正交试验设计
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
保证了A 的每个水平与B 、C 的各个水平在试验中各搭配一次。 任一因素的每个水平都与另外两个因素的每个水平相组合且组合１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。
? 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。
)
3(4
9L 正交表
最多可安排的因素（互作）数9行，可以安排的试验次数（水平组合数）
1.3 正交表及其性质
● 此表共有4列，可以安排4个因素;
● 每一列有1、2、3三种数字，代表各因素的不同水平;
表中有9行，代表9个不同处理组合。
试验号 1 1 1 2 1 3 1 4 2 5 2 6 2 7 3 8 3 正交性
(1) 任一列中，各水平都出现，且出现的次数相等
(2) 任两列之间各种不同水平的所有可能组合都出现，且出现的次数相等
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。 代表性
(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。
(3)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。 综合可比性
(1) 任一列的各水平出现的次数相等； 1 2
3
1 1 1 1 1 1 1
2 2 1 2 2 2 1 2 2 1 2 2 2 1 )
3(4
9L )3(4
9
L )
2(78L
(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。
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 。 ● 这些点代表性强，能够较好地反映全面试验的情况。 整齐可比
● 指每一个因素的各水平间具有可比性。
● 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，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。 1 正交试验设计的概念及原理 正交性 代表性 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，
● 1.4 正交表的类别
如L4(2的3次方)、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。
如L8(4×24)表中有一列的水平数为4，有4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。
2 正交试验设计的基本程序（实例分析）
为提高山楂原料的利用率，研究酶法液化工艺制造山楂原汁，拟通过正交试验来寻找酶法液化的最佳工艺条件。
对本试验分析，影响山楂液化率的因素很多，如山楂品种、山楂果肉的破碎度、果肉加水量、原料pH 值、果胶酶种类、加酶量、酶解温度、酶解时间等等。经全面考虑，最后确定果肉加水量、加酶量、酶解温度和酶解时间为本试验的试验因素，分别记作A 、B 、C 和D ，进行四因素正交试验，各因素均取3个水平，因素水平表如下表所示。 水平
试验因素
A1B1C A1B2C A1B3C A2B1C A2B2C A2B3C A3B1C
A3B2C
A3B3C
正交试验设计方法 讲义及举例
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。
正交试验设计常用正交表分析
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
正交试验设计法[17]
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
正交表的表头设计
所谓表头设计，就是确定试验所考虑的因素和交互作用，在正交表中该放在哪一列的问题。 1．有交互作用时，表头设计则必须严格地按规定办事。 例4-4乙酰胺苯磺化反应试验 试验目的：希望提高乙酰胺苯的收率 因素和水平：有四个二水平的因素（见表4-6） 表4-6例4-4因素和水平表 考虑到反应温度与反应时间可能会有交互作用，反应温度与硫酸浓度也可能有交互作用，两者可分别用代号A×B和A×C表示。试选择合适的正交表，并进行表头设计。 因为4个因素均为2水平，2个交互作用需占2列，为方差分析应至少留一个空白列作为误差列，所以可选择正交表L8（27）。 此处，表头设计的重点是搞清各个交互作用该放在哪一列。 方法之一：使用附录9正交表L8（27）后面的“L8（27）二列间交互作用表”(见表4-7)。
表4-7L8(2 7 ) 二列间交互作用表（动画） 因为考虑的交互作用是A×B和A×C，所以宜先考虑A、B、C及其交互作用的安排，暂不考虑D的安排。表4-8是本例题表头设计的结果。 其中方案1的思路为：①先将因素A、B分别放在第1、2列。②第1列和第2列的交互作用A×B该放在哪一列？在表4-7所示的L8（27）二列间交互作用表中，从最左边的列号“（1）”向右画水平线，从最上面的列号“2”向下画垂直线，所画两直线交点处的“3”就是交互作用A×B的列号。③将因素C放在第4列。④第1列和第4列的交互作用A×C该放在哪一列？由L8(27）二列间交互作用表知，A×C应放在第5列。⑤因素D该放在哪一列？因为无与D有关的交互作用，故放在第6或第7列均可。 方案2的思路为：①将A、B分别放在第7、6列。②由L8（27）二列间交互作用表知第6、7的交互作用A×B应放在第1列。③将C放在第5列。④将第5、7列的交互作用A×C放在第2列。⑤将D放在第4列或第3列均可。
正交实验设计方法--非常有用
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。
正交试验设计步骤(教学参考)
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
正交试验设计
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
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
