Factorieel DOE maken en analyseren
Create Factorial DoE is de stap waarin u het ontwerp genereert en uw experiment definieert voordat er gegevens worden verzameld. U geeft de te onderzoeken factoren op, het aantal niveaus per factor en de structuur van het ontwerp, inclusief resolutie, blokken, replicaties en centrumpunten.
Laatst beoordeeld
Belangrijkste conclusie
Create Factorial DoE is de stap waarin u het ontwerp genereert en uw experiment definieert voordat er gegevens worden verzameld.
Op deze pagina
- Wat is Create Factorial DoE?
- Wanneer gebruikt u Create Factorial DoE?
- Richtlijnen voor correct gebruik van Create Factorial DoE
- Alternatieven: wanneer u Create Factorial DoE niet gebruikt
- Wat is Analyse Factorial DoE?
- Wanneer gebruikt u Analyse Factorial DoE?
- Richtlijnen voor correct gebruik van Analyse Factorial DoE
- Alternatieven: wanneer u Analyse Factorial DoE niet gebruikt
- Voorbeeld van Create & Analyse Factorial DoE
- Zo maakt en analyseert u een factorieel DOE
Wat is Create Factorial DoE?
Create Factorial DoE is de stap waarin u het ontwerp genereert en uw experiment definieert voordat er gegevens worden verzameld. U geeft de te onderzoeken factoren op, het aantal niveaus per factor en de structuur van het ontwerp, inclusief resolutie, blokken, replicaties en centrumpunten. De tool genereert vervolgens een volledige set experimentele runs die precies aangeeft welke combinatie van factorinstellingen u in welke volgorde test.
Het goed vormgeven van het ontwerp in dit stadium is cruciaal: een goed opgebouwd factorieel ontwerp zorgt ervoor dat factoreffecten nauwkeurig kunnen worden geschat, dat confounding (vermenging) minimaal is en dat het experiment de maximale hoeveelheid bruikbare informatie oplevert voor de geïnvesteerde middelen.
Eenvoudige definitie: De planningsstap van een factorieel experiment waarin u uw factoren, de ontwerpstructuur en de runvolgorde definieert voordat u gegevens verzamelt. Een goed ontworpen experiment leidt tot duidelijke, betrouwbare antwoorden.
Wanneer gebruikt u Create Factorial DoE?
- Gebruik de tool wanneer u een nieuw factorieel experiment vanaf nul wilt plannen voordat er runs zijn uitgevoerd.
- Gebruik de tool wanneer u 2 tot 15 factoren hebt (continu, categorisch of gemengd) en hun afzonderlijke effecten en interacties wilt onderzoeken.
- Gebruik de tool wanneer u een gerandomiseerde, gestructureerde runlijst wilt genereren die beschermt tegen tijdgebonden effecten en operatorbias.
- Gebruik de tool wanneer beperkte middelen of tijd een fractioneel factorieel ontwerp vereisen: het testen van een zorgvuldig gekozen deelverzameling van alle mogelijke combinaties.
Richtlijnen voor correct gebruik van Create Factorial DoE
- Definieer realistische en praktisch haalbare factorniveaus : de bereiken moeten breed genoeg zijn om echte effecten te detecteren, maar veilig en uitvoerbaar tijdens het experiment.
- Zorg altijd voor een gerandomiseerde runvolgorde : experimenten in willekeurige volgorde uitvoeren beschermt tegen systematische tijdgebonden effecten, opwarmtrends van apparatuur en leereffecten van de operator die de resultaten vertekenen.
- Neem in elk experiment centrumpunten op: ze kosten relatief weinig runs, maar maken het mogelijk kromming te detecteren en de fout te schatten.
- Gebruik blokken wanneer er een bekende storende variabele is , zoals testen over meerdere dagen, ploegen, machines of grondstofbatches, om te voorkomen dat die variabele de schijnbare factoreffecten opblaast.
- Kies de resolutie op basis van welke informatie het belangrijkst is : gebruik Resolutie V wanneer tweefactorinteracties belangrijk zijn; accepteer Resolutie III alleen voor grote eerste screeningsstudies.
Alternatieven: wanneer u Create Factorial DoE niet gebruikt
- Als u meer dan 15 factoren hebt om te screenen, gebruik dan eerst Definitief screeningontwerp maken en analyseren om de belangrijke factoren te beperken voordat u in een volledig factorieel ontwerp investeert.
