DOE
DOE
试5 用处
目录
02 步骤 04 相关概念 06 作用
DOE（DESIGN OF EXPERIMENT试验设计）在质量控制的整个过程中扮演了非常重要的角色，它是我们产品质 量提高，工艺流程改善的重要保证。
释义
实验设计已广泛运用了从航天业到一般生产制造业的产品质量改善、工艺流程优化甚至已运用到医学界。通 过对产品质量，工艺参数的量化分析，寻找关键因素，控制与其相关的因素。根据实际需求，判别与选择不同的 实验设计种类，设计你的实验步骤，发现如何控制各种影响因素，以最少的投入，换取最大的收益，从而使产品 质量得以提升，工艺流程最优化。
作用
⒈提高产量； ⒉减少质量的波动，提高产品质量水准； ⒊大大缩短新产品试验周期； ⒋降低成本； ⒌试验设计延长产品寿命。
感谢观看
相关概念
一、DOE简介 1、DOE的定义 2、DOE的历史与发展 3、DOE的用途 4、DOE的成功运用案例 二、DOE类型 1、全因子DOE 2、分部DOE 3、筛选DOE 4、中心复合DOE 5、Box-Behnken DOE
用处
·科学合理地安排实验，从而减少实验次数、缩短实验周期，提高了经济效益。 ·从众多的影响因素中找出影响输出的主要因素。 ·分析影响因素之间交互作用影响的大小。 ·分析实验误差的影响大小，提高实验精度。 ·找出较优的参数组合，并通过对实验结果的分析、比较，找出达到最优化方案进一步实验的方向。
步骤
⑴筛选主要显著的因子 ⑵找出最佳之生产条件组合 ⑶证明最佳生产条件组合有再现性 如何判断第一阶段实验成功 ⑴在方差分析(ANOVA)中出现了1~4个显著因子 ⑵这些显著因子的累积贡献率在75%以上 如何判断第二阶段实验成功 在方差分析(ANOVA)中没有出现显著因子
最经典的DOE培训资料
最经典的DOE培训资料一、DOE培训简介DOE（Design of Experiments）即试验设计，是一种科学的统计方法，用于优化和改进产品、流程或系统。
本文将介绍最经典的DOE培训资料，帮助读者快速掌握DOE的基本概念和应用技巧。
二、DOE基本原理DOE的基本原理是通过合理安排实验来获取尽可能多的有用信息，以便推断出因果关系和优化条件。
在DOE中，研究者通过改变实验因子的水平，观察响应变量的变化情况，从而确定影响响应变量的主要因素，并找到最优的因素水平组合。
三、DOE的常用方法1. 完全随机设计（Completely Randomized Design）：在完全随机设计中，实验因子的各个水平组合以完全随机的方式分配给试验单元。
这种设计适用于因素水平较少的情况，能够较好地估计因素效应。
2. 随机区组设计（Randomized Complete Block Design）：随机区组设计将试验区分为几个均匀分布的区块，每个区块内的试验因子水平组合是随机分配的。
这种设计适用于试验区存在显著差异的情况，能够减小区组间的差异对因素效应评估的影响。
3. 多因子实验设计（Factorial Design）：多因子实验设计同时考虑两个或多个因素对响应变量的影响。
通过观察各个因素水平组合下的响应变量值，可以评估因素间的交互作用，并确定最佳的因素组合。
4. 响应曲面法（Response Surface Methodology）：响应曲面法利用数学模型来描述因素和响应变量之间的关系。
通过在响应曲面图上寻找最大或最小值点，可以找到最优的因素组合。
四、DOE的应用领域DOE广泛应用于各个领域，包括制造业、医药、食品、化工等。
以制造业为例，DOE可以用于优化工艺参数，提高产品质量和生产效率；在医药领域，DOE可以用于药物配方的优化和剂量的确定。
DOE的灵活性和可迅速得到结果的特点，使其成为许多领域中问题解决和优化的重要工具。
DOE简介
与与拟拟合合值值
随机
99550000
1100000000 1100550000 拟拟合合值值
与与顺顺序序
1111000000 1111550000
随机
1155
22550000
残残差差
1100
00
55
--22550000
00 --44000000
--22000000
00 残残差差
22000000
步骤一：
现在是20000ppm
步骤二：
在现有可控基础上做到最好，期望降到5000ppm
步骤三：
确定y为：截止阀焊接泄漏不良率
步骤四、五：
X1=焊接时间：5秒，10秒 X2=焊料厂家：A，B X3=焊接温度：1000度，1500度 X4=焊工水平：A，B X5=冷却方式：A，B 焊接设备为不可控因素，按A,B两台设备进行区组区分 担心有曲率，要设中心点（3个以上） 由于试验资源限制，不做重复和复制
10 1500 5 a b a
11 1000 8 a b a
12 1500 8 a b a
13 1000 5 b b a
14 1500 5 b b a
15 1000 8 b b a
