doe_orthogonal_array — MULTIVAR `plan` op

• Datenarten: keine → design (ein Operator, der allein durch seine Argumente bestimmt ist — er nimmt kein Bild und keine Daten entgegen)

• Aufruf: import fullseye as fs; fs.ledger.doe_orthogonal_array(name='L9', factors=None, columns=None) -> 'dict' (die Implementierung direkt: import doe; doe.doe_orthogonal_array(name='L9', factors=None, columns=None) -> 'dict'; aus dem Register: opsmultivar.get("doe_orthogonal_array"))

Verwendung

Orthogonales Feld L4 / L8 / L9 / L12 / L16 / L18 / L27 aus einer veröffentlichten Tabelle -> design.

> Die ausführliche Beschreibung unten ist der Originaltext — Zusammenfassung und Überschriften sind übersetzt.

The arrays are copied from published tables (sources and the copy check in OA_SOURCES), not generated: Taguchi's numbering of columns is what shop-floor literature and the linear graphs refer to, and a generated array with another column order would silently assign factors to interaction columns. Published level symbols 1, 2 (, 3) map to coded −1, +1 (, or −1, 0, +1).

factors: int / names / (name, lo, hi[, unit[, scale]]) (default: one factor per column). columns: 1-based column numbers to assign the factors to, in order (default: the first k columns; for L18 column 1 is the two-level one).

The returned alias lists, for every pair of assigned factors, the columns their interaction falls on and the share (see _oa_interaction_share) — if such a column also carries an assigned factor, that main effect is confounded with the interaction. meta['strength2_ok'] re-checks orthogonality on the table actually used, and meta['regular'] says whether interactions land on whole columns.

Ausführlicher Anwendungsleitfaden

• Leitfaden zur Familie design_of_experiments

Referenzen (Beispieldaten, Literatur)

• Katalog der Beispieldaten (Download-URLs / Lizenzen) — 2-D nutzt skimage.data (BSD/Public Domain) plus synthetische Bilder, 3-D nennt Download-URLs echter Datenquellen (Stanford, PDS, …).

• Herkunft und Literatur der Operatoren — die Quellen der Forschung/Verfahren, auf denen diese Operatorfamilie beruht.

• Der kanonische Algorithmus (Autor, Jahr) und seine Anwendungen stehen im Familienleitfaden oben.

Ausführbare Beispiele (verifizierte Samples, die diesen Operator wirklich aufrufen)

• doe_plan_tour — py -3.11 examples/doe_plan_tour.py

• multivar_inspection_tour — py -3.11 examples/multivar_inspection_tour.py

• poc_simcal_thin_film — py -3.11 examples/poc_simcal_thin_film.py

Typkompatible Folge-Operatoren (nehmen `design` als Eingabe)

doe_decode · rsm_fit · doe_main_effects · sens_morris · sens_sobol

Gleiche Kategorie (`plan`)

doe_lhs · doe_fractional_factorial · doe_central_composite · doe_box_behnken

*Provenance: doe.py — MULTIVAR Operator-Registry. Diese Notiz wird von tools/opdocs.py md erzeugt (nicht von Hand bearbeiten).*

doe_orthogonal_array — MULTIVAR plan op