谢恩DOE在失效分析与效率提升中的应用

1、谢恩DOE在失效分析与效率提升中的应用潘景伟潘景伟2010.082010.08Just used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used in Trina绪论1.1应用说明应用说明本报告重点参考谢恩DOE的思想世界级质量管理工具世界级质量管理工具DOE（中文第二版（中文第二版

2、pdf），报告提及方法可用于电池车间失效分析及效率提升，但所有方法在其它任何行业、任何场合都有可能用到。Just used in Trina绪论1.2基本概念基本概念1.2.1帕累托定理帕累托定理（也称柏拉图法则或20/80法则）指在任何大系统中，约80%的结果是由该系统中约20%的变量产生的。谢恩DOE就是基于帕累托定理而发明。Just used in Trina绪论1.2基本概念基本概念1.2.2绿Y、红X、粉红X、浅粉红X通常，用DOE找到某特定绿Y的红X、粉红X、浅粉红X的解决办法后，变量可以减少7895。绿绿YXXXJust used in Trina绪论1.2基本概念基本概念1.2

3、.3利克特度量尺寸是将一个属性转换成一个变量的工具，它通过将属性分为若干等级来实现。（如1表示最差，10表示最佳等）Just used in Trina绪论1.2基本概念基本概念1.2.4图基检验图基检验的目的是确定一个特定的质量参数是否重要，其重要性具有很高的置信度。Just used in Trina绪论1.2基本概念基本概念1.2.4图基检验图基检验的程序如下（详见P211）：顶端终结计数（全差）顶端终结计数（全差）4 4底端终结计数（全好）底端终结计数（全好）3 3重叠区域重叠区域合计终结计数4+3=7合计终结计数的数目置信度690%795%1099%1399.9%2、为12个或16个

4、排列好的原始数据读数中的每一个，标注“好的部件”（G）或“差的部件”（B）3、当“全部是差的”第第一次一次改变为“全部是好的”（或相反）时，划一条由这些读数的顶端开始的直线，这些是终结计数。4、同样，当“全部是好的”第一次改变为“全部是差的”（或相反）时，划一条由这些读数的底端开始的直线。5、将顶端和底端的终结计数相加以确定合计终结计数。1、不管好与差，把与指定的质量特性或参数相关的一组读数从高到低（或相反方向）排列起来。Just used in Trina绪论1.3解决问题的路径（谢恩解决问题的路径（谢恩DOE）第二章第二章改善项目的确立与前期处理第三章第三章线索生成工具第四章第四章正式的D

5、OE工具第五章第五章 实验设计优化实验设计优化Just used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used in Trina改善项目的确立与前期处理2.1项目的确定项目的确定帕累托定理帕累托定理将80的资源投入到20最核心的问题中。0.20%0.13%0.07%0.20%0.00%10.00%20.00%30.00%40.00%50.00%60.00%70.00%80.00%90.00%100.00%0.00%0.05%0.10%0.15%0.20%0.2

6、5%隐裂烧结不良特殊Pattern其它失效原因累计比例帕累托界Cell3主要失效原因分析主要失效原因分析隐裂、烧结不良、特殊隐裂、烧结不良、特殊Pattern是最值得关注的绿是最值得关注的绿Y。Just used in Trina改善项目的确立与前期处理2.2绿绿Y检验单（检验单（P112）在DOE开始之前，重要的是说明、定义并量化问题，即绿Y。DOE工作组应使用相应的检验清单作为起点，以查明涉及的所有问题。Just used in Trina改善项目的确立与前期处理2.3测量准确度检验测量准确度检验在定义绿Y之后，第一个应问的问题是：测量仪器好到什么程度？它相对于产品变量是多少？产品容许偏差

7、TP和仪表容许偏差TI的比值为5:1是一个比较合理的工业标准工业标准。只有量测系统符合要求，之后的试验才有意义。只有量测系统符合要求，之后的试验才有意义。Just used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used in Trina线索生成工具滤掉不重要的变量多变量分析、集中图、部件搜索、成对比较、过程搜索等5中线索生成工具相互结合，形成了“与部与部件对话件对话”的能力，它们所提供的线索是可靠的，并且不会干扰生产不会干扰生产。7080的问题都可以通过以上5

8、中方法得以解决。Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.1鱼骨图不宜作为试验的开始鱼骨图不宜作为试验的开始如果试验从鱼骨图开始，因子数量将令人深感困惑，并且田口试验、经典DOE等都将显得无能为力，无法找到问题所在。Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.2多变量分析的目标多变量分析的目标多变量分析的目标是为了把大量未知的和不可处理的变量的原因减少为少得多的一族相关变量减少为少得多的一族相关变量，其中包含红X。这是一种通过去掉一些无关紧要的变量原因来定位最可能的原因的图表技术。Just

