DOE及Minitab使用初级知识(下)精品资料
合集下载
DOE基础知识(minitab软件操作实例讲解DOE)精品PPT课件
--依据2因子以上的特定因子水准的组合而引起的效果
DOE基础知识
实验计划法概要
实验的类型
● 试行与事故试验（Trial and Error） ● 一次一个的要因（One-Factor-at-a Time：OFAT） ● 部份要因实验（ Fractionl Factorial Designs ） ● 完全要因实验（ Full Factorial Designs ） ● 反应表面实验（Response Surface Methodology） ● EVOP调优试验设计 （Evolutionary Op部交 所有的主效果和 输出变量的预测
向
互作用
交互作用 模型（曲率效果）
（线形效果）
说明：考虑实验的目的和预算等来选择DOE
DOE基础知识
完全要因实验
定义
Kn要因配置法 不按因子数为N个，因子的水准数为K的实验计划法重复实验， 也应该可以实施Kn个的实验次数 2k要因实验是由具有2水准的K个因子构成
●处理（Treatment） --所谓的处理是指各因子单一水准的组合。如：100度温度下，压力1气压
●处理组合（ Treatment Combination） --是指因子各水准的组合。如2x2x2的情况下，实验的处理组合是8
●重复（Repeat） ●主要效果（Main Effect）
--是指各输入变量由不同水准间变化时因水准间差异而引起的输出变量变化的平均值 ●交互作用（Interaction）
DOE基础知识
完全要因实验例题
实验顺序
1 2 3 4 5 6 7 8
区分 总和总和+ 差 平均效果
反应温度 浓度 压力 A*B （A） （B） （C）
-1
-1
DOE基础知识
实验计划法概要
实验的类型
● 试行与事故试验（Trial and Error） ● 一次一个的要因（One-Factor-at-a Time：OFAT） ● 部份要因实验（ Fractionl Factorial Designs ） ● 完全要因实验（ Full Factorial Designs ） ● 反应表面实验（Response Surface Methodology） ● EVOP调优试验设计 （Evolutionary Op部交 所有的主效果和 输出变量的预测
向
互作用
交互作用 模型（曲率效果）
（线形效果）
说明：考虑实验的目的和预算等来选择DOE
DOE基础知识
完全要因实验
定义
Kn要因配置法 不按因子数为N个，因子的水准数为K的实验计划法重复实验， 也应该可以实施Kn个的实验次数 2k要因实验是由具有2水准的K个因子构成
●处理（Treatment） --所谓的处理是指各因子单一水准的组合。如：100度温度下，压力1气压
●处理组合（ Treatment Combination） --是指因子各水准的组合。如2x2x2的情况下，实验的处理组合是8
●重复（Repeat） ●主要效果（Main Effect）
--是指各输入变量由不同水准间变化时因水准间差异而引起的输出变量变化的平均值 ●交互作用（Interaction）
DOE基础知识
完全要因实验例题
实验顺序
1 2 3 4 5 6 7 8
区分 总和总和+ 差 平均效果
反应温度 浓度 压力 A*B （A） （B） （C）
-1
-1
DOEMinitab操作教程
点击每一个方框，使其选中， 然后单击OK。
然后回到Session窗口：
Paired T-Test and CI: Material A, Material B H0：两种材料寿命没有差异
Paired T for Material A - Material B
Ha：两种材料寿命有差异
N Mean StDev SE Mean
H0：两种材料寿命没有差异 Ha：两种材料寿命有差异
P>0.05,接收H0。
Difference = mu (Material A) - mu (Material B) Estimate for difference: -0.410000 95% CI for difference: (-2.754808, 1.934808) T-Test of difference = 0 (vs not =): T-Value = -0.37 P-Value = 0.717 DF = 17
0.0
Differences
两种材料有显著差异，研发处的建议被接受。
6、为什么会得到不同的结论？
• 到底我们该相信那个结论？ 不了解基本的统计观念会有什么坏处？
2、化学实验设计案例
Factor (因子)
Temperature(T) Concentration(C) Catalyst (K)
Level (水準)
3.0
2.5
2.0
1.5
1.0
