世界级质量管理工具谢宁DOE
Shainin DOE
Shainin DOE所属分类：质量管理工具目录 [隐藏]∙谢宁方法概述∙谢宁方法的主要内容∙经典方法、田口方法以及谢宁方法比较编辑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。
编辑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。
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。
质量管理工具方法之“DOE、DPMO”后续还有：DFMEA及对策表哦！
质量管理工具方法之“DOE、DPMO”后续还有：DFMEA及对策表哦！DOE（Design of Experiment,试验设计）一、什么是DOEDOE（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。
二、为什么需要DOE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。
三、DOE的基本原理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S2/n。
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。
谢宁DOE
qsconsult www.qsconsult.be1 Willy VandenbrandeShainin: A concept for problemsolvingLecture at the Shainin conferenceAmelior11 December 20092Dorian Shainin (1914 –2000)•Aeronautical engineer (MIT –1936)•Design Engineer for United Aircraft Corporations •Mentored by his friend Joseph M. Juran•Reliability consultant for Grumman Aerospace (Lunar Excursion Module)•Reliability consultant for Pratt&Whitney (RL-10 rocket engine)•Developed over 20 statistical engineering techniques for problem solving and reliability •Started Shainin Consultants in 1984, his son Peter is currentCEO.Dorian Shainin and ASQ•15th ASQ Honorary Member (1996)•First person to win all four major ASQ medals•In 2004 ASQ created the Dorian Shainin Medal–For outstanding use of unique or creativeapplications of statistical techniques in thesolving of problems related to the quality of aproduct or service.3Dorian Shainin•Not very well known outside USA (compared to Deming, Juran)•1991: Publication of first edition of“World Class Quality”by Keki Bothe •2000: Second edition (Keki and Adi Bothe)•Books brought attention to Shainin methods, but are very biased.4Problem Solving •Focus is on variation reductionLSL USLLSL = Lower Specification Limit USL = Upper Specification LimitBeforeAfter5Problem Solving•But also …LSLAfterBefore6Basic Shainin assumption•The pareto principle of vital few and trivial many.•Only a few input variables are responsible for a large part of the output behavior.–Red X TM–Pink X TM–Pale Pink X TM•Problem solving becomes the hunt for the Red X TM7Shainin tools•Recipe like methods / statistics in the background•Comparing extremes allows easier detection of causes–BOB Best of Best–WOW Worst of Worse•Non parametrics with ranking tests in stead of calculations with hypothesis tests•Graphical Methods•Working with small sample sizes•The truth is in the parts, not in the drawing: let the parts talk!8Preliminary activities•Define the critical output variable(s) to be improved (called problem Green Y®)•Determine the quality of the Measurement System used to evaluate the Green Y®–A bad measurement system can in itself beresponsible for excessive variation–Improvements can only be seen if they can bemeasured910Overview of Shainin toolsComponents Search Multi-Vari chart Paired Comparisons Variables Search Full FactorialsB vs CScatter Plots PrecontrolProduct / ProcessSearchRSM methodsPositrolProcess CertificationClue generatingFormal Doe toolsValidationOptimization AssuranceOngoing controlControl20 –1000 variables5 –20 variables4 or less variablesNo interactionsInteractionsGeneral comments•Gradually narrowing down the search•Clear logic–Analyzing–Improving–Controlling•Not all tools are “Shainin”tools•“What’s in a name?”