DOE实验设计
实验设计---DOE
• 混料设计
---适用于原材料配方的一种实验设计方法
• 田口方法
---用信噪比找出对噪声不敏感的信号因子
实验三阶段及其策略
第一阶段：找出显著因子
策略Ⅰ：部分因子试验，筛选主要因子。（因子数大于5） 策略Ⅱ：全因子试验，找出交互作用和回归方程。（因子
DOE的定义
• 一种安排实验和分析实验数据的数理统 计方法。实验设计主要对实验进行合理 安排，以较小的实验规模（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。
常用的实验设计方法
• 因子设计
---最常用的一种实验设计方法，部分析因筛选因子非 常有效率。
• 响应面设计
第二单元 一、二元配置
讲师：熊鼎伟
一元配置
• 使用时机：根据实验目的及实验环境 认为实验结果,只要考虑一个因子 （除此因子外其它条件须保持一定或随机化）
一元配置水准的选择
• 现行条件列为一水准 • 取等距 • 专业技术上有意义的范围下尽可能加大 • 可以用整组的方式 例：９０℃ ５分钟
８５℃ ６分钟
LSD t(e, ) 2ve n （该水准之重复数）
看法:两水准间的平均值差 < LSD 表示两水准的差异不显着 • 平均值有差异时进行推定
区间推定 x t(e, ) ve / n
一元配置变异数解析
步骤一：求全体平均值（Ｘ） 步骤二：求全变动（ＳＴ） 步骤三：求组间变动（ＳＡ） 步骤四：求组内变动（Ｓｅ） 步骤五：做变异数分析表
数小于等于5） (使 X 型问题简化成 A 型问题)
第二阶段：找出显著因子的最适参数区间
策略Ⅲ：响应面设计，找出最适参数区间（3因子以下） 策略Ⅳ：回归分析，找到适当的回归方程
DOE试验设计(实验设计)
4.3 对分法
4.4 正交试验法
4.5 单因子试验设计
4.6 单因子试验设计多项式回归
5. 全因子设计与分析
5.1 全因子试验的概念
5.2 代码化及其计算
5.3 2k全因子设计计划及实例
5.4 2k全因子设计分析及实例
5.5 2k全因子设计练习
6. 部分因子试验
6.1 部分因子试验的概念
6.2 部分因子试验的实施原理
6.3 分辨度
6.4 部分因子试验的设定
6.5 部分实施因子设计的计划
6.6 部分实施因子设计的实例
6.7 Plackett-Burman设计-筛选因子设计
6.8 三水平部分因子实验分析
7. 响应曲面设计与分析
7.1 响应曲面设计概念
7.2 CCD和BB 7.3 响应曲面设计计划
7.4 响应曲面设计的分析及实例7.5 多响应曲面设计的最优分析
7.6 响应曲面设计练习
8. DOE的常见问题。
使用DOE方法进行实验设计和结果分析
使用DOE方法进行实验设计和结果分析DOE（Design of Experiments）方法是一种通过系统化的实验设计和数据分析来优化产品或过程设计的方法。
它可以帮助我们有效地确定关键实验因素，并通过合理的实验设计和结果分析来探索因素的影响，从而优化产品或过程性能。
下面将详细介绍使用DOE方法进行实验设计和结果分析的步骤。
一、确定实验目标和因素在开始之前，首先要明确实验的目标是什么。
例如，我们可能希望优化某个产品的性能或者确定影响某个过程的关键因素。
然后，确定影响目标的各种因素，并对其进行分类。
二、选择实验设计方案在确定因素后，我们需要选择合适的实验设计方案。
常用的实验设计方法包括全因子实验设计、响应面法、Taguchi方法等。
选择哪种设计方案取决于实验目标、实验因素的数量以及实验资源的限制。
全因子实验设计是最常用的实验设计方法，它涉及所有可能的因素和水平组合，用于评估各个因素的主效应和交互作用。
响应面法则是建立了因变量与自变量之间的数学模型，以预测最佳的因素组合。
Taguchi方法则是通过较少的实验次数来确定因素的最佳水平。
三、进行实验并收集数据在选择实验设计方案后，根据方案要求进行实验并收集相关数据。
根据实验设计的不同，实验的数量和顺序也会有所不同。
需要确保实验的可重复性和准确性，并记录所有相关的数据信息。
四、数据分析和模型建立实验数据收集完毕后，我们需要对数据进行分析和模型建立，以了解各个因素对目标的影响。
常用的数据分析方法包括方差分析（ANOVA）、回归分析、主效应图、交互作用图等。
方差分析是一种用于分析实验因素对目标的影响的统计方法，可以帮助确定哪个因素对目标具有显著影响。
回归分析则用于建立因变量与自变量之间的数学模型，以预测最佳的因素组合。
主效应图和交互作用图则是用于直观地表示因素对目标的影响。
五、结果解释和优化在完成数据分析后，我们需要解释分析结果，并确定优化方案。
根据所得到的模型，我们可以通过模型预测来找到目标值的最佳组合，并进一步验证和优化。