0.5
0.0
_
X
-0.5
Ho
-1.2
-1.0
-0.8
-0.6 -0.4
-0.2
0.0
0.2
Differences
两种材料有显著差异，研发处的建议被接受。
DOEMinitab操作教程
DOEMinitab操作教程
书山有路勤为径， 学海无涯苦作舟
2020年4月13日星期一
1、男球鞋案例
1、资料登陆 2、选择统计工具2 sample t 3、图形 4、选择统计工具Paired t 5、图形 6、为什么会得到不同的结论
书山有路勤为径， 学海无涯苦作舟
1、资料登陆
• 1、把资料登陆到Minitab软件，输入资料的 操作类似Excel软件，如下图：
•95% CI for mean difference: (-0.686954, -0.133046)
•T-Test of mean difference = 0 (vs not = 0): T-Value = -3.35 P-Value = 0.009
书山有路勤为径， 学海无涯苦作舟
5、图形
书山有路勤为径， 学海无涯苦作舟
书山有路勤为径， 学海无涯苦作舟
•点击每一个方框，使其 选中，然后单击OK。
书山有路勤为径， 学海无涯苦作舟
点击 到Session视窗
Results for: BOY'S SHOE.MTW
Two-Sample T-Test and CI: Material A, Material B
Two-sample T for Material A vs Material B
•Type of Design:选择设计种类 •Number of Factors:选择因子数目 •Design：选择设计（解析度、中心点、反复数）
•Factor：输入名称和水准 •Options：（取消）随机化选项
•执行实验：收集实验数据
Minitab：Stat>DOE>Factorial>Create Factorial Design
书山有路勤为径， 学海无涯苦作舟
2020年4月13日星期一
1、男球鞋案例
1、资料登陆 2、选择统计工具2 sample t 3、图形 4、选择统计工具Paired t 5、图形 6、为什么会得到不同的结论
书山有路勤为径， 学海无涯苦作舟
1、资料登陆
• 1、把资料登陆到Minitab软件，输入资料的 操作类似Excel软件，如下图：
•95% CI for mean difference: (-0.686954, -0.133046)
•T-Test of mean difference = 0 (vs not = 0): T-Value = -3.35 P-Value = 0.009
书山有路勤为径， 学海无涯苦作舟
5、图形
书山有路勤为径， 学海无涯苦作舟
书山有路勤为径， 学海无涯苦作舟
•点击每一个方框，使其 选中，然后单击OK。
书山有路勤为径， 学海无涯苦作舟
点击 到Session视窗
Results for: BOY'S SHOE.MTW
Two-Sample T-Test and CI: Material A, Material B
Two-sample T for Material A vs Material B
•Type of Design:选择设计种类 •Number of Factors:选择因子数目 •Design：选择设计（解析度、中心点、反复数）
•Factor：输入名称和水准 •Options：（取消）随机化选项
•执行实验：收集实验数据
Minitab：Stat>DOE>Factorial>Create Factorial Design
MiniTab-DOE操作说明
7
Unit-1: 田口品質工程簡介
產品/制程之參數:
信號因子（signal factor）
由設計工程師依據所開發產品的工程知識來選擇，以表達所想 的回應值。當y 的目標值改變時，我們可調整信號因子，使y 的平均值與目標值一致。
例如: 1.電風扇轉速設定是一信號因子，藉由轉速的設定可改 變風量的大小。2.射出成型時，藉由壓力的增加，可使產品的 尺寸更接近模具尺寸。3.汽車方向盤的轉向角度，可以指示汽車 的迴轉半徑。
日本廠產品大部分集中在目標值附近，亦即靠近m （變異較小，性能較佳）的產品，美國廠產品遠離m （變異較大，性能較差），超出產品規格機會較大。
6
Unit-1: 田口品質工程簡介
產品/制程之參數: 對任一個產品或製程，我們可以繪出參數圖，如圖3
所示，其中y 表示所欲探討的品質特性或回應值 （response）。影響y 的參數可以分為信號因子 （M）、控制因子（Z）和雜音因子（X）三類。
品質是指產品出廠後所帶給社會的損失，但不包括機能 本身所引起的損失。
田口博士認為，一產品的品質為該產品因未能充分發揮 其原有的機能而產生的損失，而因機能本身所發生的損 失除外。
品質特性有以下三種類型:
