實(shí)驗(yàn)設(shè)計(jì)DOE演示文稿

實(shí)驗(yàn)設(shè)計(jì)DOE演示文稿本文檔共129頁(yè)；當(dāng)前第1頁(yè)；編輯于星期二\1點(diǎn)24分實(shí)驗(yàn)設(shè)計(jì)DOE本文檔共129頁(yè)；當(dāng)前第2頁(yè)；編輯于星期二\1點(diǎn)24分實(shí)踐中的問(wèn)題

化學(xué)家需要找到最佳的合成條件(溫度、壓力、濃度等）,使得某種產(chǎn)品的產(chǎn)出率達(dá)到最高。電子工程師需要對(duì)各電子元件的規(guī)格以及電路的排布方式進(jìn)行選擇，使的電子產(chǎn)品最大程度地抵抗各種干擾。教練想研究最佳的訓(xùn)練方案（營(yíng)養(yǎng)、運(yùn)動(dòng)類型、運(yùn)動(dòng)量等）人事部研究銷售人員的業(yè)績(jī)與銷售人員個(gè)人特性的關(guān)系（相貌、性格、溝通技巧、技術(shù)背景、誠(chéng)信度），以便在今后的招聘中確立正確的標(biāo)準(zhǔn)。銀行家使用各種方法催收利息和欠款，但要研究綜合哪些方法可以保證銀行的最大利益但又不至于丟失客戶。

……Y=f(x1,x2,x3,...)本文檔共129頁(yè)；當(dāng)前第3頁(yè)；編輯于星期二\1點(diǎn)24分 1. 隨機(jī)試驗(yàn)

2. 單因子試驗(yàn)

3. 全因子試驗(yàn)

4. 部分因子試驗(yàn)

5. 計(jì)算模擬試驗(yàn)試驗(yàn)方法不同試驗(yàn)方法各有千秋本文檔共129頁(yè)；當(dāng)前第4頁(yè)；編輯于星期二\1點(diǎn)24分傳統(tǒng)的實(shí)驗(yàn)方法Best-guessApproach經(jīng)驗(yàn)試驗(yàn)優(yōu)點(diǎn):

經(jīng)驗(yàn)和知識(shí)快捷缺點(diǎn):

當(dāng)經(jīng)驗(yàn)和知識(shí)與實(shí)際情況有偏差時(shí),反復(fù)試驗(yàn)都不成功,浪費(fèi)時(shí)間和金錢通常找不到最佳點(diǎn)屢敗屢戰(zhàn)，屢戰(zhàn)屢敗本文檔共129頁(yè)；當(dāng)前第5頁(yè)；編輯于星期二\1點(diǎn)24分學(xué)術(shù)的實(shí)驗(yàn)方法單因子試驗(yàn)OneFactorAtATime優(yōu)點(diǎn):

對(duì)單個(gè)因子研究很仔細(xì)缺點(diǎn):

耗時(shí)間金錢不能發(fā)現(xiàn)因子之間的相互作用本文檔共129頁(yè)；當(dāng)前第6頁(yè)；編輯于星期二\1點(diǎn)24分未來(lái)的實(shí)驗(yàn)方法ComputerSimulation&Test計(jì)算機(jī)模擬與驗(yàn)證優(yōu)點(diǎn):

快速準(zhǔn)確局限:

需要大量的人力物力來(lái)確定物理模型.目前的知識(shí)水平還不能提供足夠的物理模型本文檔共129頁(yè)；當(dāng)前第7頁(yè)；編輯于星期二\1點(diǎn)24分統(tǒng)計(jì)實(shí)驗(yàn)方法可測(cè)量的輸出響應(yīng)Ys可控輸入因子X(jué)s誤差項(xiàng)error中包含

1)不可控的輸入因子(可能是離散型或連續(xù)型)

造成的波動(dòng)或誤差;2)模型本身的不準(zhǔn)確(失擬)試驗(yàn)設(shè)計(jì)的基本概念與模型本文檔共129頁(yè)；當(dāng)前第8頁(yè)；編輯于星期二\1點(diǎn)24分

根據(jù)試驗(yàn)?zāi)康倪x擇試驗(yàn)類型目的類型篩選優(yōu)化Plackett-burman(試驗(yàn)次數(shù)最少)多用少用部分因子試驗(yàn)(試驗(yàn)次數(shù)較少)多用少用全因子試驗(yàn)(試驗(yàn)次數(shù)中等)可用可用響應(yīng)曲面法（RSM）(試驗(yàn)次數(shù)最多)少用多用統(tǒng)計(jì)實(shí)驗(yàn)方法本文檔共129頁(yè)；當(dāng)前第9頁(yè)；編輯于星期二\1點(diǎn)24分統(tǒng)計(jì)實(shí)驗(yàn)方法PG-1-17 施肥間隔和氣溫對(duì)產(chǎn)量的影響的試驗(yàn)兩因子DOE只需11次試驗(yàn)可以得出相應(yīng)曲面、因子與響應(yīng)的關(guān)系和最優(yōu)值，能給出均值和波動(dòng)。而OFAT找到的卻不是真正的最優(yōu)值。本文檔共129頁(yè)；當(dāng)前第10頁(yè)；編輯于星期二\1點(diǎn)24分統(tǒng)計(jì)實(shí)驗(yàn)方法1、統(tǒng)計(jì)試驗(yàn)設(shè)計(jì)：系統(tǒng)規(guī)劃、執(zhí)行試驗(yàn)計(jì)劃、統(tǒng)計(jì)分析2、從中你能獲得其它試驗(yàn)分析方法得不到的結(jié)果：響應(yīng)曲面、交互因子、擴(kuò)展范圍、假設(shè)檢驗(yàn)、波動(dòng)范圍（置信區(qū)間）、預(yù)測(cè)結(jié)果3、能找出變差發(fā)生的原因4、能用有效的計(jì)劃試驗(yàn)來(lái)減少波動(dòng)的影響5、能用假設(shè)檢驗(yàn)和置信區(qū)間來(lái)分析、解釋獲得的數(shù)據(jù)6、適用于：新產(chǎn)品、新設(shè)計(jì)、新過(guò)程、新工藝

當(dāng)確定新目標(biāo)后，一定要仔細(xì)先做好試驗(yàn)規(guī)劃，以求用最少的試驗(yàn)次數(shù)獲得最多的信息，從而進(jìn)行篩選因子或?qū)で笠蜃拥淖顑?yōu)設(shè)置。本文檔共129頁(yè)；當(dāng)前第11頁(yè)；編輯于星期二\1點(diǎn)24分DOE的起源與發(fā)展

上世紀(jì)30年代，RonaldA.Fisher將統(tǒng)計(jì)學(xué)用于實(shí)驗(yàn)設(shè)計(jì)。首先用于農(nóng)業(yè)和生物研究接著用于紡織印染、化學(xué)工業(yè)、機(jī)械制造進(jìn)而用于電子工業(yè)第二次世界大戰(zhàn)后在日本得到長(zhǎng)足進(jìn)展中國(guó)曾在70-80年代推廣本文檔共129頁(yè)；當(dāng)前第12頁(yè)；編輯于星期二\1點(diǎn)24分全因子試驗(yàn)（DOE）通過(guò)少量的實(shí)驗(yàn)來(lái)研究多個(gè)因子各自的作用快捷、節(jié)省費(fèi)用

