O大師講過，DOE分三部分進行(針對2K因子的實驗設計)
1. 篩選 Screen
2. 改進 Refine
3. 優化 Optimization
現就O大師的例子來討論：
http://bbs.6sq.net/viewthread.ph ... highlight=%2Boliven
5個因子
A. Air Pressure(空氣壓力) : 90 120
B. Filler Load(填裝料): 3.5 4.5
C. Temperature(溫度):125 155
D. Forth Speed(發泡速度) : 20 30
E. Traverse Speed(旋轉速度): 20 30
3個中心點
1. 通過Screen，我們知道 B因子Filler load可以不考慮，有一問題，做篩選實驗分析時，我們要不要考慮中心點，即此時在Minitab分析時要不要勾選"Include Center Point in the Model"這個選項，O大師沒有提到
2. 下面進入改進階段，利用Minitab stat>Power and Sample size>Two Factorial Design...
我不清楚用這個目的，也就是透過此，我會得到什麼，現貼上此圖請教：
是想找出該實驗我最少要做多少次復制嗎，可Effect 是什麼意思，從哪裡來，標准差又是多少，從哪裡來？(我看過Minitab的幫助說明，沒能理解)
[ 本帖最后由 Jamie 于 2006-2-13 11:13 编辑 ]
最新回复
欧立威 (2006-2-13 12:38:23)
2。POWER TEST是试验功效测试，是检验你的试验设计计划的BETA风险，反过来说，你可以计算试验在BETA风险低的前提下的试验次数应该是多少。
其中的EFFECT指得是DIFFERENCE，也有叫DELTA，就是你希望试验所能区分反应变量的精度。
比如说：你如果想比较咱俩的头发丝的粗细，可能需要做多次试验。如果你想比较咱俩的腰谁粗， 那一个测量样本就够了。
STDEV来源于反应变量的历史SIGMA值。
Jamie (2006-2-13 13:36:43)
QUOTE:
謝謝O大師的指教!明白了，但我還想就你的案例情景下再確認一次
1. 我覺得本案例的Y應該是乳膠密度，非良率Yeild，而且大多數實驗我覺得不應該用良率來作為它的Y
2. Effect 是我應根據項目情形事先人為規定的乳膠密度的差異[/color，比如我想分辨出0.5的差異，我要做多少次replication才能達到要求
3. 標准差是來自歷史的Stdev的值，即可以說我在實驗前計算的乳膠密度的標准差，我原以為是根據此次實驗的結果而計算的標准差
john.yin (2006-2-13 14:15:55)
sundjb (2006-2-14 16:46:09)
1, 为了对最终的产品质量作出改善，我们按天收集了数据，建立了每天的工艺数据和产品的检验结果（合格率）的一一对应，请问我们能否用doe的方法分析数据，如果不能用是否可以用多变量分析的方法。
2，由于我们是一家陶件的生产厂，模具的寿命对最终的产品质量影响不可避免，但模具每使用一次寿命都会减少，是否在做DOE是可以把模具的寿命作为Block考虑如果code成4个block数据如何分析？
3，我的数据见后：2－10 为x
模具寿命 2 3 4 5 6 7 8 9 10 Y
1 1 2 1 1 1 2 2 1 1 7.69
2 1 1 1 1 1 1 2 1 1 2.56
3 1 2 1 1 1 1 2 1 1 2.63
4 1 2 1 1 1 1 1 1 1 5.88
5 1 1 1 1 1 1 1 2 1 2.7
6 1 1 1 2 2 1 1 2 1 8.11
7 2 1 2 2 2 1 1 1 1 8.33
8 2 1 1 1 1 1 1 1 1 10
9 1 2 1 2 1 1 2 2 1 8.33
10 1 1 1 2 2 1 1 1 1 22.22
11 1 1 1 1 1 2 1 2 1 2.63
12 1 1 1 1 2 2 1 1 1 0
13 1 1 1 1 2 1 1 2 1 12.82
14 2 2 1 1 1 2 1 2 1 7.89
15 1 2 2 1 2 2 1 2 1 10.53
16 2 2 1 1 2 1 1 2 1 10
17 1 1 1 2 2 1 1 2 2 5
18 2 2 1 2 2 1 1 2 2 5
19 2 2 2 2 2 1 1 2 2 7.89
20 1 2 2 1 1 1 1 2 2 7.69
21 1 2 2 1 1 1 1 2 1 5
22 2 1 1 2 1 2 1 2 1 5
23 2 1 2 2 1 1 1 1 1 8.33
24 2 1 2 1 1 2 1 1 1 2.63
25 2 1 2 1 1 1 1 1 1 5.56
26 2 1 2 2 1 1 1 1 1 5.13
27 2 2 2 2 1 2 1 1 1 0
28 1 1 2 2 1 1 1 1 1 0
29 2 1 2 2 1 1 1 1 1 2.7
30 2 2 2 2 1 2 1 1 1 0
31 1 2 2 1 1 2 1 1 1 0
32 1 2 2 2 1 1 1 2 1 5
33 1 2 2 2 1 1 1 2 1 5.13