DOE田口式实验
合集下载
DOE -田口实验设计方法
根据调查,在日本,大约80%的质量改进,都直接 或间接使用了田口方法.
7
田口博士的成就
• 在日本提出 “田口品质工程” • 获得戴明奖 • 主持福特汽车供应者协会 • 主持美国供应者协会 统计学之贡献 • DOE • S/N Ratio
DOE基本概念
控制因子
讯号
制程
误差因子 干扰因子/杂音
响应 品质特性
实验设计主要对试验进行合理安排,以较 小的试验次数、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。
3
为什么需要DOE
同样在生产同规格的产品，为什么有些厂商良品率 是比较高
同样是在生产同类型的产品，为什么有些厂商的产 品性能以及寿命是比较好，而成本又比较低呢？
日本工业强盛的原因
用Y7与Y6比较18
全因子实验计划法
实验计划当中,考虑全部实验因子所有水准的全部组合!
A
B
C
C1
2
C1
A2
C2
B2
C1
C2
23=8 所有可能的排列组合模式
19
七个可变的因素，每个因素两种选择， 用全因素实验法进行筛选，就有128种组合， 如果用小型设备做实验，每个实验做一天， 买上8个实验用的小炉子，同时做八个实验， 8天即可完成，然后在所有128个组合中寻 找产品尺寸变异最小的组合即可
日本人在很多制造业：如汽车、钢铁、电子和纺织方 面，居于领导地位，主要是因为他们能以具有竞争力 的价格，生产高质量的产品
日本人的致胜法宝之一：田口方法
4
DOE的历史起源
20世纪20年代由英国学者费舍尔 R.A.Fisher)率先提出:最初在农田试验方面 取得重要成果,欧美各国将此法用于生物学, 医学等领域的科学研究
7
田口博士的成就
• 在日本提出 “田口品质工程” • 获得戴明奖 • 主持福特汽车供应者协会 • 主持美国供应者协会 统计学之贡献 • DOE • S/N Ratio
DOE基本概念
控制因子
讯号
制程
误差因子 干扰因子/杂音
响应 品质特性
实验设计主要对试验进行合理安排,以较 小的试验次数、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。
3
为什么需要DOE
同样在生产同规格的产品，为什么有些厂商良品率 是比较高
同样是在生产同类型的产品，为什么有些厂商的产 品性能以及寿命是比较好，而成本又比较低呢？
日本工业强盛的原因
用Y7与Y6比较18
全因子实验计划法
实验计划当中,考虑全部实验因子所有水准的全部组合!
A
B
C
C1
2
C1
A2
C2
B2
C1
C2
23=8 所有可能的排列组合模式
19
七个可变的因素，每个因素两种选择， 用全因素实验法进行筛选，就有128种组合， 如果用小型设备做实验，每个实验做一天， 买上8个实验用的小炉子，同时做八个实验， 8天即可完成，然后在所有128个组合中寻 找产品尺寸变异最小的组合即可
日本人在很多制造业：如汽车、钢铁、电子和纺织方 面，居于领导地位，主要是因为他们能以具有竞争力 的价格，生产高质量的产品
日本人的致胜法宝之一：田口方法
4
DOE的历史起源
20世纪20年代由英国学者费舍尔 R.A.Fisher)率先提出:最初在农田试验方面 取得重要成果,欧美各国将此法用于生物学, 医学等领域的科学研究
DOE工程方法丨④田口设计
DOE工程方法丨④田口设计
田口设计（Taguchi Design），也称健壮设计、鲁棒设计、或稳健参数设计。
它通过选择可控因子的水平组合来减少一个系统（或产品、过程）对噪声变化的敏感性，从而达到减少此系统性能波动的目的。
系统（或产品、过程）的性能除了受可控因子的影响外，还受到噪声因子的影响。
一般的实验设计对误差的分析比较笼统，全部归为随机误差或试验误差。
但在田口设计中，为了能达到产品或性能的稳健性，一定要细致地分析这些变差是如何形成的，进而设法在试验中反映这些变差，最后讨论如何通过田口设计来实现控制这些变差的目标。
实验设计DOE田口方法
实验设计DOE田口方法田口方法（Taguchi Method）是一种实验设计（Design of Experiments, DOE）方法，旨在通过设计有限数量的实验来优化产品和过程。
