实验设计(DOE)

1、2007年年10月月Lenovo confidential 实践中的问题实践中的问题 化学家需要找到最佳的合成条件(温度、压力、浓度等）, 使得某种产品的产出率达到最高。 电子工程师需要对各电子元件的规格以及电路的排布方式进行选择，使的电子产品最大程度地抵抗各种干扰。 教练想研究最佳的训练方案（营养、运动类型、运动量等） 人事部研究销售人员的业绩与销售人员个人特性的关系（相貌、性格、沟通技巧、技术背景、诚信度），以便在今后的招聘中确立正确的标准。 银行家使用各种方法催收利息和欠款， 但要研究综合哪些方法可以保证银行的最大利益但又不至于丢失客户。 Y = f (x1,x2,x3,.)Lenovo

2、 confidential 1. 随机试验随机试验2. 单因子试验单因子试验3. 全因子试验全因子试验4. 部分因子试验部分因子试验5. 计算模拟试验计算模拟试验试验方法试验方法不同试验方法各有千秋不同试验方法各有千秋Lenovo confidential 传统的实验方法传统的实验方法Best-guess Approach经验试验优点: 经验和知识 快捷缺点: 当经验和知识与实际情况有偏差时, 反复试验都不成功,浪费时间和金钱 通常找不到最佳点屡败屡战，屡战屡败屡败屡战，屡战屡败Lenovo confidential 学术的实验方法学术的实验方法单因子试验单因子试验One Factor At

3、A Time优点: 对单个因子研究很仔细缺点: 耗时间金钱 不能发现因子之间的相互作用Lenovo confidential 未来的实验方法未来的实验方法Computer Simulation & Test计算机模拟与验证优点: 快速准确局限: 需要大量的人力物力来确定物理模型.目前的知识水平还不能提供足够的物理模型Lenovo confidential 统计实验方法统计实验方法n 可测量的输出响应可测量的输出响应Ysn 可控输入因子可控输入因子Xsn 误差项误差项error中包含中包含n 1) 不可控的输入因子不可控的输入因子(可能是离散型或连续型可能是离散型或连续型)n 造成的波动

4、或误差造成的波动或误差;n 2) 模型本身的不准确模型本身的不准确(失拟失拟)errorxxxfyki),(21试验设计的基本概念与模型试验设计的基本概念与模型Lenovo confidential 根据试验目的选择试验类型根据试验目的选择试验类型目的目的类型类型筛选筛选优化优化Plackett-burman(试验次数最少试验次数最少)多用多用少用少用部分因子试验部分因子试验(试验次数较少试验次数较少)多用多用少用少用全因子试验全因子试验(试验次数中等试验次数中等)可用可用可用可用响应曲面法（响应曲面法（RSM）(试验次数最多试验次数最多)少用少用多用多用统计实验方法统计实验方法Lenovo

5、confidential 统计实验方法统计实验方法PG-1-17施肥间隔和气温对产量的影响的试验施肥间隔和气温对产量的影响的试验两因子两因子DOE只需只需11次试验可以得出相应曲面、因子与响应的关系和最优次试验可以得出相应曲面、因子与响应的关系和最优值，能给出均值和波动。值，能给出均值和波动。 而而OFAT找到的却不是真正的最优值。找到的却不是真正的最优值。Lenovo confidential 统计实验方法统计实验方法1、统计试验设计：系统规划、执行试验计划、统计分析、统计试验设计：系统规划、执行试验计划、统计分析2、从中你能获得其它试验分析方法得不到的结果：响应曲面、交、从中你能获得其它试

6、验分析方法得不到的结果：响应曲面、交互因子、扩展范围、假设检验、波动范围（置信区间）、预测互因子、扩展范围、假设检验、波动范围（置信区间）、预测结果结果3、能找出变差发生的原因、能找出变差发生的原因4、能用有效的计划试验来减少波动的影响、能用有效的计划试验来减少波动的影响5、能用假设检验和置信区间来分析、解释获得的数据、能用假设检验和置信区间来分析、解释获得的数据6、适用于：新产品、新设计、新过程、新工艺、适用于：新产品、新设计、新过程、新工艺 当确定新目标后，一定要仔细先做好试验规划，以求用最少的当确定新目标后，一定要仔细先做好试验规划，以求用最少的试验次数获得最多的信息，从而进行筛选因子或

