六西格玛试验设计(DOE培训)的3个基本原则
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)。
六西格玛定理pt
六西格玛定理什么是六西格玛定理？六西格玛定理（Six Sigma）是一种常用的质量管理方法，旨在通过减少产品或过程中的变异性，提高质量水平。
该方法通过对过程进行统计分析，减少缺陷，降低质量成本，并提升客户满意度。
六西格玛的起源和发展六西格玛方法起源于20世纪80年代的美国，在Motorola公司首次引入，并在GE公司的推动下得以普及和发展。
在过去几十年里，六西格玛方法已经成为全球许多企业的核心管理理念，并取得了显著的成果。
六西格玛的核心思想六西格玛的核心思想是通过数据和统计分析，降低过程的变异性，从而实现提高质量的目标。
该方法以DMC（Define, Measure, Analyze, Improve, Control）为基本流程，通过以下几个步骤来实现质量改进：1. 定义（Define）在这一阶段，团队需要明确定义目标，确定客户需求，并界定关键的质量特征和指标。
团队还需要界定过程的边界和关键影响因素，以确保后续的改进工作能够有针对性地进行。
2. 测量（Measure）在测量阶段，团队需要收集和测量相关的数据，以了解当前的过程性能和变异情况。
常用的工具和技术包括直方图、散点图和测量系统分析等，以确保数据的可靠性和准确性。
3. 分析（Analyze）在分析阶段，团队需要利用统计分析方法，识别和理解导致质量问题和变异的根本原因。
通过分析数据，找出关键影响因素，并确定改进的重点和方向。
4. 改进（Improve）在改进阶段，团队需要制定和实施针对性的改进措施，以消除或减少质量问题和变异性。
改进的措施可能包括改变工艺流程、优化设备设置或改进员工培训等。
5. 控制（Control）在控制阶段，团队需要确保改进成果的持续稳定。
通过制定和执行适当的控制计划，建立数据监控和绩效评估机制，以确保过程的质量稳定性和持续性改进。
六西格玛的关键原则和工具六西格玛方法的成功实施需要遵循以下几个关键原则：1.客户导向：六西格玛方法将客户满意度作为最终目标，强调产品和服务质量的重要性。
六西格玛绿带教程(试验设计)
常用的正交表有两大类
(1)一类正交表的行数n，列数p，水平数q n=qk, k=2,3,4,…, p=(n-1)/(q-1) 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 间不满足上述的两个关系 如： L12(211)， L18(37)，L36(313)等
空白列的偏差平方和为Se，这里有Se=S4
有平方和分解式
ST S j
j
表头设计 列号 试验号 1 1 2 1 3 1 4 2 5 2 6 2 7 3 8 3 9 3 T1 555 T2 594 T3 502 S 1421.6
表 4.5 例 4.1 方差分析计算表 A B C 1 2 3 4 1 2 3 1 2 3 1 2 3 485 656 510 5686.9 1 2 3 2 3 1 3 1 2 555 523 573 427.6
（四）验证试验
对A2B2C1进行三次试验，结果为： 234，240，220，平均值为231.3 此结果是满意的
三、 有交互作用的 正交设计与数据分析
头选 设用 计合 ，适 列的 出正 试交 验表 计， 划进 。行 表
考水 确 察平 定 的， 试 交并 验 互确 中 作定 所 用可 考 能虑 存的 在因 并子 要与
同理 对因子B与C将数据分成三组分别比较。 所有计算列在下面的计算表中。 从表中可以看出最好的水平组合是： A2B2C3 ，即充磁量为1100，定位角度为11， 定子线圈匝数为90，可以使输出力矩达到 最大
直观分析表