望小品質函數:
使目標逼近于0，如週期時間，不良率，成本；
望大品質函數:
使目標持續提高,如參量、利潤、強度;
24
Unit-3: 直交表設計
直交試驗表結構:
该表为7因素，2水平，运行8次的正交试验表，具有以下特点：
1、有8个行，表示8种试验运行的不同因素水平组合。
2、有7个列，表示最多可允许有7个因素。
3、表中心的“1”、“2”表示各因素的两种水平。
4、每个因素的每个水平各出现4次，出现机会完全均等。
Unit-1: 田口品質工程簡介
產品/制程之參數:
信號因子（signal factor）
由設計工程師依據所開發產品的工程知識來選擇，以表達所想 的回應值。當y 的目標值改變時，我們可調整信號因子，使y 的平均值與目標值一致。
例如: 1.電風扇轉速設定是一信號因子，藉由轉速的設定可改 變風量的大小。2.射出成型時，藉由壓力的增加，可使產品的 尺寸更接近模具尺寸。3.汽車方向盤的轉向角度，可以指示汽車 的迴轉半徑。
日本廠產品大部分集中在目標值附近，亦即靠近m （變異較小，性能較佳）的產品，美國廠產品遠離m （變異較大，性能較差），超出產品規格機會較大。
6
Unit-1: 田口品質工程簡介
產品/制程之參數: 對任一個產品或製程，我們可以繪出參數圖，如圖3
所示，其中y 表示所欲探討的品質特性或回應值 （response）。影響y 的參數可以分為信號因子 （M）、控制因子（Z）和雜音因子（X）三類。
品質是指產品出廠後所帶給社會的損失，但不包括機能 本身所引起的損失。
田口博士認為，一產品的品質為該產品因未能充分發揮 其原有的機能而產生的損失，而因機能本身所發生的損 失除外。
品質特性有以下三種類型:
望小品質函數:
使目標逼近于0，如週期時間，不良率，成本；
望大品質函數:
使目標持續提高,如參量、利潤、強度;
24
Unit-3: 直交表設計
直交試驗表結構:
该表为7因素，2水平，运行8次的正交试验表，具有以下特点：
1、有8个行，表示8种试验运行的不同因素水平组合。
2、有7个列，表示最多可允许有7个因素。
3、表中心的“1”、“2”表示各因素的两种水平。
4、每个因素的每个水平各出现4次，出现机会完全均等。
doe(实验设计)与minitab培训doe案例
doe(实验设计)与minitab培训doe案例实验设计（DOE，Design of Experiments）是一种系统化的方法，用于确定和优化实验参数以实现特定的目标或解决特定的问题。
在制造业、工程、科学研究和其他领域中，DOE被广泛用于提高产品质量、降低成本、改进生产过程等。
Minitab是一款流行的统计软件，用于数据分析、假设检验、回归分析等。
它提供了丰富的工具和功能，帮助用户轻松地分析和解释数据。
以下是一个关于DOE和Minitab培训的案例：假设一家制造公司想要提高其产品的抗拉强度。
通过实验设计，该公司确定了以下几个因素可能影响产品的抗拉强度：温度、压力和材料类型。
目标是找到最佳的温度、压力和材料类型组合，以最大化产品的抗拉强度。
为了解决这个问题，公司使用Minitab软件进行实验设计。
首先，Minitab 帮助确定因素和水平，并生成一个实验矩阵，其中包括每个实验的条件和结果。
然后，公司按照实验矩阵进行实验，并记录每个实验的结果。
在收集完数据后，Minitab帮助进行数据分析。
通过分析结果，公司确定了最佳的温度、压力和材料类型组合。
此外，Minitab还提供了其他有用的统计信息，如因素对结果的影响程度、因素的交互作用等。
通过这个案例，Minitab培训的目标是使参与者能够：1. 了解实验设计的基本概念和方法；2. 使用Minitab软件进行实验设计和数据分析；3. 掌握如何解释和分析实验结果；4. 应用实验设计的方法来解决实际问题。
总之，通过DOE和Minitab培训，参与者可以学习如何系统地设计和分析实验，并使用统计软件来分析和解释数据。
这将有助于提高产品质量、改进生产过程和提高企业的竞争力。
DOE(试验计划使用minitab)
分析结果 解释,对策
• 在已知的条件之内 导出结论 •确认实验与否的决定 • 确认实验的 再现性的确保
Data 分析
• Graph化 • 实验时的管理状态 与否及误差的 等分散性研讨 • 对missing value的事前 对策
实验的实施
•按照计划的 实验实施
• 因子(factor) : 影响data散布的无数原因当中直接与实验有关的原因 • 水平(level) : 为了实验而选定的因子的条件 • fixed factor : 技术性指定的因子(温度, 压力, 强度 等)变量因子 • Block : 把实验分为时间性, 空间性，在内部能够造成实验环境均匀
→ 按结果，设定作业标准，提供选择原料、装置、测定方法等 的基准
14 -3/29
实验设计
什么是实验设计(DOE) ?
