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》由会员分享，可在线阅读，更多相关《第7章-正交试验设计的极差分析（30页珍藏版）》请在装配图网上搜索。

1、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与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7-1R法示意图图中，Kjm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Kjm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。Rj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：Rj=max(

2、Kji, Kj2, ,Kjm)-min( Kji ,Kj2, , Kjm )Rj反映了第j列因素的水平变动时，试验指标的变动幅度。R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Rj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

3、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因素水平表水、因素加水量(ml/100g)A加酶量(ml/100g)B酶解温度(C)C酶解时间(h)D1101201.52504352.53907503.5表6-6试验方案与结果试验号因素试验结果液化率(%)ABCD11(10)1(1)1(20)1(1.5)0.00212(4)2(35)2(2.5)17.0313(7)3(50)3(3.5)24.042(50)12312.05223147.06231228.073(90)1321.008321318.09332142.0试验指标为液化率，用

4、y表示，列于表6 -6和表7 - 1的最后一列表7-1试验方案与结果分析试验号因素试验结果液化率(%)ABCD11(10)1(1)1(20)1(1.5)0.00212(4)2(35)2(2.5)17.0313(7)3(50)3(3.5)24.042(50)12312.05223147.06231228.073(90)1321.008321318.09332142.03 / 27K141.013.0K287.082.0K361.094.0k；13.74.3k；29.027.3Ka20.331.3优水平A2B3Rj15.327.0主次顺序B A46.089.0= 189.071.046.072.0

5、54.015.329.723.715.324.018.0C3Di8.714.4D C计算示例:因素A的第1水平Ai所对应的试验指标之和与其平均值分别为:Kai =y i +y 2+y 3=0+17+24=41心-Ka1 =13.73同理，对因素A的第2水平A2和第3水平A3，有Ka2= y4+y 5+y 6=12+47+28=87Ka3= y7 +y 8+y 9=1+18+42=611，Ka2Ka2 =2931Ka3Ka3=20.33由表7 - 1或表6 - 6可以看出，考察因素 A进行的二组试验中(Ai,A2,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、

6、D因素的各水平的不同组合对试验指标无影响，因此，对A1、A2和A3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Ka1,Ka2,Ka3应该相等，但由上面的计标可知,第7章-正交试验设计的极差分析Kai，Ka2，Ka3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，心,兀,兀 的大小反映了 Al、A2和A3对试验指标影响的大小。 由于液化率y越大越好，而KA3 KA1，所以可判断A2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B3、C3、Di。所以，优 水平组合为A2B3C3D1，即最优工艺条件为加水量 A2=50ml/100g 、加酶 量B

7、3=7ml/100g 、酶解温度 C3=50。C和酶解时间Di=1.5小时。二、确定因素主次顺序极差Rj按定义计算，如RaK A2 K A1 29.0 13.715.3 ,RbKb3 Kb1 31.3 4.3 27.0同理可求出 Rc和Rd.计算结果列于表 7-1中。比较 Rj值可知 RbRaRdRc，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（Rj）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.

8、（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,A2水平时，指标最高，但若能在A2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D1更小 的水平 （如 1.0 和 0.5） 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 Kj 之和应等于全部试验结果（即指标值 ）之和， 即 ， 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

9、,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

10、复试验，验证其 试验指标是否最优 .7.2 多指标正交试验设计与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1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

11、，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 因素水平表水 因素湿面筋值（）A改良剂用量（%）B油炸时间（s）C油炸温度（C）D1280.05701502320.075751553360.10801607 / 27第7章-正交试验设计的极差分析3 .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

12、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 o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试验方案与结果分析因素试验结果试验号ABCD脂肪(%)水分复水时间(s)(%)11(28)1(0.05)3(80)2(155)24.82.13.5212(0.075)1(70)1(150)22.53.83.7313(0.10)2(75)3(160)23.62.03.042(32)12123.82.83.05223322.41.72.26231219.32.72.87

13、3(36)11318.42.53.08322219.02.02.79333120.72.33.6脂Ki70.967.060.267.0= 194.5肪K265.563.066.463.1含K358.163.667.964.4量K123.622.320.122.3K221.821.322.121.0K319.421.222.621.5R4.21.12.51.3Ki7.97.49.08.9=21.9K27.27.56.86.8水K36.86.96.16.2分2.632.473.002.97含2.402.502.272.27量K32.272.302.032.07R0.360.200.970.90Ki

