DOE试验设计的概念及在六西格玛改进阶段的主要工作
六西格玛重视的高级试验设计和DOE培训—稳健参数设计
六西格玛重视的高级试验设计和DOE培训—稳健参数设计说起试验设计，很多人就会想起完全析因设计、部分析因设计、响应面设计等传统方法，可是随着工艺要求的提高、客户需求多样性的增强、成本压力的不断增大，根据这些方法得到的优化方案往往在实际工作中实现不了预取的效果。
这也是为什么很多开展六西格玛管理的企业在从传统的六西格玛改进DMAIC向六西格玛设计DFSS的进化过程中，越来越重视一种高级试验设计——稳健参数设计的原因。
稳健参数设计(robust parameter design)(也称健壮设计、鲁棒设计，简称参数设计)是工程实际问题中很有价值的统计方法。
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。
过程的输入变量(因子)有两类:可控因子(control factor)和噪声因子(noisefactor)。
可控因子是指其值一旦选定就保持不变的变量，它包括产品或生产过程设计中的设计参数。
而噪声因子是在正常条件下难以控制的变量。
在作参数设计时，就是把可控因子的设置当作研究的主要对象，与此同时让噪声因子按照设定的系统改变的方法来表示正常条件下的变化，最终按照我们预定的望大、望小或望目的目标选出最佳设置。
从方法角度而言，可以使用乘积表(cross array)(即内外表)法和单一表(single array)(两类因子排在同一张表内)法两种方法。
从建模策略而言，可以使用相应的位置及散度建模和响应建模两种建模策略。
日本田口玄一博士(Genichi Taguchi)在参数设计方法方面贡献非常突出，他在设计中引入信噪比的概念，并以此作为评价参数组合优劣的一种测度，这是很有价值的，甚至很多文献和软件都把稳健参数设计方法称为田口设计(Taguchi design)。
响应变量都只是单个变量。
在所研究的系统中，这个响应变量有特定的最佳值(望大、望小或望目)，而且这个最佳值是不变的，这类响应被称为简单响应(simple response)，这类系统被称为简单响应系统(simple response system)。
如何识别六西格玛设计咨询(DFSS)中改进阶段的主要工作
六西格玛设计咨询（DFSS）中如何识别改进阶段的主要工作六西格玛设计就是按照合理的流程、运用科学的方法准确理解和把握顾客需求，对新产品/新流程进行健壮设计、使产品/流程在低成本下实现六西格玛质量水平。
同时使产品/流程本身具有抵抗各种干扰的能力，即使使用环境恶劣或操作者瞎折腾，产品仍能满足顾客的需求。
六西格玛设计就是帮助你实现在提高产品质量和可靠性的同时降低成本和缩短研制周期的有效方法，具有很高的实用价值。
DFSS(Design For Six Sigma)系统方法的核心是，在产品的早期开发阶段应用完善的统计工具，从而以大量数据证明预测设计的可实现性和优越性。
在产品的早期开发阶段就预测产品或服务在客户处的绩效表现是实现更高客户满意度、更高利润和更大市场占有率的关键。
DFSS通过基于项目的确认（Identify）-设计（Design）-优化（Optimize）-验证（Validate）四个阶段来实施。
通过六西格玛设计的产品/流程的质量水平甚至可达到七西格玛水平。
六西格玛设计是6Sigma管理的最高境界。
低成本（Cost down）、高可靠性（High reliability）、零缺陷（Zero defect），是当今高级六西格玛管理的发展方向。
21世纪是6Sigma设计的世纪。
六西格玛设计中识别改进阶段的主要工作内容：1、调查顾客需求。
顾客需求分析是六西格玛设计中识别(I)改进阶段的主要工作。
顾客需求分析是质量功能展开的关键环节，必须给予充分的重视。
2、顾客需求的整理。
建立质量屋时，采用亲和图法等进行顾客需求的整理，提取前两级或前三级顾客需求即可。
质量屋中顾客需求和工程措施的项数都不宜过多，否则影响工作效率。
必要时，可增加质量屋的层次或划分为几个并列的质量屋加以展开；或删除一些影响轻微的顾客需求和工程措施；或将它们作一定的归并，以减小质量屋的规模。