–Positrol versus Control Plan–Process Certification versus Process Audit11Tool details•Overview of methods•More info on B vs C TM and Scatter Plots in workshops•Some more detail on–Multi-Vari chart–Paired Comparison TM and Product/ProcessSearch–Pre Control1213Clue Generating / Multi-Vari Chart Very useful tool and best applied beforebrainstorming causes on excess variationComments Samples taken in production on current process Could be a big measurement investment Sample SizeDivide total variation in categories Search for causes of variation in the biggest category first PrinciplesProblem type: excess variation Wide applicability ApplicationUnderstand the pattern of variation Define areas where not to look for problems Allow a more specific brainstorm ObjectiveMulti-Vari Chart•Breakdown of variation in 3 families:–Positional(within piece, between cavities, …)–Cyclical(consecutive units, batch-to-batch, lot-to-lot)–Temporal (hour-to-hour, shift-to-shift, …)1415Multi-vari Chart•If one family of variationcontains a large part oftotal variation, we canconcentrate oninvestigating variablesrelated to this family ofvariation.16Clue Generating / Component SearchTM Disassembly / reassembly requirement limitsapplication.Comments 2 = 1 BOB and 1 WOW Sample SizeSelect BOB and WOW unit Exchange components and observe behavior. Components that change behavior are Red X comp PrinciplesProblem type: assembly does not perform to spec Limitation: Disassembly / Reassembly must be possible without product change ApplicationFind the component(s) of an assembly that is (are) responsible for bad behavior Objective17Clue Generating / Paired ComparisonTM Practical application of “let the parts talk”Comments5 to6 pairs of 1 BOB and 1 WOWSample SizeSelect pairs of BOB and WOW units Look for differences Consistent differences to be investigated further PrinciplesProblem type: occasional problems in production flow ApplicationFind directions for further investigationObjectivePaired Comparisons TM: method•Step1: take1 good and 1 bad unit–As close as possible in time–Aim for BOB and WOW units•Step2: note the differences between these units (visual, dimensional, mechanical, chemical, …). Let the parts talk!•Step3: take a second pair of good and bad units.Repeat step218Paired Comparisons TM: method •Step4: repeat this process with third, fourth, fith, …pair until a pattern of differences becomes apparent. •Step5: don’t take inconsistent differences into account. Generally after the fith or sixth pair theconsistent differences that cause the variationbecome clear.1920Clue Generating / Product/Process Search Tukey test is alternative for t-testWidely applicable methodProblem: available data (process parameters)Comments 8 BOB and 8 WOW units / batches Sample SizeSelect sets of BOB and WOW units –batches -..Add product data / process parameters and rank Apply Tukey test to determine important parameters PrinciplesProblem type: Various types of problems ApplicationPreselection of variables out of a large group of potential variables ObjectiveProduct/Process Search: example•Transmission assemblies rejected for noise.•Components search shows idler shaft as responsible component•One of the parameters of idler shaft is “out of round”•8 good / 8 bad units selected and measured for “out of round”2122Product/Process search: example0.0070.0110.0190.0170.0220.0140.0180.015Out of round good units(mm)0.0170.0210.0230.0240.0230.0160.0180.019Out of round bad units(mm)Tukey test procedure•Rank individual units by parameter and indicate Good / Bad.•Count number of “all good”or “all bad”from one side and vice versa from other side.•Make sum of both counts.