DOE及Minitab使用初级知识(上)
DOE基础知识(minitab软件操作实例讲解DOE)精品PPT课件
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(minitab软件操作实例讲解DOE)PPT课件
.
16
DOE基础知识
完全要因实验使用Minitab操作事例
阶段3 Stat/DOE/Create Factorial Design菜单
.
17
DOE基础知识
完全要因实验使用Minitab操作事例
阶段3 Stat/DOE/Create Factorial Design菜单
.
18
DOE基础知识
完全要因实验使用Minitab操作事例
阶段3 决定适当的标本的大小 随意化数据表的实验顺序后执行实验
.
14
DOE基础知识
完全要因实验使用Minitab操作事例
阶段3 Stat/DOE/Create Factorial Design菜单
Hale Waihona Puke .15DOE基础知识
完全要因实验使用Minitab操作事例
阶段3 Stat/DOE/Create Factorial Design菜单
2
1
0
-1.00 -0.75 -0.50 -0.25 -0.00 0.25 0.50 0.75 1.00
Residual
.
26
DOE基础知识
完全要因实验使用Minitab操作事例
阶段6 去除以下内容后，求缩小模型（Reduced model）
p-值不有意的结果，或者 阶段4的“效果图表”中显现为低效果 由上图分析，可对A*B*C，B*C两交互作用排除再进行分析
.
27
DOE基础知识
完全要因实验使用Minitab操作事例
.
4
DOE基础知识
实验计划法概要
实验计划顺序
问题的定义
输出变量及输入变量的选定
Analyze阶段
Mintab_DOE操作说明(中心复合设计)
2
中心複合設計
試驗目的： 本试验的目标为确定塑胶件注塑工序的射出压力、保持压力和射出时间与零件关键尺寸之 间的关系，并对三种因素的水平设置进行优化。。 确定测量指标： 小组确定以该零件的关键尺寸“252+2mm”作为测量指标。 确定影响因素XS 本例影响因素为 1、射出压力 2、保持压力 确定试验因素水平表
15
中心複合設計
18: 添加軸向點分析結果如下：
射出壓力，保持壓力及射出時 間的P值均小於0.05,故其均為 顯著因子
A B C
A*A項，其P值亦小於0.05,故 其也為顯著因子
線性項和二次項的P值亦小於 0.05,故其也為顯著因子
16
中心複合設計
19: 建立回歸方程：
前四項為顯著因子，故回歸方 程中列入果如下：
射出壓力，保持壓力及射出時 間的P值均小於0.05,故其均為 顯著因子
A B C
A*A項，其P值亦小於0.05,故 其也為顯著因子
線性項和二次項的P值亦小於 0.05,故其也為顯著因子
分析上表可知：因素A、B、C及A因素的平方项为输出变量的显著影响因素，说明本例存在 显著非线性影响，需继续进行轴向点试验以测试各因素与输出间的真正关系。
目標達成率
23
中心複合設計
22: 試驗結論： 1.因素射出压力、保持压力、射出时间均队对零件关键尺寸有显著影响。其中因素A的影响 存在2次影响（非先线性影响）。 2.将各试验因素设置在如下水平时零件尺寸最优(252)：
因子
最優參數
A.射出壓力（PSI)
1468.18
B.保持壓力（PSI)
回歸方程式： Y= 252.5+1.08A+0.72B-0.69C-0.54A*A ---A: 射出壓力 ---B: 保持壓力 ---C: 射出時間
MiniTab-DOE操作说明
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。
Minitab DOE操作说明(全因子实验范例)
Minitab DOE操作說明:範例:全因子實驗設計法3因子2水準實驗設計:因子—A.時間,B.溫度,C.催化劑種類Step 1:決定實驗設計開啟Minitab R14版1.選擇Stat > DOE > Factorial > Create Factorial Design2.點擊Display Available Designs因所要討論的因子有三個, 由表中可以作二種選擇:選擇Ⅲ作4次實驗選擇Full作8次實驗一個三因子2水準的設計共有23 (或8)種可能的組合, 一個包含所有可能組合的設計,即稱之為全因子設計(Full Factorial Design) ,好處是可避免交絡(Confounding)的情況,也就是所有因子的效應無法與其它的效應明確分辨出來; 然而,使用較少的組合設計稱之為部份因子設計(Fractional Factorial Design)此範例決定是全因子設計, 因在化學工廠內, 要控制這些因子(時間/壓力/催化劑種類)並不耗費時間及成本, 且實驗可在非尖峰時間進行, 避免打斷生產線的進度, 如果這實驗所需成本很高或困難執行, 你可能需做不同決定。
