全因子实验设计

⑴ doe实验设计可以不选中心点吗

刚开始的全因子实验抄可以不选中心点，但是后续的优化实验（响应曲面设计），必须要选中心点，因为不管是做三水平还是二水平的DOE实验，都没有办法真正的把各个因子对结果的影响曲线给表达出来，如果是而因子，只能拟合出来直线，如果中间有交互作用，或者是非线性影响的情况下，不选中心点进行实验，会导致拟合失真，导致得到的模型不是很好，很可能看起来很好，但是和实际有差别，所以，中心点是不能少的。

⑵ 如何用minitab设计多因子多水平正交实验

统计-DOE-因子-创建因子设计，选择一般全因子设计，设置因子数，点设计，设置因子名称和水平数后确定，点因子，输入各个水平下的实际参数值。OK。

⑶ 什么是六西格玛管理全因子实验设计

六西格玛管理全因子试验设计概述

一、什么是全因子试验设计

全因子试验方法是将每一个因素的不同水平组合做同样数目的试验，例如，将每个因素的不同水平组合均做一次试验。

在一项试验中有K个因素，每个因素有e个水平，则全因子试验最小需要ek次。如某试验的因素数为3个，每个因素的水平数也是3个，则此试验若进行全因子试验，需33=27次。

二、全因子试验的特点及适用场合

1.特点

①.全因子试验是所有因子和水平的完美组合。

②.全因子试验所需的试验次数为ek即以水平数为底，以因素数为幂的指数。

③.因为全因子试验是完美组合，其结论是最真实可靠的。

2.适用场合

全因子试验适用于因素数和水平数均不多的场合，以获得较精确的分析结论。

全因子试验不适于因素数或水平数较多的场合，如：

①.因素数较多

假设某个试验设计需对10个因素进行评价，每个因素有两个水平，如进行全因子试验，需

210=1024次试验。

②.水平数较多

假设某个试验设计需对3个因素进行评价，每个因素有8个水平，如进行全因子试验，需进行83=512次试验。

在以上两种试验条件下，很难做到如此大的试验量，即使做到，从时间和成本角度考虑也是极不经济的，此时需要较少的试验次数，结果又能接近全因子试验的设计。如传统的多次单因素试验，比较科学的正交试验以及新出现的均匀试验设计等。

⑷ 精益六西格玛管理咨询针对因子实验设计的概念是什么

精益6西格玛管理咨询针对因子试验设计可以对过程存在的多个影响因子进行同时研究，在试验中同时改变各因子的水平比同一时间只改变一个因手的水平要节省很多时间和成本。 且可以研究因子之间的交互作用。 因子间的交互作用在许多过程都存在, 如不进行因子试验，试验及分祈时可能漏掉重要的交互作用影响。 因子诚验设计的类别如下：

(1）筛选设计（Screening design)。

通常而言, 一个过程的影响因素是很多的, 筛选设计通过确定影响输出的关键因子来减少输入变量的数量 。筛选设计还可以给出这些 “关键少数变量”的优化参数设置, 并指示是否存在非线性影响。一般来说, 2个水平全因子和分部因子设计、 Plackett-Burman常用筛选重要因子。 这些设计适用于线性模型, 但当设计中包含中心点时可以提供非线性影响的信息。

(2) 全因子设计 （Full factoria1 designs）。

全因子设计包含所有因子及水平的组合。 下图显示了2 个因子和3个因子时全因子设设计的组合状态。 图中每个点代表一组因子水平的组合。

A因子2个水平 A、 B、 C3个因子均为2个水平

B因子3个水平

(3) 2个水平全因子设计(Two-level full factonal designs)。

2个水平全因子设计中, 每个因子只有2个水平。试验组合包合了所有因子的所有水平。 2个因子设计虽然无法准确分析因子取值范目内各个水平的影响, 但可以看出主要影响趋势, 从而为下一步试验指明方向。