14、10.29.59.510.3=27.5K28.08.68.79.0复水K39.39.49.38.2时Ki3.403.173.173.43间k32.672.872.903.003.103.133.102.73R0.730.300.270.70二.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（K1, K2, K3）,与其平均值（K1, K2,K3），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：各因素主次顺序表试验指标主-次脂肪含量（%）A C D B水分含量（%）C D A B复水时间（S）A

15、D B C4 .初选最优工艺条件根据各指标下的平均数据和 心山2,心，初步确定各因素的最优水平组 合为：对脂肪含量（% ）： A3B3C1D2（脂肪含量越低越好）对水分含量（% ）： A1B2C1D1（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

16、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 16.1%(有禾V )， 即(2.67-3.10) +2.67 X100%=-16.1% ，而脂肪含量只比取 A3 时增加 11.0%(不利)，即(21.8-19.4) +21.8 X100%=11.0% ，且从水分含量指标来看

17、,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12.4%(有利)，即(19421.8)/19.4X100%= 12.4%,复水时间比取 A2时增加13.9% (不利)，即(3.10-2.67 )/3.10 X100%=13.9% 。综合平衡A不禾y有禾yA211.0%16.1%A313.9%12.4%对“有利”部分，A2A3；对“不利”部分,A2 “不利”；选D3时“不利” 有利”. 并且D1 （有利）D 3（有利之和绝对值）,D1 （不利之和） D3（不利绝对值）.因 此，从定量分析来看，D应取D1,而不是取D3.那么,究竟如何决定D的水平呢？ 最后

18、，应该再进行 A2B2C1D1和A2B2C1D3两次试验，由试验结果决定 D1好 还是D 3好!实践是检验真理的唯一标准！7.3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 Ln（mk）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Ln（mf mk2）进行正 交试验设计.例7-2

19、 某油炸膨化食品的体积与油温、物料含水量与油炸时间有关，为确保产品质量，提出工艺要求。现通过正交试验设计寻求理想的工艺条件。一.试验方案设计1. 确定试验指标本试验的指标为油炸膨化食品的体积，体积越大越好.2. 挑因素、选水平、制定因素水平表根据专业知识,制定因素水平表如7-4所示，因素A取4个水平,因素B 和C各取2个水平，所以属于水平数不相等的正交试验设计.表7-4因素水平表水M因油炸温度(C)A物料含水量(%)B油炸时间(s)C12102.03022204.040323042403. 选正交表、设计表头、编制试验方案本试验宜选用L8(41 X24)正交表安排试验，表头设计时，把A因素放在

20、第 一列,其余两个因素可随意安排在四个二水平列中，比如依次排在第二、三列中,把所安排因素的各列的水平数字后标上相应因素的具体水平值，即得出试验方案,如表7-5所示.按表7-5试验方案实施后，所得试验结果列于表7-5中的最后一列.表7-5试验方案与结果分析试验号油温A含水量B时间C体积Xi12345(cm 3/100g)11(210)1(2.0)1(30)11210.0212(4.0)2(40)22208.032(220)1122215.0422211230.053(230)1212251.0632121247.074(240)1221238.0842112230.0Ki418.0914.090

21、2.0=1829.0K2445.0915.0927.0K3498.0K4468.0Ki209.0228.5225.5k3222.5228.75231.75爲249.0234.0R40.00.256.251R25.460.3558.875二.试验结果分析1. 计算各列各水平下的K、K与R由于各列的水平数不完全相同，所以K和K的计算略有差异第1列:由于有四个水平数，所以要计算四个K与K,每个K由二个数据相加得到，因此K=K/2.例如:Kai 210.0 208.0 418.0,K Ka1/2 418.0 2 209.0R 249.0 209.040.0第2、3列:由于只有两个水平，所以只要计算两个

22、 K与K,每个K由四个 数据相加得到，因此K=K/4.例如:KB1210.0 215.0 251.0 238.0 914.0KB1 KB1/4 914.0/4 228.5R 228.75 228.5 0.25按上述方法计算出各列各水平下的K、K以与R值,列于表7-5中.2. 计算R的折算值R（极差R的折算）当因素的水平数相同时，因素的主次顺序完全由R决定.但当因素的水平数不同时,直接比较R是不行的.这是因为，若两个因素对试验指标有影响， 一般来说，水平数多的因素极差可能大一些 .因此，要用一个系数把极差 R 折算后才能作比较.极差的折算公式如下:R dR r式中R -折算后的极差;R-因素的极

