田口方法案例分享
第1章 DOE的经典案例
第一章田口式实验计划法的经典案例1953年，日本一个中等规模的瓷砖制造公司，花了200万美元，从西德买来一座新的隧道窑，窑本身有80米长，窑内有一部搬运平台车，上面堆放着十几层瓷砖，沿着轨道缓慢移动让瓷砖承受烧烤。
问题是，这些瓷砖尺寸大小有变异，他们发现外层瓷砖有50%以上超出规格要求，内层则正好符合规格要求。
工程师们很清楚，引起产品尺寸变异的原因是窑内各个不同位置的温度偏差导致的，只要更换隧道窑的温度控制系统，提高窑内温度的均匀就能够解决。
使得温度分布均匀，需要重新改进整个窑，需要额外再花50万美元，这在当时是一笔很大的投资，不到万不得已时谁也不愿意这样做，大家都希望寻找其他方法来解决，比如通过改变原料配方，如果能找到对温度不敏感的配方，则不需投入资金就能够化解温度不均匀而导致的尺寸变异和超差。
工程师们决定用不同的配方组合来进行试验，以寻找最佳的配方条件，具体的思路是，对现行配方组合中的每一种原料寻找替代方案，通过实际生产运行筛选能够化解温度变异的最佳配方，对于熟悉瓷砖生产工艺的工程师来说，每一种原料的替代方案其实不难找到（见下表），但每一个因素的替代方案的组合并不一定是最佳组合，最佳组合可能是各种原料现行条件和替代方案的所有组合方式中的一种，到底是哪一种，只有进行实验，对实际效果进行评价才能予以判定。
替代方案表参与过产品开发或工艺改进的人都知道，灵感可以在一秒钟内产生，但实际操作却是耗时耗力的事情。
七个可变的因素，每个因素两种选择，用全因素实验法进行筛选，就有128种组合，如果用小型设备做实验，每个实验做一天，买上8个实验用的小炉子，同时做八个实验，8天即可完成，然后在所有128个组合中寻找产品尺寸变异最小的组合即可，但本实验在小型设备中无法模拟，因为所要解决的问题的关键就在于隧道窑的温度变异，只有在该窑里做实验，找到的配方组合才是能够化解该窑温度不均匀的最佳组合（若还有另外一个窑存在类似问题，就得另外再找，因为每个窑的温度不均匀状况是不同的），这样一来，每做一次实验其实就是在不同的条件下生产一窑的瓷砖，需要全体员工折腾整整一天，128种组合就需要全体员工搞四个月，试想，能不能找到可化解温度变异的配方尚不知道，就要停产四个月搞实验，其人工、水电、材料耗费比投资50万美元还多，可行吗？除非能够有办法用几次实验就找到最佳组合方案，尚可以一试，否则就只好花钱买高精度温控系统了。
[管理工具-质量管理]田口方法（TaguchiMethods）
![[管理工具-质量管理]田口方法（TaguchiMethods）](https://img.taocdn.com/s3/m/1da2dfe54793daef5ef7ba0d4a7302768e996f4f.png)
田口方法（Taguchi Methods）什么是田口方法田口方法是一种低成本、高效益的质量工程方法，它强调产品质量的提高不是通过检验，而是通过设计。
田口方法是日本田口玄一博士创立的，其核心内容被日本视为“国宝”。
日本和欧美等发达国家和地区，尽管拥有先进的设备和优质原材料，仍然严把质量关，应用田口方法创造出了许多世界知名品牌。
随着市场竞争的日趋激烈，企业只有牢牢把握市场需求，用较短的时间开发出低成本、高质量的产品，才能在竞争中立于不败之地。
在众多的产品开发方法中，田口方法不失为提高产品质量，促进技术创新，增强企业竞争力的理想方法。
田口方法的目的田口方法的目的在于，使所设计的产品质量稳定、波动性小，使生产过程对各种噪声不敏感。
在产品设计过程中，利用质量、成本、效益的函数关系，在低成本的条件下开发出高质量的产品。
