12.3 交叉阵列设计的分析
田口建议用两个统计量汇总交叉阵列数据:内阵列各处理在所有外阵列试验上的平均值,以及试图综合均值与方差信息的信噪比。这些比值的定义意在通过最大化信噪比,减小噪声传递的变异。随后确定可控因子设置,使均值尽量接近目标且信噪比最大。然而,信噪比存在问题:可能混淆位置效应与离散程度效应,也往往不能实现使传递变异最小的 RPD 目标。本章补充材料对此有详细讨论。
更适当的方法是直接为响应均值和方差建模:对内阵列每个处理,利用所有外阵列观测计算样本均值和样本方差。由于交叉结构,各 和 都基于相同的噪声水平,因而其差别源于可控变量水平的不同。因此,选择可控变量水平以优化均值并同时减小变异,是合理的方法。
以表 12.1 的板簧试验为例。最后两列给出了内阵列各处理的样本均值与方差。图 12.2 是平均自由高度效应的半正态概率图,明显重要的因子为 、 和 。这些因子与三因子交互作用混杂,因此将其视为真实主效应是合理的。平均自由高度模型为


图 12.2 平均自由高度响应效应的半正态图
图 12.3 响应效应的半正态图
其中各 对应原设计因子 、 和 。由于样本方差不服从正态分布,而是尺度化卡方分布,通常最好分析方差的自然对数。图 12.3 是 响应效应的半正态图,唯一显著的效应为 ,模型为
图 12.4 在 时绘制关于 、 的平均自由高度等高线;图 12.5 为原尺度上的方差响应。显然,随加热时间()增加,自由高度方差减小。
假设希望平均自由高度在 7.74~7.76 英寸之间,同时变异最小。这是标准多响应优化问题,可用第 11 章任一相关方法求解。图 12.6 是两个响应的叠加图,其中 (压紧时间)固定为高水平。若同时将 (温度)设为高水平、(加热时间)设为编码值 0.50,则平均自由高度满足要求,方差约为 0.0138。
用交叉阵列直接拟合均值和方差的不足是,没有直接利用可控变量与噪声变量的交互作用,有时甚至会掩盖这种关系。此外,方差与可控变量往往呈非线性关系(如图 12.5),使建模复杂。下一节介绍能够克服这些问题的替代设计与建模策略。

图 12.4 (压紧时间)为零时平均自由高度的等高线图

图 12.5 自由高度方差随加热时间 的变化

图 12.6 (压紧时间 )为高水平时平均自由高度与方差的叠加图