1、经典田口谢宁韩永春DOE试验设计（Design Of Experiments）,目录,一. 试验与试验设计二. 经典试验设计的类别三. 全因子试验设计的样例四. 经典DOE、田口DOE与谢宁DOE,一. 试验与试验设计,一项“试验”是：依据计划，输入变量可以被直接调控的任何测试。 一项 “试验设计”是：一门科学，是研究如何合理而有效地组织试验， 并运用更为科学的分析工具对试验结果的数据进行处理， 取得最佳方案的一种方法，它包括计划、实施、分析、验证、应用。,线性试验设计,二. 经典试验设计的类别,筛选试验设计,响应曲面设计,混料试验设计,三.全因子试验设计的样例,试验设计中的基本术语,DOE：
2、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),试验设计的基本步骤,定义问题验证测量系统的能力确立试验目标选择响应变量(输出变量Y)选择因子(输入变量X)选择因子的水平选择试验设计方案实施试验并收
3、集数据运用minitab分析数据得出统计结论运用minitab图表分析重复试验来验证试验结果得出实际结论贯彻改进方案,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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用minitab进行图表
4、分析： a.因子效应的Pareto图 b.主效应图 c.交互效应图 d.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,三.全因子试验设计的实例,步骤2: 验证测量系统的能力,对于距离的测量, 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。,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
5、化在60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用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.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,执行试验设计的步骤,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
6、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.练习：分组使用头脑风暴法选出因子。,重点：通过筛选试验设计来筛选出重要的因子： A.插销的位置(Pin_Pos)，B.橡皮筋的条数(N_RubBnd)，C.发射角(Strt_Ang),步骤5:选择输入变量“因子”,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
7、试验目标: 发射球到6米远,并使变化在60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用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.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,执行试验设计的步骤,步骤6:选择因子的水平
8、,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)。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。,注意：如果有条件，强烈建议在因子设定好后，在各因子的“中心点”安排重复试验，一般在中心点重复做三四次试验，并安排在大约全部试验的开头、中间和结尾，以评估试验误差及
9、随机误差。,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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案: 运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用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.响应优化器重复试验来验证试验结果得
10、出实际结论贯彻改进方案,执行试验设计的步骤,产生三因子两水平的全因子试验设计23 ，总共得到2 x 2 x 2 = 8 次试验运行。,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,我们将设计一个三变量全因子试验设计。首先，需要定义因子数，然后按 “设计” 键进入设计窗口。选择“全因子”行。再在“每个区组的中心点数”中选择3，及在中心点设计三次试验运行，那么总共有11次试验运行。,生成三变量全因子试验设计,注意：如果有条件，强烈建议在因子设定好后，在各因子的“中心点”安排重复试验。,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
11、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。,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。,Minitab中的试验设计输出,+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。,定义问
12、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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案: 运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用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.响应优化器重复试验来验证试验结果得出实际结论贯彻改进
13、方案,执行试验设计的步骤,步骤8：实施试验并收集数据,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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用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
14、图 d.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,执行试验设计的步骤,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”,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。,在统计分析模型中选定因子,因子回归: Dist 与 Pin_Pos, N_RubBnd, Strt_Ang 方