7、寻求因子的最试验次数获得最多的信息，从而进行筛选因子或寻求因子的最优设置。优设置。Lenovo confidential DOE的起源与发展的起源与发展 上世纪30年代，Ronald A. Fisher 将统计学用于实验设计。 首先用于农业和生物研究 接着用于纺织印染、化学工业、机械制造 进而用于电子工业 第二次世界大战后在日本得到长足进展 中国曾在70-80年代推广Lenovo confidential 全因子试验（全因子试验（DOE）通过少量的实验来研究多个因子各自的作用通过少量的实验来研究多个因子各自的作用快捷、节省费用快捷、节省费用 易于计划和分析易于计划和分析对定量因子和定性因子都实

8、用对定量因子和定性因子都实用均衡全面均衡全面有利于确定因子之间的相互作用有利于确定因子之间的相互作用Lenovo confidential 2k Full FactorialsK个因子，每个因子取两个变化水平个因子，每个因子取两个变化水平试验次数试验次数: 2k LOWHIGHHIGHTwo Factors4 RunsABHIGHHIGHHIGH LOWLOWLOWThree Factors8 RunsBACLenovo confidential 4 Levels of Factor A3 Levels of Factor B3 Levels of Factor A2 Levels of Fa

9、ctor B2 Levels of Factor CBABCA多水平下的试验次数多水平下的试验次数Lenovo confidential abcd-1-1-1-11-1-1-1-11-1-111-1-1-1-11-11-11-1-111-1111-1-1-1-111-1-11-11-1111-11-1-1111-111-111111112x2 Design2x2x2 Design如果用+1, -1来代表两个水平Lenovo confidential 平衡正交 Orthogonal0 对于每个因子0 对于所有的数对 XiS= XiXjS=B低 高A(L,H)(-1+1)b(H,H)(+1, +1

10、)ab(L,L)(-1,-1)(1)(H,L)(+1, -1)a高低对于全部的实验点(Xi, Xj)实验方案的实验方案的正交性正交性Lenovo confidential l某化工产品的合成产率与温度某化工产品的合成产率与温度 (Temperature）、原材料的浓度）、原材料的浓度（ Concentration) 和催化剂的类型和催化剂的类型 (Catalyst) 有关有关.l试验时选择的条件为试验时选择的条件为:-温度温度: 160o C (-1), 180o C (1)-浓度浓度 (%): 20 (-1), 40 (1)-催化剂催化剂: A型型 (-1), B型型 (1)l试验设计表如下

11、试验设计表如下TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185 Factor TrialABC1-2+-3-+-4+-5-+6+-+7-+8+Lenovo confidential 计算温度的影响计算温度的影响高设下的平均值71.00低设下的平均值49.25 影响 ()21.75TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185温度影响温度影响 Effect=(56+55+88+85) (54+47+5

12、1+45) 44= 71.00 - 49.25 = 21.75可以理解为温度升高对产率有利Lenovo confidential () ()浓度的影响=47 + 55 + 45+854- -5456518844.25表明浓度从表明浓度从20%升高到升高到 40%,产率将下降约产率将下降约 4 个点个点23-4.25高设下的均值低设下的均值影响 ()71.0049.2558.0062.25TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185计算浓度的作用计算浓度的作用Lenovo confidentia

13、l TempConcCatalystYield-1-1-1541-1-156-11-14711-155-1-11511-1188-1114511185Avg High71.0058.00Avg Low49.2562.25Effect 21.75-4.25催化剂效能=4(_ _ _ _)_ _ _ _ - ()4计算催化剂的效果计算催化剂的效果Lenovo confidential 用主体因子的两列进行线性相乘用主体因子的两列进行线性相乘, 就可得到交互作用的列就可得到交互作用的列.主体因子的实验方案主体因子的实验方案交互作用交互作用TxC = Temp ConcT e m p C o n c-

14、 1- 11- 1- 1111T e mpC o n cT * C- 1- 111- 1- 1- 11- 1111X=Lenovo confidential Avg High71.0058.0067.25Avg Low49.2562.2553.00 Effect ()21.75-4.2514.25Temp(T)Conc(C)Cat(K) T*CT*KC*KT*C*KYield-1-1-1111-1541-1-1-1-11156-11-1-11-114711-11-1-1-155-1-111-1-11511-11-11-1-188-111-1-11-145111111185Lenovo conf