表头设计 列号 试验号 1 2 3 4 5 6 7 8 9 T1 T2 T3 T1 T2 T3 R A 1 1 1 1 2 2 2 3 3 3 555 594 502 185 198 167.3 30.7 B 2 1 2 3 1 2 3 1 2 3 485 656 510 161.7 218.7 170 57 C 3 1 2 3 2 3 1 3 1 2 555 523 573 185 174.3 191 16.7 4 1 2 3 3 1 2 2 3 1 y 160 215 180 168 236 190 157 205 140
最经典的DOE培训资料
最经典的DOE培训资料一、DOE培训简介DOE（Design of Experiments）即试验设计，是一种科学的统计方法，用于优化和改进产品、流程或系统。
本文将介绍最经典的DOE培训资料，帮助读者快速掌握DOE的基本概念和应用技巧。
二、DOE基本原理DOE的基本原理是通过合理安排实验来获取尽可能多的有用信息，以便推断出因果关系和优化条件。
在DOE中，研究者通过改变实验因子的水平，观察响应变量的变化情况，从而确定影响响应变量的主要因素，并找到最优的因素水平组合。
三、DOE的常用方法1. 完全随机设计（Completely Randomized Design）：在完全随机设计中，实验因子的各个水平组合以完全随机的方式分配给试验单元。
这种设计适用于因素水平较少的情况，能够较好地估计因素效应。
2. 随机区组设计（Randomized Complete Block Design）：随机区组设计将试验区分为几个均匀分布的区块，每个区块内的试验因子水平组合是随机分配的。
这种设计适用于试验区存在显著差异的情况，能够减小区组间的差异对因素效应评估的影响。
3. 多因子实验设计（Factorial Design）：多因子实验设计同时考虑两个或多个因素对响应变量的影响。
通过观察各个因素水平组合下的响应变量值，可以评估因素间的交互作用，并确定最佳的因素组合。
4. 响应曲面法（Response Surface Methodology）：响应曲面法利用数学模型来描述因素和响应变量之间的关系。
通过在响应曲面图上寻找最大或最小值点，可以找到最优的因素组合。
四、DOE的应用领域DOE广泛应用于各个领域，包括制造业、医药、食品、化工等。
以制造业为例，DOE可以用于优化工艺参数，提高产品质量和生产效率；在医药领域，DOE可以用于药物配方的优化和剂量的确定。
DOE的灵活性和可迅速得到结果的特点，使其成为许多领域中问题解决和优化的重要工具。
第9章 2-六西格玛管理
工业工程教研室
σ
SIX SIGMA
六西格玛管理
6σ管理的项目策划与实施
• 6σ管理的项目策划 1.选择项目 项目选择的基本条件 ： 1)当前期绩效和预期或需要的绩效之间存在一定差距。 2)不能清楚解释问题产生的原因。 3)已对出现的问题实施改进措施，但未达到预期效果。 项目选择的评价标准：回报或业务利润标准 、可行性 标准 2.选择项目的有效模式：渐进式和突破式改进 3.组织项目团队
工业工程教研室
σ
SIX SIGMA
六西格玛管理 【例】某焊接工序一天焊接了100张电路板，每张有10个焊点， 共检验出6个缺陷，计算该工序的DPU、DPO和DPMO。
缺陷数 单位数 6 100
缺陷数 单位数 缺陷机会数
6
( 1 ) DPU
6 10
-2
(2)DPO
6 100 10
800000 690000 700000 600000 500000 400000 308000 300000 200000 66800 100000 6210 0 1σ 2σ 3σ 4σ σ 水平
LSL
USL
百万件产品缺陷数
12
230 5σ
3.4 6σ
6
六西格玛水平理想状态下质 量特性值的分布与公差范围
6
6 10
3
(3)DPMO
DPO 10
6 10
3
10
6000
查西格玛水平换算表，可得西格玛水平Z值在4.0和4.05之间。
工业工程教研室
σ
SIX SIGMA
（假设分布中心偏离公差中心1.5σ）
六西格玛管理
（三）连续型数据的度量指标 •
六西格玛试验设计之调优运算的基本概念和运算方法
六西格玛试验设计之调优运算的基本概念和运算方法六西格玛试验设计（Design of Experiments, DOE）是一种统计方法，用于优化和改进工业过程和产品的质量以及降低成本。