15、差分析来源 自由度 Adj SS Adj MS F 值 P 值模型 7 68.2188 9.7455 141.44 0.001 线性 3 67.1737 22.3912 324.97 0.000 Pin_Pos 1 8.2013 8.2013 119.03 0.002 N_RubBnd 1 41.8613 41.8613 607.55 0.000 Strt_Ang 1 17.1112 17.1112 248.34 0.001 2 因子交互作用 3 0.9437 0.3146 4.57 0.122 Pin_Pos*N_RubBnd 1 0.0612 0.0612 0.89 0.415 Pin_P
16、os*Strt_Ang 1 0.7812 0.7812 11.34 0.043 N_RubBnd*Strt_Ang 1 0.1013 0.1013 1.47 0.312 3 因子交互作用 1 0.1012 0.1012 1.47 0.312 Pin_Pos*N_RubBnd*Strt_Ang 1 0.1012 0.1012 1.47 0.312误差 3 0.2067 0.0689 弯曲 1 0.0200 0.0200 0.21 0.689 纯误差 2 0.1867 0.0933合计 10 68.4255模型汇总 S R-sq R-sq（调整） R-sq(预测)0.262491 99.70% 9
17、8.99% 92.77%已编码系数项 效应 系数 系数标准误 T 值 P 值 方差膨胀因子常量 6.1636 0.0791 77.88 0.000Pin_Pos 2.0250 1.0125 0.0928 10.91 0.002 1.00N_RubBnd 4.5750 2.2875 0.0928 24.65 0.000 1.00Strt_Ang 2.9250 1.4625 0.0928 15.76 0.001 1.00Pin_Pos*N_RubBnd -0.1750 -0.0875 0.0928 -0.94 0.415 1.00Pin_Pos*Strt_Ang -0.6250 -0.3125 0
18、.0928 -3.37 0.043 1.00N_RubBnd*Strt_Ang 0.2250 0.1125 0.0928 1.21 0.312 1.00Pin_Pos*N_RubBnd*Strt_Ang -0.2250 -0.1125 0.0928 -1.21 0.312 1.00以未编码单位表示的回归方程：Dist = 6.1636 + 1.0125 Pin_Pos + 2.2875 N_RubBnd + 1.4625 Strt_Ang- 0.0875 Pin_Pos*N_RubBnd - 0.3125 Pin_Pos*Strt_Ang + 0.1125 N_RubBnd*Strt_Ang
19、- 0.1125Pin_Pos*N_RubBnd*Strt_Ang,得出统计结论,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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用minitab进行图表分析： a.因子效应的Pareto图
20、 b.主效应图 c.交互效应图 d.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,执行试验设计的步骤,因子效应的Pareto图,因子的t值的绝对值如果大于红线，则说明此因子对响应变量的影响是显著的。从图中也可看出因子Pin_Pos、 N_RubBnd、 Strt_Ang和二阶交互效应Pin_Pos*Strt_Ang对响应变量的影响是显著的。,t值的绝对值,路径：统计 DOE 因子 分析因子设计 图形,主效应图,主效应图是因子试验的主要分析图。在Minitab中显示时，所有变量纵坐标Y是一致的。在分析报告中常常使用此图来进行分析。,路径: 统计 DOE 因子 因子图 “图形”中选“主
21、效应图”,主效应图-续,因子的斜率越大说明该因子对响应变量的影响越显著。从主效应图中可以看出因子“N_RubBnd”对响应变量的影响最大。因子Strt_Ang次之，因子Pin_Pos的影响相对较小。以上对图表进行分析的结论与统计结论的分析相一致。,交互效应图,交互效应是两个因子同时作用时对响应变量的影响。交互效应图是在一幅图中同时画出两个变量。如上图所示. 注意在这幅图中，变量“B”和Y轴的关系随着变量“A”的变化而变化。当“A”在高水平(+1)时，变量“B”对Y影响较大。当“A”在低水平(-1)时，“B”对Y的影响较小。可用两条线不平行的程度来区别交互作用的强弱特性。,交互效应图,当你选择的
22、输入变量超过两个时，Minitab会产生交互效应矩阵图。在图中，你可以同时看到多个输入变量间的交互效应。,从图中你能看出因子间有什么样的交互效应？,路径:统计 DOE 因子 因子图 “图形”中选“交互作用图”,立方图,路径: 统计 DOE 因子 立方图中选“数据均值”。此图一般不用于作报告，它通常仅用来帮助了解响应变量的数据在试验空间中的分布。,在使用响应优化器前，你必须首先对数据进行分析。 统计 DOE 因子 分析因子设计然后再使用响应优化器 统计 DOE 因子 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5.8和6.2。 统计 DOE 因子 响应优
23、化器 设置,Minitab中响应优化器,路径：统计 DOE 因子 响应优化器 设置,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60.2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 d. 插销的位置 e. 停止角 f. 钓钩的位置 g. 像皮筋的类型 h. 弹射杯的位置选择因子的水平: 选择两水平选择试验设计方案，并运用Minitab设计数学矩阵数据收集表格实施试验并收集数据运用minitab分析数据得出统计结论运用minitab进行图表分析： a.因子效应的Pareto
24、图 b.主效应图 c.交互效应图 d.响应优化器重复试验来验证试验结果得出实际结论贯彻改进方案,执行试验设计的步骤,四.经典、田口、谢宁DOE的比较MICHAEL_HANYONGCHUNOUTLOOK.COM,田口DOE,利用S/N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。使用田口方法，可以使我们的产品在各种环境下都能够安定地工作，不发生或者少发生故障。田口试验设计的核心思想是以最少的试验次数确定最佳的参数组合，快速筛选出最优设计方案。使用田口方法，可以使工程师摆脱试行错误，用最短的时间设计出最高的产品质量，提高设计效率。,谢宁DOE,谢宁法的思路与我们通常的或传统的方法不同，它采用逆向式的搜索方法。一般人通常的做法是从因至果去思考(先罗列许多可能的原因, 然后一一去试验，从而决定哪个才是真正的原因), 如鱼骨图法等等。而谢宁法采用从果到因的思维方式(以输出结果为起点，反向开展搜寻)。从谢宁法的角度看，质量改善意味着寻找引起波动的最重要的原因 (即所谓Red X, Pink X 和 Pale Pink X)。,Thank You !,
