全因子實驗設計

⑴ doe實驗設計可以不選中心點嗎

剛開始的全因子實驗抄可以不選中心點，但是後續的優化實驗（響應曲面設計），必須要選中心點，因為不管是做三水平還是二水平的DOE實驗，都沒有辦法真正的把各個因子對結果的影響曲線給表達出來，如果是而因子，只能擬合出來直線，如果中間有交互作用，或者是非線性影響的情況下，不選中心點進行實驗，會導致擬合失真，導致得到的模型不是很好，很可能看起來很好，但是和實際有差別，所以，中心點是不能少的。

⑵ 如何用minitab設計多因子多水平正交實驗

統計-DOE-因子-創建因子設計，選擇一般全因子設計，設置因子數，點設計，設置因子名稱和水平數後確定，點因子，輸入各個水平下的實際參數值。OK。

⑶ 什麼是六西格瑪管理全因子實驗設計

六西格瑪管理全因子試驗設計概述

一、什麼是全因子試驗設計

全因子試驗方法是將每一個因素的不同水平組合做同樣數目的試驗，例如，將每個因素的不同水平組合均做一次試驗。

在一項試驗中有K個因素，每個因素有e個水平，則全因子試驗最小需要ek次。如某試驗的因素數為3個，每個因素的水平數也是3個，則此試驗若進行全因子試驗，需33=27次。

二、全因子試驗的特點及適用場合

1.特點

①.全因子試驗是所有因子和水平的完美組合。

②.全因子試驗所需的試驗次數為ek即以水平數為底，以因素數為冪的指數。

③.因為全因子試驗是完美組合，其結論是最真實可靠的。

2.適用場合

全因子試驗適用於因素數和水平數均不多的場合，以獲得較精確的分析結論。

全因子試驗不適於因素數或水平數較多的場合，如：

①.因素數較多

假設某個試驗設計需對10個因素進行評價，每個因素有兩個水平，如進行全因子試驗，需

210=1024次試驗。

②.水平數較多

假設某個試驗設計需對3個因素進行評價，每個因素有8個水平，如進行全因子試驗，需進行83=512次試驗。

在以上兩種試驗條件下，很難做到如此大的試驗量，即使做到，從時間和成本角度考慮也是極不經濟的，此時需要較少的試驗次數，結果又能接近全因子試驗的設計。如傳統的多次單因素試驗，比較科學的正交試驗以及新出現的均勻試驗設計等。

⑷ 精益六西格瑪管理咨詢針對因子實驗設計的概念是什麼

精益6西格瑪管理咨詢針對因子試驗設計可以對過程存在的多個影響因子進行同時研究，在試驗中同時改變各因子的水平比同一時間只改變一個因手的水平要節省很多時間和成本。 且可以研究因子之間的交互作用。 因子間的交互作用在許多過程都存在, 如不進行因子試驗，試驗及分祈時可能漏掉重要的交互作用影響。 因子誠驗設計的類別如下：

(1）篩選設計（Screening design)。

通常而言, 一個過程的影響因素是很多的, 篩選設計通過確定影響輸出的關鍵因子來減少輸入變數的數量 。篩選設計還可以給出這些 「關鍵少數變數」的優化參數設置, 並指示是否存在非線性影響。一般來說, 2個水平全因子和分部因子設計、 Plackett-Burman常用篩選重要因子。 這些設計適用於線性模型, 但當設計中包含中心點時可以提供非線性影響的信息。

(2) 全因子設計 （Full factoria1 designs）。

全因子設計包含所有因子及水平的組合。 下圖顯示了2 個因子和3個因子時全因子設設計的組合狀態。 圖中每個點代表一組因子水平的組合。

A因子2個水平 A、 B、 C3個因子均為2個水平

B因子3個水平

(3) 2個水平全因子設計(Two-level full factonal designs)。

2個水平全因子設計中, 每個因子只有2個水平。試驗組合包合了所有因子的所有水平。 2個因子設計雖然無法准確分析因子取值范目內各個水平的影響, 但可以看出主要影響趨勢, 從而為下一步試驗指明方向。

(4）通用全因子設計(Genera1 full factoria1 designs)。

通用全因子設計中, 每個因子可有任意水平的取值, 如 A 因子有3個水平, B因子有6個水平。通用全因子設計可用於因子較少時的篩選設計或進行優化設計。

(5)分部因子設計lFractional factorial designs)。

在因子數或水平數較多時, 全因子設計的試驗組合次數會很多, 如5個因子3個水平的全因子設計組合數為243次。這時試驗時間和成本都變的很高甚至無法接受。 分部因子設計是選擇全因子設計的部分組合進行試驗這樣可以減少試驗次數。 MINITAB可以生成多達15個因子的2個水平分部試驗設計方案。 分部試驗設計可用於因子篩選, 只需選擇全因子水平組合的一部分進行試驗即可。 分部因子設計中部分因子間的影響可能會混淆。混淆的部分無法獨立評估。混淆部分 MINITAB將顯示在任務視窗中 。 因為部分影 響 之間相互混淆, 因此在選擇分部設計時需特別小心, 通常要求試驗設計者對試驗對象的產品或過程有較深了解。