对已知的事实 检证或 确认未知的事实 的假设
(进行实验)
Prism(DOE)
(实验设计)
True State of Nature
Noise
New Data
Available Data
T
93.67 1.67 18.33 9.00 19.67 -9.67 -1.00
P
0.007 0.344
0.01250 0.13750 0.06750 0.14750 -0.07250 -0.00750
0.00625 0.06875 0.03375 0.07375 -0.03625 -0.00375
实验设计(DOE)-完全配置法例题(23 实验)
对实验设计(DOE)的适用结果解释及对策事项是 ?
•Minitab Menu : Stat / DOE / Factorial/Factorial Plot 2. 分析 1) 主效果(Main Effects Plot)
DOEMinitab操作教程
DOEMinitab操作教程
1. 什么是DOE（设计实验）？
DOE（Design of Experiments），即设计实验，是一种系统、有效地进行试验设计和数据分析的方法。
它通过合理地选择实验方案，充分利用有限的资源和时间，提高实验效率，提供科学依据来优化产品和工艺。
2. 为什么使用DOE进行实验设计？
使用DOE进行实验设计有以下几个优点：
•提高实验效率：通过设计合理的实验方案，可以充分利用有限的资源和时间，减少试验次数，提高实验效率。
•优化产品和工艺：DOE可以通过充分考虑多个因素之间的交互作用，找到最佳的组合方案，优化产品和工艺参数。
•提供科学依据：DOE提供了数据分析和统计方法，能够从实验数据中提取有效信息，从而为决策提供科学依据。
3. Minitab简介
Minitab是一种常用的统计软件，提供了丰富的数据分析和实验设计功能。
在DOE方面，Minitab可以帮助用户设计合适的实验方案，分析实验数据，得出结论，并提供可视化的结果。
4. DOEMinitab操作步骤
使用DOEMinitab进行实验设计的操作步骤如下：
步骤1：安装和启动Minitab软件
在Minitab官方网站上下载最新版的Minitab软件，并按照官方指导进行安装。
安装完成后，启动Minitab软件。
步骤2：创建工作表
在Minitab软件中，点击。
DOE(Minitab)全
实验设计
DOE的定义
DOE: Design of Experiment 实验设计，收集数据的过程，这种过程主动的 改变流程输入（X）的设置，并且考察这些X的 改变对流程的输出（Y）有何影响。
y = f(x)
响应 因子 输出 输入
DOE研究的对象
受控因子 (Factor)
过程
噪音因子 (Noise)
在另一天将所有的实
件，使用三次测量的
验条件重新运行。
平均作为运行的响应。 彷行比重复好（通常成
本更高）
实验中的样本量通过防 行来控制
随机化
对于我们知道的噪音变量可以用Block降低其对实 验的影响。
对于我们不知道的噪音变量如湿度，电压变化这 一类潜伏变量可以用随机化，即打乱实验的顺序 降低其对实验的影响。
为什么随机化：示例
假设印刷电路板上的镀层厚度是您关心的响应。 在一个月内这个值趋向于下降。 如何解释这种下降趋势？（某种潜伏变量影响）
厚度与每月的第几天
为什么随机化：示例（续）
假设要在实验中评估浸泡温度的效果，小组首先 测试了50摄氏度，然后测试70摄氏度。(直观判 断70摄氏度的输出较小）
如果因子的数目很多，要运行全因子实验将变得 很困难，为了达到筛选关键因子的目的，可以按 照一定的方法从所有的处理中挑选出一部分运行， 这种实验方法很多，其中之一叫做部分因子实验 (Fractional Factorial Experiment)。
全因子实验--例子
在注塑成型工具中，注塑件表面的强度是个关键 质量指标，对其的要求是越高越好。
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
DOE的定义
DOE: Design of Experiment 实验设计，收集数据的过程，这种过程主动的 改变流程输入（X）的设置，并且考察这些X的 改变对流程的输出（Y）有何影响。
y = f(x)
响应 因子 输出 输入
DOE研究的对象
受控因子 (Factor)
过程
噪音因子 (Noise)
在另一天将所有的实
件，使用三次测量的
验条件重新运行。
平均作为运行的响应。 彷行比重复好（通常成
