浅谈试验设计与数据处理在生产中的重要性

(山东科技大学 山东 青岛 266000)

浅谈试验设计与数据处理在生产中的重要性

郑欣璐李静吴兴旺李赟

(山东科技大学山东青岛266000)

作为一门应用性技术学科，试验设计与数据处理在科学研究和工农业生产中发挥着越来越重要的作用。特别是化工类专业需要通过实验来观测和研究最终现象和结果，实现实验的最优化和最简化在实际操作中往往起着事半功倍的效果。此时试验设计与数据处理就显得尤为重要。

试验设计与数据处理;化工生产;最佳的试验方案

试验设计与数据处理是以概率论和数理统计为理论基础，经济、科学地安排试验的一门应用技术学科。到目前为止，该学科经历了80多年的研究和实践，已成为广大技术人员和科学工作者必备的基础理论知识[1]。该学科能帮助实验者以基本的专业知识为基础，科学地设计试验方案，并对所得的试验数据进行分析，以达到缩短试验周期，在最大程度上优化试验，达到理想的预期效果的目的，是一种广泛应用于工农业生产和科学研究过程中的普遍使用的科学计算方法，是产品设计质量管理和科学研究的重要工具。在以实验为基础的化工类学科中，试验设计与数据处理这门技术学科显得尤为重要。特别是在研究新产品，解决新问题的试验过程中，未知的工艺因素、操作因素甚至人为因素特别多，需要通过大量的试验来探索工艺条件。学会使用科学的试验设计方法设计试验并对试验得到的大量数据进行正确的分析和处理可以使试验次数尽可能少并能在较短时间内达到预期的试验目的，这样就能实现试验的高效率，收获事半功倍的效果。

一、确定试验方案

一个理想的试验设计应该要具备以下三个条件:1、试验的次数要尽可能的少，节省人力物力；2、试验得到的数据要便于分析和处理；3、最终能获得预期的结果，使试验有效。对于设计试验，首先要明确是单因素试验还是多因素试验，单因素试验是指该试验中只受到一个因素的影响，而与其它可控或不可控因素无关。常用的单因素试验设计的方法有黄金分割法、分数法、对分法、交替法等。实验者可以通过适当的方法优选出试验的最佳试验因素水平，并在实验中检验再优化。以黄金分割法为例，两个试点关于存优范围的中心对称，且每次舍去的区间长度与舍去前的区间长度成比例，第一个试点确定在因素范围的0.618处，后续试点可以用“加两头，减中间”来确定。黄金分割法操作简单实用，是寻找单因素单峰目标函数最佳点的主要方法。

多因素试验受多种因素的影响，实验者可采用正交试验设计、产品三次设计、完全随机化试验设计等多种方法科学地安排和分析多因素试验，从而确定最佳方案。日本著名的统计学家田口玄一在正交试验中作出重大贡献，他将正交试验选择的水平组合列成表格，即正交表。正交表的使用大大减少了工作量，因而在科学研究中已实现广泛应用。在正交试验设计中，实验者通过明确试验目的，确定考核指标，确定交互测试中有多少个相互独立的变量，这映射到表中的因素个数，再次，确定每个变量可以取值的个数的最大数，这映射了表中的水平数，根据这些选择一个次数最少的、最合适的正交表，把因素和值映射到正交表中，就可以通过最少次试验以确定科学的试验方案。