调优运算是六西格玛试验设计的一个基本概念，旨在通过系统化的实验和数据分析来确定和优化关键因素对结果的影响。
本文将介绍六西格玛试验设计的调优运算的基本概念和运算方法。
调优运算的基本概念包括确定关键因素、建立模型、确定最优条件和验证模型。
下面将详细介绍每个概念的内容。
1.确定关键因素：首先要确定对结果影响最为显著的关键因素。
这些因素可以是机器设备中的工作参数、产品制造过程中的因素等。
通过分析历史数据、专家意见或探索性试验等方法，选择关键因素并确定其水平范围。
2.建立模型：在确定关键因素后，需要建立数学模型来描述关键因素与结果之间的关系。
常用的模型包括线性模型、二次模型、响应面模型等。
模型的选择依据可能是实验设计类型和样本数量的限制等。
3. 确定最优条件：通过对不同条件下的试验进行数据收集和分析，确定能够达到最优结果的关键因素水平组合。
通常采用设计矩阵（design matrix）来确定试验设计，其中包括各因素的水平和重复次数。
根据试验结果，可以使用统计方法和优化算法来确定最优条件。
4.验证模型：最后，需要对确定的最优条件进行验证实验。
在验证实验中，使用最优条件下的因素水平来生成结果，并与模型预测结果进行比较。
如果实际结果与预测结果相符，说明模型是可靠的，可以用于优化和改进工业过程和产品。
调优运算的基本运算方法包括重复试验、因素水平设计、响应分析和优化算法。
1.重复试验：重复试验是为了减小试验误差，增加结果的可信度。
通过多次试验，可以获得更加稳定和可靠的数据，并检验结果的一致性。
2.因素水平设计：因素水平设计是针对关键因素的设置。
常用的设计方法有全因素设计、部分因素设计和跨越设计等。
为了确定关键因素的水平组合，可以使用拟合和调整设计矩阵。
六西格玛标准
六西格玛标准六西格玛是一种管理方法，旨在通过减少缺陷和提高效率来改善业务流程。
它是一种以数据为基础的方法，可以帮助组织识别和消除导致产品和服务不符合客户要求的根本原因。
六西格玛标准源自于质量管理领域，但如今已广泛应用于各种行业和组织中。
本文将介绍六西格玛标准的基本原则和实施方法。
首先，六西格玛标准强调数据驱动的决策。
它要求组织收集和分析大量的数据，以便深入了解业务流程的运作情况。
通过数据分析，组织可以识别潜在的问题和机会，从而制定有效的改进计划。
数据的使用可以帮助组织做出客观的决策，而不是凭主管的直觉或经验。
其次，六西格玛标准注重过程的稳定性和可预测性。
它要求组织建立稳定的业务流程，并且能够准确预测产品或服务的质量水平。
通过对业务流程的标准化和优化，组织可以降低变异性，提高生产效率，从而提供更加稳定和可靠的产品或服务。
另外，六西格玛标准强调持续改进。
它认为业务流程是动态的，需要不断地进行改进和优化。
组织应该建立一个持续改进的文化，鼓励员工提出改进建议，并及时采取行动。
持续改进可以帮助组织保持竞争优势，适应市场变化，满足客户需求。
此外，六西格玛标准还注重客户导向。
它要求组织将客户的需求和期望置于首位，不断努力提高产品或服务的质量，以满足客户的需求。
通过深入了解客户需求，组织可以设计出更加符合市场需求的产品或服务，提高客户满意度，从而赢得客户的信赖和忠诚。
最后，六西格玛标准强调团队合作和领导力。
它认为只有全员参与，才能取得持续的改进和优化。
组织需要建立一个团队合作的文化，鼓励员工之间的合作和知识共享。
同时，领导者也需要发挥重要作用，引领团队不断前行，推动组织实现业务目标。
总之，六西格玛标准是一种强调数据驱动、过程稳定、持续改进、客户导向和团队合作的管理方法。
通过遵循六西格玛标准，组织可以提高业务流程的效率和质量，实现持续的改进和优化，从而赢得市场竞争优势。
希望本文的介绍可以帮助读者更好地理解六西格玛标准，并在实践中加以运用。
六西格玛试验设计培训(DOE)设计操作步骤
