正交试验设计的极差分析
正交试验设计的理论分析方法及应用
正交试验设计的理论分析方法及应用一、本文概述正交试验设计是一种高效、系统的试验设计方法，广泛应用于工程、农业、医学等多个领域。
本文旨在深入探讨正交试验设计的理论分析方法及其应用。
我们将对正交试验设计的基本概念进行简要介绍，包括正交表、正交性等关键要素。
随后，本文将重点阐述正交试验设计的理论分析方法，包括试验设计原则、误差分析、方差分析等方面。
通过这些理论分析方法，我们可以有效地评估试验结果的可靠性和有效性。
在应用领域方面，本文将通过具体案例展示正交试验设计在多个领域的实际应用。
例如，在工程领域，正交试验设计可用于优化产品设计参数，提高产品质量；在农业领域，正交试验设计可用于研究作物生长条件，提高农作物产量；在医学领域，正交试验设计可用于药物筛选和临床试验，提高药物研发效率。
通过这些案例，我们将展示正交试验设计在实际问题中的独特优势和广泛应用价值。
本文还将对正交试验设计的未来发展进行展望，探讨其在新技术、新领域的应用前景。
通过本文的阐述，我们期望能够帮助读者更好地理解和应用正交试验设计，为推动相关领域的研究和实践提供有益的参考。
二、正交试验设计的基本原理与特点正交试验设计是一种高效、系统的试验设计方法，其核心原理在于通过正交表来安排试验，使得试验点分布均匀且具有代表性。
正交表是一种特殊类型的表格，其每一行代表一种试验条件组合，每一列则代表一个试验因素的不同水平。
通过正交表，研究者可以方便地选择出具有代表性的试验点，从而有效地减少试验次数，提高试验效率。
均衡分散性：正交表的设计保证了试验点在试验范围内分布均匀，每个试验点都具有代表性，从而能够全面反映试验因素与试验指标之间的关系。
整齐可比性：由于正交表的特殊结构，不同试验点之间具有良好的可比性。
这使得研究者可以方便地比较不同试验条件下的试验结果，从而得出准确的结论。
灵活性：正交试验设计可以根据实际需要进行调整和优化。
例如，当试验因素或水平发生变化时，可以通过调整正交表来适应新的试验需求。
2-4-3正交试验结果的极差分析法.pptx
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kA1、kA2、kA3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kA1、kA2、kA3的大小可以判断A1、A2、A3对试验指标 的影响大小。kA值愈接近要求值的水平是A因素的优水平。
K1
X
23.6
Y
2.6
Z
3.4
K2 21.8 2.4 2.7
4
K3 19.4 2.3 3.1
《高性能混凝土试验与检测》课程
学习情境2:高性能混凝土 拌合物性能检测及配合比设计
正交试验结果的极差分析法
主讲人： 高妮
正交试验结果的极差分析法
Kjm为第j列因素m水平所
对应的试验指标和，kjm
为Kjm平均值。由kjm大小
可以判断第j列因素优水
计算简便，直观，简单易懂，是平正和交优试组验合结。果分析最
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。
（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（kjm）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。
正交试验设计和分析方法研究
正交试验设计和分析方法研究一、本文概述正交试验设计是一种高效、系统的试验设计方法，广泛应用于科学研究、工程实践以及社会调查等领域。
通过正交表的正交性、均匀分散性和整齐可比性，正交试验设计能够在众多试验因素中快速找出关键因素，优化试验方案，提高试验效率。
本文旨在深入研究正交试验设计的理论基础，探讨其在实际应用中的优化策略，分析正交试验设计的优缺点，并展望其未来发展趋势。
本文首先介绍正交试验设计的基本原理和常用正交表，然后详细阐述正交试验设计的步骤和方法，接着通过案例分析展示正交试验设计在不同领域的应用实践，最后对正交试验设计的未来发展进行展望，以期为相关领域的研究和实践提供有益的参考和借鉴。