15、idential 图示各主体因子的作用主体因子主体因子的影响的影响 将该因子所有处于(-1) 时的输出结果加起来并计算均值, 将均值画在图上 将该因子所有处于(+1) 时的输出结果加起来并计算均值, 将均值画在图上 将两点联起来 催化剂的影响已经画好, 请将另外两个画出来Temp(-1)(+1)Conc(-1)(+1)Cat(-1)(+1)5070606555 Lenovo confidential 图示交互作用TempxConcConcxCatTempxCat以温度与浓度的交互作用为例 对于温度为 -1, 将浓度为 1时的结果进行平均 对于温度为+1, 浓度为 1时的结果进行平均 将两点画在

16、图中, 并用直线相连 同样地, 计算并画出浓度为 +1时的一条直线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 = -1Lenovo confidential DOE的基础概念的基础概念试验设计基础概念：试验设计基础概念： 随机化随机化Randomization；

17、 区组化区组化Blocking； 重复重复 Replication； 试验误差试验误差Experimental Error； 试验单元试验单元Experimental Unit（EU）。）。Lenovo confidential 随机化随机化Randomization：随机化是在试验研究中重新分配试验材料和安排试验顺序的一种试验设计技巧。随机化的目的是消除和减小因不可控和/或已知讨厌因子对响应可能产生的系统影响。随机化可以通过随机数据表或计算机随机数产生器完成。随机化的结果是保证某一次试验既不受前面的试验的影响，也不影响后面的试验，或者说试验是独立的。随机化不能减少试验误差即噪音，但可以减小不

18、可控的、讨厌因子可能引起的系统影响。DOE的基础概念的基础概念Lenovo confidential 下图的Run Order是随机化（Randomization）后的试验次序：随机试验顺序本章将介绍用Minitab产生随机数以进行试验顺序随机化。DOE的基础概念的基础概念Lenovo confidential 区组化区组化Blocking：区组化是一种孤立已知系统影响的试验设计技巧，目的是防止已知系统影响掩盖重要输入因子的效应。区组化与随机化的不同之处在于区组化可以减小试验噪音，而减小试验噪音不是随机化的目标。区组可以视作可控因子或变量，但是是讨厌因子，我们不能或不应该将其固定在一个水平上。

19、可能的区组包括不同原材料、操作者、机器、批次等。区组效应可以集中任何系统效应并从感兴趣的因子效应中分析出来。比较方法中的配对比较就是最简单的区组例子。DOE的基础概念的基础概念Lenovo confidential 下图飞机模型试验中对项目成员进行区组的例子：按项目成员区组化上述为区组化的例子，但注意上述安排不好，容易与BOTFOLD混杂，处理办法在后续章节介绍。区组化是试验设计很有用的工具，可以用于全因子和部分因子试验中减少“噪音”。尽量区组化，不能区组化再随机化.DOE的基础概念的基础概念Lenovo confidential 重复重复Replication：试验设计中需要重复的理由有两点

20、：1）对过程的根本变差有个估计；2）提高主效应和交互效应估计的精度。重复是指除正常试验次数外在相同输入因子水平组合下独立安排一次和多次试验（注意不是同一次试验下的重复测量），为了保证独立性，需要将包括重复试验的多有试验次数进行随机化。如果重复被用于全因子试验，所有因子水平组合通常被重复相同次数。举例：飞机模型是23全因子试验，连同重复有16次试验，每个因子水平组合做两次，通过16次试验的随机化可以减小讨厌因子的系统影响。DOE的基础概念的基础概念Lenovo confidential 重复Replication举例：注意上表中每个因子水平组合重复了一次，共16次试验，这16次试验的实施顺序还需

21、要随机化才行。DOE的基础概念的基础概念Lenovo confidential 误差( Error ) 包含两部分：试验误差和失拟误差.对于飞机模型可以建立的模型为：上式中Y响应变量，x1,x2,x3为输入因子，Error为总误差。它包含:1) 试验误差Experimental Error： 试验误差是模型不能准确预测响应反映的误差。试验误差包括受不可控和已知讨厌因子引起的试验“噪音”和模型失拟。试验误差是同一因子水平组合下独立重复时体现的变差。注意测量误差是试验误差的一个来源，在做试验设计前，对所有响应注意测量误差是试验误差的一个来源，在做试验设计前，对所有响应进行测量系统分析是十分重要的，

