Чтобы систематически варьироваться экспериментальные факторы, присвойте каждый фактор дискретный набор levels. Полные планы факторного эксперимента измеряют переменные отклика с помощью каждого treatment (комбинация факторных уровней). Полный план факторного эксперимента для факторов n с N 1..., уровни N n требуют N 1 ×... × N n экспериментальные запуски — один для каждой обработки. В то время как выгодный для разделения отдельных эффектов, полные планы факторного эксперимента могут требовать у сбора данных.
Как пример, предположите, что механический цех имеет три машины и четыре оператора. Если тот же оператор всегда использует ту же машину, невозможно определить, являются ли машина или оператор причиной изменения производства. Позволяя каждому оператору использовать каждую машину, эффекты разделяются. Полный факториальный список обработок сгенерирован функцией Statistics and Machine Learning Toolbox™ fullfact:
dFF = fullfact([3,4])
dFF =
1 1
2 1
3 1
1 2
2 2
3 2
1 3
2 3
3 3
1 4
2 4
3 4Каждый из 3×4 = 12 строк dFF представляйте одну комбинацию машины/оператора.
Много экспериментов могут быть проведены с двухуровневыми факторами, с помощью two-level designs. Например, предположите, что механический цех в предыдущем примере всегда сохраняет тот же оператор на той же машине, но хочет измерить производственные эффекты, которые зависят от состава дневных и ночных смен. Функция Statistics and Machine Learning Toolbox ff2n генерирует полный факториальный список обработок:
dFF2 = ff2n(4)
dFF2 =
0 0 0 0
0 0 0 1
0 0 1 0
0 0 1 1
0 1 0 0
0 1 0 1
0 1 1 0
0 1 1 1
1 0 0 0
1 0 0 1
1 0 1 0
1 0 1 1
1 1 0 0
1 1 0 1
1 1 1 0
1 1 1 1Каждый из 24 = 16 строк dFF2 представляйте одно расписание операторов в течение дня (0) и ночь (1) сдвиги.