实验设计DesignOfExperiments,在质量控制的整个过程中扮演了非常重要的角色，它是我们产品质量提高，工艺流程改善的重要保证。实验设计已广泛运用了从航天业到一般生产制造业的产品质量改善、工艺流程优化甚至已运用到医学界。籍此课程，您将通过对产品质量，工艺参数的量化分析，寻找关键因素，控制与其相关的因素。根据实际需求，学习判别与选择不同的实验设计种类，设计你的实验步骤，发现如何控制各种影响因素，以最少的投入，换取更大的收益，从而使产品质量得以提升，工艺流程更优化

DOE的实验步骤

(1)筛选主要显著的因子(2)找出更佳之生产条件组合(3)证明更佳生产条件组合有再现性

编辑本段如何判断之一阶段实验成功

(1)在ANOVA分析中出现了1~4个显著因子(2)这些显著因子的累积贡献率在75%以上

编辑本段如何判断第二阶段实验成功

在ANOVA分析中没有出现显著因子

编辑本段DOE的***

常见的试验设计***，可分为二类，一类是正交试验设计法，另一类是析因法。（1）正交试验设计法①定义正交试验设计法是研究与处理多因素试验的一种科学***。它利用一种规格化的表格——正交表，挑选试验条件，安排试验计划和进行试验，并通过较少次数的试验，找出较好的生产条件，即更优或较优的试验方案。②用途正交试验设计主要用于调查复杂系统（产品、过程）的某些特性或多个因素对系统（产品、过程）某些特性的影响，识别系统中更有影响的因素、其影响的大小，以及因素间可能存在的相互关系，以促进产品的设计开发和过程的优化、控制或改进现有的产品（或系统）。（2）析因法①定义析析因法又称析因试验设计、析因试验等。它是研究变动着的两个或多个因素效应的有效***。许多试验要求考察两个或多个变动因素的效应。例如，若干因素：对产品质量的效应；对某种机器的效应；对某种材料的性能的效应；对某一过程燃烧消耗的效应等等。将所研究的因素按全部因素的所有水平（位级）的一切组合逐次进行试验，称为析因试验，或称完全析因试验，简称析因法。②用途用于新产品开发、产品或过程的改进、以及安装服务，通过较少次数的试验，找到优质、高产、低耗的因素组合，达到改进的目的。