22、这样才能保证测量误差足够小。进行测量系统分析是十分重要的，这样才能保证测量误差足够小。由于时间、资源等因素，不太可能全部重复时，最少要在一个因子水由于时间、资源等因素，不太可能全部重复时，最少要在一个因子水平组合下重复或者在连续型因子的中间点重复。平组合下重复或者在连续型因子的中间点重复。DOE的基础概念的基础概念误差误差( Error )：Lenovo confidential 试验单元试验单元Experimental Unit：试验单元是一次试验和一个因子水平组合所需要的试验材料，试验单元必须独立获取。试验单元可能包括人、试验、动物、电路板、半导体晶片等。对于重复试验，同一因子水平组合的重

23、复要安排不同的试验单元，不对于重复试验，同一因子水平组合的重复要安排不同的试验单元，不同的试验单元安排要是随机的以避免未知的和不受控的因子引起系统同的试验单元安排要是随机的以避免未知的和不受控的因子引起系统偏差。偏差。DOE的基础概念的基础概念Lenovo confidential 试验具有多种试验单元的情况举例：右图所示是半导体晶片制造，需要经过化学除锈和抛光两步，前者多个Wafer一起处理，后者单独处理，这种情况就是多种试验单元的情况.DOE的基础概念的基础概念Lenovo confidential 正交代码正交代码因子的水平取决于因子类型、因子范围和因子量纲。我们将每个因子的两因子的水平

24、取决于因子类型、因子范围和因子量纲。我们将每个因子的两水平（低与高）编代码为水平（低与高）编代码为1和和1，称为，称为正交代码。连续变量的正交代码 对于连续变量我们关心的是整个区间而不仅仅是试验的两个水平，例对于连续变量我们关心的是整个区间而不仅仅是试验的两个水平，例如一个因子的实际区间是（如一个因子的实际区间是（100，200），两个代码为：），两个代码为： 代码值代码值 1 0 1 实际值实际值 100 150 200 注意：注意：150是中心点，代码值为是中心点，代码值为0。问题：如果代码值为问题：如果代码值为0.5，那么实际值是多少？，那么实际值是多少？Lenovo confident

25、ial 正交代码算法正交代码算法正交代码方程式 实际值（最大值最小值）实际值（最大值最小值）/2 （ 最大值最小值）最大值最小值）/2 记记 A实际值实际值 C代码值代码值 m（最大值最小值）（最大值最小值）/2 d（最大值最小值）（最大值最小值）/2 则则 A m C = 或或 AmCd d代码值Lenovo confidential 正交代码优点正交代码优点连续变量正交代码的好处 每个因子两水平编码即设计因子试验的方法，每个因子两水平编码即设计因子试验的方法， 2k设计的分析和设计的分析和解释将被应用于任何因子，不管它的类型、范围和量纲。解释将被应用于任何因子，不管它的类型、范围和量纲。

26、通过对因子水平进行通过对因子水平进行1和和1编码，模型中所有因子编码，模型中所有因子“份量份量”相同，相同，“大小大小”相同。所有因子都没有量纲，因子效应可直接比较相同。所有因子都没有量纲，因子效应可直接比较。 在一系列代码组成的模型中，模型的均值（截距）就是响应的在一系列代码组成的模型中，模型的均值（截距）就是响应的均值并且在设计均值并且在设计“空当空当”的中心。的中心。 当我们分析直升机数据并且建立一个飞行时间（机翼长度、宽当我们分析直升机数据并且建立一个飞行时间（机翼长度、宽度、底部折叠）的模型时，可以图解效应。度、底部折叠）的模型时，可以图解效应。 正交代码去除了主效应估计与交互效应估

27、计之间的相关性。正交代码去除了主效应估计与交互效应估计之间的相关性。Lenovo confidential 按按 StatDOECreate Factorial Design进入进入 1 - 选定因子的个数选定因子的个数2 - 点击点击 Designs 选择键选择键1.2.Lenovo confidential 3. 点击点击 Full Factorial (全因全因子实验子实验); 点击点击 OK.Lenovo confidential 4. 点击点击 Factors 钮钮5. 输入各因子的名称输入各因子的名称.6. 点击点击 “OK” , 实验方案就出现在数据实验方案就出现在数据窗口内窗口

