DOE-实验设计及实例操作【可编辑】
DOE实验设计案例分析
DOE实验设计案例分析实验设计案例分析：随机化对照组设计实验目标：研究其中一种新药物对糖尿病患者血糖水平的影响。
实验设计方案：本实验采用随机化对照组设计，将参与实验的糖尿病患者随机分配到两个组别：实验组和对照组。
实验组：实验组患者将每天口服一种新药物（药物A），药物A具有降低血糖水平的作用。
对照组：对照组患者将每天口服一种安慰剂，安慰剂不具有直接的治疗效果。
实验过程及观察指标：1.首先，收集参与实验的糖尿病患者的相关信息，包括年龄、性别、疾病病程、药物过敏史等。
2.随机将患者分配到实验组和对照组。
确保两组患者在基线特征上的相似性。
3.实验组患者每天口服药物A，对照组患者每天口服安慰剂。
确认患者对药物和安慰剂的接受程度。
4.对两组患者进行一段时间（例如3个月）的观察，每周检测一次患者的血糖水平。
5.记录每周血糖水平结果，并计算平均值。
同时记录患者的不良反应情况，例如药物过敏反应等。
6.在实验过程中，根据患者的实际情况，调整药物剂量或给予其他治疗。
7.实验结束后，对实验组和对照组的血糖水平进行统计学分析，比较两组患者的血糖水平差异。
8.根据统计结果，评估药物A对糖尿病患者血糖水平的影响，并对结果进行解读和讨论。
可能面临的问题及解决方案：1.实验组与对照组之间的随机差异：通过随机分组，并确保两组患者的基线特征相似，可以最大程度地减少随机差异。
2.患者的安慰剂效应：采用安慰剂对照组可以控制患者的安慰剂效应，使实验组与对照组的差异更可能是由于药物效应而非心理因素引起。
3.患者的个体差异：通过增加样本容量，扩大实验的覆盖范围，可以减小个体差异对结果的影响。
4.患者的进食和生活习惯：对患者在实验过程中的饮食和生活习惯进行详细的记录和分析，以控制干扰因素对实验结果的影响。
5.药物剂量与治疗方案：根据患者的具体情况，及时对药物剂量和治疗方案进行调整，以保证实验的有效性和安全性。
结论：通过随机化对照组设计的实验，可以有效地评估药物A对糖尿病患者血糖水平的影响。
利用DOE方法优化电池材料的性能设计与实例操作分析
利用DOE方法优化电池材料的性能设计与实例操作分析电池是一种常用的能量存储装置，在日常生活中广泛应用于电子设备、汽车和可再生能源等领域。
随着电子设备的不断发展和人们对能源密集型应用的需求增加，对电池性能的要求也越来越高。
为了满足这些要求，科学家和工程师们需要通过优化电池材料的设计来提高电池的性能。
其中，利用DOE（Design of Experiments）方法可以有效地进行电池材料的性能设计与实例操作分析。
DOE方法是一种通过系统性的实验设计来分析和优化工艺或产品的方法。
它可以用来确定影响电池性能的关键因素以及这些因素的最佳组合，从而最大限度地提高电池的性能。
下面将介绍如何利用DOE方法进行电池材料的性能设计，并结合一个实例操作进行分析。
首先，确定设计目标和性能指标是进行电池材料性能设计的基础。
例如，我们可能要优化电池的能量密度、循环寿命或充电速度等方面的性能。
根据设计目标，制定适当的实验计划和测试方案，包括选择测试变量和确定测试水平。
接下来，根据实验计划，进行实验采集数据。
针对电池材料性能设计的实例操作，我们可以选择两个主要的因素：正极材料和负极材料，并设置分别设置两个不同的水平。
例如，我们可以选择不同种类的正极材料（如锂铁磷酸铁锂和锂镍钴锰酸锂）和负极材料（如石墨和锂钛酸盐），并进行一系列实验来测试电池性能。
在实验过程中，我们可以通过测量电池的容量、内阻、循环寿命等指标来评估电池的性能。
同时，我们还可以采集其他相关的数据，如电池的结构特征、材料的物化性质等，以便后续的分析。
采集完所有实验数据后，我们可以利用统计学方法对数据进行分析。
DOE方法可以帮助我们确定影响电池性能的主要因素，并建立数学模型来描述因素与性能之间的关系。
通过分析数据，我们可以确定哪些因素对电池性能具有显著影响，以及它们之间的相互作用。
在分析的基础上，我们可以利用优化算法找到电池性能的优化方案。
根据实验数据和建立的数学模型，我们可以确定最佳的正极材料和负极材料的组合，以达到最佳的电池性能。
doe单因子试验案例
doe单因子试验案例
一个典型的单因子试验案例是在农业领域中对不同施肥量对作物产量的影响进行研究。
假设我们想要确定最适合作物生长的肥料用量，我们可以设计一个单因子试验来进行研究。
首先，我们需要选择一个农田作为试验用地，并将其分成若干块，每块用来施不同量的肥料。
然后，我们需要确定不同的肥料用量作为不同的处理组。
比如，我们可以选择不施肥作为对照组，然后分别施用低、中、高三个不同浓度的肥料作为处理组。