16 1500 8 b b a
焊焊冷
标
工料却
准
时水厂方
序 温度 间 平 家 式
17 1000 5 a a b
18 1500 5 a a b
BE AB BD BCD AE BC
B ABE ADE CDE
E AD ABC CE AC ACDE
A BCDE
D
0.0
标准化效应的 Pareto 图
doe的理解
doe的理解Doe的理解Doe，这个词源于英文中的一个常见姓氏，也常被用作一个代称来指代某个未知的人或者事物。
在不同的语境下，Doe有着不同的含义和解释。
下面将从不同的角度来理解这个词。
一、Doe在法律领域的理解在法律领域，Doe通常被用作一个占位符来代表某个未知的个体。
例如，在一起涉及匿名被告的案件中，法庭可能会将被告标记为John Doe或者Jane Doe。
这种用法是为了在保护个人隐私的同时，确保法律程序的顺利进行。
Doe还常常被用作法律文件中的例子或者案例分析中的角色。
在这种情况下，Doe代表了一个虚构的个体，以便于说明法律原则或者解释。
二、Doe在音乐领域的理解在音乐领域，Doe是一个音乐理论中常用的名词。
它是一个音阶中的音，通常作为基准音来标识其他音符的音高。
在西方音乐中，Doe对应着C音。
这个音符在唱歌或演奏乐器时起到了重要的作用，它帮助我们确定和弦的构成和旋律的起点。
三、Doe在动物学领域的理解在动物学领域，Doe是指鹿科动物中的雌性个体。
这个词常常用来描述雌性鹿的特征和习性。
例如，我们常常听说的雌鹿就是指Doe。
四、Doe在计算机科学领域的理解在计算机科学领域，Doe是一种常见的占位符，用于指代未知的变量、对象或者实体。
这种用法在编程中经常出现，特别是在示例代码、教学材料或者编程练习中。
通过使用Doe作为变量名，可以更加直观地说明代码的逻辑和执行过程。
Doe还可以用作计算机网络中的一个术语。
例如，John Doe是一个常见的网络用户名，用于表示一个未知的用户或者匿名用户。
Doe这个词在不同领域中有着不同的解释和用法。
无论是在法律、音乐、动物学还是计算机科学中，Doe都扮演着一个占位符的角色，用于指代未知的个体、变量或者对象。
通过了解Doe的不同含义，我们可以更好地理解和运用这个词。
DOE详细讲解
DOE详细讲解什么是DOEDOE（Design of Experiments），又称为试验设计或实验设计，是一种科学的、系统化的试验方法，它可以对多个因素进行同时考虑和优化。
DOE是强有力的工具，它可以在最小的试验次数内找到最优解，并提供最大程度的信息。
DOE在许多领域中具有广泛的应用，如化学、医学、物理学、生物学、环境科学、医学工程等。
DOE的原理DOE是通过对试验因素的完整而系统的控制，来确定变量之间的相互作用关系的。
DOE的基本原理是通过对多个因素的同时研究，可以更好地发现因素之间的相互作用，从而确定哪些因素是对结果影响最大的。
DOE可以在最小的试验次数内找到最优解，并提供最大程度的信息。
DOE的结果可以使生产、质量和效率得到提高，降低生产成本和损失。
DOE的步骤DOE通常分为六个步骤：1. 问题定义。
问题定义是项目最重要的部分，它需要清楚地确定研究的目的和问题的范围。
2. 设计矩阵的确定。
根据研究目的和问题的规模，确定试验的因素和水平，并设计矩阵。
3. 实验设计。
根据确定的试验矩阵选择实验方法。
4. 数据收集。
在实验中可用统计学方法收集数据，以支持分析。
5. 统计分析。
根据实验数据分析得到结论。
6. 结论和实践。
分析结果，确定实践中采取的步骤和结论。
DOE的类型1. 全因子设计。
全因子设计是指将每个因素的每个水平都包含在设计中。
这种设计可以确定每个因素和每个水平对结果的影响，并确定每个因素和水平之间的交互作用。
2. 部分因子设计。
部分因子设计是从所有可能的水平中选择几个来进行试验的设计。
这种设计可以确定某些因素和水平对结果的影响而不浪费时间和资源。
3. 响应曲面设计。
响应曲面设计是一种将一组数据转换成响应曲线的方法。
这种设计方法可以找到最优值和水平组合，以最大程度地优化结果。
DOE的优点1. 减少试验数量。
DOE可以通过系统性的计划方法选取关键实验因素的最佳组合，从而可以降低实验的数量和成本。
DOE方法介绍
DOE方法介绍设计实验（Design of Experiments，简称DOE）是一种统计学的方法，用于优化和改进产品或过程的性能。
通过DOE方法，我们可以确定最佳的实验设计，并且分析因素对结果的影响。
本文将介绍DOE方法的基本原理、常用的DOE方法和其在实际应用中的意义。
DOE方法的基本原理是通过设计一系列实验，系统地改变和调节输入变量，以观察输出变量的变化情况。
在DOE方法中，输入变量被称为因素（factors），而输出变量被称为响应变量（response variable）。