3.點擊OK , 回到主對話框中4.選擇2-level factorial (default generators), 在因子數選擇35.點擊Designs ,選取Full factorial6.在Number of replicates選項中選2 ,按OKStep 2:因子命名與因子水準的設定因子水準的設定可以是文字或數值若因子為連續性使用數值水準設定,可為量測的任意值(ex.反應時間)若因子為類別變數使用文字水準設定,為有限的可能值(ex.催化劑種類)就一個2水準的因子設計, 因子水準設定為兩個值, 建議數值儘可能分開:Factor Low Setting High SettingTemperature20° C40° CPressure 1 atmosphere 4 atmospheresCatalyst A B1.點擊Factors按鈕2.輸入因子名稱及水準, 完成後按OK回到Create Factorial Design主對話框Step 3:隨機化與儲存設計的內容1.按2.在Base for random data generator的欄位, 輸入9 ,可控制隨機化的結果,讓每次都可得到一致的模型3.確定有選取Store design in worksheet的選項後,並按OK4.回到Create Factorial Design主對話框按OK ,就會產生設計的內容並儲存在工作表單中Step 4:瀏覽設計的內容（直交表形成）若要切換工作表單以RanOrder/StdOrder以及Coded/Uncoded的呈現,可由功能表Stat DOE Display Design來選擇另外若要修改因子名稱或設定, 有兩種方式：(1)可由功能表Stat DOE Modify Design來選擇實驗原有順序隨機後實驗順序依實驗原有順序執行依隨機後實驗順序執行因子水準以代號顯示因子水準以真實Data顯示Step 5:資料收集與輸入1.在資料視窗中C8的變數名稱位置輸入Yield2.可將此實驗工作表列印出來並收集數據結果輸入Yield資料列中Step 6:篩選實驗目的是利用效應圖來選取對於提高產能較大效應的因子1.在功能表點選Stat DOE Factorial Analyze Factorial Design2.在Responses欄位輸入Yield3.點取Graphs選項鈕4.繪製Normal(常態機率圖)及Pareto(柏拉圖) ,協助找到顯著因子5.按OK鍵,回到Analyze Factorial Design主對話框,再按主對話框OK鍵,即會將分析結果及繪圖在視窗中效應圖(Effect Plots)Normal(常態機率圖)Pareto(柏拉圖)在圖中偏離直線較遠的點(紅色)為顯著因子, 即為依圖中影響效應程度大小排列並數值超出紅色參考線即為顯著因子確認重要的效應因使用為全因子設計,故包含3個單一之主效應、3個二次的(two-way)交互作用及1個三次的(three-way)交互作用以表列中可由P值來找出哪些因子為顯著的效應P值> 非顯著P值< 顯著Step 7:配置一個較簡單的模型接下來,要由全因子模型所找到的重要因子再重新設定一個較簡單的模型,也就是去除不顯著之因子,評估適合度、圖示解析及殘差分析1.點選功能表選單Start DOE Factorial Analyze Factorial Design2.選取Terms選項鈕3.設定內容將原本在Selected Terms欄位中的不顯著因子移到Available Terms欄位中4.按OK鍵,回到Analyze Factorial Design主對話框5.點取Graphs選項鈕,取消勾選Normal與Pareto圖6.勾選Four in one相關分析圖,按OK鍵回主對話框7.按Analyze Factorial Design的主對話框OK鍵分析的結果會列在程序視窗中,殘差分析圖及相關圖將可進一步評估主效應是否選取適當設定的模型是否恰當Step 8:評估調整後的模型由ANOVA表中主效應及交互作用P值皆< ,代表這是一個很好的模型而殘差分析圖的結果也是令人滿意的Step 9:結論之描述因子圖(Factorial Plots)以繪製主效應圖(Main Effect Plot)及交互作用圖(Interaction Plot)可以用目視的方法來決定效應分析1.點選功能表Stat DOE Factorial Factorial Plots2.