doe实验设计
DOE实验设计引言DOE实验设计（Design of Experiments，简称DOE）是一种科学而系统的方法，用于优化和改进产品设计、工艺和性能。
它通过分析不同因素对实验结果的影响，从而确定最佳的变量组合和参数设置。
在现代工业和科学研究中，DOE被广泛应用于产品的开发、过程的改进和质量控制等领域。
什么是DOE实验设计？DOE实验设计将复杂的多变量问题简化为可以分析和优化的可控变量。
通过对不同变量的组合进行系统的实验和分析，DOE实验设计可以帮助我们找到最佳的解决方案。
与传统的试错方法相比，DOE实验设计可以更快更准确地找到最佳的参数设置，从而提高产品质量和生产效率。
DOE实验设计的基本原则DOE实验设计基于一些基本原则，包括：1. 因素与水平在DOE实验设计中，因素是指可能影响实验结果的变量。
因素可以有多个水平，即变量的不同取值。
通过对不同因素和水平进行组合实验，可以获得全面的实验数据。
2. 实验设计矩阵实验设计矩阵是指列出所有实验条件的表格。
它包含了实验中所有的因素和每个因素的水平设置。
通过设计矩阵，可以确定实验的输入条件，并进行系统的实验分析。
3. 随机化为了排除干扰因素对实验结果的影响，DOE实验设计需要进行随机化处理。
随机化可以平衡不同水平的因素，从而减小误差和偏差。
4. 重复与控制重复是指对同一实验条件进行多次实验，以评估实验结果的稳定性和可靠性。
控制是指在实验中保持其他因素不变，只改变一个或几个特定的因素。
5. 分析方法DOE实验设计需要使用统计方法来分析实验结果。
常用的统计分析方法包括变量分析、方差分析和回归分析等。
DOE实验设计的应用DOE实验设计广泛应用于各个领域，特别是在工程和科学研究中。
下面是一些常见的应用领域：1. 产品开发DOE实验设计可以帮助优化产品的设计和性能，从而提高产品质量和用户满意度。
通过对不同因素的实验分析，可以确定最佳的变量组合和参数设置。
2. 工艺改进DOE实验设计可以帮助改进生产过程和工艺流程，从而提高生产效率和降低成本。
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；
DOE(Design of Experiment,试验设计)
DOE出自 MBA智库百科(/)DOE（Design of Experiment,试验设计）目录[隐藏]∙ 1 什么是DOE∙ 2 为什么需要DOE∙ 3 DOE的基本原理∙ 4 DOE实验的基本策略∙ 5 DOE的步骤∙ 6 DOE的作用∙7 DOE的方法[编辑]什么是DOEDOE（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]为什么需要DOE∙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]DOE的基本原理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。
实验设计(DOE)
进行验证实验，作进一步的分析
• 优方案往往不包含在正交实验方案中，应验证 • 优方案是在给定的因素和水平的条件下得到的，若不限
定给定的水平，有可能得到更好的实验方案 • 对所选的因素和水平进行适当的调整，以找到新的更优
方案
多指标正交实验设计及其结果的直观分析
➢两种分析方法 • 综合平衡法 • 综合评分法
正交实验（部分析因实验）
➢流程
• 利用正交表科学地安排与分析多因素的实验方法
➢优点
• 能均匀地挑选出代表性强的少数实验方案 • 由少数实验结果，可以推出较优的方案 • 可以得到实验结果之外的更多信息
DOE意义
➢90％的工程问题被“凭空分析” ➢不能仅仅依靠“思考”确定根本原因 ➢基于判断、工程猜想和观念的解决方法会带来问题的重
DOE基本术语
➢因子 因子是指系统或过程输入变量。是工程师需要研究或设
定的对象，借以说明响应的大小。 ➢因子有两种分类方法：
定性因子：水平被限制为个数，没有什么固定顺序，如 操作员或材料等。
定量因子：可取连续值的因子（如温度、压力等）。
DOE基本术语
• 水平 在进行每一次实验时，每一个因子至少应从两个层次进
➢缺点
• 如第一次估计错误，需要更多次实验——低效率且时间长 • 如第一次估计结果还可以，实验可能会停止下来，永远错过“最佳”方
案
单因子法（OFAT）
➢流程
• 固定只有其他因子不变，只变动一个因子X1 • 找到最佳的位置 • 固定最佳的X1水平，对其他因子重复上述步骤
➢单因子法暗示系统响应是关键因素的一个线性组合
• Y=a*X1+b*X2+c*X3....
