创建与分析全因子试验 (DOE)

创建全因子 DoE 是设计生成步骤,在收集任何数据之前先定义试验。您需要指定要研究的因子、每个因子的水平数,以及设计的结构,包括分辨度、区组、重复次数和中心点。

最后审阅

核心要点

创建全因子 DoE 是设计生成步骤,在收集任何数据之前先定义试验。

本页内容
  1. 什么是创建全因子 DoE?
  2. 何时使用创建全因子 DoE?
  3. 正确使用创建全因子 DoE 的指南
  4. 替代方法:何时不宜使用创建全因子 DoE
  5. 什么是分析全因子 DoE?
  6. 何时使用分析全因子 DoE?
  7. 正确使用分析全因子 DoE 的指南
  8. 替代方法:何时不宜使用分析全因子 DoE
  9. 创建与分析全因子 DoE 示例
  10. 如何创建与分析全因子 DoE

什么是创建全因子 DoE?

创建全因子 DoE 是设计生成步骤,在收集任何数据之前先定义试验。您需要指定要研究的因子、每个因子的水平数,以及设计的结构,包括分辨度、区组、重复次数和中心点。随后工具会生成一整套试验运行,明确告诉您应测试哪些因子设置组合以及按什么顺序进行。

在这一阶段把设计做好至关重要:构建良好的全因子设计可确保准确估计因子效应、使混杂降至最低,并使试验在投入的资源下提供最多的有用信息。

简单定义:全因子试验的规划步骤,在收集任何数据之前先定义因子、设计结构和运行顺序。精心设计的试验能带来清晰、可靠的答案。

何时使用创建全因子 DoE?

  • 当需要在进行任何试验运行之前,从头 规划新的全因子试验 时使用。
  • 当有 2 至 15 个因子(连续型、分类型或混合型),并希望研究其各自的效应和交互作用时使用。
  • 当希望 生成随机化的结构化运行清单,以防范时间相关效应和操作员偏倚时使用。
  • 当资源或时间限制要求采用 部分因子设计 ——即测试从全部可能组合中精心选取的子集——时使用。

正确使用创建全因子 DoE 的指南

  • 确定 现实且切实可行的因子水平:范围应足够宽以检测真实效应,但在试验期间进行操作又应安全可行。
  • 务必 随机化运行顺序:以随机顺序进行试验,可防止系统性的时间相关效应、设备预热趋势和操作员学习效应影响结果。
  • 在每个试验中都应包含 中心点:它们所需的运行次数相对较少,却具备检测曲率和估计误差的宝贵能力。
  • 当存在已知的干扰变量时,使用 区组,例如跨多天、多个班次、多台机器或多批原材料进行测试,以防止该变量放大表观的因子效应。
  • 根据 最关注的信息选择分辨度:当双因子交互作用重要时使用 Resolution V;仅在大型初始筛选研究中才接受 Resolution III。

替代方法:何时不宜使用创建全因子 DoE

  • 如果需要筛选的因子 超过 15 个,请先使用 创建与分析确定性筛选设计 缩小重要因子的范围,再投入全因子试验。
  • 如果所有因子都是 总和必须为常数的配料比例,请改用 创建与分析混料试验 (DOE):标准全因子设计无法处理混料约束。
  • 如果试验已经完成并且有数据待分析,请直接进入 分析全因子 DoE,无需创建新的设计。

什么是分析全因子 DoE?

分析全因子 DoE 处理从全因子试验收集的响应数据,并拟合统计模型,量化每个因子及其交互作用如何影响响应。它识别哪些效应在统计上显著,估计每个效应的大小和方向,并生成诊断图和汇总统计量,以验证模型是对数据的可靠描述。

该分析将原始试验测量值转化为可付诸行动的知识:告诉您哪些因子真正驱动响应、驱动程度如何,以及是否有因子之间的协同作用是单独研究它们时看不出来的。

何时使用分析全因子 DoE?