按量化评估准则，结合顾客调查(含顾客抱怨调查)的结果，量化给出各项顾客需求的重要度。
六西格玛绿带教程(试验设计)
常用的正交表有பைடு நூலகம்大类
(1)一类正交表的行数 ，列数 ，水平数 一类正交表的行数n，列数p，水平数q 一类正交表的行数 n=qk, k=2,3,4,…, p=(n-1)/(q-1) )， )， )， )等 如：L4(23)，L8(27)，L16(215)，L32(231)等 这类正交表可以考察因子间交互作用 (2)另一类正交表的行数，列数，水平数之 另一类正交表的行数， 另一类正交表的行数 列数， 间不满足上述的两个关系 如： L12(211)， L18(37)，L36(313)等 ， ， 等
正交表 正交表是进行正交设计的工具。 正交表是进行正交设计的工具。 它的一般代号是Ln(qp)，称为 水平正交表 它的一般代号是 ，称为q水平正交表
表 4.1 试验号 1 2 3 4 5 6 7 8 9
L9(34) 列号 1 1 1 1 2 2 2 3 3 3
2 1 2 3 1 2 3 1 2 3
将全部试验分成三个组， 将全部试验分成三个组，那么这这三组数 据间的差异就反映了因子A的三个水平的 据间的差异就反映了因子 的三个水平的 差异，为此计算各组数据的和与平均： 差异，为此计算各组数据的和与平均： T1=y1+y2+y3=160+215+180=555, T1=T1/3=185 T2=y4+y5+y6=168+236+190=594, T2 =T2/3=198 T3=y7+y8+y9=157+205+140=502, T3=T3/3=167.3
正交试验设计 （DOE） ）
在改进阶段判断哪些自变量对指标y确实有影响， 在改进阶段判断哪些自变量对指标 确实有影响， 确实有影响 若有影响的话，它们取什么值可以使指标 达到要求。 取什么值可以使指标y达到要求 若有影响的话，它们取什么值可以使指标 达到要求。 对这一问题可以用试验设计的方法来解决。 对这一问题可以用试验设计的方法来解决。 试验设计的方法有许多，譬如： 试验设计的方法有许多，譬如： 正交试验设计 它用方差分析方法来分析试验结果 回归设计（也称响应曲面方法） 回归设计（也称响应曲面方法） 它用回归分析方法来分析试验结果 混料设计、均匀设计、 混料设计、均匀设计、平衡不完全区组设计等
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的基本概念与一般步骤
DOE的基本概念与⼀般步骤⼀、DOE系统及基本术语所谓DOE,就是⼀种精⼼设计好的试验，通过试验结果找出影响关键输出结果的主要因⼦，然后通过对这些因⼦的控制来获取想要的输出结果。
⼀般DOE都是基于如图 1 所⽰的⼀个系统，这个系统包括以下⼏个基本要素：1、响应(Response)系统可测量的输出结果，通常为优化⽬标。
定性或定量，但通常为量化指标。
根据实际系统的不同，可有⼀个或多个响应。
2、输⼊(Input)系统的⾃变量，其变化通过系统的传递影响输出结果即系统响应。
输⼊有可控和不可控之分，根据特性的不同⼜分为如下⼏种，控制因⼦，信号因⼦及噪⾳因⼦。
3、控制因⼦(Control Factor)系统输⼊的⼀种，可控，设计师根据需要选择合适的参数，是系统优化的输⼊参数。
4、信号因⼦(Signal Factor)属于控制因⼦的⼀种特殊情况，⼀般只影响响应的均值⼤⼩⽽不影响其波动，设计师通过调整信号因⼦，可以达到需要的优化均值。
5、噪⾳因⼦(Noise Factor)系统输⼊的⼀种，不可控。
通常有三个来源：外部因素、内部因素和系统⽼化。
后⾯将结合具体案例详细介绍各种来源的不同。
⼆、DOE的⼀般步骤如图2所⽰，D0E⼀般包括五个步骤，每个步骤的主要⽬的和任务为：1、计划阶段主要是要明确：系统或产品服务的对象是谁？系统或产品使⽤或运⾏的环境如何？系统或产品的主要功能是什么？试验的⽬标是什么？系统优化的响应是哪些？系统输⼊中哪些因⼦可以变化？选择的每个因⼦各有多少层级？是否测量因⼦间的交互作⽤？整个试验的周期及预算如何？2、选择试验形式主要是确定：控制因⼦的个数；每个因⼦的层级；因⼦间的交互作⽤；使⽤软件选择试验形式；试验顺序标准或随机。
