表列数 （4）明确试验方案，进行试验得到结果； （5）对结果进行统计分析：采用直观分析法或方差分析法，得到因素的主词以及优方案等信息； （6）进行验证试验，做进一步的分析。 4有交互作用的正交试验设计 在许多试验中，不仅要考虑各个因素对试验指标起作用，还有考虑因素间的交互作用对试验解结果的影响。在这种正交试验的设计当中，要把交互作用也作为因素考虑进去。可以查对应的正交表来进行表头设计。 5举例 下面通过举例来说明如何设计正交表以及对用不同的方法对试验结果进行分析。例1（三水平三因素正交表设计以及直观分析法）以下试验考虑的两个指标全部
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。
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
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
第十一章正交设计试验资料的方差分析 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。 正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 第一节、正交设计原理和方法 (一) 正交设计的基本概念 正交设计是利用正交表来安排多因素试验、分析试验结果的一种设计方法。它从多因素试验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，通过对这部分试验结果的分析了解全面试验的情况，找出最优水平组合。 例如，研究氮、磷、钾肥施用量对某小麦品种产量的影响： A因素是氮肥施用量，设A1、A2、A3 3个水平； B因素是磷肥施用量，设B1、B2、B3 3个水平； C因素是钾肥施用量，设C1、C2、C3 3个水平。 这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。 如果进行全面试验，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，由于受试验场地、经费等限制而难于实施。 如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。 正交设计的基本特点是：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。 正交试验是用部分试验来代替全面试验，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。 如对于上述3因素每个因素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。 一、正交设计的基本原理 表11-1 33试验的全面试验方案
实验设计与分析课程论文 题目利用SPSS 软件进行方差分析和正交试验设计 学院 专业 年级 学号 姓名 2012年6月29日
一、SPSS 简介 SPSS 是世界上最早的统计分析软件，1984年SPSS 总部首先推出了世界上第一个统计分析软件微机版本SPSS/PC+，开创了SPSS 微机系列产品的开发方向，极大地扩充了它的应用范围，并使其能很快地应用于自然科学、技术科学、社会科学的各个领域，世界上许多有影响的报刊杂志纷纷就SPSS 的自动统计绘图、数据的深入分析、使用方便、功能齐全等方面给予了高度的评价与称赞。 SPSS 的基本功能包括数据管理、统计分析、图表分析、输出管理等等。SPSS 统计分析过程包括描述性统计、均值比较、一般线性模型、相关分析、回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，比如回归分析中又分线性回归分析、曲线估计、Logistic 回归、Probit 回归、加权估计、两阶段最小二乘法、非线性回归等多个统计过程，而且每个过程中又允许用户选择不同的方法及参数。SPSS 也有专门的绘图系统，可以根据数据绘制各种图形。SPSS 的分析结果清晰、直观、易学易用，而且可以直接读取EXCEL 及DBF 数据文件，现已推广到多种各种操作系统的计算机上，它和SAS 、BMDP 并称为国际上最有影响的三大统计软件。 SPSS 输出结果虽然漂亮，但不能为WORD 等常用文字处理软件直接打开，只能采用拷贝、粘贴的方式加以交互。这可以说是SPSS 软件的缺陷。 二、方差分析 例如 某高原研究组将籍贯相同、年龄相同、身高体重接近的30名新战士随机分为三组，甲组为对照组，按常规训练，乙组为锻炼组，每天除常规训练外，接受中速长跑与健身操锻炼，丙组为药物组，除常规训练外，服用抗疲劳药物，一月后测定第一秒用力肺活量(L)，结果见表。试比较三组第一秒用力肺活量有无差别。对照组为组一，锻炼组为组二，药物组为组三。 第一步：打开 SPSS 软件 表1 三组战士的第一秒用力肺活量(L) 对照组 锻炼组 药物组 合计 3.25 3.66 3.44 3.32 3.64 3.62 3.29 3.48 3.48 3.34 3.64 3.36 3.16 3.48 3.52 3.64 3.20 3.60 3.60 3.62 3.32 3.28 3.56 3.44 3.52 3.44 3.16 3.26 3.82 3.28