- Als alle factoren ingrediëntproporties zijn die tot een constant totaal optellen, gebruik dan Mengsel-DOE maken en analyseren : standaard factoriële ontwerpen kunnen de mengselrestrictie niet aan.
- Als het experiment al is uitgevoerd en u gegevens hebt om te analyseren, ga dan rechtstreeks naar Analyse Factorial DoE zonder een nieuw ontwerp te hoeven maken.
Wat is Analyse Factorial DoE?
Analyse Factorial DoE verwerkt de responsgegevens die uit een factorieel experiment zijn verzameld en fit een statistisch model dat kwantificeert hoe elke factor en hun interacties de respons beïnvloeden. Het bepaalt welke effecten statistisch significant zijn, schat de grootte en richting van elk effect en levert diagnostische plots en samenvattende statistieken om te verifiëren dat het model een betrouwbare beschrijving van de gegevens is.
De analyse zet ruwe experimentele metingen om in bruikbare kennis: ze vertelt u welke factoren de respons werkelijk aansturen, in welke mate, en of factoren samenwerken op manieren die niet zichtbaar zouden zijn als u ze afzonderlijk bestudeert.
Wanneer gebruikt u Analyse Factorial DoE?
- Gebruik de tool nadat u alle geplande experimentele runs hebt voltooid en alle responsmetingen hebt vastgelegd.
- Gebruik de tool om vast te stellen welke factoren statistisch significante effecten hebben en welke bij toekomstige procesbeheersing veilig kunnen worden genegeerd.
- Gebruik de tool om de grootte en richting van elk effect te kwantificeren, zodat u niet alleen weet wat ertoe doet, maar ook hoeveel bijstellen de respons verandert.
- Gebruik de tool om interacties tussen factoren te detecteren, waarbij de invloed van de ene factor afhangt van het niveau van een andere.
Richtlijnen voor correct gebruik van Analyse Factorial DoE
- Bekijk altijd de residuplots voordat u effecten interpreteert : een model dat de diagnostische controles niet doorstaat, mag niet worden gebruikt om conclusies te trekken of aanbevelingen te doen.
- Gebruik hiërarchische modelopbouw : als een interactieterm significant is, behoud dan alle hoofdeffecten die bij die interactie horen, ook als die hoofdeffecten afzonderlijk niet significant zijn.
- Houd naast statistische significantie ook rekening met praktische significantie : een effect kan statistisch aantoonbaar zijn maar te klein om praktisch voor het proces van belang te zijn.
- Valideer het uiteindelijke model met bevestigingsruns op de voorspelde optimale instellingen voordat u procesaanpassingen doorvoert: het model is een voorspelling, geen garantie.
- Als via centrumpunten kromming wordt gedetecteerd, overweeg dan het ontwerp uit te breiden met axiale punten om een responsoppervlakmodel te fitten dat het gekromde verband goed verdisconteert.
Alternatieven: wanneer u Analyse Factorial DoE niet gebruikt
- Als het experiment is gemaakt met een definitief screeningontwerp, gebruik dan in plaats daarvan Definitief screeningontwerp maken en analyseren : dat gebruikt een algoritme dat speciaal is geoptimaliseerd voor de gegevensstructuur van een DSD.
- Als het experiment een mengselontwerpwas, gebruik dan in plaats daarvan Mengsel-DOE maken en analyseren : standaard factoriële analyse verwerkt de mengselrestrictie niet correct.
Voorbeeld van Create & Analyse Factorial DoE
De volgende stappen:
- Voer de benodigde gegevens in het rechterpaneel Design & Analysis Inputs in.

2. Analyseer nu de gegevens in Zometric Statistical Software op https://statsai.zometric.com/.
3. Kies voor Create & Analyse Factorial DoE Statistical module> DOE>Create & Analyse Factorial DoE.
4. Klik op Step 1. De vereiste opties worden met standaardinstellingen gevuld.
5. Klik op Step 2. In het linkerpaneel onder Designed Experiments & Resultswordt de ontwerpmatrix gegenereerd. Voeg de responsvariabelen (uitkomsten) als nieuwe kolommen toe aan het einde van de ontwerpmatrix.
