shield_lock
JinDaGe
← Back to skills
extension
Category: Data & AnalyticsNo API key required

实验设计技能

生成全因子与部分因子实验方案；支持自定义因子/水平数、分辨率设置及CSV导出，用于实验设计与数据分析；覆盖DOE、正交实验、田口方法等常见设计

personAuthor: u_92a87aa5hubenterprise
downloadDownload package

DOE实验设计工具

任务目标

  • 本Skill用于:根据因子和水平配置生成标准DOE实验方案
  • 能力包含:全因子设计(完整组合)、部分因子设计(2^(k-p)分辨率)、CSV导出
  • 触发条件:用户需要"设计实验方案"、"DOE"、"正交实验"、"因子实验"

前置准备

  • 依赖:pandas>=1.5.0
  • 无需准备额外文件

操作步骤

1. 全因子实验设计

当用户需要生成所有因子所有水平的完整组合时：

python scripts/doe_generator.py full --factors 3 --levels 2 --output full_factorial.csv

参数说明:

  • --factors: 因子数量(正整数)
  • --levels: 每个因子的水平数(正整数)
  • --output: 输出CSV文件路径

2. 部分因子实验设计(2^(k-p))

当实验次数受限，需要使用分辨率更高的部分因子设计：

python scripts/doe_generator.py fractional --base-levels 2 --num-factors 4 --resolution 3 --output fractional_4f8run.csv

参数说明:

  • --base-levels: 基础水平数(默认2，适用于2水平设计)
  • --num-factors: 因子总数(正整数)
  • --resolution: 设计分辨率(3=分辨率III, 4=分辨率IV, 5=分辨率V)
  • --output: 输出CSV文件路径

3. 查看生成的方案

脚本输出JSON格式的摘要:

{
  "design_type": "full_factorial",
  "num_factors": 3,
  "num_levels": 2,
  "num_runs": 8,
  "output_file": "full_factorial.csv",
  "factors": ["Factor_A", "Factor_B", "Factor_C"]
}

4. 导出与使用

  • CSV文件包含列:Run, Factor_A, Factor_B, ... (各水平用数值编码:0,1,2...)
  • 可直接用于实验执行或导入分析软件

使用示例

示例1: 3因子2水平全因子设计

  • 场景: 温度、压力、浓度3个因子，各2水平
  • 输入: python scripts/doe_generator.py full --factors 3 --levels 2 --output doe_3f2l.csv
  • 产出: 8次实验的完整方案
  • 要点: 全因子=因子数^水平数，3因子2水平=8次实验

示例2: 6因子2水平部分因子设计(分辨率IV)

  • 场景: 因子较多，全因子32次太多，需要减少实验
  • 输入: python scripts/doe_generator.py fractional --base-levels 2 --num-factors 6 --resolution 4 --output doe_6f16run.csv
  • 产出: 16次实验的部分因子方案
  • 要点: 2^(6-1)=32→16次，分辨率IV可估计主效应

示例3: 自定义因子名称

  • 场景: 需要明确标识每个因子的含义
  • 输入: 编辑CSV文件或在后续分析中指定因子名
  • 要点: 因子默认命名为Factor_A, Factor_B...，可在导出的CSV中修改

资源索引

注意事项

  • 部分因子设计目前仅支持2水平(2^(k-p)设计)
  • 导出路径为相对路径，保存于当前工作目录
  • 分辨率III设计仅能估计部分主效应，选择时需谨慎