二、正交试验设计基本原理正交试验设计是一种高效、系统的试验设计方法，其核心在于利用正交表来安排试验，通过对试验因素与水平进行全面、均匀的搭配，从而找出最佳的试验方案。
正交试验设计的基本原理主要包括以下几点：正交性原理：正交表具有正交性，即表中的每一行（或列）所代表的因素水平组合都是唯一的，且在整个表中均匀分布。
这种正交性保证了试验点在试验范围内均匀分布，从而能够全面反映试验因素与水平的变化情况。
代表性原理：正交表中的每一行都代表一组试验因素与水平的组合，这些组合在试验范围内具有代表性。
通过选择适当的正交表，可以在较少的试验次数下获得较为全面的试验结果。
综合可比性原理：正交表中的每一列都对应一个试验因素，不同列之间的因素是相互独立的。
这意味着每个因素在不同水平下的效果可以单独进行分析和比较，从而便于找出影响试验结果的主要因素及其最佳水平。
分析简便性原理：正交试验设计的结果分析简便易行，可以通过直观分析或方差分析等方法快速得出结论。
直观分析法可以直接从正交表中观察出各因素在不同水平下的效果，而方差分析法则可以进一步检验各因素对试验结果的影响程度。
正交试验设计通过合理利用正交表的性质，实现了试验的高效、系统和全面。
在实际应用中，只需根据试验需求选择合适的正交表，按照表中的安排进行试验，并对试验结果进行简便的分析，即可得出较为准确的结论。
正交试验设计及结果分析
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，即本次试验要解决什么 问题。试验目的确定后，对试验结果如何衡量，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。
3
上一张 下一张 主 页
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。
3
上一张 下一张 主 页
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。
3
上一张 下一张 主 页 退 出
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
3
上一张 下一张 主 页
正交设计就是从选优区全面试验点（水平组合）中挑3ຫໍສະໝຸດ 上一张 下一张 主 页 退 出
1 正交试验设计的概念及原理
第7章-正交试验设计的极差分析
第7章-正交试验设计的极差分析第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，Ｋj ｍ为第ｊ列因素m ⽔平所对应的试验指标和，K ｊm 为Ｋjm 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 因素⽔平表表6-6 试验⽅案及结果试验指标为液化率，⽤y i 表⽰，列于表6-６和表7-1的最后⼀列。
表7－1 试验⽅案及结果分析计算⽰例：因素A 的第１⽔平Ａ1所对应的试验指标之和及其平均值分别为：K A １=ｙ１+y ２+ｙ3＝0+１７+２4=４1,=1A K 31K A1=１3．7同理，对因素Ａ的第2⽔平Ａ２和第３⽔平A 3，有ＫA2=ｙ4+ｙ5+y 6=１２＋47＋28=87,=2A K 31K Ａ2=2９ K A ３＝y ７+y 8＋y ９=１＋18+42＝61，=3A K 31K Ａ3=20.３由表7－１或表6－６可以看出，考察因素A 进⾏的三组试验中(Ａ1,A 2,Ａ3),B 、Ｃ、D 各⽔平都只出现了⼀次,且由于B 、C 、Ｄ间⽆交互作⽤,所以B 、C 、D 因素的各⽔平的不同组合对试验指标⽆影响，因此，对A 1、Ａ2和A ３来说,三组试验的试验条件是完全⼀样的。
正交试验结果的极差分析与方差分析
实验报告实验三：正交试验结果的极差分析与方差分析课程名称考查学期姓名学号专业成绩任课教师实验三：正交试验结果的极差分析与方差分析一、实验目标熟练使用Excel和SPSS软件进行正交试验设计和结果分析二、实验要求按照1人/组的样式，所有成员都应该根据实验内容完成相应的任务。
三、仪器设备笔记本电脑与数据分析软件Excel、SPSS。
四、实验内容1. 正交试验数据的极差分析（Excel）大枣的微波干燥工艺研究，试验因素选取A微波功率（W）、B干燥时间（min）、C载样量（kg/m2），以干燥大枣中总黄酮的含量为指标（越高越好），试选出最优工艺条件。
