一、正交试验设计概述
1.1 什么是正交试验设计
正交试验设计，说白了就是一种「用最少试验次数，获取最多信息」的实验方法。
我刚开始做水泥研发那会儿，也踩过不少坑。有一次为了优化熟料配比，我设计了整整 27 组试验，结果做到第 15 组的时候，实验室的磨机就罢工了。后来老工程师跟我说：「你试试正交设计，4 个因素 3 个水平，9 组试验就够了。」我当时还不信，结果一做，效果还真不赖。
正交试验设计的核心思想，就是利用一套特殊的表格——正交表，来安排试验。这套表格有两个特点：
- 均匀分散：每个因素的每个水平，在试验中出现的次数相同
- 整齐可比：任意两个因素之间，所有水平组合都出现，且次数相同
你想想看，如果做全因子试验，4 个因素 3 个水平，需要 3⁴ = 81 组。但用正交表，可能 9 组就搞定了。这就是效率。
核心要点：正交试验不是「偷工减料」，而是「科学抽样」。它用部分试验代表整体，前提是因素之间没有强交互作用。
1.2 正交试验在水泥研发中的应用价值
我在水泥行业摸爬滚打了十几年，正交试验几乎成了我的「标配工具」。为什么？因为水泥研发有三大痛点：
- 因素多：熟料配比、石膏掺量、粉磨细度、助磨剂种类……随便一数就是五六个因素
- 周期长：一组试验从配料到养护到检测，少说两三天，多则一周
- 成本高：原材料、设备损耗、人工成本，每做一组试验都是真金白银
正交试验正好对症下药。我举几个实际场景：
| 应用场景 | 传统方法 | 正交设计 | 节省比例 |
|---|---|---|---|
| 熟料三率值优化 | 27 组 | 9 组 | 67% |
| 混合材掺量试验 | 16 组 | 8 组 | 50% |
| 外加剂复配筛选 | 81 组 | 16 组 | 80% |
我记得有一次做矿渣微粉的活性优化，4 个因素（比表面积、掺量、激发剂种类、养护温度），每个因素取 3 个水平。全因子要 81 组，我用 L9(3⁴) 正交表，9 组就找到了最优组合。后来验证试验的结果，跟正交预测的几乎一致。
个人经验：正交试验特别适合「筛选阶段」。当你面对一堆可能的影响因素，不确定哪个是主因时，先做一轮正交试验，快速锁定关键因素，再针对性地做精细研究。这个思路我用了十几年，屡试不爽。
1.3 正交表的基本概念与符号含义
正交表是正交试验的「骨架」。你拿到一张正交表，就像拿到了一张试验地图。
正交表通常用符号 Ln(mk) 来表示。我来拆解一下：
- L：代表正交表（Latin square 的缩写，拉丁方）
- n：试验次数，也就是这张表有多少行
- m：每个因素的水平数
- k
举个例子，L9(3⁴) 表示：
- 一共做 9 组试验
- 每个因素取 3 个水平
- 最多可以安排 4 个因素
我画了一张图，帮你直观理解正交表的结构：
这张图里，每一行就是一组试验，每一列就是一个因素。数字 1、2、3 代表该因素的不同水平。
常见的正交表还有：
- L4(2³)：4 组试验，3 个因素，每个因素 2 个水平
- L8(2⁷)：8 组试验，最多 7 个因素，每个因素 2 个水平
- L16(4⁵)：16 组试验，最多 5 个因素，每个因素 4 个水平
- L18(3⁶)：18 组试验，最多 6 个因素，每个因素 3 个水平
注意：不是所有 Ln(m^k) 都是正交表。真正的正交表必须满足「任意两列中，所有水平组合出现次数相等」这个条件。我曾经见过有人随便编了个表就说是正交表，结果分析出来的结论全是错的。所以，请务必使用标准正交表，不要自己「发明」。
另外，还有一个概念叫「交互作用列」。有些正交表会预留一些空列，用来分析因素之间的交互作用。比如 L8(2⁷) 有 7 列，但如果你只安排了 4 个因素，剩下的 3 列就可以用来分析交互作用。这个我们后面会详细讲。
我的建议：刚开始接触正交试验时，先记住最常用的几张表：L4(2³)、L9(3⁴)、L16(4⁵)、L18(3⁶)。这几张表能覆盖 80% 以上的水泥研发场景。等用熟了，再慢慢扩展。
好了，这一章的内容就到这里。正交试验设计不是什么高深莫测的东西，它就是一个帮你「花小钱办大事」的工具。下一章我们聊聊怎么根据实际问题选择正交表，以及如何把实际因素「装进」正交表里。
公众号:蓝海资料掘金营，微信deep3321