Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
ISO/TR 29901：统计方法——试验设计——工业实验技术指南
全面解读因子设计、响应面方法、Taguchi方法及试验设计在工程中的实际应用
试验设计方法概述
ISO/TR 29901提供了试验设计方法学的全面技术指南——这是一个用于规划、实施、分析和解释受控测试的统计框架，旨在评估影响过程或产品性能的因素。该标准充当了理论统计概念与实际工业应用之间的桥梁，为工程师和质量管理专业人员提供了一种结构化的实验方法，能在最小化实验工作量的同时最大化信息获取。
该标准认识到实验是工程开发、过程优化和质量改进的基础。传统的单因素轮换法效率低下且无法检测因素之间的交互作用。相比之下，DOE根据结构化计划同时变化多个因素，能够以更高的效率识别主效应、交互效应和最优运行条件。ISO/TR 29901涵盖了完整的实验工作流程：问题定义、因素选择、设计选择、随机化、区组化、重复、方差分析、模型验证和结果解释。
对于刚接触DOE的工程师，标准建议从两水平全因子设计开始。这些设计易于构建和分析，同时能揭示主效应和因素之间的所有交互作用。一个2³设计仅需8次实验，而一个完整的三水平设计需要192次，使其成为筛选实验的绝佳起点。
因子设计与分析方法
ISO/TR 29901详细介绍了全因子和部分因子设计。全因子设计包括因子水平的每一种组合，提供所有主效应和交互作用的无偏估计。在必须限制实验次数的情况下——这在昂贵的工业实验中很常见——采用部分因子设计。这些设计牺牲了高阶交互作用（通常可忽略）的信息，以减少所需的实验次数。该标准包括关于设计分辨率（III、IV、V）和别名结构的指导。
| 设计类型 | 因子数量 | 实验次数 | 关键信息 | 常见应用 |
|---|---|---|---|---|
| 2^k全因子设计 | 3-6 | 8-64 | 所有主效应和交互效应 | 筛选、表征 |
| 2^(k-p)部分因子（分辨率V） | 5-7 | 16-64 | 主效应和二阶交互效应 | 含交互作用的因子筛选 |
| 2^(k-p)部分因子（分辨率III） | 7-15 | 8-32 | 仅主效应（与二阶混淆） | 初始筛选、多因子 |
| Plackett-Burman设计 | 7-47 | 12-48 | 仅主效应（无交互作用） | 超低分辨率筛选 |
| 中心复合设计（CCD） | 2-6 | 14-90 | 二次效应、曲率、最优点 | 响应面优化 |
| Box-Behnken设计 | 3-7 | 15-62 | 二次效应、三水平 | 响应面（较少实验次数） |
| Taguchi正交阵列 | 4-31 | 9-64 | 主效应、稳健性 | 稳健参数设计 |
方差分析是分析实验数据的主要统计工具。ISO/TR 29901详细说明了平方和、均方、F比和p值的计算，并提供了在工程意义（而非仅统计显著性）背景下解释这些统计量的指导。该标准强调了残差分析的重要性：绘制残差与拟合值图、残差的正态概率图，并检查方差齐性和独立性。模型验证是区分合格DOE实践与表面化应用的关键步骤。
标准识别的一个常见错误是”过拟合”——基于边际统计显著性在模型中包含过多项，而未考虑工程相关性。ISO/TR 29901建议使用调整R²和预测R²来防止过拟合。一个经验法则是观察值数量至少应为模型参数数量的5-10倍。
响应面方法与优化
当筛选实验识别出关键因子后，使用响应面方法寻找最佳运行条件。ISO/TR 29901涵盖了中心复合设计和Box-Behnken设计——两种最常见的RSM设计。CCD设计包括因子点、中心点和轴点（星点），能够估计二次效应。Box-Behnken设计是替代设计，对于三水平因子需要较少的实验次数。两种设计都能拟合二阶多项式模型，预测整个实验区域内的响应并识别驻点。
