DOE简介
合集下载
DOE
DOE
试5 用处
目录
02 步骤 04 相关概念 06 作用
DOE（DESIGN OF EXPERIMENT试验设计）在质量控制的整个过程中扮演了非常重要的角色，它是我们产品质 量提高，工艺流程改善的重要保证。
释义
实验设计已广泛运用了从航天业到一般生产制造业的产品质量改善、工艺流程优化甚至已运用到医学界。通 过对产品质量，工艺参数的量化分析，寻找关键因素，控制与其相关的因素。根据实际需求，判别与选择不同的 实验设计种类，设计你的实验步骤，发现如何控制各种影响因素，以最少的投入，换取最大的收益，从而使产品 质量得以提升，工艺流程最优化。
作用
⒈提高产量； ⒉减少质量的波动，提高产品质量水准； ⒊大大缩短新产品试验周期； ⒋降低成本； ⒌试验设计延长产品寿命。
感谢观看
相关概念
一、DOE简介 1、DOE的定义 2、DOE的历史与发展 3、DOE的用途 4、DOE的成功运用案例 二、DOE类型 1、全因子DOE 2、分部DOE 3、筛选DOE 4、中心复合DOE 5、Box-Behnken DOE
用处
·科学合理地安排实验，从而减少实验次数、缩短实验周期，提高了经济效益。 ·从众多的影响因素中找出影响输出的主要因素。 ·分析影响因素之间交互作用影响的大小。 ·分析实验误差的影响大小，提高实验精度。 ·找出较优的参数组合，并通过对实验结果的分析、比较，找出达到最优化方案进一步实验的方向。
步骤
⑴筛选主要显著的因子 ⑵找出最佳之生产条件组合 ⑶证明最佳生产条件组合有再现性 如何判断第一阶段实验成功 ⑴在方差分析(ANOVA)中出现了1~4个显著因子 ⑵这些显著因子的累积贡献率在75%以上 如何判断第二阶段实验成功 在方差分析(ANOVA)中没有出现显著因子
试5 用处
目录
02 步骤 04 相关概念 06 作用
DOE（DESIGN OF EXPERIMENT试验设计）在质量控制的整个过程中扮演了非常重要的角色，它是我们产品质 量提高，工艺流程改善的重要保证。
释义
实验设计已广泛运用了从航天业到一般生产制造业的产品质量改善、工艺流程优化甚至已运用到医学界。通 过对产品质量，工艺参数的量化分析，寻找关键因素，控制与其相关的因素。根据实际需求，判别与选择不同的 实验设计种类，设计你的实验步骤，发现如何控制各种影响因素，以最少的投入，换取最大的收益，从而使产品 质量得以提升，工艺流程最优化。
作用
⒈提高产量； ⒉减少质量的波动，提高产品质量水准； ⒊大大缩短新产品试验周期； ⒋降低成本； ⒌试验设计延长产品寿命。
感谢观看
相关概念
一、DOE简介 1、DOE的定义 2、DOE的历史与发展 3、DOE的用途 4、DOE的成功运用案例 二、DOE类型 1、全因子DOE 2、分部DOE 3、筛选DOE 4、中心复合DOE 5、Box-Behnken DOE
用处
·科学合理地安排实验，从而减少实验次数、缩短实验周期，提高了经济效益。 ·从众多的影响因素中找出影响输出的主要因素。 ·分析影响因素之间交互作用影响的大小。 ·分析实验误差的影响大小，提高实验精度。 ·找出较优的参数组合，并通过对实验结果的分析、比较，找出达到最优化方案进一步实验的方向。
步骤
⑴筛选主要显著的因子 ⑵找出最佳之生产条件组合 ⑶证明最佳生产条件组合有再现性 如何判断第一阶段实验成功 ⑴在方差分析(ANOVA)中出现了1~4个显著因子 ⑵这些显著因子的累积贡献率在75%以上 如何判断第二阶段实验成功 在方差分析(ANOVA)中没有出现显著因子
DOE简介(经典方法)
找出定义流程的公式 (y=f(x)) 以优化流程
Pg 6
试验设计中的基本术语
因子 (可控因子,非可控因子) X 水平: 为了研究因子对响应的影响,需要用到因子的两个或更多的不同 的取值,这些取值称为因子的水平(level)或设置(Setting). 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). 试验单元(experiment unit):对象,材料或制品等载体,处理(试验)应用其 上的最小单位 试验环境:以已知或未知的方式影响试验结果的周围环境 模型:可控因子(X1,X2,…Xn), 响应变量(Y) , f 某个确定的函数关系 Y= f ( X1, X2, X3,….. Xk) + Error (误差) 主效应: 某因子处于不同水平时响应变量的差异 交互效应: 如果因子A的效应依赖于因子B所处的水平时,我们称A与B 之间有交互作用. OFAT法（One-Factor-At-a-Time)：在各因子的变化范围每次改变一 个因子的水平以选定各因子的最佳水平。
Ping Top Flite 87 Peerless 84
球
Titleist
86
82
计算主效果
主效果 – 因变量由于改变因子的水平所引起的平均变化.
