DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 1 折叠折叠试验设计试验设计之之 minitabminitab 实践与指南实践与指南 实验者进行了一个 RⅢ的试验设计，但感觉交互效应对实验造成困扰在这种情 况下，可以通过折叠设计来获得交互效应的评估 折叠设计（folding designs）是一个二水平部分因子设计，其中的因子水平排 列模式是将前述的二水平部分因子设计颠倒过来 案例： 在生产 SFP 的钣金工程中为了延长制品的寿命，选定影响制造工程的 7 个因子 进行部分因子实验，工程知识告诉我们 C 与 F、E 与 G 不存在交互效应 试验计划：开始考虑采用一个七因子二水平的部分因子试验，共 8 次实验，看 看能不能满足示得 SFP 钣金制品的寿命， 并考察各主效应及二次交互效应是否显著 解析：由于实验次数限制，只做 8 次试验，因为不加中心点，这就是 27-4部分因 子实验，查表得这时 R=Ⅲ DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 2 DOE 应用实践过程应用实践过程 步骤步骤 1：：部分因子部分因子设计的计划（创建）设计的计划（创建） 选择[统计]=>[DOE]=>[因子]=>[创建因子设计]，单击打开创建因子设计对话框。
选择两水平因子（默认生成元） ，在因子数中选择 7 单击“设计”选项，弹出“设计”选项对话框选择“部分因子”试验次数为 8 的那行，并在“每个区组的中心点数”中选择 3，其他项保持默认（本例中没有分区 组，各试验点皆不需要完全复制） 单击确定 单击“因子”选项打开，分别填写 7 个因子的名称及相应的低水平和高水平的 设置（本案例为略） 单击确定 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 3 “选项”选项可以使用折叠设计（这是一种减少混杂的方法） 、指定部分（用 于设计生成） 、使设计随机化以及在工作表中存储设计等 “结果”选项用于控制会话窗口中显示的输出本例中此项保持默认单击确 定，然后形成下列表格 从上表可知，主效应与各二次交互效应的混杂情况严重，因此本设计方案存在 极大的风险 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 4 步骤步骤 2：：实验实施实验实施 按计划矩陈进行实验，得到相应的试验记录，见下表。
步骤步骤 3：：分析数据分析数据 第一步：浏览数据第一步：浏览数据 此处略（正常分析时需进行） 第二步：拟合模型第二步：拟合模型 首先将全部备选项列入模型，注意：在这里只选了全部主效应 统计﹥DOE﹥因子﹥分析因子设计，打开分析因子设计对话框 点击“项”选项后，按顺序在模型中包括项缺省为 1，表示我们只能预估主效应 项，单击确定 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 5 在“图形”选项中， “效应图”中选择“正态”和“Pareto” ， “图中的标准差” 中选择“正规” ， “残差图”中选择“单独示图” ，单击确定 CEFGADB403020100项项效效应应2.54效效应应的的 P Pa ar re et to o 图图 （响应为 寿命，Alpha = 0.05)Lenth 的 PSE = 0.675DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 6 40302010098959085 807060 50 40 30 20 10 0绝绝对对效效应应百百分分比比不显著 显著效应类型DBA效效应应的的半半正正态态图图 （响应为 寿命，Alpha = 0.05)Lenth 的 PSE = 0.675Pareto 图是将各效应的 t 检验所获得的 t 值作为横坐标，按照绝对值的大小，排 列起来，根据选定的显著性水平α ，给出 t 值的临界值，绝对值超过临界值的效应将 被选中。
