正交试验设计怎么做:正交表选择与因子安排
正交试验设计怎么做:在本站「正交设计」里填入因子数 k 和水平数 s,系统自动选出正交表并给出试验安排,用较少试验次数估计各因子的主效应。代价是交互会与主效应形成别名,所以它适合因子多、交互可忽略的筛选阶段。
正交试验设计的参数怎么设
以下结果来自本站演示数据(模拟生成,不代表真实研究结论):因子数 3、水平数 2 的方案。方法说明见帮助文章正交设计。
正交试验设计怎么做
- 在本站方法列表里选「正交设计」,不用上传数据。
- 「因子数(2~13)」默认就是 3,「水平数(2 或素数,2~7)」默认就是 2,本例不用改。
- 点开始分析,报告第一张卡给出选表结果与自由度预算。
- 取得设计矩阵后(第二张卡),把因子分派到 X1 到 X3 列,写明每个编码水平对应的实际取值,按建议实施顺序做试验。
正交表选择结果怎么看
演示方案选出的正交表是 L4(2^3),试验次数 N=4。构造方法是 Hadamard 构造,正交表强度为 2:任意两列的水平组合均衡出现。对照全因子的 2^3=8 次,节省 4 次,占 50.00%。
| 项目 | 取值 | 说明 |
|---|---|---|
| 总自由度 N−1 | 3 | 试验次数减 1 |
| 主效应占用自由度 | 3 | k(s−1) |
| 剩余(误差)自由度 | 0 | 饱和设计,无法估计误差 |
剩余自由度为 0,所以实施时要对全部或部分试验点独立重复试验。想要空列作误差列,就得把 k 填得比真实因子数多,例如真实 3 个因子填 k=4,试验次数升到 8,和 3 个因子的 2^3=8 次全因子一样多,节省就没有了。

正交表怎么由 k 和 s 选出
选表只取决于 k 和 s 两个数。s=2 时,试验次数是不小于 k+1 的最小 2 的幂,本例 k=3 得 4 次,因子数最多 13 个;s 取 3 及以上的素数时,试验次数固定为 s²,因子数最多 s+1,超过会被直接拦下。
| 水平数 s | 试验次数 N | 最多因子数 |
|---|---|---|
| 2 | 不小于 k+1 的 2 的幂 | 13 |
| 3 | 9 | 4 |
| 5 | 25 | 6 |
| 7 | 49 | 8 |
因子安排:设计矩阵怎么分派
| 试验号 | X1 | X2 | X3 | 建议实施顺序 |
|---|---|---|---|---|
| 1 | 1 | 1 | 1 | 1 |
| 2 | -1 | 1 | -1 | 3 |
| 3 | 1 | -1 | -1 | 2 |
| 4 | -1 | -1 | 1 | 4 |
正交表的列可以任意分派给不同因子,但不要把两个因子分到同一列;列数多于因子数时,多余的列可在相应交互可忽略时作为误差信息。定类因子(如 3 种催化剂)与定量因子(如 3 个温度)都可以放进同一张表,编码值只表示「第几个水平」,不要求等间距。
设计空间图把 4 个试验点画在 X1、X2 的编码平面上,每个角点一次;频次图里 各因子每个水平对应的柱高均为 2,对应「每个水平各出现 2 次」的均衡性。

投影图展示的是试验点覆盖的位置,重合点在这个二维投影中可能重叠。下方频次图则按各个因子分别计数,用来检查每个水平是否均衡出现。

别名强度为什么必须看
第四张卡里,主效应列两两相关 max|r|=0.000000,D-效率 1.0000,说明主效应可以独立估计。但主效应列与两因子交互列的相关 max|r| 是 1.0000:存在与主效应完全混杂的交互项。主效应加两因子交互的全模型有 7 列,秩只有 4,交互项无法与主效应同时估计。
因此,正交性回答的是主效应列之间是否相关,别名强度回答的是交互能否冒充主效应。解释本方案的因素主次时,应写明交互可忽略这一假定,避免把设计矩阵的性质写成实际工艺结论。

什么时候选正交设计
选设计看目的与可用的水平数。因子较多、想先排出谁重要、并且有理由相信两因子交互可以忽略时,用正交设计;需要对交互给出定量估计时,用「全因子设计」;水平数不是 2 或素数,或水平数 s≥3 且因子数超过 s+1 时,正交表排不下,改用「均匀设计」;s=2 时因子数可到 13,不受 s+1 限制。
筛选之后进入优化阶段:对筛出的显著因子,用「中心复合设计(CCD)」或「Box-Behnken设计」排二阶试验点,做完试验再用「响应面分析(RSM)」求最佳工艺条件。试验做完以后手上是响应数据,用「极差分析」快速排主次;有重复试验时,用方差分析给出 F 值与 p 值。
论文里怎么写正交设计
采用 L4(2^3) 正交表安排 3 因素 2 水平试验,共 4 个试验点,相对全因子设计的 8 次减少 4 次;该表任意两列的水平组合等次出现(强度 2),各因子主效应可独立估计(主效应列两两相关 max|r|=0.0000)。主效应与两因子交互存在混杂,结果解释以交互可忽略为前提。
设计矩阵和结论句可以直接誊进试验方案的说明部分。开通会员后可导出 Word / PDF 报告、使用 AI 解读。
正交试验设计常见错误
- 把两个因子分到同一列:两个因子的效应会完全无法区分,每列只给一个因子。
- 按试验号顺序做试验:时间趋势和批次差异会与因子效应混杂,按建议实施顺序执行。
- 没有留误差列也不重复:剩余自由度为 0 时无法估计误差,F 检验无从做起;要么独立重复试验,要么把 k 填大一些留出空列。
- 据此解释交互:强度 2 的正交表不足以可靠解释交互,需要估计交互时改用「全因子设计」。
把本文方法用于生产质量评价时,还需先核对量测系统,再报告过程表现。下列已发布教程分别讨论量具重复性与再现性、过程能力报告,二者提供后续工作入口,并非本文试验结果的证明。
延伸阅读
常见问题
正交试验设计怎么选正交表?
本站不用你查表:填因子数 k 与水平数 s,系统按 s 的取值自动构造正交表,s=2 取不小于 k+1 的 2 的幂次,s≥3 固定 s² 次。演示的 3 因子 2 水平方案选出 L4(2^3),只需 4 次试验,全因子要 8 次。
正交表的列可以随便分配给因子吗?
可以任意分派,但不要把两个因子分到同一列;表列数多于因子数时,多余的列可在相应交互可忽略的假定下用于误差估计。定类因子与定量因子都能放进同一张正交表。
正交试验设计的别名强度 1.0000 是什么意思?
说明主效应与某个两因子交互列完全混杂,只有交互可忽略时主效应估计才无偏。演示方案的全模型 7 列、秩只有 4,交互项无法与主效应同时估计。