主效果球 因变量 Titleist 因变量 TopFlite 86 82 87 84 1.5 2 2
主效果球杆 因变量 Peerless 因变量 Ping 84 82 87 86 3.5 2 2
DOE简介
55000000
与与拟拟合合值值
随机
99550000
1100000000 1100550000 拟拟合合值值
与与顺顺序序
1111000000 1111550000
随机
1155
22550000
残残差差
1100
00
55
--22550000
00 --44000000
--22000000
00 残残差差
22000000
步骤一：
现在是20000ppm
步骤二：
在现有可控基础上做到最好，期望降到5000ppm
步骤三：
确定y为：截止阀焊接泄漏不良率
步骤四、五：
X1=焊接时间：5秒，10秒 X2=焊料厂家：A，B X3=焊接温度：1000度，1500度 X4=焊工水平：A，B X5=冷却方式：A，B 焊接设备为不可控因素，按A,B两台设备进行区组区分 担心有曲率，要设中心点（3个以上） 由于试验资源限制，不做重复和复制
10 1500 5 a b a
11 1000 8 a b a
12 1500 8 a b a
13 1000 5 b b a
14 1500 5 b b a
15 1000 8 b b a
16 1500 8 b b a
焊焊冷
标
工料却
准
时水厂方
序 温度 间 平 家 式
17 1000 5 a a b
18 1500 5 a a b
BE AB BD BCD AE BC
B ABE ADE CDE
E AD ABC CE AC ACDE
A BCDE
D
0.0
标准化效应的 Pareto 图
与与拟拟合合值值
随机
99550000
1100000000 1100550000 拟拟合合值值
与与顺顺序序
1111000000 1111550000
随机
1155
22550000
残残差差
1100
00
55
--22550000
00 --44000000
--22000000
00 残残差差
22000000
步骤一：
现在是20000ppm
步骤二：
在现有可控基础上做到最好，期望降到5000ppm
步骤三：
确定y为：截止阀焊接泄漏不良率
步骤四、五：
X1=焊接时间：5秒，10秒 X2=焊料厂家：A，B X3=焊接温度：1000度，1500度 X4=焊工水平：A，B X5=冷却方式：A，B 焊接设备为不可控因素，按A,B两台设备进行区组区分 担心有曲率，要设中心点（3个以上） 由于试验资源限制，不做重复和复制
10 1500 5 a b a
11 1000 8 a b a
12 1500 8 a b a
13 1000 5 b b a
14 1500 5 b b a
15 1000 8 b b a
16 1500 8 b b a
焊焊冷
标
工料却
准
时水厂方
序 温度 间 平 家 式
17 1000 5 a a b
18 1500 5 a a b
BE AB BD BCD AE BC
B ABE ADE CDE
E AD ABC CE AC ACDE
A BCDE
D
0.0
标准化效应的 Pareto 图
DOE简介(经典方法)
主效应: 某因子处于不同水平时响应变量的差异
交互效应: 如果因子A的效应依赖于因子B所处的水平时,我们称A与B 之间有交互作用.
OFAT法（One-Factor-At-a-Time)：在各因子的变化范围每次改变一 个因子的水平以选定各因子的最佳水平。
.
Pg 7
试验设计的基本原则
重复试验(replication) 一个处理施加于多个试验单元。我们一定要进 行不同单元的重复(replicate)，而不能仅进行同单元的重复 (repetition):要重做试验，而不能仅重复观测或重复取样。
即 DOE (Design Of Experiments)
因子试验
各因子一起改变其水平而不是一次一个 试验设计是进行一整套试验且所有试验完成后才进行
分析
Pg 13
因子试验 – 实例
考虑高球例子的两个因子: 啤酒 和 开车
一个因子试验会设置如下:
各因子在另一个因子的各水平 改变其水平
I如加上第三个因子, 球的类型 (Titleist 或 Pinnacle), 设计会变 成:
缺点 如第一次估计错误, 需要更多次试验– 低效率且时间长 如第一次估计可以接受, 试验会停止下来, “最佳”方案可能永远 找不到
Pg 10
OFAT法– 每次一个因子(One-Factor-At-
a-Time)
常用于对所个因子水平的组 合作基线
在各因子的变化范围每 次改变一个因子的水平
噪音输入变量 (离散)
可控输入变量
流程
关键流程 输出指标
噪音输入变量 (连续)
?
Pg 5
试验的目的
确定
那些输入对输出影响最大(确定关键输入变量) 什么样的输入设置能产生理想的输出结果 怎样设置影响最大的输入水平以减少输出变量的变化范围 怎样设置可控输入水平使得不能控制的输入变量对输出的影
交互效应: 如果因子A的效应依赖于因子B所处的水平时,我们称A与B 之间有交互作用.
OFAT法（One-Factor-At-a-Time)：在各因子的变化范围每次改变一 个因子的水平以选定各因子的最佳水平。
.
Pg 7
试验设计的基本原则
重复试验(replication) 一个处理施加于多个试验单元。我们一定要进 行不同单元的重复(replicate)，而不能仅进行同单元的重复 (repetition):要重做试验，而不能仅重复观测或重复取样。
即 DOE (Design Of Experiments)
因子试验
各因子一起改变其水平而不是一次一个 试验设计是进行一整套试验且所有试验完成后才进行
分析
Pg 13
因子试验 – 实例
考虑高球例子的两个因子: 啤酒 和 开车
一个因子试验会设置如下:
各因子在另一个因子的各水平 改变其水平
I如加上第三个因子, 球的类型 (Titleist 或 Pinnacle), 设计会变 成:
缺点 如第一次估计错误, 需要更多次试验– 低效率且时间长 如第一次估计可以接受, 试验会停止下来, “最佳”方案可能永远 找不到
Pg 10
OFAT法– 每次一个因子(One-Factor-At-
a-Time)
常用于对所个因子水平的组 合作基线
在各因子的变化范围每 次改变一个因子的水平
噪音输入变量 (离散)
可控输入变量
流程
关键流程 输出指标
噪音输入变量 (连续)
?