•Determine confidence level to evaluate significance.2324Tukey test confidence levels99.9%1399%1095%790%6ConfidenceTotal end count25Tukey test: example0.0230.0230.0240.0160.0170.0180.0190.0210.0170.0180.0190.0220.0070.0110.0140.015BadGood Top end count (all good)4Bottom end count (all bad)3Overlap regionTukey test: example•Total end count = 4 + 3 = 7•95 % confidence that out-of-round idler shaft is important in explaining the difference in noise levels.2627Formal Doe tools / Variables SearchAlternative to fractional factorials on two levels Method comparable to components searchCommentsNumber of tests is determined by number of variables and quality of ordering.Sample Size List variables in order of criticality (process knowledge) and indicate good / bad level.Swap factor settings and observe behavior.Factors that change behavior (and interactions) are red X TM , Pink X TMPrinciplesProblem type: Various types of problemsAfter clue generating more then 4 potential variables leftApplicationDetermine Red X TM , Pink X TM including quantification of their effectObjective28Formal Doe tools / Full FactorialsWell established methodCommentsNumber of tests is determined by number of variables k (2k test combinations)Sample Size Classical DOE with Full Factorials at two levels Main Effects and interactions are calculated Principles Problem type: Various types of problems After clue generating 4 or less variables left Application Determine Red X TM , Pink X TM including quantification of their effectObjective29Formal Doe tools / B(etter) vs C(urrent)TMQuick validation that works well with big improvementsComments3 B and 3 C tests (each test can involve several units –test of variation reduction)All 3B’s must be better than all 3C’s Sample Size Create new process using optimum settings and compare optimum with current.Principles Problem type: Various types of problemsApplication Validation of Red X TM , Pink X TMObjective30Optimization / Scatter PlotsGraphical method that could easily be transformed to a statistical methodComments30 tests for each critical variableSample Size Do tests around optimum and use graphical regression to set tolerancePrinciples Problem type: Variation Reduction and optimizing signalApplication Fine tune best level and realistic tolerance for Red X TM , Pink X TM if no interactions are present Objective31Optimization / Response Surface Methods Method developed by George Box CommentsDepends on variables and surface.Sample SizeEvolutionary Operation (EVOP) to scan response surface in direction of steepest ascent PrinciplesProblem type: Variation Reduction and optimizing signal ApplicationFine tune best level and realistic tolerance for Red X TM , Pink X TM if interactions are present ObjectiveEVOP example3233Control / PositrolCan be compared with a Control Plan CommentsChecking frequency in the When columnSample SizeTable of What, How, Who, Where and When control has to be exercised. PrinciplesProblem type: all types ApplicationAssuring that optimum settings are kept Objective34Control / Process CertificationMix of 5S, Poka-Yoke, instructions, ISO 9000,audits,…Comments Checking frequency to be determined Sample SizeMake overview of things that could influence the process and install inspections, audits, …PrinciplesProblem type: all typesApplicationEliminating peripheral causes of poor quality Objective35Control / Pre ControlAlternative to classical SPCTraffic lights systemVery practical methodComments Checking frequency to be determinedSample SizeDivide total tolerance in colored zones and use prescribed sampling and rules to control the process.PrinciplesProblem type: control variation and setting of the process ApplicationContinuous checking of the quality of the process output Objective36Pre-Control: chart constructionUSL LSLTARGET ½TOL1/4 TOL1/4 TOLPre-control: use of chart1.Start process: five consecutive units ingreen needed as validation of set-up.2.If not possible: improve process.3.In production: 2 consecutive units4.Frequency: time interval between twostoppages (see action rules) / 6.3738Pre-control: action rulesStop and act 2 units in different yellow zoneStop and act1 unit in red zone Correct2 units in same yellow zoneContinue 1 unit in green and 1 unit in yellowzoneContinue 2 units in green zoneAction Result of samplesAfter an intervention: 5 consecutive units in green zone39Pre-control: exampleTime StartCorrect Startqsconsult www.qsconsult.be40 Willy VandenbrandeWilly Vandenbrande, Master TQM ASQ Fellow-Six Sigma Black Belt Montpellier 34B -8310 BruggeBelgië-BelgiumTel + 32 (0)479 36 03 75E-mail willy@qsconsult.be Website www.qsconsult.beQS Consult。