该标准提供了一个使用CCD优化化学蚀刻过程的优秀案例研究。通过在3因子CCD中变化蚀刻时间、温度和浓度，实验者识别出显著的二次效应以及时间与温度之间的交互作用。最优点区域出现在中等温度和较长蚀刻时间——这是使用单因素轮换法无法发现的条件。预测的最优点通过3次验证实验得到确认，响应值在预测值的2%以内。
ISO/TR 29901还涉及了稳健性和Taguchi方法。田口玄一的稳健参数设计方法专注于使产品和过程对噪声因素不敏感。该标准解释了Taguchi的信噪比——望目特性、望大特性和望小特性——及其与传统方差分析的关系。在承认对Taguchi方法的批评（包括交互作用混淆和信噪比理论的有效性问题）的同时，标准认可其在工业环境中的实用价值，特别是在提高制造质量和减少变异方面。
DOE中的一个重大陷阱是未能随机化实验顺序。如果实验以非随机顺序进行，结果可能与时间相关的干扰变量（如预热效应、环境温度漂移或操作员疲劳）相混淆。ISO/TR 29901要求适当的随机化，并在随机化不可行时（如在连续过程中）建议使用区组设计和裂区设计来处理受限随机化问题。
工程设计见解
ISO/TR 29901为工业实践者提供了多项实用见解。首先，该标准强调了实验前规划的重要性：清晰定义问题、通过因果图识别所有潜在因素、并基于工程判断和先验知识通过筛选过程确定优先因素。这个规划阶段通常占总实验工作量的30-50%，但却是决定实验成功与否的最关键因素。
其次，该标准提供了样本量和功效分析的指导。实验次数不足的设计具有较低的统计功效——意味着可能无法检测到真实效应。ISO/TR 29901包括根据实验次数、显著性水平和期望功效计算最小可检测效应量的公式和表格。对于典型的工业应用，标准建议功效至少为0.80，并讨论了使用更多中心点与重复之间的权衡。
问：全因子设计和部分因子设计有什么区别？
答：全因子设计测试所有因子水平的所有组合，提供关于所有主效应和所有交互效应（包括高阶交互）的完整信息。部分因子设计只测试这些组合的一个子集，通过精心选择使得主效应和低阶交互效应可以被估计。代价是某些效应与其他效应”别名化”（混淆）。当全因子设计的实验次数过于昂贵或耗时过长时，使用部分因子设计。设计分辨率指明了哪些效应与哪些效应相混淆。
问：如何在中心复合设计和Box-Behnken设计之间选择？
答：当对因子设置具有良好的控制时，CCD设计更可取，因为它需要因子区域外的极值轴点。Box-Behnken设计避免了极值点，因此对于极值因子组合可能不可行或危险的过程更为安全。对于三因子实验，Box-Behnken设计通常需要较少的实验次数。然而，CCD在估计二次效应方面提供了更好的精度，并且可以从先前的因子实验顺序构建。
问：什么是Taguchi稳健参数设计，它与经典DOE有何不同？
答：Taguchi稳健参数设计旨在找到使产品或过程性能对噪声不敏感的因子设置。与经典DOE的关键区别在于使用”信噪比”作为响应变量以及使用”内阵列”和”外阵列”分别处理可控因子和噪声因子的概念。经典统计学家批评Taguchi方法混淆交互作用和数据利用效率低，但实践者看重其在工业稳健性改进中的简洁性和有效性。ISO/TR 29901同时介绍了两种方法，并建议主要将Taguchi阵列用于筛选和稳健性研究。
问：基础DOE需要多少次实验？
答：对于3-5个因子的简单筛选实验，两水平全因子设计需要8-32次实验。加上1-3个中心点用于检测曲率，这对大多数工业场景是可行的。对于使用响应面方法的优化，根据因子数量预计需要15-30次实验。该标准强调，拥有足够实验次数以获得充分功效远远比最小化实验成本更重要——功效不足的实验无法检测重要效应，最终因需要重复而更昂贵。
📥 标准文件下载
暂无下载文件