Pg 5
试验的目的
确定
那些输入对输出影响最大(确定关键输入变量) 什么样的输入设置能产生理想的输出结果 怎样设置影响最大的输入水平以减少输出变量的变化范围 怎样设置可控输入水平使得不能控制的输入变量对输出的影
DOE 介绍
TUV莱茵与南德简介第一部分TÜV基本情况TÜV是德语“德国技术监督协会”的简称，德国是联邦制国家，各个州都有自己的技术监督协会。
TÜV在德国是一种特殊的法人机构，在1962年，它成为德国官方授权的政府监督组织，经由政府授权和委托，进行工业设备和技术产品的安全认证及质量保证体系和环保体系的评估审核。
130多年前，也就是1872年，锅炉操作人员在德国的巴登符腾堡州，巴伐利亚州，黑森州和萨克森州等工业心脏地区建立了这一私人行业性协调团体，其商业宗旨为“保护人类，环境和财产，防止技术的消极影响”，在巴伐利亚，这一团体的名字是“巴伐利亚锅炉检测协会”。
这个组织就是德国TÜV集团的前身。
该蒸汽锅炉监督协会成立后不久便受委托进行强制性检测。
随着技术的进步，这个组织的经营范围也在逐渐扩大（比如电力，发动机，防火安全设施，发电厂工程，载人电梯，索道，核电站，环境保护，产品安全，经营管理系统等）。
经营地域逐渐国际化，发展到欧盟，美国和远东。
德国的每个州都有一个TÜV,而他们都是独立营运的，后来发展，合并，现在德国最大的TUV集团有3个。
最大的为TUV SUD-南德意志集团，由南部的四个州合并而成，总部德国慕尼黑，是新兴的电子产业，全球超过10000多人,中国北京，上海，广州深圳有分公司，天津重庆无锡厦门由办事处等。
中国知名度由于进入晚，低于莱茵公司，欧洲知名度高。
然后是TUV莱茵，是德国三个州合并的，莱茵河畔鲁尔工业区为中心，最先来中国，因此中国知名度高，被误认为TUV就是莱茵，全球不到10000人。
中国分部也较广。
最后是北德，是北方几个省合并而成，中国影响力也在北方地区比较多。
TüV标志是德国TüV专为元器件产品定制的一个安全认证标志，在德国和欧洲得到广泛的接受。
同时，企业可以在申请TüV标志时，合并申请CB证书，由此通过转换而取得其他国家的证书。
DOE简介2.0
-1
-1 +1
B=-1
A
无交互作用状态
数 率
+1 -1 -1 交互作用非常大
+1 -1 +1
B=+1 B=-1 A
数 率
+1 -1 -1
+1 -1
B=+ 1
B=-1
+1 有交互作用 A
完全要因实验的例
通过测定和分析阶段，得知影响半导体制造A 工程数率(输出变量)的因子 (输入变量)是温度,浓度及压力。
Step 1
Stat > DOE > Analyze Factorial Design
输入分析的反应变量
Click
Click
Step 2
Graph 选择
Normal & Pareto Plot的选择
Click
画Plot时使用的 留意水准
Click
Analyze Factorial Design 实行结果
主效果(Main Effect)
主效果
意味着根据因子水准变化的反应值平均变化。即， 显示因子对反应值有多大影响。 +1 52 浓度 -1 60 -1 反应温度 72 +1
83
反应温度 浓度
数率 60
-1
+1 -1 +1
-1
-1 +1 +1
72
52 83
浓度的效果 = [ ( 对应+的数合计 ) - ( 对应-的数合计 ) ] / ( +(-) 符号数 )
• 在4-1 阶段的Graph中消除效果小的项，重新实行Analyze
Step 1
Stat > DOE > Analyze Factorial Design
DOE试验简介(共 92张PPT)
二、运用6 Sigma解决问题的方法 5个 步骤DMAIC
1、DEFINE（定义）-识别改进机会 A：界定项目的范围 B：筹集资源，为项目分配时间 2、MEASURE（测量）-量过程的当前状态 A：绘制过程图，特别注意影响质量的关键 过程和不增加价值的时间 B：制定收据收集计划/度量指标 C：收集数据，评估当前状态（例如每百万 中的缺陷）
DOE试验简介
（培训
DOE（design of experiments)
试验设计是对试验方案进行优化设计，
以降低实验误差和生产费用，减少实验工 作量，并对试验结果进行科学分析的一种
科学方法。试验设计方法最早由费雪在农
业试验时提出，20世纪60年代，日本
Co
的质量管理专家田口玄一博士将其用于工 业过程优化，使此方法得以普及和发展。 在20世纪80年代早期兴起的6西格玛管理 系统中，作为DMAIC模式的重要一环， 试验设计成为过程改善不可或缺的利器。
Co
三、试验设计的使用：
一）在进行基础研究时，试验设计可用来： 1、发现变量间的联系； 2、明确技术要点； 二）在进行产品设计时，试验设计可用来： 1、做灵敏度分析； 2、建立可靠性公差； 3、确定部品特性； 4、确定设计布局；
Co
Co 5、使用较低等的材料和部品以降低成本；
6、减少变异； 7、改善新设计产品的性能；
3、衡量6 Sigma的度量指标 A：质量合格率（QUALITY YIELD） B：百万分之一 PPM C：每百万中的缺陷 DPM D：每百万机会中的缺陷 DPMO
4、6 Sigma的团队：绿带（Green
Belts）、黑带（Black Belts） 、大黑 带（Master Black Belts ）、倡导者 （CHAMPIONS）、执行官 （EXECUTIVE LEADER），团体从 小到大各司其职。
DOE(试验设计)简介
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，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]•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]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。
这一点的实际含义是，如果n=1，如果2个处理的y1 = 145，和y2 = 147，这时我们可能不能作出2个处理之间有没有差异的推断，也就是说，观察差147-145=2可能是试验误差的结果。
但如果n合理的大，试验误差足够小，则当我们观察得y1随机化是试验设计使用统计方法的基石。
所谓随机化，是指试验材料的分配和试验的各个试验进行的次序，都是随机地确定的。