本更高）
实验中的样本量通过防 行来控制
随机化
对于我们知道的噪音变量可以用Block降低其对实 验的影响。
对于我们不知道的噪音变量如湿度，电压变化这 一类潜伏变量可以用随机化，即打乱实验的顺序 降低其对实验的影响。
为什么随机化：示例
假设印刷电路板上的镀层厚度是您关心的响应。 在一个月内这个值趋向于下降。 如何解释这种下降趋势？（某种潜伏变量影响）
厚度与每月的第几天
为什么随机化：示例（续）
假设要在实验中评估浸泡温度的效果，小组首先 测试了50摄氏度，然后测试70摄氏度。(直观判 断70摄氏度的输出较小）
如果因子的数目很多，要运行全因子实验将变得 很困难，为了达到筛选关键因子的目的，可以按 照一定的方法从所有的处理中挑选出一部分运行， 这种实验方法很多，其中之一叫做部分因子实验 (Fractional Factorial Experiment)。
全因子实验--例子
在注塑成型工具中，注塑件表面的强度是个关键 质量指标，对其的要求是越高越好。
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
– 息量比全因子试验少，精度比全因子试验差
• 目的：
– 寻找最有利于输出的因子水平. – 建立可评估部分交互影响的数学模型。 – 后续试验设计确定关键的影响因素。
• 应用范围：
– 一般5~15因子
DOE
22
因素间的混淆（交错）概念
23全因子试验设计表
以最强交互作用分为2部分
基准：ABC= -1
Run A B C AB AC BC ABC
用于单因素不同水平数据的方差分析仅用于数 据堆叠在一行的状况 用于单因素不同水平数据的方差分析，不同水 平的数据存于不同的栏
用于双因素数据的方差分析 用于多因素多水平数据的方差分析（各因素水 平数相同） 用于多因素多水平数据的方差分析（各因素水 平数不同）
用于完全堆叠数据（多因素多水平数据的方 差分析）
11
确定影响偏差的因素
将本例数据进行分析以确定影响输出变量变异的因素。首先计 算每个试验组合中取得的3个样品的标准差。
DOE
12
标准差极差表
S预测方程
只有B因素和C因素对输出变量的均值有重要影响，故只将A因素和B因 素纳入预测方程；
= 0.269+0.075A+0.119B
DOE
13
Minitab 操作演示
ABC 1 1 1 1
DOE
23
1、因为ABC列全部为“+1”，所以无法评估其影响。 2、仔细观察可以发现：A和BC；B和AC；C和AB列的符号完全相
同，这意味着进行因素影响分析时： A因素影响= BC交互作用影响 B因素影响= AC交互作用影响 C因素影响= AB交互作用影响
同理，对于基准ABC=-1的第一组，因素间的交错如下
1
0.0
0 -0.10 -0.05 0.00 0.05 0.10 0.15
Residual
-0.1 12345678 Observation Order
Frequency
DOE
19
回归分析
DOE
20
调优运算
DOE
21
分布因子实验
• 特点：
– 同时可评估许多因素，因为大大减少了试验组合， 可同时的因素数大增。
交错 BC AC AB 影响 A B C
•只要不是全因子试验设计,因素及其交互作用的之间的混淆就一 定存在
• 要求清楚区分因素的主要影响和交互作用影响,特别 是2因素交互作用的场合，选择试验类型(分辨率）时须 特别留意。
DOE
24
可用分部试验设计表
DOE
25
分部实验分辨率的定义
试验设计的分辨率分为3类，描述如下表：
DOE
34
试验结论试验结论
通过本次试验改善小组得出以 下结论：
1、影响波峰炉焊接FPY的关 键因素为：锡炉温度、松 香比重、预热温度和锡条 型号。
2、将各试验因素设置在如下 水平时焊接FPY最优
因子
1、传送带角度 2、传送带速度 3、锡面高度 4、锡炉温度 5、松香温度 6、松香比重 7、预热温度 8、锡条型号
输出特性指标
关键特性
测量
规格
是否用于DOE
轮的强度
测力计
＞100N
是
轮的外径
卡尺
10+0.05mm 否
DOE
28
确定的影响因素为 A：模腔温度 B：喷嘴温度 C：射出口径 D：注塑机吨位
小组确定的因素水平表如右：
实验设计选择：
因素
A：模腔温度 B：喷嘴温度 C：射出口径 D：注塑机吨位
水平
-1 120℃ 40℃
建立试验目标
本试验的目标是将外滑轨的内部尺寸保证在目标以内并使偏差最小。
（内外轨的尺寸配合决定滑动力的大小）。
DOE
4
实验设计计划表
