Minitab Statistical Software是一款無與倫比的可視化統計分析軟件，它會審視當前及過往的數據，以找出趨勢并預測規律、發現變量之間隱藏的關系、可視化數據交互作用并識別重要因素，從而解答最棘手的問題、應對最嚴峻的難題。

點擊立即下載Minitab

篩選實驗設計可讓您在非常有限的運行中研究大量因素。目的是集中于幾個具有實際影響的因素，并消除不重要的影響。當執行DOE（實驗設計）時，這通常是任何實驗者的最初典型目標。

析因設計表

請把下表考慮其中。在Minitab中，通過選擇統計> DOE>因子>創建因子設計...，然后單擊“顯示可用的設計”，可以快速訪問此因子設計表。該表告訴我們2k標準析因設計的運行次數，其分辨率以及要分析的因子數量。如果您需要研究8個因素，7個因素甚至6個因素，則16次運行的設計可能是一個不錯的選擇，因為它可以平衡運行次數與有效解釋實驗結果的能力。

但是減少運行次數可能會出現混淆：不同因素的影響或因素之間的相互作用無法單獨評估，因此解釋結果變得更加困難和有風險。黃色表示該設計在混淆/分辨率方面是可以接受的。綠色設計的局限性或沒有混淆性，但運行次數較多。另一方面，由于廣泛的混淆，任何實驗者都應避免使用位于紅色區域的設計。紅色表示某些主要因素與兩因素相互作用混雜在一起。

根據表，研究8個以上的因素意味著您需要執行32個才能保留在黃色區域中。 但是，如果實驗既昂貴又費時。

Plackett-Burman設計：階乘的替代方案

幸運的是，可以使用另一種解決方案：可以使用Plackett-Burman設計更經濟地分析大量變量。例如，要研究9個因素，您只需要進行12次運行，而不是標準2k分數設計所需的32次運行。例如，在Minitab Assistant中，每當要研究的因素數量大于五個時，建議使用Plackett-Burman設計。

這種類型的篩選設計的主要缺點是不能研究雙因素相互作用。在Plackett-Burman設計中，交互作用與所有主要效應部分混雜或有 "別名"。有時，交互作用會帶有一個正號，這意味著它們被總結為主要作用。在其他情況下，它們帶有負號，表示已從主要效果中減去了它們。每種交互作用的三分之一會添加到任何主要效果中或從其中減去。例如，在下面的驗混疊表中，A因子的影響與所有交互作用都被部分混淆：

別名/ Plackett-Burman設計中的混雜結構-別名：

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設計的額外獎勵

但是，使用Plackett-Burman設計時還需要考慮其他好處。假設不重要的影響已從模型中逐漸消除，并且只剩下三個主要影響。使用Plackett-Burman，您無需執行額外的23 = 8行程的全因子設計即可估算兩因子相互作用。最初的Plackett-Burman設計已經包含了這23個全因子設計所需的所有測試-除完整設計外，您甚至還會獲得四次重復。

上面通過Plackett-Burman設計得出的帕累托圖顯示，只有因子A，D和H具有統計學上的顯著影響。

將Plackett-Burman設計轉換為全因子

要將您的Plackett-Burman設計轉換為完整的階乘23設計，使您能夠研究Minitab中的所有兩因素相互作用，請轉到統計> DOE>;階乘>定義自定義階乘設計...選擇三個重要因子，然后單擊低/高指定因子設置。 現在，您可以研究兩因素相互作用。

最初的Plackett-Burman設計已轉換為完整的析因設計，現在可以研究先前選擇的三個因素之間的相互作用，并且如我們在帕累托中所見，圖1的相互作用似乎具有統計學意義。

當然，也可以使用Minitab繪制重要的交互作用圖，以更好地理解它。

根據您的需要選擇正確的實驗設計

實驗人員需要確定在進行有限數量的測試與獲取盡可能多的信息以改善流程/產品之間的最佳權衡。Plackett-Burman設計充當漏斗，可以快速減少潛在因素的數量。

這就是為什么在Minitab Assistant中，當潛在因素的數量大于五個時，會考慮使用Plackett-Burman篩選設計。在DOE結果的分析階段之后，如果12次運行的Plackett-Burman設計中的重要因子的數量等于或小于3，則可以輕松地將初始設計轉換為完全因子DOE，使您能夠研究全部兩個因素相互作用。

Minitab是做質量分析的工具，不知道您是否有產品質量這方面的困擾呢？不妨試試產品質量分析及預測方案吧！點擊咨詢在線客服