通过不断地变化因素的水平和观察响应变量的变化，我们可以找到最佳的因素组合，以实现最佳的性能或者结果。
常用的DOE方法包括全因子实验设计、因子水平减少法、响应面法和标准序列法等。
全因子实验设计是基于完全随机化设计的，它考虑了所有可能的因素组合。
因子水平减少法是通过先评估所有可能的因素组合，然后通过筛选和减少因素的水平，以提高实验效率。
响应面法是通过建立模型来描述因素和响应之间的关系，然后利用该模型来进行因素优化和预测响应变量的水平。
标准序列法是通过选择具有特定属性的实验设计点，以最小化实验数量并确保可获得准确的结果。
在实际应用中，DOE方法有着广泛的意义和应用价值。
首先，它可以大大提高实验效率和成本效益。
通过系统化地设计实验，我们可以减少实验次数，节省实验资源和时间。
其次，DOE方法可以帮助我们理解因素之间的复杂关系。
通过观察和分析实验结果，我们可以了解哪些因素对结果有重要影响，以及它们之间的相互作用方式。
最后，DOE方法可以帮助我们进行优化和改进。
通过找到最佳的因素组合，我们可以实现性能的最大化，提高产品质量和生产效率。
然而，要成功应用DOE方法，我们需要注意一些关键要点。
首先，我们需要选择适当的因素和水平。
因素应该是可能影响结果的参数，而水平则应该涵盖可能的变化范围。
其次，我们需要注意样本的选择和实验的随机化。
样本应该是具有代表性的，并且实验应该是随机进行的，以减少实验结果的偏差。
DOE(试验设计)简介
DOE（Design of Experiment）试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。
试验设计源于1920年代研究育种的科学家Dr.Fisher的研究, Dr. Fisher是大家一致公认的此方法策略的创始者, 但后续努力集其大成, 而使DOE在工业界得以普及且发扬光大者, 则非Dr. Taguchi (田口玄一博士) 莫属。
[编辑]•要为原料选择最合理的配方时（原料及其含量）；•要对生产过程选择最合理的工艺参数时；•要解决那些久经未决的“顽固”品质问题时；•要缩短新产品之开发周期时；•要提高现有产品的产量和质量时；•要为新或现有生产设备或检测设备选择最合理的参数时等。
另一方面，过程通过数据表现出来的变异，实际上来源于二部分：一部分来源于过程本身的变异，一部分来源于测量过程中产生的变差，如何知道过程表现出来的变异有多接近过程本身真实的变异呢？这就需要进行MSA测量系统分析。
[编辑]试验设计的三个基本原理是重复，随机化，以及区组化。
所谓重复，意思是基本试验的重复进行。
重复有两条重要的性质。
第一，允许试验者得到试验误差的一个估计量。
这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。
第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这一效应的更为精确的估计量。
如s2是数据的方差，而有n次重复，则样本均值的方差是。
这一点的实际含义是，如果n=1，如果2个处理的y1 = 145，和y2 = 147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。
但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石。
所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。
DOE试验设计
(2)确定应把有影响的参数设定在什么水平，以使响应达
到或尽可能靠近希望值(On target)；
(3)确定应把有影响的参数设定在什么水平，以使响应的
分散度(或方差)尽可能减小。
(4)确定应把有影响的参数设定在什么水平，以使不可控
参数（噪声参数）对响应的影响尽可能减小。
标。但能按不连续分级尺度分类，常依主观而判定，如好、
更好、最好、合格、不合格等。(计数特性/离散型数据)
为便于对实验结果进行分析，通常会将定性数据进行量
化，转化为定量数据。
-13-
三、 DOE基本概念
1.试验指标（响应）
定量指标的种类
望目特性：此特性具有一特定的目标值(愈近目标值愈好)，
例如尺寸、 间隙、粘度等。
4.其他基本术语
主因子作用示意图
交互作用示意图
-18-
四、 DOE的基本原则
试验设计中，为了尽量减少试验误差，就必须严格控制
试验干扰。
试验干扰是指那些可能对试验结果产生影响，但在试验
x1 x2
···
xp
···
资
源
Output
Input
Process
y
产
品
···
z1
z2
···
zq
Uncontrollable input factors
(噪声因子)
过程模型（产品开发/生产过程）
-5-
一、 DOE是什么?