3、试验阶段主要任务：⽣成书⾯的测试计划；与所有参与测试的⼈员沟通；亲⾃到场参与试验，⾄少最初的⼏次；试验数据正确地输⼊电脑；标记不合理的数据。
4、分析阶段主要任务：找出主要影响R。
六西格玛培训之实验设计(DOE)使用的基本步骤
六西格玛培训之实验设计（DOE）使用的基本步骤一、实验设计的使用实验设计(design of experiments, DOE)用于检验和优化过程、产品、服务或解决方案的绩效。
它主要用来帮助了解不同条件下产品或过程的行为。
DOE最独特之处就在于它能够使你通过实验来计划和控制变量，与按照“经验观察”方式仅仅收集和观察现实世界中的事物是截然不同的。
在六西格玛组织中，DOE有着非常广泛的应用，天行健管理公司分析了它能帮助企业解决以下问题:①评估顾客声音系统，在不烦扰顾客的情况下寻找产生有效反馈的最佳方法组合；②评估诸因素以将引起某一问题或缺陷的“重要”根本原因分离出来；③试行或检验可能的解决方案组合，以寻求最佳改进策略；④评价产品或服务的设计以确认潜在的问题并从开始就减少存在的缺陷。
尽管DOE用于事物要比用于人更容易，但在服务环境下进行实验设计仍是可能的。
可是，这些实验设计趋向是“现实世界”的试验，在这些试验中，变量在实际过程中加以控制，然后将其结果进行比较。
二、实验设计的基本步骤1、确认要评价的因素你希望从实验中了解些什么?对过程或产品的可能影响是什么?在选择因素时要切记:试验更多因素不仅会带来获取额外数据的利益，也会增加成本和复杂性，对二者进行权衡很重要。
2、界定检验因素的“水平”对速度、时间和重量等诸如此类的变量因素，试验水平的数量可以无限多。
因此，你不仅要选择所要采用的数值，而且还要确定希望试验多少不同的水平。
在离散型数据情况下，试验水平可能是两选一的。
3、建立一个实验组合排列在实验设计中，通常希望避免采用每一变量都单独试验的“每次一个因素”(one-factor-at-a-time, OFAT)的办法。
通常是试验一系列因素水平组合以得到对所有因素都具代表性的数据。
这些可能的组合或排列可以由统计软件工具产生或查表得到，借助它们可以帮你避免对每一可能的组合都进行试验。
4、在规定的条件下进行实验关键是要避免其他一些未被检验的因素影响结果。
六西格玛之改善DOE计划阶段
六西格玛之改善DOE计划阶段介绍在六西格玛改善方法中，DOE（Design of Experiments）是一种重要的工具。
DOE能够帮助企业系统地设计和分析试验，以找出影响目标变量的因素，并优化这些影响因素的设置。
本文将介绍六西格玛中DOE计划阶段的基本概念和步骤。
DOED计划阶段的目标DOE计划阶段的主要目标是设计并选择适当的试验方案，以确定哪些因素对目标变量有影响，并确定这些因素的最佳设置。
在这个阶段，需要明确以下几个方面的内容：1.定义目标变量：确定需要优化的指标或目标变量，通常是企业的关键性能指标。
2.确定影响因素：识别和列举可能会影响目标变量的因素，并对这些因素进行分类。
3.设计试验方案：使用适当的设计方法，确定需要进行的试验的数量、顺序和参数设定。
4.收集数据：在试验中收集相关数据，记录每个试验点的因素设置和对应的目标变量的结果。
5.分析数据：使用统计方法和分析工具对试验数据进行分析，以确定各个因素对目标变量的影响大小。
DOED计划阶段的步骤下面将详细介绍DOE计划阶段的每个步骤：1. 定义目标变量在DOE计划阶段的开始，首先需要明确需要优化的目标变量。
这个目标变量通常是企业的关键绩效指标，如生产效率、产品质量或客户满意度等。
这个目标变量应该能够直接反映企业的问题或挑战，以及需要优化的方向。
2. 确定影响因素在明确了目标变量后，需要识别和列举可能会影响目标变量的因素。
这些因素可以分为两类：•可控因素：可以通过调整和优化来影响目标变量的因素。
例如，生产温度、原料配比等。
•不可控因素：无法直接控制或调整的因素，但可能会对目标变量产生影响。
例如，环境温度、原材料质量等。
对于每个因素，还应该确定其变化范围和可调节程度，以便在试验中进行调整和测试。