DOE
5
可控因素表
DOE
6
噪声因素表
DOE
7
水平设置表
实验表
全因子试验表
DOE
8
主因子效应分析表
因素C对输出变量均值的影响最大。因素A的影响也较大。 因素B对输出变量均值的影响很大。
Main Effects Plot (data means) for std
A
B
0.28
0.24
0.20
0.16
0.12
-1
1
-1
1
C 0.28
0.24
0.20
0.16
0.12
-1
1
DOE
16
交互作用影响图
Interaction Plot (data means) for Y
-1
1
19.4
19.2 A
– 因素数范围为2-47个，一般7个以上。
DOE
31
筛选试验流程实例
A公司是来料加工PCBA的专业OEM厂商。改善小组经过大量调查，认 定波峰炉过程的焊接品质是影响品质成本的关键。于是决定寻找影响波峰炉焊 接的关键因素，以便进行后续的改善。因为因素太多，无法直接分析，小组决 定通过筛选试验设计来寻找影响PCBA焊接品质的关键因素。
Run Blk A B C D E F G H 1 1 + + + - + + -+ 2 1 - + - - - + ++ 3 1 - - ++ + - ++ 4 1 + - - - + + +5 1 +-+ +-+-6 1 -++ -+-- 7 1 ++- +---+ 8 1 + + - + + - +9 1 -- - - - --10 1 - - - + + + - + 11 1 - + + + - + + 12 1 + - + - - - + +
DOE
14
主效应影响图
Mean of Y
19.2 19.1 19.0
19.2 19.1 19.0
19.2 19.1 19.0
DOE
Main Effects Plot (data means) for Y
A
B
C
-1
1
AB
-1
1
AC
-1
1
BC
-1
1
-1
1
-1
1
A BC
-1
1
15
标准差影响主效应图
Mean of std
DOE
9
因子交互作用分析表
所有因子的交互作用对输出均值的 影响均不大。
DOE
10
Y预测方程
预测方程即回归分析中建立的回归方程，利用它可以预测各因素取何 值时，输出变量的值最优，本例中，最优目标中的值为19.05，公差范 围为：19.05+0.15mm，可以根据各因素及其交互作用对输出变量均值 的影响建立预测方程。预测方程的通用格式如下：
DOE
27
分辨率Ⅳ级分部试验设计例
本节将以四因素2水平分部试验设计案例来阐述分试验设计的方案选择及试验 和分析流程.
某公司专业生产注塑部件，对其产品塑胶轮的机械强度进行改良
DOE试验计划表 项目负责人：张三部门：注塑部 项目名：塑胶轮成型过程改善日期：2001年7月7日 DOE目标：取得塑胶轮的最大机械强度 相关背景：公司为增加塑胶轮的市场竞争力,欲提高其强度
为 的预测值 △A/2 为A因素对输出变量影响的一半
在建立预测方程时，为了方便计算，一般只将对输出变量有重
要影响的因子纳入方程中，只有C因素和A因素对输出有变量 的均值有重要影响，故将A和C纳入预测得：
=19.05+(0.27/2 )A+(-0.41/2 )C =19.05+0.14A-0.21C
DOE
DOE
26
分部实验分辨率的选择
1、分辨率III级试验设计：如果确信没有2因素交互作用对试验指标有重 要影响，可选择分辨III级设计。
2、分辨率Ⅳ：适用于怀疑存在2因素交互作用对试验指标的重要影响， 所以不想使主要影响和2因素交互作用影响相混淆，但对2因素交互 作用之间的混淆不予评估的试验。
3、分辨率Ⅴ：适用于需要评估主要影响和2因素交互作用影响的试验。
项目负责人：文静
DOE试验计划表 部门：工程部
项目名：波峰炉焊接过程
改善日期：2002年3月10日
DOE目标：确定影响波峰炉焊接品质的关键因素及其水平设置对焊接品质的影响
相关背景：公司为降低缺陷品质成本，提高焊接过程能力而决定实际
输出特性指标
关键特性 测量什么/如何测量 规格
是否用于DOE
过炉FPY 目检
+1 180℃ 60℃
5.8
10
750
950
小组经过讲座后认为因素A和B的交互作用AB以及因素A和D的交互 作用AD对输出变量（塑胶轮的强度）有重要影响，除了AD和AB， 他们判断没有其它因素的交互作用对输出结果有影响，人们决定选 择分部试验设计。
