下例描述的是葡萄酒品尝实验。您的雇主种植了两种黑皮诺葡萄，可采用不同方式加工这两种葡萄。您的目标就是确定哪些因子影响黑皮诺葡萄酒的口感。在加工葡萄之前，您需要创建实验设计。加工之后，葡萄酒样本将陈酿 12 个月，然后过滤并装瓶。届时，专业品酒师会对葡萄酒样本的质量进行评级。
酒庄多数产品都会出售给五大葡萄酒分销商。您需要安排每个分销商派一名专业品酒师对葡萄酒样本的质量进行评级。为了让您可以研究的因子数最大化，您决定每名专家必须品尝八个不同的样本。这意味着您的设计需要包含 40 个葡萄酒样本或试验。
评级以 0 – 20 为尺度，其中 0 表示最差，20 表示最佳。分级，该变量包含专家的评级，是关注的响应。您想要确定将该响应最大化的葡萄酒相关因子。
分区组因子用于解释不一定直接关注的变异。若在某一因子水平上所取的观测要比在不同水平上的观测更加相似，此时分区组因子尤其有效。在您的实验中，某一位专家给出的评级很可能具有相似的特征，而与其他专家给出的评级会有差别。但是，您关注的是葡萄酒的哪些属性导致所有专家都给出高评级。
由于每个评级员都品尝了八种葡萄酒，评级员成为分区组因子，每个区组八次试验。对于该实验，只需要考虑这五个评级员。您并不想让更多的评级员参与进来。
您已经确定该项研究涉及九个过程因子。这些因子包括葡萄品种、葡萄产地，以及其他七个与加工相关的因子。您可以使用这些因子的任意组合进行实验。同样，可以在实验过程中按需更改这些因子。相对于本次实验，这些因子全部为“容易”更改。有关指定因子更改的信息，请参见更改和随机区组。
因子及其水平显示在葡萄酒品尝实验的过程因子和水平 中。请注意，所有这些因子都为分类因子。Sample Data 的 Design Experiment 文件夹的因子表 Wine Factors.jmp 中同样给出了这些因子及其水平。
要使用这些因子的所有可能组合进行实验，需要执行多达 4 x 28 = 1024 次试验。不过在本例中，只需 40 次试验就可以构建令人满意的设计。
|
因子 |
水平 |
|---|---|
|
品种 |
Bernard，Dijon |
|
产地 |
1，2，3，4 |
|
除梗 |
No，Yes |
|
酵母 |
Cultured，Wild |
|
温度 |
High，Low |
|
压榨 |
Hard，Soft |
|
桶龄 |
New，2 Years |
|
桶干燥处理 |
Air，Kiln |
|
过滤 |
No，Yes |