6. Zoek in het rechterpaneel onder Design & Analysis Inputsde optie Responses op. Selecteer de nieuw toegevoegde uitkomstkolommen om ze als responsvariabelen te definiëren.
7. Selecteer de vereiste interactietermen op basis van de eisen van het experiment
8. Klik op Step 3 om de analyse van het ontworpen experiment uit te voeren.

9. Na gebruik van bovenstaande tool haalt u de uitvoer als volgt op:



Zo maakt en analyseert u een factorieel DOE
De handleiding is als volgt:
- Log in op Zometric Statistical Software op https://statsai.zometric.com/
- Kies op de startpagina Statistical Tool> DOE>Create & Analyse Factorial DoE.
- Voer vervolgens de gegevens handmatig in, of kopieer (Ctrl+C) de gegevens uit een Excel-werkblad en plak (Ctrl+V) ze hier, of gebruik de optie Load Example waarmee de voorbeeldgegevens worden geladen.
- Vul vervolgens de vereiste opties in.
- Klik ten slotte onderaan de pagina op Calculate en u krijgt de gewenste resultaten.
Op het dashboard van Create & Analyse Factorial DoE is het venster in twee delen verdeeld.

Aan de linkerkant staat Designed Experiments & Results. In Designed Experiments & Results wordt het experimentele ontwerp gegenereerd.
Aan de rechterkant staan veel opties, als volgt:
Load example: Laadt een kant-en-klare voorbeelddataset zodat u de tool kunt verkennen en de werkwijze kunt begrijpen voordat u uw eigen gegevens invoert.
- Step 1: Fetch Design Options : Hiermee worden de hierboven uitgelegde opties automatisch ingevuld
Step 2: Create Designed Experiments: Hiermee worden de experimentele ontwerpen in het linkerpaneel gegenereerd (Designed Experiments & Results)
Step 3: Analyse Experiments - Resolution: Bepaalt hoeveel informatie het fractionele factoriële ontwerp kan schatten zonder confounding (vermenging). Ontwerpen met een hogere resolutie scheiden hoofdeffecten en interacties zuiverder, maar vereisen meer runs:
1. Volledig factorieel ontwerp (volledige fractie)
Een volledig factorieel ontwerp is een experimenteel ontwerp waarin alle mogelijke combinaties van factorniveaus worden getest.Kenmerken
Voordelen
Nadelen
Voorbeeld
Voor 3 factoren (A, B, C), elk op 2 niveaus:
Totaal aantal runs = 2³ = 8 runs2. Fractioneel factorieel ontwerp (half-fractie – 1/2 fractie)
Een half-fractieontwerp (1/2 fractie) is een type fractioneel factorieel ontwerp waarbij slechts de helft van het totale aantal runs van een volledig factorieel ontwerp wordt uitgevoerd.Kenmerken
Voordelen
Nadelen
Voorbeeld
Voor 3 factoren (A, B, C):
Volledig factorieel = 8 runs
Half-fractie = 2³⁻¹ = 4 runs - Als er k factorenzijn, elk op 2 niveaus, is het totale aantal runs:
2ᵏ
- Als er k factorenzijn, elk op 2 niveaus, is het totale aantal runs:
- Evalueert elke mogelijke interactie tussen factoren.
- Levert volledige en niet-vermengde informatie.
- Geen informatieverlies door aliasing.
- Hoogste nauwkeurigheid.
- Alle hoofdeffecten en interactie-effecten kunnen onafhankelijk worden geschat.
- Geen dubbelzinnigheid bij de interpretatie.
- Het aantal runs neemt snel toe naarmate het aantal factoren toeneemt.
- Kan tijdrovend en kostbaarzijn.
- Voor k factoren wordt het aantal runs:
2ᵏ⁻¹
- Voor k factoren wordt het aantal runs:
- Verlaagt het aantal experimentele runs met 50%.
- Gebruikt een systematisch gekozen deelverzameling van combinaties .
- Sommige effecten zijn vermengd (aliased) met andere.
- Vereist minder experimenten, wat tijd en kosten bespaart.
- Nuttig in de beginfasen van experimenteren (screening van belangrijke factoren).
- Sommige effecten kunnen niet worden gescheiden (door aliasing).
- De interpretatie kan minder duidelijk zijn dan bij volledige factoriële ontwerpen.