这种方法是由日本工程师田口幸三在上世纪60年代提出的，已经在全球范围内应用广泛。
田口方法的主要目标是确定控制因素对产品或过程的性能目标的影响，并找到一组最优的控制因素设置，以实现这些性能目标。
田口方法通过以下三个步骤来实现这一目标：1.识别关键因素：首先，需要确定影响产品或过程性能的关键因素。
这些因素可能包括材料特性、工艺参数、环境条件等。
田口方法通过对影响因素进行分析和筛选，确定出最终需要考虑的关键因素。
2. 设计实验矩阵：在确定了关键因素后，需要设计一组实验来评估这些因素的影响。
田口方法采用正交实验设计（Orthogonal Array Design，OAD）来构建实验矩阵，以尽量减少实验数量同时保证数据的准确性。
正交实验设计可以在有限的实验次数情况下获得全面而有效的数据。
3. 分析实验数据：实验数据的分析是田口方法的核心。
不同的性能目标可能需要不同的统计分析方法。
常用的分析方法包括方差分析（Analysis of Variance，ANOVA）、信号/噪声比（Signal-to-Noise Ratio，S/N Ratio）分析等。
通过对实验数据的分析，可以确定关键因素的最佳设置，以达到性能目标的最优值。
田口方法的优点在于它可以在实验次数有限的情况下获得准确的数据，并最小化因素相互影响的效应。
此外，田口方法还可以有效地提高产品和过程的稳健性，使其对外部变化具有较强的抗干扰能力。
田口方法的应用非常广泛，适用于各种不同的工业领域。
它可以用于优化产品设计、改进工艺参数、减少能源和资源消耗等方面。
田口方法已经得到了许多企业的认可，并在实践中取得了显著的效果。
总结起来，田口方法是一种有效的实验设计方法，通过有限的实验次数来确定关键因素对产品或过程性能的影响，并找到最佳的因素设置来实现优化。
实验设计DOE田口方法
高
1.2. 应用领域、目的、特点
二战之后，日本的田口玄一博士，将试验设计方法应用于改进产品和系统质 量，并研究开发出“田口品质工程方法”，简称田口方法。从而提升了日本产品 品质及日本产业界的研发设计能力，成为日本战后质量管理及设计开发的核心工 具。
田口方法具有很强的抗干扰能力，因此又称为“稳健参数设计”——通过 调整可控因子的水平,来降低或弱化噪音对Y的影响, 从而提高设计方案的抗干扰 能力.
田口方法的优势: 通过调整可控因子的水平,来降低或弱化噪音对Y的影响, 从而提高设计方案
的抗干扰能力.
16
1.9. 田口方法中正交表的特点
试验观察值
实验次数成倍数增加: 9*8 = 72 次
一次游程（设置）重复了8次，在重复试验每一次对噪音a,b,c,d的水平有调整，—— 会造成 Nhomakorabea件间的变异。
对于噪音的识别分类，还可以有更多的分类，只要有益于改进，就应该做深入地分析！
噪音是量产过程“人、机、料、法、环”的非可控部分；它不是人为的破坏或不遵守，不 是硬件资源故障，不是违背管理要求的非批准供方物料，不是原材料的彻底不合格等。它 是过程要素在批准准备或批准（作为PPAP的前提条件或已经PPAP）条件下（即许可的量 产条件下）的非受控波动。如：资格（拟）认可的两个班次的操作者；（拟）批准两家合 格供应商供应的同一材料号或不同批号；（拟）批准的两种测量方法；（拟）批准的常规 生产环境；（拟）批准的协变量（非受控的连续变量）-如：环境温度等等
正交表具有正交性，导致对试验结果有“均衡分散，整齐可比”的特点，有 利于计算回归方程。因此，虽然是局部试验（使用了全部试验的一部分），但 仍有可靠的代表性。 ➢ 信噪比 —— 评价品质优劣的基础
1.2. 应用领域、目的、特点
二战之后，日本的田口玄一博士，将试验设计方法应用于改进产品和系统质 量，并研究开发出“田口品质工程方法”，简称田口方法。从而提升了日本产品 品质及日本产业界的研发设计能力，成为日本战后质量管理及设计开发的核心工 具。
田口方法具有很强的抗干扰能力，因此又称为“稳健参数设计”——通过 调整可控因子的水平,来降低或弱化噪音对Y的影响, 从而提高设计方案的抗干扰 能力.