28、内.Lenovo confidential Data Matrix1.3.4.2.Lenovo confidential 打乱实验顺序打乱实验顺序:1.防止漏掉一些随时间而变化的因子.2.统计学上要求这样做, 以便体现统计的意义.3.对于由主观判断进行的测量, 必须这么做.4.常常使实验的安排变得困难些.如果点击Option随机化选择Lenovo confidential StdOrder RunOrder BlocksTempConcCat161-1-1-12711-1-1311-11-144111-1581-1-116511-11721-111831111StatDOEDisplay De

29、signStandard OrderLenovo confidential StatDoeAnalyze Factorial Designs1. 输入实验的结果输入实验的结果2.3.4.Lenovo confidential 5.6.7.Lenovo confidential 实验设计的分析工具实验设计的分析工具Analysis Tools for Factorial DesignsANOVA 方差分析，鉴定因子的影响以及它们的相互作用 是否显著Regression 回归分析，建立因子与结果之间的数学关系.Residual Analysis 残差分析，从统计学角度证实模型的真实性Lenovo

30、confidential Fractional Factorial FitEstimated Effects and Coefficients for yield (coded units)Term Effect CoefConstant 60.125 temp 21.750 10.875 conc -4.250 -2.125 catalyst 14.250 7.125 temp*conc 2.250 1.125 temp*catalyst 16.750 8.375 conc*catalyst -0.250 -0.125 temp*conc*catalyst -0.750 -0.375 Ana

31、lysis of Variance for yield (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 3 1388.38 1388.37 462.792 * *2-Way Interactions 3 571.38 571.38 190.458 * *3-Way Interactions 1 1.12 1.12 1.125 * *Residual Error 0 0.00 0.00 0.000Total 7 1960.88这些是我们前面计算出来的结果这些是我们前面计算出来的结果为什么系数为什么系数是效果的一半是效果的一半

32、Lenovo confidential 201001.51.00.50.0-0.5-1.0-1.5EffectNormal ScoreCACANormal Probability Plot of the Effects(response is yield, Alpha = .10)A: tempB: concC: catalystA(温度温度Temp), C (催化剂催化剂Catalyst)和和 A*C (Temperature * Catalyst) 交互作用偏离正态直线交互作用偏离正态直线,表明他们的作用不是简单的随机变化表明他们的作用不是简单的随机变化, 他们是影他们是影响结果的显著因子

33、和交互作用响结果的显著因子和交互作用.在直线附近的点为属于正态分布的噪音波动，偏离直线较远的为显著因子或交互作用Lenovo confidential 在排列图中在排列图中, 以以t检验显著性几率检验显著性几率 p0.10 作为界线作为界线, 可以看到可以看到A, C和和 A*C 交互作用是显著的交互作用是显著的20100AACCBABABCBCPareto Chart of the Effects(response is yield, Alpha = .10)A: tempB: concC: catalystLenovo confidential StatDOEFactorial Plots

34、1. 选择查看主体因子选择查看主体因子2.4. 选择要查看的因选择要查看的因子子4.3. 选择实验结果所在的列选择实验结果所在的列Lenovo confidential catalystconctemp 1-1 1-1 1ieldMain Effects Plot (data means) for yield各因子单独对产率的影响（图表）各因子单独对产率的影响（图表）Lenovo confidential StatDOEFactorial Plots1. 点击选择查看交互作点击选择查看交互作用用2.4. 选择要查看的因选择要查看的因子子4.3. 选择结果所在的数选择结

35、果所在的数据列据列Lenovo confidential -1 1 1 1-1-180706050catalysttempMeanInteraction Plot (data means) for yield温度受催化剂的影响温度受催化剂的影响Lenovo confidential Yield = 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)使用计算出来的系数使用计算出来的系数:注意注意: 上面的方程式中使用的是代码上面的方程式中使用的是

36、代码 (1) 作为两个水平作为两个水平. 例如温度例如温度代码与真实温度的关系为代码与真实温度的关系为: 可以尝试一下预测的结果可以尝试一下预测的结果, 假设温度为假设温度为160, 浓度为浓度为30% 并采用催化并采用催化剂剂 ATempTemp()-117010Lenovo confidential PlanDesignConductAnalyzeConfirmDOE 后续工作后续工作 验证预测关系方程式进一步DOE 单因子试验，找到每个因子的最佳设置 最终确定工艺窗口TemperaturePressureResponseLenovo confidential 实例实例2: 断裂的弹簧断裂