谢宁DOE培训报告(中文)
比如结构胶黏度不稳定： 1.判断这与时间，空间层面关系不大，与原料物性有关。 2.将人为测量误差，黏度计误差等因素排除，之后考虑填料，促进剂，固化剂 等是否是影响因素。 3.可能原因是胶水，故对基料（胶水）进行混合，对其黏度进行追踪，列出表 格，记录数据. 4.根据数据分析是哪些胶水导致的，从中找到解决方法.
1.准备
确认该问题是时间还是空间层面的问题。确认拆装后是否会损坏产品，并选择适 当的方法。
2.试验
阶段
用途
Ⅰ数据收集-显著性检验 判定是装配问题 还是零件问题
Ⅱ排除
判定是哪个（些）零件问题
Ⅲ求交运算
验证第Ⅱ步
Ⅳ析因分析
量化重要原因及交互作用幅度/方向
3.根据上述实验结果分析最终解决方案
3.3确定要因 如何确定问题要因？
3.3.2周期性问题-成对比较
EC:end count终结计数
选零件
选取6-8个BOB及WOW
记录
选择所比较特性和参 数,排序,比较
图基 检验
确定置信水平，计算 EC，得出结论
3.3.3空间层面-集中图
• 当产品缺陷存在空间方面的规律时，可采用集中图分析并确定问题要因 • 应用
检查问题/缺陷是否集中发生在产品或过程中的某一特定区域; 当缺陷可能发生在产品的多个位置上（如气孔，针孔，污损); 缺陷可能产生于过程中的多“流”，且流的数量较多，无法应用多变量分析。
2.样本量/判定法则 假定没重叠:3Bvs3c,B全部好于C。 可能有重叠：至少6Bvs6C,只要N1：N2≤3：4
3.量化改进效果 K：95%置信水平下的K值 如果B的平均值减去C的平均值的绝对值≥K*Sigma（b）则改进效果已发生
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
DFC(design for cost)面向成本优化的设计
DFC（design for cost）面向成本优化的设计课程简介：DFC本身是DFX家族的一个成员，它有自身系统化的方法、技术构成，但是也兼顾其它成员，与DFM/DFA等成员构成相互配合，相互支撑的关系。
由于Cost Down 已成为行业竞争的主导方向，如何通过优化产品先期设计，达到降低整体成本的目的，同时保证质量和产品项目的效率，就成为一个现实的需要，研发部门和工程师，通过学习并掌握一定的技术方法，能够在设计开发工作中，直接产生成本优化的设计结果，是课程的需求方向。
这里面的重点是面向研发工程师本身的工作和实际产品，提供有利并能运用到工作中去的设计方法，而不是让每个研发工程师都学习新的“成本分析法”，变成人人皆有”财务头脑“。
这门课程的内容及性质是一个研发技术课程，而不是理念宣传或管理型的课程，它包含的都是研发人员在实际产品开发工作中可利用的方法，当然目的是朝向降低总体成本的。
课程中大量应用了新颖前沿的技术方法，简明实用，可以直接针对公司产品进行快速设计分析实战，完全用技术手段找到成本优化和设计改进的空间，会令人耳目一新，兴趣盎然（以往汽车行业的各种课程中很少包含这些技术方法。
）从2014年以来我们一些相关客户的选择和反馈信息，也反映出DFC比其他成本优化课程更能满足研发部门的实际需求：ABB低压电器，西门子电动汽车(新事业部)，博世汽车电子，博西华电器，科士达汽车电器。
近期这些德系的企业对”面向成本的优化设计“ 关注度很高并且倾向于了DFC，而不是年代较为久远的V A/VE课程大纲：时间为两天，课程技术方法较为密集，逻辑性较强；另外全程有多次实战演练，为保证课程内容及实践环节的充分开展，每天建议7-7.5小时。
序号内容描述（课程中展开详细内容）内容说明/案例及演练第一部分DFC总体路径●面向成本优化的设计在国际上的起源和应用情况●成本优化的设计要回归产品设计本身●研发人员的思维更新--功能经济性●研发人员的---质量经济性（改变传统的质量观念，将研发/工艺/成本全程纳入到质量●产品成本优化设计的技术途径●DFC的一些引导性实例第二部分产品系统分析和系本部分整体构成一个面向成本的设计路径这一阶段构成优化设(首要重点) 统开发（从功能系统到成本系统）●产品特征分析●功能单元分析●产品结构界面分析与媒体分析●功能界面法●特性分析（关键）--特性输出对潜在成本具有直接的影响●功能成本定义●技术经济性评价计最关键的前期阶段，可以以企业实际产品作为小组设计目标来开展实战作业，老师和学员共同参与第三部分(重点)采用V A/VE的功能成本决策工具●V A/VE内在的分析方法本质—以系统分析为基础●V A/VE倡导的设计优化途径●V A/VE中的专门功能成本分析方法●V A/VE功能整理与策划---FAST图●功能价值决策工具在这里V A/VE是作为一个分析工具模块加以运用的，采用V A/VE中的分析方法，第四部分(重点) 设计阶段的技术风险成本及设计预防措施●技术风险是如何界定的●技术风险的属性和规律●设计风险与产品功能的关系●设计风险与产品特性的关系●特性变异引发潜在功能变异类型与方向●功能变异带来的成本损失●设计风险对产品成本的影响关系这一部分的内容和一般的失效风险分析不同，是基于产品内在技术运行规律的风险分析，这也是设计评审和设计改进的一套方法第二天内容（两天的时间分割在此处可能有一些偏差，因为第四章节的内容开展会受前面部分学员掌握情况的影响第五部分（首要重点）潜在工艺成本分析与优化●结构化的潜在工程成本分析●设计方案的工艺可行性●什么是潜在工艺水平●潜在工艺水平对成本的依赖●设计阶段降低因潜在工艺水平要求高而带来的制造成本●潜在工艺成本与外协件的直接关联●外协件技术/成本策划与先期管控●实际对工艺的包容性本部分内容非常重要，它是为了搭建设计与工艺及制造之间的桥梁，目的是在设计阶段综合考虑整个产品诞生周期的成本，这是企业普遍关心的问题，即设计阶段如何通过优化来降低后续制造成本第六部分(重点)包容性设计方法●包容性设计的含义●包容性设计的目标●包容性设计技术原理（通过设计优化，降低对材料/工艺条件/制造环境的要求这部分实际上是基于前面章节的综合提升，小组要重新或继续通过样本开发任务来实践有关的技术方法来降低潜在制造成本●包容性设计的路径●用系统开发和特性开发方法建立研发项目第七部分面向成本的设计所需要的灵活工具●breakthrough—7工具●层次分析法●TRIZ工具的应用●水平对比法（可对应于选型设计和横向比较）●更多的一些创新工具这部分内容较为灵活，可根据实际产品进行分析，也可根据学员掌握的情况来插入新的模块化的工具方法第八部分内容说明：由于前面各章节都包含了比较密集的技术方法及设计实践，本课程七个主体章节内容已经很丰富因此第八部分是作为总结探讨，以消除研发部门日常工作中遇到的一些障碍，尤其是涉及到与工艺，质量，制造部门✧面向成本的设计与新产品开发项目的结合✧合理看待并处理在项目合作中工艺/制造/质量部门与研发部的合作障碍✧面向成本的设计中“成本”的界定✧站在研发角度正确认识技术成本，工艺成本，制造成本，采购成本和质量成本之间的关系，这也对跨部门合作关系起到融洽的作用。
谢宁DOE之因子(变量)搜索
1、试验背景：某冲压零件之某一重点尺寸，经常被客户投诉超出公差，现为找到影响该
2、试验目的：找出影响成型尺寸的红X与粉红X，以减少变差，提高过程能力；
3、绿Y：
5、重要性试验
6、变量和求交运算搜索试验数据成型尺寸(公差0-15）
完全
值
D临界水平值=42.5
D最佳水平值=27.75
D主效应=14.75D为粉红X（影响尺寸变化的次重要因子）F临界水平值=58
F最佳水平值=12.25
F主效应=45.75F为红X（影响尺寸变化的最重要因子）
DF交互效应=1.75交互效应弱
9、改善对策：
采取措施确保板板挟持保持水平，控制板材不让弯曲即可降低尺寸
说明：总共做了20次试验，即找到关键因子，如果是传统的DOE（试验设计的英文缩写）6=6传统试验设计要做到世界末日为止。
实际上针对这种影响因子很多的质量特性，谢恩DOE
搜索等工具，可以将因子从1000个缩小到5个以内，再从5个当中通过变量搜索试验，来锁定关键因子
为找到影响该尺寸（绿Y）的影响因子（红X和粉红X），特做此试验；
寸变化的次重要因子）
交互效应图
变化的最重要因子）
低尺寸波动，提高C PK.