试验设计源于1920年代研究育种的科学家Dr.Fisher的研
究, Dr. Fisher是大家一致公认的此方法策略的创始者, 但后
课程目标
掌握试验设计的方法，原理和应用；
- 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)。
損失 損失
最佳品質
April 24, 2006 NTHU Raymond's Presentation
變異最小
14
1.4.3 損失函數種類
L(y) A0 A0 L(y)
y m–0 m m +0 0 Nominal the best 望目型 L(y) L(y) A0 y 0 Smaller the better 望小型
C : Controllable 速度 , 溫度 , 壓力 U : Uncontrollable 環境溫度 , 濕度 , 作業員
April 24, 2006 NTHU
Raymond's Presentation
7
1.3 DOE 的進行方式
Try-and-error (試誤法) One Factor a time (一次一因子法) Full factorial experiment (全因子法) Taguchi’s orthogonal arrays( arrays(田口法) )
Level：水準 ：
– 考量某個 X所處之定量或定性的狀態或條件 – Ex. 溫度(X1)：以 80℃、90℃、100℃, 人員(X2)：早、 中、晚班
Treatment (實驗組數 實驗組數) 實驗組數
– 實驗中因素之間水準組合為一個可單獨進行實驗的觀 測條件，稱之一個處置
April 24, 2006 NTHU Raymond's Presentation 4
2.HOW to Do DOE?
1. 2. 3. 4. 5. 6. 7. 8. Define Ys: 問題的認知及陳述 Find Critical Xs：選擇因子 Set Levels：選擇水準 Design Treatments：選擇適當的實驗設計 Experiments：進行實驗 Data Analysis：資料分析 Repeat Experiment： 重覆試驗 Summary & Suggestion：結論及建議
Response:實驗結果 Y 實驗結果, 實驗結果 Factor: 因子 Xs 因子,
1.1 DOE的專門術語 專門術語
– 如純度, 濃度, 長度, 重量, 強度, 壽命, 磨耗率, 縮收率, 噪音, 硬度, 收率, 電壓, 電阻, 電流, 不良率, 缺點數 – 可控因子( Controllable) : Ex: 溫度、壓力、配方成份。 – 不可控因子(Uncontrollable) : Ex: 如環境溫度、濕度。 – 信號因子(Signal) : Ex:人的血壓隨年齡的不同而改變，
April 24, 2006 NTHU Raymond's Presentation 23
2.2 Find Critical Xs
Pareto Chart of Key Input Variables
350 300 250 200 150 100 50 0 Coffee Type(咖啡 Amt. of Coffee(咖 Grind Time(研磨 Brew Time(烹調 Water Temp.(水 Cup Size(杯子大 Cook Type(煮法) 品牌) 啡量) 時間) 時間) 的溫度) 小)
April 24, 2006 NTHU
Raymond's Presentation
6
Y=f(X1,X2,…,Xk)
輸入 X1 X2 X3 X4 X5 Process Step 輸出 Y1 Y2 Y3
純 度 濃 度 長 度 重 量 強 度 壽 命 磨耗率 縮收率 噪 音 硬 度 收 率 電 壓 電 阻 電 流 不良率 缺點數
10
1.3.3 2k因子階層設計
k個因子，每個因子2個水準(+,-) ，共2k次 實驗（當 n = 1 時） 在因子數不多的狀況下，常用於實驗初期， 來了解因子對反應變數之可能影響。
Aprilesentation
11
1.4 Taguchi Method
發展縮小變異方法的新名稱，配合直交表使用 田口品質工程不以傳統實驗設計的概念為主軸。
– S/N ratio處理資料與數據
田口法可在短期間產出最優值的實驗結果 短期間產出最優值的實驗結果 田口品值觀點：
– 品質定義 – 損失函數 – 穩健設計的觀念
美國: 統計學基礎的DOE, 日本: 田口法的DOE
April 24, 2006 NTHU
Raymond's Presentation
8
1.3.1 One Factor a time
April 24, 2006 NTHU
Raymond's Presentation
9
1.3.2 二因子實驗設計之模式
April 24, 2006 NTHU