  • 在 完成所有计划的试验运行 并记录全部响应测量值之后使用。
  • 用于识别哪些因子具有 统计上显著的效应,以及哪些因子在今后的过程控制中可以放心忽略。
  • 用于量化 每个效应的大小和方向,这样您不仅知道什么重要,还知道调整它会使响应变化多少。
  • 用于检测 因子之间的交互作用,即一个因子的影响取决于另一个因子的水平。

正确使用分析全因子 DoE 的指南

  • 务必 在解读效应之前检查残差图:未通过诊断检查的模型不应用于得出结论或提出建议。
  • 使用 层次模型构建:如果某个交互作用项显著,即使其中涉及的主效应单独不显著,也应保留该交互作用涉及的所有主效应。
  • 考虑 实际意义与统计显著性并重:效应可能在统计上可检测,但对过程而言小到实际上无关紧要。
  • 在实施任何过程变更之前,用 验证运行 在预测的最优设置下验证最终模型:模型是预测,而不是保证。
  • 如果通过中心点检测到曲率,可考虑 增加轴向点来扩充设计,以拟合能够恰当描述曲线关系的响应曲面模型。

替代方法:何时不宜使用分析全因子 DoE

  • 如果试验是使用 确定性筛选设计创建的,请改用 分析确定性筛选设计:它采用专为 DSD 数据结构优化的算法。
  • 如果试验是 混料设计,请改用 分析混料试验 (DOE):标准全因子分析无法正确处理混料约束。

创建与分析全因子 DoE 示例

步骤如下:

  1. 在右侧面板 Design & Analysis Inputs 中输入必要的数据。
Create & Analyse Factorial DOE — figure 1

2. 现在,在 Zometric Statistical Software 中分析数据,网址为 https://statsai.zometric.com/。

3. 要找到创建与分析全因子 DoE,请选择 Statistical module> DOE>Create & Analyse Factorial DoE.

4. 点击 Step 1。所需选项将以默认设置填充。

5. 点击 Step 2。在左侧面板 Designed Experiments & Results下将生成设计矩阵。在设计矩阵末尾以新列的形式添加响应(结果)变量。

6. 在右侧面板 Design & Analysis Inputs下,找到 Responses 选项。选择新添加的结果变量列,将其定义为响应变量。

7. 选择所需的 交互作用项,以满足试验要求

8. 点击 Step 3,对设计的试验进行分析。

Create & Analyse Factorial DOE — figure 2

9. 使用上述工具后,得到的输出如下:

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

如何创建与分析全因子 DoE

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页选择 Statistical Tool> DOE>Create & Analyse Factorial DoE。
  3. 接下来,手动更新数据,或从 Excel 表格中复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处,也可以使用 Load Example 选项加载示例数据。
  4. 接下来,填写所需选项。
  5. 最后,点击页面底部的 calculate,即可得到所需结果。

在创建与分析全因子 DoE 的工具界面中,窗口分为两个部分。

Create & Analyse Factorial DOE — figure 6

左侧为 Designed Experiments & Results。在 Designed Experiments & Results 中会生成设计的试验。

右侧提供以下选项:

Load example: 加载预置的示例数据集,使您在输入自己的数据之前可以先探索该工具并了解工作流程。

  • Step 1: Fetch Design Options : 这将自动填充上述各选项。
    Step 2: Create Designed Experiments: 它会在左侧面板(Designed Experiments & Results)中生成设计的试验。
    Step 3: Analyse Experiments
    • Resolution: 定义部分因子设计在不产生混杂的情况下能够估计多少信息。分辨度越高的设计,对主效应和交互作用的区分越清晰,但所需运行次数越多:

      1. 全因子设计(完全因子)

      全因子设计是对因子水平的所有可能组合都进行测试的试验设计。

      主要特点

      优点

      缺点

      示例

      对于 3 个因子(A、B、C),每个因子 2 个水平:
      总运行次数 = 2³ = 8 次

      2. 部分因子设计(半部分 – 1/2 部分)

