实验设计 - Statgraphics|数据分析解决方案

STATGRAPHICS 包含用于创建和分析统计设计实验的广泛功能。Statgraphics 用作实验设计软件，可创建多种类型的设计：

筛选设计

筛选设计旨在确定影响反应的最重要因素。大多数设计仅涉及每个因素的 2 个水平。这些因素可以是定量的或分类的。其中包括 2 水平因子设计、混合水平因子设计、分数阶乘、不规则分数和 Plackett-Burman 设计。对于低于全分辨率的设计，会显示混杂图案。分组和随机化是选项。

更多：DOE 向导 – 筛选设计.pdf

响应曲面设计

响应面设计旨在确定实验因素的最佳设置。设计至少涉及 3 个水平的实验因素。其中包括中心复合设计、Box-Behnken 设计、3 水平阶乘和 Draper-Lin 设计。

更多： DOE 向导 – 响应曲面设计.pdf

混合实验

混合物实验涉及混合物的组分，其中组分的水平总和被限制为 100%（或某个其他固定值）。可以为每个组件指定上限和下限。包括单纯形格子、单纯形质心和极端顶点设计。

更多：DOE 向导 – 混合物实验.pdf

D-最优设计

D 最优设计是寻求最小化特定统计模型中估计系数的协方差矩阵的设计。当设计区域受到约束，或者需要向未设计的实验添加额外的运行以改善其统计特性时，通常会使用它们。
统计图形用户通常首先使用多级因子设计创建一组候选运行。然后，DOE 软件程序通过应用前向选择或后向选择加上交换算法来选择这些运行的最佳子集。其结果是在给定约束的情况下具有高 D 效率的设计。

更多：DOE 向导 – 多级因子设计.pdf

稳健参数设计

Statgraphics 可以创建用于稳健参数设计 (RPD) 的实验设计。在此类实验中，有两种类型的因素是不同的：实验者在实验期间和生产过程中都可以操纵的可控因素，以及在实验期间可以操纵但通常不可控的噪声因素。RPD 的目标是找到可控因素的水平，其中响应变量对噪声因素的变化相对不敏感。
RPD 设计可以使用田口的交叉方法（具有内部和外部阵列）或蒙哥马利的组合方法（两种类型的因子在单个阵列中变化）来创建。

更多： DOE 向导 – 稳健参数设计.pdf

最终筛选设计

确定性筛选设计是能够估计涉及线性和二次效应的模型的小型设计，尽管二阶相互作用部分地与其自身和二次效应混淆。此外，6 个或更多因素的设计可分解为可以估计任意 3 个因素的完整二阶模型（包括交互作用）的设计。

更多信息： DOE 向导 – 最终筛选设计.pdf 或观看视频

计算机生成的设计

计算机生成的设计允许您创建在特定统计模型的估计方面具有最佳属性的实验设计。给定实验区域的定义、要估计的模型以及可以执行的实验运行次数，程序会搜索一组最大化所选设计最优标准的运行。

更多： DOE 向导 – 计算机生成的设计.pdf

单因素分类设计

单因素分类设计用于比较单个非定量因素的水平。它们包括完全随机设计、随机区组设计、平衡不完全区组 (BIB) 设计、拉丁方、希腊拉丁方和超希腊拉丁方。

更多： DOE – 单因素分类设计.pdf

多因素分类设计

多因素分类设计用于研究多个非定量因素，每个因素都有多个水平。使用多因素方差分析对它们进行分析。

更多： DOE – 多因素分类设计.pdf

方差分量设计

方差分量（分层）设计用于研究两个或多个嵌套因素对响应变异性的影响。获得每个因素对总体变异性的贡献的估计。

更多： DOE – 方差组件设计.pdf

实验设计向导

STATGRAPHICS Centurion 包含一个向导，可帮助用户构建和分析设计的实验。它引导用户完成十二个重要步骤。前 7 个步骤在实验运行之前执行。最后 5 个步骤在实验完成后执行。

更多：实验设计向导.pdf

多重响应优化

为了找到为多个响应变量提供良好结果的实验因素组合，DOE 向导使用了意愿函数的概念。意愿函数提供了一种平衡多个响应的竞争需求的方法，这些响应可以用不同的单位来衡量。用户指定每个响应的目标值或可接受范围及其相对重要性。然后程序找到实验因素的最佳组合。

更多：实验设计向导.pdf

别名最优设计（版本 19）

DOE 向导生成的Alias -Optimal设计不仅考虑估计模型系数的精度，还考虑由假设模型中不存在的主动效应引起的估计中的潜在偏差。D 最优性等标准不考虑由遗漏效应引起的混叠。有时，替代的 D 最优设计可能会受到相当不同数量的混叠的影响。在其他时候，所选设计效率的小幅降低可能会导致潜在偏差的大幅降低。

现有设计的计算机增强（版本 19）

DOE 向导现在可以增强现有设计，以最大限度地提高设计效率。用户选择要添加到设计中的额外运行次数、要拟合的模型以及要最大化的最优标准。

更多信息：实验设计向导.pdf或观看视频