分辨率Ⅳ级的试验设计在本例中只需8次试验组合，比全因子设计减 少一半，且可以区分主要影响与2因素交互作用影响，故小组决定进 行分辨率为Ⅳ级的分部因子试验设计。
试验分辨率 分辨率=III
分辨率=Ⅳ
分辨率=Ⅴ
特点
1、主要影响之间未混淆 2、主要影响与2因素交互作用影响混淆 3、二因素交互作用影响与其它二因素交互作用影响混淆
1、主要影响之间未混淆 2、主要影响与2因素交互作用影响未混淆 3、二因素交互作用影响与其它二因素交互作用影响混淆 1、主要影响未混淆 2、主要影响与2因素交互作用影响未混淆 3、二因素交互作用影响之间未混淆 3、二因素交互作用影响与3因素交互作用影响混淆
• 目的：
– 寻找最有利于输出的因子水平. – 建立可评估部分交互影响的数学模型。 – 后续试验设计确定关键的影响因素。
• 应用范围：
– 一般5~15因子
DOE
22
因素间的混淆（交错）概念
23全因子试验设计表
以最强交互作用分为2部分
基准：ABC= -1
Run A B C AB AC BC ABC
用于单因素不同水平数据的方差分析仅用于数 据堆叠在一行的状况 用于单因素不同水平数据的方差分析，不同水 平的数据存于不同的栏
用于双因素数据的方差分析 用于多因素多水平数据的方差分析（各因素水 平数相同） 用于多因素多水平数据的方差分析（各因素水 平数不同）
用于完全堆叠数据（多因素多水平数据的方 差分析）
11
确定影响偏差的因素
将本例数据进行分析以确定影响输出变量变异的因素。首先计 算每个试验组合中取得的3个样品的标准差。
DOE
12
标准差极差表
S预测方程
只有B因素和C因素对输出变量的均值有重要影响，故只将A因素和B因 素纳入预测方程；
= 0.269+0.075A+0.119B
DOE
13
Minitab 操作演示
ABC 1 1 1 1
DOE
23
1、因为ABC列全部为“+1”，所以无法评估其影响。 2、仔细观察可以发现：A和BC；B和AC；C和AB列的符号完全相
同，这意味着进行因素影响分析时： A因素影响= BC交互作用影响 B因素影响= AC交互作用影响 C因素影响= AB交互作用影响
同理，对于基准ABC=-1的第一组，因素间的交错如下
1
0.0
0 -0.10 -0.05 0.00 0.05 0.10 0.15
Residual
-0.1 12345678 Observation Order
Frequency
DOE
19
回归分析
DOE
20
调优运算
DOE
21
分布因子实验
• 特点：
– 同时可评估许多因素，因为大大减少了试验组合， 可同时的因素数大增。
交错 BC AC AB 影响 A B C
•只要不是全因子试验设计,因素及其交互作用的之间的混淆就一 定存在
• 要求清楚区分因素的主要影响和交互作用影响,特别 是2因素交互作用的场合，选择试验类型(分辨率）时须 特别留意。
DOE
24
可用分部试验设计表
DOE
25
分部实验分辨率的定义
试验设计的分辨率分为3类，描述如下表：
DOE
34
试验结论试验结论
通过本次试验改善小组得出以 下结论：
1、影响波峰炉焊接FPY的关 键因素为：锡炉温度、松 香比重、预热温度和锡条 型号。
2、将各试验因素设置在如下 水平时焊接FPY最优
因子
1、传送带角度 2、传送带速度 3、锡面高度 4、锡炉温度 5、松香温度 6、松香比重 7、预热温度 8、锡条型号
输出特性指标
关键特性
测量
规格
是否用于DOE
轮的强度
测力计
＞100N
是
轮的外径
卡尺
10+0.05mm 否
DOE
28
确定的影响因素为 A：模腔温度 B：喷嘴温度 C：射出口径 D：注塑机吨位
小组确定的因素水平表如右：
实验设计选择：
因素
A：模腔温度 B：喷嘴温度 C：射出口径 D：注塑机吨位
水平
-1 120℃ 40℃
建立试验目标
本试验的目标是将外滑轨的内部尺寸保证在目标以内并使偏差最小。
（内外轨的尺寸配合决定滑动力的大小）。
DOE
4
实验设计计划表
DOE
5
可控因素表
DOE
6
噪声因素表
DOE
7
水平设置表
实验表
全因子试验表
DOE
8
主因子效应分析表
因素C对输出变量均值的影响最大。因素A的影响也较大。 因素B对输出变量均值的影响很大。
Main Effects Plot (data means) for std
A
B
0.28
0.24
0.20
0.16
0.12
-1
1
-1
1
C 0.28
0.24
0.20
0.16
0.12
-1
1
DOE
16
交互作用影响图
Interaction Plot (data means) for Y
