目的:介绍具有2个水平的多个（大于2个）因素（X）的实验。讨论各种实验和解释规则。DOE流程图在前一部分，我们讨论了具有2个水平的双因素(X变量)实验设计。大多数情况下，您需要检测的潜在X往往多于2个。在这一部分中，我们将扩展实验设计，包含更多的因素。全因素设计阵列:全因素实验指检测所有因素各水平的所有组合。因素DOE分析23(读作“2的三次方”)实验是一种包含3个独立变量，每个变量具有2个不同水平的实验。即23=8种可能组合24(读作“2的四次方”)实验是一种包含4个独立变量，每个变量具有2个不同水平的实验。即24=16种可能组合实验由多次“运行”组成，每次“运行”变量组合的设置都不尽相同。试想喷水洗涤式清洗机：小金属部件由传送带运送，进入喷水洗涤机进行清洗。喷水洗涤的效果是带有强力溶剂的冲刷器件决定的。这种溶剂通过预加重过滤机过滤。溶剂蒸发后，再通过过滤器过滤。过滤器中的物体就是不能被喷水洗涤器消除的残值物。残值物越少，清洁过程越好。我们想证明残值的数量如何受3种变量的影响：温度、时间(传送带速度)和(清洁剂)浓度。在此实验中，我们将研究这三个变量（每个变量都有两个水平）对平均值和标准差的影响。水平变量-1+1温度暖热时间短长浓度低高此实验的八种组合见下页……实验设计的目的是确定每种因素对响应变量值产生的影响，这种影响与其它因素无关。如果设计矩阵是正交的，就可以估计由一种自变量产生的、且不受其它变量干扰的影响。解释正交描述实验因素之间的独立性。如果因素所有可能的组合的观测值数量相等，设计矩阵就平衡。如果您的实验‘平衡’，则它就是正交。分区变量一般是“起障碍作用”的变量。您可以将其看作另一个独立变量。在零件清洗机实例中，假设我们注重的是另一种隐藏变量可能对结果产生影响--一种我们不一定能控制的变量。例如，有些我们不能控制的环境条件可能在一夜之间改变，如温度或湿度。如果条件的改变会影响实验结果，我们应设置实验，使某些实验在一天内完成，而其余实验在另一天完成。照此方法，我们可以保证实验是正交的，并排除环境条件对实验的影响，而实验在统计上仍有效的。在此例中，我们按天进行分区。我们选择在第一天进行4个实验，而在第二天进行另外4个实验。由于变量有8种组合，那么就要求用8种不同的设置运行部件清洗机。8项次实验的顺序是随机的。如:实验4实验8实验3实验7实验1实验2实验5实验6随机顺序:1.保护可能随时间改变的变量。隐藏2.要求统计置信度说明有效。3.应始终用于主管评估，如表面缺陷，并用于‘缺乏判断力’的实验，如口味测试。4.常常使实验更困难。有时，可用有限的随机性确保可接受的随机度，同时使实验更容易进行。例如，如果一个变量难以改变，则不经常改变它，并使其它变量随机。创建设计(23全析因)每个实验进行5次影响:6.30.52.5-2.7主要影响和交互作用-1,1,1浓度第4变量采用MINITAB生成分析因素设计我们来进行23清洁过程实验:在主对话框中，点击‘Factors’注:在选择一项设计之前，您不能点击‘Factors’。会话窗口输出结果记住我们进行实验的时候，包括5次重复实验。这使我们有条件分析影响变差也影响平均值的因素。5次实验的结果如下所示。将其添加到您工作表的C7栏至C11栏。然后，为每次实验添加平均值和标准变差栏。用Calc>RowStatistics并在C12和C13栏中存储结果。Stat>DOE>FactorialPlots主要影响图告诉我们什么？平均值图:我们的目的是找到产生最佳清洁效果的设置。（在本例中，响应变量是遗留残渣值，因此，残渣值越小越好。）什么因素看上去对平均残渣值最重要?什么因素看上去对平均残渣值没有影响?标准差图:标准差看上去受时间的影响最大，受浓度的影响较小。注意:时间对均值和对标准差的影响正好相反。DOE图2:平均值和标准变差的交互作用图无明显交互作用无明显交互作用不点击‘Interaction’按钮，点击‘Cube’按钮点击矩形‘Setup...’记住：立方图可以让我们很快看到产生最高和最低响应值的变量水平。平均残渣值立方图告诉我们什么？在立方图右面的平均残值是最低值(我们的目标)--只要温度在热水平，浓度和时间对残渣值几乎没有影响(在洗涤过程中选择较少的洗涤剂和较短时间)。你下一步会再做什么实验吗?(可能是低浓度、较短时间实验)工序的标准变差在短时间、暖和低浓度设置情况下最小。从上页中我们看到这种设置产生的残渣值最高！现在您怎样做：你需要热温度，把平均残渣