37、的弹簧问题问题: 一家弹簧厂收到很多客户投诉一家弹簧厂收到很多客户投诉, 投诉他们的新品种弹簧在使用投诉他们的新品种弹簧在使用中会断裂中会断裂. 该问题已经出现好几个月了该问题已经出现好几个月了, 工程师尝试了许多办法都没工程师尝试了许多办法都没能解决问题能解决问题, 他们分析问题的原因可能集中在三个主要的因素上他们分析问题的原因可能集中在三个主要的因素上:T: 钢材进行冷却处理之前的温度钢材进行冷却处理之前的温度.C: 钢材中碳的含量钢材中碳的含量.O: 冷却油温冷却油温Temperature of the quenching oil.他们还做了一些单因子试验他们还做了一些单因子试验, 但是

38、还没有找到最佳条件设置但是还没有找到最佳条件设置.Lenovo confidential 因子 水平 Low (-) High (+) 钢钢材材温温度度 T (oF) 1450 1600 碳碳含含量量 C (%) 0.50 0.70 冷冷却却油油温温 O (oF) 70 120 问题小组决定使用全因子试验来了解并优化过程问题小组决定使用全因子试验来了解并优化过程,特别是要看看因子特别是要看看因子之间有无交互作用之间有无交互作用.试验方案试验方案:n两水平两水平,全因子全因子n三个因子三个因子n8次试验次试验水平设置如下水平设置如下Lenovo confidential TCO%弹簧断裂百分比弹

39、簧断裂百分比1234567823-+-+-+-+-+-+67%79%61%75%59%90%52%87%实验结果实验结果Lenovo confidential 图示实验结果图示实验结果67796175599052.87钢温钢温1450 F1600 F.7%.5%油温油温70 F120 F碳含量碳含量Lenovo confidential 各因子及其交互作用的效果各因子及其交互作用的效果效果效果 (高高 低低) TCOTCOCTO23.0-5.01.51.50.010.082.7559.7568.7573.7572.070.572.070.571.25 71.2576.2566.25高水平下的结

40、果高水平下的结果 (+)低水平下的结果低水平下的结果 (-)手工计算结果手工计算结果TCO71.571.00.5Lenovo confidential 201001.51.00.50.0-0.5-1.0-1.5EffectNormal ScoreACANormal Probability Plot of the Effects(response is Springs, Alpha = .10)A: T(F)B: C(%)C: O(F)20100AACBABCABCBCPareto Chart of the Effects(response is Springs, Alpha = .10)A:

41、T(F)B: C(%)C: O(F)Lenovo confidential O(F)C(%)T(F)12 0 7 00.70 .516 001 45 08075706560SpringsMain Effects for Springs120 700.70.5O(F)C(%)T(F)0.70.516001450Interaction Plot for SpringsLenovo confidential 问题问题可以得出什么结论可以得出什么结论?油温改变或碳含量改变会产生什么影响油温改变或碳含量改变会产生什么影响?你建议他们怎么做你建议他们怎么做? 为什么这样做为什么这样做Lenovo conf

42、idential DOE之之部分因子实验部分因子实验Lenovo confidential 部分因子实验方法（部分因子实验方法（DOE）通过少量的实验来研究多个因子各自的作用通过少量的实验来研究多个因子各自的作用快捷、节省费用快捷、节省费用 易于计划和分析易于计划和分析对定量因子和定性因子都实用对定量因子和定性因子都实用均衡全面均衡全面有利于确定因子之间的相互作用有利于确定因子之间的相互作用Lenovo confidential RunSpeedTemperaturePressureM aterial1-1-1-1-12 1-1-1-13-1 1-1-14 1 1-1-15-1-1 1-16

43、1-1 1-17-1 1 1-18 1 1 1-19-1-1-1 110 1-1-1 111-1 1-1 112 1 1-1 113-1-1 1 114 1-1 1 115-1 1 1 116 1 1 1 1老板，这个DOE要做16次试验混蛋，16次太多了，没那么多钱给你玩Lenovo confidential 钱该花在哪钱该花在哪k =因子个数试验次数主体因子效果两因子交互作用个数三因子交互个数4因子交互5 因子交互6因子交互7因子交互24213833141646415325101051664615201561712872135352171影响的大小排布：影响的大小排布：主体因子主体因子两因