接下来，我们需要记录每个处理组的作物生长情况，包括植株高度、叶片数量、果实数量等指标。
通过对比不同处理组的作物生长情况，我们可以得出不同施肥量对作物产量的影响。
在实验进行过程中，我们需要控制其他可能影响作物生长的因素，比如土壤质量、灌溉量等，以确保实验结果的准确性。
最后，通过对实验数据进行统计分析，比如方差分析，我们可以得出不同施肥量对作物产量的影响是否显著，从而确定最适合作物生长的肥料用量。
总之，单因子试验是一种常用的科学实验方法，通过对比不同处理组的实验结果，可以得出对研究对象影响的结论。
在农业领域中，单因子试验可以帮助农民确定最适合作物生长的肥料用量，从而提高作物产量和质量。
DOE实验设计
部分析因实验（正交实验）
由田口博士(Dr.Taguchi)田口玄一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。
参数
1
2
3
次数
1
1
1
1
2
1
2
2
ቤተ መጻሕፍቲ ባይዱ
3
2
1
2
4
2
2
1
L4(23)正交表 总共须做四次实验，最多只能配置三个因子
+
A
-
L4(23)正交表图解
实验设计降低开发成本
实验设计通过最小的实验数量获得最大的实验信息量。通过提高效率 节省金钱和时间。
用传统的方法进行 128个实验得到的结 果，采用DOE 只需要 进行16-32个实验
层析过程中的因子和响应
实例: 在ÄKTATM avant 25 系统上进行重组 胰岛素原的洗脱优化
Experimental: Column: TricornTM 5/50 - CaptoTM MMC Res time: 5 min (0.2 ml/ml). Sample: Adjusted to pH 5.2 with HAc. 2.5 C.V. crude sample was loaded Equilibration: 50 mM Na acetate + 150 mM NaCl pH 5.2* Step elution: Study pH 6.2-8 and 150-750 mM NaCl using
置不同，结果也有可能不同
3. Design of Experiments （DOE ） 实验设计
• 实验设计(Design of Experiments)：
DOE实验设计详解+案例说明
DOE实验设计详解+案例说明! Design of Experiments⽬錄⼀實驗計畫法(DOE)概念與實施必要 1⼆ DOE實驗與解析概述 3三實驗設計階段 9四實驗配置階段 11 五實驗數據解析階段 16 六尋求最適參數的實驗計畫法 20七多品質特性處理 23⼋附錄：常⽤直交表與點線圖 24⼀實驗計畫法(DOE)概念與實施必要1 何謂實驗計畫法當我們想⽐較藥品的療效，⽐較加⼯⽅法好壞，⽐較教材學⽣吸收程度，⽐較促銷⽅法等需要進⾏實驗計劃法(DOE)(1) ⼜稱實驗設計，原⽂為 Experimental Design 或Design of Experiments 常以DOE稱之，1925年英國農業專家 Fisher應⽤數理統計⼿法所創造的實驗設計與解析的⽅法，也就是⼀種實驗設計與實驗解析的程序c實驗設計規劃進⾏經濟有效的實驗⽅法，期能獲得充分的實驗數據d實驗解析實驗結果分析以獲取有效、客觀結論包含實驗規劃、實驗實施、數據收集、統計分析、導出結論等過程稱為實驗計劃法(2) ⼀般實驗計畫(DOE)⽬的可以涵蓋c⽐較實驗：⼆個配⽅⽅案的⽐較d篩選設計：決定最具影響⼒的參數(因⼦x1,x2…) 與其影響⼒，是品質改善重要的⼿法通常是實施e或f實驗的前置實驗e優化設計：決定系統設計的參數設定值，使特性y的性能(或變異)達到⽬標值f穩健設計：決定系統設計的參數設定值，使特性y不受其他不可控因⼦的影響(品質⼯程Taguchi Method)(3) 實驗計畫的發展主流c傳統實驗計劃法d⽥⼝品質⼯程(⽥⼝⽅法)e夏寧法(Shainin DOE) 在美國實施的⼀種實驗⽅法(⾮主流)2 企業經營必須要有持續不斷改善(1) 開發與改善需強⼤的管理與技術能⼒為後盾，尤其後者是真正核⼼價值(2) 若現有技術⽅法不⾜以開發或改善時，應著⼿實驗以鑑別要因、設定最適條件(3) ⾼科技產業因影響因⼦繁多且⼯藝複雜⽽不成熟，更須經由實驗以掌握know how 3 實驗是改善的關鍵(1) 實驗的想法實驗是單或⼀串試驗，有⽬的地改變因⼦(1因⼦或多因⼦)的狀態，觀察⽐較其結果變化，從⽽鑑別、證明該因⼦對過程是否具有⾜夠影響⼒，或檢驗、建⽴⼀個假設(2) ⼯廠使⽤實驗計畫法時機，常在開發階段或實施製程管制(SPC)階段⽽需活⽤DOE(3) 實驗計劃法三個名詞 c 因⼦ Factor (或因素)認為可能影響過程的要因，如化學反應製程的溫度(A)、反應時間(B)、….