实验和部分因子设计

A -1 1 -1 1 -1 1 -1 1 B -1 -1 1 1 -1 -1 1 1 C -1 -1 -1 -1 1 1 1 1 AXB 1 -1 -1 1 1 -1 -1 1 AXC 1 -1 1 -1 -1 1 -1 1 BXC 1 1 -1 -1 -1 -1 1 1
Factor D
AXBXC -1 1 1 -1 1 -1 -1 1
Stems None A ll
Temp*Age (DE)
Interaction Plot Ne 80 75 70 Temp 65 60
Temp 75 92
Temp 75 92
80 75 70 65 60 75 92 Age
Age Old Ne
由此可以得出什么结论?
4 −1 4 4 −1
2
2 =2 2 =2 2 =2
4−1
部分因子设计与 Minitab
我们来看看如何用 Minitab 对话框设计一个５因子的部分因子实验
部分因子设计与 Minitab
注意在 5 因子实验中，我们可使用两种 部分因子设计 请注意三级分辨率实验设计的混淆
实验设计选项
此表显示三个选项 : 两项部分因子设计与全因子设计
六西格玛培训
部分因子实验
目的
介绍部分因子实验的总体概念 介绍部分因子实验的分析
宏观策略
筛选设计
部分因子设计
特性研究
全因子设计
优化研究
响应曲面法
为何执行部分因子实验?
随着因子数目的增加，全因子实验次数也增加。因子数 目较多时，试验次数过大无法施行。 – 2x2全因子实验= 4 次 – 2x2x2全因子实验= 8 次 – 2x2x2x2全因子实验= 16 次 – 等等… 实验者若能假设“高阶交互作用”可忽略，那么即使只进 行全因子设计的部份实验，仍能适当的估计“较低阶交互 作用” 及主因。 部分因子设计的主要用途为筛选变量 － 较少的试验次数来评估相对较多的因子。 可以用相对

选ABCD＝1者保留，效果最好 选ABC＝1者保留，效果稍差 选AB＝1者保留，效果极差 ABCD＝1比ABC＝1好，ABC＝1比AB＝1好
平皆为4次试验，破坏
了设计的平衡性
5
删节试验方法
2水平计算法则：“－1”低水平；“＋1”高水平
No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 A -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 -1 +1 B -1 -1 +1 +1 -1 -1 +1 +1 -1 -1 +1 +1 -1 -1 +1 +1 C -1 -1 -1 -1 +1 +1 +1 +1 -1 -1 -1 -1 +1 +1 +1 +1 D -1 -1 -1 -1 -1 -1 -1 -1 +1 +1 +1 +1 +1 +1 +1 +1 AB +1 -1 -1 +1 +1 -1 -1 +1 +1 -1 -1 +1 +1 -1 -1 +1 AC +1 -1 +1 -1 -1 1 -1 1 1 -1 +1 -1 -1 +1 -1 +1 AD +1 -1 +1 -1 +1 -1 +1 -1 -1 +1 -1 1 -1 +1 -1 +1 BC +1 +1 -1 -1 -1 -1 +1 +1 +1 +1 -1 -1 -1 -1 +1 +1 BD +1 +1 -1 -1 +1 +1 -1 -1 -1 -1 +1 +1 -1 -1 +1 +1 CD ABC ABD ACD +1 -1 -1 -1 +1 +1 +1 +1 +1 +1 +1 -1 +1 -1 -1 +1 -1 +1 -1 1 -1 -1 +1 -1 -1 -1 +1 +1 -1 +1 -1 -1 -1 -1 +1 1 -1 +1 -1 -1 -1 +1 -1 +1 -1 -1 +1 -1 +1 +1 +1 -1 +1 -1 -1 +1 +1 -1 -1 -1 +1 +1 +1 +1

实验设计DOE部分因子设计实验在进行DOE实验设计时，首先需要确定影响结果的关键因素。

然后，这些因素需要被分为两个或更多的水平，以便在实验中进行变化。

最后，采用特定的实验设计方法来确定最佳的因素组合，以达到期望的结果。

DOE实验设计通常包括三个步骤：确定因素，选择实验设计和分析结果。

1.确定因素：首先，需要确定影响结果的关键因素。

这可以通过经验知识、文献研究或先前的实验来获取。

因素可以是控制变量、处理变量或随机变量。

确定因素将帮助实验者确定实验的范围和复杂性。

2.选择实验设计：选择合适的实验设计是进行DOE的关键步骤之一、常用的DOE方法包括完全随机设计、随机区组设计、方差分析、回归分析等。

根据实验的目标和因素的数量，选择适当的实验设计对于预测结果和找出最佳因素组合都非常重要。

3.分析结果：在DOE实验中，分析结果是确定最佳因素组合的关键步骤。

通过分析统计数据，可以确定哪些因素对结果有着显著影响，以及不同因素之间是否存在交互作用。

这些信息将有助于确定最佳的工艺条件或优化实验结果。

DOE实验设计的一个例子是进行药物配方的优化。

假设有三个关键因素：药物浓度、药物配比和反应时间。

每个因素都有两个水平：药物浓度可以是高或低，药物配比可以是1：1或1：2，反应时间可以是短或长。

根据这些因素和水平构建的实验矩阵如下：实验编号，药物浓度，药物配比，反应时间---------，---------，---------，---------1，高，1:1，短2，低，1:1，短3，高，1:2，短4，低，1:2，短5，高，1:1，长6，低，1:1，长7，高，1:2，长8，低，1:2，长通过对这些实验进行多次迭代和数据收集，可以分析结果来确定哪些因素对药物配方有显著影响。

例如，通过方差分析可以确定药物浓度和反应时间对药物效果具有显著影响，而药物配比则对结果没有显著性影响。

这将有助于找出最佳的药物配方。

总结起来，DOE实验设计是一种强大的方法，可以帮助研究人员系统地研究和优化实验的关键因素。

11900 12890 12100 10900
13930 10210
8300
9500
12400 10290
8965
9640
三因素两水平试验设计例
三因素两水平试验设计是实际中比较常见的设 计案例,熟练掌握它对实战具有极强的指导作用.本 节将以一个三因素二水平试验设计案例来详细讨论 本类设计.
滑轨滚珠成型过程改善案例 某公司专业生产精密滑轨,在全球气动元件市 场占有30%的份额,并享有良好的声望.但半年前公 司应市场需求开发的一种滑轨的滑动力不够稳定, 有部分产品超过规格.公司根据市场反馈,紧急组织 人员进行分析改进.改善小组经过调查分析,决定通 过试验设计进行改善.
-1
-1
+1
+1
3
-1 +1 -1
-1
+1
-1
+1
4
+1 +1 -1
+1
-1
-1
-1
5
-1 -1 +1 +1
-1
-1
+1
6
+1 -1 +1
-1
+1
-1
-1
7
-1 +1 +1
-1
-1
+1
-1
8
+1 +1 +1 +1
+1
+1
+1
无交互作用设计及交互作用设计
上表中交互作用列中的数据是由相关因子相乘得到, 如试验1中:
小组的试验设计策划如下
DOE 试验计划表
项目负责人: 张军 项目 冰箱服务请求问题改善