name: 实验设计技能 slug: doe-experiment-design displayName: 实验设计技能 description: 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 version: 1.1.0 category: quality author: org-jaxjwo0r

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

  小葱技能7w4.net持续更新中。

• 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

• 脚本:见 scripts/doe_generator.py(用途:生成DOE方案并导出CSV)
• 参考:见 references/doe_guide.md(何时读取:需要了解设计原理或选择合适分辨率)

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

TRACE 测评

这个技能整体质量不错，文档齐全、示例丰富，生成的实验方案可以直接导出使用。优点是操作说明清晰、有参考指南帮助理解原理、代码有异常处理。不足是功能有一定限制，比如部分因子设计只支持2水平的情况。适合需要设计实验方案但对DOE不太熟悉的用户使用。质量评分约94%，属于可用性较好的技能。某些复杂参数组合可能需要查阅参考文档才能正确使用。