田口式实验计划法PPT培训课件教材.doc

田口式实验计划法PPT培训课件教材 1田口式实验计划法（Design OfExperiment）工程应用分析2实验计划法内容?何谓实验计划法?特性值分类?要因分类?水平值设定?直交表入门?ANOVA分析?选择最适条件?确认实验3技术累积的要件?建立技术（制程）评估指标?建立产品（制程）的初期管制图及Cp&Cpk，作为判断技术（制程）稳定程度的指标?正确易懂的操作手册?藉由QC工程表，建立制造过程中确保质量的基本保证。 其中两大重点为作业标准书及制程用管制图。 ?技术的正确性?确实可行的配方、制程条件，不单只是满足特定要求（需求）的生产条件，而应该是它的趋势图，以便日后进行局部修正（规格改变）的依据。 ?对误差（不可控制原因）的抵抗程度，因为误差是被用来评估技术稳定度。 因此了解其对误差的抵抗程度将有助于日后新技术的开发。 4DOE之分类Design&Analysis ofExperiment實驗規劃步驟DOE T.M重點尋找特性值找足以代表此一特性的量測技巧找原因利用魚骨圖、腦力激盪.原因分類利用不可控制的原因，進行製程穩定度的評估水準設定A1-A26*選用直交表做實驗依據因素個數及水準決定考慮交互作用將直交表中衍生行當成交互作用之行外側配置方法採用直積配置實驗進行順序採用隨機實驗分析評價單一Avg&Std多特性回歸靜態SN&S動態SN&S一群數據不可只考慮平均值而已重要因素判斷ANOVA Max-Min定量及定性之差異選取最適條件RSM求穩再求準確認實驗完全不考慮有提及有特殊技法?目前DOE大致可分为以BOX及Taguchi为首的2大阵营。 ?其大致差异如右表5实验计划法?目的?藉由有计划的进行实验，以便达成未实验前的假设。 ?由于不是采用“试误法”，因此能提升研发效率。 ?利用特殊的分析方法，以求得除了平均值以外的数值。 ?适用对象?研究开发部门及生产技术部门，亦即必须藉由实验以验证其假设或理论基础的单位最为适用。 6实验计划法序论-实验规划?如何养猪公才可得冠军?假设影响猪公成长的原因有?A)食物猪公食、人食?B)环境笼子、放山?C)餐数2餐、3餐?准备6只相同品种的猪公可以吗？?在相同的B)环境、C)餐数下?猪公食、人食?在相同的A)食物、C)餐数下?笼子、放山?在相同的A)食物、B)环境下?2餐、3餐?好像不行，因为在看食物时该用哪一种环境、要吃几餐？?用8只可以吗？?猪公食、笼子、2餐?猪公食、笼子、3餐?猪公食、放山、2餐?猪公食、放山、3餐?人食、笼子、2餐?人食、笼子、3餐?人食、放山、2餐?人食、放山、3餐?用4只可以吗？?猪公食、笼子、2餐?猪公食、放山、3餐?人食、笼子、3餐?人食、放山、2餐7序论-实验规划?用4只可以吗？?猪公食、笼子、2餐+32?猪公食、放山、3餐+30?人食、笼子、3餐+34?人食、放山、2餐+24?假设猪公食会增加X公斤，而人食会降低X公斤（对四组的体重平均而言），其中X之正、负。 亦即两者差距为2X公斤。 ?同理环境、餐数分别为2Y公斤、2Z公斤，而四组的体重平均增加W公斤?方程式如下?W+X+Y+Z=32?W+X-Y-Z=30?W-X+Y-Z=34?W-X-Y+Z=24?解方程式答案为?W=30?X=1?Y=3?Z=-2?最佳解为猪公食、笼子、3餐亦即36公斤?上述介绍了实验方式直交表，回应表8序论-实验样本数?如何量测钻石重量？在天平左端放置钻石，右端放置法码即可得知大钻石为1.234克拉，小钻石为0.567克拉。 ?另类方法将大钻石+小钻石放在左端得到W，将大钻石放在左端，右端放置小钻石+法码得到w则?大钻石=(W+w)/2?小钻石=(W-w)/2?测不准原理量测皆会有误差，因此上述方法皆会有误差。 ?理论上重量为?可为正或负?1.234-?0.567-?是一个随机值，一般而言它会形成常态分配，N(0,?2)。 它不符合四则运算，因此公式为?1.234-(?)?0.567-(?)?从N(0,?2)中任意（随机）取2个值，会变成N(0,2*?2)?亦即(?)+(?)=2(1/2)*(?)，因此?大钻石=(W+w)/2+(?)/(2(1/2)?小钻石=(W-w)/2+(?)/(2(1/2)?