(6) Plackett-Buman designs。

Plackett-Buman設計是一種解析度Ⅲ級的2水平分部因子設計, 常用於研究主要影響， 在解析度Ⅲ級的設計中, 主要影響與兩因素交互作用相混淆。 MINITAB可以生成多達47個因子的 Plackett-Buman設計。

⑸ 正交試驗設計（2因素5水平和1因素2水平）

在minitab中點統計--DOE--因子--創建因子設計，然後在對話框中，選版一般全因子設計，因子數設為2，再點設權計按鈕，水平數設為5，再點選項按鈕，取消勾選隨機化運行順序，再點確定，就可以在工作表中列出2因素5水平的全因子正交試驗表了。

標准序 運行序 點類型 區組 A B
1 1 1 1 1 1
2 2 1 1 1 2
3 3 1 1 1 3
4 4 1 1 1 4
5 5 1 1 1 5
6 6 1 1 2 1
7 7 1 1 2 2
8 8 1 1 2 3
9 9 1 1 2 4
10 10 1 1 2 5
11 11 1 1 3 1
12 12 1 1 3 2
13 13 1 1 3 3
14 14 1 1 3 4
15 15 1 1 3 5
16 16 1 1 4 1
17 17 1 1 4 2
18 18 1 1 4 3
19 19 1 1 4 4
20 20 1 1 4 5
21 21 1 1 5 1
22 22 1 1 5 2
23 23 1 1 5 3
24 24 1 1 5 4
25 25 1 1 5 5
請採納。

⑹ 什麼叫全因子試驗設計

... 時間序列圖分析第三部分試驗設計第一章什麼是試驗設計什麼是試驗設計試驗設計的
用途第回二章試答驗設計的相關因素試驗因素及 ... 章全因子試驗設計全因子試驗設計概述單
因素四水平試驗設計例三因素二水平試驗設計例二因素四水平試驗設計例第六章分部試驗 ...

http://www.soso.com/q?w=%CA%B2%C3%B4%CA%C7+%C8%AB%D2%F2%D7%D3%CA%D4%D1%E9%C9%E8%BC%C6&lr=chs&sc=web&ch=w.soso&uin=&pg=8

⑺ 試驗設計5個因素，每個因素2個變數，正交試驗如何設計

5個因子2水準的制試驗，利用Minitab
軟體，可以先進行1/2部分因子試驗，16組試驗，分辨度達到5級，外加3-5組中心點，19-21組試驗即可。然後篩選到3因子或更少的話，可以經行全因子試驗，有曲率的話，就進行全面響應設計。

⑻ 全因子實驗設計可用什麼軟體處理

因子分析是用因子概括變數信息，所以首先自變數是什麼?三年數據當然是一起錄入，通過三年的變化來反映因變數的變化。

⑼ 六西格瑪管理咨詢里試驗設計的施行方法步驟

試驗設計DOE（Design of Experiments）實驗設計，針對產品流程、產品的研發、產品的生產過程改善時分析重要因子，優化結果，提高設計健狀性的實驗。通過選擇對產品特性影響較大的相關參數，確定因素之間的指標，選擇符合產品特性指標較好的，簡單點說，就是考察影響產品特性的各個參數，確定哪些參數組合哪些產品特性最好。

1、用部分因子設計進行因子的篩選
最開始，情況不很清楚，考慮到影響響應變數的因子個數可能較多(大於或等於5)，這時應在較大的試驗范圍內，先進行因子的篩選(screening)，通常應使用部分實施的因子試驗設計法，這樣獲得的結果可能較為粗糙，但試驗次數可以大大減少，也能夠達到篩選的目的。如果認為部分實施的因子試驗費用仍然太昂貴，則可以使用試驗次數更少的「Plaekett-Burman設計」方法來篩選因子。

2、用全因子試驗設計法對因子效應和交互作用進行全面的分析
當因子的個數被篩選到小於等於5個之後，就可以進一步在稍小范圍內進行全因子試驗設計以獲得全部因子效應和交互作用的准確信息，並進一步篩選因子直到因子個數不超過3個。

3、用響應曲面方法確定回歸關系並求出最優設置
當因子個數不超過3個時，就有條件採用更細致的響應曲面設計分析方法，在包含最優點的一個較小區域內，對響應變數擬合一個二次方程，從而可以得到試驗區域內的最優點。

以上所說的當然是典型的步驟，在實際工作中，可能跳過某個環節，也可能在某個步驟上反復進行幾次。總之，要不斷地篩選因子，不斷調整試驗的范圍和因子水平的選擇，經過幾輪試驗後才能最終達到試驗的總目標。

⑽ 試驗設計5個因素，每個因素2個變數，正交試驗如何設計

5個因子2水準的試驗，利用Minitab 軟體，可以先進行1/2部分因子試驗，16組試驗，分辨度達版到5級，外加3-5組中心權點，19-21組試驗即可。然後篩選到3因子或更少的話，可以經行全因子試驗，有曲率的話，就進行全面響應設計。