第十一章正交设计试验资料得方差分析 在实际工作中，常常需要同时考察3个或3个以上得试验因素,若进行全面试验，则试验得规模将很大,往往因试验条件得限制而难于实施。 正交设计就是安排多因素试验、寻求最优水平组合得一种高效率试验设计方法. 第一节、正交设计原理与方法 (一）正交设计得基本概念 正交设计就是利用正交表来安排多因素试验、分析试验结果得一种设计方法。它从多因素试验得全部水平组合中挑选部分有代表性得水平组合进行试验，通过对这部分试验结果得分析了解全面试验得情况，找出最优水平组合. 例如，研究氮、磷、钾肥施用量对某小麦品种产量得影响: Ａ因素就是氮肥施用量,设A１、Ａ2、A3 3个水平; B因素就是磷肥施用量，设B1、B2、B3 3个水平; C因素就是钾肥施用量，设C1、C2、C3 3个水平。 这就是一个3因素每个因素3水平得试验,各因素得水平之间全部可能得组合有2７种。 如果进行全面试验，可以分析各因素得效应，交互作用,也可选出最优水平组合。 但全面试验包含得水平组合数较多，工作量大，由于受试验场地、经费等限制而难于实施。 如果试验得主要目得就是寻求最优水平组合，则可利用正交设计来安排试验. 正交设计得基本特点就是:用部分试验来代替全面试验,通过对部分试验结果得分析，了解全面试验得情况。 正交试验就是用部分试验来代替全面试验,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得混杂。 如对于上述３因素每个因素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个水平组合得全面试验得情况，找出最佳得生产条件。 一、正交设计得基本原理 表１1－1 ３３试验得全面试验方案
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
§6.5 不考虑交互作用的正交试验设计 下面我们先来看一种比较简单的情形，即不考虑因子之间交互作用的情形。不考虑交互作用的正交试验设计和数据处理，可按下列步骤进行： （1）选正交表 。 )(m n r L 选择的原则是： 要等于因子的水平数； 要大于或等于因子的个数； 是试验r m n 次数，要尽可能小。 例如，问题中有4个因子，每个因子都是2个水平。选正交表时，首先要选 =2 的r 表。这样的正交表有 。在 中，=3 ，小于因子的 ),2(),2(),2(15 167 83 4L L L )2(3 4L m 个数4，所以不符合要求。在 中， ，大于因子的个数 ),2(),2(15 167 8L L ,15,7=m 4，符合要求。在符合要求的正交表中，还要选试验次数 尽可能小的那一个表。显然，n 在 中，=8 为最小，所以，我们最后选定正交表 。 )2(7 8L n )2(7 8L （2）设计表头。 将各因子安排在正交表的各列上方，每个因子占1列，这称为表头。在不考虑交互作用的正交试验设计中，表头上的因子可以任意安放。表头上不放因子的列，称为空白列。 （3）按照设计做试验，取得试验观测值。 正交表的每一行代表一种水平组合，对每一种水平组合做一次试验。按照第 行的k 水平组合所做的第 次试验，所得到的观测值记为 。正交表有 行，所以，一共k k X n 要做 次试验，共得到 个试验观测值： 。 n n n X X X ,,,21 （4）在正交表的每一列中，求出与各水平对应的均值，以及这一列的平方和。 设我们考虑的是第 列。在这一列中，表示水平的数字 ，每一个都重j r ,,2,1 复出现 次。设与这一列中的数字 对应的那几行的试验观测值之和为 ，与这r n 1j W 1一列中的数字 对应的那几行的试验观测值之和为 ， ，与这一列中的数字 2j W 2 r 对应的那几行的试验观测值之和为 。将 分别除以 ，就得j r W j r j j W W W ,,,21 r n 到与这一列中各水平对应的均值 。 ,11r n W X j j = ,22r n W X j j = r n W X j r j r = , 然后，从 出发，求出这一列的平方和 j r j j X X X ,,,21 ，其中， 是总均值。具体算法是，把 ∑=-=r i j i j X X r n SS 12 (∑==n k k X n X 1 1 看作样本， 就是样本均值， 就是样本方差再乘以 （或修 j r j j X X X ,,,21 X j SS n
