经典田口谢宁韩永春DOE试验设计
世界级质量管理工具谢宁DOEppt课件
某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通 过拆卸/重装，结果如下：
阶段一
初始 第一次拆卸/重装 第二次拆卸/重装
高值组件（H）
配置
结果（ms）
所有组件，高
13
所有组件，高
16
所有组件，高
15
低值组件（L）
配置
结果（ms）
所有组件，低
34
所有组件，低
38
所有组件，低
35
阶段二 阶段三
➢然后设计数据收集表格
多变量分析案例（二）
某芯片生产线对芯片与基带的黏贴度进行多因素 分析,并得出如下结果:
变量图，利用收集到的数据做图。图标可以直观的判断哪个 变量族变化最大。
水平线表示时间——也可以是周对周、天天天，小时对小 时，批次对批次，
垂直轴表示正在研究的绿Y。
从图中可以看出， 位置变量的变化 最大，这说明红 X在位置变量内
2、进行第二阶段的部件互换，根据阶段一得数据做判断极限： 高值范围=高中值±2.776đ/1.81=35 ±2.776*3.5/1.81=35 ±5.37 低值范围=低中值±2.776đ/1.81=15 ±2.776*3.5/1.81=15 ±5.37
3、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要 因子
后4h
时间对时间 B
前4h 中间4h 后4h
前4h
C 中间4h
后4h
变量族
工艺40
员工#
甲
乙
丙
机台
1
2
3
15
16
17
34
35
36
砂浆# M N M N M N M N M N M N M N M N M N
DOE-之田口式实验法
田口實驗方法簡介 基本觀念
在一個制程里,發和不良的原因很多 如果我們能 在一個制程里 發和不良的原因很多,如果我們能 發和不良的原因很多 把不良原因杜絕,我們可防止不良產生 但在現實 把不良原因杜絕 我們可防止不良產生.但在現實 我們可防止不良產生 的世界里,很多時候我們知道那些不良原因 但完 的世界里 很多時候我們知道那些不良原因,但完 很多時候我們知道那些不良原因 成去杜絕卻有困難.可能涉及成本或技術 但我們 成去杜絕卻有困難 可能涉及成本或技術.但我們 可能涉及成本或技術 卻可透過制程參數最佳化可控制不良原因之變異. 卻可透過制程參數最佳化可控制不良原因之變異 田口式實驗方法就是協助我們找出主要的因子和 最有利的制程參數. 最有利的制程參數
L (y) = k(y - m)2
Ao=＄200 ＄
Tolerance = △o = ±20℃ ∴ △o = 20℃ ℃ ℃ Loss = Ao = L = ＄200 Ao = k(△o)2 △ k = 0.5＄/℃ ＄℃ L(y) = 0.5 (y - m)2 k=
(△o) △ (△o)2 △
=
＄200 (20)2
應用統計方法 基本的統計方法與技巧將有利於實驗者 基本的統計方法與技巧將有利於實驗者. 1.應用最簡便之方法 應用最簡便之方法. 應用最簡便之方法 2.在復習的問題中作有系統性之分析 在復習的問題中作有系統性之分析. 在復習的問題中作有系統性之分析 3.了解在何時何地需要支援 了解在何時何地需要支援. 了解在何時何地需要支援 4.節省實驗成本 節省實驗成本. 節省實驗成本 5.容易達成實驗之積極性目標 容易達成實驗之積極性目標. 容易達成實驗之積極性目標
品質工程的概念
Quality Loss Function觀念 觀念
谢宁DOE试验设计应用实战培训
谢宁 DOE 试验设计应用实战培训
1、试验设计的发展历史 2、试验设计种类方法介绍（介绍经典 DOE、田口 DOE）
课程特点： 在全球竞争空前加剧，生存环境日趋恶化的现实下，企业如何能够突出重围， 得到生存和发展，是无数企业家在思考和探询的问题，多数企业把目光投向 了通过内部的流程优化和效率提升来达到这一目的。企业对经营绩效的改善 要求是这样的：首先是要能快速收效，其次改善必须是突破性的，目前最为 流行的六西格玛管理满足后者，但无法做到快速改善；精益技术可以快速， 但在解决复杂问题尤其是品质问题时能效太低，有没有一种能够兼顾两个要 求的管理策略和技术呢？ 在流程优化的众多策略和方法中，美国质量专家（Dorian Shainin）多利安. 谢宁发明/整合的 DOE（试验设计），具有简捷、效果强大，改进成本低等优 点。结合经典 DOE 方法，是解决企业经营生产中的一系列问题尤其是复杂问 题无法替代的突破性方法。 如果您在公司经营中存在难以解决的质量难题，本课程将帮您做出最有效的 解决方案. 培训对象：品质经理、技术/工程/研发经理、生产经理、各类工程师。 培训目标： 1．掌握谢宁 DOE 方法及实施步骤
2．指导学员对本公司改进项目进行改进，并取得效果。