编辑本段DOE的应用

ReducingVariabilityWithDOE(1)Applypowerfuldesignofexperiments(DOE)toolstomakeyoursystemmorerobusttovariationsincomponentlevelsandprocessingfactors."SixSigma"isthenewrallyingcryforqualityimprovementintheprocessindustry.Forexample,Dowaimstogenerateanextra$1.5billionperyearinprofitsaftertraining50,000oftheiremployeesonthemethodsofSixSigma.3Statisticaltoolsplayakeyroleinachievingsavingsofthismagnitude.Infact,"sigma"isaGreekletterthatstatisticiansuseasasymbolforstandarddeviation-ameasureofvariability.IfamanufacturerachievesaSixSigmabufferfromitsnearestspecification,theywillexperienceonly3.4off-gradespermillionlots.Thistranslatestobetterthan99.99966%ofproductbeinginspecification.Toillustratewhatthislevelofperformanceentails,imagineplaying100roundsofgolfayearwithtwoputtsperholebeingthenorm(par):AtSixSigmayou'dmakeathree-putt(bogey)onlyevery163years!4EvenTigerWoodswouldbeenviousofthislevelofquality.OfallthestatisticaltoolsemployedwithinSixSigma,designofexperiments(DOE)offersthemostpowerformakingbreakthroughs.Viaaninspirationalcasestudy,thisarticledemonstrateshowDOEcanbeappliedtodevelopmentofaformulationanditsmanufacturetoachieveoptimalperformancewithminimumvariability,thusmeetingtheobjectivesofSixSigmaprograms.Armedwithknowledgegainedfromthisarticleandtheexampleasatemplate,chemistsandengineersfromanyoftheprocessindustries(pharmaceutical,food,chemical,etc.)canapplythesesamemethodstotheirsystemsandaccomplishsimilarbreakthroughimprovements.MinimizingPropagationofError(POE)fromVaryingInputsAfterearninghisPhDinchemistryandtakingajobatachemicalcompany,acolleagueofoursgotassignedtoanoperatorforanorientationtothereal-worldofproduction.Astheoperatorwatchedwithmuchamusementanddisgust,thechemistcarefullyweighedoutmaterialswitha***allscoop.TheoperatorpushedthePhDchemistaside,grabbedasackofchemicalsandtosseditintothereactor."You'renotinthelaboratoryanymore,"hesaid,"Thisishowwedothingsinmanufacturing."Hopefullytheoperatorsofyourformulationprocesswillbemoreexactingwhenaddingingredients.However,attheveryleast,youcanexpectsomevariationduetoinherentlimitationsinequipment.Howwillthesevariationsaffectproductqualityandprocessefficiency?Canyoudoanythingtomakeyoursystemmorerobusttovariationsincomponentlevelsandprocesssettings?TheanswerstotheseveryimportantquestionscanbesuppliedviaanadvancedformofDOEcalled"responsesurfacemethods"(R***).Thisstatisticaltoolproducesmapsofproductandproductperformance,similartotopographicaldisplaysofelevation,asafunctionoftheinputvariablesthatyou(oryourclients)control.TheobjectiveofSixSigmaisto"findtheflats"-thehighplateausofproductqualityandprocessefficiencythatdonotgetaffectedmuchbyvariationsincomponentlevelsorfactorsettings.Youcanfindthesedesirableoperatingregionsvisually,bylookingoverthe3Drenderingsofresponsesurfaces,ormorepreciselyviaamathematicalprocedurecalled"propagationoferror"(POE).ToseehowPOEworks,let'slookataverysimpleresponsesurface(Figure1)generatedbychangingonlyonecontrolfactorX1.Assumethatthisfactorexhibitsaconstantvariationshownonthegraphasadifferencewithmagnitudedelta(D).Thisvariation,orerror,willbetran***ittedtothemeasuredresponsetodifferingdegreesdependingontheshapeofthecurveatanyparticularsetting.Inthisexample,becausethecurveflattensoutasthecontrolfactorincreases,asettingatthehigherlevelcauseslesspropagationoferror(POE).Therefore,youseeanarrowerdifference(DY)ontheresponseaxisasaresultofsettingthefactoratthehigher,ratherthanlowerlevel.Withtheaidofsomecalculus,thePOEitselfcanbegraphedasacontinuousfunction.Inthiscasetheoriginalresponsesurfacecanbedescribedbythefollowingquadraticequation:Wewillspareyouthedetails,butaftertakingthepartialderivativeofthisfunctionwithrespecttotheinput(X1)andtakingthesquareroot,thefollowingequationforstandarddeviation(s)isproduced:AssumefornowthatthestandarddeviationofthecontrolfactorX1equalsone(sx=1)andtherearenoothersourcesofvariance(sResidual=0).We'venowobtainedtheinformationneededforgraphingthestandarddeviationoftheresponse(sy)tran***ittedfromthevariationintheinputfactor(X),inotherwords,thePOE(seeFigure2).InthiscasethePOEdecreasesindirectproportiontoX1asitincreases.

编辑本段DOE实验设计

一、DOE简介1、DOE的定义2、DOE的历史与发展3、DOE的用途4、DOE的成功运用案例二、DOE类型1、全因子DOE2、分部DOE3、筛选DOE4、中心复合DOE5、Box-BehnkenDOE6、田口静态DOE7、均匀DOE三、设计一个DOE的步骤(案例模拟)1、定义问题，定义项目2、确定可能的因变量关于选择因子与其水平的策略输入因子的类型与应用干扰因子可控因子常数项3、选择设计类型4、分析数据,标识主要影响因素5、提出解决方案6、重复实验以确认结果7、过程能力评估8、制定优化方案四、DOE的有效性1、内部有效性2、外部有效性3、统计结论的有效性五、DOE结果分析1、因素影响与交互影响2、极差分析3、ANOVA方差分析单向方差分析双向方差分析4、回归分析六、如何利用Minitab进行DOE分析1、在Minitab中的图形分析正态概率图Pareto主效果图交互效果图2、在Minitab中的统计分析ANOVA多元回归简化模式七、DOE在应用中的问题1、因素影响与交互影响试验的阶段性2、极差分析因子水平的选择3、测量误差4、重复与反复5、随机化6、分块7、诊断与残差点8、优化试验（EVOP）八、设计DOE计划的成功关键1、团队合作2、知识技术的跨功能3、定义问题4、可量化的改善目标九、DOE应用实例

文章到此结束，如果本次分享的doe创业项目和DOE创始人的问题解决了您的问题，那么我们由衷的感到高兴！