等 d ⽔準 Level (或階次)實驗時刻意改變因⼦的狀態，如反應溫度(A)實驗100℃(A 1)與120℃(A 2)，則A 因⼦的⽔準數為2，同樣反應時間B 實驗3hr(B 1)、2hr(B 2)、4hr(B 3) ，則B 因⼦的⽔準數為3 e 特性或回應(Response)量度過程的結果，⼀般是指特性值，應為實驗者、顧客所關⼼的，如粘著強度 (4) 實驗的3步驟 c 實驗觀測d 建⽴因⼦與結果特性變動關係e 推論因⼦最優化狀態(Optimization)4 傳統實驗的錯誤與缺點(1) ⼀位陳⼯程師改善塑膠強度的案例 c 影響塑膠強度的特性要因圖d 將要因A 、B 、C 、D 作為實驗因⼦，進⾏實驗嘗試提⾼塑膠的強度值 e 傳統錯誤的實驗做法有⼆ n 試誤法o 單因⼦實驗法 - 每次只改變⼀個因⼦，其餘因⼦都給予固定 (2) 傳統實驗的問題c 計畫階段未考慮組合影響 - 交互作⽤d 實施階段未考慮隨機 – 分割實驗、集區(block)設計e 數據解析未考慮誤差 – 交絡(confound)法 (3) 正確實驗的⽅法c 實施多因⼦實驗(factorial experiment 要因實驗) 如2n 、3n 型同時列舉所有的要因因⼦，對因⼦⽔準所有組合加以實驗n 避免交互作⽤所引起的錯誤 o 提⾼精度d 採⽤多因⼦實驗可能造成實驗次數過多，技巧上分為n 多因⼦完備實驗(Full factorial experiment) 全部因⼦完整組合實驗o 多因⼦部分實驗(Partial factorial experiment) 全部因⼦部分組合實驗，⼀般DOE 的實驗就是多因⼦部分實驗原料⼆ DOE實驗與解析概述1 ⼀個簡單的⼯廠實驗例(⼀元配置)(1) 實驗⽬的：為了解溫度是否影響產量，以決定適當的溫度條件(2) 實驗策略：實驗前⼯程師應充分思考c溫度⽔準應設多少使實驗能得到預期效果d同⼀個⽔準應重複幾次才能得到正確情報e除溫度外還有什麼因素會影響產量(3) 實驗設計：c實驗因⼦：溫度Ad實驗⽔準：100，110，120三⽔準e重複次數：4次(4) 實驗配置：no 溫度實驗順序1 c A1100℃72 c A1100℃ 13 c A1100℃94 c A1100℃105 d A2110℃116 d A2110℃127 d A2110℃ 28 d A2110℃ 59 e A3120℃810 e A3120℃ 411 e A3120℃ 612 e A3120℃ 3(5) 結果數據如下溫度產量值100℃ 1.0 0.9 0.7 0.9110℃ 1.1 1.4 1.4 1.2120℃ 1.4 1.5 1.3 1.1(6) 實驗數據解析的⽅法實驗數據前先回顧整個實驗過程是否正常，檢視實驗數據有無異常值，與實驗者的技術經驗、預期等是否相符或極度背離，然後進⾏分析c直觀分析做成回應表予回應圖⽽直觀分析d數理解析ANOVA檢定或迴歸分析(7) DOE實驗數據的正確解析內容c實驗誤差等變異檢定可審查實驗過程管理d作成回應表與回應圖觀察與直觀分析，獲取實驗情報e變異數分析辨識要因是否顯著(有影響⼒)，若有計算其貢獻率f推定顯著因⼦的信賴區間g顯著因⼦進⾏⽔準間檢定檢視⽔準母平均值是否有差異h決定系統設計，各顯著因⼦以及不顯著因⼦的設定值i最佳條件的預測2 實驗過程管理的檢查 - 等變異檢定當有重複實驗時，可以檢查實驗過程管理了解實驗是否處於控制狀態。
DOE-实验设计及实例操作分析报告
DOE实验设计及实例操作分析报告1. 简介DOE (Design of Experiments)，即实验设计，是一种通过对不同因素进行系统化变动，以确定其对结果的影响的实验方法。
本报告旨在介绍DOE的基本原理和常用实验设计方法，并通过一个实例来进行操作分析。
2. DOE的基本原理DOE的基本原理是通过设计合理的实验来确定影响结果的因素，并且可以评估不同因素对结果的影响程度。
以下是DOE的基本原理：1.变量选择：选择影响结果的因素，并且对这些因素进行变量化操作，例如调整参数的数值、改变处理条件等。
2.设计方案：通过设计不同的实验方案来测试各个因素的影响，并且根据需要确定实验组的数量和实验次数。
3.数据收集：在实验的过程中，收集各个因素与结果之间的数据，并记录下来。
4.数据分析：通过对收集到的数据进行统计分析，可以确定不同因素对结果的影响大小，并且可以找出最佳的因素组合。
3. 常用实验设计方法DOE有很多种不同的实验设计方法，其中最常用的方法包括：•完全随机设计 (Completely Randomized Design, CRD)：每个实验单位在各处理间随机分配，适用于处理之间没有明显差异的情况。