田口方法认为，产品开发的效益可用企业内部效益和社会损失来衡量．企业内部效益体现在功能相同条件下的低成本，社会效益则以产品进人消费领域后给人们带来的影响作为衡量指标。
假如，由于一个产品功能波动偏离了理想目标，给社会带来了损失，我们就认为它的稳健性设计不好，而田口式的稳健性设计恰能在降低成本、减少产品波动上发挥作用。
田口方法的基本思想田口方法的基本思想是把产品的稳健性设计到产品和制造过程中，通过控制源头质量来抵御大量的下游生产或顾客使用中的噪声或不可控因素的干扰，这些因素包括环境湿度、材料老化、制造误差、零件间的波动等等。
田口方法不仅提倡充分利用廉价的元件来设计和制造出高品质的产品，而且使用先进的试验技术来降低设计试验费用，这也正是田口方法对传统思想的革命性改变．为企业增加效益指出了一个新方向。
与传统的质量定义不同，田口玄一博士将产品的质量定义为：产品出厂后避免对社会造成损失的特性，可用“质量损失”来对产品质量进行定量描述。
质量损失是指产品出厂后“给社会带来的损失”，包括直接损失（如空气污染、噪声污染等）和间接损失（如顾客对产品的不满意以及由此导致的市场损失、销售损失等）。
田口参数实验设计案例
教学案例一：田口参数实验设计1田口质量损失函数田口对产品质量提出了一个新概念，他认为：质量就是产品上市后给于社会的损失。
一般，一个产品的成本分为两个主要部分：销售前成本和出售后成本，前者是指制造成本，后者是指产品销售给用户后由于产品质量的损失（质量特性偏离目标值）所需的费用，这就是上述产品质量定义中的“给予社会的损失”对此中损失，田口提出用质量损失函数来度量。
为了描述产品的质量损失，引入了以下几种类型质量特性的损失函数。
1. 望目特性的质量损失函数望目特性质量损失函数适用于产品的输出特性y 有一个确定的目标值y 0（通常不为零），并且质量损失在目标值的两侧呈对称分布，如图3所示，这种质量特征称为望目特性。
则质量损失函数为：20)()(y y K y L -=(1)其中K 是不依赖于y 的常数，称为质量损失系数。
若y 离y 0越近，则L(y)值越小，表明该项设计的质量损失小，功能质量好。
式（1）说明，由于功能波动所造成的损失与偏离目标值y0的偏差平方成正比。
这也可以说明，不仅不合格产品会造成损失，即使合格产品也会造成损失。
输出特性值偏离目标值越远，造成的损失越大。
这就是田口玄一对产品质量概念的一个观点。
由于产品的质量特性y 表现为随机性，所以L(y)亦为随机变量，故有必要取L(y)的期望值作为评定产品的质量水平。
设有N 件产品，若质量特性的N 个测试值为y 1，y 2，……， y N ，则其质量损失可近似表示为：⎥⎦⎤⎢⎣⎡-=∑=N i i y y N K y L 120)(1)(（2）L(y)A 0 y Ly 0y u图3 功能质量损失函数称L(y)为这N 件产品的平均质量损失。
质量损失系数K 的确定可以有两种方法确定，一种是根据功能界限和相应的损失来确定；另一种是根据容差Δy 和相应的损失来确定。
2. 望小特性的质量损失函数有些产品的质量特征是：不取负值，越小越好，目标值为零；当其输出特性值增大时，其性能逐渐变差，质量损失逐渐变大。
实验设计─田口方法
5
3 1 2 2 1 1 2 2 5 细 53 现 1300 4
5
4 1 2 2 2 2 1 1 5 细 53 新 1200 0
0
5 2 1 2 1 2 1 2 1 粗 53 现 1200 0
5
6 2 1 2 2 1 2 1 1 粗 53 新 1300 4
0
7 2 2 1 1 2 2 1 1 细 43 现 1200 4
36
田口试验
•假设实验执行所需花费的成本相当高，在此情况下不 管任何理由，我们希望只做四次实验，以代替全因素 实验。请问下列二表，你会选择那一项
35
田口试验