结论样本数增加将使得误差降低9田口质量工程之内容OFF-LINE质量工程ON-LINE质量之评价适应控制回馈控制允差设计规格之决定方法参数设计工程诊断与调整安全系统设计与保养预防保养检查设计工程链接之系统设计10田口质量工程之使用范畴?OFF LINE?技术开发?产品设计?制程设计?上述之任一项目皆包括?系统选择?参数设计决定参数之中心值?允差设计决定参数之公差?ON LINE?生产制造11?19501960?将可以控制之要因配置在直交表上，研究在使用环境下误差要因，亦即不可控制之要因会使变异最小之制程配方条件，在美国称为稳健性设计。 ?19701980?将原本使用于量测系统之动态SN比扩张至对所有系统机能性之研究。 ?脱离以数理统计为基础之实验计划法，而改用和技术本身十分密切之贺米特Hermite形式。 亦即光谱Spectra分解之观念。 ?19801990?到美国指导时体认应用基本机能作研究之重要性，因此主张使用试验片作基本机能之研究。 ?在无法充份改善时，才考虑进行允差设计。 ?1990?将SN比扩张至医疗、生物等特殊领域之研究田口质量工程之演进12定义名词及其重点直交表及变形直积配置特性值分类要因分类水平及水平值ANOVA分析13特性值Output分类?以数值形式作分类?计数值量测数值不为连续量，一般用“个”代表。 ?单纯计数值将一个特性区分为良品或不良品，常用在外观等，例如不良个数、故障台数.?多重计数值将一个特性区分为优、良、中、可、劣，例如外观可分为好、有一些瑕疵、有很多瑕疵。 ?计量值量测数值为连续量。 订定规格时常用它。 ?单一目标之特性。 Ex:某一规定的尺寸或电压或颜色.?多重目标之特性，依据不同的需求，只要改变某一要因即可达成不同产品。 Ex:经由三原色加入量的不同即可做出不同的颜色，此时对颜色而言是有无限多的目标。 ?至于单一特性或者多个特性只在于最后找出最佳组合时会有影响，因此留在最适条件选取时再谈。 14要因Factor分类?要因会影响特性值的要因(配方)。 ?控制要因可由设计者或主事者变更之要因，用以得到最安定(最佳)之产品输出值(特性值)。 例如:制程条件、构成组件等。 ?误差要因不可由设计者或主事者变更之要因，或者变更时所需成本相当高。 例如；环境温度对于产品的影响等。 它适用来评估设计者找出的配方能否接受考验的重要要因。 ?信号要因和特性值有一已知之函数关系，此要因只存在于多重目标特性中，藉由改变此一要因达成不同目的特性的需求。 如前例中的三原色的添加量即为信号要因。 15何谓水平LEVEL水平值?水平乃是该要因在能够被设定之可能范围内，取得数个不同之设定值，此时称该要因具有数个水平。 而该设定值称水平值。 ?常用之水平为?2水平一般用于非连续之要因。 ?3水平一般用于连续之要因。 ?例如涂布时Temp为控制要因(令为)，其可能之加工范围为280330时，常将其取成3水平，其代号及水平值分别如下1280，2300，3330?注意当为连续性要因，其个水平之间隔要大于6倍标准偏差16交互作用之定义（一）?用以下2个变数A,B其分别可以设定为Low,High。 假使会有以下情形则称为没有交互作用，亦即2者相互独立。 A B Data-1Low Low3Low High4High Low5High High6B-Low B-HighA-Low34A-high56A-Low A-High B-Low B-High17交互作用之定义（二）?假使会有以下情形则称为具有交互作用，亦即2者相互依存。 A-Low A-High B-Low B-High A BData-2Low Low3Low High5High Low6High High4B-Low B-HighA-Low35A-high6418交互作用之重点?用已研究2变数间依存程度之大小。 一般变量皆会有依定程度之依存，因此可藉由它来判断其大小。 ?如果不知交互作用之大小，而给予错误假设，则可能造成实验失败。 ?研究交互作用将使得实验规模无法减少，亦即实验次数将为变数要因变数个数(Ex:22=4)?有时为权衡2者，因此采用部份研究交互作用的方式，亦即不研究高次项的交互作用。 19实验之方式?