勾選Main Effects Plot ,再按下Setup3.在Response輸入Yield4.將顯著因子B(Pressure)及C(Catalyst)自Available欄位到> Selected欄位中2.勾選Interaction Plot ,再按下Setup,重複3與4步驟檢視繪圖內容在繪圖視窗中會個別列出主效應圖及交互作用圖--主效應圖(Main Effects Plot)此線代表所有實驗值平均數此點代表壓力在低水準時所有實驗值平均數分析壓力圖(Pressure Plot)比較壓力在高及低水準設定的差異催化劑圖(Catalyst Plot)比較催化劑在兩種類別的差異由圖中顯示,差異性比較:催化劑主效應>壓力主效應,也就是說催化劑斜率的絕對值大於壓力斜率的絕對值,由於Yield為望大值(越大越好) ,故壓力在4大氣壓較1大氣壓有較高的良率; 催化劑的種類使用A較B有較高的良率若因子之間沒有交互作用存在,由主效應圖即可找到使良率較高的最佳組合,此範例有BC交互作用顯著差異存在,故接下來再由交互作用圖來分析--交互作用圖(Interaction Plot)縱座標代表Yield此點代表Yield在低水準的壓力與A催化劑時的均值分析交互作用圖可看出因子間水準設定互相造成之衝擊性,有加乘或抵消作用由圖中顯示,不論壓力值在1大氣壓或4大氣壓,使用A催化劑的Yield皆大於B催化劑;但是以A催化劑而言,壓力設定在4大氣壓比1大氣壓有明顯Yield變化(2)綜合以上分析,使Yield最大的最佳組合為壓力4大氣壓與A催化劑。
Minitab实验设计DOE操作步骤
23
点击编辑上一对话框图标
24
先选中交互作用图
第二步点击设置
25
点击确定
显示此图形
再点击确定
26
图示解析：前半平面度和门磁角 度对于漏波值的大小无交互作用
27
点击编辑上一对话框图标 先选中立方图
显示出以下对话框 第二步点击设置
28
双击此标识处
显示出以下对话框单击标识处显示到此对话框最后点击设计
选中因 子数3
37
出现此 对话框， 选择设
计
点击确
定
38
出现此对 话框，点 击显示可
用设计
39
1、点击全 因子
2、点击确定 40
点击确定
41
须选中类型是数 字还是文本
在右对话框中输入 因子名称和选中水
平高低
然后点击确定
42
然后点击确定
43
然后点击选项
44
取消勾选后，标准序C1 可以按照顺序排列
64
感谢阅读
感谢阅读
50
1、勾选主效应图 2、再点击设置
51
双击C8距离，点 选到下面的响应
框中
点击双箭头的标识，把 上面的三个因子选入到
右边的空白框中
52
点击确定
53
点击确定
54
点击：编辑上一对话框图标
1、生成距离主效 应图，进行分析
分析图示结果：
55
56
57
58
59
60
61
62
63
操作演示完
然后点击确定
45
点击结果
46
3、再点 击确定
2、出现 此对话框
1、点击 确定
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跟Minitab使用初级知识(上)
DOE
36
田口实验设计
• 是一种分部设计法 • 因素可达31,水平可达5,可以进行混和水平设计. • 引入信噪比概念
产品特性 Y在多个输入变量的作用下为随机变量,其数学期 望为,方差为2. 变异系数 y = 2 /, 表示世纪之偏离目标值的程度. 信噪比 ’ 表示产品特性稳定性, ’ = 2 / 2 = 10 lg ’ = S/N, 取对数后, 接近正态分布,便于分析.
– 至於單一特性或者多個特性只在於最後找出最佳組合時 會有影響，因此留在最適條件選取時再談
DOE 12
正交实验表
• 正交实验表
Ln ( ji )
L为正交实验表代号 n为正交实验表次数
N = ji
j为正交实验的水平数 i为正交实验的因素数
1. 2.
பைடு நூலகம்
正气可比性 均衡分散性
DOE
13
实验方案选择流程
DOE
14
实验设计一般步骤
• • • • • • • • • 确定目前过程能力 确立试验目标 确立输出特性 确立可控因素和噪声因素 确立个因素水平数和水平值 选择实验表 验证测量系统 实验资源准备 进行实验
• • • •
测量实验单元 分析数据表示主要影响因素 确认最佳因素水平组合 优化组合因素和水平值的重 复实验验证 • 标准化作业并进行应有控制 • 重新评估过程能力嫩里
DOE
9
水平设置
DOE
10
特性值Output
輸出變量目标分类 • 望目值 • 望小值 • 望大值 合适輸出變量 • • • • 計量型數據 測量與過程功能目標相關的量 定性指標量化 多考核指標的公式評分法.
