DOE 分析

设计试验是一系列运行或检验，从中您可以同时有目的地更改输入变量并观测响应。

在工业中，设计试验可用于系统地调查影响产品质量的过程变量或产品变量。确定影响产品质量的过程条件和产品组件后，可以有针对性地进行改进，以增强产品的可制造性、可靠性、质量和现场性能。

要添加 DOE 的输出，请转至添加并填写表单。

关于本主题

2^k 因子 DOE
一般全因子 DOE
混料 DOE
多响应优化
响应曲面 DOE

2^k 因子 DOE

使用二水平因子设计创建一个设计试验，以研究 2 - 15 个因子的效应。通过二水平因子设计，您可以确定重要因子以关注进一步的试验。

例如，一组工程师想要规划一个试验来调查三个因子对铜板中发生的翘曲的效应。他们通过指定设计信息（包括区组和中心点）来创建二水平因子设计。要查看示例，请转到 Minitab 帮助：创建二水平因子设计的示例。

2^k 因子 DOE 具有以下类型。

2^k 全因子设计: 该实验使用所有可能的因子设置组合，其中，3 因子运行 8 次，4 因子运行 16 次，5 因子运行 32 次，以此类推。
2^k 部分因子设计: 该实验使用所有可能的因子设置组合的一部分（二分之一、四分之一等），运行次数少于 2^k 全因子设计的运行次数。

注意

使用此表单记录实验中的数据分析。使用 DOE 规划表单帮助您设计实验。

有关可用设计的更多信息，请转到 Minitab 帮助：因子设计和部分因子设计。

数据注意事项

确定是要运行全因子还是部分因子 DOE。

如果因子数小于 5，则运行 2^k 全因子设计，以允许对所有仅需运行 8 次（3 因子）或 16 次（4 个因子）的二因子交互进行建模。
如果因子数为 5 或更多，则运行分辨度 V 或更高的 2^k 部分因子设计，以减少运行次数，同时仍对所有二因子交互进行建模。

一般全因子 DOE

使用一般全因子设计可以创建一个设计试验，以研究可具有任意水平数的因子。可以使用一般全因子设计为 8 个或多个因子创建完整分辨度的二水平设计。

例如，营销经理想要研究三个类别因子对以下能力的影响：检验受试者回想起在线广告的能力。因为试验中包括具有 3 个水平的因子，因此经理采用一般全因子设计。要查看示例，请转到 Minitab 帮助：创建一般全因子设计的示例。

注意

使用此表单记录实验中的数据分析。使用 DOE 规划表单帮助您设计实验。

有关可用设计的更多信息，请转到 Minitab 帮助：选择因子设计。

数据注意事项

不建议将一般全因子 (GFF) 设计用于筛选或减少潜在重要输入的数量。实验的规模可能很大，因此很昂贵。此外，对于筛选而言，GFF 设计提供的信息远超您的需求。您应该使用两个水平筛选出所有可能的输入，然后将需要两个以上水平的输入添加到筛选设计中。

混料 DOE

混料试验是一类特殊的响应曲面试验，其中所调查的产品由多种成分组成。

设计这些试验很有用，因为工业环境下许多产品设计和开发活动都涉及配方或混料。在这些环境中，响应是混料中各种成分的比例的函数。例如，您可能正在开发一种由面粉、发酵粉、牛奶、鸡蛋和食用油组成的薄饼配方。或者可能正在开发混合四种化学成分的杀虫剂。要查看示例，请转到 Minitab 帮助：创建混料设计（单纯形质心）示例。

数据注意事项

在创建混料设计之前，首先需要确定哪种设计最适合您的试验。Minitab 提供单纯形质心、单纯形格点和极端顶点设计。请分析以下步骤。

确定要关注的分量、过程变量和混料总量。
确定要拟合的模型。
确保充分覆盖相关的试验区域。
确定其他注意事项对所选设计的影响。注意事项的示例包括成本、时间、设施的可用性以及下限和上限约束。

有关可用设计的更多信息，请转到 Minitab 帮助：选择混料设计。

多响应优化

使用多响应优化来确定具有单个输出或多个竞争输出的试验中的最佳设置。

最优设计使用在减小或增大原始设计中的试验运行次数的过程中选定的一组“最佳”设计点。最优设计功能可以与一般全因子设计、响应曲面设计以及混料设计一起使用。要查看示例，请转到 Minitab 帮助：选择 D 最优响应曲面设计示例。

数据注意事项

候选点必须是一般全因子设计、响应曲面设计或混料设计。样本的数量和功效应适用于实际重要的效应大小。通常，您可以使用最优设计来减少实验运行次数，但较小的样本量可能无法提供能够以足够功效检测较小效果的设计。有关详情，请转至 Minitab 帮助：选择最优设计的数据注意事项。

响应曲面 DOE

响应曲面设计是一组有助于更好理解和优化响应的高级试验设计 (DOE) 技术。

响应曲面设计方法通常用于在使用筛选设计或因子设计确定了重要因子后（尤其是在怀疑响应曲面中存在弯曲时）改进模型。

例如，工程师想要分析塑料件的注模过程。首先，工程师执行部分因子设计，标识重要因子（温度、压力、冷却速率），并确定数据中存在的弯曲。然后，工程师创建一个中心复合设计来分析弯曲并找到最佳因子设置。要查看示例，请转到 Minitab 帮助：创建响应曲面设计（中心复合）示例。

数据注意事项

响应曲面设计有两种主要类型。

中心复合设计: 中心复合设计可以拟合完全二次模型。当设计计划要求连续试验时通常使用中心复合设计，因为这些设计可以包括来自正确规划的因子试验的信息。
Box-Behnken 设计: Box-Behnken 设计的设计点通常比中心复合设计少；因此在因子数相同的情况下，它们的运行成本较低。它们可以高效估计一阶和二阶系数，但是它们不能包括来自因子试验的游程。Box-Behnken 设计的每个因子始终有 3 个水平，这与中心复合设计不同，后者最多可以有 5 个水平。与中心复合设计的另一个区别是，Box-Behnken 设计从不包括其中所有因子都位于其极端设置（如所有的低设置）的运行。

有关可用设计的更多信息，请转到 Minitab 帮助：什么是响应曲面设计、中心复合设计和 Box-Behnken 设计？

DOE 分析

关于本主题

2k 因子 DOE

注意

数据注意事项

一般全因子 DOE

注意

数据注意事项

混料 DOE

数据注意事项

多响应优化

数据注意事项

响应曲面 DOE

数据注意事项

2^k 因子 DOE