培训内OE 方法原理及与经典 DOE、田口 DOE 方法的不同之处和相同之处 4、红 X 线索生成 5 种工具 ★多变量分析----时间对时间、部件对部件、部件内 ★集中图---重复出现问题的精确定位 ★部件搜索-----简便而平滑的交换（B0B/WOW） ★成对比较-----BOB、WOW(当部件搜索工具不适用时) ★产品/过程搜索----精确定位的过程变量 5、全析因（识别与量化每个交互影响的最好佳技术） 6、B vs C（卓越的过程验证及确认技术） ★风险与置信水平 ★图基检验 ★风险----确定 B 对 C 的改进程度 7、获得切实的技术规格和公差的散布图 8、响应曲面方法（RSM）交互作用的优化 9、从试验设计到统计过程控制的转换 10、正向控制 11、过程风险的识别及控制
DOE田口实验设计
DOE实验设计(田口方法)▲设计思想现代企业已经充分意识到了品质管理的重要性，不少成功企业已将品质管理（QC）很好的融入到了产品研发及生产的各个阶段。
众所周知，品质管理包括离线品管和线上品管两个部分。
离线品管活动发生在产品和制程的设计阶段。
DOE实验设计中的田口方法是一种统计方法，利用该方法可以简化或是删除许多统计设计工作。
英瑞奇特推出此课程，旨在向您讲述如何将各项实验方法运用于产品和制程设计中，以便更有效的降低杂音因素的敏感影响，减少过程中各项的变差，从而使产品及制程设计臻于完美。
一、田口方法的涵义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。
其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。
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。
DOE设计田口优化
实用标准文案) (田口方法DOE实验设计▲设计思想不少成功企业已将品质管理现代企业已经充分意识到了品质管理的重要性，）很好的融入到了产品研发及生产的各个阶段。
众所周知，品质管理包括QC（离线品管和线上品管两个部分。
实验设计中的田口方法DOE 离线品管活动发生在产品和制程的设计阶段。
英瑞奇特推是一种统计方法，利用该方法可以简化或是删除许多统计设计工作。
以便更出此课程，旨在向您讲述如何将各项实验方法运用于产品和制程设计中，从而使产品及制程设减少过程中各项的变差，有效的降低杂音因素的敏感影响，计臻于完美。
一、田口方法的涵义用较短的时间开发出低随着市场竞争的日趋激烈，企业只有牢牢把握市场需求，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。
精彩文档．实用标准文案它强调产品质量的提高不是通高效益的质量工程方法，田口方法是一种低成本、其基本思想是把产品的稳健性设计到产品和制造过程中，而是通过设计。
过检验，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。
田口而且使用先进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，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。
使生产过程对各种使所设计的产品质量稳定、波动性小，田口方法的目的在于，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，在低成本产品开发的效益可用企业内部效田口方法认为，的条件下开发出高质量的产品。
社会效益企业内部效益体现在功能相同条件下的低成本，益和社会损失来衡量．由于一个产品假如，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。
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)。
DOE实验设计-田口经典谢宁综合问题解决方法
DOE实验设计-田口/经典/谢宁综合问题解决方法培训时间：2019年08月23-24日深圳培训费：3800元/人（含资料费、午餐费、专家演讲费、会务费）住宿可统一安排，费用自理培训对象：工程部门人员（特别是IE）、工程经理、工程技术骨干、质量经理、质量工程师咨询电话：400-086-8596认证费用：中级证书1000元/人;高级证书1200元/人(参加认证考试的学员须交纳此费用，不参加认证考试的学员无须交纳)备注:1.高级证书申请须同时进行理论考试和提交论文考试，学员在报名参加培训和认证时请提前准备好论文并随理论考试试卷一同提交。
2.凡希望参加认证考试之学员，在培训结束后参加认证考试并合格者，由“香港国际职业资格认证中心HKTCC”颁发与所参加培训课程专业领域相对应证书。
