返回
Minitab Statistical Software是一款无与伦比的可视化统计分析软件，它会审视当前及过往的数据，以找出趋势并预测规律、发现变量之间隐藏的关系、可视化数据交互作用并识别重要因素，从而解答最棘手的问题、应对最严峻的难题。
筛选实验设计可让您在非常有限的运行中研究大量因素。目的是集中于几个具有实际影响的因素，并消除不重要的影响。当执行DOE（实验设计）时，这通常是任何实验者的最初典型目标。
析因设计表
请把下表考虑其中。在Minitab中，通过选择统计> DOE>因子>创建因子设计...，然后单击“显示可用的设计”，可以快速访问此因子设计表。该表告诉我们2k标准析因设计的运行次数，其分辨率以及要分析的因子数量。如果您需要研究8个因素，7个因素甚至6个因素，则16次运行的设计可能是一个不错的选择，因为它可以平衡运行次数与有效解释实验结果的能力。
但是减少运行次数可能会出现混淆：不同因素的影响或因素之间的相互作用无法单独评估，因此解释结果变得更加困难和有风险。黄色表示该设计在混淆/分辨率方面是可以接受的。绿色设计的局限性或没有混淆性，但运行次数较多。另一方面，由于广泛的混淆，任何实验者都应避免使用位于红色区域的设计。红色表示某些主要因素与两因素相互作用混杂在一起。
根据表，研究8个以上的因素意味着您需要执行32个才能保留在黄色区域中。 但是，如果实验既昂贵又费时。
Plackett-Burman设计：阶乘的替代方案
幸运的是，可以使用另一种解决方案：可以使用Plackett-Burman设计更经济地分析大量变量。例如，要研究9个因素，您只需要进行12次运行，而不是标准2k分数设计所需的32次运行。例如，在Minitab Assistant中，每当要研究的因素数量大于五个时，建议使用Plackett-Burman设计。
这种类型的筛选设计的主要缺点是不能研究双因素相互作用。在Plackett-Burman设计中，交互作用与所有主要效应部分混杂或有 "别名"。有时，交互作用会带有一个正号，这意味着它们被总结为主要作用。在其他情况下，它们带有负号，表示已从主要效果中减去了它们。每种交互作用的三分之一会添加到任何主要效果中或从其中减去。例如，在下面的验混叠表中，A因子的影响与所有交互作用都被部分混淆：
别名/ Plackett-Burman设计中的混杂结构-别名：
A-0.33 BC-0.33 BD-0.33 BE + 0.33 BF-0.33 BG-0.33 BH + 0.33 CD-0.33 CE-0.33 CF + 0.33 CG-0.33 CH + 0.33 DE + 0.33 DF-0.33 DG-0.33 DH-0.33 EF- 0.33 EG-0.33 EH-0.33 FG + 0.33 FH + 0.33 GH-0.33 BCD + 0.33 BCE-0.33 BCF + 0.33 BCG + 0.33 BCH + 0.33 BDE + 0.33 BDF + 0.33 BDG-0.33 BDH + 0.33 BEF-0.33 BEG + 0.33 BEH -0.33 BFG + 0.33 BFH-0.33 BGH + 0.33 CDE + 0.33 CDF + 0.33 CDG + 0.33 CDH-0.33 CEF-0.33 CEG + 0.33 CEH + 0.33 CFG + 0.33 CFH + 0.33 CGH + 0.33 DEF-0.33 DEG-0.33 DEH + 0.33 DFG + 0.33 DFH + 0.33 DGH + 0.33 EFG-0.33 EFH + 0.33 EGH + 0.33 FGH
Plackett-Burman设计的额外奖励
但是，使用Plackett-Burman设计时还需要考虑其他好处。假设不重要的影响已从模型中逐渐消除，并且只剩下三个主要影响。使用Plackett-Burman，您无需执行额外的23 = 8行程的全因子设计即可估算两因子相互作用。最初的Plackett-Burman设计已经包含了这23个全因子设计所需的所有测试-除完整设计外，您甚至还会获得四次重复。
上面通过Plackett-Burman设计得出的帕累托图显示，只有因子A，D和H具有统计学上的显著影响。
将Plackett-Burman设计转换为全因子
要将您的Plackett-Burman设计转换为完整的阶乘23设计，使您能够研究Minitab中的所有两因素相互作用，请转到统计> DOE>阶乘>定义自定义阶乘设计...选择三个重要因子，然后单击低/高指定因子设置。 现在，您可以研究两因素相互作用。
最初的Plackett-Burman设计已转换为完整的析因设计，现在可以研究先前选择的三个因素之间的相互作用，并且如我们在帕累托中所见，图1的相互作用似乎具有统计学意义。
当然，也可以使用Minitab绘制重要的交互作用图，以更好地理解它。
根据您的需要选择正确的实验设计
实验人员需要确定在进行有限数量的测试与获取尽可能多的信息以改善流程/产品之间的最佳权衡。Plackett-Burman设计充当漏斗，可以快速减少潜在因素的数量。
这就是为什么在Minitab Assistant中，当潜在因素的数量大于五个时，会考虑使用Plackett-Burman筛选设计。在DOE结果的分析阶段之后，如果12次运行的Plackett-Burman设计中的重要因子的数量等于或小于3，则可以轻松地将初始设计转换为完全因子DOE，使您能够研究全部两个因素相互作用。
Minitab是做质量分析的工具，不知道您是否有产品质量这方面的困扰呢？不妨试试产品质量分析及预测方案吧！点击咨询在线客服
发表评论