田口方法的优势: 通过调整可控因子的水平,来降低或弱化噪音对Y的影响, 从而提高设计方案
的抗干扰能力.
16
1.9. 田口方法中正交表的特点
试验观察值
实验次数成倍数增加: 9*8 = 72 次
一次游程（设置）重复了8次，在重复试验每一次对噪音a,b,c,d的水平有调整，—— 会造成 Nhomakorabea件间的变异。
对于噪音的识别分类，还可以有更多的分类，只要有益于改进，就应该做深入地分析！
噪音是量产过程“人、机、料、法、环”的非可控部分；它不是人为的破坏或不遵守，不 是硬件资源故障，不是违背管理要求的非批准供方物料，不是原材料的彻底不合格等。它 是过程要素在批准准备或批准（作为PPAP的前提条件或已经PPAP）条件下（即许可的量 产条件下）的非受控波动。如：资格（拟）认可的两个班次的操作者；（拟）批准两家合 格供应商供应的同一材料号或不同批号；（拟）批准的两种测量方法；（拟）批准的常规 生产环境；（拟）批准的协变量（非受控的连续变量）-如：环境温度等等
正交表具有正交性，导致对试验结果有“均衡分散，整齐可比”的特点，有 利于计算回归方程。因此，虽然是局部试验（使用了全部试验的一部分），但 仍有可靠的代表性。 ➢ 信噪比 —— 评价品质优劣的基础
DOE-之田口式实验法
田口實驗方法簡介 基本觀念
在一個制程里,發和不良的原因很多 如果我們能 在一個制程里 發和不良的原因很多,如果我們能 發和不良的原因很多 把不良原因杜絕,我們可防止不良產生 但在現實 把不良原因杜絕 我們可防止不良產生.但在現實 我們可防止不良產生 的世界里,很多時候我們知道那些不良原因 但完 的世界里 很多時候我們知道那些不良原因,但完 很多時候我們知道那些不良原因 成去杜絕卻有困難.可能涉及成本或技術 但我們 成去杜絕卻有困難 可能涉及成本或技術.但我們 可能涉及成本或技術 卻可透過制程參數最佳化可控制不良原因之變異. 卻可透過制程參數最佳化可控制不良原因之變異 田口式實驗方法就是協助我們找出主要的因子和 最有利的制程參數. 最有利的制程參數
L (y) = k(y - m)2
Ao=＄200 ＄
Tolerance = △o = ±20℃ ∴ △o = 20℃ ℃ ℃ Loss = Ao = L = ＄200 Ao = k(△o)2 △ k = 0.5＄/℃ ＄℃ L(y) = 0.5 (y - m)2 k=
(△o) △ (△o)2 △
=
＄200 (20)2
應用統計方法 基本的統計方法與技巧將有利於實驗者 基本的統計方法與技巧將有利於實驗者. 1.應用最簡便之方法 應用最簡便之方法. 應用最簡便之方法 2.在復習的問題中作有系統性之分析 在復習的問題中作有系統性之分析. 在復習的問題中作有系統性之分析 3.了解在何時何地需要支援 了解在何時何地需要支援. 了解在何時何地需要支援 4.節省實驗成本 節省實驗成本. 節省實驗成本 5.容易達成實驗之積極性目標 容易達成實驗之積極性目標. 容易達成實驗之積極性目標
品質工程的概念
Quality Loss Function觀念 觀念
DOE案例经典
水准二(现行)
A:石灰石量
5%
1%
B:某添加物粗细 度
C:蜡石量
细 53%
粗 43%
D:蜡石种类
新方案组合
现行组合
E:原材料加料量 1300公斤
1200公斤
F:浪费料回收量 0%
4%
G:长石量
0%
5%
4
实验方法
1.一次一个因素法:
每次只改变一个因子，而其它因子保持固定。 但它的缺点是不能保证结果的再现性，尤其是当有交 互作用时。
可以有效降低实验次数，进而节省时间、金钱而 且又可以得到相当好的结果。
8
次数 A B C D E F G 结果 1234567
1 1 1 1 1 1 1 1 Y1 2 1 1 1 2 2 2 2 Y2 3 1 2 2 1 1 2 2 Y3 4 1 2 2 2 2 1 1 Y4 5 2 1 2 1 2 1 2 Y5 6 2 1 2 2 1 2 1 Y6 7 2 2 1 1 2 2 1 Y7 8 2 2 1 2 1 1 2 Y8