二、进行数据处理

由于试验中的不确定性，试验得到的大量数据并不全是有用的，对于化工试验来说，光是误差来源就具有多方面性，除去系统仪器误差，还有人为因素造成的偶然误差。为了使试验结果更加可靠，实验者需要对数据进行一定的判断和分析，对原始数据的可靠性加以客观评定。数据分析就是讨论如何对这些纷繁复杂的数据进行分析，揭示其中隐含的内在规律、发掘有用的信息，为决策者的正确决策提供理论依据[2]。数据处理的方法主要有:参数估计、回归分析、假设检验和方差分析等。参数估计是根据从总体中抽取的样本估计总体分布中包含的未知参数的方法，是统计推理的一种基本形式，分为点估计和区间估计两部分。点估计是根据手中的样本估计总体分布中所含的未知参数或未知参数的函数，其原理就是构造一个依赖于样本的量，作为未知参数或未知参数的函数；而区间估计是依赖抽取的样本，根据一定的正确度和精确度的要求，构造出适当的区间，作为样本分布的未知参数或参数函数的真值所在范围的估计。回归分析是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。在很多作图软件比如Excel和Origin中都有这种思想和体现，其中最为人熟知的建模技术就是线性回归，回归分析使用最佳的拟合直线，在因变量和一个或多个自变量之间建立一种关系，以此衡量变量间的相关程度。

假设检验是判断各种数据处理结果的可靠程度，其基本原理是先对总体的特征作出一种假设，然后通过抽样研究的统计推理，对此假设应该被拒绝还是被接受作出推理和判断[3]。通过检验，对样本指标与假设的总体指标之间是否存在差别作出判断，是否接受该假设。这里必须明确的是，进行检验的目的并不是怀疑样本指标本身是否计算正确，而是为了分析样本指标与总体指标之间是否存在显著差异。所以在这个意义上，假设检验也称为显著性检验。是数据处理中常用的一种方法。方差分析是从观测变量的方差入手，根据各影响因素对考察指标影响的显著性程度，从而找出最佳的实验条件或生产条件。通常将正交试验设计与方差分析有机地结合加以应用，以解决各种实际问题。方差分析包括单因素方差分析和多因素方差分析，其基本思想都是一致的，通过F检验判断某因素对试验结果影响的显著性，这在Excel或Origin等计算机绘图软件中都有体现。

三、试验设计与数据处理对生产的重要性

试验涉及与数据处理是以概率论、数理统计和专业技术知识及经验为基础，经济、合理地安排试验，对试验结果进行科学计算和分析，最终达到以较少的试验次数、较短的试验周期、较低的试验成本，迅速地得到正确的结论和较好的试验效果[4]。对于化工、化学、制药、食品与材料等需要实验和观测的学科，经常需要通过大量实验研究最佳的工艺条件或生产配方，不管是从经济方面还是从生产效益以及效率问题，都需要实验者能探索出最合适最经济的实验条件，以提高生产效益，增强可行性。而试验设计与数据处理这门技术性学科就很好地帮助解决了这一问题，一个周密而完善的试验设计能合理地安排各种实验因素，能严格地控制实验误差，从而用较少的人力、物力和时间，最大限度地获得丰富而可靠的试验结果，试验设计是实验过程的依据，也是实验数据处理的前提，在整个科研工作中起着非常重要的作用，而数据处理作为其不可分割的一部分，使大量繁杂冗余的数据简单化，科学化，为实验工作者解决问题，呈现最好的实验结果。试验设计与数据处理这门学科与其它以大量数据为支撑的学科相辅相成，在实验条件探索和结果分析中起到显著的作用，为生产带来一定的经济效益。

[1]李云雁、胡传荣 试验设计与数据处理[M].北京:化学工业出版社

[2]梅长林、范金城 数据分析方法[M].北京:高等教育出版社，2006

[3]李福民 论卫生统计学中的假设检验 《卫生职业教育》，2003,21(3)

[4]汪中才 高职实训教学评价体系构建初探[J].科技信息，2009 01:649-650

郑欣璐(1995-)，女，汉族，福建省南平市，本科，山东科技大学，研究方向：应用化学；李静(1995-)，女，汉族，山东省聊城市人，山东科技大学电子通信与物理学院2014级通信工程专业在读本科生；吴兴旺(1997-)，男，汉族，山东省单县，学生，本科，山东科技大学，化学工程与工艺；李赟(1997-)，女，汉族，山东省烟台市，本科，山东科技大学，研究方向：测控技术与仪器。