六西格玛试验设计培训（DOE）设计操作步骤一、试验设计步骤（单独使用时）（1）陈述问题；（2）设立目标；（3）确定输出变量；（4）识别输入因子（可控因子/噪声因子）；（5）选定每个因子的水平；（6）选择试验设计类型；（7）计划并为实施试验做准备；（8）实施试验并记录数据；（9）分析数据并得出结论；（10）必要时进行确认试验。
二、试验设计步骤的重点提示（1）确定响应变量1、尽量使用连续数据作输出变量；2、连续数据提供更多的信息；3、计数型数据需要大样本量；4、尽量使用可精确、稳定测量的输出变量。
（2）识别输入因子1、鱼骨图；2、因果矩阵；3、潜在失效模式及效果分析。
（3）可控因子与噪声因子1、可控因子是在工序的正常操作时能设定并且维持在期望水平的因子；2、噪声因子是在正常的操作期间变化的因子，而且人为不能控制；或者人们宁愿不控制，因为这么做会很昂贵。
（4）选择输入因子的水平1、因子水平可以是定量的，也可以定性的：1）定量举例温度：100℃和120℃;压力：20psi和25psi;旋转度：3000r/min和3500r/min。
2）定性举例机器A和机器B;曲线A、B、C；材料类型：新和旧。
2、因子水平的选择是基于试验目的：目标1：从大量的变量中确定出重要的少数输入因子（筛选）；将当前能力的极限值设定为“大胆”水准。
目标2：了解因素关系及交互作用，一旦确定重要的输入因子，通过减小水平间距来确定因子间的交互作用。
目标3：确定一组输入变量的操作窗口（过程最优化），水平设定进一步接近。
三、选择DOE类型四、实施试验的计划实施试验的计划应解决以下问题：1）费用；2）是否与内部客户讨论过；3）需要时间；4）是否有必要做试运行；5）我们需要提案并被许可；6）谁来进行实验。
7、实施试验，获取数据并分析数据1）确认数据收集与数据值；2）确认特别情况不会产生影响；3）用Minitab分析数据。
8、实施试验阻碍的因素1）问题不清；2）目标不明；3）集体讨论不充分；4）试验结果不清；5）试验设计费用过高；6）试验设计耗时过长，对试验设计策略缺乏理解；7）试验初期缺乏信心；8）缺乏管理支持；9）过于迫切地需要结果；10）缺乏足够的指导、支持。
DOE(试验设计)培训课件
介绍DOE软件工具中各种选项和参数的意义及 设置方法，例如实验设计类型、因子和水平设 置等。
DOE软件工具的应用案例
通过实际案例介绍如何使用DOE软件工具进行实验 设计和数据分析。
通过案例展示DOE软件工具在工业生产、新产品研 发等领域的应用。
DOE基本原则
随机化原则
试验设计应遵循随机化原则，以避 免潜在的人为偏见和系统误差。
重复性原则
为提高试验结果的可靠性和精确度 ，应尽可能遵循重复性原则，即在 相同条件下多次进行试验。
对照原则
通过设置对照组，可以更好地评估 试验组中目标变量与影响因素之间 的关系。
简约性原则
在满足试验目的的前提下，应尽可 能采用简约的试验设计，以降低试 验成本和时间。
设计实验方案
采用正交表进行实验设计，选择了三因素三水平的正交 表，设计了九组实验方案，每组方案重复五次。
实施实验并收集数据
按照设计的实验方案进行实验，并收集了三十组实验数 据。
分析数据并得出结论
对收集的实验数据进行统计分析，发现生产温度对产品 质量影响最大，其次是生产压力，最后是生产时间
06
DOE软件工具介绍与操作指南
试验设计的基本原则
试验设计需要遵循随机化、重复性和对照等基本原则。
试验设计在生产中的应用
试验设计可以应用于生产过程中，通过优化生产工艺和参数，提高产品质量和生产效率。
试验设计在研发中的应用
试验设计可以应用于产品研发过程中，通过科学筛选和优化设计方案，降低产品成本和提高性能。
DOE与六西格玛的关系
DOE的基本概念
设计实验方案
采用正交表进行实验设计，选择了三因素三水平的正交表 ，设计了九组实验方案，每组方案重复三次。
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；
六西格玛绿带：DOE实验设计基础课后测试
六西格玛绿带：DOE实验设计基础课后测试•1、以下关于DOE的说法正确的是（10 分）A安排实验并分析实验数据的数理统计方法。
B对实验进行合理安排，以较少的试验次数、较短的试验周期和较低的试验成本。