次数 A B C D E F G 结果 1234567
1 1 1 1 1 1 1 1 Y1 2 1 1 1 2 2 2 2 Y2 3 1 2 2 1 1 2 2 Y3 4 1 2 2 2 2 1 1 Y4 5 2 1 2 1 2 1 2 Y5 6 2 1 2 2 1 2 1 Y6 7 2 2 1 1 2 2 1 Y7 8 2 2 1 2 1 1 2 Y8
见次页
31
田口试验
一次一因素的实验
A 实验次
数
B
C
D
E
F
G
实验结 果
1 A1 B1 C1 D1 E1 F1 G1 1
2 A2 B1 C1 D1 E1 F1 G1 2
3 A2 B2 C1 D1 E1 F1 G1 3
4 A2 B2 C2 D1 E1 F1 G1 4
5 A2 B2 C2 D2 E1 F1 G1 5
上限
尺
寸
大 小
外部瓷砖
改善前
内部瓷砖
下限
17
田口试验
原材料粉碎及混合 成型 烧成 上釉 烧成
DOE案例经典
水准二(现行)
A:石灰石量
5%
1%
B:某添加物粗细 度
C:蜡石量
细 53%
粗 43%
D:蜡石种类
新方案组合
现行组合
E:原材料加料量 1300公斤
1200公斤
F:浪费料回收量 0%
4%
G:长石量
0%
5%
4
实验方法
1.一次一个因素法:
每次只改变一个因子，而其它因子保持固定。 但它的缺点是不能保证结果的再现性，尤其是当有交 互作用时。
可以有效降低实验次数，进而节省时间、金钱而 且又可以得到相当好的结果。
8
次数 A B C D E F G 结果 1234567
1 1 1 1 1 1 1 1 Y1 2 1 1 1 2 2 2 2 Y2 3 1 2 2 1 1 2 2 Y3 4 1 2 2 2 2 1 1 Y4 5 2 1 2 1 2 1 2 Y5 6 2 1 2 2 1 2 1 Y6 7 2 2 1 1 2 2 1 Y7 8 2 2 1 2 1 1 2 Y8
但事实上厂商选得是A1B2C1D1E2F1G2 ，主要的原因是C(蜡石)要因的价格很贵， 但改善的效果又不大，所以选C1(蜡石含量 为43%)
12
内部瓷砖
外层瓷砖 (尺寸大小有变异)
改善前
改善后 上限
尺
寸
大 小
外部瓷砖
内部瓷砖
下限
13
讨论题
从本案例中，你认为？
最能提供最完整的实验数据的是那一个方法
139
34.75
C1
101
25.25
G1
132
33.00
C2
92
D1
76
田口DOE
Etbest Provide The Best Service
16
田口對品質的定義
社會損失 機能特性和目標值 之間的差異 造成差異的 雜音因素
外部雜音
內部雜音
Etbest Provide The Best Service
產品間雜音
17
討論題
• 某家公司做了一部份的收音機，行銷世界各國： – 在發達國家其反應收訊效果相當良好，但未不發達國 家其反應收訊效果不好，請問這是什麼雜音。 – 在進行產品測試時，發現一百台產品中，有些收訊效 果好，有些收訊果差，請問這些什麼雜音。 – 產品使用了一段時間之後，收訊效果變差，發現是裡 面的某一個零件壽命匹配不佳所造成，請問這些是什 麼雜音。
Etbest Provide The Best Service
18
品質管制活動
•生產線外品質管制 –產品設計階段─標準產品的研究與開發 –製程設計階段─設計製造產品的生產程序 •生產線上品質管制 –生產階段─產品的實際生產 –顧客服務階段 •實驗設計的功用在於求得工程上的最佳組合 (Engineering Optimization)。
实验计划法-田口式实验法
Rule 1 一个产品的质量特性是以附合目标值为革准 , 我们可确信这些产品会有良好的质量 .
