建立與分析全因子試驗 (DOE)

建立全因子 DoE 是設計產生步驟,在收集任何資料之前先定義試驗。您需要指定要研究的因子、每個因子的水準數,以及設計的結構,包括分辨度、集區、重複次數和中心點。

最後審閱

核心要點

建立全因子 DoE 是設計產生步驟,在收集任何資料之前先定義試驗。

本頁內容
  1. 什麼是建立全因子 DoE?
  2. 何時使用建立全因子 DoE?
  3. 正確使用建立全因子 DoE 的指南
  4. 替代方法:何時不宜使用建立全因子 DoE
  5. 什麼是分析全因子 DoE?
  6. 何時使用分析全因子 DoE?
  7. 正確使用分析全因子 DoE 的指南
  8. 替代方法:何時不宜使用分析全因子 DoE
  9. 建立與分析全因子 DoE 範例
  10. 如何建立與分析全因子 DoE

什麼是建立全因子 DoE?

建立全因子 DoE 是設計產生步驟,在收集任何資料之前先定義試驗。您需要指定要研究的因子、每個因子的水準數,以及設計的結構,包括分辨度、集區、重複次數和中心點。隨後工具會產生一整套試驗執行,明確告訴您應測試哪些因子設定組合以及按什麼順序進行。

在這一階段把設計做好至關重要:構建良好的全因子設計可確保準確估計因子效應、使混雜降至最低,並使試驗在投入的資源下提供最多的有用資訊。

簡單定義:全因子試驗的規劃步驟,在收集任何資料之前先定義因子、設計結構和執行順序。精心設計的試驗能帶來清晰、可靠的答案。

何時使用建立全因子 DoE?

  • 當需要在進行任何試驗執行之前,從頭 規劃新的全因子試驗 時使用。
  • 當有 2 至 15 個因子(連續型、分類型或混合型),並希望研究其各自的效應和互動作用時使用。
  • 當希望 產生隨機化的結構化執行清單,以防範時間相關效應和操作員偏誤時使用。
  • 當資源或時間限制要求採用 部分因子設計 ——即測試從全部可能組合中精心選取的子集——時使用。

正確使用建立全因子 DoE 的指南

  • 確定 現實且切實可行的因子水準:範圍應足夠寬以檢測真實效應,但在試驗期間進行操作又應安全可行。
  • 務必 隨機化執行順序:以隨機順序進行試驗,可防止系統性的時間相關效應、設備預熱趨勢和操作員學習效應影響結果。
  • 在每個試驗中都應包含 中心點:它們所需的執行次數相對較少,卻具備檢測曲率和估計誤差的寶貴能力。
  • 當存在已知的干擾變數時,使用 集區,例如跨多天、多個班次、多臺機器或多批原物料進行測試,以防止該變數放大表觀的因子效應。
  • 根據 最關注的資訊選擇分辨度:當雙因子互動作用重要時使用 Resolution V;僅在大型初始篩選研究中才接受 Resolution III。

替代方法:何時不宜使用建立全因子 DoE

  • 如果需要篩選的因子 超過 15 個,請先使用 建立與分析確定性篩選設計 縮小重要因子的範圍,再投入全因子試驗。
  • 如果所有因子都是 總和必須為常數的配料比例,請改用 建立與分析混料試驗 (DOE):標準全因子設計無法處理混料約束。
  • 如果試驗已經完成並且有資料待分析,請直接進入 分析全因子 DoE,無需建立新的設計。

什麼是分析全因子 DoE?

分析全因子 DoE 處理從全因子試驗收集的反應資料,並配適統計模型,量化每個因子及其互動作用如何影響反應。它識別哪些效應在統計上顯著,估計每個效應的大小和方向,並產生診斷圖和彙總統計量,以驗證模型是對資料的可靠描述。

該分析將原始試驗量測值轉化為可付諸行動的知識:告訴您哪些因子真正驅動反應、驅動程度如何,以及是否有因子之間的協同作用是單獨研究它們時看不出來的。

何時使用分析全因子 DoE?