（国际认证／全球通行／雇主认可／联网查询）。
3.课程结束后20日内将证书快递寄给学员；∵〖课程背景〗DOE实验设计在产品诞生的整个过程中扮演了非常重要的角色，它是提高产品质量，改善工艺流程，优化设计的重要工具。
通过两天的课程，将通过对产品生成的各阶段的DOE应用，学习判别与选择不同的实验设计工具，解决相应的问题，同时相关人员了解DOE在自己工作中可以帮到什么。
通过我们六年的授课实践和不断研究，采用逻辑上的重整和合并，在两天的课程之内，将田口、经典和谢宁三种风格的DOE结合起来，不但是完全可以的，而且能保证内容上的翔实，困惑的解除，有助于快速掌握和灵活应用。
对DOE的整合是通过贯穿始终的产品诞生路径、质量与可靠性风险的线索，它是本课程的独家内容，会为学员带来特别的增值价值。
此外，课程提供持续的支持服务和交流活动，学员在课后应用中的问题，老师将提供持续的解答和辅导，很多学员都已经成为我们多年的朋友。
今天，DOE这个词给很多工程人员带来了困扰，很多误区由此而生：它是做6sigma才需要的。
它需要深入的统计数学基础，掌握起来非常困难，即使掌握了，距离解决问题也很远它能最终解决一切问题，但是耗费的周期很长如果没有其他部门的配合，发起部门就无法将试验设计做到有结果。
谢宁DOE实验设计的主要内容
品质量波动的主要原因，但变量搜索是针对变量的，而零件搜索则是针对零 件的。 5、完全析因技术 采用以上四项技术，寻找出 4 个以下的主要因素，这些因素按全部因素所有 水平的一切组合逐次进行实验，研究这些因素的主效应和相互之间的交互作 用，以确定最佳的因素水平匹配方案。 6、 改进效果检查 令 B 为改进后的工序，而 C 为改进前的工序。为了验证改进效果，可以设定 风险率 a(第Ⅰ类风险)和 b(第Ⅱ类风险)，随机抽取 B 和 C 两种产品(样本量 由风险率决定)，进行假设检验，以确定在规定的风险率下，B 产品是否优于 C 产品。 7、 实验设计的回归分析 对散布数据作出散布图，应用回归理论，诊断出对产品影响大和小的因素， 从而找出影响产品质量波动的主要原因，并根据波动大小，确定各因素的目 标值和容差。 经典方法、田口方法以及谢宁方法比较
第2页共2页
格式为 Word 版，下载可任意编辑
Байду номын сангаас
谢宁 DOE 实验设计的主要内容
4、变量搜索技术 与零件搜索有许多相似之处，都是逐个替换，进行测试比较，以搜索引起产
谢宁方法概述 实验设计(DOE)方法一直在发展、丰富和完善，美国人多里安谢宁(Dorian Shainin)总结了七种新的 DOE 应用技术： 多变图技术、零件搜索技术 、成 对比较技术 、变量搜索技术 、完全析因技术 、 改进效果检查及实验设计 的回归分析。 谢宁方法的主要内容 1、 多变图技术 根据以往经验确定影响质量的可能要素，例如工人班次、机床、原材料、工 艺变量等，每隔一段时间抽取连续生产的几件产品，按需观察的这些要素的 几种情况分别测试质量特性，画成图表进行比较分析，以确定引起波动的原 因。 2、零件搜索技术 根据以往经验确定影响产品质量的可疑零件，随机选取几个好的产品和坏的 产品，将坏产品上的可疑零件与好产品上的对应零件进行交换，重新装配后 进行质量特性参数的测量、比较、分析，以找到影响产品质量的主要零件。 3、成对比较技术 随机选取 5 对以上的好的和坏的产品，用各种方法测试其各种参数并比较其 不同之处，以确定影响产品质量的主要原因。成对比较技术适用于不可拆卸 的产品。
质量管理学教学案例一：田口参数实验设计
教学案例一：田口参数实验设计1 田口方法源起实验设计是以概率论与数理统计为理论基础，经济地、科学地制定实验方案以便对实验数据进行有效的统计分析的数学理论和方法。
其基本思想是英国统计学家R. A. Fisher在进行农田实验时提出的。
他在实验中发现，环境条件难于严格控制，随机误差不可忽视，故提出对实验方案必须作合理的安排，使实验数据有合适的数学模型，以减少随机误差的影响，从而提高实验结果的精度和可靠度，这就是实验设计的基本思想。
在三十、四十年代，英、美、苏等国对实验设计法进行了进一步研究，并将其逐步推广到工业生产领域中，在冶金、建筑、纺织、机械、医药等行业都有所应用。
二战期间，英美等国在工业试验中采用实验设计法取得了显著效果。
战后，日本将其作为管理技术之一从英美引进，对其经济复苏起了促进作用。
今天，实验设计已成为日本企业界人士、工程技术人员、研究人员和管理人员必备的一种通用技术。
实验计划法最早是由日本田口玄一（G. Taguchi）博士将其应用到工业界而一举成名的。
五十年代，田口玄一博士借鉴实验设计法提出了信噪比实验设计，并逐步发展为以质量损失函数、三次设计为基本思想的田口方法。