Rule 2
如果一个产品的质量特性是以附合规格为基 准我们相信这样的产品是“ As good as bad”, 好坏差异不大 .
DOE--- TAGUCHI METHOD(I) 品质工程的概念
Experiment Environment 周遭环境条件可能会对实验结果造成影响.
DOE--- TAGUCHI METHOD(I) 实验计划法之概念
实验计划用语及定义
Blocking集区原量
Experiment Design Error错误
Randomization随机 Replication
Is a portion of the experimental material or experimental environment which is likely to
例题 假设波峰焊制程之Nomial value of y(焊接炉之温度)为240℃, 已知对某产品之平均成本(每片)为NT＄200而如果我们订定y 超出240℃之±20℃时,材料就得报废.试求Quality Loss
Function L(y) 解 本例属于Nomial the best Model因此L(y) =k(y-m)2
已知 当y = 220℃ or 260 ℃时L(y) =＄200
Ao=＄200 ＄50
L (y) = k(y - m) 2
220 230 240 260
△o
Tolerance =△o =±20℃∴ △o = 20℃ Loss = Ao = L =＄200
Ao = k(△o)2
田口式实验计划法工程应用分析
田口式实验计划法工程应用分析引言田口式实验计划法是一种用于实验设计和优化的方法，由日本质量专家田口玄一于20世纪60年代提出。
该方法以极少的实验次数获得最大的信息，并且能够确定最佳条件下参数之间的相互关系。
本文将分析田口式实验计划法在工程领域的应用，并评估其在工程实践中的效果。
田口式实验计划法概述田口式实验计划法是一种基于统计学原理的实验设计方法。
它通过系统地变化和调节多个因素，以寻找最优条件和确定参数之间的关系。
田口式实验计划法可以将多个因素的不同水平进行组合，从而实现最小的实验次数。
田口式实验计划法的主要步骤包括：1.选择关键因素：确定影响实验结果的主要因素。
这些因素可以是材料、工艺参数、环境条件等。
2.确定因素水平：对于每个关键因素，确定几个不同的水平。
水平的选择应覆盖整个实验范围，以便得到全面的数据。
3.建立正交表：利用正交表设计实验矩阵，将因素水平组合在一起，以满足均匀设计要求。
4.进行实验：根据正交表的设计，依次进行实验，并记录实验结果。
5.分析结果：通过分析实验结果，找出最佳条件和参数之间的关系，以达到优化的目的。
工程应用分析田口式实验计划法在工程领域有广泛的应用，特别是在产品开发、工艺改进和质量优化方面。
产品开发产品开发过程通常需要对多个因素进行调整和优化。
田口式实验计划法可以帮助工程师确定最佳的产品设计参数，以提高产品质量和性能。
通过对关键因素的系统变化和调节，可以通过最少的实验次数确定最佳的参数组合，从而节省时间和资源。
工艺改进田口式实验计划法也可以应用于工艺改进。
通过对工艺参数的变化和调整，可以确定最佳的工艺条件，以提高生产效率和降低成本。
例如，在制药工艺中，可以利用田口式实验计划法确定最佳的温度、湿度和反应时间等工艺参数，以获得优质的产品。
质量优化质量优化是每个工程项目的关键目标之一。
田口式实验计划法可以帮助工程师找出最佳的质量控制参数，以最大程度地减少产品的变异性。
通过对关键因素的变化和调控，可以确定最佳的参数设置，从而实现产品尺寸、强度、耐用性等质量指标的要求。
- 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)。
田口试验案例
一个瓷砖工厂的实验（经典案例）
在1953年，日本一个中等规模的瓷砖制造公司，花了200万元，从西 德买来一座新的隧道，窑本身有80公尺长，窑内有一部搬运平台车， 上面堆栈着几层瓷砖，沿着轨道缓慢移动，让瓷砖承受烧烤。