      半部分因子设计(1/2 部分)是部分因子设计的一种,只进行全因子设计总运行次数的一半。

      主要特点

      优点

      缺点

      示例

      对于 3 个因子(A、B、C):
      全因子 = 8 次
      半部分 = 2³⁻¹ = 4 次
      • 如果有 k 个因子,每个因子 2 个水平,则总运行次数为:
        2ᵏ
      • 评估因子之间的 每一种可能的交互作用。
      • 提供 完整且无混杂的信息。
      • 不会因别名结构而损失信息。
      • 精度最高。
      • 所有 主效应 和 交互作用效应 均可独立估计。
      • 解释时没有歧义。
      • 运行次数随因子数增加而迅速增多。
      • 可能 耗时且成本高。
      • 对于 k 个因子,运行次数变为:
        2ᵏ⁻¹
      • 将试验运行次数减少 50%。
      • 使用系统选取的 组合子集。
      • 部分效应与其他效应 相互混杂(别名)。
      • 需要 更少的试验,节省时间和成本。
      • 适用于试验的早期阶段(筛选重要因子)。
      • 某些效应无法区分开(由于 别名)。
      • 与全因子设计相比,解释可能不够清晰。
    • Centre Points per Block: 在每个区组内、所有因子范围的中点处增加的运行次数。中心点有助于检测响应的曲率,并在无需增加额外因子组合的情况下提供对试验误差的独立估计。
    • Replicates for Corner Points: 每个角点(极端因子组合)重复的次数。增加重复可提高效应估计的精度,并提供更可靠的误差估计,但会增加所需的总运行次数。
    • Blocks: 将试验划分为在相同条件下进行的运行组,例如按日期、操作员或设备划分。区组化从分析中剔除已知的变异来源,从而得到更清晰的因子效应估计。
    • Responses: 添加试验期间将收集的响应变量(输出测量值)。它们应作为新列输入到工作表中设计矩阵最后一列之后。添加响应列之后,使用 Responses 选项选择新添加的、作为输出变量的列。这样可确保试验结果与所定义的响应正确关联,以便进行后续分析。
    • Select Terms: 选择要纳入分析模型的模型项:主效应、双因子交互作用、二次效应。默认包含主效应;如果预期因子之间会相互影响,请添加交互作用项。
    • 这将生成您所创建设计的分析。
  • Download as Excel: 以 Excel 格式显示结果,可方便地编辑,并通过 load file 选项重新加载用于计算。

常见问题

全因子设计与部分因子设计有什么区别?

全因子设计测试因子水平的每一种组合:对于 2 水平的 k 个因子,需要 2ᵏ 次运行,可对所有主效应和交互作用给出完整且无混杂的估计。半部分因子设计运行 2ᵏ⁻¹ 次,即一半的运行次数,可节省时间和成本,但部分效应相互混杂(别名),无法区分。

什么情况下应使用全因子 DOE?

当需要规划包含 2 至 15 个因子(连续型、分类型或混合型)的试验,并希望研究其各自的效应和交互作用时使用。当资源或时间限制了运行次数时,选择部分因子设计。因子超过 15 个时,先用确定性筛选设计进行筛选;对于配料比例,使用混料设计。

为什么要在全因子设计中增加中心点、重复和区组?

中心点所需的运行次数相对较少,却能检测曲率并提供对试验误差的独立估计。重复角点可提高效应估计的精度。区组将在相同条件(如同一天、同一操作员或同一机器)下进行的运行归为一组,使已知的干扰变量不会放大表观的因子效应。

如何分析全因子试验?

在 Zometric Statistical Software 中,Step 1 获取设计选项,Step 2 生成设计矩阵;在末尾添加响应列,将其选为 Responses,选择模型项,然后点击 Step 3 进行分析。在解读效应之前检查残差图,保留显著交互作用所涉及的主效应,并用验证运行确认预测的最优设置。