实验之方式?Try&Error依据每次实验结果加入自己专业判断，以决定下一次实验的参数组合。 此一方法需要很强的专业知识(亦即第六感要好)?单要因实验方法一次只改变一个要因，以寻求该要因的最佳设定值。 此一方法对于有两个以上要因会同时影响特性值的话将会有问题。 ?多要因（多元配置）实验方法将所有的要因做排列组合，因此每一种可能的情形都将被做实验，据此找出最佳组合。 此一方法在要因个数很少时可以进行，但是一般即使重要要因也会有十几个，如此将使得实验完成日期遥遥无期。 ?直交表实验方法藉由各要因在实验中出现相同次数，以平衡该要因的影响大小。 此为目前可以同时解决上述两大缺点的方法。 20何谓直交表?直交表之符号意义?L代表型直交表，9代表需要做9次实验，3代表3水平，4代表可以摆放4个要因。 ?常用之直交表种类?943L?L L L L4387161532312222,?L LL121118173631322323,?LLL9427138140333,21代表性直交表暨点线图(L9)A B C DY11111Y121222Y231333Y342123Y452231Y562312Y673132Y783213Y893321Y9123,422代表性直交表暨点线图(L8)1234567Y11111111Y121112222Y231221122Y341222211Y452121212Y562122121Y672211221Y782212112Y8124365723常用之直交表变形?虚拟水平法应用在将较少水平的要因配置在较多水平的直交表之行上。 ?多水平法应用在将较多水平的要因配置在较少水平的直交表之行上。 ?浮动水平法应用在要因和要因间无法独立改变时，亦即独立改变将造成实验重大影响。 24虚拟水平法(L9)应用在2*1+3*3A B C DY11111Y121222Y231333Y342123Y452231Y562312Y671132Y781213Y891321Y9123,425多水平法(L8)应用在4*1+2*414567Y111111Y1212222Y2321122Y3422211Y4531212Y5632121Y6741221Y7842112Y8124365726何谓直积配置的示意图内侧直交表(放置控制要因）外侧多元配置、直交表或调和误差（放置误差或信号要因）实验数据27可能的直积配置范例?外侧是放置误差及信号因素，其配置方式有多元、直交、组合等三大类。 N1N1N2N2A B C DR1R2R1R211111Y11Y12Y13Y1421222Y11Y22Y23Y2431333Y3Y32Y33Y34P1P1P1P1P2P2P2N2Q1Q1Q2Q2Q1Q1Q2Q2A B C DR1R2R1R2R1R2R1R211111Y11Y12Y13Y14Y15Y16Y17Y1821222Y21Y22Y22Y22Y22Y22Y22Y2231333Y31Y32Y32Y32Y32Y32Y32Y3242123Y41Y42Y42Y42Y42Y42Y42Y4252231Y51Y52Y52Y52Y52Y52Y52Y5262312Y61Y62Y62Y62Y62Y62Y62Y6273132Y71Y72Y72Y72Y72Y72Y72Y7283213Y81Y82Y82Y82Y82Y82Y82Y8293321Y91Y92Y93Y94Y95Y96Y97Y98P1P1P2N2Q1Q2Q1Q2A B C DR1R2R2R111111Y11Y12Y17Y1821222Y21Y22Y22Y2231333Y31Y32Y32Y3228分析各实验No.之优劣?方法一?进行平均值及标准偏差?之计算，其中标准偏差希望小于公差之3分之1（?/3），平均值能和目标m相等?有些特殊个案需用线性回归作分析?此为一般实验计划法常用的方式?方法二?进行具有“变异系数”，相类似功能之“静态SN比及S”之计算。 ?有些特殊个案需用“动态SN比及S”之计算。 ?