易于計(jì)劃和分析對(duì)定量因子和定性因子都實(shí)用均衡全面有利于確定因子之間的相互作用本文檔共129頁(yè)；當(dāng)前第13頁(yè)；編輯于星期二\1點(diǎn)24分2kFullFactorialsK個(gè)因子，每個(gè)因子取兩個(gè)變化水平試驗(yàn)次數(shù):2kLOWHIGHHIGHTwoFactors4RunsABHIGHHIGHHIGHLOWLOWLOWThreeFactors8RunsBAC本文檔共129頁(yè)；當(dāng)前第14頁(yè)；編輯于星期二\1點(diǎn)24分4LevelsofFactorA3LevelsofFactorB3LevelsofFactorA2LevelsofFactorB2LevelsofFactorCBABCA多水平下的試驗(yàn)次數(shù)本文檔共129頁(yè)；當(dāng)前第15頁(yè)；編輯于星期二\1點(diǎn)24分a b c d-1 -1 -1 -11 -1 -1 -1-1 1 -1 -11 1 -1 -1-1 -1 1 -11 -1 1 -1-1 1 1 -11 1 1 -1-1 -1 -1 11 -1 -1 1-1 1 -1 11 1 -1 1-1 -1 1 11 -1 1 1-1 1 1 11 1 1 12x2Design2x2x2Design如果用+1,-1來(lái)代表兩個(gè)水平本文檔共129頁(yè)；當(dāng)前第16頁(yè)；編輯于星期二\1點(diǎn)24分平衡正交Orthogonal0對(duì)于每個(gè)因子0對(duì)于所有的數(shù)對(duì)

XiS=

XiXjS=B低

高A(L,H)(-1+1)b(H,H)(+1,+1)ab(L,L)(-1,-1)(1)(H,L)(+1,-1)a高低對(duì)于全部的實(shí)驗(yàn)點(diǎn)(Xi,Xj)實(shí)驗(yàn)方案的正交性本文檔共129頁(yè)；當(dāng)前第17頁(yè)；編輯于星期二\1點(diǎn)24分23

全因子試驗(yàn)示例某化工產(chǎn)品的合成產(chǎn)率與溫度(Temperature）、原材料的濃度（Concentration)和催化劑的類型(Catalyst)有關(guān).試驗(yàn)時(shí)選擇的條件為:溫度:160oC(-1),180oC(1)濃度(%):20(-1),40(1)催化劑:A型(-1),B型(1)試驗(yàn)設(shè)計(jì)表如下FactorTrial A B C 1 - - - 2 + - - 3 - + - 4 + + - 5 - - + 6 + - + 7 - + + 8 + + +本文檔共129頁(yè)；當(dāng)前第18頁(yè)；編輯于星期二\1點(diǎn)24分計(jì)算溫度的影響高設(shè)下的平均值71.00低設(shè)下的平均值49.25

影響

()21.75TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185溫度影響Effect=(56+55+88+85)(54+47+51+45)44=71.00-49.25=21.75可以理解為溫度升高對(duì)產(chǎn)率有利本文檔共129頁(yè)；當(dāng)前第19頁(yè)；編輯于星期二\1點(diǎn)24分()()濃度的影響=47+55+45+854-+++=-5456518844.25表明濃度從20%升高到

40%,產(chǎn)率將下降約

4個(gè)點(diǎn)23-4.25高設(shè)下的均值低設(shè)下的均值影響

()71.0049.2558.0062.25TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185計(jì)算濃度的作用本文檔共129頁(yè)；當(dāng)前第20頁(yè)；編輯于星期二\1點(diǎn)24分催化劑效能=4(____)_____()4計(jì)算催化劑的效果本文檔共129頁(yè)；當(dāng)前第21頁(yè)；編輯于星期二\1點(diǎn)24分因子之間的交互作用

用主體因子的兩列進(jìn)行線性相乘,就可得到交互作用的列.主體因子的實(shí)驗(yàn)方案交互作用TxC=TempConcX=本文檔共129頁(yè)；當(dāng)前第22頁(yè)；編輯于星期二\1點(diǎn)24分因子之間的相互作用計(jì)算本文檔共129頁(yè)；當(dāng)前第23頁(yè)；編輯于星期二\1點(diǎn)24分圖示各主體因子的作用主體因子的影響將該因子所有處于(-1)時(shí)的輸出結(jié)果加起來(lái)并計(jì)算均值,將均值畫(huà)在圖上將該因子所有處于(+1)時(shí)的輸出結(jié)果加起來(lái)并計(jì)算均值,將均值畫(huà)在圖上將兩點(diǎn)聯(lián)起來(lái)催化劑的影響已經(jīng)畫(huà)好,請(qǐng)將另外兩個(gè)畫(huà)出來(lái)Temp(-1)(+1)Conc(-1)(+1)Cat(-1)(+1)5070606555

本文檔共129頁(yè)；當(dāng)前第24頁(yè)；編輯于星期二\1點(diǎn)24分圖示交互作用TempxConcConcxCatTempxCat以溫度與濃度的交互作用為例對(duì)于溫度為

-1,將濃度為

–1時(shí)的結(jié)果進(jìn)行平均對(duì)于溫度為+1,濃度為

–1時(shí)的結(jié)果進(jìn)行平均將兩點(diǎn)畫(huà)在圖中,并用直線相連同樣地,計(jì)算并畫(huà)出濃度為

+1時(shí)的一條直線Temp(-1)(+1)Temp(-1)(+1)Conc(-1)(+1)

Temp-1,Conc-1=(54+51)/2=52.5Temp+1,Conc-1=(56+88)/2=72Temp-1,Conc+1=(47+45)/2=46Temp+1,Conc+1=(55+85)/2=7045755565

