高级DOE实验设计
相关主题
- 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)。
3 培训对象
➢ 任何把降低质量成本和 PPM 作为业务目标的企业和人员。需要理解和运用实验设计程序收集数 据的人员，质量人员及设计开发人员、工艺开发人员
➢ 学员背景要求：具备基本的运算能力，了解统计概念，并有统计过程控制（SPC）和测量系统分 析（MSA）的经验。带电脑，会使用简单的 Minitab 软件功能
第四部分 部分因子试验设计法 fractional factorial design 1 部分析因试验设计的含义 2 重影效应（alias） 3 部分因子试验的清晰度（Resolution） 4 部分因子实验的案例 案例 1：5 因子 2 水平 1/2 部分因子试验设计案例； 案例 2: 1/4 部分因子试验设计案例 5 Plackett-Burman 设计 6 3 水平部分因子试验的分析 第五部分 响应曲面设计 1 响应曲面设计的概念； 2 中心复合设计 ➢ 中心点 center point ➢ 角点 corner point ➢ 轴点 axial point 3 BOX-Behnken 设计 4 响应曲面设计的计划 ➢ 用最速上升法（Steepest ascent search）寻找试验的最优区域 ➢ 在已确定为最优区域的范围内，进行响应曲面试验 5 响应曲面设计案例 6 多响应曲面设计的最优分析 第六部分 混料设计简介 1 混料设计概论 ➢ 混料设计概论 ➢ 混料设计约束图 ➢ 混料设计分类：简单混料型、混料-总量型、混料-过程变量型 2 混料试验的计划 ➢ 单纯形重心法 simplex centroid ➢ 单纯形格点法 simplex lattice ➢ 极端顶点设计法 extreme vertices design 3 混料试验的分析 ➢ 混料试验的运用案例
2 课程收益
通过 3 天的学习，使学员能够： ➢ 掌握试验设计的方法，原理和应用。 ➢ 通过咨询师的现场辅导，解决生产现场的实际问题并有效掌握 DOE 的应用 ➢ 提高对 DOE 的认识，从根本上摒弃依靠“啪脑袋”和“工程猜测”解决问题的传统陋习； ➢ 了解应用 DOE 的必备条件； ➢ 掌握 DOE 工具的应用步骤； ➢ 系统性地应用 DOE 工具，提高过程质量及生产效率。
4 培训时间
3天
5 课程大纲
第一部分 DOE 基础知识 1 试验的定义 2 试验设计和分析的含义 3 试验设计和分析的历史和发展 4 试验设计和分析的作用 5 试验设计 DOE 有关术语 ➢ response 响应 ➢ factor 因子 （controlled factor 可控因子、uncontrolled factor 非可控因子） ➢ level 水平/treatment 处理 ➢ main effect 主效应 ➢ interaction 交互作用 ➢ 试验单元 ➢ 试验环境 ➢ 模型和误差 6 试验设计分类 7 试验设计运用步骤 8 DOE 基本原则 Replication 重复、Randomization 随机化和 Blocking 分组。 第二部分 简单实验设计应用 1 试误法(Trial & Error) 2 单因子轮换试验法 one-factor-at-a-time 3 单因子试验设计和分析 ➢ 单因子试验设计 ➢ 单因子试验设计图形（定性）分析：箱线图（box plots）、单值图（scatter diagram） ➢ 单因子试验设计统计（定量）分析：单因子方差分析(one way analysis of variance)、多重比较
高级 DOE 实验设计
课程大纲
1 课程背景
讲解如何进行试验设计，进行实验以及如何分析试验结果，讲解实验设计的原理及如何运用它们来提升 产品质量和生产效率。本课程将运用 MINITAB 软件进行实验设计和数据分析。经典的 DOE 通过筛选实 验及部分析因法，从众多过程特性中找出关键的少数的因子，通过全因子法及响应曲面法，建立少数关 键因子与关键输出特性的数学模型，从而通过对少数关键的因子建立合理的规范，而确保得到优良的关 键输出特性。此课wenku.baidu.com中对于实验的因子配置及数据分析讲解易于让学员理解。