此为田口式实验计划法之使用方式29A BC D上中下左右Avg Std2111110.800.640.500.540.500.600.016212221.661.451.631.831.501.610.022313331.391.211.361.531.451.390.014421231.952.022.162.102.142.070.008522310.430.580.540.640.960.630.040623123.203.023.583.764.663.640.409731321.481.522.442.321.841.920.198832134.353.894.485.024.764.500.183933212.052.222.481.672.672.220.150Avg=2.060.116计算实例?假使此一实验有4个要因，每个要因有3水平，且每个实验进行5个样本，每个样本取1个数据，其结果如下30何谓辅助表?利用直交表中各要因之直交性质，分别对于各要因之水平进行平均值之计算。 N1N1N2N2A BC DR1R2R1R2Avg Std11111Y11Y12Y13Y14Avg1Std121222Y11Y22Y23Y24Avg2Std231333Y3Y32Y33Y34Avg3Std342123Y41Y42Y43Y44Avg4Std452231Y51Y52Y53Y54Avg5Std562312Y61Y62Y63Y64Avg6Std673132Y71Y72Y73Y74Avg7Std783213Y81Y82Y83Y84Avg8Std893321Y91Y92Y93Y94Avg9Std9Avg A BC D Std A BC D1a1b1c1d11a1b1c1d12a2b2c2d22a2b2c2d23a3b3c3d33a3b3c3d33/)987(33/)654(23/)321(1Avg Avg Avg aAvg Avg Avg aAvgAvgAvga?3/)987(33/)654(23/)321(1Std Std Std aStd StdStd aStdStdStda?31辅助表之实例AvgA BC D11.201.532.911.1522.122.251.972.3932.882.421.312.65M-m1.680.891.601.51StdA BC D10.0180.0740.2030.06920.1520.0820.0600.21030.1770.1910.0840.068M-m0.1600.1170.1430.14132选择最适条件的原则第一利用非线性要因第二利用线性要因二阶段设计（稳健性设计）减少变异调整到目标值即使在零件或制程有变异下，但是在不同之参数中心值下，该变异之影响程度会不同。 因此如何找出使得产品最小变异之参数中心值是十分重要33选择最适条件?由Std图形中找出会使Std最小的要因及其水平，此为最适条件?依据最适条件计算预估的Std及Avg，并确认是否符合目标值?m=Avg?Std*3=?假使m?Avg，再从Avg图中选择符合Spec要求的要因及其水平。 其中最好找对于Std影响最小的要因进行平均值的调整?假使Std*3?时，该如何进行？34何谓确认实验?针对现行条件及最适条件分别进行推估及实际作实验。 ?计算个别之增益值（效益），并据以判定实验成功否？一般差距在+/-20%以内代表正常Avg&Std推估實作現行條件15.316最適條件21.523增益值6.2735另类计算方式静态望目特性之计算例A BC D上中下左右S/N S111110.800.640.500.540.5013.35-4.54212221.661.451.631.831.5020.684.15313331.391.211.361.531.4521.342.84421231.952.022.162.102.1427.486.33522310.430.580.540.640.969.88-4.11623123.203.023.583.764.6615.0911.20731321.481.522.442.321.8412.665.62832134.353.894.485.024.7620.4313.06933212.052.222.481.672.6715.126.89Avg=17.344.6136静态望目特性之计算例SN比10.015.020.025.0A1A2A3B1B2B3C1C2C3D1D2D3S0.02.04.06.08.010.0A1A2A3B1B2B3C1C2C3D1D2D337静态望大特性之计算例A