DOE 11
輸出變量数值形式分类
- 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)。
• 静态田口设计:
找出信噪比最高的因素水平设置, 时输出变量变差最小. 指标一般为固定值
DOE
37
如何达成成功的实验设计
• 实验设计的环境 • 实验设计流程图
目标
定义问题清楚， 简明，可测量
独立因子
排序 水平设置
响应变量
定性／定量 望大／望小／望目
可控的 可测量的 有影响的
分析變量
Variables
• 正確易懂的操作手冊
– 藉由QC工程表，建立製造過程中確保品質的基本保證。 其中兩大重點為作業標準書及製程用管制圖。
• 技術的正確性
– 確實可行的配方、製程條件，不單只是滿足特定要求 （需求）的生產條件，而應該是它的趨勢圖，以便日後 進行局部修正（規格改變）的依據。 – 對誤差（不可控制原因）的抵抗程度，因為誤差是被用 來評估技術穩定度。因此了解其對誤差的抵抗程度將有 助於日後新技術的開發。
1
1 1 1 1 1 2
DOE
5
DOE应用范畴
• OFF LINE
– – – – – – 技術開發 產品設計 製程設計 系統選擇 參數設計﹝決定參數之中心值﹞ 允差設計﹝決定參數之公差﹞
• ON LINE
– 生產製造
DOE
6
技術累積的要件
• 建立技術（製程）評估指標
– 建立產品（製程）的初期管制圖及Cp&Cpk，作為判斷 技術（製程）穩定程度的指標
A Low Low High High B Low High Low High Data-2 3 5 6 4
B-Low
B-High
B-Low B-High A-Low 3 5 A-high 6 4
DOE
A-Low
A-High
22
交互作用重点
• 用已研究2變數間依存程度之大小。一般變數皆會 有依定程度之依存，因此可藉由它來判斷其大小。 • 如果不知交互作用之大小，而給予錯誤假設，則 可能造成實驗失敗。 • 研究交互作用將使得實驗規模無法減少，亦即實 驗次數將為：變數要因^變數個數(Ex:2^2=4) • 有時為權衡2者，因此採用部份研究交互作用的方 式，亦即不研究高次項的交互作用。
Run 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 . . . . . . . . 126 127 128 A 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 . . . . . . . . 2 2 2 B 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 . . . . . . . . 2 2 2 C 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 . . . . . . . . 2 2 2 Factors D E 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 . . . . . . . . 2 2 2 1 1 1 1 2 2 2 2 1 1 1 1 2 2 2 2 . . . . . . . . 2 2 2 F 1 1 2 2 1 1 2 2 1 1 2 2 1 1 2 2 . . . . . . . . 1 2 2 G 1 2 1 2 1 2 1 2 1 2 1 2 1 2 1 2 . . . . . . . . 2 1 2 Response
DOE
36
田口实验设计
• 是一种分部设计法 • 因素可达31,水平可达5,可以进行混和水平设计. • 引入信噪比概念
产品特性 Y在多个输入变量的作用下为随机变量,其数学期 望为,方差为2. 变异系数 y = 2 /, 表示世纪之偏离目标值的程度. 信噪比 ’ 表示产品特性稳定性, ’ = 2 / 2 = 10 lg ’ = S/N, 取对数后, 接近正态分布,便于分析.
所有可能的因子组合都被研究 N=2k 优点： 能够對各因素影不切实际 代价高 可选择分部因子实验，以较少的 花费得到较好的效果。
DOE
29
分部实验
2水平 最多15因子
DOE
30
因素间交错:混淆度
2水平3因子的全因子实验设计表
– 2水平全因子或分部实验设计 – 加上中心点进行非线性测试 – 如果非线性显著,加轴向点进行补充测试得到非线性预测 方程.
DOE
35
响应曲面设计 ___ Box-Behnken实验设计
• • • • • 用于研究指标和因素间的非线性影响. 因素3~7 试验次数15~62 因素均为计量值 没有将所有试验因素同时设为高水平的组合,队友 安全要求的试验较合适.