9、 used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.3多变量分析的原理多变量分析的原理扑克法图解多变量原理扑克法图解多变量原理Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.3多变量分析原理多变量分析原理在工业管理中，也能将扑克戏法作为解决问题的方法。分解问题时，最常用的方法是将其分为3族：位置变量位置变量（部件内的族系）（部件内的族系） 在一个部件内的变量（例如左面对右面；顶面对底面；中心对边缘；锥度；不圆度；偏转；铸件厚度）； 包含许多部件的单一部件中的变量； 在成批加料时出现的位置或方位的变量； 机器对机

10、器的变量； 试验位置对试验位置的变量，夹具对夹具的变量； 操作者对操作者的变量； 生产线对生产线和工厂对工厂的变量。周期性变量周期性变量（部件对部件族系）（部件对部件族系） 在同样的时间框架内，从一个生产过程中抽取的连续的部件间的变量； 部件组中的变量； 批次对批次的变量； 批量对批量的变量。暂时性变量暂时性变量（时间对时间族系）（时间对时间族系） 暂时性变量（时间对时间族系） 小时对小时； 班次对班次； 每日对每日； 每周对每周。Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.4多变量分析的过程多变量分析的过程 （1）鉴别绿Y （2）量测系统评

11、估 （3）确定可出现的变量的族系数目 （4）画出族谱 （5）估计所要求的时间对时间采样的数目 （6）确定在加工过程中连续抽取的部件对部件的数目 （7）确定在部件内族系的各子族系的采样数目 （8）将第3、4、5步中的数目相乘，以确定需要研究的部件的总数目 （9）设计一个图表，以简化多变量数据的收集1、设计多变量研究 （1）不要混淆一个给定的产品内的模型，仅对此产品中最差的模型进行实验 （2）进行多变量研究，扩展时间对时间采样的数量，直到找到80%以上的重要的变量或技术规格要求公差（即使很小）为止 （3）在多变量研究过程中，应使过程中的各种调整的次数最小化 （4）要特别注意任何不连续性（如休息、吃

12、午饭、换班、PM等）2、进行多变量实验 （1）确定重要的变量族系（注意：红X仅可能存在于几个族系之一种，虽然粉红X或浅粉红X可能存在于另一个族系中）。 （2）根据重要族系特点采取相应的应对措施 （3）寻找非随机的趋势或其他线索 （4）寻找一个或几个村庄不寻常图形的样本。不相等的灵敏度说明可能存在交互的影响3、解释和分析多变量图Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.5应用案例应用案例P134Just used in Trina3.1多变量分析：自动寻找红多变量分析：自动寻找红X3.1.5实际应用举例实际应用举例离职率研究（学历、入职年限、

13、祖籍等）效率差异（机台差异、批次差异、批内差异等）背场脱落（暂时性变量，突发性）Just used in Trina3.2集中图：重复出现问题的精确定位集中图：重复出现问题的精确定位3.2.1集中图目的集中图目的如果多变量研究表明重复性变量族是在部件内部件内，那么下一步就应当是绘制部件内问题的精确位置。用集中图就可以很好地做到这一点。Just used in Trina3.2集中图：重复出现问题的精确定位集中图：重复出现问题的精确定位3.2.2集中图画法集中图画法一 制作一张包括重现缺陷的图或模板二 如果需要，画一些网格，这样可以找出问题的精确位置三 在检查每个部件时，请检验人员标出如下内容：

14、 每种缺陷类型的位置以及每种缺陷类型的适当的编码 在每个位置上每种缺陷类型的数量Just used in Trina3.2集中图：重复出现问题的精确定位集中图：重复出现问题的精确定位3.2.3应用案例应用案例P169Just used in Trina3.2集中图：重复出现问题的精确定位集中图：重复出现问题的精确定位3.2.4实际应用举例实际应用举例同一条线的每场脱落都在相同位置翘曲方向都与主栅线方向平行特殊Pattern失效位置在硅片的相同位置相同位置烧穿最可能是铝浆污染所致连续隐裂也常常发生在相同位置同一位置断栅同一位置虚印Just used in Trina3.3部件搜索：简便而平滑的交