Conc=+1

Conc=-1本文檔共129頁(yè)；當(dāng)前第25頁(yè)；編輯于星期二\1點(diǎn)24分DOE的基礎(chǔ)概念試驗(yàn)設(shè)計(jì)基礎(chǔ)概念：隨機(jī)化－Randomization；區(qū)組化－Blocking；重復(fù)－Replication；試驗(yàn)誤差－ExperimentalError；試驗(yàn)單元－ExperimentalUnit（EU）。本文檔共129頁(yè)；當(dāng)前第26頁(yè)；編輯于星期二\1點(diǎn)24分隨機(jī)化－Randomization：隨機(jī)化是在試驗(yàn)研究中重新分配試驗(yàn)材料和安排試驗(yàn)順序的一種試驗(yàn)設(shè)計(jì)技巧。隨機(jī)化的目的是消除和減小因不可控和/或已知討厭因子對(duì)響應(yīng)可能產(chǎn)生的系統(tǒng)影響。隨機(jī)化可以通過(guò)隨機(jī)數(shù)據(jù)表或計(jì)算機(jī)隨機(jī)數(shù)產(chǎn)生器完成。隨機(jī)化的結(jié)果是保證某一次試驗(yàn)既不受前面的試驗(yàn)的影響，也不影響后面的試驗(yàn)，或者說(shuō)試驗(yàn)是獨(dú)立的。隨機(jī)化不能減少試驗(yàn)誤差即噪音，但可以減小不可控的、討厭因子可能引起的系統(tǒng)影響。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第27頁(yè)；編輯于星期二\1點(diǎn)24分下圖的RunOrder是隨機(jī)化（Randomization）后的試驗(yàn)次序：隨機(jī)試驗(yàn)順序本章將介紹用Minitab產(chǎn)生隨機(jī)數(shù)以進(jìn)行試驗(yàn)順序隨機(jī)化。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第28頁(yè)；編輯于星期二\1點(diǎn)24分區(qū)組化－Blocking：區(qū)組化是一種孤立已知系統(tǒng)影響的試驗(yàn)設(shè)計(jì)技巧，目的是防止已知系統(tǒng)影響掩蓋重要輸入因子的效應(yīng)。區(qū)組化與隨機(jī)化的不同之處在于區(qū)組化可以減小試驗(yàn)噪音，而減小試驗(yàn)噪音不是隨機(jī)化的目標(biāo)。區(qū)組可以視作可控因子或變量，但是是討厭因子，我們不能或不應(yīng)該將其固定在一個(gè)水平上?？赡艿膮^(qū)組包括不同原材料、操作者、機(jī)器、批次等。區(qū)組效應(yīng)可以集中任何系統(tǒng)效應(yīng)并從感興趣的因子效應(yīng)中分析出來(lái)。比較方法中的配對(duì)比較就是最簡(jiǎn)單的區(qū)組例子。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第29頁(yè)；編輯于星期二\1點(diǎn)24分下圖飛機(jī)模型試驗(yàn)中對(duì)項(xiàng)目成員進(jìn)行區(qū)組的例子：按項(xiàng)目成員區(qū)組化上述為區(qū)組化的例子，但注意上述安排不好，容易與BOTFOLD混雜，處理辦法在后續(xù)章節(jié)介紹。區(qū)組化是試驗(yàn)設(shè)計(jì)很有用的工具，可以用于全因子和部分因子試驗(yàn)中減少“噪音”。盡量區(qū)組化，不能區(qū)組化再隨機(jī)化.DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第30頁(yè)；編輯于星期二\1點(diǎn)24分重復(fù)－Replication：試驗(yàn)設(shè)計(jì)中需要重復(fù)的理由有兩點(diǎn)：1）對(duì)過(guò)程的根本變差有個(gè)估計(jì)；2）提高主效應(yīng)和交互效應(yīng)估計(jì)的精度。重復(fù)是指除正常試驗(yàn)次數(shù)外在相同輸入因子水平組合下獨(dú)立安排一次和多次試驗(yàn)（注意不是同一次試驗(yàn)下的重復(fù)測(cè)量），為了保證獨(dú)立性，需要將包括重復(fù)試驗(yàn)的多有試驗(yàn)次數(shù)進(jìn)行隨機(jī)化。如果重復(fù)被用于全因子試驗(yàn)，所有因子水平組合通常被重復(fù)相同次數(shù)。舉例：飛機(jī)模型是23全因子試驗(yàn)，連同重復(fù)有16次試驗(yàn)，每個(gè)因子水平組合做兩次，通過(guò)16次試驗(yàn)的隨機(jī)化可以減小討厭因子的系統(tǒng)影響。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第31頁(yè)；編輯于星期二\1點(diǎn)24分重復(fù)－Replication舉例：注意上表中每個(gè)因子水平組合重復(fù)了一次，共16次試驗(yàn)，這16次試驗(yàn)的實(shí)施順序還需要隨機(jī)化才行。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第32頁(yè)；編輯于星期二\1點(diǎn)24分誤差(Error)包含兩部分：試驗(yàn)誤差和失擬誤差.對(duì)于飛機(jī)模型可以建立的模型為：上式中Y－響應(yīng)變量，x1,x2,x3為輸入因子，Error為總誤差。它包含:1)試驗(yàn)誤差－ExperimentalError：試驗(yàn)誤差是模型不能準(zhǔn)確預(yù)測(cè)響應(yīng)反映的誤差。試驗(yàn)誤差包括受不可控和已知討厭因子引起的試驗(yàn)“噪音”和模型失擬。試驗(yàn)誤差是同一因子水平組合下獨(dú)立重復(fù)時(shí)體現(xiàn)的變差。注意測(cè)量誤差是試驗(yàn)誤差的一個(gè)來(lái)源，在做試驗(yàn)設(shè)計(jì)前，對(duì)所有響應(yīng)進(jìn)行測(cè)量系統(tǒng)分析是十分重要的，這樣才能保證測(cè)量誤差足夠小。由于時(shí)間、資源等因素，不太可能全部重復(fù)時(shí)，最少要在一個(gè)因子水平組合下重復(fù)或者在連續(xù)型因子的中間點(diǎn)重復(fù)。DOE的基礎(chǔ)概念誤差(Error)：本文檔共129頁(yè)；當(dāng)前第33頁(yè)；編輯于星期二\1點(diǎn)24分試驗(yàn)單元－ExperimentalUnit：試驗(yàn)單元是一次試驗(yàn)和一個(gè)因子水平組合所需要的試驗(yàn)材料，試驗(yàn)單元必須獨(dú)立獲取。試驗(yàn)單元可能包括人、試驗(yàn)、動(dòng)物、電路板、半導(dǎo)體晶片等。對(duì)于重復(fù)試驗(yàn)，同一因子水平組合的重復(fù)要安排不同的試驗(yàn)單元，不同的試驗(yàn)單元安排要是隨機(jī)的以避免未知的和不受控的因子引起系統(tǒng)偏差。DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第34頁(yè)；編輯于星期二\1點(diǎn)24分試驗(yàn)具有多種試驗(yàn)單元的情況舉例：右圖所示是半導(dǎo)體晶片制造，需要經(jīng)過(guò)化學(xué)除銹和拋光兩步，前者多個(gè)Wafer一起處理，后者單獨(dú)處理，這種情況就是多種試驗(yàn)單元的情況.DOE的基礎(chǔ)概念本文檔共129頁(yè)；當(dāng)前第35頁(yè)；編輯于星期二\1點(diǎn)24分

正交代碼因子的水平取決于因子類型、因子范圍和因子量綱。我們將每個(gè)因子的兩水平（低與高）編代碼為－1和＋1，稱為正交代碼。連續(xù)變量的正交代碼

對(duì)于連續(xù)變量我們關(guān)心的是整個(gè)區(qū)間而不僅僅是試驗(yàn)的兩個(gè)水平，例如一個(gè)因子的實(shí)際區(qū)間是（100，200），兩個(gè)代碼為：代碼值－10＋1

實(shí)際值100150200

注意：150是中心點(diǎn)，代碼值為0。問(wèn)題：如果代碼值為0.5，那么實(shí)際值是多少？本文檔共129頁(yè)；當(dāng)前第36頁(yè)；編輯于星期二\1點(diǎn)24分正交代碼算法正交代碼方程式