（multiple comparison） ➢ 单因子试验设计（定量）分析：线性回归、非线性回归 ➢ 单因子的多重比较技术 ➢ 相关统计原理介绍: 单因子方差分析数学原理 ➢ 模型诊断技术：残差图（plot of residuals）及残差诊断 第三部分 析因试验设计 factorial design 1 析因试验设计的含义 2 完全析因试验设计的含义 3 2 水平全因子试验概述 4 试验的安排、中心点的选择及随机化排序 5 代码化及其计算 6 全因子析因试验设计法的运用案例 ➢ 明确试验目的 ➢ 确定响应变量 ➢ 选择因子与水平 ➢ 选择试验计划 ➢ 试验结果记录 ➢ 试验结果数据分析 ➢ 确定分析结果 ➢ 进行验证试验 案例 1：3 因子 2 水平全因子试验设计案例； 案例 2：4 因子 2 水平全因子一次四个产品试验设计案例； 案例 3：需要考虑多个质量特性时的案例 7 有中心点的试验设计 ➢ 有中心点的试验设计的概念 ➢ 有中心点的试验设计的优点 案例 4：有中心点试验设计案例 8 相关统计原理介绍: 多因子方差分析数学原理 9 模型诊断技术：残差图（plot of residuals）及残差诊断
何建军
➢ BESTWAY 高级讲师
专业背景
BESTWAY 高级讲师，1996 年毕业于南京林业大学，机械制造工艺与设备专业本科。在汽车行业和设备 制造业有多年实施和管理工作经验，在欧美著名的制造业集团公司和相关质量管理和生产力改进咨询和 辅导的丰富经验超过 12 年，工作领域涉及生产现场的质量策划、控制、分析、改进以及整个公司质量管 理体系的策划、建立、运行维护及持续改进。何建军先生擅长 ISO/TS16949 标准；质量策划、控制和改 进流程，如：APQP，6sigma， 8D，QC 小组；以及相关的质量工具应用，如：新/老 QC 七大手法、 SPC、MSA、DOE、统计抽样，假设检验，回归分析、FMEA 等。何建军先生尤其擅长统计技术在质量 管理方面的运用，曾编著《统计技术理论与运用》
➢ 任何把降低质量成本和 PPM 作为业务目标的企业和人员。需要理解和运用实验设计程序收集数 据的人员，质量人员及设计开发人员、工艺开发人员
➢ 学员背景要求：具备基本的运算能力，了解统计概念，并有统计过程控制（SPC）和测量系统分 析（MSA）的经验。带电脑，会使用简单的 Minitab 软件功能
第四部分 部分因子试验设计法 fractional factorial design 1 部分析因试验设计的含义 2 重影效应（alias） 3 部分因子试验的清晰度（Resolution） 4 部分因子实验的案例 案例 1：5 因子 2 水平 1/2 部分因子试验设计案例； 案例 2: 1/4 部分因子试验设计案例 5 Plackett-Burman 设计 6 3 水平部分因子试验的分析 第五部分 响应曲面设计 1 响应曲面设计的概念； 2 中心复合设计 ➢ 中心点 center point ➢ 角点 corner point ➢ 轴点 axial point 3 BOX-Behnken 设计 4 响应曲面设计的计划 ➢ 用最速上升法（Steepest ascent search）寻找试验的最优区域 ➢ 在已确定为最优区域的范围内，进行响应曲面试验 5 响应曲面设计案例 6 多响应曲面设计的最优分析 第六部分 混料设计简介 1 混料设计概论 ➢ 混料设计概论 ➢ 混料设计约束图 ➢ 混料设计分类：简单混料型、混料-总量型、混料-过程变量型 2 混料试验的计划 ➢ 单纯形重心法 simplex centroid ➢ 单纯形格点法 simplex lattice ➢ 极端顶点设计法 extreme vertices design 3 混料试验的分析 ➢ 混料试验的运用案例
2 课程收益