田口博士最早出书介绍他的理论时用的就是“实验计划法─DOE”，所以一般人惯以实验计划法或DOE来称之。
但随着在日本产业界应用的普及，案例与经验的累积，田口博士的理论和工具日渐完备，整个田口的这套方法在日本产业专家学者的努力之下，早已脱离其原始风貌，展现出更新更好的体系化内容。
日本以质量工程（Quality Enginerring）称之。
但是，严格来讲，田口方法和DOE是不同的东西。
田口方法重视各产业的技术，着重快速找到在最低成本时的最佳质量。
DOE则重视统计技术，着重符合数学的严谨性。
虽然学术界普遍认为田口方法缺少统计的严格性，但该方法还是以其简单实用性广为工业界所应用和推广。
先进国家对田口方法越来越重视，并且也已经取得了很好的效果。
DOE-田口式实验计划法
實驗之方式
• 實驗之方式：
– Try & Error：依據每次實驗結果加入自己專業判斷，以
決定下一次實驗的參數組合。此一方法需要很強的專業知 識(亦即第六感要好)
– 單要因實驗方法：一次只改變一個要因，以尋求該要因
的最佳設定值。此一方法對於有兩個以上要因會同時影響 特性值的話將會有問題。
– 多要因（多元配置）實驗方法：將所有的要因做排列
組合，因此每一種可能的情形都將被做實驗，據此找出最 佳組合。此一方法在要因個數很少時可以進行，但是一般 即使重要要因也會有十幾個，如此將使得實驗完成日期遙 遙無期。
– 直交表實驗方法：藉由各要因在實驗中出現相同次數，
以平衡該要因的影響大小。此為目前可以同時解決上述兩 2013-7-11 20 大缺點的方法。
B-Low
B-High
B-Low B-High A-Low 3 5 A-high 6 4
A-Low A-High
交互作用之重點
• 用已研究2變數間依存程度之大小。一般變數 皆會有依定程度之依存，因此可藉由它來判斷 其大小。 • 如果不知交互作用之大小，而給予錯誤假設， 則可能造成實驗失敗。 • 研究交互作用將使得實驗規模無法減少，亦即 實驗次數將為：變數要因^變數個數(Ex:2^2=4) • 有時為權衡2者，因此採用部份研究交互作用 的方式，亦即不研究高次項的交互作用。
2013-7-11 14
要因Factor分類
• 要因：會影響特性值的要因(配方) 。 • 控制要因：可由設計者或主事者變更之要因，用以得
到最安定(最佳)之產品輸出值(特性值)。例如:製程條件、 構成元件等。
• 誤差要因：不可由設計者或主事者變更之要因，或者
變更時所需成本相當高。例如；環境溫度對於產品的影響 等。它適用來評估設計者找出的配方能否接受考驗的重要 要因。
谢宁实验设计方法DOE
u 使用FMEA识别变差源 u 列出所有可能的变差源
25
SGM SDE Module April 2004
SGM Confidential
13 PDF created with pdfFactory trial version
SSV’s － 一些示例
类别 机器/过程
流程材料
示例
推进压力 注塑温度 主轴转速 滑槽复位性 注塑速度 淬火时间 奥氏体化温度 盐浴液成分 冷却剂温度 冷却剂粘度 汲取油性能 铸造砂性能
n 第2阶段 － 测量和分析Measure and Analyze
n 第3阶段 － 改进Improve n 第4阶段 － 控制Control
DDeefifninee
MMeeaassuurree&&AAnnaalylyzzee
这个循环被称为DMAIC
SGM SDE Module April 2004
SGM Confidential
n 人们的态度应该从“我知道”向“让我们一起做吧” （而不是凭经验“可能是或肯定不是这个原因”）
n 一个有力的负责人必须监督和跟踪每一个项目 的进度
13
SGM SDE Module April 2004
SGM Confidential
谢宁DOE工具
n 基础的DOE工具
u 多变差分析 u 过程参数研究 u 成对比较技术 u 零部件研究 u 改良的零部件研究 u 集合图
二、DMAIC结构
Shainin DOE
2-0.DOE田口方法--0.618、黑红梅方拉丁方、规划、设计、制造、销售、服务
0.618法（例）
2009.6
0.618法要求试验结果目标函数f(x)是单峰函数，即在试 验范围内只有一个最优点d，其效果f（d）最好，比d大 或小的点都差，且距最优点d越远的试验效果越差。
这个要求在大多数实际问题中都能满足。
f(x)
o
a
d
b
0.618法
x
2009.6
对分法也叫平分法，是单因素试验设计方法适用于试验 范围（a, b）内，目标函数为单调（连续或间断）的情况 下，求最优点的 方法。
试验设计的效果
2009.6
试验设计是应用统计手法进行解决问题的方法，它在19世 纪产生于英国.