但事实上厂商选得是A1B2C1D1E2F1G2 ，主要的原因是C(蜡石)要因的价格很贵， 但改善的效果又不大，所以选C1(蜡石含量 为43%)
12
内部瓷砖
外层瓷砖 (尺寸大小有变异)
改善前
改善后 上限
尺
寸
大 小
外部瓷砖
内部瓷砖
下限
13
讨论题
从本案例中，你认为？
最能提供最完整的实验数据的是那一个方法
139
34.75
C1
101
25.25
G1
132
33.00
C2
92
D1
76
DOE -田口实验设计方法
17.75 34.75 15.25
27
水准1 水准2
A
B
C
D
石灰石 添加物 蜡石量 蜡石
量 粗细度
种类
12.75 26.75 25.25 19.00
35.50 21.50 23.00 29.25
E
F
G
原材料 浪费料 长石量
加料量 回收量
30.50 13.50 33.00
17.75 34.75 15.25
实验设计主要对试验进行合理安排,以较 小的试验次数、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。
3
为什么需要DOE
同样在生产同规格的产品，为什么有些厂商良品率 是比较高
同样是在生产同类型的产品，为什么有些厂商的产 品性能以及寿命是比较好，而成本又比较低呢？
日本工业强盛的原因
加 料 量 1300
1200
1300
1200
1200
1300
1200
1300
F 浪费料
回 收 量 0
4
4
0
0
4
4
0
G 长石量
0 5 5 0 5 0 0 5
瓷砖 尺寸不
良 率
16 17 12 6 6 68 42 26
25
A1（5%的石灰石）的作用所对应的不良率 为：（16+17+12+6）/4=12.75%，A2(1%的石灰 石)的作用所对应的不良率为：（6+68+42+26） /4=35.50%。
44.1
24.1
4.1 A1 A2 B1 B2 C1 C2 D1 D2 E1 E2 F1 F2 G1 G2
DOE田口式实验
7 2 2 1 1 2 2 1 1 细 43 现 1200 4 0
8 2 2 1 2 1 1 2 1 细 43 新 1300 0 5
每百件 尺寸缺 陷数
16 17 12 6 6 68 42 26
DOE
回应表(Response Table)
要素 不良总数 不良百分比 要素 不良总数 不良百分比
A1 51/400
DOE
杂音和坚耐性
一些不想要和无法控制的因素，导致功能品质特性 偏离目标值。
杂音对品质有不良影响，然而，消除杂音因素常是 很花钱的。
例如在工厂内，制程可能会受到温度波动的影响。 透过全厂的空调系统，消除此一杂音因素，很可能是 太昂贵的解决方案。
田口的技术是减少杂音因素的影响。这一套技术， 帮助设计产品和改善制程，使得对杂音的敏感程度， 降低最低。
差异不敏感，不受影响。
DOE
品质管制活动
某家公司做了一部份的空调，行销世界各国： – 在发达国家其反应制冷效果相当良好，但未不发达国
家其反应制冷效果不好，请问这是什么杂音。 – 在进行产品测试时，发现一百台产品中，有些制冷效
果好，有些制冷效果差，请问这些什么杂音。 – 产品使用了一段时间之后，制冷效果变差，发现是里
因此允差设计经常导致生产成本增加。
DOE
允差设计其实是资料变异分解的应用，以找出对最终 产品的变异影响最大的因素。
它所采取的方法，不是缩紧系统的所有允差，而是 透过分析得知，允差何者需要缩紧，何者可以放宽。
换句话说，我们找出那些具有最高贡献率的杂音因 素，加以紧缩其允差，对低贡献率的零件则可以放宽 其允差，而达到成本最小化。
DOE
交互作用
原先假设因素的效果不会受其它因素水准的影响，然而 在实际的状况并非如此；当一个因素的效果与其它因 素水准相互影响时，因素间就有交互作用存在。