从 Pareto 图，初步可以判断在显著水平α =0.05 情况下， A、B、D、G 是显 著因子从正态图也显示了在显著水平α =0.05 情况下， A、B、D 是显著因子 下面来观察方差分析（ANOVA）结果 由于自由度的关系，不能判断主效应项，显示我们不能判断所选定的模型总的 效果是显著的、有效的这就需要我们减少分析的项数，进入简化模型步 第三步：简化模型第三步：简化模型 这一步需要综合前面的分析，从上面的分析我们得知，在模型中包含不显著项， 应该予以删除，所以需要建立新的模型 拟合因子拟合因子: : 寿命寿命 与与 A, B, C, D, E, F, GA, B, C, D, E, F, G 寿命 的估计效应和系数（已编码单位） 项 效应 系数 常量 99.663 A 20.625 10.313 B 38.375 19.187 C -0.275 -0.137 D 28.875 14.438 E -0.275 -0.138 F -0.625 -0.313 G -2.425 -1.212 S = * PRESS = * 寿命 的方差分析（已编码单位） 来源 自由度 Seq SS Adj SS Adj MS F P 主效应 7 5476.44 5476.44 782.35 * * A 1 850.78 850.78 850.78 * * B 1 2945.28 2945.28 2945.28 * * C 1 0.15 0.15 0.15 * * D 1 1667.53 1667.53 1667.53 * * E 1 0.15 0.15 0.15 * * F 1 0.78 0.78 0.78 * * G 1 11.76 11.76 11.76 * * 残差误差 0 * * * 合计 7 5476.44 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 7 选择[统计]=>[DOE]=>[因子]=>[分析因子设计]，打开分析因子设计对话框。
主要 是修改“项”选项中的设置，在选取的项中将 A、B、D、G 保留，其他项皆删去，操 作中的其余各项都保持不变单击确定 GADB9080706050403020100项项标标准准化化效效应应3.18标标准准化化效效应应的的 P Pa ar re et to o 图图 （响应为 寿命，Alpha = 0.05)结果如下：结果如下： 从上表的ANOV分析来看，A、B、D、G均是显著的那么实际上这4个因子到底是 不是显著因子呢？ 拟合因子拟合因子: : 寿命寿命 与与 A, B, D, G A, B, D, G 寿命 的估计效应和系数（已编码单位） 项 效应 系数 系数标准误 T P 常量 99.663 0.2125 469.00 0.000 A 20.625 10.313 0.2125 48.53 0.000 B 38.375 19.187 0.2125 90.29 0.000 D 28.875 14.438 0.2125 67.94 0.000 G -2.425 -1.212 0.2125 -5.71 0.011 S = 0.601041 PRESS = 7.70667 R-Sq = 99.98% R-Sq（预测） = 99.86% R-Sq（调整） = 99.95% 寿命 的方差分析（已编码单位） 来源 自由度 Seq SS Adj SS Adj MS F P 主效应 4 5475.36 5475.36 1368.84 3789.17 0.000 A 1 850.78 850.78 850.78 2355.10 0.000 B 1 2945.28 2945.28 2945.28 8153.03 0.000 D 1 1667.53 1667.53 1667.53 4616.00 0.000 G 1 11.76 11.76 11.76 32.56 0.011 残差误差 3 1.08 1.08 0.36 合计 7 5476.44 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 8 下因我们用折叠设计折叠设计方法来进行再设计。
具体操作如下： 统计>DOE>修改设计> 按指定项进入 点确定，得到设计列表 追加试验，得到 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 9 重新拟合模型： 统计﹥DOE﹥因子﹥分析因子设计，打开分析因子设计对话框 点击“项”选项后，按顺序在模型中包括项，选 2，区组前打钩，单击确定 在“图形”选项中， “效应图”中选择“正态”和“Pareto” ， “图中的标准差” 中选择“正规” ， “残差图”中选择“单独示图” ，单击确定 DOE 药学应用实践与指南药学应用实践与指南 编著：刘春平 E-mail:webmaster669@ :237979362 dxy:世纪糊涂虫 10 EGADACABFAGAAECAFBDDB403020100项项效效应应3.18AA BB CC DD EE FF GG因子名称效效应应的的 P Pa ar re et to o 图图 （响应为 寿命，Alpha = 0.05)Lenth 的 PSE = 0.75403020100989590858070605040 30 20 1。