3. 设计试验方案在确定了影响因素后，需要设计试验方案来确定各个因素的最佳设置。
试验方案应该满足下面几个原则：•考虑交互作用：在试验设计中，需要考虑不同因素之间的交互作用，以避免忽略可能存在的相互影响。
六西格玛doe实验设计培训
部分因子实验 在23全因子实验法的基本设计上追加2个因子. 因子数 : 5 实验数= 8次 D=AB E=AC 即ABD=1 ACE=1 BDCE=1 , BD=CE
-1，1
1，1
-1，1
时 间 1，1
-1，-1
1，1
湿度 温度
实验次数= 23 +3 2为水准数，3为因子数，3为中心点数量
追定
为了改善的大概 方向
(线形效果)
主效果和局部 交互作用
所有的主效果 和交互作用 可估计弯曲
输出变量的预测
模型 (曲率效果)
因全阶乘因子实验，实验次数过多，实验较复杂
通常使用2k 两水平全因子实验法（增加中心点后近似可代替3水平因子实验），实验次数大幅减少
2因子实验
未编码
温度
200 300 250 250 200 250 300
中心点 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
部分因子实验例题 2. Minitab路径： 统计-DOE-因子-分析因子设计 选择输出变量数据列，图形选项勾选正态和4合1图
从两个图中可以看出，显著因子为B D BD E DE五个 （Catalyst Temp Conc三个因子及Catalyst*Temp Conc*Temp两个交互项）
部分因子间关系
所有 因子之间的关系
X与Y的二次关系 X的最优点
分析
改善的粗略方向 (线形效果)
最重要的因素
主效果和局部 交互作用
5.2 六西格玛之改善 DOE计划
DOE Planning -12-
实验计划 关联术语
一个工程师想检验温度和压力对一个化学收益的影响 RUN 1 2 3 4 5 6 7 8 温度 100 100 200 200 100 100 200 200 压力 1 3 1 3 1 3 1 3
DOE Planning -13-
因子
水平 处理组合 反复
推进顺序
控制因子 INPUT (Operating Parameter) 实施实验计划 •控制因子 控制因子 •对策因子 对策因子 •专家 专家 •Team员 员 最佳 条件 最佳对 策方案 结果分析 实验及产出效果 对策因子 (Critical element) 评价对策方案 •最佳条件 最佳条件 •最佳对策方案 最佳对策方案 OUTPUT
DOE Planning -18-
实验计划 实验的类型 反复实验法（ 单因子法（
Trial and Error ）
One-Factor-atOne-Factor-at-a-Time ） (OFAT) Fractional Factorials ）
部分阶乘法（ 全阶乘法（
Full Factorials ） Response Surface Methods ）
− − − − − − −
改用汽油的品牌 改变辛烷值 慢点开 调整发动机 清洗并打蜡 购买新轮胎 改变轮胎冲气压
如果某一个或几个起作用将如何认识？ 如果某一个或几个不起作用有将如何处理？
DOE Planning -20-
实验计划 单因子法(OFAT 对所有相关因子进行有次序的关联实验, 单因子法(OFAT)—对所有相关因子进行有次序的关联实验,在前一个
DOE Planning -9-
实验计划 DOE的用途 DOE的用途
6σ内训系列-DOE简介
比较 高 中 中 低
稳健设计 中 低 高 低/高
F 1 2 2 1 1 2 2 1 G 1 2 2 1 2 1 1 2
2
7
2 x2 x2 x2 x2 x2 x2 128次
Taguchi Orthogonal Array Design
A B C D E 1 1 1 1 2 2 2 2 1 1 2 2 1 1 2 2 1 1 2 2 2 2 1 1 1 2 1 2 1 2 1 2 1 2 1 2 2 1 2 1
Y
X
X
X
没有交互作用 (平行的状态)
有一点交互作用
有很大的交互作用
品质 ·创新 ·专注 ·双赢
DOE方案选择
试验设计方案（类别）选择流程