  • 在 完成所有計畫的試驗執行 並記錄全部反應量測值之後使用。
  • 用於識別哪些因子具有 統計上顯著的效應,以及哪些因子在今後的製程管制中可以放心忽略。
  • 用於量化 每個效應的大小和方向,這樣您不僅知道什麼重要,還知道調整它會使反應變化多少。
  • 用於檢測 因子之間的互動作用,即一個因子的影響取決於另一個因子的水準。

正確使用分析全因子 DoE 的指南

  • 務必 在解讀效應之前檢查殘差圖:未通過診斷檢查的模型不應用於得出結論或提出建議。
  • 使用 階層模型構建:如果某個互動作用項顯著,即使其中涉及的主效應單獨不顯著,也應保留該互動作用涉及的所有主效應。
  • 考慮 實際意義與統計顯著性並重:效應可能在統計上可檢測,但對製程而言小到實際上無關緊要。
  • 在實施任何製程變更之前,用 驗證執行 在預測的最佳設定下驗證最終模型:模型是預測,而不是保證。
  • 如果透過中心點檢測到曲率,可考慮 增加軸向點來擴充設計,以配適能夠恰當描述曲線關係的反應曲面模型。

替代方法:何時不宜使用分析全因子 DoE

  • 如果試驗是使用 確定性篩選設計建立的,請改用 分析確定性篩選設計:它採用專為 DSD 資料結構最佳化的演算法。
  • 如果試驗是 混料設計,請改用 分析混料試驗 (DOE):標準全因子分析無法正確處理混料約束。

建立與分析全因子 DoE 範例

步驟如下:

  1. 在右側面板 Design & Analysis Inputs 中輸入必要的資料。
Create & Analyse Factorial DOE — figure 1

2. 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。

3. 要找到建立與分析全因子 DoE,請選擇 Statistical module> DOE>Create & Analyse Factorial DoE.

4. 點選 Step 1。所需選項將以預設設定填充。

5. 點選 Step 2。在左側面板 Designed Experiments & Results下將產生設計矩陣。在設計矩陣末尾以新欄的形式新增反應(結果)變數。

6. 在右側面板 Design & Analysis Inputs下,找到 Responses 選項。選擇新新增的結果變數列,將其定義為反應變數。

7. 選擇所需的 互動作用項,以滿足試驗要求

8. 點選 Step 3,對設計的試驗進行分析。

Create & Analyse Factorial DOE — figure 2

9. 使用上述工具後,得到的輸出如下:

Create & Analyse Factorial DOE — figure 3Create & Analyse Factorial DOE — figure 4Create & Analyse Factorial DOE — figure 5

如何建立與分析全因子 DoE

操作步驟如下:

  1. 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  2. 在首頁選擇 Statistical Tool> DOE>Create & Analyse Factorial DoE。
  3. 接下來,手動更新資料,或從 Excel 表格中複製(Ctrl+C)資料並貼上(Ctrl+V)到此處,也可以使用 Load Example 選項載入範例資料。
  4. 接下來,填寫所需選項。
  5. 最後,點選頁面底部的 calculate,即可得到所需結果。

在建立與分析全因子 DoE 的工具介面中,視窗分為兩個部分。

Create & Analyse Factorial DOE — figure 6

左側為 Designed Experiments & Results。在 Designed Experiments & Results 中會產生設計的試驗。

右側提供以下選項:

Load example: 載入預置的範例資料集,使您在輸入自己的資料之前可以先探索該工具並瞭解工作流程。

  • Step 1: Fetch Design Options : 這將自動填充上述各選項。
    Step 2: Create Designed Experiments: 它會在左側面板(Designed Experiments & Results)中產生設計的試驗。
    Step 3: Analyse Experiments
    • Resolution: 定義部分因子設計在不產生混雜的情況下能夠估計多少資訊。分辨度越高的設計,對主效應和互動作用的區分越清晰,但所需執行次數越多:

      1. 全因子設計(完全因子)

      全因子設計是對因子水準的所有可能組合都進行測試的試驗設計。

      主要特點

      優點

      缺點

      範例

      對於 3 個因子(A、B、C),每個因子 2 個水準:
      總執行次數 = 2³ = 8 次

      2. 部分因子設計(半部分 – 1/2 部分)