C获得理想的实验结果并得出科学的结论。
D以上都对。
正确答案:D•2、DOE的策划安排是（10 分）A因子筛选（部分因子设计）B全面分析（因子效应与交互效应）C确定关系，求最优解D以上都是正确答案:D•3、DOE的基本步骤是（10 分）A实验计划B实验实施C数据处理与分析D以上都是正确答案:D•1、DOE与方差分析、回归分析的关系是（10 分）ADOE的数据获得是主动行为，而非直接使用历史数据。
BDOE的实验条件不局限于现有的生产条件。
CDOE的数据处理完全不需要使用方差分析和回归分析。
DDOE的数据处理仍需使用方差分析和回归分析。
正确答案:A B D•2、DOE的类型有哪些（10 分）A因子实验设计B响应曲面设计C混料设计D田口设计正确答案:A B C D•3、DOE的基本原则是（10 分）A重复试验B固定化C随机化D区组化正确答案:A C D•4、下列属于DOE基本术语的是（10 分）A因子、响应B实验单元与环境C交互效应、主效应D模型与误差正确答案:A B C D•5、在全因子实验设计过程中，对实验结果进行分析的内容有哪些（10 分）AANOVA和模型整体显著性分析BANOVA和模型失拟分析CANOVA和模型弯曲项分析D拟合总效果分析E均方误差MSE与其平方根的分析F各项效应的显著性分析正确答案:A B C D E F•1、整个DOE实验设计和方差分析、回归分析在数据处理上完全不同，具有本质的区别。
（10 分）A正确B错误正确答案:错误•2、DOE实验设计与方差分析、回归分析本质的区别在于我们对实验的计划和安排，即如何主动地抓取数据，让数据能够方便地得出实验结论，指导生产实践。
同时要想办法减少实验误差，降低实验成本，缩短实验周期。
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
六西格玛(6 Sigma)设计 工程
六西格玛（6 Sigma）设计工程本文介绍了六西格玛的三种方法论：TRIZ、试验设计(DOE)和QFD （品质屋），六西格玛（6 Sigma）作为当今最先进的质量理念和方法，在帮助通用电气取得骄人的成绩之后，所受的关注到达了一个新的顶峰。
但是人们发现，依靠传统的DMAIC六西格玛改良流程最多只能将质量管理水平提升到大约5 Sigma的水平。
如果想继续改良质量水平，企业就必须在产品设计的时候就全面考虑客户的需求，原材料的特性，生产工艺的要求，生产人员的素质等各个方面的要素和条件，从而使产品设计到达6 Sigma水平，于是DFSS（六西格玛设计）便应运而生。
TRIZ是六西格玛设计的方法论之一，原义是「Theory of Inventive Problem Solving」，是一种系统化的创造工程方法论，经常浏览有关6 Sigma开展近况文献的读者对它应该并不陌生，它是帮助研发人员通过有系统有规那么的方法来解决创新过程中种种问题的方法论。
TRIZ理论认为，大量创造和创新面临的根本问题和矛盾（在TRIZ中成为系统冲突和物理矛盾）是相同的，只是技术领域不同而已，它了40条创造性问题的解决原那么，与各种系统冲突模式分别对应，直接指导创造者对新设计方案的开发。
六西格玛设计（DFSS）另外一个重要的方法论试验设计(DOE)：安排一批试验，并严格按方案在设定的条件下进行这些试验，获得新数据，然后对之进行分析，获得所需要的信息，进而获得最正确的改良途径。
试验设计如今已经形成较为完整的理论体系，试验设计方案大致可分为三个层次，第一层次的试验设计是最根本的试验设计方案，包括局部因子设计、全因子设计和响应曲面设计(RSM)等，第二层次的试验设计包括田口设计（稳健参数设计）和混料设计，试验设计（DOE）是六西格玛设计中最重要的方法论之一，但它的实现离不开专业六西格玛软件的支持。
JMP就试验设计的功能而言，上述的三个层次的试验设计方法中，目前市面上的六西格玛软件都只能支持第一和第二层次的试验设计方案，但对第三层次的试验设计方案却都不能支持。
六西格玛绿带：DOE实验设计基础课后测试