表3-1. 因素水平表水平试验因素A（微波功率/W）B（干燥时间/min）C（载样量/kg/m2）1150105 22501510 33502015表3-2. 干燥大枣中的总黄酮含量试验号微波功率A干燥时间B空列载样量C总黄酮含量1（mg/g）总黄酮含量2（mg/g）11111272.6 278.9 21222251.7 250.331333245.2 247.2 42123289.7 279.6 52231275.8 268.8 62312258.7 257.7 73132246.6 246.2 83213231.4 232.1 93321222.1 228.6表3-3 干燥大枣中的总黄酮含量极差分析试验号列号重复试样指标和1 2 3 41 2A B C1 1 1 1 1 272.6 278.9 551.52 1 2 2 2 251.7 250.3 5023 1 3 3 3 245.2 247.2 492.44 2 1 2 3 289.7 279.6 569.35 2 2 3 1 275.8 268.8 544.66 2 3 1 2 258.7 257.7 516.47 3 1 3 2 246.6 246.2 492.88 3 2 1 3 231.4 232.1 463.59 3 3 2 1 222.1 228.6 450.7K11545.9 1613.6 1531.4 1546.8K21630.3 1510.1 1522.0 1511.2K31407.0 1459.5 1529.8 1525.2k1257.650 268.933 255.233 257.800k2271.717 251.683 253.667 251.867k3234.500 243.250 254.967 254.200R 37.217 25.683 1.567 5.933较优水平A2B1C1因为指标越大越好，所以为因素A的2水平，即A2较好。
正交检验的极差分析和方差分析教材
正交检验的极差分析和方差分析教材正交检验的极差分析和方差分析引言：正交检验的极差分析和方差分析是统计学中常用的两种分析方法。
它们被广泛应用于实验设计和数据分析中，可以帮助我们判断变量之间的差异是否显著，并且确定是哪些因素对变量影响最为显著。
本文将重点介绍正交检验的极差分析和方差分析的基本原理和应用方法。
一、正交检验的极差分析1.1 基本原理正交检验的极差分析是通过观察不同水平的自变量对因变量的影响，推断不同水平之间的差异是否显著的一种方法。
它基于方差分析的原理，通过计算不同水平之间的平均差和标准差，判断不同水平之间的差异是否超过了预期的随机误差范围，从而得出结论。
1.2 应用方法首先，确定研究的自变量和因变量，并确定自变量的水平。
然后，通过随机抽样的方式获取样本数据，并计算每个水平下的极差。
接下来，计算整体样本数据的均值和方差，以及不同水平之间的平均差和标准差。
最后，使用统计方法，比较差异是否显著，并进一步推断不同水平之间的差异。
1.3 实例分析以某品牌洗衣机的不同水平温度对洗涤效果（洗涤时间）为例，通过极差分析探究不同水平温度下洗涤效果是否存在显著差异。
首先，选择3个不同水平的温度：40℃、60℃和80℃。
然后，使用这3个水平的温度进行多次洗涤实验，每次实验记录洗涤时间。
接下来，计算每个水平下的极差，并计算整体样本数据的均值和方差。
最后，使用正交检验的极差分析方法，比较不同水平之间的差异是否显著。
二、方差分析2.1 基本原理方差分析是通过比较不同组之间的方差大小，来判断不同组之间的差异是否显著的一种方法。
它基于总体方差和组内方差之间的关系，通过计算F统计量来比较差异是否显著。
2.2 应用方法首先，确定研究的自变量和因变量，并确定不同组别。
然后，通过随机抽样的方式获取样本数据，并计算每个组别的均值和方差。
接下来，计算总体样本数据的均值和方差，以及组内方差和组间方差。
最后，使用统计方法，计算F统计量，并比较差异是否显著。
SPSSAU正交实验及极差分析步骤说明
极差分析正交试验正交设计 SPSSAU极差分析Contents1背景 (1)2理论 (2)3操作 (3)4 SPSSAU输出结果 (4)5文字分析 (4)6剖析 (5)正交试验设计进行分析的方法包括两种，一种是极差分析（也称直观分析法），二是方差分析法。
