在许多应用程序中,可能会影响过程质量的因子太多,无法详细研究所有的因子。筛选设计的常用目标是识别会影响过程质量的最重要因子。在执行筛选试验之后,通常执行优化试验以提供有关最重要因子和响应变量之间关系的更多详细信息。

下面的设计通常用于筛选:
  • 2 水平部分因子设计
  • Plackett-Burman 设计
  • 明确筛选设计

在 Minitab 中选择筛选设计

您对筛选设计的选择取决于许多不同的注意事项。许多注意事项特定于过程。下面是 Minitab 中的一些注意事项:
要研究的因子数
下面是 Minitab 中用于常见筛选设计的最大因子数:
  • 明确筛选设计:48
  • Plackett-Burman 设计:47
  • 部分因子设计:15
要研究的项类型
部分因子设计和 Plackett-Burman 设计旨在筛选线性项。明确筛选设计提供有关平方项和更多双因子交互作用的信息。
通常,部分因子设计和 Plackett-Burman 设计在给定因子数的单个仿行中具有最少的游程数。但是,如果模型需要二次项,您必须向部分因子设计和 Plackett-Burman 设计中添加游程。明确筛选设计已经包括用来对平方项进行建模的游程。如果模型中将包括平方项,则明确筛选设计的每个仿行中可能具有最少的游程数。
因子的水平数
Plackett-Burman 设计和部分因子设计的每个连续因子可以具有 2 个水平。如果您在任一类型的设计中添加用来检测弯曲的中心点,则每个连续因子具有 3 个水平。
能否按顺序增加设计的顺序
有时,可以从较小的设计开始来检查平方项或交互作用是否存在,然后再添加更多用来估计这些项的游程。折叠游程和轴游程是顺序试验中的两个策略。
在 Minitab 中,您可以折叠 Plackett-Burman 和部分因子设计。折叠为您提供的游程可用来估计与初始设计部分相混杂的交互作用。
使用部分因子设计,还可以添加轴游程。轴游程可用于为设计中的因子估计平方项。
使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策