實(shí)際值－（最大值＋最小值）/2

（最大值－最小值）/2

記A＝實(shí)際值C＝代碼值

m＝（最大值＋最小值）/2d＝（最大值－最小值）/2

則A–mC=或A＝m＋Cd

d代碼值＝本文檔共129頁(yè)；當(dāng)前第37頁(yè)；編輯于星期二\1點(diǎn)24分正交代碼優(yōu)點(diǎn)連續(xù)變量正交代碼的好處

每個(gè)因子兩水平編碼即設(shè)計(jì)因子試驗(yàn)的方法，2k設(shè)計(jì)的分析和解釋將被應(yīng)用于任何因子，不管它的類型、范圍和量綱。通過(guò)對(duì)因子水平進(jìn)行－1和＋1編碼，模型中所有因子“份量”相同，“大小”相同。所有因子都沒(méi)有量綱，因子效應(yīng)可直接比較。在一系列代碼組成的模型中，模型的均值（截距）就是響應(yīng)的均值并且在設(shè)計(jì)“空當(dāng)”的中心。當(dāng)我們分析直升機(jī)數(shù)據(jù)并且建立一個(gè)飛行時(shí)間（機(jī)翼長(zhǎng)度、寬度、底部折疊）的模型時(shí)，可以圖解效應(yīng)。正交代碼去除了主效應(yīng)估計(jì)與交互效應(yīng)估計(jì)之間的相關(guān)性。本文檔共129頁(yè)；當(dāng)前第38頁(yè)；編輯于星期二\1點(diǎn)24分使用

Minitab來(lái)設(shè)計(jì)實(shí)驗(yàn)方案按Stat>DOE>CreateFactorialDesign進(jìn)入

1-選定因子的個(gè)數(shù)

2-點(diǎn)擊

Designs

選擇鍵1.2.本文檔共129頁(yè)；當(dāng)前第39頁(yè)；編輯于星期二\1點(diǎn)24分3.點(diǎn)擊

FullFactorial(全因子實(shí)驗(yàn));點(diǎn)擊

OK.本文檔共129頁(yè)；當(dāng)前第40頁(yè)；編輯于星期二\1點(diǎn)24分4.點(diǎn)擊

Factors

鈕5.輸入各因子的名稱.6.點(diǎn)擊“OK”,實(shí)驗(yàn)方案就出現(xiàn)在數(shù)據(jù)窗口內(nèi).本文檔共129頁(yè)；當(dāng)前第41頁(yè)；編輯于星期二\1點(diǎn)24分本例中的選擇DataMatrix1.3.4.2.本文檔共129頁(yè)；當(dāng)前第42頁(yè)；編輯于星期二\1點(diǎn)24分打亂實(shí)驗(yàn)順序:1. 防止漏掉一些隨時(shí)間而變化的因子.2. 統(tǒng)計(jì)學(xué)上要求這樣做,以便體現(xiàn)統(tǒng)計(jì)的意義.3. 對(duì)于由主觀判斷進(jìn)行的測(cè)量,必須這么做.4. 常常使實(shí)驗(yàn)的安排變得困難些.如果點(diǎn)擊Option隨機(jī)化選擇本文檔共129頁(yè)；當(dāng)前第43頁(yè)；編輯于星期二\1點(diǎn)24分?jǐn)?shù)據(jù)窗口中的結(jié)果StdOrder RunOrder Blocks Temp Conc Cat 1 6 1 -1 -1 -1 2 7 1 1 -1 -1 3 1 1 -1 1 -1 4 4 1 1 1 -1 5 8 1 -1 -1 1 6 5 1 1 -1 1 7 2 1 -1 1 1 8 3 1 1 1 1Stat>DOE>DisplayDesign>StandardOrder本文檔共129頁(yè)；當(dāng)前第44頁(yè)；編輯于星期二\1點(diǎn)24分分析

DOE

Stat>Doe>AnalyzeFactorialDesigns1.輸入實(shí)驗(yàn)的結(jié)果2.3.4.本文檔共129頁(yè)；當(dāng)前第45頁(yè)；編輯于星期二\1點(diǎn)24分

AnalyzingaDOEContinued5.6.7.本文檔共129頁(yè)；當(dāng)前第46頁(yè)；編輯于星期二\1點(diǎn)24分實(shí)驗(yàn)設(shè)計(jì)的分析工具AnalysisToolsforFactorialDesignsANOVA–方差分析，鑒定因子的影響以及它們的相互作用是否顯著Regression–回歸分析，建立因子與結(jié)果之間的數(shù)學(xué)關(guān)系.ResidualAnalysis–殘差分析，從統(tǒng)計(jì)學(xué)角度證實(shí)模型的真實(shí)性

本文檔共129頁(yè)；當(dāng)前第47頁(yè)；編輯于星期二\1點(diǎn)24分FractionalFactorialFitEstimatedEffectsandCoefficientsforyield(codedunits)TermEffectCoefConstant60.125temp21.75010.875conc-4.250-2.125catalyst14.2507.125temp*conc2.2501.125temp*catalyst16.7508.375conc*catalyst-0.250-0.125temp*conc*catalyst-0.750-0.375AnalysisofVarianceforyield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects31388.381388.37462.792**2-WayInteractions3571.38571.38190.458**3-WayInteractions11.121.121.125**ResidualError00.000.000.000Total71960.88分析的結(jié)果這些是我們前面計(jì)算出來(lái)的結(jié)果為什么系數(shù)是效果的一半本文檔共129頁(yè)；當(dāng)前第48頁(yè)；編輯于星期二\1點(diǎn)24分顯著性判斷-正態(tài)性檢驗(yàn)A(溫度Temp),C(催化劑Catalyst)和

A*C(Temperature*Catalyst)交互作用偏離正態(tài)直線,表明他們的作用不是簡(jiǎn)單的隨機(jī)變化,他們是影響結(jié)果的顯著因子和交互作用.在直線附近的點(diǎn)為屬于正態(tài)分布的噪音波動(dòng)，偏離直線較遠(yuǎn)的為顯著因子或交互作用本文檔共129頁(yè)；當(dāng)前第49頁(yè)；編輯于星期二\1點(diǎn)24分顯著性判斷-Pareto在排列圖中,以t檢驗(yàn)顯著性幾率

p>0.10作為界線,可以看到A,C和

A*C交互作用是顯著的本文檔共129頁(yè)；當(dāng)前第50頁(yè)；編輯于星期二\1點(diǎn)24分圖示主體因子的影響

Stat>DOE>FactorialPlots1.選擇查看主體因子2.4.選擇要查看的因子4.3.選擇實(shí)驗(yàn)結(jié)果所在的列本文檔共129頁(yè)；當(dāng)前第51頁(yè)；編輯于星期二\1點(diǎn)24分各因子單獨(dú)對(duì)產(chǎn)率的影響（圖表）本文檔共129頁(yè)；當(dāng)前第52頁(yè)；編輯于星期二\1點(diǎn)24分圖示交互作用Stat>DOE>FactorialPlots1.點(diǎn)擊選擇查看交互作用2.4.選擇要查看的因子4.3.選擇結(jié)果所在的數(shù)據(jù)列本文檔共129頁(yè)；當(dāng)前第53頁(yè)；編輯于星期二\1點(diǎn)24分因子之間相互作用圖溫度受催化劑的影響本文檔共129頁(yè)；當(dāng)前第54頁(yè)；編輯于星期二\1點(diǎn)24分建立初步的預(yù)測(cè)關(guān)系方程式Y(jié)ield=60.125+10.875(Temp)-2.125(Conc)+7.125(Cat)+ 1.125(T*C)+8.375(T*K)-0.125(C*K)-0.375(T*C*K)使用計(jì)算出來(lái)的系數(shù):注意:上面的方程式中使用的是代碼