如果使用方差分析，可使用S P S S A U进阶方法里面的多因素方差，也或者通用方法里面的方差分析进行研究。
极差分析是一种直观式的分析方法，其也称作R法，通过计算R值（因素极差值）来判断因素的优劣情况，当然还可判断某因素时的最佳水平情况，从而得到最终组合。
特别提示：极差分析是针对正交试验设计数据，比如使用S P S S A U【医学/实验研究--正交设计】数据得到正交表，进行试验得到试验数据后需要进行直观式分析。
1背景当前有一项研究，研究大豆出油率分别与3个因素的关系情况，分别是萃取液，温度和处理时间。
首先使用S P S S A U的正交设计得到正交表L9.3.4，总共进行9次试验收集完成试验数据后进行分析，希望找出3个因素时各水平的最佳大豆出油率组合。
另外，本案例数据如下表：表格中水平数量使用数字表示，比如因子2（温度）里面的数字1表示20度，数字2表示35度。
2理论极差分析是一种直观式分析方法，一般我们希望先评价因素优劣，比如本案例中三个因素的优劣，评价标题是通过R值（因素极差值）进行评价；而具体水平的优劣可通过K a v g值，即每个水平时试验数据的平均值，对于K a v g值的大小即可得到水平优劣的对比。
最终结合因素优劣和水平优劣，即可找出最佳试验组合。
特别提示：极差分析时，涉及相关指标的计算说明如下：K值：每因子每水平时试验证数据Y的加和值K a v g值：每因子每水平时试验证数据Y的平均值最佳水平：每因子时，K a v g值最大时对应的水平R：每因子时，K a v g值的最大值减去K a v g值的最小值水平数量：每因子时的水平数量每水平重复数r：每个水平平均实验次数折算系数d：每因子时，水平数量对应的折算系数d值R’：折算系数d*R*S q r t(每水平重复数r)如果是混合型正交表，R值（因素极差值）需要进行校正，即使用R’值，R’=折算系数d*R*S q r t(每水平重复数r)，其中折算系数d是结合水平数量查表得到，每水平重复数r指每水平平均实验次数。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
正交试验设计的极差分析(共25页)-本页仅作为预览文档封面，使用时请删除本页-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 试验方案及结果试验指标为液化率，用y i表示，列于表６-６和表７-１的最后一列。
表7-1 试验方案及结果分析=计算示例：因素A 的第１水平A 1所对应的试验指标之和及其平均值分别为：K A1=y 1+y 2+y 3=0+17+24=41，=1A K 31K A1=同理，对因素A 的第２水平A 2和第３水平A 3，有K A2=y 4+y 5+y 6=12+47+28=87，=2A K 31K A2=29K A3=y 7+y 8+y 9=1+18+42=61，=3A K 31K A3=由表７-１或表６-６可以看出，考察因素A 进行的三组试验中（A 1,A 2,A 3），B 、C 、D 各水平都只出现了一次，且由于B 、C 、D 间无交互作用，所以B 、C 、D 因素的各水平的不同组合对试验指标无影响，因此，对A 1、A 2和A 3来说，三组试验的试验条件是完全一样的。
假如因素A 对试验指标无影响，那么321,,A A A K K K 应该相等，但由上面的计标可知，321,,A A A K K K 实际上并不相等，显然，这是由于因素A 的水平变化引起的，因此，321,,A A A K K K 的大小反映了A 1、A 2和A 3对试验指标影响的大小。
由于液化率y 越大越好，而132A A A K K K >>，所以可判断A 2为因素A 的优水平。
同理，可判断因素B 、C 、D 的优水平分别为B 3、C 3、D 1。
所以，优水平组合为A 2B 3C 3D 1，即最优工艺条件为加水量A 2=50ml/100g 、加酶量B 3=7ml/100g 、酶解温度C 3=50。
C 和酶解时间D 1=小时。