第四节考虑交互作用的正交试验分析 在多因素的试验中，除了各个因素对指标的单独影响外,还存在着因素间的联合作用?这种两个或多个因素之 间对指标的相互制约或相互促进的联介作用称为因素间的交互作用?例如，药物的配伍密切影响疗效，有时存在协同作用，有时存在拮抗作用.比如磺胺甲基异噁(SMZ)和甲氧节胺喘咙(TMP)均为抗菌药，单用时均会产 生耐药性且抗菌效果不佳.两药合用可使磺胺药抗菌作用增强数倍到数卜倍，从而减少耐药菌株的产生，对磺 胺药已耐药的菌株也将被抑制, 尤其对大肠杆菌、流感杆菌和金匍菌的抗菌作用比磺胺药单用要强4~8倍.同时，在药物的生产过程中，反应时的温度、物料的浓度、搅拌的速度、酸碱度等因素之间，可能会因水平搭配的不同，而表现岀不容忽视的交互作用. 内容分布图示 ★考虑交互作用的正交试验分析 ★例1 ★内容小结 内容要点： 两个因素A和B间的交互作用称为一级交互作用，记为AXB.三个因素A.B和C之间的交互作用，称为二级交互作用?记为AXBXC.三个以上因素之间的交互作用,称为高级交互作用?在多因素试验中如果不能确定因素间是否存在交互作用，通常就要考察因素间交互作用对试验结果影响大小.在正交试验设计中，如果要考虑因素间的交互作用，需要把交互作用作为独立的因素来对待?因素间的交互作用可直接在正交表反映出来，许多正交表都有它相应的交互作用表?交互作用表是用来安排交互作用试验的?把交互作用看成是一个因素，它在正交表中也占一定的列，此列叫交互作用列?任两列间的交互作用可从交互作用表中査出应安排在哪一列上. 例题选讲 例1 (E01)某农药厂生产一种农药,收率不很理想，且不稳泄，想通过试验寻找合适的生产条件以掌握规律，通过产品收率,达到稳产高产的目的?根据以往经验,考查四个因素，每个因素务取二个水平,因素和水平如下 其中因素和之间存在交互作用. 由于考察的是四因素两水平，几=九=几=九=2-1 = 1 ,故有 几=几+几+ /c +九=4,在2水平正交表中，选用正交表厶(2?).将A.B.C.D四个因素分别安排在124,7列上，查厶(2?)交互作用表，可以知道交互作用AXB应安排在第三列上, 第5,6列没有安排因素，称为空白列?得到试验结果如下： 1 2 3 4 5 6 7 收率
什么是正交试验设计 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，正交试验设计是分析因式设计的主要方法。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3^3 = 27种组合的实验，且尚未考虑每一组合的重复数。若按L9(3)正交表安排实验，只需作9次，按L18(3)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(3^4)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L8(4×2)，此表的5列中，有1列为4水平，4列为2水平。 编辑本段正交试验设计表 正交试验设计表[1] 正交试验因素水平表正交试验设计方案及试验结果极差分析表(或指标与因素关系图) 方差分析表(简单分析时可无) 正交表的性质 (1)每一列中，不同的数字出现的次数相等。例如在两水平正交表中，任何一列都有数码“1”与“2”，且任何一列中它们出现的次数是相等的；如在三水平正交表中，任何一列都有“1”、“2”、“3”，且在任一列的出现数均相等。 (2)任意两列中数字的排列方式齐全而且均衡。例如在两水平正交表中，任何两列(同一横行内)有序对子共有4种：(1，1)、(1，2)、(2，1)、(2，2)。每种对数出现次数相等。在三水平情况下，任何两列(同一横行内)有序对共有9种，1.1、1.2、1.3、2.1、2.2、2.3、3.1、3.2、3.3，且每对出现数也均相等。 以上两点充分的体现了正交表的两大优越性，即“均匀分散性，整齐可比”。通俗的说，每个因素的每个水平与另一个因素各水平各碰一次，这就是正交性。 正交表的获得有专门的算法，对应用者来说，不必深究。 编辑本段正交试验设计的安排 正交试验设计的关键在于试验因素的安排。通常，在不考虑交互作用的情况下，可以自由的将各个因素安排在正交表的各列，只要不在同一列安排两个因素即可（否则会出现混杂）。但是当要考虑交互作用时，就会受到一定的限制，如果任意安排，将会导致交互效应与其它效应混杂的情况。 因素所在列是随意的，但是一旦安排完成，试验方案即确定，之后的试验以及后续分析将根据这一安排进行，不能再改变。对于部分表，如L18（2*3^7）则没有交互作用列，如果需要考虑交互作用需要选择其它的正交表。 编辑本段正交试验设计的极差分析 在完成试验收集完数据后，将要进行的是极差分析(也称方差分析）。 极差分析就是在考虑A因素时，认为其它因素对结果的影响是均衡的，从而认为，A 因素各水平的差异是由于A因素本身引起的。 用极差法分析正交试验结果应引出以下几个结论： ①在试验范围内，各列对试验指标的影响从大到小的排队。 某列的极差最大，表示该列的数值在试验范围内变化时，使试验指标数值的变化最大。所以各列对试验指标的影响从大到小的排队，就是各列极差D的数值从大到小的排队。