➢缺点
• 不能保证结果的再现性，尤其有交互作用时 • 效率低 • 与开始条件有关，也就是基于开始选择的位置，开始设置不同，结
实验设计(DOE)方法培训
和偏差。
控制干扰因素
02
考虑并控制可能干扰实验结果的干扰因素，如仪器误差、环境
变化等。
可重复性与可扩展性
03
确保实验方案具有可重复性和可扩展性，以便验证实验结果和
推广应用。
注意数据收集与分析的准确性
数据质量
确保数据收集过程中准确记录和处理数据，避免数据失真或遗漏 。
数据分析方法
根据实验目的和数据类型选择合适的数据分析方法，如回归分析 、方差分析、主成分分析等。
降低成本
通过优化实验设计，可以 减少不必要的实验次数和 资源消耗，从而降低成本 。
提高生产效率
通过实验设计，可以确定 最佳的工艺参数和操作条 件，从而提高生产效率。
DOE的历史与发展
历史
实验设计起源于20世纪20年代的统计学领域，随着计算机技术的发展，实验设 计方法得到了广泛应用。
发展
现代实验设计方法已经广泛应用于各个领域，如制造业、医药、生物技术等。 同时，随着大数据和人工智能技术的发展，实验设计方法也在不断创新和发展 。
02
实验设计(DOE)基本原理
因子与水平
因子
影响产品、过程或系统性能的变量称为因子。
水平
因子的不同状态或取值。
因子与水平的选择
根据实际需求和条件选择合适的因子和水平。
实验设计类型
完全随机设计
每个因子在每个水平上的 组合都是随机的。
部分因子设计
只选取部分因子和水平进 行实验。
饱和设计
包含所有因子和水平的组 合。
确定实验设计的主要目的和研究问题，确保实验结果能够解 决实际问题。
确定研究范围
明确实验研究的范围和边界条件，避免不必要的复杂性和确定影响实验结果的关键因素或变量 ，这些因素可能对实验结果产生影响 。
- 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)。
通过实验,控制其不良 的影响程度
实验设计DOE的发展过程:
试验设计始于20世纪20年代，其发展过程大致可分为三个阶段： 1. 早期的方差分析法: 20世纪20年代由英国生物统计学家、数学家费歇(R.A.Fisher)提出的，开始
主要应用于农业、生物学、遗传学方面，取得了丰硕成果。20世纪30/40年代，尤其二战期间， 英、美采用这种方法在工业生产中取得显著效果； 2. 1949年该方法被引入日本，由并由田口玄一(Taguchi)等学者加以改进，修定改进了正交实验 设计方法. 在工业企业推广的10多年,获得极大的经济效益. 3. 1957年，田口玄一提出信噪比设计法和产品的三阶段设计法。他把信噪比设计和正交表设计、 方差分析相结合，开辟了更为重要、更为广泛的应用领域，被视为日本工业“国宝”。
水平，是因素的取值大小或需成现的不同状态/属性，如： 电流值：5A,10A,15A; 温度： 700度，800度，900度； 动作：向左后右，先右后左； 水平值可以是定量的，也可以是定性的。
Y=f(x1,x2,…,xn)
练习1： 请讨论给出“焊接过程”的形成的2个“产品特性”，并识别有哪些影响
“因素”，针对每一个“因素”至少给出2个水平值（可定量，可定性）
比如对3因素7水平的试验，如果3因素的各个水平都互相搭配进行全面试验，就要做73=343 次试验，对6因素7水平，进行全面试验要做76=117649次试验。
这显然是不经济的。 我们应当在不影响试验效果的前提下，尽可能地减少试验次数。正交设计就是解决这个问题 的有效方法。 正交设计的主要工具是正交表。
第一讲：正交实验 第二讲：方差分析(ANOVA) 第三讲：正交实验的方差分析 第四讲：稳健设计 第五讲：可靠性设计
第一节：实验设计的意义及其发展过程 第二节：正交实验、正交表及其用法 第三节：混合水平的正交实验设计 第四节：有交互作用的正交实验设计
• Design of Experiment • 为什么要进行试验设计？
实验设计DOE的发展过程:
DOE发 展过程
因子设计法
早期的 实验验设计法
正交实验
传统的 正交实验
设计法
正交实验， 方差分析
稳健性 设计
残差分析， 多元回归分析， 分式析因实验， 曲面相应和调优运 算
现代的多元 实验设计法
为什么要进行正交实验:
在实际生产中，影响试验的因素往往是多方面的，我们要考察各因素对试验影响的情况。在 多因素、多水平试验中，如果对每个因素的每个水平都互相搭配进行全面试验，需要做的试验 次数就会很多.