•随机化区组设计 (Randomized Complete Block Design, RCBD)：将实验单位分为若干个均匀的区组，每个处理在每个区组中都有一次出现，适用于处理之间有明显差异的情况。
•因子设计 (Factorial Design)：考虑多个因素对结果的影响，通过多维度的实验设计来分析因素之间的相互作用。
•反应曲面设计 (Response Surface Design)：通过设计一组实验点来推测响应曲面，并确定最优解。
4. 实例操作分析在这个实例中，我们将使用随机化区组设计来分析不同施肥剂对植物生长的影响。
假设有4种不同的施肥剂可供选择，我们希望确定最佳的施肥剂组合以促进植物的生长。
实验设计我们将选择10个相同的区域作为区组，每个区组中随机放置4个相同的试验盆。
DOE实验设计方法及实例操作分析报告
DOE实验设计方法及实例操作分析报告1.引言实验设计是科学研究和工程实践中一种重要的方法，它可以帮助研究者确定变量之间的关系，并优化实验过程。
其中，DOE(Design of Experiments)作为一种广泛应用的实验设计方法，在不同领域有着较高的实用性和可靠性。
本报告旨在分析DOE实验设计的方法及其在实例操作中的应用。
2. DOA实验设计的基本原理DOE实验设计的基本原理是通过对样本的充分利用，以尽可能少的实验次数来获得最多的信息。
其核心是通过设计矩阵和统计分析方法来寻找实验结果的关键因素及其交互作用。
DOE方法强调确定性的控制变量和随机的处理变量，从而消除实验结果中的噪声，更准确地判断因素与结果之间的关系。
3. DOE实验设计的方法DOE实验设计有多种方法可供选择，其中最常用的是全因子设计、鲁棒设计和Taguchi方法。
3.1 全因子设计全因子设计是指实验中将所有可能的因素及其水平都考虑在内，从而用尽可能少的实验次数测试所有可能的组合。
全因子设计能够同时研究多个因素的影响，并得到它们与结果的关系。
3.2 鲁棒设计鲁棒设计是一种在不考虑特定因素的情况下优化结果的设计方法。
它通过设置实验设计矩阵，使得实验结果对未知因素的变化不敏感，从而提高结果的稳定性。
3.3 Taguchi方法Taguchi方法是一种通过优化设计参数来提高产品质量的方法。
它将设计参数分为控制参数和干扰参数，并通过正交试验设计方法确定参数的最佳组合，以达到优化质量和降低成本的目的。
4. 实例操作分析为了更好地理解DOE实验设计方法的应用，我们选取了一个实例进行操作分析。
假设我们要确定某种新型润滑剂对汽车引擎的摩擦因素的影响，并优化润滑剂的配方。
我们可以使用DOE方法来设计实验矩阵，并通过统计分析来分析因素的影响。
4.1 设计矩阵首先，我们需要确定影响摩擦因素的重要因素，如润滑剂的浓度、温度和压力等。
然后，我们使用正交试验设计方法生成设计矩阵，其中每个因素的水平和实验次数都需要事先确定。
DOE实验设计与操作分析报告
DOE实验设计与操作分析报告标题：DOE实验设计与操作分析报告摘要：本报告旨在详细介绍并分析应用设计实验法（DOE）进行实验设计与操作的过程，并探讨其在实验分析中的应用效果。
首先，本报告将简要介绍DOE的基本概念和目标，接着详细介绍实验设计与操作的流程，并阐述其主要步骤和方法。
然后，我们将通过一个具体的案例详细分析DOE在实验过程中的应用，并结合数据结果进行解读和讨论。
最后，对DOE的优势和局限性进行总结，并提出进一步研究和应用的建议。
1. 导言实验是科学研究中不可或缺的一个环节，而设计良好的实验可以准确、有效地提取所需数据以支持科学推理和决策。
设计实验法（DOE）基于统计学原理和方法，旨在优化实验过程，提高实验结果的准确性和可靠性。
2. DOA实验设计与操作流程2.1 步骤一：明确目标在开始实验设计与操作之前，首先明确研究目标和问题，并将其转化为需要回答的明确的问题。
2.2 步骤二：确定关键因素和水平通过对研究目标的分析，确定影响实验结果的关键因素，并确定每个关键因素的水平。
2.3 步骤三：建立设计矩阵使用设计矩阵来确定实验方案。
设计矩阵列出了所有的实验条件和水平对应关系，并采用随机化的方式来避免实验结果受到其他变量的干扰。
2.4 步骤四：实施实验根据设计矩阵，按照实验方案进行实验操作。
2.5 步骤五：收集数据根据实验方案，记录和收集实验数据。
2.6 步骤六：数据分析和解释通过统计学方法对实验数据进行分析，并解释实验结果。
3. DOA实验设计与操作案例分析为了进一步说明DOE在实验设计与操作中的应用效果，我们以某化学实验为例进行分析。
我们通过设计正交试验，控制温度、反应时间和催化剂用量三个关键因素，对反应产率进行研究。