二、确定因素主次顺序极差R j 按定义计算，如3.157.130.2912=-=-=A A A K K R ,0.273.43.3113=-=-=B B B K K R同理可求出R C 和R D . 计算结果列于表7-1中。
比较R j 值可知R B >R A >R D >R C ，所以试验因素对试验指标的影响的主次顺序为BADC 。
即加酶量影响最大，其次是加水量和酶解时间，而酶解温度的影响最小。
三、绘制因素与指标趋势图为了更直观地反映因素对试验指标的影响规律和趋势,用因素的水平作横坐标,试验指标的平均值(j K )作纵坐标,画出因素与指标的关系图(即趋势图),如图7-2所示. (p137)趋势图可为进一步试验时选择因素水平指明方向.如对因素A,由图7-2可见,A 2水平时,指标最高,但若能在A 2附近再取一些水平(如40、60)作进一步试验,则有可能取得更高的指标;对D 因素,若能取一些比D 1更小的水平(如和作进一步试验,也有可能得到更好的结果.以上三个步骤即为极差分析的基本程序与方法.四、说明与讨论1、计算结果的检验: 每一列的K j 之和应等于全部试验结果(即指标值)之和， 即∑∑===nj j mj j y K 11，m 为水平数,n 为试验总实施次数.2.因素的最优水平组合,在实际处理中是灵活的,即对于主要因素,一定要选最优水平;而对次要因素,则应权衡利弊,综合考虑其它条件进行水平选取,从而得到最符合实际生产的最优或较优生产工艺条件.3.例6-2的最优工艺条件A2B3C3D1并不在实施的9个试验之中.这表明优化结果不仅反映了已做的试验信息,而且反映了全面试验信息.因此,正交试验设计的部分实施方案反映了全面试验信息.4.例6-2得出的最优工艺条件,只有在试验所考察的范围内才有意义,超出这个范围,情况就可能发生变化。
另外,只能说是“较优工艺条件”,而不能说是“最优工艺条件”.最好能根据趋势图做进一步试验,找出最靠近最优的工艺条件.5.对已确定的最优工艺条件(如例6-2的A2B3C3D1)进行重复试验,验证其试验指标是否最优.多指标正交试验设计及其极差分析在实际生产和科研试验中,所要考察的指标往往不止一个,这一类的试验设计叫做多指标试验设计.在多指标试验设计中,各指标之间可能存在一定的矛盾,如何兼顾各个指标,找出使每个试验都尽可能好的试验条件呢换言之，应如何分析多指标试验设计的结果呢常用的有两种方法:综合平衡法和综合评分法.下面举例说明综合平衡法的分析方法.这种方法在试验方案安排和各指标计算分析方法上,与单指标试验完全一样.其步骤是先分别找出各个指标最优或较优的生产条件,然后将这些生产条件综合平衡,找出兼顾每个指标都尽可能好的生产条件.例7-1 在油炸方便面的生产中，主要原料质量和主要工艺参数对产品的质量有影响。
今欲通过正交试验确定最佳生产条件。
一. 试验方案设计1.确定试验指标评价方便面质量好坏的主要指标是: 脂肪含量(越低越好)，水分含量(越高越好)和复水时间(越短越好)。
2．挑因素，选水平，列出因素水平表根据专业知识和实际经验，确定试验因素和水平，如表7-2所示。
表7-2 因素水平表油炸温度(C)D3．选正交表，设计表头，编制试验方案本试验是四因素三水平试验，不考虑因素间的交互作用，因此，可应选L9(34)安排试验，表头设计和试验方案见表7-3（p140）。
按上述方案实施后，将每一项试验指标都记录下来，见表7-3。
注：对极差分析可以这样选正交表，但对方差分析应留有空列，以便估计试验误差.表7-3 试验方案及结果分析===二．试验结果分析1．计算每列各水平下每种试验指标的数据和（K 1，K 2，K 3），及其平均值（321K ,K ,K ），并计算极差R ，填入表7-3中。
2．画出因素与各种指标的趋势图，如图7-3所示（p140）。
3．按极差大小列出各指标下各因素主次顺序：各因素主次顺序表主--次4．初选最优工艺条件根据各指标下的平均数据和321,,K K K ，初步确定各因素的最优水平组合为：对脂肪含量（%）：A 3B 3C 1D 2 （脂肪含量越低越好）对水分含量（%）：A 1B 2C 1D 1 （水分含量越高越好）对复水时间（s）：A2B2C2D3（复水时间越短越好）5．综合平衡．．．．确定最优工艺条件（难点）！由于三个指标单独分析出来的最优条件并不一致，所以必须根据因素对三个指标影响的主次顺序，综合考虑，确定出最优条件。