EOL寿命终结 阶段输出:服务
实验设计的意义:
基本研究
1、发现相关问题
(Basic Research)
2、明了技术要点
产品设计
1、灵敏度分析
（Product Design)
2、建立可靠性的公差
3、特征组件
4、特征结构
5、包括低成本组件
6、包括低等级物料
7、最小的变化
8、性能的改善
工艺研发
1 、变量研究
量产及服务过程中-- 被动
市场
设计和开发D GP12 批量生产P /服务S
M
策划
产品设计开发
过程设计开发
产品过程确认
服
OP1
OP2
OP3
OP4
务
监
监
监
监
S
视
视
视
视
反馈、评定、问题解决
持续改进
节点：NM顾客委托 阶段输出:获得新单
节点：SOP生产启动 输出:被批准的产品/制造交付系统
节点：EOP量产结束 阶段输出:生产件/服务
（Process Development) 2、变量的优化设置
3、建立可靠公差
实验设计的意义:
工艺研发
4、发现降低成本的解决办法
（Process Development) 5、养活变化
6、改善过程中心
7、减少生产周期
8、降低坏品率
9、改善产品的可靠性
工艺改善
1、解决问题
（ Process Improvement) 2、明了变量及过程之关系
==>我们要进行试验设计！
实验设计的意义:
应用数理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快 获得最优组合方案。在工程学领域是设计开发，改进制造过程性能的非常重要的手段。
在设计开发的早期应用实验设计方法能得出以下成果： — 优化因子水平 — 用于建立与原材料或部件制造有关的工艺，使其在规定的范围内。 — 使设计的产品能够稳定或者牢靠运行于实际的环境中 — 减少总的工程设计周期 — 减少ECN（工程变更）的数量 — 改善产品性能、质量及成本，最大限度地满足客户要求。 — 改善产品的可制造性。 — 减少实际制造工艺中的问题。 — 减少产品的检查和性能测试强度
为什么要进行正交实验:
产品特性，产品设计时被定义，通过生产/制造形成，其满足顾客要求的程度受设计因素和制 造因素的影响，是因变量。
因素，有时叫因子，自变量等，对过程来讲是影响过程输出（结果）的“过程因素或过程条 件”，如：机加工过程的切削参数，转速，切削液，定位方式等；焊接过程中的电流，电压， 时间，焊丝，焊嘴，保护气等；手工装配中的装配顺序，装配方向，定位方式，扭力要求等。
产品特性
过程因素
因素水平
为什么要进行正交实验:
如需要研究焊接电流/焊丝规格/送丝速度/保护气/焊丝探出长度对焊接强度的影响。我们可 以选取不同的参数值做实验，通过比较实验结果获取各参数对强度的影响程度，以此来确定工 艺设定的最佳值，我们的试验可以如下实施。
实验设计的应用:
产品设计，如：材料/配方/ 结构/公差 优选分析和选择 定义，和DFMEA,DV等结合
过程设计，如：过程（制造/测 试）影响因素/水平的识别进，如：6西格 玛改进中的过程影响 因素分析和改进
问题根源分析/改进， 如：8D方法中的根源 分析
先期过程中 -- 主动
3、进行过程能力研究
4、设备及方法比较
计量 (Metrology)
1、进行测量系统研究
2、判定误差的主要来源
3、最小测量误差
可控制因素 生产/ 制造
过程
不可控制因素
y=f(x1,x2,…,xn)
通过实验 进行优化设计
统计技术在 生产/制造过程 中的应用是对 过程中输入的变量 (人,机,料,法,环) 进行有目的地优化, 使输出的结果更加理想. 实验设计 是其中较为有效的一种