      半部分因子設計(1/2 部分)是部分因子設計的一種,只進行全因子設計總執行次數的一半。

      主要特點

      優點

      缺點

      範例

      對於 3 個因子(A、B、C):
      全因子 = 8 次
      半部分 = 2³⁻¹ = 4 次
      • 如果有 k 個因子,每個因子 2 個水準,則總執行次數為:
        2ᵏ
      • 評估因子之間的 每一種可能的互動作用。
      • 提供 完整且無混雜的資訊。
      • 不會因別名結構而損失資訊。
      • 精度最高。
      • 所有 主效應 和 互動作用效應 均可獨立估計。
      • 解釋時沒有歧義。
      • 執行次數隨因子數增加而迅速增多。
      • 可能 耗時且成本高。
      • 對於 k 個因子,執行次數變為:
        2ᵏ⁻¹
      • 將試驗執行次數減少 50%。
      • 使用系統選取的 組合子集。
      • 部分效應與其他效應 相互混雜(別名)。
      • 需要 更少的試驗,節省時間和成本。
      • 適用於試驗的早期階段(篩選重要因子)。
      • 某些效應無法區分開(由於 別名)。
      • 與全因子設計相比,解釋可能不夠清晰。
    • Centre Points per Block: 在每個集區內、所有因子範圍的中點處增加的執行次數。中心點有助於檢測反應的曲率,並在無需增加額外因子群組合的情況下提供對試驗誤差的獨立估計。
    • Replicates for Corner Points: 每個角點(極端因子群組合)重複的次數。增加重複可提高效應估計的精度,並提供更可靠的誤差估計,但會增加所需的總執行次數。
    • Blocks: 將試驗劃分為在相同條件下進行的執行組,例如按日期、操作員或設備劃分。集區化從分析中剔除已知的變異來源,從而得到更清晰的因子效應估計。
    • Responses: 新增試驗期間將收集的反應變數(輸出量測值)。它們應作為新欄輸入到工作表中設計矩陣最後一欄之後。新增反應欄之後,使用 Responses 選項選擇新新增的、作為輸出變數的欄。這樣可確保試驗結果與所定義的反應正確關聯,以便進行後續分析。
    • Select Terms: 選擇要納入分析模型的模型項:主效應、雙因子互動作用、二次效應。預設包含主效應;如果預期因子之間會相互影響,請新增互動作用項。
    • 這將產生您所建立設計的分析。
  • Download as Excel: 以 Excel 格式顯示結果,可方便地編輯,並通過 load file 選項重新載入用於計算。

常見問題

全因子設計與部分因子設計有什麼區別?

全因子設計測試因子水準的每一種組合:對於 2 水準的 k 個因子,需要 2ᵏ 次執行,可對所有主效應和互動作用給出完整且無混雜的估計。半部分因子設計執行 2ᵏ⁻¹ 次,即一半的執行次數,可節省時間和成本,但部分效應相互混雜(別名),無法區分。

什麼情況下應使用全因子 DOE?

當需要規劃包含 2 至 15 個因子(連續型、分類型或混合型)的試驗,並希望研究其各自的效應和互動作用時使用。當資源或時間限制了執行次數時,選擇部分因子設計。因子超過 15 個時,先用確定性篩選設計進行篩選;對於配料比例,使用混料設計。

為什麼要在全因子設計中增加中心點、重複和集區?

中心點所需的執行次數相對較少,卻能檢測曲率並提供對試驗誤差的獨立估計。重複角點可提高效應估計的精度。集區將在相同條件(如同一天、同一操作員或同一機器)下進行的執行歸為一組,使已知的干擾變數不會放大表觀的因子效應。

如何分析全因子試驗?

在 Zometric Statistical Software 中,Step 1 獲取設計選項,Step 2 產生設計矩陣;在末尾新增反應欄,將其選為 Responses,選擇模型項,然後點選 Step 3 進行分析。在解讀效應之前檢查殘差圖,保留顯著互動作用所涉及的主效應,並用驗證執行確認預測的最佳設定。