23、差；r-该因素每个水平试验的重复数，r=-;md-折算系数，与因素的水平数有关，其值见表 7-6 o表7-6 折算系数表m d R水平数m2345678910折算系数d0.710.520.450.400.370.350.340.320.31本例中，R的折算如下：RA0.45 40、2 25.46RB0.71 0.25 .4 0.355RC0.71 6.254 8.875计算结果列于表7 - 5中.3. 根据R大小确定因素的主次顺序主-次A C B即油炸温度对实验指标的影响最大，其次是油炸时间，而物料含水量 的影响最小。4. 画出因素指标趋势图，如图 7-4所示（p146 ）5. 选各因素的最优

24、水平与最优水平组合比较各因素各水平下的 K值（本例中K越大越好），并参考因素指标趋 势图，得出最优水平组合为 A3B2C2或A3B1C2，即油炸温度230摄氏度， 油炸时间40秒，物料含水量对试验指标影响很小， 故取2%或4%都可以， 视具体情况而定。由表7-5可见，若最优水平组合 A3B1C2,则该试验即表中的第5号试 验，实验指标值即膨化体积为 251.0 cm 3/100g，为表中所列最大值；若 最优水平组合为 A3B2C2,则需再实施一次该水平组合下的试验，作为验证。7.4考察交互作用的正交试验设计与极差分析一、交互作用的概念前面介绍的正交试验设计与试验结果的分析方法，都是指因素间没有

25、（或不考虑）交互作用的情况，实际上，在许多试验中，不仅因素对指标 有影响，而且因素之间还会联合搭配起来对指标产生影响。所以，因素对 试验产生的总效果，是由每一个因素对试验的单独作用再加上各个因素之 间的搭配作用决定的。这种因素间的联合搭配对试验指标产生的影响作 用，称为交互作用。例如，我们要考虑化学反应的温度（A）与时间（B）对产品收率的Aib 1影响，温度和时间都取二个水平，即 A A2和B B2。在各AiBj组合条件的 平均产品收率，可能有如下三种情况：（1）不论B因素取哪个水平，A2水平下收率总比Ai水平高10 ;同样, 不论A因素取哪个水平，B2水平下的收率总比 B1水平下高5。在这种

26、情 况下，一个水平的好坏或好坏程度不受另一个因素水平的影响，这种情况 称为因素A与B之间无交互作用。(2) 在Bi水平下A2比Ai的收率高，但在 B2水平下，Ai比A2的收 率高。这种一个因素水平的好坏或好坏程度受到另一因素水平制约的情况，称为因素A由于因素B存在交互作用，一般用 A XB表示。(3) 不论B因素取哪个水平，A2水平的收率总比Ai水平下高，但高 的程度不等，这也说明因素 A与B存在交互作用。AiA2Bi7585B28090(1) A与B间无交互作用(平行线)AiA2Bi7585B28065AiA2Bi7585B28095（3） A与B间存在交互作用（A XB）图7-4 A与B间

27、的交互作用情况事实上，因素之间总是存在着交互作用的， 这是客观存在的普遍现象， 只不过交互作用的程度不同而已。一般的，当交互作用很小时，就认为不 存在交互作用。因素间的交互作用对试验指标的影响，可能是正的，也可 能是负的。有人说：“中国人一个人像一条龙，三个人像一条虫；日本人 一个人像一条虫，三个人像一条龙。”这说明中国人之间的交互作用常常 产生负面效应。（一个和尚挑水喝，二个和尚抬水喝，三个和尚没水喝。 团结就是力量，集体主义精神）在试验设计中，表示因素 A、B间的交互作用记作 A XB，称作一级交 互作用；表示因素 A、B、C之间的交互作用记作 A XBXC，称作二级交互 作用；依次类推，