(±1)作為兩個(gè)水平.例如溫度代碼與真實(shí)溫度的關(guān)系為:

可以嘗試一下預(yù)測(cè)的結(jié)果,假設(shè)溫度為160,濃度為30%并采用催化劑

A本文檔共129頁(yè)；當(dāng)前第55頁(yè)；編輯于星期二\1點(diǎn)24分PlanDesignConductAnalyzeConfirmDOE后續(xù)工作

驗(yàn)證預(yù)測(cè)關(guān)系方程式進(jìn)一步DOE

單因子試驗(yàn)，找到每個(gè)因子的最佳設(shè)置最終確定工藝窗口本文檔共129頁(yè)；當(dāng)前第56頁(yè)；編輯于星期二\1點(diǎn)24分實(shí)例2:斷裂的彈簧問(wèn)題:一家彈簧廠收到很多客戶投訴,投訴他們的新品種彈簧在使用中會(huì)斷裂.該問(wèn)題已經(jīng)出現(xiàn)好幾個(gè)月了,工程師嘗試了許多辦法都沒(méi)能解決問(wèn)題,他們分析問(wèn)題的原因可能集中在三個(gè)主要的因素上:T:鋼材進(jìn)行冷卻處理之前的溫度.C:鋼材中碳的含量.O:冷卻油溫Temperatureofthequenchingoil.他們還做了一些單因子試驗(yàn),但是還沒(méi)有找到最佳條件設(shè)置.本文檔共129頁(yè)；當(dāng)前第57頁(yè)；編輯于星期二\1點(diǎn)24分問(wèn)題小組決定使用全因子試驗(yàn)來(lái)了解并優(yōu)化過(guò)程,特別是要看看因子之間有無(wú)交互作用.試驗(yàn)方案:兩水平,全因子三個(gè)因子8次試驗(yàn)水平設(shè)置如下本文檔共129頁(yè)；當(dāng)前第58頁(yè)；編輯于星期二\1點(diǎn)24分TCO%彈簧斷裂百分比1234567823---+---+-++---++-+-+++++67%79%61%75%59%90%52%87%實(shí)驗(yàn)結(jié)果本文檔共129頁(yè)；當(dāng)前第59頁(yè)；編輯于星期二\1點(diǎn)24分圖示實(shí)驗(yàn)結(jié)果67796175599052.87鋼溫1450F1600F.7%.5%油溫70F120F碳含量本文檔共129頁(yè)；當(dāng)前第60頁(yè)；編輯于星期二\1點(diǎn)24分各因子及其交互作用的效果效果

(高

–低)

TCOTCOCTO23.0-5.01.51.50.010.082.7559.7568.7573.7572.070.572.070.571.2571.2576.2566.25高水平下的結(jié)果

(+)低水平下的結(jié)果

(-)手工計(jì)算結(jié)果TCO71.571.00.5本文檔共129頁(yè)；當(dāng)前第61頁(yè)；編輯于星期二\1點(diǎn)24分本文檔共129頁(yè)；當(dāng)前第62頁(yè)；編輯于星期二\1點(diǎn)24分本文檔共129頁(yè)；當(dāng)前第63頁(yè)；編輯于星期二\1點(diǎn)24分問(wèn)題可以得出什么結(jié)論?油溫改變或碳含量改變會(huì)產(chǎn)生什么影響?你建議他們?cè)趺醋?為什么這樣做本文檔共129頁(yè)；當(dāng)前第64頁(yè)；編輯于星期二\1點(diǎn)24分DOE之部分因子實(shí)驗(yàn)本文檔共129頁(yè)；當(dāng)前第65頁(yè)；編輯于星期二\1點(diǎn)24分部分因子實(shí)驗(yàn)方法（DOE）通過(guò)少量的實(shí)驗(yàn)來(lái)研究多個(gè)因子各自的作用快捷、節(jié)省費(fèi)用

易于計(jì)劃和分析對(duì)定量因子和定性因子都實(shí)用均衡全面有利于確定因子之間的相互作用本文檔共129頁(yè)；當(dāng)前第66頁(yè)；編輯于星期二\1點(diǎn)24分老板，這個(gè)DOE要做16次試驗(yàn)混蛋，16次太多了，沒(méi)那么多錢給你玩本文檔共129頁(yè)；當(dāng)前第67頁(yè)；編輯于星期二\1點(diǎn)24分錢該花在哪影響的大小排布：主體因子兩因子交互在此線以右，影響就不明顯了本文檔共129頁(yè)；當(dāng)前第68頁(yè)；編輯于星期二\1點(diǎn)24分部分因子試驗(yàn)在23

全因子試驗(yàn)的基礎(chǔ)上.怎樣增加一個(gè)因子但不增加試驗(yàn)次數(shù)呢?因?yàn)樗械牧卸际钦坏?，所以新增的因子M可使用任何一組，通常選擇高階次的那一組。本例中使用SxTxP相交組.但M因子的效應(yīng)與SXTXP的交互作用相重疊因子

M放棄考察S,T,P三者的交互作用本文檔共129頁(yè)；當(dāng)前第69頁(yè)；編輯于星期二\1點(diǎn)24分簡(jiǎn)化后的試驗(yàn)方案變成:只需要運(yùn)行24

實(shí)驗(yàn)的一半，不再是16次試驗(yàn)，而是8次本文檔共129頁(yè)；當(dāng)前第70頁(yè)；編輯于星期二\1點(diǎn)24分圖示部分因子實(shí)驗(yàn)本文檔共129頁(yè)；當(dāng)前第71頁(yè)；編輯于星期二\1點(diǎn)24分部分因子實(shí)驗(yàn)的符號(hào)

2

是試驗(yàn)水平的個(gè)數(shù)

k

是因子的個(gè)數(shù)

p

是部分的大小描述(p=1?1/2部分,

p=2?1/4部分,如此類推.)