最早是在农地进行试验。如“最佳肥料”的依据。
逐步应用到畜牧业。
试验设计的由来
2009.6
一个烤漆工厂，针对喷漆后烤漆所使用的时间及温度各使 用一元多次试验法进行试验，以了解哪一种条件下密着性 （附着度）最好。
美国：
1、检验部门把关，对产品的合格与否严加控制； 2、用休哈特( Shewhat )控制图进行生产工序管理； 这样只能控制产品的质量，而不能真正改进产品的质量；
日本：
1、用线外质量管理（又称三次设计）来提高产品设计质量，这样产 品先天性好；
2、用线内质量管理来改进生产工序；
产品的市场竞争力强；
一则发人深省的新闻报道
作法： 如试验范围L = b – a，试验点间隔为N，则试验点n为：
n = —L + 1 = ——b -—a — + 1
N
N
均分法
2009.6
对采用新钢种的某零件进行磨削加工，砂轮转速范围为 420转/分~720转/分，拟经过试验找出能使光洁度最佳的砂
- 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)。
6. 选择因子的水平: 选择两水平 7. 选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab进行图表分析：
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
目标
常见试验方法
单纯形质心法
混料试验设计
2个以上
预测和优化
单纯形格点法 极端顶点法
7
三.全因子试验设计的样例
球的类型
弹射器
1 弹射杯的位置 2
乒乓球
带孔球
1 2 插销的位置 3 4 像皮筋的条数 1 停止角 3 2
3 4 5 钓钩的位置 6
毛球
4
5 6
发射角
8
试验设计中的基本术语
DOE：试验设计，一种以最有效的方式安排试验，并对试验结果 进行特殊的处理 因子(factor): 试验设计中的输入变量X
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
15
步骤6:选择因子的水平
• 两水平(低和高)编码为–1和+1。 • 对弹射器问题,我们可以选择两个插销的位置和两个发射角度
分别作为低水平(-1)和高水平(+1)。
12
执行试验设计的步骤
1. 2. 3. 4. 5. 定义问题: 建立一个精确的弹射器 验证测量系统的能力 确立试验目标: 发射球到6米远,并使变化在6±0.2米间 选择响应变量(输出变量Y): 距离(米) 选择因子(输入变量X):
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
• +1和-1代表因子高、低水平，0代表中心点。 • 如果第一列的因子水平交替出现为: +1, -1。第二列的因子水平交替出 现为: +1, +1, -1, -1。第三列的因子水平出现为： 4个+1和4个-1。此 种有规律的排列称作标准序(StdOrder)。 • 因为我们在“选项”对话框中选择了“随机化运行顺序”，所以Minitab以完 全随机的方式安排各次试验单元的顺序。如下图中第二列。
1测量, 有许多潜在的测量方法
– 做一次快速测量系统评估，为后面的试验建立一个标 准测量方法。 – 建议的测量方法是多个人员观察弹射球的着地点。
• 建立一个标准的弹射流程
– 出于试验的目的, 应尽可能的减少影响试验结果的误 差源。即在整个试验过程中, 仅由一人发射球。 – 设计一张数据收集表格，确保正确记录每次弹射的距 离在数据收集表上。
部分因子试验设计
(Fractional Factorial)
5
响应曲面设计
类别
因子数
目标
常见试验方法
Box-Behnken
响应曲面设计
(Response Surface Design)
2-5
预测和优化
中心复合试验设计
(Central Composite)
CCF，CCD，CCI
6
混料试验设计
类别
因子数
25
步骤9: 运用Minitab分析数据
路径：统计 > DOE > 因子 > 分析因子设计
在对话框中选择响应变量“C8 Dist”
26
在统计分析模型中选定因子
• 首先让我们来选择统计分析模型所要包含的因子。如果你不在统计分析模型中选定
因子，Minitab会自动选择包括三阶交互效应的项目进入统计分析模型。通过按双右 箭头键，你能移动你所需要的因子从 “可选项” 窗口到“所选项”窗口（如右下图示）。 减少统计分析模型中的项目，对分析结果是有影响的。
23
步骤8：实施试验并收集数据
24
执行试验设计的步骤
1. 2. 3. 4. 5. 定义问题: 建立一个精确的弹射器 验证测量系统的能力 确立试验目标: 发射球到6米远,并使变化在6±0.2米间 选择响应变量(输出变量Y): 距离(米) 选择因子(输入变量X):
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