缩写），需要做26=64试验，如果是像下面鱼骨图那样多达50个因子，那
恩DOE在试验前期要通过多变量分析、集中图、部件搜索、成对比较、产品/过程搜索试验，来锁定关键因子。
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。
浅谈DOE
浅谈DOEDOE即为Design Of Experiments的缩写，意为实验设计。
分为田口DOE和谢宁DOE。
应用领域：航天、机械、电子、化工、服务、食品等等；应用部门：研发、品质、生产、工程等等。
如果质量水平分为四级：1.检验级；2.质量保证级；3.预防级；4.完美级。
那么我司现处于第二级别。
出现问题才着手解决，大部分质量问题由质量保证方面的专业人员处理。
产品是生产出来的，不是检验出来的，所以就需用到数据的分析技术，如柏拉图、因果图、SPC、DOE、QFD等方法，广泛地应用。
目前，本司质量业绩GR&R>30%,CPK<1.33,所以需向第三级过渡，三级向四级迈进。
由于田口方法对统计技术要求较高，增加了企业普及推广广泛应用的难度，它主要包含三个内容：1.系统设计；2.参数设计；3.容差设计。
主要应用于新产品开发和过程参数优化设计中，如Bose 产品，客人有要求用DOE优化超声熔接参数。
DOE试验方法较多，根据数据类型，或产品要求或成本等方面的考虑，可分为正交（常用正交表）、筛选、全因子分部因子、响应曲面、均匀试验等。
以下分别描述田口设计的三个阶段：系统设计是三个阶段中的初级阶段，是应用专业技术进行产品功能设计和结构设计的阶段.从空性角度考虑各参数对产品质量的综合影响。
系统设计具有正交性、试验记数较少，节约大量时间及经费、方法、交互作用。
极差分析法、方差分析法、S/N分析法。
S/N分析法又包含望目分析，望大分析及望小分析。
在完成系统设计后进行参数设计，通过调整可控因数，导找最佳的设计参数组合，减少噪声因素对产品质量性能的干扰。
确定各因素间的主效应影响。
第三阶段容差设计就是容许偏差，通过参数设计确定系统各构件参数的最佳组合后，需进一点确定设计参数波动的容许范围，就像图纸尺寸的公差一样。
以下为S/N方法的诠释：望目特性：设定一个目标值，使一组参数最佳值达到这一数值，如客户提供的声学资料参数，我们试验改善达到客户要求。
经典田口谢宁韩永春DOE试验设计
• 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。
统计分析因子设计?然后再使用响应优化器统计响应优化器?你也必须在响应优化器的对话框中的设置功能中设定响应变量的目标值6和上下限58和62doedoedoe优化参数设定优化参数水平设置来减少一个系统对噪声变化的敏感性找问题的原因筛选试验设计全因子试验设计响应曲面设计混料试验设计静态参数设计动态参数设计十大工具因子解析法信噪比逆向思维法筛选试验设计响应曲面设计筛选试验设计田口设计从果到因的思维方式主要应用于研发生产主要应用于研发生产主要应用于生产minitabjmp等minitabjmp等不需要基本统计知识基本统计知识基本统计知识需求相对较少试验期间要停止生产试验期间要停止生产可以不停产利用sn和正交试验从工程角度来看田口试验方法就是在产品设计或设计过程中在不增加成本的前提下突破设计瓶颈或改善生产制造流程提高产品品质的一种试验方法
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
响应变量(response)：试验设计中的输出变量Y
谢宁DOE
案例研究：设计多变量
印刷电路板钻孔
解答：对于上述问题有3个主要变量族系和7个子族系。
绿Y：毛刺度量尺度 时间对时间 班次对班次（3） 小时对小时（3） 机器对机器（3） 钻孔夹头对钻孔 夹头（2） 钻孔尺寸对钻孔 操作者对操作者 尺寸（4） （3） 部件对部件 面板对面板（3） 部件内
15
确定取样频率和所需部件的数量
从先前定义的所有族中收集样本（多腔、多轴等等） 从先前定义的每个不同时间段收集一批样本
•
• •
如果80％的历史变差可以从数据中获取，则停止收集样本
利用多变差图分析数据 根据以下类别计算变差： a) 时间变差 b) 单位内变差 c) 零件间3
案例研究：设计多变量
确定在零件的缺陷中是否存在任何模式（pattern）或
密度（concentration） 只有在多变差分析表明单位内变差很大，而且怀疑是变 差很大的原因时适用
• 画一幅单位图 • 在图上用网格画成多个区域 • 当对单位进行检验时，在单位图上标记发现缺陷的准确位置 • 如果你在分析多种缺陷，确定缺陷编号（这绝不是我们在问题定义阶段第 一步要做的事） • 用比例（1～5）乘以缺陷，表示每个缺陷的严重度，填写在适当的网格里 • 把这个图和多变差分析结合起来。连续标记，直到获得80％的历史拒收 • 研究网格，看是否有什么缺陷很集中，密度很大 • 看看能否用工程判断来确定缺陷的原因。如果不行，我们必须应用产品/过 程或变量调查来继续试验。