2k-p

計(jì)算出試驗(yàn)的次數(shù)

R

是清晰度（resolution）例如

本文檔共129頁(yè)；當(dāng)前第72頁(yè)；編輯于星期二\1點(diǎn)24分部分因子試驗(yàn)Fractional2k

的清晰度（Resolution） ResolutionIII:主因子效應(yīng)與雙因子交互作用相重疊 ResolutionIV:雙因子交互作用與其他雙因子交互作用相重疊，主因子效應(yīng)只與更高階的交互作用相重疊（aliasedorconfounding ）. ResolutionV:雙因子交互作用與三因子交互作用相重疊，主因子效應(yīng)與四因子交互作用相重疊本文檔共129頁(yè)；當(dāng)前第73頁(yè)；編輯于星期二\1點(diǎn)24分Design Runs DesignGenerator Resolution 23-1 4 C=AB III 24-1 8 D=ABC IV 25-1 16 E=ABCD V 25-2 8 D=AB,E=AC III 26-1 32 F=ABCDE VI 26-2 16 E=ABC,F=ACD IV 26-3 8 D=AB,E=AC,F=BC III 27-1 64 G=ABCDEF VII 27-2 32 F=ABCD,G=ABDE IV 27-3 16 E=ABC,F=BCD,G=ACD IV 27-4 8 D=AB,E=AC,F=BC,G=ABC III 28-2 64 G=ABCD,H=ABEF V 28-3 32 F=ABC,G=ABD,H=BCDE IV 28-4 16 E=BCD,F=ACD,G=ABC, IV H=ABD本文檔共129頁(yè)；當(dāng)前第74頁(yè)；編輯于星期二\1點(diǎn)24分重影效應(yīng)在前面的實(shí)驗(yàn)方案中，我們可以研究7個(gè)因子和交互作用的影響(S,T,P,SxT,SxP,TxP,andM)但是其他的一些交互作用（SxM,TxM,PxM,SxTxPxM等等）與上面7個(gè)有重影效果!重影關(guān)系A(chǔ)liasingS=TPMT=SPMP=STMM=STPST=PMSP=TMSM=TP線性組合LS=S+TPMLT=T+SPMLP=P+STMLM=M+STPLST=ST+PMLSP=SP+TMLSM=SM+TP也就是說(shuō)在這里S的主體因子的效果中包含了TPM三者交互作用的影響成分(將T,P,M的代碼線性相乘就可得到與S一樣的代碼列)，由于TPM的作用比較小，通?？梢院雎?。本文檔共129頁(yè)；當(dāng)前第75頁(yè)；編輯于星期二\1點(diǎn)24分Minitab設(shè)計(jì)部分因子實(shí)驗(yàn)

Stat>DOE>CreateFactorialDesign1.2.本文檔共129頁(yè)；當(dāng)前第76頁(yè)；編輯于星期二\1點(diǎn)24分查看可選擇的部分因子實(shí)驗(yàn)方案

Stat>DOE>CreateFactorialDesign>DisplayAvailableDesigns:本文檔共129頁(yè)；當(dāng)前第77頁(yè)；編輯于星期二\1點(diǎn)24分選擇方案本文檔共129頁(yè)；當(dāng)前第78頁(yè)；編輯于星期二\1點(diǎn)24分25-1

示例

為了提高集成電路產(chǎn)品的產(chǎn)率，對(duì)5個(gè)相關(guān)因子進(jìn)行研究A=光隙設(shè)定aperturesetting(小、大)B=暴露時(shí)間表exposuretime(20%低于常值,20%高于常值)C=停留時(shí)間developmenttime(30s,45s)D=外罩尺寸maskdimension(小、大)E=刻蝕時(shí)間etchtime(14.5min,15.5min)

從經(jīng)濟(jì)和時(shí)間的角度考慮，只是對(duì)A，B，C，D進(jìn)行24=16次試驗(yàn)，而第5個(gè)因子E按照E=ABCD*加入試驗(yàn)中.本文檔共129頁(yè)；當(dāng)前第79頁(yè)；編輯于星期二\1點(diǎn)24分研究集成芯片生產(chǎn)過(guò)程的25-1

DOE本文檔共129頁(yè)；當(dāng)前第80頁(yè)；編輯于星期二\1點(diǎn)24分FractionalFactorialFitEstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefConstant30.3125aperture11.12505.5625exposure33.875016.9375developm10.87505.4375maskdim-0.8750-0.4375etchtim0.62500.3125aperture*exposure6.87503.4375aperture*developm0.37500.1875aperture*maskdim1.12500.5625aperture*etchtim1.12500.5625exposure*developm0.62500.3125exposure*maskdim-0.1250-0.0625exposure*etchtim-0.1250-0.0625developm*maskdim0.87500.4375developm*etchtim0.37500.1875maskdim*etchtim-1.3750-0.6875DOE計(jì)算結(jié)果（Minitab）所有的因子和交互作用項(xiàng)都參與分析本文檔共129頁(yè)；當(dāng)前第81頁(yè)；編輯于星期二\1點(diǎn)24分問(wèn)題該設(shè)計(jì)的清晰度為多少?該設(shè)計(jì)的重影關(guān)系如何?哪些因素重要，哪些不重要?可以得出什么結(jié)論?本文檔共129頁(yè)；當(dāng)前第82頁(yè)；編輯于星期二\1點(diǎn)24分如何體現(xiàn)統(tǒng)計(jì)顯著性AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects55562.85562.81112.56**2-WayInteractions10212.6212.621.26**ResidualError00.00.00.00Total155775.4沒(méi)有P值Values,

如何判斷哪些主體因子和交互作用是顯著的本文檔共129頁(yè)；當(dāng)前第83頁(yè)；編輯于星期二\1點(diǎn)24分FractionalFactorialFitEstimatedEffectsandCoefficientsforYield(codedunits)TermEffectCoefStDevCoefTPConstant30.31250.404574.940.000aperture11.12505.56250.404513.750.000exposure33.875016.93750.404541.870.000developm10.87505.43750.404513.440.000maskdim-0.8750-0.43750.4045-1.080.308etchtim0.62500.31250.40450.770.460aperture*exposure6.87503.43750.40458.500.000AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects55562.815562.811112.56424.960.0002-WayInteractions1189.06189.06189.0672.210.000ResidualError923.5623.562.62Total155775.44Stat>DOE>AnalyzeFactorialDesign>Response=Yield>Terms…>ABCDEAB>OK>OK現(xiàn)在可以看到統(tǒng)計(jì)顯著性?只選擇5項(xiàng)參與分析本文檔共129頁(yè)；當(dāng)前第84頁(yè)；編輯于星期二\1點(diǎn)24分對(duì)策當(dāng)部分因子實(shí)驗(yàn)中每個(gè)試驗(yàn)的結(jié)果只有一個(gè)時(shí):如果把所有的因子和交互作用項(xiàng)都參與分析,得不到干擾(error)項(xiàng)正確的作法是先將所有的主體因子和交互作用都放在模型中分析,根據(jù)結(jié)果大致判斷一下哪些是“顯著”的將那些認(rèn)為是“顯著”的因子和交互作用項(xiàng)重新放入模型中進(jìn)行分析,而把其他項(xiàng)當(dāng)成干擾(error)項(xiàng),以便獲得p-values從而確證統(tǒng)計(jì)顯著性.一般標(biāo)準(zhǔn)是:p小于0.05時(shí)為顯著因子或交互作用項(xiàng)本文檔共129頁(yè)；當(dāng)前第85頁(yè)；編輯于星期二\1點(diǎn)24分重復(fù)（Repetition)和反復(fù)(Replication)為了保證實(shí)驗(yàn)結(jié)果的可靠性,避免偶然因素的影響,同時(shí)研究因子對(duì)輸出變差的影響,需要對(duì)某些實(shí)驗(yàn)進(jìn)行重復(fù)或反復(fù)重復(fù)本文檔共129頁(yè)；當(dāng)前第86頁(yè)；編輯于星期二\1點(diǎn)24分重復(fù)溫度:LLLHHHLLLHHHLLLHHHLLLHHH壓力:LLLLLLHHHHHHLLLLLLHHHHHH濃度:LLLLLLLLLLLLHHHHHHHHHHHH試驗(yàn)順序重復(fù)本文檔共129頁(yè)；當(dāng)前第87頁(yè)；編輯于星期二\1點(diǎn)24分反復(fù)試驗(yàn)順序第二輪第一輪溫度:LHLHLHLHLHLHLHLHLHLHLHLH壓力:LLHHLLHHLLHHLLHHLLHHLLHH濃度:LLLLHHHHLLLLHHHHLLLLHHHH本文檔共129頁(yè)；當(dāng)前第88頁(yè)；編輯于星期二\1點(diǎn)24分有重復(fù)的部分因子實(shí)驗(yàn)File:mont2.mtw本文檔共129頁(yè)；當(dāng)前第89頁(yè)；編輯于星期二\1點(diǎn)24分均值的分析結(jié)果本文檔共129頁(yè)；當(dāng)前第90頁(yè)；編輯于星期二\1點(diǎn)24分標(biāo)準(zhǔn)偏差的分析結(jié)果本文檔共129頁(yè)；當(dāng)前第91頁(yè)；編輯于星期二\1點(diǎn)24分均值的殘差分析(ResidualAnalysis)Stat>DOE>AnalyzeFactorialDesign>Graphs>ResidualPlots殘差是每個(gè)真實(shí)值與預(yù)測(cè)模型計(jì)算出的值的差本文檔共129頁(yè)；當(dāng)前第92頁(yè)；編輯于星期二\1點(diǎn)24分AnalysisofVarianceforAvgY(codedunits)