DOE基础简介培训
资源
生产过程F(X)
产品(响应变量Y)
不可控制因素U
二、DOE的作用和意义
阶段一:筛选试验
寻找到所有可能影响y的关键x
阶段二:优化试验
确定出关键x最佳取值
利用SPC 控制这些关键的X
二、DOE的作用和意义
DOE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。 DOE的作用： 1、提高产量； 2、减少变异性，与额定值或目标值更为一致； 3、减少开发时间； 4、减少总成本。
叙述 试验 目的
确定 响应 变量
为何进行试验
•确定起显著作用的因子X •确认分析阶段所假想的X •量化因子X对响应Y的影 响 •改进程序的系统方法
研究 影响 因子
定义 X
水平
试验 设计
收集 数据
考虑因素
•试验的分辨率 •样本数、功效和Power •重复和复制 •划分区组 •试验实施的随机性
为何检验多个X
六、低分子量聚丙烯酸的合成5 Nhomakorabea实验设计部分： （1）运用MINITAB软件进行实验部分的设计
六、低分子量聚丙烯酸的合成
（2）设置各项参数
六、低分子量聚丙烯酸的合成
（3）生成正交实验
六、低分子量聚丙烯酸的合成
6、收集实验数据：
六、低分子量聚丙烯酸的合成
7、分析实验结果：
六、低分子量聚丙烯酸的合成
xx22
过程
y2
xx33
y3
u1 u2
三、DOE中的术语
4、水平（Level）： 实验中对可控因子不同的设定值。如温度可以选
用10℃、20℃、30℃。 5、主要影响（Main Effect）： 对单个因子而言，从一个水平到另一个水平的变
DOE(试验设计)培训课件
正交设计
利用正交表安排多因素多水平的 试验，寻找最优组合。
均匀设计
在一定范围内均匀选取试验点， 进行多因素多水平的试验，寻找 最优组合。
03
试验设计的应用
试验设计在产品研发中的应用
80%
确定产品性能指标
通过试验设计，确定产品的性能 指标，确保产品能够满足用户需 求。
100%
优化产品设计
试验设计可以帮助优化产品设计 ，提高产品的性能、可靠性和安 全性。
DOE的重要性
• 试验设计在生产或制造过程中具有非常重要的意义。通过试验设计，可以有效地确定影响产品或过程的关键因素，提高产品质量和生效率 。此外，试验设计还可以帮助企业优化资源配置，降低生产成本，提高市场竞争力。
DOE的发展历程
试验设计作为一种科学方法，最初起源于20世纪20年代的农业科 学研究。随着工业革命的推进，试验设计逐渐被应用于工业制造 领域。在20世纪60年代，美国通用电气公司成功应用试验设计方 法优化了其生产过程，取得了显著的经济效益。此后，试验设计 逐渐受到全球各行各业的关注和应用。
DOE（试验设计）培训课件
汇报人:
2023-12-05
目
CONTENCT
录
• DOE简介 • DOE基本原理 • 试验设计的应用 • DOE案例分析 • DOE实践建议 • 相关工具介绍
01
DOE简介
什么是DOE
• DOE（Design of Experiments）是试验设计的英文缩写，它是一种系统性的方法，用于确定和优化在生产或制造过程中影 响关键输出的因素。试验设计通过合理地选择试验因子和水平，以及科学地安排试验顺序，来揭示影响关键输出的因素， 并为优化关键输出提供依据。
6σ内训系列-DOE简介
1 2 3 4 5 6 7 8
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
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
DOE试验简介PPT课件
因素（X`S）对输出（Y）的影响的方法， 它是通过对选定的输入因素进行精确，系 统的人为调整（变化）来观察输出变量的 变化情况，并通过对结果的分析，最终确 定影响结果的关键因素及其最有利于结果 的取值方法。如下图：
输入（X`S）
输出（Y）
6 Sigma相关知识介绍
一、6 Sigma的定义
1、什么是“6 Sigma” A：6 Sigma是一整套系统的企业管理理论和实践方
4、比较设备和方法的影响度；
五）计量时，试验设计可用来： 1、进行量具研究； 2、确定主要误差； 3、将测量误差降至最小；
四、试验设计的一些相关概念：
一）指标：在试验中用来衡量试验结果的量叫 试验指标，在六西格玛系统中，试验指标是公 司与客户共同关心的项目的（CTQ `S：关键影 响因素）；
二）因素又称因子，在试验中，影响试验考 核指标的量称为因素。因素是我们前面说过 的作用因素即自变量（X `S）； 三）水平是试验中各因素的不同取值； 四）通用符号：在试验表中，一般用“+”、 “-”号或“1”、“2”、“3”等来表示因素的 不同水平，当因素只有高低两个水平时，用 “+”号代表高水平， “-”代表低水平（数值 较
法，其目标是最大程度地实现和保持企业运营成功。 B：6 Sigma的原动力来自对客户需求的理解，对企
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
中的缺陷）
3、ANALYZE（分析）-找出造成缺陷的原因（长期 和偶然问题）
A：确定造成缺陷的原因 B：找出影响关键输出的少数几个至关重要的过程
DOE基础知识
第二节：正交试验、正交表及其用法
分析： 1) 根据综合评分的结果，直观上第1号试验的分数最高，应进一步分 析它是不是最好的试验方案； 2) 通过直观分析法可以得知，最好的试验方案是A1B3C2D1。A，D 两个因素的极差都很大，是对试验影响较大的两个因素； 3) 分析出来的最好方案，在已经做过的9个试验中是没有的。可以 按这个方案再试验一次，看能不能得出比第一号试验更好的结果， 从而确定出真正最好的试验方案； 综合评分法是将多指标的问题，通过加权计算总分的方法化成一个 指标的问题，使对结果的分析计算都比较方便、简单。
试验设计基础知识
陈中松
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
目录
实验设计简介 正交试验、正交表及其用法 混合水平的正交试验设计 有交互作用的正交试验设计
案例演示
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
为什么要 做试验设
计？