通过实验数据的统计分析和推断，我们可以得出准确的结论并优化实验条件，提高反应产率。
4. 结果解读和讨论根据数据分析结果，我们可以判断不同因素对实验结果的影响程度，并针对性地进行优化实验条件。
- 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)。
C1和C2的作用分别对应于Y1+Y2+Y7+Y8与Y3+Y4+Y5+Y6；
D1和D2的作用分别对应于Y1+Y3+Y5+Y7与Y2+Y4+Y6+Y8；
。。。。。。
DOE
L8(27) 正交表
DOE
回应表(Response Table)
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。用Y2与Y1的结果比较A2和A1的 效果是在其他因素不变的条件下进行的，如果在实验1和 实验2中将B1换成B2，C1换成C2，则Y2与Y1是否会有比较 大的变化，甚至大小顺序都逆转？实验次数虽然减少了 ，但结果的可靠性却明显不能保证。
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
第一章 实验方法
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。
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
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 D2 E2 F1 G1 6
实验设计
网址： email:
DOE
课程大纲
第一章 实验方法 田口式实验计划法的经典案例
第二章、利用正交表进行实验设计 第三章、实验数据分析 第四章、参数设计
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？
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%
7
A2 B2 C2 D2 E2 F2 G1 7
8
A2 B2 C2 D2 E2 F2 G2 8
DOE
实验法2：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
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?
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
第二章、利用正交表进行实验设计
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。
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
在后四次实验中，B、C、D、E、F、G等6个因素的两种 选择也都出现了两次，于是我们可以大胆的得出结论， Y1、Y2、Y3、Y4的总和之所以与Y5、Y6、Y7、Y8的总 和不同，就是由A1与A2的差异导致的，因为其他因素的 两个水准都出现了相同的次数，其影响力已经各自抵消 ！（这个结论虽然大胆，但确实可靠，原理将在后述内 容中说明），同理：
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
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 19.00
G2
61
合计
DOE
DOE
实验法3：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。
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
L8(27) 正交表
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
水准二(现行) 1% 粗 43% 现行组合 1200公斤 4% 5%
DOE
实验法1： 一次一个因素法
所谓一次一个因素法，就是先固定一种组合，而其它因 子保持固定，然后每次改变一个条件，将相邻的两次实 验结果进行比较，以估计两个条件的效果差异，实验方 案如下表： 缺点是不能保证结果的再现性，尤其是有交互作用时。
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。
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%)