12.5 设计的选择
选择试验设计是 RPD 问题的重要环节。联合阵列一般比交叉阵列规模更小,响应模型又能直接包含可控因子与噪声因子的交互作用,通常优于直接拟合均值与方差。因此,本节仅讨论联合阵列。
若所有因子都取两个水平,分辨度 V 设计是良好选择:在三因子及更高阶交互作用可忽略的假设下,可以估计全部主效应和二因子交互作用。某些情形可用标准 部分析因设计,例如五因子需要 16 次试验;但六个或更多因子时,标准设计较大。如第 8 章所述,Design-Expert 提供较小的两水平分辨度 V 设计。表 12.4 的七因子设计需要 30 次试验,适用于总数为七的任意可控与噪声因子组合,并能估计全部七个主效应和所有二因子交互作用。
表 12.4 七因子、30 次试验的分辨度 V 设计
| A | B | C | D | E | F | G | |
有时可以进一步减少次数。例如,有三个可控变量 与四个噪声变量 时,只需估计可控变量主效应和二因子交互作用(六个参数)、噪声变量主效应(四个参数),以及两类变量之间的交互作用(12 个参数)。加上截距,共 23 个参数。D 或 I 最优准则经常能为此构造良好设计。
表 12.5 是该情形的 23 次试验 D 最优设计。其中,可控因子二因子交互作用彼此不完全混杂,也不与可控—噪声交互作用完全混杂;但这些主效应和交互作用与仅含噪声因子的二因子交互作用存在混杂。因此,设计的有效性依赖于后者可以忽略的假设。
如果希望为可控变量拟合完整二阶模型,可以以 CCD 为基础。如例 12.2,仅保留可控变量方向的轴点。例如,三个可控变量与四个噪声变量时,在表 12.4 的 30 次试验上增加 方向的六个轴点和四个中心点,可得到良好的响应模型设计,共 40 次试验,模型有 26 个参数。
三个可控变量与四个噪声变量的 23 次试验 D 最优设计 表 12.5
| A | B | C | D | E | F | G |
| - | + | - | + | + | + | + |
| + | - | - | + | + | + | + |
| - | - | + | - | - | + | + |
| + | + | - | - | - | - | + |
| - | + | + | - | - | - | + |
| + | + | - | + | - | + | - |
| + | + | + | - | - | - | - |
| + | - | - | - | - | + | - |
| + | - | + | - | - | - | + |
| - | - | + | - | - | - | - |
| - | + | + | - | + | + | - |
| - | - | + | + | + | - | + |
| - | - | - | - | + | - | - |
| - | + | - | + | + | - | - |
| - | - | - | + | - | + | - |
| + | - | + | + | - | + | - |
| - | + | + | + | - | + | - |
| - | - | - | - | - | - | + |
| + | - | + | - | + | + | - |
| + | - | - | + | + | - | - |
| + | + | - | - | + | + | + |
| - | + | - | - | - | + | - |
| + | + | + | + | + | - | + |
二阶情形也可用其他方法。例如,有三个可控因子和两个噪声因子时,修改后的 CCD 在立方体中有 16 次试验(),可控变量方向有六个轴点,再加四个中心点,共 26 次试验,用于估计 18 个参数。另一种选择是在立方体部分使用小型复合设计的 11 次试验,再加入六个可控方向轴点和四个中心点,只需 21 次试验。也可采用 D 或 I 最优方法。表 12.6 是 Design-Expert 构造的 18 次试验设计,属于饱和设计。一般而言,设计越小,响应模型的参数估计精度越可能低于较大的设计,预测响应方差也可能较大。关于 RPD 与过程稳健性设计的更多内容,见 Myers、Montgomery 和 Anderson-Cook(2016)及其参考文献。
表 12.6 拟合三个可控变量与两个噪声变量二阶响应模型的 D 最优设计
| A | B | C | D | E |
| + | + | + | + | - |
| + | + | - | + | + |
| + | - | - | + | - |
| 0 | - | + | - | - |
| + | + | + | - | + |
| - | - | - | + | + |
| - | + | - | + | - |
| - | - | + | + | - |
| + | + | - | - | - |
| + | - | - | - | + |
| + | - | 0 | - | - |
| - | - | - | - | - |
| - | + | - | - | + |
| - | - | + | - | + |
| + | 0 | + | - | - |
| 0 | 0 | 0 | 0 | + |
| - | + | + | + | + |
| - | + | + | - | - |