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
第一节：DOE基本简介
例1：这里有27个球， 其中有且只有一个球质 量为9克, 其它26个都为10克。给你一架天平，请 找出重为9克的那个球。
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
第三节：正交试验、正交表及其用法
解：我们选用正交表L9(34)来安排试验。
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
分析： 1) 根据综合评分的结果，直观上第1号试验的分数最高，应进一步分 析它是不是最好的试验方案； 2) 通过直观分析法可以得知，最好的试验方案是A1B3C2D1。A，D 两个因素的极差都很大，是对试验影响较大的两个因素； 3) 分析出来的最好方案，在已经做过的9个试验中是没有的。可以 按这个方案再试验一次，看能不能得出比第一号试验更好的结果， 从而确定出真正最好的试验方案； 综合评分法是将多指标的问题，通过加权计算总分的方法化成一个 指标的问题，使对结果的分析计算都比较方便、简单。
试验设计基础知识
陈中松
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
目录
实验设计简介 正交试验、正交表及其用法 混合水平的正交试验设计 有交互作用的正交试验设计
案例演示
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
为什么要 做试验设
计？
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
第一节：DOE基本简介
例1：这里有27个球， 其中有且只有一个球质 量为9克, 其它26个都为10克。给你一架天平，请 找出重为9克的那个球。
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
价值观：客户第一 | 阳光沟通 | 团队协作 | 拥抱变化 | 学习成长
第三节：正交试验、正交表及其用法
解：我们选用正交表L9(34)来安排试验。
行为准则：尊重·简单·重用·检查·并行·勇气·反馈·改善·认真·责任
DOE试验简介
法，其目标是最大程度地实现和保持企业运营成功。 B：6 Sigma的原动力来自对客户需求的理解，对企
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：
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：
DOE简介..
52 83
反应温度是低水 准(-1)时 :
随着浓度由低水准 转为高水准，数率 减少8
+1
浓度 -1
反应温度是高水 准(+1)时:
随着浓度由低水准 转为高水准时，数 率增加 11
=8
60 -1 反应温度
= +11
72 +1
浓度的效果随着温度水准而不同，所以存在温度与浓度的 交互作用。
交互作用(Interaction Effect)
Analyze Factorial Design 实行结果
基准线
基准线计算是知道留意水准时在Minitab自动计算。 得出与前面的 Normality Probability Plot相同结果。 Graph比基准线往右，被判断为效果有影响。 在选定按误差项Pulling的项时，一般来讲把最高差的交互作用 ABC Pulling， 在 此例中，因BC的交互作用为0 ，所以，值得把此两个项按误差项Pulling 。
DOE阶段 例
特性化, 最佳化阶段(完全要因实验,反应表面分析)
目的
- 分析焊接温度(X1)和 焊接深度(X2)对缺点率(Y) 的影响，从而导出 数学模型(Y=a+bX1+cX2· · ·) 。 - 决定将缺点率最小化的焊接温度与深度的修整方向
实验结果
- 增加焊接温度 - 减少焊接深度 减少缺点率 减少缺点率
• 在4-1 阶段的Graph中消除效果小的项，重新实行Analyze
Step 1
Stat > DOE > Analyze Factorial Design
Click
在分析项(Selected Terms)中 没有ABC项和BC项，是因为 把此 两项，按误差项Pulling的缘故。
反应温度是低水 准(-1)时 :
随着浓度由低水准 转为高水准，数率 减少8
+1
浓度 -1
反应温度是高水 准(+1)时:
随着浓度由低水准 转为高水准时，数 率增加 11
=8
60 -1 反应温度
= +11
72 +1
浓度的效果随着温度水准而不同，所以存在温度与浓度的 交互作用。
交互作用(Interaction Effect)
Analyze Factorial Design 实行结果
基准线
基准线计算是知道留意水准时在Minitab自动计算。 得出与前面的 Normality Probability Plot相同结果。 Graph比基准线往右，被判断为效果有影响。 在选定按误差项Pulling的项时，一般来讲把最高差的交互作用 ABC Pulling， 在 此例中，因BC的交互作用为0 ，所以，值得把此两个项按误差项Pulling 。
DOE阶段 例
特性化, 最佳化阶段(完全要因实验,反应表面分析)
目的
- 分析焊接温度(X1)和 焊接深度(X2)对缺点率(Y) 的影响，从而导出 数学模型(Y=a+bX1+cX2· · ·) 。 - 决定将缺点率最小化的焊接温度与深度的修整方向
实验结果
- 增加焊接温度 - 减少焊接深度 减少缺点率 减少缺点率
• 在4-1 阶段的Graph中消除效果小的项，重新实行Analyze
Step 1
Stat > DOE > Analyze Factorial Design
Click
在分析项(Selected Terms)中 没有ABC项和BC项，是因为 把此 两项，按误差项Pulling的缘故。
- 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)。
数据平均值
温度 10400 时间 焊工水平
10200
10000
平均值
1000 10400
1250 焊料厂家
1500
5.0
7.5 冷却方式
10.0
a
b
10200
10000
a
b
a
b
想 到, 就 能 做 到 !