- Centre Points per Block: Het aantal runs op het middelpunt van alle factorbereiken dat binnen elk blok wordt toegevoegd. Centrumpunten helpen kromming in de respons te detecteren en geven een onafhankelijke schatting van de experimentele fout zonder extra factorcombinaties te vereisen.
- Replicates for Corner Points: Het aantal keren dat elk hoekpunt (extreme factorcombinatie) wordt herhaald. Het toevoegen van replicaties verhoogt de precisie van de effectschattingen en geeft een betrouwbaardere schatting van de fout, maar verhoogt het totale benodigde aantal runs.
- Blocks: Verdeelt het experiment in groepen runs die onder dezelfde omstandigheden worden uitgevoerd, bijvoorbeeld per dag, operator of apparaat. Blokken haalt bekende bronnen van variatie uit de analyse, wat zuiverdere schattingen van factoreffecten geeft.
- Resolution: Bepaalt hoeveel informatie het fractionele factoriële ontwerp kan schatten zonder confounding (vermenging). Ontwerpen met een hogere resolutie scheiden hoofdeffecten en interacties zuiverder, maar vereisen meer runs:
- Responses: Voeg de responsvariabelen (uitvoermetingen) toe die tijdens het experiment worden verzameld. Voer die in als nieuwe kolommen direct na de laatste kolom van de ontwerpmatrix in het werkblad. Zodra de responskolommen zijn toegevoegd, selecteert u ze met de optie Responses van de nieuw toegevoegde kolom, de uitvoervariabele. Zo worden de experimentele resultaten correct aan de gedefinieerde responsen gekoppeld voor verdere analyse.
- Select Terms: Kies welke modeltermen (hoofdeffecten, tweefactorinteracties, kwadratische effecten) in het analysemodel worden opgenomen. Standaard zijn de hoofdeffecten opgenomen; voeg interactietermen toe als u verwacht dat factoren elkaar beïnvloeden.
- Hiermee wordt de analyse gegenereerd van het ontwerp dat u hebt gemaakt.
- Download as Excel: Hiermee wordt het resultaat in Excel-formaat weergegeven, dat u eenvoudig kunt bewerken en met de optie Load File opnieuw kunt laden voor berekeningen.
Veelgestelde vragen
Wat is het verschil tussen een volledig en een fractioneel factorieel ontwerp?
Een volledig factorieel ontwerp test elke combinatie van factorniveaus: voor k factoren op 2 niveaus zijn dat 2ᵏ runs, wat volledige, niet-vermengde schattingen van alle hoofdeffecten en interacties geeft. Een half-fractieontwerp voert 2ᵏ⁻¹ runs uit, de helft, wat tijd en kosten bespaart, maar sommige effecten zijn vermengd (aliased) en kunnen niet worden gescheiden.
Wanneer gebruikt u een factorieel DOE?
Gebruik het om een experiment met 2 tot 15 factoren te plannen, continu, categorisch of gemengd, wanneer u hun afzonderlijke effecten en interacties wilt onderzoeken. Kies een fractioneel factorieel ontwerp wanneer middelen of tijd het aantal runs beperken. Bij meer dan 15 factoren screent u eerst met een definitief screeningontwerp; voor ingrediëntproporties gebruikt u een mengselontwerp.
Waarom centrumpunten, replicaties en blokken aan een factorieel ontwerp toevoegen?
Centrumpunten kosten relatief weinig runs, maar detecteren kromming en geven een onafhankelijke schatting van de experimentele fout. Het repliceren van hoekpunten verhoogt de precisie van de effectschattingen. Blokken groeperen runs die onder dezelfde omstandigheden zijn uitgevoerd, zoals een dag, operator of machine, zodat een bekende storende variabele de schijnbare factoreffecten niet opblaast.
Hoe analyseert u een factorieel experiment?
In Zometric Statistical Software haalt Step 1 de ontwerpopties op en genereert Step 2 de ontwerpmatrix; voeg de responskolommen aan het einde toe, selecteer ze als Responses, kies de modeltermen en klik op Step 3 om te analyseren. Bekijk de residuplots voordat u effecten interpreteert, behoud hoofdeffecten die bij significante interacties horen en bevestig het voorspelde optimum met bevestigingsruns.