17
在Minitab中生成全因子试验设计方案
路径：统计 > DOE > 因子 > 创建因子设计
•
3 产生三因子两水平的全因子试验设计2
，总共得到2 x 2 x 2 = 8 次试验运行。
6. 选择因子的水平: 选择两水平 7. 选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab进行图表分析：
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
19
设置试验设计中的选项
• 在“选项”对话框中
选择 “随机化运行顺序 ”。以完全随机的方式 安排各次试验单元的 顺序。
• 随机化的目的是防止
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。
20
选定因子的名称和水平
• 在“因子”对话框中填入 各因子的高底水平代码或 实际的设定值。
21
Minitab中的试验设计输出
13
步骤5:选择输入变量“因子”
• 使用头脑风暴法选择因子。 • 使用多变量分析和其它分析方法筛选出重要的因子。 • 使用先前试验的结果来筛选出重要的因子，如部分因子试验设计。 • 运用实际制程中的知识来筛选重要的因子。 • 咨询相关制程专家。 • 经验法则:
–对任一制程, 至多只有2-6个重要的因子. –具有挑战性的工作是去定义哪些是重要的因子以及因子的取值范围. –首先对可能是最重要的因子进行试验，以保持试验设计的简单性. –但有时,不得不选择更多的因子.
• 对于橡皮筋数量我们可以选择: – 低水平(-1)为1根皮筋 , 高水平 (+1)为3根皮筋
• 两个水平间的范围应足够宽以体显实际的制程差异。
• 但因子水平的设置不能超过因子的可行范围(可超过当前的过
程设置范围)。
• 试验中的一些因子水平组合可能会产生不可接受的不合格品。
• 对计量型的因子, 水平设置可从当前操作的极限开始。
22
执行试验设计的步骤
1. 2. 3. 4. 5. 定义问题: 建立一个精确的弹射器 验证测量系统的能力 确立试验目标: 发射球到6米远,并使变化在6±0.2米间 选择响应变量(输出变量Y): 距离(米) 选择因子(输入变量X):
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
响应变量(response)：试验设计中的输出变量Y
水平(level)：因子取值的个数（两个或更多个） 处理(treatment)：各因子皆选定了各自的水平后，其组合 随机化(randomization)：以完全随机的方式安排各次试验单元 的顺序 代码化(coding)：将因子所取低、中、高水平设定为-1、0和1 交互作用(interaction)
6. 选择因子的水平: 选择两水平 7. 选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab进行图表分析：
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
12. 得出实际结论 13. 贯彻改进方案
10
三.全因子试验设计的实例
1. 2. 3. 4. 5. 定义问题: 建立一个精确的弹射器 验证测量系统的能力 确立试验目标: 发射球到6米远,并使变化在6±0.2米间 选择响应变量(输出变量Y): 距离(米) 选择因子(输入变量X):
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
a. 发射角 b. 球的类型 c. 像皮筋的条数 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 d. 插销的位置 h. 弹射杯的位置
6. 选择因子的水平: 选择两水平 7. 选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab进行图表分析：
6. 选择因子的水平: 选择两水平 7. 选择试验设计方案: 运用Minitab设计数学矩阵数据收集表格 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab进行图表分析：
a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器
11. 重复试验来验证试验结果 12. 得出实际结论 13. 贯彻改进方案
9
试验设计的基本步骤
1. 定义问题 2. 验证测量系统的能力 3. 确立试验目标
4. 选择响应变量(输出变量Y)
5. 选择因子(输入变量X) 6. 选择因子的水平 7. 选择试验设计方案 8. 实施试验并收集数据 9. 运用minitab分析数据得出统计结论 10. 运用minitab图表分析