6 sigma
检查交互作用：统计—方差分析—交互作用图
想 到, 就 能 做 到 !
6 sigma
5
8 8 5 5 8 8 5 5 8 8
b
b b a a a a b b b b
a
a a b b b b b b b b
b
b b b b b b b b b b
想 到, 就 能 做 到 !
6 sigma
传统的实验分析与DOE的区别？
传统试验： 1.实验周期长，浪费时间。实验成本大幅度提高，影响产品 推向市场的时机。 2.如果第一次估计可以接受，实验会停止下来，“最佳”方 案可能永远找不到。 3.实验方法粗糙，因为在实验其中一个因子时，其他因子保 持不变，这样得出的结论可能和实际不符。
时间因子的水平2:
10秒
处理：某次试验的整套因子，如： 处理1： 时间=5秒，温度=1000度 处理2： 时间=10秒，温度=1500度 想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
重复：指在不重新组合实验设定的情况下，连续进行实验并 收集数据
复制：意谓每个数据值在重新设定测试组合之后收集
在现有的可控水平下，我们最好能做到多少ppm？
想 到, 就 能 做 到 !
6 sigma
现在一般的解决方案？
想 到, 就 能 做 到 !
6 sigma
一次只改变一个参数,而其 他参数都保持不变
每个参数只设两个水平，每个水平只做一次试验 不能说明问题，如果重复4次，则每个参数要做8 次试验，总共需要8*8*8*8*8=32768次试验！
可控的输入参数(可控因子) 输入(x) 输出(y)
流程
不可控的输入参数(噪音因子)
現象
Y=
f (X)
原因
6 sigma
想 到, 就 能 做 到 !
例：
现在截止阀焊接泄漏不良率偏高，达到20000ppm，我们期望 能降到5000ppm。
已知可控的主要影响条件：焊接时间、焊料厂家、焊接温度、 焊工水平（工作时间长短）、冷却方式。
随机化：适当安排实验次序，使每个实验被选出的机会都相 等
全因子实验：组合所有因子和每个因子水平的实验
部分因子实验：如果没有全部资源和时间时采用的一种只运 行全因子试验中的部分组合的实验
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
主效果：一个因子在多水平下的变化导致输出变量的平均变 化 交互作用：改变其他因子的不同水平是，一个因子水平的主 效果有所改变，在这种情况下因子间具有的作用
直方图 直方图
20 20 15 15
正态
5000 5000 2500 2500
与顺序 与顺序
随机
频率 频率
残差 残差
-4000 -4000 -2000 -2000 0 0 残差 残差 2000 2000 4000 4000
10 10 5 5 0 0
0 0 -2500 -2500 -5000 -5000 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 观 测 值顺 序 观 测 值顺 序
X5=冷却方式：A，B
焊接设备为不可控因素，按A,B两台设备进行区组区分 担心有曲率，要设中心点（3个以上）
由于试验资源限制，不做重复和复制
想 到, 就 能 做 到 !
6 sigma
步骤六：建立实验计划
统计—DOE—因子—创建因子设计
1
2
3
想 到, 就 能 做 到 !
6 sigma
1
2 3 4
想 到, 就 能 做 到 !
.05) 2.012
因子 A B C D E 名称 温度 时间 焊工水平 焊料厂家 冷却方式
项
0.0
0.5
1.0 1.5 标准化效应
2.0
2.5
想 到, 就 能 做 到 !
6 sigma
标准化效应的 P ar et o 图
（响应为 不良率，Alpha = .05) 1.994 ACE BDE C
因子 A B C D E 名称 温度 时间 焊工水平 焊料厂家 冷却方式
想 到, 就 能 做 到 !
6 sigma
DOE的适用范围
产品设计
工艺设计
解决过程问题
计量工作的改进
„„
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
响应变量：所关注的可测量的输出结果，如良率、强度等， 常用y表示；
因子：可控的变量，通过有意的变动，可确定其对响应变量 的影响，如温度、时间等，常用x表示； 水平：因子的取值或设定，如： 时间因子的水平1: 5秒
想 到, 就 能 做 到 !
6 sigma
回到前面的案例进行2^5实验
想 到, 就 能 做 到 !