问题是，这些瓷砖尺寸大小的变异，他们发现外层瓷砖，有50%以上 超出规格，则正好符合规格。
F 2 -0.01040 0.01534 -0.678 0.568
G 1 -0.00492 0.01534 -0.321 0.779
G 2 -0.01540 0.01534 -1.004 0.421
H 1 0.04913 0.01534 3.203 0.085
H 2 0.03294 0.01534 2.148 0.165
3
10.016 9.969 9.995 9.938 9.902 10.003 9.901
Delta 0.066 0.087 0.023 0.025 0.077 0.172 0.036 0.131
排秩
5
3
8
7
4
1
6
2
28
14
田口试验案例—结论与建议
如何进行因子设定？
先了解哪些是统计上显著因子 1）对S/N比而言：A、C、D、E、H是显著的 2）对均值(Means)而言：A、F、H是显著的
Yi
Control Factor Xn
2
1
田口试验的阶段设计
二阶段的试验步骤
阶段一:筛选试验
决定y
把有可能影响到y的x都要考虑并做实验，以 挑选出关键x
阶段二:最佳条件
决定y
针对已挑出的关键x，进行最佳条件的试验， 以决定最佳的x值。
控制阶段 决定y
针对关键少数的x参数，进行持续的控制， 以spc监控其稳定性。
直交表可有效分析可控因子、噪音因子的单独影响 及其交互作用 可控因子置于“内直交表” 噪音因子置于“外直交表”
13
田口试验案例
台车不同位置(P1-P7)摆放的瓷砖烧制厚度测量.
上图：瓷砖烧制用的台车及不同位置瓷砖厚度测量
14
交表”，每个运行测量7个不同位置的厚度数据。
21
22
11
田口试验案例
试验解析 (1/4)
线性模型分析:信噪比 与 A, B, C, D, E, F, G, H
信噪比 的模型系数估计
项
系数 系数标准误
T
P
常量 41.2190
0.2082 197.987 0.000
A 1 1.8834
0.2082 9.046 0.012
B 1 -0.9599
18
9
田口试验案例
分析田口试验
打开“分析田口设计 — 图形”会话框 在“图形复选栏”点
选信噪比和均值 其它项保持默认状况 按下“确定”按钮
田口试验案例
分析田口试验
打开“分析田口设计 — 分析”会话框 在“复选栏”点选信
噪比和均值 按下“确定”按钮
19
20
10
田口试验案例
进行望目的两阶段策略选择因子 利用主效果图或会话文本数据进行因子的水平设置
（有交互作用的要用到交互作用图）
望目的两阶段策略
自由度 1 2 2 2 2 2 2 2 2 17
Seq SS 63.846 10.871 15.029 22.188 86.031
0.262 5.735 21.086 1.560 226.609
Adj SS 63.8462 10.8708 15.0286 22.1876 86.0312 0.2620 5.7355 21.0864 1.5604
H 粘土种类
Level-1 2% 53% 新配方 1.0% 小一些 一次烧成 2.7%
K-Type
Level-2
Level-3
2.5%
——
55% 原来配方
57% 无添加
1.5% 原颗粒 二次烧成
2% 大一些 三次烧成
3%
K-Type与JType各一半
3.3% J-Type
备注 2水平 3水平 3水平 3水平 3水平 3水平 3水平
结论：对于S/N比而言，因子A、C、D、E、H在统计上是显著的. (以P-value值<0.10做判断)
24
12
田口试验案例
试验解析 (3/4)
线性模型分析:均值 与 A, B, C, D, E, F, G, H
均值 的模型系数估计
项
系数 系数标准误
T
P
常量 9.98278 0.01084 920.580 0.000
田口方法案例分享
DFSS系列课程
2015. 10. 25
田口试验设计
经典DOE Model
Control Factor X1
……
Process
Yi
Control Factor Xn
Taguchi Model