六西格玛绿带：DOE实验设计基础课后测试•1、以下关于DOE的说法正确的是（10 分）A安排实验并分析实验数据的数理统计方法。
B对实验进行合理安排，以较少的试验次数、较短的试验周期和较低的试验成本。
C获得理想的实验结果并得出科学的结论。
D以上都对。
正确答案:D•2、DOE的策划安排是（10 分）A因子筛选（部分因子设计）B全面分析（因子效应与交互效应）C确定关系，求最优解D以上都是正确答案:D•3、DOE的基本步骤是（10 分）A实验计划B实验实施C数据处理与分析D以上都是正确答案:D•1、DOE与方差分析、回归分析的关系是（10 分）ADOE的数据获得是主动行为，而非直接使用历史数据。
BDOE的实验条件不局限于现有的生产条件。
CDOE的数据处理完全不需要使用方差分析和回归分析。
DDOE的数据处理仍需使用方差分析和回归分析。
正确答案:A B D•2、DOE的类型有哪些（10 分）A因子实验设计B响应曲面设计C混料设计D田口设计正确答案:A B C D•3、DOE的基本原则是（10 分）A重复试验B固定化C随机化D区组化正确答案:A C D•4、下列属于DOE基本术语的是（10 分）A因子、响应B实验单元与环境C交互效应、主效应D模型与误差正确答案:A B C D•5、在全因子实验设计过程中，对实验结果进行分析的内容有哪些（10 分）AANOVA和模型整体显著性分析BANOVA和模型失拟分析CANOVA和模型弯曲项分析D拟合总效果分析E均方误差MSE与其平方根的分析F各项效应的显著性分析正确答案:A B C D E F•1、整个DOE实验设计和方差分析、回归分析在数据处理上完全不同，具有本质的区别。
（10 分）A正确B错误正确答案:错误•2、DOE实验设计与方差分析、回归分析本质的区别在于我们对实验的计划和安排，即如何主动地抓取数据，让数据能够方便地得出实验结论，指导生产实践。
同时要想办法减少实验误差，降低实验成本，缩短实验周期。
六西格玛实验设计讲解
13
Copyright © 2011 QualiSys Consultancy Services
步骤5: 选择输入因子的水平
因子水平可以是定量的，也可是定性的。 定量举例
温度：100 ℃和 120 ℃ 压力： 20 psi 和 25 psi 旋转度： 3000RPM vs. 3500RPM 定性举例 机器A和机器B 曲线A、B、C 材料类型：新和旧
1. 陈述问题 2. 设立目标 3. 确定输出变量 4. 识别输入因子(可控因子/噪声因子) 5. 选定每个因子的水平 6. 选择实验设计类型 7. 计划并为实施实验做准备 8. 实施实验并记录数据 9. 分析数据并得出结论 10. 必要时进行确认实验
10
Copyright © 2011 QualiSys Consultancy Services
步骤3：确定响应变量
尽量使用连续数据作输出变量 连续数据提供更多的信息 计数型数据需要大样本量
尽量使用可精确，稳定测量的输出变量
11
Copyright © 2011 QualiSys Consultancy Services
步骤4：识别输入因子
通常可通过以下工具识别输入因子: 鱼骨图 因果矩阵 潜在失效模式及效果分析
为什么使用试验Leabharlann 计 试验设计是识别关键输入因子的最有效方法。 试验设计是帮助我们了解输入因子和响应变量关系的最高效途径。 试验设计是建立响应变量与输入因子之间的数学关系模型的方法。 试验设计是确定优化输出并减少成本的输入设定值的途径。 试验设计是设定公差的科学方法。
6
Copyright © 2011 QualiSys Consultancy Services
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。
DOE(试验设计)培训
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
ቤተ መጻሕፍቲ ባይዱ
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?