首先，把水平选取上没有矛盾的因素的水平定下来，即如果对三个指标影响都重要的某一因素，都是取某一水平时最好，则该因素就是选这一水平。
在本试验中无这样的因素，因此我们只能逐个考察每一因素。
对因素A：从主次顺序来看，对脂肪含量和复水时间的影响都排在第一位为主要因素，而对水分含量的影响则排在第三位，属次要因素，因此，应以主要因素为主选因素的水平。
从初选的最优水平组合中可以看出，对脂肪含量选A3为好，而对复水时间，则选A2为好。
因为二者不一致，所以还须根据试验结果分析确定选A2还是A3。
从表7-3可知，当取A2时，复水时间比取A3时缩短%(有利)，即[，而脂肪含量只比取A3时增加%（不利）,即 [，且从水分含量指标来看，取A2也比取A3时更好，因此，应选取A2水平。
注：当取A3时，脂肪含量比取A2时降低%(有利)，即复水时间比取A2时增加%（不利），即（）/×100%=%。
综合平衡∴对 “有利”部分,A 2>A 3;对 “不利”部分,A 2<A 3,故应选A 2！对因素B ：从主次顺序表中可见，对脂肪含量和水分含量的影响均排在最后，属次要因素；对复水时间的影响排在第三位，所以，应以复水时间这一指标来考虑。
再从初选最优水平组合中可知，对复水时间选B 2为好，故B 应取B 2。
对因素C ：从主次顺序表中和初选最优水平中可知，C 对水分含量的影响排在第一位，对脂肪含量的影响排在第二位，且都是取C 1为好；而对复水时间的影响则排在最后一位，属次要因素，故C 应取C 1。
对因素D ：对水分含量和复水时间的影响均排在第二位；而对脂肪含量的影响则排在第三位，属次要因素。
对复水时间而言，选D 3较好；而对水分含量而言，则选D 1为好。
所以，D 应选D 1或D 3。
但取D 1时，从表7-3可见，虽然水分含量最高，但复水时间最长，并且脂肪含量最高，而D 对这两项指标的影响也是比较主要的（在主次顺序表中排在第二、三位），综合考虑，D 应选D 3。
〔此时，复水时间最短，脂肪含量接近（K 3与K 2很接近），对这两个指标都有利；但水分含量此时低，不利〕---这是书上的解释方法！！！ 以上分析方法称为综合平衡法．．．．．。
所以，本试验的较优工艺条件为3122D C B A 。
由因素水平可知，此时湿面筋值为32％，改良剂用量为％，油炸时间为70s,油炸温度为C 160.最后,应在该条件下,进行验证试验,看其指标是否在所有试验中为最优.讨论:上述对选D 1还是选D 3的讨论,侧重于定性.下面,从完全定量．．的角度讨论如何选D 的水平.选D 1与选D 3优缺点的比较. 综合平衡○1选D 1时 水分含量: %3.30%10097.207.297.2=⨯-(有利) 复水时间:%4.20%10043.373.243.3=⨯-(不利) 脂肪含量:%6.3%1003.225.213.22=⨯-(不利) ○2选D 3时 水分含量: %5.43%10007.297.207.2-=⨯-(不利) 复水时间:%6.25%10073.243.373.2-=⨯- (有利) 脂肪含量:%7.3%1005.213.225.21-=⨯-(有利) 由此可见,选D 1时,“有利”>“不利”；选D 3时,“不利”>“有利”.并且D 1 (有利)>D 3(有利之和绝对值),D 1 (不利之和)< D 3(不利绝对值).因此,从定量分析来看,D 应取D 1,而不是取D 3.那么,究竟如何决定D 的水平呢最后,应该再进行A 2B 2C 1D 1和A 2B 2C 1D 3两次试验,由试验结果决定D 1好还是D 3好!实践是检验真理的唯一标准!混合型正交表的试验设计极差分析前面讨论的都是水平数)(k n m L 相同的正交试验设计.但在实际工作中,有些试验受到设备、原材料和生产条件等限制.某些因素的水平选择受到制约,或者在有些试验中,要重点考察某个(或某些)因素需要多取几个水平,这时就会遇到水平数不同的正交试验设计.在这种情况下,通常有三种解决方法:一是直接选用合适的混合型正交表；二是采用拟水平法；三是采用拟因素法.我们现在只讨论第一种方法,即使用混合型正交表)(2121kk n m m L 进行正交试验设计.例7-2 某油炸膨化食品的体积与油温、物料含水量及油炸时间有关，为确保产品质量，提出工艺要求。