(1）筛选设计（Screening design)。
通常而言, 一个过程的影响因素是很多的, 筛选设计通过确定影响输出的关键因子来减少输入变量的数量 。筛选设计还可以给出这些 “关键少数变量”的优化参数设置, 并指示是否存在非线性影响。一般来说, 2个水平全因子和分部因子设计、 Plackett-Burman常用筛选重要因子。 这些设计适用于线性模型, 但当设计中包含中心点时可以提供非线性影响的信息。
(2) 全因子设计 （Full factoria1 designs）。
全因子设计包含所有因子及水平的组合。 下图显示了2 个因子和3个因子时全因子设设计的组合状态。 图中每个点代表一组因子水平的组合。
A因子2个水平 A、 B、 C3个因子均为2个水平
B因子3个水平
(3) 2个水平全因子设计(Two-level full factonal designs)。
2个水平全因子设计中, 每个因子只有2个水平。试验组合包合了所有因子的所有水平。 2个因子设计虽然无法准确分析因子取值范目内各个水平的影响, 但可以看出主要影响趋势, 从而为下一步试验指明方向。
(4）通用全因子设计(Genera1 full factoria1 designs)。
通用全因子设计中, 每个因子可有任意水平的取值, 如 A 因子有3个水平, B因子有6个水平。通用全因子设计可用于因子較少时的筛选设计或进行优化设计。
(5)分部因子设计lFractional factorial designs)。
在因子数或水平数较多时, 全因子设计的试验组合次数会很多, 如5个因子3个水平的全因子设计组合数为243次。这时试验时间和成本都变的很高甚至无法接受。 分部因子设计是选择全因子设计的部分组合进行试验这样可以减少试验次数。 MINITAB可以生成多达15个因子的2个水平分部试验设计方案。 分部试验设计可用于因子筛选, 只需选择全因子水平组合的一部分进行试验即可。 分部因子设计中部分因子间的影响可能会混淆。混淆的部分无法独立评估。混淆部分 MINITAB将显示在任务视窗中 。 因为部分影 响 之间相互混淆, 因此在选择分部设计时需特别小心, 通常要求试验设计者对试验对象的产品或过程有较深了解。
(6) Plackett-Buman designs。
Plackett-Buman设计是一种分辨率Ⅲ级的2水平分部因子设计, 常用于研究主要影响， 在分辨率Ⅲ级的设计中, 主要影响与两因素交互作用相混淆。 MINITAB可以生成多达47个因子的 Plackett-Buman设计。
MINITAB因子试验设计的命令如下图所示 。
声明：版权归张驰咨询集团所有，未经允许，请勿转载！
了解更多点击链接进入张驰咨询官网：http://www.6sigmambb.net