可 控 对输出的 试验时改 因 素 影响度 变难易度
是否依为 试验因素
如是试验因素 如非试验因素
目前水平
目标水平
如何固定 其为常量
在何种 水平
备注:◎有重大影响,容易改变; ○有中等影响,相对容易改变;
△影响很小,很难改变.
三）
____过程噪声因素表
噪声 因素
对输 出的 影响
度
试验时改 变难易度
DOE试验案例说明
案例一（结论确定型）
型号:748H00483-00M.客户 要求 的CPK尺寸标准为： 33.91±0.1mm(两个定位孔的距离). 但最近出现多次尺寸变异偏长,因是客 户要求的CPK重点尺寸,品管部决定试 验重新验证现在的生产条件,并寻找最 佳的机台条件。（机台吨位:200T).
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试验简介
DOE（design of experiments)
- 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)。
六西格玛试验设计（DOE培训）的3个基本原则
有三个基本原则在试验设计中必须要考虑:重复试验(replication),随机化（randomization)和区组化(blocking)。
1、第一个原则：重复试验
所谓重复试验是指一个处理施于多个试验单元。
这些单元是我们在统计推断中一个处理所形成的总体的代表，它可以使我们得以估计试验误差的大小。
通常的显著性检验都是拿不同处理间形成的差别与随机误差相比较，只有当处理间这种差别比随机误差显著地大时，我们才说“处理间的差别是显著的”。
没有随机误差就无法进行任何统计推断，因此在试验设计中安排重复试验是必不可少的。
需要注意的是：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)。
换言之，一定要重新做试验即重复试验，而不能仅是重复观测或重复取样。
比如在上例中。
一定要用同样的工艺条件生产两罐或多罐合成氨，而不能只是从同罐合成氨中分次取不同的样品来测试纯度。
显然，同罐合成氨中分次取不同的样品所测试出的纯度间差异要小，而不同罐合成氨中取不同的样品来测试的纯度间差异要大。
以同单元重复得到的差异来估计随机误差将会低估试验误差，所得的结论就都是不可信的。
在试验中一定要包含有真正的重复。
2、第二个原则：随机化
随机化的含义是以完全随机的方式安排各次试验的顺序和或所用试验单元。
这样做的目的是防止那些试验者未知的但可能会对响应变量产生的某种系统的影响。
假使我们在同一天内进行的8次试验之顺序进行的话，会有什么问题呢?如果当天的电压有一种由高向低变化的趋势，而恰好电压的降低将导致纯度的降低，那么很明显，前4次试验是在电压较高的情况下进行的，后4次试验是在电压较低的情况进行的。
如果将这8次试验顺序完全打乱，则不会再出现上述问题了。
随机化并没有减少试验误差本身，但随机化可以防止出现未知的但可能会对响应变量产生的某种系统影响。
3、第三个原则：区组化
各试验单元间难免会有某些差异，如果我们能按某种方式把它们分成组，而每组内可
以保证差异较小，即它们具有同质齐性((homogeneous)，则我们可以在很大程度上消
除由于较大试验误差所带来的分析上的不利影响。
一组同质齐性的试验单元称为一个区组(block)，将全部试验单元划分为若干区组的方
法称之为分区组或区组化。
通过在同一个区组内比较处理间的差异，就可以使区组效
应在各处理效应的比较中得以消除，从而使对整个试验的分析更为有效。
例如，假定在上(下)午时段内差异不大。
而上午、下午差异可能较大，那我们就把上午、下午当作两个区组。
这时在分析中就可以去除掉上午、下午间的差异的影响，或尽可
能把试验全都安排在上午(或下午)进行。
如果分区组有效，则这种方法在分析时，可以将区组与区组间的差异分离出来，这样就能大大减少可能存在的未知变量的系统影响，这就是分区组的好处。
当然，在区组内还应该用随机化的方法进行试验顺序及试验单
元分配的安排。
什么时候用分区组，什么时候用随机化呢?在试验的设计中应遵照下列原则：“能分区组者则分区组，不能分区组者则随机化”。
文章来源：/liuxigemasheji/380.html。