论实验验设计与数据处理的的重要性
实验设计与数据处理是以数理统计理论专业知识和实践经验为基础，科学地设计实验，并对所得实验数据进行分析，达到减少实验次数缩短实验周期迅速找到优化实验方案。
它又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。到目前为止，该学科经过百余年的发展，在各个科学领域的实验研究中起着重要的作用。化工类专业是需要实验与观测的学科专业，经常需要通过实验来优化工艺条件寻找变化规律，并通过对规律的研究达到产品质量好高效高产节能降耗等目的，尤其是优化工艺条件研究新品种解决新问题的实验过程中，未知的工艺因素操作因素甚至人为因素特别多，需要通过大量的实验来探索工艺条件。
1实验设计
科学合理的实验设计可以使实验达到事半功倍的效果，而严密准确的数据处理则可以帮助研究者从纷乱的数据中寻找出事物的内在规律。
一项科学合理的试验设计应做到： 试验次数尽可能少； 便于分析和处理试验数据；能获得满意的结果。
实验设计包括单因素试验的设计和多因素实验设计。
试验中只有一个影响因素，或虽有多个影响因素，在安排试验时，只考虑一个对指标影响最大的因素，其它因素尽量保持不变的试验，即为单因素试验。常用的单因素试验设计：黄金分割法（ 0.618法） 、分数法、平行线法、交替法和调优法等。
多因素试验设计：正交试验设计、S/N比试验设计、产品三次设计、完全随机化试验设计、随机区组试验设计和正交拉丁方试验设计等。
实验室常用正交实验设计。
正交试验设计是依据数据的正交性（即均匀搭配）来进行试验方案设计。目前已经构造出了一套现成规格化的正交表。根据正交表的表头和其中的数字结构就可以科学地挑选试验条件（因素水平）合理地安排试验。
正交实验设计具有以下优点：能在众多的试验条件中选出代表性强的少数试验条件；根据代表性强的少数试验条件结果数据可推断出最佳的试验条件或生产工艺；通过试验数据的进一步分析处理，可以提供比实验结果本身多得多的对个因子的分析；在正交试验的基础上，不仅可以作方差分析，还能使回归分析等数据处理的计算变得十分简单；一种高效率、快速、经济的实验设计方法。
通过正交试验可确定出各因素对试验指标的影响规律，得知哪些因素的影响是主要的、哪些因素的影响是次要的、哪些因素之间存在相互影响； 选出各因素的一个水平组合来确定最佳生产条件。
日本著名的统计学家田口玄一将正交试验选择的水平组合列成表格，称为正交表。正交表的使用大大减少了工作量。因而正交实验设计在很多领域的研究中已经得到广泛应用。
试验研究可在三个层面上进行：实验室、中试和工业装置。不同层面由于风险大小不同而造成的损失大不一样。实验室最小、中试次之、工业装置最大。工业装置上的优化试验研究一般在开工初期进行，一旦生产稳定后，不会轻易更改。这部分工作主要借助于统计过程控制保证产品的合格率。实验室和中试层面上的试验研究可以经常改变，可在很宽的范围内调整参数进行优化。因此，试验设计主要在这两个阶段发挥作用。
2 数据处理
在实验过程中，由于实际情况比较复杂，观测工具又不够精确，加上观测人员在观测过程中难免产生误差等等，所得实验的原始数据，如果没有经过适当处理，常常包含着大量的干扰因素，不能如实反映实际情况。因此，为了在所得实验数据中提取更多有用的信息，更有效地发挥实验资料的效能，得到比较准确的科学结论，就必须对这些原始实验数据用数学的工具进行一系列的实验数据处理和分析。
数据处理的方法主要有：参数估计、方差分析、回归分析和假设检验等。 参数估计是对某些重要参数进行点或区间估计。
回归分析是如何获得反映事物客观规律性的数学表达式。
假设检验是判断各种数据处理结果的可靠程度。
方差分析是分析各影响因素对考察指标影响的显著性程度，从而找出最优的实验条件或生产条件的一种统计方法。通常将正交实验设计与方差分析有机结合起来加以应用，以解决各种各样的实际问题。方差分析包括单因素方差分析和多因素方差分析。
3 实验设计与数据处理的重要性
对于化工、化学、食品、轻工、制药、生物、材料等需要实验与观测的学科专业，经常需要通过试验来研究对象的变化规律，并通过对规律的研究达到各种实用的目的，如提高产量、降低消耗、提高产品性能或者质量等。
这样的试验，是一种有计划的实践。科学的试验设计，能用较少的试验次数，达到预期的试验目标。试验过程中所产生的大量的试验数据，必须要进行合理的分析和处理，才能获得研究对象的变化规律，达到指导生产和科研的目的。