- 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)。
水准二(现行) 1% 粗 43% 现行组合 1200公斤 4% 5%
DOE
L8直交表
A B CDE
石 粗 蜡蜡加
灰 细 石石料
A BC DE F G石 量
度
量种量 类
FG 浪长 費石 回量 收
1 23 45671 2 3 4 5
67
1 1 1 1 1 1 1 1 5 粗 43 现 1300 0 0
1
1
1
1
1
1
1
1
2
1
1
1
1
1
1
2
3
1
1
1
1
1
2
1
4
1
1
1
1
1
2
2
5
1
1
1
1
2
1
1
6
1
1
1
1
2
1
2
7
1
1
1
1
2
2
1
8
1
1
1
1
2
2
2
9
1
1
1
2
1
1
1
10
1
1
1
2
1
1
2
11
1
1
1
2
1
2
1
…..
127 2
2
2
2
2
2
1
128 2
2
2
2
2
2
2
DOE
田口式实验计划法
由田口玄一博士所提出的一套实验方法，它在工业上较 具有实际应用性，是以生产力和成本效益，而非困难 的统计为依归。
DOE
全因子实验法
全因子实验法 所有可能的组合都必须加以深究，信息全
面，但相当耗费时间、金钱，例如:
7因子，2水准共须做128次实验。 13因子，3水准就必须做了1,594,323次实验，如果每 个实验花3分钟，每天8小时，一年250个工作天，共须 做40年的时间。
DOE
A(64) B(32) C(16) D(8) E(4) F(2) G(1) 结果
一次一个因子法 全因子法 正交实验法 正交实验法有何优点？
DOE
二、品质工程
双赢 伙伴 供
应 商
线外
系统设计 参数设计
品管 公差设计
线上 诊断 品管 预测
测量
产品设计 设计品管
制程设计 技术品管
生产 服务
制造品管 顾客品管
需求 期望
顾
客 满意
DOE
变异与杂音
杂音因素就是使机能特性，如制冷效率、磨耗和转向力 等偏离目标值的因素。杂音因素可分为三类：
12.75
E1
122
30.50
A2
142
35.5
E2
71
17.75
B1
107
26.75
F1
54
13.50
B2
86
21.5
F2
139
34.75
C1
101
25.25
G1
132
33.00
C2
92
D1
76
23.00 19.00
G2
61
合计
193
15.25 24.12
D2
117
29.25
DOE
最佳条件确认
由于缺陷是愈小愈好，所以依此选出的最佳条件为： A1B2C2D1E2F1G2。
田口式实验计划法的应用
DOE
一、为什么需要实验设计
同样在生产同规格的产品，为什么有些厂商的良品率就 是比较高。
同样是在生产同类型的产品，为什么有些人的产品性能 以及寿命就是比较好，而成本又比较低呢？
相同原料 更便宜的原料
相同制程
相同产品 相同功能
为什么良品率 不一样？
为什么可以做出低成 本高质量的产品？
DOE
內部磁砖
外层磁砖 (尺寸大小有变异)
改善前
上限
尺
寸
大 小
外部磁砖
改善前
內部磁砖
下限
DOE
原材料粉碎及混合 成型 烧成 上釉 烧成
控制因素 A:石灰石量 B:某添加物粗细度 C:蜡石量 D:蜡石种类 E:原材料加料量 浪费料回收量 长石量
水准一(新案) 5% 细 53% 新案组合 1300公斤 0% 0%
确认实验：将预期的缺陷数和“确认实验”的结果做比 较。
但事实上厂商选得是A1B2C1D1F1G2，主要的原因是C(蜡 石)要因的价格很贵，但改善的效果又不大，所以选 C1(蜡石含量为43%)
DOE
內部瓷砖
外层瓷砖 (尺寸大小有变异)
改善前
改善后 上限
尺
寸
大 小
外部瓷砖
內部瓷砖
下限
DOE
讨论题
从本案例中，你认为最能提供最完整的实验数据的是 那一个方法?