SourceDFSeqSSAdjSSAdjMSFP

MainEffects55208.65208.61041.72**

2-WayInteractions10447.4447.444.74**

ResidualError00.00.00.00

Total155656.0

該重復(fù)試驗(yàn)的方差分析(ANOVA)AnalysisofVarianceforS(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects5103.87103.8720.775**2-WayInteractions1062.0062.006.200**ResidualError00.000.000.000Total15165.87沒(méi)有PValues...只選擇A,B,C,D,E,AB,AC,BC,AD和DE在模型中再試本文檔共129頁(yè)；當(dāng)前第93頁(yè)；編輯于星期二\1點(diǎn)24分TermEffectCoefStDevCoefTPConstant30.50000.340089.700.000Aperture13.50006.75000.340019.850.000Exposure32.125016.06250.340047.240.000Developm9.37504.68750.340013.790.000MaskDim-0.0000-0.00000.3400-0.001.000EtchTim0.00000.00000.34000.001.000Aperture*Exposure9.37504.68750.340013.790.000Aperture*Developm3.62501.81250.34005.330.003Aperture*MaskDim2.00001.00000.34002.940.032Exposure*Developm-1.5000-0.75000.3400-2.210.079MaskDim*EtchTim1.50000.75000.34002.210.079AnalysisofVarianceforAvgY(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects55208.625208.621041.72563.090.0002-WayInteractions5438.13438.1387.6347.360.000ResidualError59.259.251.85Total155656.00(均值)項(xiàng)目個(gè)數(shù)減少后的ANOVA本文檔共129頁(yè)；當(dāng)前第94頁(yè)；編輯于星期二\1點(diǎn)24分TermEffectCoefStDevCoefTPConstant3.4470.227115.180.000Aperture-1.591-0.7950.2271-3.500.017Exposure3.8891.9450.22718.560.000Developm2.8281.4140.22716.230.002MaskDim0.5300.2650.22711.170.296EtchTim-0.177-0.0880.2271-0.390.713Aperture*Exposure-1.414-0.7070.2271-3.110.026Aperture*Developm-1.768-0.8840.2271-3.890.011Aperture*MaskDim0.5300.2650.22711.170.296Exposure*Developm1.9450.9720.22714.280.008MaskDim*EtchTim-2.298-1.1490.2271-5.060.004AnalysisofVarianceforS(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects5103.875103.87520.775025.180.0012-WayInteractions557.87557.87511.575014.030.006ResidualError54.1254.1250.8250Total15165.875(標(biāo)準(zhǔn)差)項(xiàng)目減少后的ANOVA本文檔共129頁(yè)；當(dāng)前第95頁(yè)；編輯于星期二\1點(diǎn)24分有反復(fù)的部分因子實(shí)驗(yàn)File:mont3.mtw本文檔共129頁(yè)；當(dāng)前第96頁(yè)；編輯于星期二\1點(diǎn)24分分析結(jié)果本文檔共129頁(yè)；當(dāng)前第97頁(yè)；編輯于星期二\1點(diǎn)24分殘差分析本文檔共129頁(yè)；當(dāng)前第98頁(yè)；編輯于星期二\1點(diǎn)24分有反復(fù)的ANOVATermEffectCoefStDevCoefTPConstant30.50000.833936.580.000Aperture13.50006.75000.83398.090.000Exposure32.125016.06250.833919.260.000Developm9.37504.68750.83395.620.000MaskDim0.00000.00000.83390.001.000EtchTim0.00000.00000.83390.001.000Aperture*Exposure9.37504.68750.83395.620.000Aperture*Developm3.62501.81250.83392.170.045Aperture*MaskDim2.00001.00000.83391.200.248Aperture*EtchTim1.00000.50000.83390.600.557Exposure*Developm-1.5000-0.75000.8339-0.900.382Exposure*MaskDim0.62500.31250.83390.370.713Exposure*EtchTim-0.3750-0.18750.8339-0.220.825Developm*MaskDim-0.1250-0.06250.8339-0.070.941Developm*EtchTim0.87500.43750.83390.520.607MaskDim*EtchTim1.50000.75000.83390.900.382AnalysisofVarianceforYield(codedunits)SourceDFSeqSSAdjSSAdjMSFPMainEffects510417.210417.22083.4593.640.0002-WayInteractions10894.8894.889.484.020.007ResidualError16356.0356.022.25PureError16356.0356.022.25Total3111668.0有PValues,

不需要減少分析項(xiàng)目!!!本文檔共129頁(yè)；當(dāng)前第99頁(yè)；編輯于星期二\1點(diǎn)24分重復(fù)考察的是短期變化,同一設(shè)置內(nèi)的變差可能是出于費(fèi)用的考慮反復(fù)相同設(shè)置之間的變差是干擾(error)費(fèi)用的考慮要比做重復(fù)試驗(yàn)要高統(tǒng)計(jì)學(xué)推論更強(qiáng)本文檔共129頁(yè)；當(dāng)前第100頁(yè)；編輯于星期二\1點(diǎn)24分其他部分因子實(shí)驗(yàn)的方法Plackett-Burman清晰度（

resolution）為

III（低）試驗(yàn)次數(shù)為4的倍數(shù)重影混淆（Confounding）關(guān)系復(fù)雜12and20rundesigns比較常用TaguchiPlans關(guān)注因子的主體影響正交安排L8andL18

最為常用本文檔共129頁(yè)；當(dāng)前第101頁(yè)；編輯于星期二\1點(diǎn)24分PlackettandBurman設(shè)計(jì)（非2k-p

