DOE培训教案(LM)ppt课件

1、DOE Design Of Experiment 讲师：李 明 时间：2021-06-25 康达信管理顾问授课大纲一、 实验设计简介 ：实验设计的定义 实验设计的历史与 开展 实验设计的用途 二、 实验设计类型： 全因子实验设计、 部分因子实验设 计 三、 设计一个DOE的步骤：a. 方案阶段 ， b.实施阶段， c.分析阶段四、 全因子DOE设计分析五步法(60分钟授课大纲五、 全因子DOE结果分析： 要素影响与交互影 响极差 分析 ANOVA方差分析 单向方差分析 双向方差分析 回归分析六、 如何利用专业软件进展全因子DOE分析：举例分析七、 全因子DOE在运用中的问题DOE(Design

2、 of Experiment)一、实验设计简介二、实验设计类型三、设计一个DOE的步骤四、全因子DOE设计分析五步五、全因子DOE结果分析六、如何利用专业软件进展 全因子DOE分析七、 全因子DOE在运用中的问题为什么要做DOE？1.这里有9个球，其中有且只需一个球质量为9克, 其它8个都为10克。给他一架天平，请找出重为9克的那个球。请问，他至少要称几次?实验设计的意义: 运用数理统计学的根本知识，讨论如何合理地安排实验、获得数据，然后进展综合科学分析，从而尽快获得最优组合方案。在工序开发运用实验设计方法能得出以下成果：1. 提高产量；2. 减少变异性，与额定值或目的值更为一致；3. 减少开

3、发时间；4. 减少总本钱；实验设计的意义DOE定义: 实验设计X1X2X3U1U2U3Y1Y2Y3PROCESS什么变量显著影响着我们的绩效DOE(Design of Experiment)我们假定过程的结果当中，y1，y2，y3是我们关怀的输出变量这些我们经常称之为呼应responseX1X2X3U1U2U3Y1Y2Y3PROCESS根本术语呼应我们将影响呼应的那些变量称为实验问题中的因子。其中x1,x2,x3是人们在实验中可以控制的因子，我们称为可控因子controlled factor可控因子是输入变量，是影响过程最终结果的X1X2X3U1U2U3Y1Y2Y3PROCESS根本术语可控因

4、子在影响过程和结果的因子中除了控制因子还包括一些非可控因子uncontrolled factor：u1,u2,他们通常包括环境、操作员、资料批次等对于这些变量我们通常很难把它们控制在某个准确值上。X1X2X3U1U2U3Y1Y2Y3PROCESS根本术语不可控因子做一次获得察看值得实验又叫运转DOE(Design of Experiment)程度 处置Level and treatment:程度和处置因子的不同取值叫程度或设置DOE(Design of Experiment) 实验环境 实验单元Experiment unit and experiment environment:实验单元和实验

5、环境实验中的最小单元，如一件产品，一次诊断实验的周围条件，如：温度、湿度、电压根本术语主效应举一个简单的例子在农田实验中，思索两个因子，每个因子都设置了两个程度：A因子：浇水 水少 水多B因子：施肥 肥少 肥多实验结果如下呼应是产量kg：实验浇水（A）施肥（B）产量1水少肥少1002水少肥多1303水多肥少1204水多肥多170Main effect and interaction effect:主效应和交互效应 主效应：由某因子完全作用引导的变化叫这个因子的主效应 B肥A 水多少多少100130120170DOE(Design of Experiment) A的主效应=120+1702 -1

6、00+1302=30 B的主效应=130+1702 -100+1202=40 DOE(Design of Experiment) 交互效应：一个因子的效应依赖于另外一个因子所处的程度时，就称它们之间有交互效应 交互效应不明显交互效应明显DOE(Design of Experiment)DOE的实验进程: 人类在认识自然的过程中，进展着许多方面的探求。实验就是学习过程中一个重要的要素。从爱迪生的 “天才靠的是百分之一的灵感和百分之九十九的汗水 到今天的统计学的科学运用，大大缩短了实验的时间和节约大量的本钱DOE(Design of Experiment)DOE的用途: 经过实验设计获取更多的有用