(4）通用全因子设计(Genera1 full factoria1 designs)。

通用全因子设计中, 每个因子可有任意水平的取值, 如 A 因子有3个水平, B因子有6个水平。通用全因子设计可用于因子较少时的筛选设计或进行优化设计。

(5)分部因子设计lFractional factorial designs)。

在因子数或水平数较多时, 全因子设计的试验组合次数会很多, 如5个因子3个水平的全因子设计组合数为243次。这时试验时间和成本都变的很高甚至无法接受。 分部因子设计是选择全因子设计的部分组合进行试验这样可以减少试验次数。 MINITAB可以生成多达15个因子的2个水平分部试验设计方案。 分部试验设计可用于因子筛选, 只需选择全因子水平组合的一部分进行试验即可。 分部因子设计中部分因子间的影响可能会混淆。混淆的部分无法独立评估。混淆部分 MINITAB将显示在任务视窗中 。 因为部分影 响 之间相互混淆, 因此在选择分部设计时需特别小心, 通常要求试验设计者对试验对象的产品或过程有较深了解。

(6) Plackett-Buman designs。

Plackett-Buman设计是一种分辨率Ⅲ级的2水平分部因子设计, 常用于研究主要影响， 在分辨率Ⅲ级的设计中, 主要影响与两因素交互作用相混淆。 MINITAB可以生成多达47个因子的 Plackett-Buman设计。

⑸ 正交试验设计（2因素5水平和1因素2水平）

在minitab中点统计--DOE--因子--创建因子设计，然后在对话框中，选版一般全因子设计，因子数设为2，再点设权计按钮，水平数设为5，再点选项按钮，取消勾选随机化运行顺序，再点确定，就可以在工作表中列出2因素5水平的全因子正交试验表了。

标准序 运行序 点类型 区组 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
请采纳。

⑹ 什么叫全因子试验设计

... 时间序列图分析第三部分试验设计第一章什么是试验设计什么是试验设计试验设计的
用途第回二章试答验设计的相关因素试验因素及 ... 章全因子试验设计全因子试验设计概述单
因素四水平试验设计例三因素二水平试验设计例二因素四水平试验设计例第六章分部试验 ...

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 试验设计5个因素，每个因素2个变量，正交试验如何设计

5个因子2水准的制试验，利用Minitab
软件，可以先进行1/2部分因子试验，16组试验，分辨度达到5级，外加3-5组中心点，19-21组试验即可。然后筛选到3因子或更少的话，可以经行全因子试验，有曲率的话，就进行全面响应设计。

⑻ 全因子实验设计可用什么软件处理

因子分析是用因子概括变量信息，所以首先自变量是什么?三年数据当然是一起录入，通过三年的变化来反映因变量的变化。

⑼ 六西格玛管理咨询里试验设计的施行方法步骤

试验设计DOE（Design of Experiments）实验设计，针对产品流程、产品的研发、产品的生产过程改善时分析重要因子，优化结果，提高设计健状性的实验。通过选择对产品特性影响较大的相关参数，确定因素之间的指标，选择符合产品特性指标较好的，简单点说，就是考察影响产品特性的各个参数，确定哪些参数组合哪些产品特性最好。

1、用部分因子设计进行因子的筛选
最开始，情况不很清楚，考虑到影响响应变量的因子个数可能较多(大于或等于5)，这时应在较大的试验范围内，先进行因子的筛选(screening)，通常应使用部分实施的因子试验设计法，这样获得的结果可能较为粗糙，但试验次数可以大大减少，也能够达到筛选的目的。如果认为部分实施的因子试验费用仍然太昂贵，则可以使用试验次数更少的“Plaekett-Burman设计”方法来筛选因子。

2、用全因子试验设计法对因子效应和交互作用进行全面的分析
当因子的个数被筛选到小于等于5个之后，就可以进一步在稍小范围内进行全因子试验设计以获得全部因子效应和交互作用的准确信息，并进一步筛选因子直到因子个数不超过3个。

3、用响应曲面方法确定回归关系并求出最优设置
当因子个数不超过3个时，就有条件采用更细致的响应曲面设计分析方法，在包含最优点的一个较小区域内，对响应变量拟合一个二次方程，从而可以得到试验区域内的最优点。

以上所说的当然是典型的步骤，在实际工作中，可能跳过某个环节，也可能在某个步骤上反复进行几次。总之，要不断地筛选因子，不断调整试验的范围和因子水平的选择，经过几轮试验后才能最终达到试验的总目标。

⑽ 试验设计5个因素，每个因素2个变量，正交试验如何设计

5个因子2水准的试验，利用Minitab 软件，可以先进行1/2部分因子试验，16组试验，分辨度达版到5级，外加3-5组中心权点，19-21组试验即可。然后筛选到3因子或更少的话，可以经行全因子试验，有曲率的话，就进行全面响应设计。