BC D上中下左右S/N111110.800.640.500.540.504.89212221.661.451.631.831.50-4.07313331.391.211.361.531.45-2.77421231.952.022.162.102.14-6.32522310.430.580.540.640.964.87623123.203.023.583.764.66-10.95731321.481.522.442.321.84-5.12832134.353.894.485.024.76-12.97933212.052.222.481.672.67-6.57Avg=-4.3338另类实验方法田口质量工程?田口质量工程的内容?参数设计的理念?数据的量测方法?直积配置?解析方法比?公式证明?案例解说39田口认为技术开发之瓶颈?利用质量特性作质量改善图面与规格在质量工程上称质量特性，利用此一特性值当成改善之特性时，其问题点在于?没有较佳之量测方法，亦即无法量测形状(Profile)之变异，或无法真正量测出产品之变异性。 ?一般规格皆要进行寿命试验，因此所需时间较长。 ?常会因为本身系统不佳而加入其他系统企图保护或回馈修正，如此反而减少该产品之寿命。 ?在进行开发时并不考虑制造生产及用户之使用环境，其问题点在于?研发完成之后进行试作及量产时，必须进行设计变更，且设计变更次数多，造成时间的浪费，常在未完成研究时，即被迫上市。 40技术开发之成功关键?针对基本机能作机能性之评价?利用动态SN比作解析?实验规划要具备技术三要素?先行性?泛用性?再现性?应用试验片TEST PIECE作实验41常用之比公式?静态比?望小特性?特性值越小越好?望大特性?特性值越大越好?望目特性?特性值具有一特定目标值较好?零点望目特性?特性值具有正、负，且零为最佳?动态比?零点比例式?特性值会通过原点为其理想?基准点比例式?特性值会通过基准点为其理想?一次式?上述二者之外42何谓辅助表?利用直交表中各要因之直交性质，分别对于各要因之水平进行平均值之计算。 N1N1N2N2A BC DR1R2R1R2SN S11111Y11Y12Y13Y14SN1S121222Y11Y22Y23Y24SN2S231333Y3Y32Y33Y34SN3S342123Y41Y42Y43Y44SN4S452231Y51Y52Y53Y54SN5S562312Y61Y62Y63Y64SN6S673132Y71Y72Y73Y74SN7S783213Y81Y82Y83Y84SN8S893321Y91Y92Y93Y94SN9S9A BC D1a1b1c1d12a2b2c2d23a3b3c3d343静态公式一览表N1N1N1N2N2N2A BC DR1R2R3R1R2R3SN S11111Y11Y12Y13Y21Y22Y23SN1S121222SN2S231333SN3S342123SN4S452231SN5S562312SN6S673132SN7S783213SN8S893321SN9S9?n VAvg LogVS LogSn StdAvg LogVeVSLogSe VeSmSt SeYSmY Steeme mijiji jij/2)(*10*10/12)/(*10*10)13*2/(3*2/)3*2 (1)3*2(12213121312?望目特性44静态公式一览表?St YSmYSe StSmVe SeVS y Yijj iijj ieijji?213121312213122323110123/*/(*)*log/*?零点望目特性望小特性望大特性?Ve YVSijj ie?2131223101/*log?沒有?VeYVSij j ie?12310121312/*log?沒有45动态公式一览表?S YSY MMS SSL MY MY MYL MY MY MYS LL MSVt ijjiij ijiiin tniin?21213121322131111221331211222233212222132?*/*/?SS SS SVSS VVSS V neeMenMeiiii/(*)/(*)*log*()*log*()(*)?