28、还有三级、四级交互作用。二级和二级以上的交互作用 称为高级交互作用。在试验设计中，通常忽略高级交互作用。2 .交互作用的处理原则处理交互作用的总原则是，将交互作用当作因素看待，并将交互作用安排在能考察交互作用的正交表的相应列上（表头设计），它们对试验指第 7 章 -正交试验设计的极差分析 标的影响情况都可以分析清楚，而且计算非常简便。但交互作用又与试验 因素不同，主要表现在：（1）用于考察交互作用的列不影响试验方案与其实施；（2）一个交互作用并不一定只占正交表的一列，而是占有（m-1） p 列即表头设计时， 交互作用所占正交表的列数与因素水平 m 和交互作用的级 数p有关，并且m和p越大，交互

29、作用所占列数也就越多。例如，二水 平因素的各级交互作用均只占一列，即 （m-1） p=（2-1） p=1 ；对于三水平因 素，（m-1）p=（3-1） P=2p,显然一级交互作用占两列（21=2），二级交互作 用占四列（ 22=4 ）对于交互作用的具体处理原则是：（ 1 ）忽略高级交互作用；（ 2）有选择的考虑一级交互作用；正是由于忽略可以忽略的交互作用，才使正交试验法具有减少试验次 数的优点。（ 3）试验因素尽量取二个水平因为二水平因素的各级交互作用均只占一列，所以选取二水平可以减 少交互作用所占列数和减少试验次数。二、考虑交互作用的正交试验设计方法例 7-4 用石墨炉原子吸收分光光度法测定

30、食品中的铅，为了提高测定灵 敏度，希望吸光度越大越好，今欲研究影响吸光度的因素，确定最佳测定 条件# / 27第7章-正交试验设计的极差分析1. 试验方案设计（ 1） 确定试验指标（ 2） 挑因素、选水平、制定因素水平表（根据专业知识，制定出的因素 水平表见 7-10 ，此处略。）（ 3 ）选正交表 选正交表时，一定要把交互作用看成因素，同试验因素一并加以考 虑。所选正交表试验号的大小，应能放下所有要考察的因素与交互作用， 并且最好有12列空列，用以评价试验误差。本例是三因素二水平试验，对于二水平因素，交互作用A XB, A XC和BXC都各占正交表一列，加上A （灰化温度）、B （原子化温度

31、）、C（灯电流）各需一列 ，共需六列。查附表 7（ p329 ）可知，选用 L8（ 27） 最合适。（ 4 ）表头设计 表头设计时，各因素与其交互作用不能任意安排，必须严格按照交 互作用表（ see p329 附表 7）进行安排 。这是考虑交互作用的正交试验 设计的一个重要特点，也是其试验方案设计的关键一步。每张标准正交表都附有一张交互作用表 （见附表 7），用于表头设计 。 正交表L8 （27）的交互作用表 7-11 （p151 ）。表中所有数字均为列号， 括号里的数字表示各因素所占的列。任意两个括号列纵横所交的数字，即 为这两个括号列所表示的因素的交互作用列。例如，第 1 列和第 2 列间

32、的 交互作用列是第 3 列；第 1 列与第 4 列之间的交互作用列是第 5 列；第 2 列与第 4 列之间的交互作用列是第 6列；等等。于是，就可把试验因素以与所要考察的交互作用安排在正交表的相应列上，进行表头设计。对本例，可将因素 A和B分别排在第1、2列上，则A XB必须排在 第3列上；再将C排在第4列上，而A XC必须排在第5列上，而BXC 必须排在第6列上，第7列为空列。表头设计见表 7-13 。表7-13表头设计因素ABA XBCA XCBXC列号1234567表头设计的一个重要原则是避免混杂。所谓混杂，是指在正交表的同 一列中，安排了两个或两个以上的因素或交互作用。这样，就无法区分

33、同 一列中的这些不同因素或交互作用对试验指标的影响效果。为了避免混杂，在表头设计中应优先安排主要因素和涉与交互作用的 因素，而不涉与交互作用的因素应放在后面安排。又如，某试验要用L8 (27)正交表考察A、B、C、D四个因素和交互 作用B XC与CXD。则在表头设计时应优先安排涉与交互作用的因素B、C、D，因为A不涉与交互作用，所以可以放在后面安排。将B和C分别排在第1、2列，则由交互作用表可知， BXC只能排在第3列；再在第4 列排上D，则CXD只能排在第6列；现在还剩下第5、7列供排因素A， 因为第5列反映的是BXD (这里不考虑)，所以将A排在第7列。这样安 排可避免因素的混杂。表头设计

