析因实验主要选择各因素构造的几何体的定点来完成(如上图所示)。这样的实验构造可以帮助我们确定对于指标的影响：是否存在主效应或哪些主效应是显著的，是否存在交互作用或哪些交互作用是显著的，实验最终是通过方差分析来检定这些效应是否显著，同时对前一步的筛选实验也是一个验证。

　　第五步： 优化实验

　　在析因实验中，确定了所有因素与指标间的主要影响项。快速接近的方法，使我们确定了主要因素的大致取值水平。但是考虑到功效问题，需要进一步安排一些实验来最终确定因素的最佳影响水平。可以说，此时的实验是一个对析因实验的实验点的补充，利用已有的析因实验的实验数据来最终优化指标，或者说增加一些实验点来完成这个任务。

　　实验点一般根据回归实验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面来合理设置，确保回归模型的可靠性和有效性。这些实验统称为响应面实验，可以帮助我们分析和建立起因素和指标间的回归模型，而且还可以用可视化方式展现模型结果(如下图所示)，便于我们用优化的手段来确定最终的因子水平设定。

　　汽车轮胎行驶的路面，不可能保证都是优质的、相同的，那么对于一些相对较差的路面。怎样来保证轮胎的高性能质量呢?这时我们会通过确定抗干扰能力强的关键可控因素、定义其关键因素的合理取值范围等办法累缓解干扰因素的影响，这就是近来应用频率越来越高的混料设计、田口设计和容差设计的意图和途径。通常会在设计和研发阶段就提出这类问题，目的就是把这些可控因素的影响降低至最小，保证指标的高优性能。

　　实践是检验真理的唯一标准。在实际的操作层面，除了遵循上述的几个步骤外，实验设计的成功要素还包括：

　　1. 没有哪种方法是所以问题的解决方案，实验设计同样不能提供解决所有问题的途径，要全面考虑解决问题的方式，选取最有效、最经济的解决途径。

　　2. 即使决定采用实验设计，也不能生搬硬套地使用以上几个步骤。需要根据实际情况和要求来选择实验步骤。

　　3. 除了实验设计涉及的因素外，要尽量确保所有的环境因素是稳定和符合现实的。如果条件所限，可以选择随机化、区组化、仿行或添加中心点来避免

　　4. 确保实验的仿真性，避免在一些理想的实验环境下进行实验，如实验室

　　5. 为了保险起见，在得到最终的最佳参数水平组合后，还要进行一些验证实验来检验结果，实在没有条件实施验证实验的，也要通过模拟的“模拟仿真”来完成这个工作。

　　6. 工欲善其事，必先利其器。为了提高实验设计的效率和解决问题的成功率，选择合适的专业工具必不可少。好的统计分析软件可以很好地实现筛选实验、析因实验等传统手法，而且将数据挖掘、模拟仿真等相关方法也有机地融合在实验设计中，为我们提供了完整的实验设计解决方案。(本文中所有图形以Minitab软件为载体实现，Minitab也是当前实验设计方法实践者最推崇的统计分析软件)

　　最后，希望企业能够有效地应用试验设计，为企业创造更大的利润。

上一页  [1] [2] [3]