(*)231231110101212213213?零点比例特性M1M1M2M2M3M3A BC DN1N2N1N2N1N2SN S11111Y11Y12Y21Y22Y31Y32SN1S121222SN2S231333SN3S342123SN4S452231SN5S562312SN6S673132SN7S783213SN8S893321SN9S946线外质量工程的实验流程?决定最终结果（重要特性）的量测方法或数据取法?激荡出影响最终结果的可能原因?将原因分为可控制及不可控制，不可控制原因将用来评估可控制原因的各种组合是否为最佳。 ?将可控制原因放在内侧直交表，而不可控制的原因放在外侧，形成直积配置。 ?进行实验，取出数据，针对平均值及偏差量作S/N比的计算。 ?找出最适条件，再作一次确认实验，完成田口实验。 47?在此一流程中，激荡出可控制原因，一般为负责此一项目（实验）的工程师最为清楚，且同类型产品在不同公司，所取出的会十分相近，因此差异不大。 ?不可控制的原因，目前是大半研发工程师所不清楚的，因为在学校所教导实验的方式是将此一原因加以控制在可接受的范围。 而在田口方法中却要将此一原因放入实验中，因此此一部份将是企业决战的战场。 ?田口博士常发挥的地方是如何正确量测数据。 因为数据取的不适当将使得实验完全失败。 例如在一个涂膜制程中膜厚的厚度及均匀性相当重要，但是要取几点膜厚呢？从统计学（抽样理论）的角度，可以得到一个必须量测的数据数，但是在一个平面上可以量测的数据是无限多点，因此如何正确的量测膜厚将会决定此一实验的成功与否。 （因为取得的数据是否具备代表性？）流程中关键技能48实验失败之检讨（依观察之难易度）?计算错误?计算时不小心错误，此时重新计算即可。 ?使用之公式不适?静态特性之CASE值皆为负值，且负的愈小愈大时，采用望小特性作解析。 此时所找出之正好和正确之相反，所以在进行数据分析时，要先了解公式之使用时机及其先决假设。 ?控制要因水平设定范围太小或水平间隔太小?A1到A3范围太小，或者A1和A2的差距不超过此一要因的6倍标准偏差。 此时只要在规划实验时稍加注意即可避免，若此一要因无法同时满足上述两者的需求，则此一要因不能成为控制要因。 内侧直交表外侧实验数据49实验失败之检讨（依观察之难易度）?误差要因取不佳?令N1为使特性值最小，N2会使特性值最大。 但在特性值取得后发现有很多实验数据并没有此一趋势时，可得知误差要因取的不佳或者有一些重要误差要因没有选取到。 ?量测特性值无法忠实反应实际之变异情形?此一部份是我个人认为最重要的，因为取得的数据有误时，接下来的计算将无任何意义。 因此如何在量测厚度时能将只用12次即可得知全部是否均匀，而非使用膜厚计，因为使用膜厚计只能针对数各点进行量测而已，未量测的点将不知其厚度。 ?理想机能有误?若以注意到以上几点，实验大半不会失败，若失败则可能是一开始所定义的该制程或该产品的理想机能有误，以致于后来的方向完全错误。 50附录田口方法的计算步骤51确认数据形式?数据不同其分析方式也会不同，因此要先将数据分类。 一般分为计数及计量两种。 ?计数常用于外观之判断，凭借一定标准作判断。 例如良率管理?只有好、不好，用Omega转换。 ?可区分为优、良、中、可、劣，用配分方式做分析。 ?计量用于一般规格的判断。 例如尺寸?单一目标用静态特性?多重目标用动态特性?其分析方法如下52Step1.因素?将会影响特性值的因素区分为可控及不可控制。 ?水平之间要大于6倍标准偏差。 北123筿玲丁3Hr3.5Hr4Hr筿玲佳放1301501707.888.3临警秖0.050.060.07粇畉12345竚獺腹礚53Step2.选定直交表?依据因素及水平的多寡，例如2水平m个、3水平n个，以决定适当的直交表。 ?K（最少实验次数）=1+(2-1)*m+(3-1)*n+?因素过多时，不要使用太大的直交表，而应该依据“时效性”及“影响重要度”，选择部份的因素进行实验。 一般而言，因素个数约58个最适当。 据此推估实验次数约为18次以内。 54Step3.草拟直积配置?将控制因素放在内侧，而将误差、信号因素放在外侧，以形成直积配置。 ?