确定试验目标 Y 需要进行试验吗？ 开始
N 选定自变量 （因素）
结束
因素数大于7吗？
N
试验精度 要求高吗？
N
Y 进行因子DOE 全因子/分部因子
进行筛选DOE
正交代码
主效应 交互作用
品质 ·创新 ·专注 ·双赢
DOE的基本概念
随机化－Randomization
随机化是在试验研究中重新分配试验材料和安排试验顺序的一种试验设计技巧。
随机化的目的是消除和减
随机化的结果是保证某一 次试验既不受前面的试验 的影响，也不影响后面的 试验，或者说试验是独立 的。 随机化不能减少试验误差 即噪音，但可以减小不可 控因子引起的影响
3.每次的试验成本
品质 ·创新 ·专注 ·双赢
DOE的类型的选择
据不同的因素类，我们可以按以下分类：
试验类型 目标 1.寻找最有利于输出的因素水平 2.建立可评估所有交互影响的数学模型 1.寻找最有利于输出的因素水平 2.建立可评估部分交互影响的数学模型 从大量因素中发现少数关键因素（不评估因素的交互作用） 1.优化 2.建立非线性影响存大时的数学模型 1.优化 典型可控因素 数 4因素以内
六西格玛管理之试验设计(DOE)的基本步骤
六西格玛管理之试验设计（DOE）的基本步骤六西格玛管理的企业在从传统的六西格玛改进DMAIC向六西格玛设计DFSS的进化过程中，越来越重视试验设计。
六西格玛试验设计认为试验的计划与实施应该包含计划、实施及分析三阶段。
一、计划阶段1、阐述目标所有团队成员都要投入讨论，明确目标及要求。
究竟是为了筛选因子还是为了找寻关系式?最终要达到什么要求?2、选择响应变量在一个试验中若有多种响应，则要选择起关键作用的。
能用连续型指标做度量的响应变量远比只有二元响应(成、败)的响应变量好得多。
3、选择因子及水平用流程图及因果图或鱼骨图先列出所有可能对响应变量有影响的因子清单，然后根据数据和各方面的知识进行细致分析作初步筛选。
不能确定该删除者就应该保留。
对于水平的选择也要仔细处理，一般来说，各水平的设置应足够分散，这样效应才能检测出来，但也不要太分散以至将各种其他的物理机械因素都包括进来，这会使统计建模和预测变得困难。
4、选择试验计划根据试验目的，选择正确的试验类型，确定区组状况、试验次数，并按随机化原则安排好试验顺序及试验单元的分配，排好计划矩阵(planning ma-trix)。
二、实施阶段严格按计划矩阵的安排进行试验，除了记录响应变量的数据外，还要详细记录试验过程的所有状况，包括环境(气温、室温、湿度、电压等)、材料、操作员等。
试验中的任何非正常数据也应子以记录，以便后来分析使用。
三、分析阶段对数据的分析方法应与所应用的设计类型相适应。
分析中应包括拟合选定模型、残差诊断、评估模型的适用性并设法改进模型等。
当模型最终选定后，要对此模型所给出的结果作必要的分析、解释及推断，从而提出重要因子的最佳设置及响应变量的预测。
当认定结果已经基本达到目标后，给出验证试验(confirmation run)的预测值，并做验证试验以验证最佳设置是否真的有效。
文章来源：/liuxigemasheji/404.html。
六西格玛管理-I改善阶段
试验设计步骤
I、 陈述问题 II、 设立目标 III、确定输出变量 IV、识别输入因子（可控因子/噪声因子） V、 选定每个因子的水平
试验设计步骤
VI、选择实验设计类型 VII、计划并为实施实验做准备. VIII、实施实验并记录数据. IX 、分析数据并得出结论. X、必要时进行确认实验.
三、试验设计基本类型
改进步骤： 产生解决方案 评价改进方案 完成改进方案的风险评估 改进方案有效性验证
产生解决方案
基础 专业知识 流程的认知和经验
工具 DOE SSD(简化设计原则)流程步骤简化、合并流
程、标准化流程、减少流程浪费。
评价ห้องสมุดไป่ตู้案
内容：可行性、成本投入、周期
手段：因果矩阵、接受程度（研讨会，问卷 调查）
基本术语
Treatment 处理 按照设定因子水平的组合,我们就能进行一次试验,可以 获得一次响应变量的观测值,也可以称为一次“试 验”(trial, experimental run),也称为“一次运 行”(run).