（11）你会很神气地从第2列第5行中抽出那张牌（总是中间那行）。
8
第二章－1 初级DOE工具—多变量分析
扑克牌戏法背后的多变量原理
在给定的问题中，27张牌就是27个变量，任何一个都可能是红X。
哪里有《谢宁DOE-快速解决复杂问题方法培训课程介绍》
谢宁DOE-快速解决复杂问题方法培训课程1对1培训及咨询、百度文库官方认证机构、提供不仅仅是一门课程，而是分析问题，解决问题的方法！管理思维提升之旅！（备注：具体案例，会根据客户行业和要求做调整）知识改变命运、为明天事业腾飞蓄能上海蓝草企业管理咨询有限公司蓝草咨询的目标：为用户提升工作业绩优异而努力，为用户明天事业腾飞以蓄能！蓝草咨询的老师：都有多年实战经验，拒绝传统的说教，以案例分析，讲故事为核心，化繁为简，互动体验场景，把学员当成真诚的朋友！蓝草咨询的课程：以满足初级、中级、中高级的学员的个性化培训为出发点，通过学习达成不仅当前岗位知识与技能，同时为晋升岗位所需知识与技能做准备。
课程设计不仅注意突出落地性、实战性、技能型，而且特别关注新技术、新渠道、新知识、创新型在实践中运用。
蓝草咨询的愿景：卓越的培训是获得知识的绝佳路径，同时是学员快乐的旅程，为快乐而培训为培训更快乐！目前开班的城市：北京、上海、深圳、苏州、香格里拉、荔波，行万里路，破万卷书！蓝草咨询的增值服务：可以提供开具培训费的增值税专用发票。
让用户合理利用国家鼓励培训各种优惠的政策。
报名学习蓝草咨询的培训等学员可以申请免费成为“蓝草club”会员，会员可以免费参加（某些活动只收取成本费用）蓝草club定期不定期举办活动，如联谊会、读书会、品鉴会等。
报名学习蓝草咨询培训的学员可以自愿参加蓝草企业“蓝草朋友圈”，分享来自全国各地、多行业多领域的多方面资源，感受朋友们的成功快乐。
培训成绩合格的学员获颁培训结业证书，某些课程可以获得国内知名大学颁发的证书和国际培训证书（学员仅仅承担成本费用）。
成为“蓝草club”会员的学员，报名参加另外蓝草举办的培训课程的，可以享受该培训课程多种优惠。
一．市场营销岗位及营销新知识系列课程《狼性销售团队建立与激励》《卓越房地产营销实战》《卓越客户服务及实战》《海外市场客服及实务》《互联网时代下的品牌引爆》《迎销－大数据时代营销思维与实战》《电子商务与网络营销-企业电商实战全攻略》《电子商务品牌成功之路－塑造高情商（EQ）品牌》《精准营销实战训练营》《卓越营销实战－企业成功源于成功的营销策划》《关系营销-卓越营销实战之打造双赢客户》《赢销大客户的策略与技巧》《如何做好金牌店长—提升业绩十项技能实训》二．财务岗位及财务技能知识系列《财务报表阅读与分析》《财务分析实务与风险管理》《非财务人员财务管理实务课程》《有效应收账款与信用管理控制》《总经理的财务课程》《财务体系人员的营销管理》《全面预算管理》《全面质量成本管理及实务》。
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
谢宁DOE-快速解决复杂问题方法培训(2天)
谢宁DOE-快速解决复杂问题方法培训●课程背景在流程优化的众多策略和方法中，美国质量专家多利安.谢宁发明和整合的试验设计DOE具有简捷、效果强大，改进成本低等优点。
谢宁DOE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。
谢宁DOE解决问题不仅针对性强，而且具有效果好，不打断生产的优点。
“没有戴明，美国就不会有质量哲学；没有朱兰，美国就不会有质量的方向；没有谢宁，美国就无从解决质量问题”。
这句名言总结了美国最伟大的三位质量大师的贡献。
本课程通过大量的故事/游戏，案例/讲解，讨论/练习等方式，由浅入深，生动演绎解决企业生产/工艺/质量/设计乃至管理问题的最佳途径。
●培训对象质量总监、质量经理、质量主管、质量工程师、质量技术员；技术总监、经理、工程师、技术员；产吕流程总监、经理、工程师、技术员；研发总监、经理、工程师；生产经理、生产主管以及想提高自己解决复杂问题能力的所有工程师（PE，ME，QA，SQE等）。
●培训时间2天●课程收获对企业而言，我们确保学员在培训完成后，大家能选用最简单、最实用、最强大的工具来解决实际中的质量问题。
有条件的企业（尤其是内训课程），可选取1个老大难问题作为课堂讨论/练习的一部分，随着课程的结束，最终找到问题的解决方案。
课程宗旨：培训是解决问题的开端，实践出真知，改善无止境。