没有误差因素的实验将没有任何实验价值，因为无法证明它在其他环境下能否表现出机能，因此没有误差因素的实验是不需要作。 A BC Da bc de111110.8000.6400.5000.5400.500212221.6601.4501.6301.8301.500313331.3901.2101.3601.5301.450421231.9502.0202.1602.1002.140522310.4300.5780.5400.6400.960623123.xx.0203.5803.7604.660731321.4801.5202.4402.3201.840832134.3503.8904.4805.0204.760933212.0502.2202.4801.6702.670現行2222最適55Step4.计算?静态比?望小特性?特性值越小越好，0最好?望大特性?特性值越大越好?望目特性?特性值具有一特定目标值较好?零点望目特性?特性值具有正、负，且零为最佳?动态比?零点比例式?特性值会通过原点为其理想?基准点比例式?特性值会通过基准点为其理想?一次式?上述二者之外56静态公式一览表N1N1N1N2N2N2A BCDR1R2R3R1R2R3SN S11111Y11Y12Y13Y21Y22Y23SN1S121222SN2S231333SN3S342123SN4S452231SN5S562312SN6S673132SN7S783213SN8S893321SN9S9?S tYS mYS e S tS mV e SeS VVeS SVi jjii jjim eme?2131213122123123232311010/*/(*)*l og*l og*(*)(*)?望目特性57静态公式一览表?S tYS mYS eS tS mVeSeVSyYi jjii jjiei jji?213121312213122323110123/*/(*)*l og/*?零点望目特性望小特性望大特性?VeYVSijjie?2131223101/*lo g?沒有?V eYVSijjie?12310121312/*lo g?沒有58望目计算例?St=0.82+0.642+0.52+0.542+0.52d.f=5?Sm=(0.8+0.64+0.5+0.54+0.5)2/5d.f=1?Se=St-Sm d.f=5-1?Ve=Se/4ABCD上中下左右S/N S111110.800.640.500.540.5013.35-4.54212221.661.451.631.831.5020.684.15313331.391.211.361.531.4521.342.84421231.952.022.162.102.1427.486.33522310.430.580.540.640.969.88-4.11623123.203.023.583.764.6615.0911.20731321.481.522.442.321.8412.665.62832134.353.894.485.024.7620.4313.06933212.052.222.481.672.6715.126.89Avg=17.344.6159Omega转换?S/N=10Log(0.58/(1-0.58)?S=没有n=1ABC Data-良率SN比感度S111158.000%1.400.00212276.000%5.010.00321283.000%6.890.00422164.000%2.500.0060分类数据的SN比?S/N=-10Log(02*10+12*3+22*5+32*2)/20?S=没有配分0123ABC Data-優Data-良Data-中Data-劣SN比感度S樣本數111110352-3.120.0020.0021223863-4.700.0020.003212154011.870.0020.0042217445-5.120.0020.0061SN比10.015.020.025.0a1a2a3b1b2b3c1c2c3d1d2d3S-2.00.02.04.06.08.010.0a1a2a3b1b2b3c1c2c3d1d2d3S/N ABCD118.4617.8316.2912.78217.4816.9921.0916.14