15、换部件搜索：简便而平滑的交换3.3.1部件搜索目的部件搜索目的如果你已经知道重要的变量是存在于部件对部件，或者如果在同样的运行下和同样的时间里都存在着“好”和“差”的部件时，可以绕开多变量分析，开始部件搜索过程以进一步分流多变量。Just used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.2部件搜索特点及要求部件搜索特点及要求部件必须可拆卸不需要有太多专业知识即可完成试验Just used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.2部件搜索原理（对切试验）部件搜索原理（对切试验）G1G3G4G2G5最好好部件最

16、差差部件B1B3B4B2B5红红XJust used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.3部件搜索步骤部件搜索步骤1、球场阶段 确定在被研究的部件中是否选择了正确的变量 从1天的产品里仅仅采样2个部件，一个最好（BOB）、一个最差（WOW），还要测量他们的绿Y值。 拆卸并重新组装BOB和WOW两次，再测量他们重现的绿Y两次以上。 显著性检验，看是否BOB与WOW间的差别是显著的：a.BOB的3个绿Y值必须全都好于WOW的绿Y，并且它们之间没有交叉覆盖；b.D/d的比率必须大于1.25，或者最小要等于1.25。 如果D/d=1.25,阶段1成功，可

17、以开始下步。 将各零件按递减次序排列。Just used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.3部件搜索步骤部件搜索步骤2、排除阶段 除了红X之外，就有95的把握排除掉大量的主效应及其相互作用 将最高一级的零件A互换，测量并记录两个新绿Y值。 在上一步，可能会有3个结果：a. BOB依然是BOB，WOW依然是WOW，零件A是不重要的。b. BOB变成了WOW，而WOW变成了BOB，则零件A是红X，部件搜索结束。c. BOB部分变差，WOW部分变好，但还没有完全达到，这表明零件A部分重要或与其他零件间有相互作用。（数学方法判断） 对第7步交换的零件还

18、原并验证装卸无问题。 对于随后最有可能的零件重复7、8步。 一旦在7（c）和第9步有两个或多个部件被识别为是重要的，就要把它们作为整体做7、8步，直到红X发现。Just used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.3部件搜索步骤部件搜索步骤3、求交运算阶段 验证 将红X（BOB）的零件装到WOW中，结果应该为BOB，将红X（WOW）的零件装到BOB中，结果应该为WOW。4、析因分析 计算过程 利用在第1和2阶段得到的所有数据进行完全析因分析，以便量化和确定主效应和相互影响效应的方向和幅度。Just used in Trina3.3部件搜索：简便而

19、平滑的交换部件搜索：简便而平滑的交换3.3.4应用案例应用案例P186Just used in Trina3.3部件搜索：简便而平滑的交换部件搜索：简便而平滑的交换3.3.5实际应用举例实际应用举例Rs偏高排查Rsh偏低排查Voc偏低排查Isc偏低排查DEK线异常排查Just used in Trina3.4成对比较成对比较：一种精巧而通用的工具：一种精巧而通用的工具3.4.1成对比较目的成对比较目的如果变量存在于部件对部件部件对部件，但是如果不符合部件搜索的先决条件之一好的和差的部件都应能拆卸重组装时，部件搜索就不能解决问题。而此时，成对比较技术将大显身手。成对比较的通用性很强通用性很强，可

20、以用于任何经济活动。而且成对比较还可以作为部件搜索的后续工作。Just used in Trina3.4成对比较成对比较：一种精巧而通用的工具：一种精巧而通用的工具3.4.2成对比较的方法（方案成对比较的方法（方案A） 选择采样量。选取相对于被调查的绿Y尽可能远的6个或8个好的部件（BOB）以及同样数量的差的部件（WOW）。 尽可能多地列出可以表达BOB和WOW的绿Y值差异的多个参数或质量特性。 选择1对部件，记下参数或特性的差别。 选择第2对部件，记下差别。 继续选择第3对、第4对、第5对、第6对，重复上述搜索过程，直到出现1个或几个参数能够在同方向上显示出1个可重现的差别为止。Just u

21、sed in Trina3.4成对比较成对比较：一种精巧而通用的工具：一种精巧而通用的工具3.4.3成对比较的方法（方案成对比较的方法（方案B） 方案B在第1步和第2步是同样的。但是选择的是6或8个单独的对，记下6或8个好部件及6或8个差部件的每个质量参数的读数，将读数按由小至大（或相反）的次序排列，而不管它们是好还是差不管它们是好还是差的。的。 应用图基检验（详见第一章） 如果整个终结计数是6或大于6时，则该特定的质量参数在解释好与差的部件差别方面的重要性上，就具有90以上的置信度。 如果整个终结计数是5或小于5时，则不具有充分的置信度。 Just used in Trina3.4成对比较成