举例： 处理1：时间＝2小时， 温度＝175º c 处理1：时间＝3小时， 温度＝225º c
调优运算
调优运算： 是以当前生产条件为中心，在周围很近的范围内选
定并安排一批试验，对这些试验结果进行分析。 结论： ✓对生产条件微调使生产有改进； ✓在一定精度范围内目前生产条件已经达到最优，不必 再进行改进生产的尝试。
回顾
结束语
谢谢观看/欢迎下载
BY FAITH I MEAN A VISION OF GOOD ONE CHERISHES AND THE ENTHUSIASM THAT PUSHES ONE TO SEEK ITS FULFILLMENT REGARDLESS OF OBSTACLES. BY FAITH I BY FAITH
DOE试验简介
业现状，数据地科学分析，及对改进企业的运营过程 的渴望。 C：6 Sigma的质量目标小于3.4DPMO，99.99966% 合格---每百万机会中只有3.4个缺陷
2、6 Sigma经历的四个里程碑
一：前期
1、成立小组:张三、李四、王五、赵六
附会议纪要).
2：分析（鱼骨图分析）
小组人员：张三、李四、王五、赵六。
工序：油压。
时间：2005、9、19。
制作：张三。
3：总时间”，“油压机台压力”设置偏 高。分析小组决定进行DOE试验确 定最佳的机台参数。
响应表面法）。
1、优化； 2、在存在噪声因素变化的场合发现输出最小
变异时对应的因素水平。
1、优化； 2、优化产品或制造过程的函数； 3、使输出对噪声因素敏感性最小，对输入因
素敏感性最大。
7个因素以上 3个因素以上 5个因素以上 7个因素以上
三）试验方案（类别）的选择流程：如下图：
确定试验目标 Y 需要进行试验吗?
1、进行过程变量研究； 2、变量的优化设置； 3、建立可靠的公差； 4、发现低成本的解决方案；
5、减少过程变化； 6、将过程均值逼近目标值； 7、缩短制造周期； 8、消除缺陷； 9、提升产品可靠性； 四）在过程改善时，试验设计可用来： 1、解决问题； 2、研究过程变量间的相互关系；
3、进行过程能力研究；
一）进行试验：
1、试验目标：是确定不同生产条件对产 品尺寸的影响及确定最佳条件组合;、
2、测量指标：油压产品的尺寸； 3、影响因素X`S：本试验已确定是考察 不同生产条件(硫化时间,机台压力)对测量 指标的影响，即影响因素为2个:硫化时间, 机台压力； 4、确定可能影响到输出指标的噪声因素； 5、列出DOE试验计划表：
六西格玛DOE试验设计概述及思路解读
六西格玛DOE试验设计概述及思路一、六西格玛试验设计概述在六西格玛改进阶段经常采用正交试验设计(正交DOE方法合理经济地寻求设计优化方案,以确定显著影响产品性能的关键设计参数,在过程开发方面可以实现提高产量,减少波动,缩短开发时间以及降低总成本。
一家专门作西装裤的服装公司,想要比较四种不同布料:麻纱、棉质、丝质和毛料做出来的西装裤,哪一种布料的西装裤最耐穿?于是,每种布料做10条西装裤,提供给40位志愿试穿的人各穿6个月,试穿期间每周4天,然后再拿回来比较裤子破损的情形。
但这里有一个问题是,即使同一种布料作的裤子,给不同人试穿,其破损的程度都不尽相同,何况不同种布料作的呢?换句话说,我们如何分辨哪些破损是由于人为的因素?哪些是因为布料本身的耐磨?还是一些其他因素的影响?这类比较试验在日常生活中到处可见,如几种不同的感冒药,哪个疗效最佳?几种不同的教学方式,哪种教学效果最好?通常每作完一次试验,都会有一些数据,这些数据经过分析后会得到一些结论,如在六西格玛管理中,通过界定、测量和分析阶段我们已经收集了一定量的数据,并对这些数据作了一定的考察,发现了一些对响应变量(指标有重要影响的少量因子。
那么这些结论究竟有多少可信度?我们是否可以放心的引用它?这类试验,若事前没有经过周详的考虑与设计,即使作完试验,所得的结果可能与事实有极大的偏差。
分析试验设计的目的需要包含下列几点:①确定潜在的少数变量x是否对响应变量y有影响;②确定这些有影响的变量x值在什么范围内使响应变量y几乎围绕目标值波动;③确定x的值以改变响应变量分布的均值,并减少其波动;④确定具有影响的x值使其不可控变量的影响最小,即使响应变量对外部环境的变化是稳健的。