Raymond's Presentation
April 24, 2006 NTHU Raymond's Presentation 12
1.4.1 直交表
Ln(tk)
– – – – L：拉丁方格(Latin Squares)的字頭。 n：直交表的列數，實驗的組數。 k：直交表的行數，實驗因子數。 t：直交表行可考慮的水準數，即配置因子的水準數。
1.1.1 Responses, Ys
望目特性
靜態 Y 品質特性) (品質特性) 動態
計量
望小特性 望大特性
計數 感官
計件 計點 視覺, 聽覺, 視覺 聽覺 嗅覺, 味覺, 嗅覺 味覺 觸覺, 觸覺 偏好
5
April 24, 2006 NTHU
Raymond's Presentation
1.1.2 Factors, Xs
S/N = 10 log[MSD ]
Raymond's Presentation
– MSD: Mean Square deviation
April 24, 2006 NTHU 16
1.4.5 干擾因子
干擾因子類別 使用階段的 干擾因子 製造階段的 干擾因子 品質特性量測時的 干擾因子 外部干擾因子 內部干擾因子 外部干擾因子 內部干擾因子 量測干擾因子
Raymond's Presentation 21
April 24, 2006 NTHU
2.1 Define Y (煮咖啡為例 煮咖啡為例) 煮咖啡為例
輸入變數 X Coffee Type(咖 咖 咖 咖 ) Amt. of Coffee(咖 咖 咖 ) Grind Time(研 研 研 研 ) Water Temp.(水 水 水 水 ) Cook Type(煮 煮 ) Cup Size(杯 杯 杯 杯 ) Brew Time(烹 烹 研 研 )
April 24, 2006 NTHU
Raymond's Presentation
18
1.6 資料分析方法
資料分析
– 數據檢定：t test, F test, pair t, ANOVA – 圖形分析：Box plot, QC chart, etc
軟體應用
– Minitab, SPSS, SAS等等
製 程 (Process) 烹烹咖咖水烹程
輸出變數 Y Taste(味 味 ) Aroma(香 味 ) Price(價 價 ) Acidity(酸 水 )
April 24, 2006 NTHU
Raymond's Presentation
22
2.2 Find Critical Xs
輸出變數 Y 輸入變數 X 評評 Coffee Type(咖 咖 咖 咖 ) Amt. of Coffee(咖 咖 咖 ) Grind Time(研 研 研 研 ) Water Temp.(水 水 水 水 ) 相關程水 Cook Type(煮 煮 ) Cup Size(杯 杯 杯 杯 ) Brew Time(烹 烹 研 研 ) Taste Aroma Price Acidity 味味 10
對Y有影響的一系列原因中，稱為 有影響的一系列原因中， 有影響的一系列原因中 稱為X
– 如品質問題中影響產品品質特性的原因，數學關係式 如品質問題中影響產品品質特性的原因， 的自變數(Independent Variables) 的自變數 – X1,X2,…,Xk； Y=f(X1,X2,…,Xk) ；
10 9 9 9 2 2 9
香味 10
10 7 6 3 4 4 6
價價 10
10 10 2 2 4 5 2
酸水 2
10 10 3 2 2 1 2
評評分數 評評%
320 280 176 144 104 112 174
24.4% 21.4% 13.4% 11.0% 7.9% 8.5% 13.3%
評分分數 = (X1 x Y1) + (X1 x Y2) + (X1 x Y3) + (X1 x Y4)
例子 使用環境（溫度、濕度）、使用者 材料磨耗、材料老化 製造環境（溫度、濕度）、製造者 材料變異、製程參數變異 量測的位置、量測的時間
April 24, 2006 NTHU
Raymond's Presentation
17
1.5 實驗次數比較
因子數 2 3 4 7 15 4 水準數 2 2 2 2 2 3 全因子 4 (22) 8 (23) 16 (24) 128 (27) 32768(215) 81 (34) 直交表 4 4 8 8 16 9
A0 y 0 0 Larger the better 望大型 m–0
y m m +0 Asymmetric 不對稱型 15
April 24, 2006 NTHU
Raymond's Presentation
1.4.4 S/N Ratio
平均品質損失可以直接做為一批產品的品 質指標 田口博士將平均品質損失排除係數k後, 以 對數轉換、乘以10、並取反號, 並將它們稱 為S/N比, 做為品質的同義字