minitab中的DOE

全因子试验Full factorial design:
对模型中的所有因子及水平进行全组合，可以寻找最有利于响应变量输出的因素水平，而且可以评估所有交互影响，但此试验方式的试验次数随因子和水平的增大而快速增加，如一项试验中有k个因素，每个因素有e个水平，则试验次数有k的e次幂，从资源角度来看不适用于因子或水平较多的场合，一般控制在4因素3水平以内，个别情况如需得到精确的结果或试验所耗资源可以接受可适当增大因子或水平数。

分部因子试验设计
在实际运作中往往存在较多因子及水平的场合，且交互作用存在于个别的因素间（关于因子间的交互作用可先用交互作用图Interaction plot分析），为了节省资源又能保证试验的要求可以使用分部因子试验设计，可减少的试验至少在50%以上。分部试验设计的原理在于选取具有代表性的因子水平组合，忽略部分不存在交互作用的因子试验组合来达到减少试验次数的目的，但要注意一点，就是忽略的因子交互作用确实不存在。主要的分辨率水平其混淆情况如下：
3级分别率：主要影响未混淆可以评估；但主要影响与2因素交互作用影响及2因素交互作用影响之间混淆 ，也就是说不能评估交互影响。此分辨率须确定因素间无交互作用影响。
4级分辨率：主要影响及与2因素交互作用影响未混淆，但2因素交互作用影响之间混淆，可以评估单个交互作用的存在。
5级分辨率：主要影响、主要影响与2因素交互作用影响及2因素交互作用影响之间未混淆，可以评估所有的2因素交互作用，但2因素交互作用与3因素交互作用混淆，即须确保无3因素交互作用的存在。

筛选试验设计Plackett-burman design
很多时候我们列出了相当多的试验因子，但没有确定当中哪些因子对于响应变量影响显著，这时候就适宜使用筛选试验设计。筛选试验设计的分辨率水平为3级，可同时评估达47个因子，每个因子取两个水平进行设计，它的主要目的是在较多不确定因子中确定显著影响德因子，为设计后续试验增加可靠性及节省资源。筛选试验设计不能确定交互作用影响，且水平数固定为两个。

中心复合试验设计Central composite
试验设计的主要目的是优化因子水平来得到可接受的响应变量水平，中心复合试验（即常用响应表面设计）就满足此要求。中心复合试验设计先进行2水平全因子或分部因子试验，再加上中心点进行非线性测试，如果非线性显著则加上轴向试验点建立可靠的回归模型，最后加以优化分析，因此它具有可评估非线性影响及优化参数的特点。中心复合试验设计的试验次数也较多，一般选取2-6因子进行试验设计，可在进行筛选试验后进行。

Box-Behnken试验设计
Box-Behnken试验也可以评估因子与响应变量间的非线性影响及优化因子水平，但其与中心复合试验不同的是无需进行多次试验，并且因子数相同的情况下试验次数要少于中心复合试验，因此因子可确定在3-7个。Box-Behnken试验适用于因子及响应变量均为连续数据的场合，且由于未加轴向点而使试验更加安全。

混合试验设计Mixture design
混合试验设计是响应表面试验设计的特殊类别，主要适用混合物及研究其表现功能的场合，其中的表现功能受混合物内的各成分的量有关。混合设计一般分为3种：
1.单成分混合设计--只与组成成分的比例有关。
2.混合量设计--与组成成分的比例及混合物的量有关。
3.混合过程变量设计--与成分比例及过程变量参数水平有关。

田口试验设计Taguchi design
田口试验设计也是典型的分部因子设计，试验次数较少，因此评估因子可达37个。田口试验具有正交的特点可以独立评估因素。另外田口试验最大的特点就是将信噪比概念引入，进行可靠性设计。田口设计分静态和动态两种，静态设计主要通过试验和分析，造出影响较大的因子水平并优化，使响应变量的变差变小；动态设计主要通过增加信号因子来优化，使得响应变量受噪声因子影响减至最小。

均匀试验设计
均匀试验设计没有出现在minitab中，它是中国数学家的杰作，其特点是用较少的试验次数完成复杂的试验设计。均匀试验设计将试验点在高维空间内均匀分散，使数据具有更好的代表性。均匀试验设计在国内的多个软件中已体现其功能，计算方便，试验次数更加减少，是模拟轴向数字的跨越。