7、的新信息，协助我们找到哪些是显著影响输出绩效的变量，找出它们的关系, 运用优化器选择我们需求的最正确设置。DOE(Design of Experiment)一、实验设计简介二、实验设计类型三、设计一个DOE的步骤四、全因子DOE设计分析五步五、全因子DOE结果分析六、如何利用专业软件进展 全因子DOE分析七、 全因子DOE在运用中的问题DOE(Design of Experiment)六西格码实验设计DOE的分类: 根据不用的研讨内容，实验设计有多种方法的分类: 根据实验因子的个数：单因子和多因子 根据实验的目的：因子设计和回归设计DOE(Design of Experiment)因子设计：

8、在相当多的因子中，找出哪些自变量X显著影响着Y应予保管，反之应予删除，这就是因子挑选设计回归设计：为了确定X与Y的关系式，找出Y对于X的回归方程，目是针对回归方程的称为回归设计当然这两类设计也有一样这处：1.挑选因子的方法其实也是先建立一个Y与X的简单线性回归方程，然后根据各项系数的显著性来挑选；2.建立了回归方程，特别是含平方的项的呼应曲面方程，判别能否有效应不显著的因子，可以删除，到达挑选因子的目的DOE(Design of Experiment) 但因子设计主要是建立线性关系挑选关键因子，要求比较粗糙实验次数比较少，回归是二阶的要求要细致很多，实验次数要大增。 在因子设计中，又可以按因子

9、程度个数分二程度因子设计、三程度因子设计和混合程度因子设计，在实际中证明：在因子设计，运用二程度正交实验法，加假设干个中心点的设计方法最简单有效，再细分，有全因子实验设计和部分因子实验设计两大类，在这里全因子更具有通用性。DOE(Design of Experiment)DOE(Design of Experiment) 全因子实验设计：一切因子的一切程度的一切组合都至少要进展一次实验，所以实验的次数较多，但可以估计出一切的主效应和一切的各阶效应： 一.实验的目的：兼有因子挑选和回归设计两方面的目的，它可以分析出一切因子的主效应和各因子之间的各阶交互作用的效应。 二.实验的安排和中心点的选取:

10、 实验的安排主要是思索三个根本原那么：反复实验、随机化和划分区组，如何实现反复？是将每一个实验条件反复2次或更多，益处是对实验误差估计得更准确，但实验次数太多代价太大，另一种巧妙的方法是在“中心点处安排反复实验可以获得很好的效果，通常是3-4次。三：代码化及其计算：是用原始自变量数值回归分析好呢还是将这些数值进展代码化后再进展回归分析好呢？所谓代码化就是：高程度+、低程度-、中心程度0表示，益处： 1.代码化的回归方程中，自变量及作用项的各系数可以直接比较，系数绝对值大的比系数绝对值小的DOE(Design of Experiment) 效应更重要、更显著 2.代码化后的回归方程中个估计量之间

11、是不相关的 3.自变量代码化后，回归方程中的常数项就有详细的物理意义了：代码化的中点“0-截距刚好是实验结果的平均值DOE(Design of Experiment)六西格码实验设计一、实验设计简介二、实验设计类型三、设计一个DOE的步骤四、全因子DOE设计分析五步五、全因子DOE结果分析六、如何利用专业软件进展 全因子DOE分析七、 全因子DOE在运用中的问题DOE(Design of Experiment)DOE的设计步骤：实验设计的步骤分三个阶段： 一：方案阶段： a. 组建团队 b. 论述目的：团队成员共同讨论，明确目的与要求，是为了挑选因子还是为了寻求关系，最终要到达什么要求 c.