通过 3 天的学习，使学员能够： ➢ 掌握试验设计的方法，原理和应用。 ➢ 通过咨询师的现场辅导，解决生产现场的实际问题并有效掌握 DOE 的应用 ➢ 提高对 DOE 的认识，从根本上摒弃依靠“啪脑袋”和“工程猜测”解决问题的传统陋习； ➢ 了解应用 DOE 的必备条件； ➢ 掌握 DOE 工具的应用步骤； ➢ 系统性地应用 DOE 工具，提高过程质量及生产效率。
4 培训时间
3天
5 课程大纲
第一部分 DOE 基础知识 1 试验的定义 2 试验设计和分析的含义 3 试验设计和分析的历史和发展 4 试验设计和分析的作用 5 试验设计 DOE 有关术语 ➢ response 响应 ➢ factor 因子 （controlled factor 可控因子、uncontrolled factor 非可控因子） ➢ level 水平/treatment 处理 ➢ main effect 主效应 ➢ interaction 交互作用 ➢ 试验单元 ➢ 试验环境 ➢ 模型和误差 6 试验设计分类 7 试验设计运用步骤 8 DOE 基本原则 Replication 重复、Randomization 随机化和 Blocking 分组。 第二部分 简单实验设计应用 1 试误法(Trial & Error) 2 单因子轮换试验法 one-factor-at-a-time 3 单因子试验设计和分析 ➢ 单因子试验设计 ➢ 单因子试验设计图形（定性）分析：箱线图（box plots）、单值图（scatter diagram） ➢ 单因子试验设计统计（定量）分析：单因子方差分析(one way analysis of variance)、多重比较
高级 DOE 实验设计
课程大纲
1 课程背景
讲解如何进行试验设计，进行实验以及如何分析试验结果，讲解实验设计的原理及如何运用它们来提升 产品质量和生产效率。本课程将运用 MINITAB 软件进行实验设计和数据分析。经典的 DOE 通过筛选实 验及部分析因法，从众多过程特性中找出关键的少数的因子，通过全因子法及响应曲面法，建立少数关 键因子与关键输出特性的数学模型，从而通过对少数关键的因子建立合理的规范，而确保得到优良的关 键输出特性。此课wenku.baidu.com中对于实验的因子配置及数据分析讲解易于让学员理解。
（multiple comparison） ➢ 单因子试验设计（定量）分析：线性回归、非线性回归 ➢ 单因子的多重比较技术 ➢ 相关统计原理介绍: 单因子方差分析数学原理 ➢ 模型诊断技术：残差图（plot of residuals）及残差诊断 第三部分 析因试验设计 factorial design 1 析因试验设计的含义 2 完全析因试验设计的含义 3 2 水平全因子试验概述 4 试验的安排、中心点的选择及随机化排序 5 代码化及其计算 6 全因子析因试验设计法的运用案例 ➢ 明确试验目的 ➢ 确定响应变量 ➢ 选择因子与水平 ➢ 选择试验计划 ➢ 试验结果记录 ➢ 试验结果数据分析 ➢ 确定分析结果 ➢ 进行验证试验 案例 1：3 因子 2 水平全因子试验设计案例； 案例 2：4 因子 2 水平全因子一次四个产品试验设计案例； 案例 3：需要考虑多个质量特性时的案例 7 有中心点的试验设计 ➢ 有中心点的试验设计的概念 ➢ 有中心点的试验设计的优点 案例 4：有中心点试验设计案例 8 相关统计原理介绍: 多因子方差分析数学原理 9 模型诊断技术：残差图（plot of residuals）及残差诊断
何建军
➢ BESTWAY 高级讲师
专业背景
BESTWAY 高级讲师，1996 年毕业于南京林业大学，机械制造工艺与设备专业本科。在汽车行业和设备 制造业有多年实施和管理工作经验，在欧美著名的制造业集团公司和相关质量管理和生产力改进咨询和 辅导的丰富经验超过 12 年，工作领域涉及生产现场的质量策划、控制、分析、改进以及整个公司质量管 理体系的策划、建立、运行维护及持续改进。何建军先生擅长 ISO/TS16949 标准；质量策划、控制和改 进流程，如：APQP，6sigma， 8D，QC 小组；以及相关的质量工具应用，如：新/老 QC 七大手法、 SPC、MSA、DOE、统计抽样，假设检验，回归分析、FMEA 等。何建军先生尤其擅长统计技术在质量 管理方面的运用，曾编著《统计技术理论与运用》