34、结果如表7-12所示。表7-12 表头设计因素BCBXCDCXDA列号1234567(5)编制试验方案表头设计完成后，将正交表安排有因素各列的水平数字，加注相应因素的具体水平值，即构成试验方案。(应该指出的是，交互作用不是具体的因素，而只是因素间的联合搭配作用，故无所谓水平问题。)安排交互作用的各列对试验方案与试验的具体实施不产生任何影响，但在计算和 分析试验结果时要用到它。本例试验方案见表 7-14 (p153).表7-14试验方案与结果分析试验号ABA XBCA XCBXC吸光度Xi123456711(300)1(180011(8)10.2421121)12(10)20.224223112

35、110.26622412(24002220.2581152(700)2120.236126222210.240217211120.279218211210.2761222K10.990.9421.0211.0231.0241.0121.019=2.0K21.0311.0791.000.9980.9971.0091.00221K0.24750.23550.25530.25580.25600.25300.25480.25780.26980.25000.24950.24930.25230.2505R0.01030.03430.00530.00630.00670.00072、试验结果的极差分析按表7-

36、14试验方案实施后（试验顺序完全随机化），将试验结果（吸 光度）也列于表7-14中，然后用极差分析法进行计算与分析。（1）计算K、K和R计算方法与前面介绍的相同， 需要注意的是交互作用与因素一样看待，交互作用列也要计算出 K、K和R的值。见表7-14。（2）确定因素的主次顺序根据R值的大小，把因素和交互作用一起排主次顺序：主-次：B、A、A XC、C、A XB、BXC（3）确定各因素的优水平根据K值的大小，确定出各因素的优水平为A2、B2、C1。（4 ）确定最优搭配和最优水平组合在有交互作用的情况下，不能只根据各因素的单独作用，即各因素的 优水平确定最优组合，还要考虑交互作用显著的因素间的优搭

37、配。综合考虑因素的优水平和交互作用的优搭配，确定最优组合。为了判断优搭配，需要计算交互作用显著的两个因素的不同搭配所对应的试验指标平均值，列出二元表（又称搭配表）。在本例中B、A、A XC是比较重要的因素，A XB和BXC是次要因素，所以B可直接选取B的优 水平B2，不必考虑搭配问题；因素 A和交互作用A XC对试验结果影响较 大，必须认真考虑其搭配问题，为此列出A XC的二元表，如表7-15所示。表7-15 因素A、C二元表（搭配表）cC1C2A A1(0.242 + 0.266 ) /2 = 0.255(0.224 + 0.258)/2 = 0.241A2(0.236 + 0.279 )

38、/2 = 0.2575(0.240 + 0.276)/2 = 0.258在表7-15中的搭配计算依据是，将表7-14中A和C都取某一水平的 试验数据相加并平均后，填入表7-15中对应的某一栏中。如表7-14中第 1、3号试验表示A1C1，将其指标值相加并平均后填入表7-15中对应的A1C1栏内。A1C2、A2C1和A2C2三种水平搭配的平均指标值也同样填入 表中。显然，A2C2的指标值（吸光度）最高，为优搭配，另外， A的优水平 也是A2，与A XC的搭配不矛盾。综上所述，本例的最优水平组合为 A2B2C2， 即灰分温度700 C,原子化温度2400 C,灯电流为10mA时，吸光度值 最大，测

39、定灵敏度最高。讨论：注意，上述分析结论与试验结果有矛盾！从表 7-14中可见，优水平组 合A2B2C2试验，就是第8号试验，指标值为 0.276 ;而A2B2C1试验，即 第7号试验的指标值为0.279，略大于第8号试验。为此，可再次重复第 7号和第8号试验，以便最后确定最优组合是A2B2C1，还是A2B2C2。因此，分析试验结果所用到的最优组合，未必绝对“最优”，只能说是“较优水平组合”。（吸光度0.276和0.279也许是分析仪器的误差所引起的差 别！）7.5食品感观指标的处理方法（略，请自学）定性-定量作业：1、 将例7-2中表7-5的试验结果进行变换。即X；二+ 15，然 后进行试验结果分析。2、将例7-2中表7-14的试验结果进行变换。即 X； =0.5 x + 0.1， 然后进行试验结果分析。29 / 27