44、子交互两因子交互在此线以右，影响就不明显了在此线以右，影响就不明显了Lenovo confidential 部分因子试验部分因子试验 在在 23 全因子试验的基础上全因子试验的基础上. 怎样增加一个因子但不增加试验怎样增加一个因子但不增加试验 次数呢次数呢? 因为所有的列都是正交的，所以新增的因子因为所有的列都是正交的，所以新增的因子M可使用任何可使用任何 一组，通常选择高阶次的那一组，通常选择高阶次的那一组。本例中使用一组。本例中使用 SxTxP 相交组相交组. 但但M因子的效应与因子的效应与SXTXP的交互作用相重叠的交互作用相重叠STPSxTSxPTxPSxTxP-1-1-1111-11

45、-1-1-1-111-11-1-11-1111-11-1-1-1-1-111-1-111-11-11-1-1-111-1-11-11111111因子因子 M放弃考察放弃考察S, T, P三者的交互作用三者的交互作用Lenovo confidential 简化后的试验方案变成简化后的试验方案变成:STPM-1-1-1-11-1-11-11-1111-1-1-1-1111-11-1-111-11111只需要运行只需要运行 24 实验的一半，不再是实验的一半，不再是 16 次试验，而是次试验，而是 8次次Lenovo confidential 11122111-1 1-1 1STPM-1 1-1 1

46、 1P-1 1S-1-1T 1图示部分因子实验Lenovo confidential 部分因子实验的符号部分因子实验的符号2Rkp- 2 是试验水平的个数是试验水平的个数 k 是因子的个数是因子的个数 p 是部分的大小描述是部分的大小描述(p=1 1/2 部分部分, p=2 1/4 部分部分, 如此类推如此类推.) 2k-p 计算出试验的次数计算出试验的次数 R 是清晰度（是清晰度（resolution） 例如例如 122222 2284144141-24 1IV-Lenovo confidential 部分因子试验部分因子试验Fractional 2k 的清晰度（的清晰度（Resolutio

47、n）Resolution III: 主因子效应与双因子交互作用相重叠 Resolution IV: 双因子交互作用与其他双因子交互作用相重叠，主因子效应只与更高阶的交互作用相重叠（ aliased or confounding）. Resolution V: 双因子交互作用与三因子交互作用相重叠，主因子效应与四因子交互作用相重叠Lenovo confidential DesignRunsDesign GeneratorResolution23-1 4C = ABIII24-1 8D = ABCIV25-1 16E = ABCDV25-2 8D = AB, E = ACIII26-132F =

48、ABCDEVI26-216E = ABC, F = ACDIV26-3 8D = AB, E = AC, F = BCIII27-164G = ABCDEFVII27-232F = ABCD, G = ABDEIV27-316E = ABC, F = BCD, G = ACDIV27-4 8D = AB, E = AC, F = BC, G = ABCIII28-264G = ABCD, H = ABEFV28-332F = ABC, G = ABD, H = BCDEIV28-416E = BCD, F = ACD, G = ABC,IVH = ABDLenovo confidential

49、重影效应重影效应在前面的实验方案中，我们可以研究在前面的实验方案中，我们可以研究7个因子和交互作用的影响个因子和交互作用的影响 (S, T, P, SxT, SxP, TxP, and M)但是其他的一些交互作用（但是其他的一些交互作用（ SxM, TxM, PxM, SxTxPxM等等）与上面等等）与上面7个有重影效果个有重影效果!重影关系重影关系AliasingS=TPMT=SPMP=STMM=STPST=PMSP=TMSM=TP线性组合线性组合LS=S+TPMLT=T+SPMLP=P+STMLM=M+STPLST=ST+PMLSP=SP+TMLSM=SM+TP也就是说在这里也就是说在这里

50、S的主体因子的效果中包含了的主体因子的效果中包含了TPM三者交互作用的影响成三者交互作用的影响成分分(将将T,P,M的代码线性相乘就可得到与的代码线性相乘就可得到与S一样的代码列一样的代码列)，由于，由于TPM的作用的作用比较小，通常可以忽略。比较小，通常可以忽略。Lenovo confidential Minitab 设计部分因子实验设计部分因子实验 StatDOECreate Factorial Design1.2.Lenovo confidential 查看可选择的部分因子实验方案查看可选择的部分因子实验方案 StatDOECreate Factorial DesignDisplay A