Noise Factor N1… Nm
Control Factor X1
……
Process
Adj MS 63.8462 5.4354 7.5143 11.0938 43.0156 0.1310 2.8677 10.5432 0.7802
F 81.84 6.97 9.63 14.22 55.14 0.17 3.68 13.51
P 0.012 0.126 0.094 0.066 0.018 0.856 0.214 0.069
信噪比响应表 望目(10*Log10(Ybar**2/s**2))
水平
A
B
C
D
E
F
G
H
1
43.10 40.26 40.45 40.06 44.27 41.11 40.44 39.91
2
39.34 41.24 40.70 40.88 40.12 41.39 41.48 42.56
3
42.16 42.50 42.72 39.27 41.16 41.74 41.19
Adj SS 0.019715 0.026116 0.001845 0.001895 0.018978 0.089872 0.004044 0.061396 0.004233
Adj MS 0.019715 0.013058 0.000923 0.000948 0.009489 0.044936 0.002022 0.030698 0.002117
0.2944 0.882 0.471
H 1 -1.3097
0.2944 -4.448 0.047
H 2 1.3410
0.2944 4.555 0.045
S = 0.8833 R-Sq = 99.3% R-Sq（调整） = 94.1%
23
田口试验案例
试验解析 (2/4)
信噪比 的方差分析
来源 A B C D E F G H 残差误差 合计
15
田口试验案例
运行试验，收集数据
瓷砖制程实验数据：(数据已储存在“课程数据文件夹”)
16
8
田口试验案例
分析田口试验
Mtb路径：统计→DOE →田口→分析田口设计
17
田口试验案例
分析田口试验
Mtb路径：统计→DOE →田口→分析田口设计 在“响应数据位于”
栏选取P1-P7，按下 “选择”按钮 按下“图形”、“分 析”、“选项”、 “项”等设定按钮
Delta 3.77 1.90 2.05 2.65 5.00 0.28 1.31 2.65
排秩
2
6
5
3
1
8
7
4
27
田口试验案例
图形解析 (2/2)
均值响应表
水平
A
B
C
D
E
F
G
H
1
10.016 9.930 9.988 9.984 9.995 10.074 9.978 10.032
2
9.950 10.002 9.991 9.970 10.015 9.972 9.967 10.016
瓷砖烧制参数原设定
因子符号 A B C D E F G H
控制因子 石灰石含量 寿山石含量 寿山石种类 烧粉含量 添加物颗粒大小 烧成次数 长石含量 粘土种类
原设计值
2% 55% 原来配方
1.5% 原颗粒 二次烧成
3% K-Type与J-Type各一半
6
3
田口试验案例
瓷砖烧制参数试验设置
符号 控制因子 A 石灰石含量 B 寿山石含量 C 寿山石种类 D 烧粉含量 E 添加物颗粒 F 烧成次数 G 长石含量
引起瓷砖尺寸的变异，很明显地在制程中，是一个杂音因素。 解决问题，使得温度分布更均匀，只要重新设计整个窑就可以了，但
需要额外再花50万元，投资相当大。
4
2
田口试验案例
内部瓷砖 外层瓷砖 (尺寸大小有变异)
改善前
上限
改善前
尺
寸
大
小
外部瓷砖
内部瓷砖
下限
5
田口试验案例
瓷砖烧制过程问题陈述
瓷砖工厂生产出的瓷砖厚度不均 瓷砖厚度为望目特性，客户规格为10+/-0.15mm
F 9.31 6.17 0.44 0.45 4.48 21.23 0.96 14.50
P 0.093 0.139 0.696 0.691 0.182 0.045 0.511 0.065
结论：对于均值而言，因子A、F、H在统计上是显著的. (以P-value值<0.10做判断)
26
13