22、对比较：一种精巧而通用的工具：一种精巧而通用的工具3.4.4应用案例应用案例P224Just used in Trina3.4成对比较成对比较：一种精巧而通用的工具：一种精巧而通用的工具3.4.4实际应用举例实际应用举例A1档电池片与G2档比较自产电池片与外购电池片比较同工序效率、均匀性、稳定性线间差异分析Just used in Trina3.5过程搜索：精确定位过程变量过程搜索：精确定位过程变量3.5.1过程搜索目的过程搜索目的正像成对比较是将重要的产品参数与不重要的产品参数相分离一样，过程搜索是将重要的过程参数与不重要的过程参数相分离。Just used in Trina3.5过程搜索：

23、精确定位过程变量过程搜索：精确定位过程变量3.5.2过程搜索原理过程搜索原理过程搜索运用在红X是时间对时间族系时，它与成对比较计数相同的原理，即利用6个或8个好产品和6个或8个差产品，但它是把与6个或8个好产品相关的过程参数与6个或8个差产品的过程参数相比较。Just used in Trina3.5过程搜索：精确定位过程变量过程搜索：精确定位过程变量3.5.3过程搜索方法过程搜索方法 如果怀疑过程参数变量是造成产品好或差的可能原因，就把这些过程参数以同类递减顺序列出一个清单。 确定怎样测量每个过程参数、谁来测量、在何处进行精密测量。 要保证测量仪器的精度至少为过程参数（允差）的5倍以上。 要

24、保证测量的是实际的过程参数，而不仅仅是设定值。 如果一个特定的过程参数在检测过程中并不变化，就可在进一步的考虑中将其排除掉。Just used in Trina3.5过程搜索：精确定位过程变量过程搜索：精确定位过程变量3.5.3过程搜索方法过程搜索方法 运行100的部件采样或部件的多变量采样，一直到：在过程的终结阶段，最少能采集到8个好部件和8个差部件；最好部件和最差部件之间的分布范围，应该占在产品生产过程中观察到的有意义的变化的80。 测量所有与每个部件相关的、已经指定的过程参数。 然后，运行与8个好部件和8个差部件相关的过程参数成对比较以确认重要的过程参数。 用其它后续方法（下章介绍）进一

25、步确定重要的过程参数，然后对重要参数进行控制，而对不重要参数可以扩展公差以便减少成本。Just used in Trina3.5过程搜索：精确定位过程变量过程搜索：精确定位过程变量3.5.4应用案例应用案例P247。Just used in Trina3.5过程搜索：精确定位过程变量过程搜索：精确定位过程变量3.5.5实际应用举例实际应用举例虚印排查效率片间差异排查翘曲片成因背场脱落原因排查MESJust used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used

26、 in Trina正式的DOE工具产品/过程特性试验技术有效设计在某些时候，当通过线索生成工具滤去很多非重要的变量后，还遗留下210个甚至15个重要变量，需要进一步提取出红X、粉红X和浅粉红X，同时量化其交互影响效应。所以需要继续采用更多的有效的DOE技术，即使的确要中断生产中断生产。Just used in Trina正式的DOE工具产品/过程特性试验技术有效设计谢恩的观点：谢恩的观点：Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.1变量搜索法的目标变量搜索法的目标a) 将重要的因子从不重要的因子中分离出来；b) 放宽非重要因子的误

27、差范围，并节省许多费用；放宽非重要因子的误差范围，并节省许多费用；c) 对重要因子及交互影响效应的大小和要求的方向对重要因子及交互影响效应的大小和要求的方向进行量化，以利于控制。进行量化，以利于控制。Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.2变量搜索法的原理变量搜索法的原理二元搜索法二元搜索法Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.3变量搜索的方法变量搜索的方法 确定绿Y 列出变量清单，并根据重要性递减排序：线索生成工具过滤以后的重要变量、计算机模拟、头脑风暴等

28、给每一个变量确定最佳水平和临界水平 早期和快速评估发展趋向。早期和快速评估发展趋向。实施两组试验，第一组采用全部处于最佳水平的因子，第二组采用全部处于临界水平的因子。如果全部最佳组合和全部临界组合的绿Y之间似乎存在巨大的差异，则可继续进行下步。否则因子表需要重新评估。 重复上步试验两次，并进行重要性验证（同部件搜索）。如果验证通过，则第1阶段结束，否则需重新排查试验过程。1、球场阶段 决定试验用的变量是否是正确的变量、处于正常的水平Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.3变量搜索的方法变量搜索的方法 将最重要的因子A水平互换，