12、选择呼应变量：在一个实验中有假设干种呼应，哪些是最关键的，要选择最关键作用的DOE(Design of Experiment) d. 选择因子及程度：用鱼骨图、因果图、流程图列出一切能够影响呼应变量的因子清单，然后根据数据和相关知识进展细致的分析作初步挑选 e. 选择实验方案：根据实验目的，选择正确的实验类型，确定区组情况，实验次数，并按随机化安排好实验的顺序及实验单元的分配，排好方案矩阵DOE(Design of Experiment) 一：方案阶段： 二：实施阶段： a. 根据方案矩阵合理安排资源分配 b. 根据方案矩阵安排进展实验，详细记录实验过程的情况，包括：环境气温、室温、湿度、电压

13、、资料、操作员等有价值的资料信息，如有任何非正常的数据予以记录，以便以后分析运用 c. 建立异常反响流程和责任制管控实验风险DOE(Design of Experiment) 三：分析阶段： a. 数据的分析方法要与实验的类型相顺应 b. 分析中应包括拟合选定模型、残差诊断、评价模型的适用性并设法该进模型 c. 当实验结果到达目的时，给出验证实验的预测值 d. 验证实验结果的有效性DOE(Design of Experiment)六西格码实验设计一、实验设计简介二、实验设计类型三、设计一个DOE的步骤四、全因子DOE设计分析五步五、全因子DOE结果分析六、如何利用专业软件进展 全因子DOE分析

14、七、 全因子DOE在运用中的问题DOE(Design of Experiment) 全因子DOE的设计分析五步法： 拟合选定模型进展残差诊断模型需求该进？对选定的模型进展分析解释能否到达目的？进展验证进展下批实验NNDOE(Design of Experiment) 第一步、拟合选定模型： 根据实验目的，选定一个数学模型，通常是全模型 1.看ANOVA表中的总效果 Ho；模型无效 H1：模型有效 假设对应回归项的P- value DOE(Design of Experiment) Minitab 软件运用引见： 3. 观测值分析： Factorial Fit: strength versus

15、press, dis, angle Estimated Effects and Coefficients for strength (coded units)Term Effect Coef SE Coef T PConstant 66.325 2.465 26.90 0.000press -17.800 -8.900 2.465 -3.61 0.037dis 21.700 10.850 2.465 4.40 0.022angle -2.200 -1.100 2.465 -0.45 0.686press*dis -11.750 -5.875 2.465 -2.38 0.097press*ang

16、le -1.750 -0.875 2.465 -0.35 0.746dis*angle 3.950 1.975 2.465 0.80 0.482press*dis*angle -2.200 -1.100 2.465 -0.45 0.686Ct Pt -0.800 4.270 -0.19 0.863S = 6.97346 R-Sq = 92.90% R-Sq(adj) = 73.98%DOE(Design of Experiment) Minitab 软件运用引见： 接上： Analysis of Variance for strength (coded units)Source DF Seq

17、SS Adj SS Adj MS F PMain Effects 3 1585.14 1585.14 528.380 10.87 0.0402-Way Interactions 3 313.45 313.45 104.485 2.15 0.2733-Way Interactions 1 9.68 9.68 9.680 0.20 0.686 Curvature 1 1.71 1.71 1.707 0.04 0.863Residual Error 3 145.89 145.89 48.629 Pure Error 3 145.89 145.89 48.629Total 11 2055.87DOE(

18、Design of Experiment) Minitab 软件运用引见： 4. 因子主效应和交互效应： DOE(Design of Experiment) Minitab 软件运用引见： 5. 残差分析： 改良模型前改良模型后DOE(Design of Experiment) Minitab 软件运用引见： 6. 最正确优化：Stat-DOE-factorial response optimizerResponse Optimization Parameters Goal Lower Target Upper Weight Importstrength Maximum 80 100 100 1 1Global Solutionpress = 300dis = 70Predicted Responsesstrength =