6 sigma
例：
现在截止阀焊接泄漏不良率偏高，达到20000ppm，我们期望 能降到5000ppm。
已知可控的主要影响条件：焊接时间、焊料厂家、焊接温度、 焊工水平（工作时间长短）、冷却方式。
在现有的可控水平下，我们最好能做到多少ppm？
中心点：检查一个两水平因子试验的主效果在两个水平之间 是否是线性的
区组：无法控制的变量称之为分区化变量，在一个分区变量 的某个标准上进行的实验称为一个分区
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
P值：检查一个因子说效果是否显著的概率值
曲率：检查中心点是否显著的值 失拟：检查简化模型过程是否合适（失拟表示被剔除的项是 显著的活模型所包含的项中有不显著的） 残差分析：检查分析结果是否可用，从正态、随机角度分析 R-Sq、 R-Sq（预测）、 R-Sq（调整）：检查模型准确性， 三个数值应尽量接近 系数：y=f（x）中各x的系数，决定方程式的系数，为模型 优化做准备
百分比 百分比
90 90 50 50 10 10 1 1 0.1 0.1
残差 残差
-5000 -2500 -5000 -2500 0 0 残差 残差 2500 2500 5000 5000
0 0 -2500 -2500 -5000 -5000 9500 9500 10000 10500 10000 10500 拟 合值 拟 合值 11000 11000 11500 11500
2
3 4 5
1500
1000 1500 1000
5
8 8 5
a
a a b
a
a a a
a
a a a
18
19 20 21
1500
1000 1500 1000
5
8 8 5
a
a a b
a
a a a
b
b b b
6
7 8 9 10 11 12 13 14 15 16
1500
1000 1500 1000 1500 1000 1500 1000 1500 1000 1500
焊料厂家
10000
9000
冷却方式
想 到, 就 能 做 到 !
6 sigma
检查残差
不良率 残差图 不良率 残差图
正态概率图 正态概率图
99.9 99.9 99 99
与拟合值 与拟合值
N 80 N 80 AD 0.191 AD 0.191 P 值 0.895 P 值 0.895
随机
5000 5000 2500 2500
想 到, 就 能 做 到 !
6 sigma
DOE的一般步骤
9.进行实验，确信每个实验单元均被对应于其实验条件做好 标识。 10.测量实验单元。 11.分析数据，标记主要影响因子。 12.确认取得最好输出结果的因子水平的组合。 13.在此优化组合的因子和水平值上进行反复实验以确认效果 14.通过标准作业程序固定优化的实验条件（因子和水平）， 并进行应有的控制。 15.重新评估过程能力
响应优化器：基于y=f（x）进行望大、望小、望目的对x的 预测 想 到, 就 能 做 到 ! 6 sigma
DOE的常见类型及用途
常用类型 目的
可控因子 个数 全因子试验 发现提供最好结果的因子和 （2^k） 水平 部分因子 建立数学模型 （2^k-p) 筛选试验 通过测试大量的因子来发现关 键的银子
6 sigma
步骤十一： 统计—DOE—因子—分析因子设计
1
2
想 到, 就 能 做 到 !
6 sigma
1
2
想 到, 就 能 做 到 !
6 sigma
标准化效应的 P ar et o 图
（响应为 不良率，Alpha =
ACE BDE DE ABCD BCE CD C ABCE ABDE ACD ABD BE AB BD BCD AE BC B ABE ADE CDE E AD ABC CE AC ACDE A BCDE D
项
B E A D 0.0 0.5 1.0 1.5 标准化效应 2.0 2.5Biblioteka 想 到, 就 能 做 到 !
6 sigma
想 到, 就 能 做 到 !
6 sigma
想 到, 就 能 做 到 !
6 sigma
温度 10400 时间 焊工水平
10200
10000
平均值
1000 10400
1250 焊料厂家
1500
5.0
7.5 冷却方式
10.0
a
b
10200
10000
a
b
a
b
想 到, 就 能 做 到 !
6 sigma
检查交互作用：统计—方差分析—交互作用图
想 到, 就 能 做 到 !
6 sigma
5
8 8 5 5 8 8 5 5 8 8
b
b b a a a a b b b b
a
a a b b b b b b b b
b
b b b b b b b b b b
想 到, 就 能 做 到 !
6 sigma
传统的实验分析与DOE的区别？
传统试验： 1.实验周期长，浪费时间。实验成本大幅度提高，影响产品 推向市场的时机。 2.如果第一次估计可以接受，实验会停止下来，“最佳”方 案可能永远找不到。 3.实验方法粗糙，因为在实验其中一个因子时，其他因子保 持不变，这样得出的结论可能和实际不符。
时间因子的水平2:
10秒
处理：某次试验的整套因子，如： 处理1： 时间=5秒，温度=1000度 处理2： 时间=10秒，温度=1500度 想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
重复：指在不重新组合实验设定的情况下，连续进行实验并 收集数据
复制：意谓每个数据值在重新设定测试组合之后收集
在现有的可控水平下，我们最好能做到多少ppm？
想 到, 就 能 做 到 !
6 sigma
现在一般的解决方案？
想 到, 就 能 做 到 !
6 sigma
一次只改变一个参数,而其 他参数都保持不变
每个参数只设两个水平，每个水平只做一次试验 不能说明问题，如果重复4次，则每个参数要做8 次试验，总共需要8*8*8*8*8=32768次试验！
可控的输入参数(可控因子) 输入(x) 输出(y)
流程
不可控的输入参数(噪音因子)
現象
Y=
f (X)
原因
6 sigma
想 到, 就 能 做 到 !
例：
现在截止阀焊接泄漏不良率偏高，达到20000ppm，我们期望 能降到5000ppm。
已知可控的主要影响条件：焊接时间、焊料厂家、焊接温度、 焊工水平（工作时间长短）、冷却方式。
随机化：适当安排实验次序，使每个实验被选出的机会都相 等
全因子实验：组合所有因子和每个因子水平的实验
部分因子实验：如果没有全部资源和时间时采用的一种只运 行全因子试验中的部分组合的实验
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
主效果：一个因子在多水平下的变化导致输出变量的平均变 化 交互作用：改变其他因子的不同水平是，一个因子水平的主 效果有所改变，在这种情况下因子间具有的作用
直方图 直方图
20 20 15 15
正态
5000 5000 2500 2500
与顺序 与顺序
随机
频率 频率
残差 残差
-4000 -4000 -2000 -2000 0 0 残差 残差 2000 2000 4000 4000
10 10 5 5 0 0
0 0 -2500 -2500 -5000 -5000 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 1 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 观 测 值顺 序 观 测 值顺 序
X5=冷却方式：A，B
焊接设备为不可控因素，按A,B两台设备进行区组区分 担心有曲率，要设中心点（3个以上）
由于试验资源限制，不做重复和复制
想 到, 就 能 做 到 !