51、vailable Designs :Lenovo confidential 选择方案选择方案 Lenovo confidential 25-1 示例示例为了提高集成电路产品的产率，对为了提高集成电路产品的产率，对5个相关因子进行研究个相关因子进行研究A = 光隙设定光隙设定aperture setting (小、大小、大)B = 暴露时间表暴露时间表exposure time (20% 低于常值低于常值, 20% 高于高于常值常值)C = 停留时间停留时间development time (30 s, 45 s)D = 外罩尺寸外罩尺寸mask dimension (小、大小、大)E = 刻蚀

52、时间刻蚀时间etch time (14.5 min, 15.5 min)从经济和时间的角度考虑，只是对从经济和时间的角度考虑，只是对A，B，C，D进行进行 24 =16次试验，而次试验，而第第5个因子个因子E按照按照 E=ABCD*加入试验中加入试验中.Lenovo confidential 研究集成芯片生产过程的研究集成芯片生产过程的2 5-1 DOEABCDE=ABCDStdOrderapertureexposuretimedevelopmenttimemaskdimensionetch timeYield1-1-1-1-11821-1-1-1-193-11-1-1-134411-1-11

53、525-1-11-1-11661-11-11227-111-11458111-1-1609-1-1-11-16101-1-1111011-11-111301211-11-15013-1-111115141-111-12115-1111-144161111163Lenovo confidential Fractional Factorial FitEstimated Effects and Coefficients for Yield (coded units)Term Effect CoefConstant 30.3125 aperture 11.1250 5.5625 exposure 33

54、.8750 16.9375 developm 10.8750 5.4375 mask dim -0.8750 -0.4375 etch tim 0.6250 0.3125 aperture*exposure 6.8750 3.4375 aperture*developm 0.3750 0.1875 aperture*mask dim 1.1250 0.5625 aperture*etch tim 1.1250 0.5625 exposure*developm 0.6250 0.3125 exposure*mask dim -0.1250 -0.0625 exposure*etch tim -0

55、.1250 -0.0625 developm*mask dim 0.8750 0.4375 developm*etch tim 0.3750 0.1875 mask dim*etch tim -1.3750 -0.6875 aperatureexposure timdevelopmentmask dimensietch time-1 1-1 1-1 1-1 1-1 11523313947YieldMain Effects Plot (data means) for Yield-11-11-11-11103050103050103050103050aperatureexposure timdev

56、elopmentmask dimensietch time-11-11-11-11Interaction Plot (data means) for Yield0102030-101EffectNormal ScoreBACABNormal Probability Plot of the Effects(response is Yield, Alpha = .10)A:aperaturB:exposureC: developmD: mask dimE:etch tim0102030BDBEACCEBCECDDADAEDEABCABPareto Chart of the Effects(resp

57、onse is Yield, Alpha = .10)A: aperaturB: exposureC: developmD: mask dimE: etch timDOE 计算结果（计算结果（ Minitab）所有的因子和交互作用项都参与分析Lenovo confidential 问题问题 该设计的清晰度为多少该设计的清晰度为多少?该设计的重影关系如何该设计的重影关系如何?哪些因素重要，哪些不重要哪些因素重要，哪些不重要?可以得出什么结论可以得出什么结论?Lenovo confidential 如何体现统计显著性如何体现统计显著性Analysis of Variance for Yield (

58、coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 5 5562.8 5562.8 1112.56 * *2-Way Interactions 10 212.6 212.6 21.26 * *Residual Error 0 0.0 0.0 0.00Total 15 5775.4没有没有 P 值值Values, 如何判断哪些主体因子和交互作用是显著的如何判断哪些主体因子和交互作用是显著的Lenovo confidential Fractional Factorial FitEstimated Effects and Coeffi

59、cients for Yield (coded units)Term Effect Coef StDev Coef T PConstant 30.3125 0.4045 74.94 0.000aperture 11.1250 5.5625 0.4045 13.75 0.000exposure 33.8750 16.9375 0.4045 41.87 0.000developm 10.8750 5.4375 0.4045 13.44 0.000mask dim -0.8750 -0.4375 0.4045 -1.08 0.308etch tim 0.6250 0.3125 0.4045 0.77

60、 0.460aperture*exposure 6.8750 3.4375 0.4045 8.50 0.000Analysis of Variance for Yield (coded units)Source DF Seq SS Adj SS Adj MS F PMain Effects 5 5562.81 5562.81 1112.56 424.96 0.0002-Way Interactions 1 189.06 189.06 189.06 72.21 0.000Residual Error 9 23.56 23.56 2.62Total 15 5775.44Stat DOE Analyze F