试验设计的方法于20年代由英国学者R. A. Fisher所创,他开发出并首次应用方差分析的方法作为试验设计中主要的统计分析工具,其整个过程可以用一张方差分析表表示。
试验设计的方法有很多,常用的正交试验设计,数据分析的方法用方差分析法。
DOE
（DOE)优化工艺参数的方法使大家掌握理解实验设计（DOE）是一种战略和应用性的方法学，这种方法有利于改进过程能力和产品质量，减少可变性，通过实验研究影响因素，改进一个和多个过程特性指标来减少过程时间和全面降低成本。
DOE知识介绍一、什么是DOE：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，得理想的试验结果以及得出科学的结论。
二、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。
三、DOE实验的基本策略：策略一：筛选主要因子（X型问题化成A型问题）实验成功的标志：在ANOVA分析中出现了1~4个显着因子；这些显着因子的累积贡献率在70%以上。
策略二：找出最佳之生产条件（A型问题化成T型问题）实验成功的标志：在第二阶段的实验中主要的误差都是随机因素造成的。
因为各因子皆不显着，因此，每一因子之各项水准均可使用,在此情况下岂不是达到了成本低廉且又容易控制之目的。
策略三：证实最佳生产条件有再现性。
其实，DOE对中国人来说，也不是一个完全崭新的内容。
早在新中国成立初期，华罗庚教授就在我国农业、工业领域大力倡导与普及DOE，只是当时他运用的是另一个名词--优选法。
七十年代末，方开泰教授和王元院士又提出了著名的"均匀设计"法，这一方法在我国航空航天事业中的导弹设计中取得了巨大成效。
- 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)。
DOE试验设计的概念及在六西格玛改进阶段的主要工作
一、什么是试验设计DOE
试验设计（Design Of Experiment，DOE），也称为实验设计，是以概率论和数理统计为理论基础，以最有效的方式安排试验以获得含有最大信息量的数据并据此进行分析的一项技术。
DOE自20世纪20年代问世至今，其发展大致经历了三个阶段：即早期的单因素和多因素方差分析，传统的正交试验法和近代的调优设计法；从20世纪30年代费希尔在农业生产中使用试验设计方法以来，试验设计方法已经得到了广泛的发展，统计学家们发现了很多非常有效的试验设计技术；20世纪60年代，日本统计学家田口玄一将试验设计中应用最广的正交设计表格化，深入浅出，为试验设计的更广泛使用做出了众所周知的贡献。
二、应用目的
六西格玛项目团队在改进阶段的主要工作是：在识别出过程输出Y的关键影响因素X后，针对这些关键X制定出有效的改进方案。
DOE则是帮助团队产生最佳解决方案的有效工具。
许多项目在形成方案时面临的一个重要问题是：哪些影响因素X显著地影响者过程输出Y，怎样去改变这些X或者这些X取什么值时将会使Y达到最佳值。
而DOE 可以帮助团队更好地回答这些问题。
按照DOE的设计，有计划地安排试验并获取数据，之后通过详尽的数据分析，获得所需的信息，从而获得最佳的改进方案。
如前所述，DOE所要达到的目的是分析出“哪些X显著地影响着Y，这些X取什么值时将会使Y达到最佳值”。
在分析阶段，也使用了达到类似目的的统计方法，那么DOE与这些方法间有什么区别呢？需要说明的是，在A阶段，分析主要依赖
于未改变当前过程条件下所获得的数据，特别是历史数据。
因此，可以视分析阶段为一种“波动”的收集数据和分析的过程。
而充分地调查过程的现状，可以给我们提供过程影响因素的大量信息，团队不应该放弃这些数据的运用。
而在改进阶段，可能要考虑全新的方案，可以考虑打破目前过程条件的限制，尝试关键x的新取值，因而有可能使Y获得更佳值。
因此，改进阶段是突破原有的尝试新的“主动”收集数据和分析的过程。
所以，改进阶段是一个创新的过程。
DOE正是帮助团队更有效地实现过程创新获得最佳改进方案的工具。