厂商必须致力于在生产前就使复杂的产品达到高品质。 减少变异亦即要有较大的再现性和可靠性，而最终目的
就是要为制造商和消费者节省更多的成本。
DOE
正交表(Orthogonal Array)
直交表(正交表) 直交表用于实验计划，它的建构，允许每一个因素的效
果，可以在数学上，独立予以评估。 可以有效降低实验次数，进而节省时间、金钱而且又
可以得到相当好的结果。
DOE
次数 A
B
C
D
E
F
G 结果
1
2
3
4
5
6
7
1
1
1
1
1
1
1
1 Y1
2
1
1
1
2
2
2
2 Y2
3
1
2
2
1
1
2
2 Y3
4
1
2
2
2
2
1
1 Y4
5
2
1
2
1
2
1
2 Y5
6
2
1
2
2
1
2
1 Y6
7
2
2
1
1
2
2
1 Y7
8
2
2
1
2
1
1
2 Y8
DOE
DOE运用的经典案例：瓷砖工厂的实验
在1953年，日本一个中等规模的瓷砖制造公司，花了200 万元，从西德买来一座新的隧道，窑本身有80公尺长， 窑内有一部搬运平台车，上面堆着几层瓷砖，沿着轨道 缓慢移动，让瓷砖承受烧烤。 问题是，这些瓷砖尺寸大小的变异，他们发现外层瓷砖 ，有50%以上超出规格，则正好符合规格。引起瓷砖尺 寸的变异，很明显地在制程中，是一个杂音因素。 解决问题，使得温度分布更均匀，需要重新设计整个窑 ，需要额外再花50万元，投资相当大。
2 1 1 1 2 2 2 2 5 粗 43 新 1200 4 5
3 1 2 2 1 1 2 2 5 细 53 现 1300 4 5
4 1 2 2 2 2 1 1 5 细 53 新 1200 0 0
5 2 1 2 1 2 1 2 1 粗 53 现 1200 0 5
6 2 1 2 2 1 2 1 1 粗 53 新 1300 4 0
A2 B1 C1 D1 E1 F1 G1 2
3
A2 B2 C1 D1 E1 F1 G1 3
4
A2 B2 C2 D1 E1 F1 G1 4
5
A2 B2 C2 D2 E1 F1 G1 5
6
A2 B2 C2 D2B2 C2 D2 E2 F2 G1 7
8
A2 B2 C2 D2 E2 F2 G2 8
7 2 2 1 1 2 2 1 1 细 43 现 1200 4 0
8 2 2 1 2 1 1 2 1 细 43 新 1300 0 5
每百件 尺寸缺 陷数
16 17 12 6 6 68 42 26
DOE
回应表(Response Table)
要素 不良总数 不良百分比 要素 不良总数 不良百分比
A1 51/400
DOE
实验方法
一次一个因素法 每次只改变一个因子，而其它因子保持固定。 缺点是不能保证结果的再现性，尤其是有交互作用时。
例如在进行A1和A2的比较时，必须考虑到其它因子， 但目前的方法无法达成。
DOE
一次一因素的实验
实验次数 A
B
C
D
E
F
G
实验結果
1
A1 B1 C1 D1 E1 F1 G1 1
2