DOE
3
試驗設計目的
• 评估影响指标显著因子 • 评估显著因子最佳设置改变 响应均值 • 评估显著因子最佳设置降低 响应变异 • 评估最佳显著因子设置减少噪 声因子对因变量的影响
DOE
4
One Factor At A Time
• 最通用的传统模式 • 允许每个因素的两个水平对比
优点： • 便于操作和分析 • 逻辑性 缺点： • 不能代表真实的条件 • 不知道结果是否显著的 • 不知道结果是否因其它因子水平变 化 • 变异的存在引起结论的误导
DOE
15
实验设计计划表
• • • • 建立实验目标 列出相关关键特性 确定可影响输出特性的可控因素 确定可影响输出特性的噪声因素
DOE
16
实验计划表
DOE
17
可控因子表
DOE
18
噪声因子表
DOE
19
試驗結果手動分析
• 交互影響 • 极差分析
DOE
20
交互作用1
• 用以下2個因素A,B, 其分別可以設定為Low,High。假使 會有以下情形則稱為沒有交互作用，亦即2者相互獨立。
DOE
32
分部实验设计的分辨率
DOE
33
筛选实验设计 ---Plackett-Bruman
• • • • • 分辨率为 III 级的分部实验 因子水平2 因子数2~47个. 无法区分因素间交互作用 用于筛选关进少数因数
DOE
34
响应曲面设计 ___ 中心复合实验
• 通过对2水平增加一个设计点,从而评估指标对因素 间的非线性关系.用于怀疑或确信因素对指标存在 非线性影响时. • 因素2~6, 次数在14~90之间 • 所有因素均为计量值 • 实验三步骤:
ABC = -1
ABC = 1 ABC同号,无法评估; 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
DOE
31
影响混淆
• 只要不是全因子实验设计,就存在因素及其交互作 用之间的混淆一定存在. • 要求清楚区分主因素影响和交互作用影响(特别是 存在2因素交互作用的场合,慎重选择实验表)
– 至於單一特性或者多個特性只在於最後找出最佳組合時 會有影響，因此留在最適條件選取時再談
DOE 12
正交实验表
• 正交实验表
Ln ( ji )
L为正交实验表代号 n为正交实验表次数
N = ji
j为正交实验的水平数 i为正交实验的因素数
1. 2.
正气可比性 均衡分散性
DOE
13
实验方案选择流程
DOE
設計環境
Inputs / factors
噪声因子
可控因子
恒量
df
1 1 1 1 3
- 單純計數值：將一個特性區分為良品或不良品，常用在外 觀等，例如：不良個數、故障台數.... - 多重計數值：將一個特性區分為優、良、中、可、劣，例 如：外觀可分為好、有一些瑕疵、有很多瑕疵。
– 計量值：量測數值為連續量。訂定規格時常用它。
- 單一目標之特性。Ex:某一規定的尺寸或電壓或顏色.... - 多重目標之特性，依據不同的需求，只要改變某一要因即 可達成不同產品。Ex:經由三原色加入量的不同即可做出不 同的顏色，此時對顏色而言是有無限多的目標。
14
实验设计一般步骤
• • • • • • • • • 确定目前过程能力 确立试验目标 确立输出特性 确立可控因素和噪声因素 确立个因素水平数和水平值 选择实验表 验证测量系统 实验资源准备 进行实验
• • • •
测量实验单元 分析数据表示主要影响因素 确认最佳因素水平组合 优化组合因素和水平值的重 复实验验证 • 标准化作业并进行应有控制 • 重新评估过程能力嫩里
• 信號要因：和特性值有一已知之函數關係，此要因只存
在於多重目標特性中，藉由改變此一要因達成不同目的特性 的需求。如前例中的三原色的添加量即為信號要因。
DOE 8
水準LEVEL 和 水準值
• 水準乃是該要因在能夠被設定之可能範圍內，取得數個不同之設定 值，此時稱該要因具有數個水準。而該設定值稱水準值。 • 常用之水準為 – 2水準：一般用於非連續之要因。 – 3水準：一般用於連續之要因。 • 例如：塗佈時Temp為控制要因(令為Ａ)，其可能之加工範圍為 280~330時，常將其取成3水準，其代號及水準值分別如下Ａ1＝280， Ａ2＝300，Ａ3＝330 • 注意：當Ａ為連續性要因，其個水準之間隔要大於6倍標準差
4因素以内
5因素以上
7因素以上 3因素以上
1.优化 5因素以上 2.存在噪声因素变化的场合,寻找输出变异最 小时的因素水平 1.优化产品制造过程函数 2.使输出对噪声因素敏感性最小, 对输入因 素敏感性最大
DOE
6.田口动态可 靠设计
7因素以上
26
因子实验
DOE
27
全因子实验
DOE
28
全因子实验
DOE
23
极差分析
• 反映各因素对 指标的贡献度 • R = K1 - K2
DOE
24
实验类别和用途概述
• 研究目标 • 因素和水平数 • 试验次数(成本)