6 sigma
步骤六：建立实验计划
统计—DOE—因子—创建因子设计
1
2
3
想 到, 就 能 做 到 !
6 sigma
1
2 3 4
想 到, 就 能 做 到 !
.05) 2.012
因子 A B C D E 名称 温度 时间 焊工水平 焊料厂家 冷却方式
项
0.0
0.5
1.0 1.5 标准化效应
2.0
2.5
想 到, 就 能 做 到 !
6 sigma
标准化效应的 P ar et o 图
（响应为 不良率，Alpha = .05) 1.994 ACE BDE C
因子 A B C D E 名称 温度 时间 焊工水平 焊料厂家 冷却方式
想 到, 就 能 做 到 !
6 sigma
DOE的适用范围
产品设计
工艺设计
解决过程问题
计量工作的改进
„„
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
响应变量：所关注的可测量的输出结果，如良率、强度等， 常用y表示；
因子：可控的变量，通过有意的变动，可确定其对响应变量 的影响，如温度、时间等，常用x表示； 水平：因子的取值或设定，如： 时间因子的水平1: 5秒
想 到, 就 能 做 到 !
6 sigma
回到前面的案例进行2^5实验
想 到, 就 能 做 到 !
6 sigma
例：
现在截止阀焊接泄漏不良率偏高，达到20000ppm，我们期望 能降到5000ppm。
已知可控的主要影响条件：焊接时间、焊料厂家、焊接温度、 焊工水平（工作时间长短）、冷却方式。
在现有的可控水平下，我们最好能做到多少ppm？
中心点：检查一个两水平因子试验的主效果在两个水平之间 是否是线性的
区组：无法控制的变量称之为分区化变量，在一个分区变量 的某个标准上进行的实验称为一个分区
想 到, 就 能 做 到 !
6 sigma
DOE的基本术语
P值：检查一个因子说效果是否显著的概率值
曲率：检查中心点是否显著的值 失拟：检查简化模型过程是否合适（失拟表示被剔除的项是 显著的活模型所包含的项中有不显著的） 残差分析：检查分析结果是否可用，从正态、随机角度分析 R-Sq、 R-Sq（预测）、 R-Sq（调整）：检查模型准确性， 三个数值应尽量接近 系数：y=f（x）中各x的系数，决定方程式的系数，为模型 优化做准备
百分比 百分比
90 90 50 50 10 10 1 1 0.1 0.1
残差 残差
-5000 -2500 -5000 -2500 0 0 残差 残差 2500 2500 5000 5000
0 0 -2500 -2500 -5000 -5000 9500 9500 10000 10500 10000 10500 拟 合值 拟 合值 11000 11000 11500 11500
2
3 4 5
1500
1000 1500 1000
5
8 8 5
a
a a b
a
a a a
a
a a a
18
19 20 21
1500
1000 1500 1000
5
8 8 5
a
a a b
a
a a a
b
b b b
6
7 8 9 10 11 12 13 14 15 16
1500
1000 1500 1000 1500 1000 1500 1000 1500 1000 1500
焊料厂家
10000
9000
冷却方式
想 到, 就 能 做 到 !
6 sigma
检查残差
不良率 残差图 不良率 残差图
正态概率图 正态概率图
99.9 99.9 99 99
与拟合值 与拟合值
N 80 N 80 AD 0.191 AD 0.191 P 值 0.895 P 值 0.895
随机
5000 5000 2500 2500
想 到, 就 能 做 到 !
6 sigma
DOE的一般步骤
9.进行实验，确信每个实验单元均被对应于其实验条件做好 标识。 10.测量实验单元。 11.分析数据，标记主要影响因子。 12.确认取得最好输出结果的因子水平的组合。 13.在此优化组合的因子和水平值上进行反复实验以确认效果 14.通过标准作业程序固定优化的实验条件（因子和水平）， 并进行应有的控制。 15.重新评估过程能力
响应优化器：基于y=f（x）进行望大、望小、望目的对x的 预测 想 到, 就 能 做 到 ! 6 sigma
DOE的常见类型及用途
常用类型 目的
可控因子 个数 全因子试验 发现提供最好结果的因子和 （2^k） 水平 部分因子 建立数学模型 （2^k-p) 筛选试验 通过测试大量的因子来发现关 键的银子
6 sigma
步骤十一： 统计—DOE—因子—分析因子设计
1
2
想 到, 就 能 做 到 !
6 sigma
1
2
想 到, 就 能 做 到 !
6 sigma
标准化效应的 P ar et o 图
（响应为 不良率，Alpha =
ACE BDE DE ABCD BCE CD C ABCE ABDE ACD ABD BE AB BD BCD AE BC B ABE ADE CDE E AD ABC CE AC ACDE A BCDE D
项
B E A D 0.0 0.5 1.0 1.5 标准化效应 2.0 2.5Biblioteka 想 到, 就 能 做 到 !
6 sigma
想 到, 就 能 做 到 !
6 sigma
想 到, 就 能 做 到 !
6 sigma