name: 實驗設計技能 slug: doe-experiment-design displayName: 實驗設計技能 description: 生成全因子與部分因子實驗方案；支援自定義因子/水平數、解析度設定及CSV匯出，用於實驗設計與資料分析；覆蓋DOE、正交實驗、田口方法等常見設計 version: 1.1.0 category: quality author: org-jaxjwo0r

DOE實驗設計工具

任務目標

• 本Skill用於:根據因子和水平配置生成標準DOE實驗方案
• 能力包含:全因子設計(完整組合)、部分因子設計(2^(k-p)解析度)、CSV匯出
• 觸發條件:使用者需要"設計實驗方案"、"DOE"、"正交實驗"、"因子實驗"

前置準備

• 依賴:pandas>=1.5.0
• 無需準備額外檔案

操作步驟

1. 全因子實驗設計

當用戶需要生成所有因子所有水平的完整組合時：

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

引數說明: - --factors: 因子數量(正整數) - --levels: 每個因子的水平數(正整數) - --output: 輸出CSV檔案路徑

2. 部分因子實驗設計(2^(k-p))

當實驗次數受限，需要使用解析度更高的部分因子設計：

7w4.net小蔥技能。

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

引數說明: - --base-levels: 基礎水平數(預設2，適用於2水平設計) - --num-factors: 因子總數(正整數) - --resolution: 設計解析度(3=解析度III, 4=解析度IV, 5=解析度V) - --output: 輸出CSV檔案路徑

3. 檢視生成的方案

指令碼輸出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. 匯出與使用

• CSV檔案包含列:Run, Factor_A, Factor_B, ... (各水平用數值編碼:0,1,2...)
• 可直接用於實驗執行或匯入分析軟體

使用示例

示例1: 3因子2水平全因子設計

• 場景: 溫度、壓力、濃度3個因子，各2水平
• 輸入: python scripts/doe_generator.py full --factors 3 --levels 2 --output doe_3f2l.csv
• 產出: 8次實驗的完整方案
• 要點: 全因子=因子數^水平數，3因子2水平=8次實驗

示例2: 6因子2水平部分因子設計(解析度IV)

• 場景: 因子較多，全因子32次太多，需要減少實驗
• 輸入: python scripts/doe_generator.py fractional --base-levels 2 --num-factors 6 --resolution 4 --output doe_6f16run.csv
• 產出: 16次實驗的部分因子方案
• 要點: 2^(6-1)=32→16次，解析度IV可估計主效應

示例3: 自定義因子名稱

• 場景: 需要明確標識每個因子的含義
• 輸入: 編輯CSV檔案或在後續分析中指定因子名
• 要點: 因子預設命名為Factor_A, Factor_B...，可在匯出的CSV中修改

資源索引

• 指令碼:見 scripts/doe_generator.py(用途:生成DOE方案並匯出CSV)
• 參考:見 references/doe_guide.md(何時讀取:需要了解設計原理或選擇合適解析度)

注意事項

• 部分因子設計目前僅支援2水平(2^(k-p)設計)
• 匯出路徑為相對路徑，保存於當前工作目錄
• 解析度III設計僅能估計部分主效應，選擇時需謹慎

TRACE 測評

這個技能整體質量不錯，文件齊全、示例豐富，生成的實驗方案可以直接匯出使用。優點是操作說明清晰、有參考指南幫助理解原理、程式碼有異常處理。不足是功能有一定限制，比如部分因子設計只支援2水平的情況。適合需要設計實驗方案但對DOE不太熟悉的使用者使用。質量評分約94%，屬於可用性較好的技能。某些複雜引數組合可能需要查閱參考文件才能正確使用。