篩選設(shè)計(jì)）由PlackettandBurman(1946)開(kāi)發(fā)，Taguchi補(bǔ)充2水平設(shè)計(jì)，但試驗(yàn)次數(shù)是4的倍數(shù):N=12,20,24,28,36…...12runPlackett-Burman設(shè)計(jì)(適合于11個(gè)以上的因子)*11組之間是正交的（orthogonal）.**TaguchiL12設(shè)計(jì)與此相同的，只是順序有所調(diào)換本文檔共129頁(yè)；當(dāng)前第102頁(yè)；編輯于星期二\1點(diǎn)24分TaguchiL18重影（aliasing）關(guān)系相當(dāng)復(fù)雜可用于1個(gè)兩水平因子和超過(guò)7個(gè)三因子的試驗(yàn)本文檔共129頁(yè)；當(dāng)前第103頁(yè)；編輯于星期二\1點(diǎn)24分太多,受不了啦!!!本文檔共129頁(yè)；當(dāng)前第104頁(yè)；編輯于星期二\1點(diǎn)24分DOE之實(shí)驗(yàn)計(jì)劃本文檔共129頁(yè)；當(dāng)前第105頁(yè)；編輯于星期二\1點(diǎn)24分BuildaBridge...實(shí)踐問(wèn)題統(tǒng)計(jì)解決方案統(tǒng)計(jì)問(wèn)題實(shí)踐解決方案y=f(x1,x2,…,xk)DOE模式本文檔共129頁(yè)；當(dāng)前第106頁(yè)；編輯于星期二\1點(diǎn)24分A1A2D1=D2B1B2C1C2遷移平均值average影響變差variation既遷移平均值average

又影響變差variation沒(méi)有影響noeffect因子的類型本文檔共129頁(yè)；當(dāng)前第107頁(yè)；編輯于星期二\1點(diǎn)24分DOE進(jìn)階知識(shí)時(shí)間當(dāng)前的水平DOE#1DOE#2DOE#3??本文檔共129頁(yè)；當(dāng)前第108頁(yè)；編輯于星期二\1點(diǎn)24分基本建議不要試圖在一次實(shí)驗(yàn)中回答所有的問(wèn)題，應(yīng)該依賴一系列的實(shí)驗(yàn)。在開(kāi)始時(shí)期使用兩水平（2-level）的設(shè)計(jì)最好在前一個(gè)實(shí)驗(yàn)完結(jié)之后再開(kāi)始下一個(gè)化不到25%的預(yù)算在首次實(shí)驗(yàn)上保持在隨后的實(shí)驗(yàn)中不斷驗(yàn)證前面的結(jié)論Beproactive!-DOEisaproactivetool.不是所有的實(shí)驗(yàn)都會(huì)產(chǎn)生震撼地球的，但總會(huì)有收獲的There’snosuchthingasabadexperiment-onlypoorly

designedandexecutedones!本文檔共129頁(yè)；當(dāng)前第109頁(yè)；編輯于星期二\1點(diǎn)24分DOE步驟計(jì)劃設(shè)計(jì)執(zhí)行分析驗(yàn)證本文檔共129頁(yè)；當(dāng)前第110頁(yè)；編輯于星期二\1點(diǎn)24分錯(cuò)誤的資源分配努力辛苦地試驗(yàn)WorkLikeHell分析Analysis計(jì)劃Planning本文檔共129頁(yè)；當(dāng)前第111頁(yè)；編輯于星期二\1點(diǎn)24分正確的途徑精力分析計(jì)劃試驗(yàn)精力分析計(jì)劃試驗(yàn)時(shí)間時(shí)間第二階段第一階段本文檔共129頁(yè)；當(dāng)前第112頁(yè)；編輯于星期二\1點(diǎn)24分篩選重要的因子哪些因子是有作用的目的集中在減少需要進(jìn)一部研究和控制的因子個(gè)數(shù)工藝研究確定哪些X’s對(duì)Y’s的影響最大包括可控和不可控的X’s明確關(guān)鍵的工藝過(guò)程和干擾因子明確哪些因子需要小心控制為輸入因子的控制提供指導(dǎo),而不是控制輸出優(yōu)化工藝過(guò)程確定關(guān)鍵的工藝參數(shù)如何設(shè)定確定參數(shù)設(shè)定的實(shí)用規(guī)范產(chǎn)品設(shè)計(jì)在設(shè)計(jì)的初期,了解X’s的特性為“健壯”設(shè)計(jì)提供參數(shù)的設(shè)置DOE的作用本文檔共129頁(yè)；當(dāng)前第113頁(yè)；編輯于星期二\1點(diǎn)24分篩選設(shè)計(jì)優(yōu)化設(shè)計(jì)特性設(shè)計(jì)Examples部分因子實(shí)驗(yàn)Plackett-Burman全因子實(shí)驗(yàn)參數(shù)設(shè)計(jì)容差設(shè)計(jì)中心點(diǎn)Box-Behnken本文檔共129頁(yè)；當(dāng)前第114頁(yè)；編輯于星期二\1點(diǎn)24分篩選（Screening）

用少量的試驗(yàn)來(lái)調(diào)查大量的因子（>5）。目標(biāo)是從大量的因子中挑出少數(shù)關(guān)鍵因子設(shè)計(jì)選擇:2水平部分因子試驗(yàn);或某些特殊的篩選試驗(yàn)如

Plackett-BurmanorTaguchiL12特性化（Characterization）確定關(guān)鍵因子的對(duì)輸出的作用以及他們之間的相互關(guān)系(2-6個(gè)因子)設(shè)計(jì)選擇:2水平全因子或部分因子試驗(yàn);3水平全因子試驗(yàn)

優(yōu)化（Optimization）

對(duì)關(guān)鍵變量?jī)?yōu)化工藝窗口通常只是對(duì)小量的樣品(2-5)設(shè)計(jì)選擇:2或3水平全因子試驗(yàn);CentralCompositedesigns(CCD);BoxBehnkendesigns

本文檔共129頁(yè)；當(dāng)前第115頁(yè)；編輯于星期二\1點(diǎn)24分首先了解你的過(guò)程過(guò)程X1X2X3可控的輸入N1N2N3輸入:原材料,零件等.不可控輸入Y1,Y2等輸出(質(zhì)量特性)LSLUSL當(dāng)前的表現(xiàn)LSLUSL目標(biāo)本文檔共129頁(yè)；當(dāng)前第116頁(yè)；編輯于星期二\1點(diǎn)24分對(duì)輸出結(jié)果

(因變量)的了解是定性的還是定量的?(最好是定量的)與客戶(內(nèi)部或外部)的要求有關(guān)嗎(不能只是一些容易測(cè)量的東西)改進(jìn)的目的:更接近目標(biāo)值?縮小變差?兩者兼有?當(dāng)前過(guò)程的表現(xiàn)如何?(平均值和標(biāo)準(zhǔn)偏差)該輸出在統(tǒng)計(jì)上受控嗎?該輸出隨時(shí)間推移變化大嗎?該輸出變化時(shí),要探測(cè)到多大的改變才被你認(rèn)為是