●课程大纲第一章谢宁DOE基础一.变化二.中心趋势的度量三.离散度的度量四.总体与样本的统计量五.正态分布第二章谢宁DOE介绍一.谢宁介绍二.DOE（Design of Experiments）三.谢宁DOE概念定义第三章谢宁DOE的10大工具第一节初级DOE工具一.多变量分析1.多变量分析介绍2.多变量分析的步骤3.样例研究：设计多变量4.确定取样频率和所需部件的数量5.课堂练习6.MINITAB的操作二.集中图1.集中图介绍2.样例研究3.课堂练习三.部件调查1.部件调查介绍2.什么是交互作用3.交互作用图4.部件调查的步骤5.第一步列出可疑子部件，确定问题是否在装配过程中6.第二步调换好的和差的子部件来测试7.第三步最终调换8.第四步因子分析9.课堂练习10.课后练习四.成对数据比较1.成对数据比较介绍2.成对数据比较步骤3.成对数据比较的置信度4.样例研究一5.样例研究二6.练习一7.练习二确定导致问题的参数五.过程参数调查1.过程参数调查介绍2.注意事项3.过程参数调查的步骤4.课堂练习第二节高级DOE工具一.变量调查1.变量调查介绍2.变量调查的步骤3.第一步是否为试验确定了正确的参数和水平4.第二步区分重要的和不重要的参数5.第三步验证第2步中确定的重要参数是否真的重要6.第四步量化重要参数的数量和期望水平，以及它们的关联交互作用7.课堂练习二.全因子分析1.全因子分析介绍2.基本原则3.随机化与试验设计的关系4.全因子试验步骤5.样例研究6.课堂练习第三节确认改善效果一.测试原因确认1.测试原因确认介绍2.测试原因确认之目标3.测试原因确认的两种情况4.测试原因确认步骤5.样例研究一6.确定选择项之间的改进量7.置信水平的K值8.样例研究二9.课堂练习-110.课堂练习-2二.用变量调查作过程验证和确认1.变量调查作过程验证和确认介绍2.课堂练习第四节优化变量一.散布图1.散布图的相关性2.绘制散布图的步骤3.通过散布图决定公差4.利用散布图确定规格注意事项二.响应曲面图1.调优运算-2因子2.单纯形法-2因子第五节预控制图一.预控制图是什么二.预控制图的方法三.使用图表来查看预控制图的操作原则四.只有单边限制的预控制图五.控制图课堂练习培训总结与答疑。
DOE 实验设计-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蓝草咨询提供的训练培训课程以满足初级、中级、中高级的学员（含企业采购标的），通过蓝草精心准备的课程，学习达成当前岗位知识与技能；晋升岗位所需知识与技能；蓝草课程注意突出实战性、技能型领域的应用型课程；特别关注新技术、新渠道、新知识创新型知识课程。
蓝草咨询坚定认为，卓越的训练培训是获得知识的绝佳路径，但也应是学员快乐的旅程，蓝草企业的口号是：为快乐而培训为培训更快乐！蓝草咨询为实现上述目标，为培训机构、培训学员提供了多种形式的优惠和增值快乐的政策和手段，可以提供开具培训费的增值税专用发票。
∵〖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。
这些都是我们在看书，听讲座，参加研讨会之后产生的感觉。
我们耗费了很多时间去学习DOE，也许发现总是没有耐心学下去，而公司产品中的问题却依然存在，困扰我们的问题是如此的长期和顽固，挥之不去：这到底是装配过程的问题，还是设计问题或供应商来料问题？这到底是不是真正的原因？每个零件都合乎规格和要求，为什么装到一起就出问题？出厂前从来没有发现过，怎么到市场上就出现，甚至一开箱就出现？有些问题非常难再现出来，收集足够的数据用来进行正统的DOE分析也是不现实的，怎么办？谢宁DOE正是解决以上困扰的利器，与其说是它一种技术理论，不如说是一种思维方式，它是一个开放的思维平台，融合了众多用创造性思维解决问题的模式，在这一点上它体现了开放的思想，它不会嘲笑基层设备维修人员调试机器时用的逐项试验是乡巴佬，也不会蔑视班组长把少数几个不良样品进行可疑零件的互换是不登大雅之堂，没技术含量，甚至CEO都有可能蹲在在生产线用它在纸上随手写写画画，和工人一起分析问题，也许我们平时在分析不良样品的时候用的方法，正是谢宁DOE的组成部分，这些实实在在的行动，都被认为是非常可贵的，只不过，我们平时对一些问题困惑的原因是没有把那些方法运用合适，或者没有坚持到底。
- 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)。
原理
8/2原则
帕累托定律
目的
80%的问题（Y） 是由哪些20%的原 因（X）造成的 简单，有效 强调与部件对话
10大工具
Y：绿Y，代表要解决的问题和目标 利克特尺度：在好坏之间建立一个好坏程度，如1代表差，10代表好； 好处：减少数据量
X：变量
红X
粉红X
浅粉红X
测量精度：5:1，（即变量变化范围:测量工艺精度）≥5
优化X变量的公差 持续改善
为什么首先要讲多变量分析？ 最重要的是该工具针对大量没有直接联系的、猜测 的可能原因和不可处理的变量减少到少得多的一族相 关变量。 多变量分析为其它工具的使用提供一个分析基础。
多变量分析是一种过滤技术，将20个以上变量过滤， 定位最可能的原因，可以形象的称之“漏斗法”