-1
1
19.4
19.2 A
– 因素数范围为2-47个，一般7个以上。
DOE
31
筛选试验流程实例
A公司是来料加工PCBA的专业OEM厂商。改善小组经过大量调查，认 定波峰炉过程的焊接品质是影响品质成本的关键。于是决定寻找影响波峰炉焊 接的关键因素，以便进行后续的改善。因为因素太多，无法直接分析，小组决 定通过筛选试验设计来寻找影响PCBA焊接品质的关键因素。
Run Blk A B C D E F G H 1 1 + + + - + + -+ 2 1 - + - - - + ++ 3 1 - - ++ + - ++ 4 1 + - - - + + +5 1 +-+ +-+-6 1 -++ -+-- 7 1 ++- +---+ 8 1 + + - + + - +9 1 -- - - - --10 1 - - - + + + - + 11 1 - + + + - + + 12 1 + - + - - - + +
DOE
14
主效应影响图
Mean of Y
19.2 19.1 19.0
19.2 19.1 19.0
19.2 19.1 19.0
DOE
Main Effects Plot (data means) for Y
A
B
C
-1
1
AB
-1
1
AC
-1
1
BC
-1
1
-1
1
-1
1
A BC
-1
1
15
标准差影响主效应图
Mean of std
DOE
9
因子交互作用分析表
所有因子的交互作用对输出均值的 影响均不大。
DOE
10
Y预测方程
预测方程即回归分析中建立的回归方程，利用它可以预测各因素取何 值时，输出变量的值最优，本例中，最优目标中的值为19.05，公差范 围为：19.05+0.15mm，可以根据各因素及其交互作用对输出变量均值 的影响建立预测方程。预测方程的通用格式如下：
DOE
27
分辨率Ⅳ级分部试验设计例
本节将以四因素2水平分部试验设计案例来阐述分试验设计的方案选择及试验 和分析流程.
某公司专业生产注塑部件，对其产品塑胶轮的机械强度进行改良
DOE试验计划表 项目负责人：张三部门：注塑部 项目名：塑胶轮成型过程改善日期：2001年7月7日 DOE目标：取得塑胶轮的最大机械强度 相关背景：公司为增加塑胶轮的市场竞争力,欲提高其强度
为 的预测值 △A/2 为A因素对输出变量影响的一半
在建立预测方程时，为了方便计算，一般只将对输出变量有重
要影响的因子纳入方程中，只有C因素和A因素对输出有变量 的均值有重要影响，故将A和C纳入预测得：
=19.05+(0.27/2 )A+(-0.41/2 )C =19.05+0.14A-0.21C
DOE
DOE
26
分部实验分辨率的选择
1、分辨率III级试验设计：如果确信没有2因素交互作用对试验指标有重 要影响，可选择分辨III级设计。
2、分辨率Ⅳ：适用于怀疑存在2因素交互作用对试验指标的重要影响， 所以不想使主要影响和2因素交互作用影响相混淆，但对2因素交互 作用之间的混淆不予评估的试验。
3、分辨率Ⅴ：适用于需要评估主要影响和2因素交互作用影响的试验。
项目负责人：文静
DOE试验计划表 部门：工程部
项目名：波峰炉焊接过程
改善日期：2002年3月10日
DOE目标：确定影响波峰炉焊接品质的关键因素及其水平设置对焊接品质的影响
相关背景：公司为降低缺陷品质成本，提高焊接过程能力而决定实际
输出特性指标
关键特性 测量什么/如何测量 规格
是否用于DOE
过炉FPY 目检
+1 180℃ 60℃
5.8
10
750
950
小组经过讲座后认为因素A和B的交互作用AB以及因素A和D的交互 作用AD对输出变量（塑胶轮的强度）有重要影响，除了AD和AB， 他们判断没有其它因素的交互作用对输出结果有影响，人们决定选 择分部试验设计。
分辨率Ⅳ级的试验设计在本例中只需8次试验组合，比全因子设计减 少一半，且可以区分主要影响与2因素交互作用影响，故小组决定进 行分辨率为Ⅳ级的分部因子试验设计。
试验分辨率 分辨率=III
分辨率=Ⅳ
分辨率=Ⅴ
特点
1、主要影响之间未混淆 2、主要影响与2因素交互作用影响混淆 3、二因素交互作用影响与其它二因素交互作用影响混淆
1、主要影响之间未混淆 2、主要影响与2因素交互作用影响未混淆 3、二因素交互作用影响与其它二因素交互作用影响混淆 1、主要影响未混淆 2、主要影响与2因素交互作用影响未混淆 3、二因素交互作用影响之间未混淆 3、二因素交互作用影响与3因素交互作用影响混淆