DOE培训教材之二经典田口DOE.ppt

目的 DOE vs. 变量关系的寻找 那么是不是每一个项目都要用DOE 来建立变量之间的关系吗? 不,不是所有的项目都用DOE 用DOE来寻找变量之间关系的很重要的原因在于我们有很多的因子影响了我们的输出(Y),并且它们相互之间也有影响 六西格玛突破步骤 筛选输入变量 发掘变量之间相互关系介绍DOE,设计实验的方法 需要回答的问题 所要讨论的内容 学习的方法 定义 - 设计实验的方法 介绍一些术语 实验的障碍 DOE的益处 DOE的设计水平和类型 用DOE进行推论 随机性 学习的方法 术语 因子: 一种工艺过程中被控制或者没有控制的输入,我们在实验中研究它对输出的影响(例如:温度) 水平: 在实验中被考察的输入因子的值(例如:温度水平为100和200C). 输入因子组合: 一个确定的不同因子水平的组合(例如: 设置温度100C和气压50PSI). 术语 编码单位: 因子水平的代码值,如 -1 = 低, +1 =高,0 =中心值.它被作为标准设计.标准的顺序是按符号代码来建立的,采用编码单位码能让我们更好的分析等式. 未编码单位: 因子水平的真实值. 举例: 温度是一个因子 定义 实验设计方法 障碍 障碍 益处 实验的水平 随机性 – 实验的保险 让我们来讨论板材刻蚀工艺. 输出是刻蚀率 – 越高越好. 有人想证明在刻蚀池里增加搅拌装置可以提高刻蚀率. 我们告诉主管做20次刻蚀,分别有搅拌和没有搅拌. 但是我们很匆忙而且只有一天的时间做这个实验. 我们得到了什么? 做20次搅拌和没有搅拌的结果 如果随机做实验 结果 哪一张图更能说明搅拌后的结果? 每一天当中刻蚀池率的衰减现象我们称为潜伏的波动. 在这里这种情况的潜伏的波动很容易预测,但不是所有的潜在的因子都这样明显. 需要回答的问题 答案小结 学到的内容 发掘变量之间相互关系计划实验 需要问的问题 讨论的问题 初试计划 计划的考虑 计划方式 执行实验 术语 实验文件 总体建议 后续实验 DOE 计划程序 初始计划 计划考虑事项 计划编制的方法 计划编制的方法(续) 与项目说明有关的问题 反应变量(输出)定义不准确或未量化。 反应变量未与用户CTQ相关联。 量化根据的是直觉而非数据。 数据源，测量方法未明确指出。 测量刻度和规范未得用户数据支持。 以一个预定的解决方法来描述问题而非就问题本身来进行描述。 实施试验 术语 试验文档记录 试验文档记录 (续) 总体建议 总体建议(续) 后续试验 需要问答的问题 问题答案 学习总结 发掘变量之间相互关系完整因子法 需要回答的问题 什么是全因子法? 目的 DOE的优点 比单因子(OFAT)试验更有效。 允许对多重因子结合起来进行调查(交互). 比OFAT试验覆更广的试验区域。 确定关键因子 (输入). 在估计输入和输出的问题变量的影响方面更加有效。 DOE的优点 2k 因子法 全因子DOE的一个特例 每个因子仅有两水平 (例如低和高) 中心点可以用来检查线性。 相对来说较便宜快捷 是DOE最通常的形式 定义 标准顺序 标准顺序 (续) 一个 (24) 因子分析设计表最少需要多少轮? 一个 22 因子分析法 的例子 23 因子分析实例- 用 (+/-1) 值编码 一个 23 阶乘分析 实际值 2K DOE分析法的优点 需要回答的问题 问题答案 问题答案 (续) 发掘变量之间相互关系2k 因子分析输出特性 需要回答的问题 ANOVA ANOVA (续) 结果的排列图 DOE的主要效果 怎样阅读一个交互影响点阵图 怎样阅读一个交互影响点阵图- 2 温度对产出的主要影响 压力对产出的主要影响 主要影响 - 代数式运算 主要影响 - 代数式运算(续) 交互影响的定义 如果你有两个或更多联在一起的因子，其对结果Y的综合影响比它们单个对Y的影响较高或较低，那就说明你就遇到了因子的交互影响。 实例: 轿车的停车距离 因子 1: 温度 (0 度 / 80 度) 因子 2: 湿度 (试验前12小时内干 / 湿) 结果： 单独试验温度和湿度会有所不同，但是当你增加12小时的水且温度为0度…... 具有交互影响的数据和一个问题 怎样人工计算交互影响 交互影响比较 交互影响点阵图展示明显的交互影响 主要影响点阵图 (Epsilon-Squared) Epsilon Squared - 续 Epsilon Squared 基本说明了一个因子的“现实意义”。 一个因子反应了多少变化？ 它帮助确定最关键的因子。 实例: 你有3个因子，P值为0.000 在统计上来说他们都很有意义。你完全可以相信他们确实与众不同。 但是他们产生的不同有多大呢？ Epsilon Squares便对这些不同的大小做出了一个估计。 残