正交试验方差分析(通 俗易懂)
第十一章正交设计试验资料的方差分析 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。 正交设计是安排多因素试验、寻求最优水平组合的一种高效率试验设计方法。 第一节、正交设计原理和方法 (一) 正交设计的基本概念 正交设计是利用正交表来安排多因素试验、分析试验结果的一种设计方法。它从多因素试验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，通过对这部分试验结果的分析了解全面试验的情况，找出最优水平组合。例如，研究氮、磷、钾肥施用量对某小麦品种产量的影响： A因素是氮肥施用量，设A1、A2、A3 3个水平； B因素是磷肥施用量，设B1、B2、B3 3个水平； C因素是钾肥施用量，设C1、C2、C3 3个水平。 这是一个3因素每个因素3水平的试验，各因素的水平之间全部可能的组合有27种。 如果进行全面试验，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，由于受试验场地、经费等限制而难于实施。 如果试验的主要目的是寻求最优水平组合，则可利用正交设计来安排试验。
正交设计的基本特点是：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。 正交试验是用部分试验来代替全面试验，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。如对于上述3因素每个因素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。 一、正交设计的基本原理 表11-1 33试验的全面试验方案
8.3.2 考虑交互作用的三水平正交试验的方差分析（因学时有限和正交表太大L27(313)，不讲解！只讲解二水平情况，因为二水平会，三水平自然也会！） 例8-4 运动发酵单细胞菌是一种酒精生产菌。为了确定其发酵培养基的最佳配方，进行了四因素三水平正交试验，试验指标为酒精浓度（g/ml）。表8-12给出了因素水平表，要求考察交互作用A×B、A×C和A×D。查附表7可得，本试验应选用L27(313)正交表，表头设计应按照“L27(313)二列间的交互作用表”进行。本例只考虑一级交互作用（p=1），所以每个三水平交互作用应占(m-1)P=(3-1)1=2列，即A ×B、A×C，和A×D在L27(313)正交表中各占二列。 表8-12 因素水平表 表头设计时应避免混杂，试验方案及试验结果见表8-13。 由交互作用表可知，将因素A、B安排在第1、2列之后，第3、4列为A×B交互作用列；再将C安排在第5列后，A×C交互作用在第6、7列；最后将D安排在第9列，则A×D交互作用类落在第8、10列（当然也可将D安排在第8列，则第9、10列为A×D交互作用列）。 表8-13 试验方案及结果分析 L27(313)
一、计算（计算过程省略） 1.计算各列各水平的K ij 值(K 1j ,K 2j ,K 3j )和K 2 ij (K 21j ,K 22j ,K 23j ) 各列各水平对应的试验数据之和K 1j ,K 2j ,K 3j ,及其平方和K 21j , K 22j , K 23j ,列于表8-13中,例如 K 1A = ∑=9 1 i i X =0.20+0.50*2+1.50+1.10+1.20*2+1.60*2=9.40=K 11 ， K 2 11= 88.36 K 2A =∑=9 1i i X =0.40+0.50+……+6.15=33.05= K 21 ， K 221=1092.30 K 3A =∑=9 1 i i X =0.40+0.30+……+2.80=25.80= K 31 ， K 231 =665.64 表示A ×B 的有两列,即第3,4列,计算后可知 K 13 =32.75, K 23 =17.90; K 33 =17.60 K 14 =26.40; K 24 =24.55, K 34 =17.30 2.计算各列的偏差平方和(S j )及其自由度(f j ) 由式(8-4),可知: S j =CT Q n T K r j m i ij -=-∑=2 2 11 r=n/m=27/3=9; CT=T 2/n=1/27×68.252=172.52