DOE的中心点:它们是什么,它们为什么是有用的


 


DOE的中心点:它们是什么,它们为什么是有用的

 
 
实验设计(DOE)是一完美的工具,有效地确定关键输入是否与关键输出有关。幕后,“DOE”只是一个简单的回归

分析。然而,不简单的是当你计划你的实验时,你必须做出的选择。你应该测试什么?您选择的X的范围应该是什

么?你应该使用多少次?你需要中心点吗?等等,让我们谈谈中心点。

中心点是简单的实验运行,你的X的低和高设置的中间(即,在中心)。例如,假设你的DOE包括这些X:

 
中心点设置在150°C的温度和20秒的时间。

你在Minitab统计软件的数据收集计划可能看起来像这样的东西,中心点显示为蓝色:
 

 
你可以有1个中心点,或者你可以在多个时间点收集数据。这种特殊的设计包括2个实验运行在中心点。你可能会问

为什么选择2个?我们马上谈这个。

你为什么要在你设计的实验中使用中心点?
 
包括中心点在DOE中提供了许多优势:
 

  1.  Y与X是线性?

因子设计假设每一个X和Y之间有一个线性关系,因此,如果任何X和Y之间的关系表现出曲率,你不应该使用一个

因子设计,因为结果可能会误导你。

那么,你如何统计确定这种关系是否是线性的呢?有中心点!如果中心点的值是显著的(即,小于α),那么你可以

得出这样的结论:曲率的存在和使用响应面试验如中心复合设计来分析你的数据。虽然因子设计可以检测曲率,你

必须使用一个响应面设计模型(建立一个方程)的曲率。

 
 
好消息是,曲率往往表明,你的X设置是接近一个最佳的Y,你已经发现了有见地的结果!
 

  1.   你收集了足够的数据吗?

 
 
如果你没有收集足够的数据,你将不会发现显着的X的,即使他们真的存在。增加一个DOE的数据点的数量的一种

方法是使用复制。然而,复制一个完整的DOE可能是昂贵和费时的。例如,如果你有3个X,你想要复制你的设计,

那么你必须增加实验运行的数量从8到16!

幸运的是,使用复制只是增加能力的一种方法。增加能力的另一种方法是使用中心点。通过添加几个中心点到你的

设计,你可以增加检测显着的X的概率,并估计变异性(或统计上说的纯错误)。