第7章-正交试验设计的极差分析汇总
\ 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
正交试验设计常用正交表
正交试验设计常用正交表 (1) L4（23） 任意两列间的交互作用为另外一列(2) L8(27) L8(27)二列间的交互作用表
L8(27)表头设计 (3) L8(4×24) 号 L8(4×24)表头设计
(4) L12 (211) (5) L16 (215)
L16(215)二列间的交互作用表 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 (1) 3 2 5 4 7 6 9 8 11 10 13 12 15 14 (2) 1 6 4 5 10 11 8 9 14 15 12 13 (3) 7 6 5 4 11 10 9 8 15 14 13 12 (4) 1 2 3 12 13 14 15 8 9 10 11 (5) 3 2 13 12 15 14 9 8 11 10 (6) 1 14 15 12 13 10 11 8 9 (7) 15 14 13 12 11 10 9 8 (8) 1 2 3 4 5 6 7 (9) 3 2 5 4 7 6 (10) 1 6 7 4 5 (11) 7 6 5 4 (12) 1 2 3 (13) 3 2 (14) 1 L16(215)表头设计 15 E C×E B×F C×E B×F A×G C×E B×F A×G D×H 14 A×E G G 13 B×E F F F 12 C×D C×D C×D A×F C×D A×F A×G C×D A×F A×G E×H 11 C×E E E E
(6) L16 (4×212)
L16 (4×212)表头设计
正交实验计算方法
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
正交试验设计
实验一正交实验设计 1为了提高某种产品的质量，研究A（温度，℃），B（压力，kg），C（配比，%），D（时间，h）四个因素对质量指标的影响。每个因素各取3个水平（见表1.1）进行实验。请根据实验方案选择合适的正交表安排实验，并用直观分析方法寻找最优实验方案。 9 实验数据分析表：
效应曲线图： 结果分析：极差越大，影响越大;虚拟值越大，条件越优 对质量指标的影响：温度>压力>时间>配比 极值最大为：A3，B2 ,C2 ,D3 选取最优方案为：温度470℃，压力20 kg ，配比5% ，时间3h 2为了提高铸件的精铸性能指标，确定最优的工艺条件，研究以下5个具有2水平的因素。见表1.2，且A与B、B与C之间存在交互作用，见表1.3，试用L8（27）设计实验，并做直观分析。
表1.2 实验数据分析表： 结果分析：极差越大，影响越大;虚拟值越大，条件越优 对性能指标的影响：A(硬化剂相对密度)＞A×B＞E(脱蜡条件)＞B(硬化时间)=D（晾干时间）＞B×C＞C（硬化剂温度） 所以，最优工艺条件为：硬化剂密度1.48, 硬化时间2min, 硬化剂温度（根据BC交互判定）25℃，晾干时间15h，脱蜡条件HCl
3、试用正交表方差分析方法，确定T8钢的最优热处理工艺方案，因素与水平见表1.4。 表1.4 注，其中A与B有交互作用，测试淬火后钢的硬度，硬度越大越好。选L8（27）设计，实验结果如下： 方差分析表
1.对T8钢的影响因素大小如下：A×B（或者C）>A>B(或者D)>E>e 2.由于测试淬火后钢的硬度，硬度越大越好。则由实验结果可知：实验2的结果最优！即在淬火温度为800℃，淬火时间为15 min，A×B为1，冷却液为水，e为2，E为2，操作方法为D2时得到的钢是最硬的！
正交试验设计常用正交表
(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
(完整word版)正交试验设计方法
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。
正交试验习题与解答
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)
全面试验和正交试验方案的优缺点
本体是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(3^3)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。 全面试验的最大优点是所获得的信息量很多,可以准确地估计各实验因素的主效应的大小,还可估计因素之间各级交互作用效应的大小;其最大缺点是所需要的实验次数最多,因此耗费的人力、物力和时间也较多,当所考察的实验因素和水平较多时,研究者很难承受.此设计还有3个明显的特点:其一,它要求实验时全部因素同时施加,即每次做实验都将涉及到每个因素的一个特定水平(注:若实验因素施加时有"先后顺序"之分,一般被称为"分割或裂区设计");其二,因素对定量观测结果的影响是地位平等的,即在专业上没有充分的证据认为哪些因素对定量观测结果的影响大、而另一些影响小(注:若实验因素对观测结果的影响在专业上能排出主、次顺序,一般就被称为"系统分组或嵌套设计");其三,可以准确地估计各因素及其各级交互作用的效应大小(注:若某些交互作用的效应不能准确估计,就属于非正规的析因设计了,如分式析因设计、正交设计、均匀设计,等等). 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，正交试验设计是是一种高效率、快速、经济的实验设计方法.
正交试验还具有如下优点: 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。 但其也有一些缺点：它提供的数据分析方法所获得的优选值，只能是试验所用水平的某种组合，优选结果不会超越所取水平的范围；另外，也不能给进一步的试验提供明确的指向性，使试验仍然带很强的摸索性色彩，不很精确。这样，正交试验法用在初步筛选时显得收敛速度缓慢、难于确定数据变化规律，增加试验次数。尤其在试验工作烦琐、费用昂贵的情况更显突出。
正交实验设计及结果分析
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
正交试验设计案例分析
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