29、测量并记录AbRm 和AmRb两个新绿Y值。 在上一步，可能会有3个结果：a. AmRb依然是B ， AbRm依然是M ，因子A是不重要的。b. AmRb变成了M ，而AbRm变成了B ，则因子A是红X，变量搜索结束。c. AmRb部分变差， AbRm部分变好，但还没有完全达到，这表明因子A部分重要或与其他零件间有相互作用。（数学方法判断） 对于随后最有可能的因子重复7、8步。 一旦在7（c）和第9步有两个或多个因子被识别为是重要的，就必须考虑交互影响。2、分离重要的和非重要的因子Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.3变量搜

30、索的方法变量搜索的方法 如果因子A和B显示出部分颠倒，且读数超过判断极限，用这些因子AbBbRm和AmBmRb进行求交运算，以观察余下的因子R是否可排除。如果一个或更多的结果超出了判断极限，这将显示搜索还不完整。在此情况下，用下一个的单个因子继续实施第2阶段，直至另外的因子显示出超越控制的结果。 实施3因子的求交运算（一般很少需要4因子求交运算）3、求交运算4、析因分析 对重要因子的主效应和交互影响效应进行定量分析 利用在第1、2、3阶段产生的、在第2阶段又不能排除的重要因子的数据来拟定析因分析的数据整理。Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所

31、有分析因法4.1.4应用案例应用案例P279。Just used in Trina4.1变量搜索法：优于所有分析因法变量搜索法：优于所有分析因法4.1.5实际应用举例实际应用举例烧结炉各温区重要性确定；电池车间整体提效；Just used in Trina4.2全析因：识别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.1全析因法的目标全析因法的目标a) 对于由线索生成技术挑选出来的2、3或4个变量中，确定哪些变量重要，哪些变量不重要。b) 在设计小组可以研究不多于4个的变量时，全析因肯定会成为主要的实验设计技术。Just used in Trina4.2全析因：识

32、别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.2全析因法的局限全析因法的局限因全析因需要2n次试验，试验次数将随n的增大而迅速增多，因此全析因应限于限于4个或个或4个以上的因子个以上的因子。于是变量搜索便成了选择520个因子的试验。Just used in Trina4.2全析因：识别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.3全析因试验的原则全析因试验的原则平衡重复随机化Just used in Trina4.2全析因：识别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.4全析因试验的方法全析因试验

33、的方法绿Y矩阵（随机化）Just used in Trina4.2全析因：识别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.5应用案例应用案例P322Just used in Trina4.2全析因：识别与量化每个交互影响的最佳技术全析因：识别与量化每个交互影响的最佳技术4.2.6实际应用举例实际应用举例任何改善试验L9Just used in Trina4.3 B vs. C：卓越的确认技术：卓越的确认技术4.3.1确认的重要性确认的重要性在所有解决问题的实践中，一个主要缺点是，一旦得到了改进，便认为该改进是本质、真实的和持久的。然而，在在解决问题的实践的历史中

34、，最初取得成功而后来很快失败的解决问题的实践的历史中，最初取得成功而后来很快失败的例子俯拾皆是。例子俯拾皆是。只有通过确认，实验人员才能得到关于改进持久性的足够的置信水平。Just used in Trina4.3 B vs. C：卓越的确认技术：卓越的确认技术4.3.2什么是什么是B vs. CC（current）代表当前产品，B（better）相应得代表更好的产品。B vs. C是一种非参数型比较试验方法，它仅需要极少的样本量极少的样本量（通常是3个B和3个C），就可以比较两种产品、过程或方法，并以非常高的置信度非常高的置信度确定那种产品、过程或方法更好。Just used in Trin

35、a4.3 B vs. C：卓越的确认技术：卓越的确认技术4.3.3B vs. C比较的目标比较的目标B vs. C应被用作一种验证工具，而不是一种初始的解决问题工具。该技术的基本目标是：使用非常小的样本量，根据质量和可靠性，以90或更高的置信水平在两个产品或过程之间确定哪个更好。此外，还有如下其他目标：1、以90以上的置信度预测一个特定产品或过程比另一个产品或过程要好多少；2、保证对原有产品或过程的改进的持久性3、在两种产品或过程中选择一种较好的产品或过程；4、同时评价多个产品、过程、材料；5、Just used in Trina4.3 B vs. C：卓越的确认技术：卓越的确认技术4.3.4B vs. C比较的方法比较的方法略Just used in Trina绪论绪论改善项目的确立与前期处理改善项目的确立与前期处理线索生成工具线索生成工具主要内容正式的正式的DOE工具工具试验设计优化试验设计优化总结总结Just used in Trina试验设计优