扑克戏法的原理：对于27张牌，三次定位找出指定的牌 （红X），即第一次找出红X所在的列，可以排除18张牌； 再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再 次洗牌，则可以轻松的确定唯一的红X
鱼骨图的无奈——常用的分析问题的方法
鱼骨图可以分析问题产生的可能原因，但并不能进一 步分析，到底哪个是主要原因，次要的原因。只能每 项可能的原因都要进行改善，效率低，很多原因可能 只是猜测，这正是多变量分析的优势。
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
多变量分析案例（三）
某加工者在制造直径要求为0.0250英寸±0.001英寸的 圆柱体转子轴时，出了很多废品。有3个轴式上午8点加
工的，其它的为上午9、10、11和12点加工的。对每个
轴要进行四次测量——2次在右面，两次在右面，对每 个轴从左到右测量锥度；从上到下测试不同心度，让轴 转动，测量最大直径点和最小直径点。这样，在部件内 变量中，就会出现两个子族，即锥度和不同心度，绿Y
针对各个x进行族系的划分： 每天三班倒 每班工作时间的变化 有13台同样的钻床 每台机器有4个钻削夹头
时间对时间
时间对时间 部件内 部件内 部件内 部件对部件
每班有8个工人操作机器
每台机器上有3个装在PWB板上的控制板
每台机有10种钻孔尺寸
部件内
首先画出族谱图，按照三个族系分类，然后确定各个x的取 样数目，一般3~5就可以。从上可以得看，存在3大族系，个 子族系，如下图：
6、切片机存在两种40工艺和42工艺
将线痕的轻重（即硅片的最大粗糙度）做绿Y
族谱图分析
绿Y：线痕粗糙度
时间对时间
班次对班次（3） 时间对时间（3）
部件对部件
工艺对工艺（2）
部件内
员工对员工（3） 机台对机台（9） 砂浆对砂浆（2）
注：针对各个变量选取适当的取样次数，每4小时取样一次，主 操手6个选取3个，机台36台选取9台。
目的：在X1，X2，X3，…Xn中出红X、粉红X、浅粉红X所在 的变量族 方法: 1. 针对每个变量，从产品或制程抽出四至五个样品作为样本,并 测量有关之质量特性 2. 定时重复抽取样本,直到样本整体能反映大部份(约 80%)的不良变异 3. 按时序制作多变量图 4. 观察何种变异最为显著——多变量分析的过滤器
3.
设计多变量具体研究步骤
1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般3~5） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数 量） 7. 将第4、5、6不重的数量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集
设计数据收集表
变量族 班# 时间
工艺#
时间对时间 A 前4h 中间4h 后4h 前4h B 中间4h 后4h 前4h C 中间4h 后4h
变量族 员工# 机台 砂浆# M 1 N M 甲 2 N M 3 N M 15 N
工艺40 乙 16 M N M 17 N M 34 N M 丙 35 N M 36 N
为转子的直径。针对数据做变量图如下：
第一种变量图
第二种变量图
针对同一个问题，两种变量图，从图可以看出，第二种变 量图更为直观明了，可以很快发现，时间变量最大。
多变量分析案例（四）
具体应用到切片生产中，可以针对一般线痕的问题做相关分 析的案例。相关变量如下：
1、车间3个班（A、B、C）
2、车间有36台机 3、每个班有6个主操手，没人负责6台机器 4、每个班12个小时 5、切片机使用M（380kg）和N（270kg+120kg）两种砂浆
多变量分析案例（一）
印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 • 每天三班倒 • 有13台同样的钻床 • 每台机器有4个钻削夹头 • 每班有8个工人操作机器 • 每台机器上有3个装在PWB板上的控制板 • 每台机有10种钻孔尺寸
变量族的划分
1. 2. 位臵变量(样本内的） 部件内部/组件内的不同位臵 在成批加料时出现的位臵或范围的变化 不同机器/不同试验位臵 不同生产线之间/不同工人之间的质量变化 周期性(样本之间的变化) 在同样的时段，从一个生产过程中抽取的连续的部件间 的变化 不同的批次/部件组中的变量 时间性的变化 小时、天、周、班别的变化差异
60% 50% 50% 40%
绿Y
X变量对 Y的பைடு நூலகம்响比重
30% 20% 20% 10% 10% 0% 红X 粉红X 原因重要性 浅粉红X
多变量分析
成对比较
集中图 变量搜索
部件搜索
产品/过程搜索 全析因
针对20个以上的变量 思维创新工具
确认重要变量
B Vs C分析 散布图 响应曲面图 SPC
确认改善效果