doe实验设计

❶ 六西格玛管理工具DOE实验设计的变量与方法

六西格玛管理DOE实验设计工具变量：

①多重变量:减少大的不可管理变量到较小的相关变量；

②组成部分调查:在最好和最坏产品之间交换零件和部分组装，以便更快地和简捷地识别失败的根本原因；

③成对比较:比较一组8个最好产品(数字与统计意义有关)和一组8个最坏的产品，以从不重要的产品中辨别出重要的质量特性；

④产品/流程调查:将能决定产品好坏的重要流程参数与不重要的分离出来；

⑤变量调查:固定关键变量，考虑放宽不重要变量的要求以减少成本；

⑥全因素:对调查变量进行经验替换，只需考虑几个较少的变量，变量限制在所有可能的试验生产运行中最高和最低的合并，并分析结果；

⑦B对C:证实一个较好的产品或流程，其中在当前产品上或流程上已做了改进，怀着至少95%的信心进行永久性改进；

⑧分散图:对于重要变量确定说明和现实的容差；

⑨响应曲面方法:这与分散图有相同对象，但当两到多个变量间有重大相互作用时更适用；

⑩正电子:在生产期间控制变量的工具和方法集。

像六西格玛的DMAIC，一般解决问题的流程都与最终的六西格玛有关，DOE工具和方法如下：

①定义问题；

②量化和计量问题:计量分散图(而不是计量R/R)；使用范围将属性转为变量；

③确认问题的历史；

④产生线索使用:多变(包括集中图)，零件调查，成对比较，产品/流程调查；

⑤实施正规的实验设计:变量调查，全部因素；

⑥重视问题以确保改进的永久性作用；

⑦建立实际说明和公差(最优化)应用：分散图(无相关性)，响应曲面方法(如果有强相关性)；

⑧“冻结”流程改进应用:Positrol正态控制；

⑨保持流程，向所有质量问题发问；

⑩在统计流程中保持控制:预先控制。

❷ 实验设计(DOE)使用的基本步骤是什么

一、实验设计的使用
实验设计(design of experiments,DOE)用于检验和优化过程、产品、服务或解决方案的绩效。它主要用来帮助了解不同条件下产品或过程的行为。DOE最独特之处就在于它能够使你通过实验来计划和控制变量，与按照“经验观察”方式仅仅收集和观察现实世界中的事物是截然不同的。在6sigma组织中，DOE有着非常广泛的应用，天行健咨询公司分析了它能帮助企业解决以下问题：
1、评估顾客声音系统，在不烦扰顾客的情况下寻找产生有效反馈的最佳方法组合；
2、评估诸因素以将引起某一问题或缺陷的“重要”根本原因分离出来；
3、试行或检验可能的解决方案组合，以寻求最佳改进策略；
4、评价产品或服务的设计以确认潜在的问题并从开始就减少存在的缺陷。

尽管DOE用于事物要比用于人更容易，但在服务环境下进行实验设计仍是可能的。可是，这些实验设计趋向是“现实世界”的试验，在这些试验中，变量在实际过程中加以控制，然后将其结果进行比较。

二、实验设计的基本步骤
1、确认要评价的因素
你希望从实验中了解些什么?对过程或产品的可能影响是什么?在选择因素时要切记：试验更多因素不仅会带来获取额外数据的利益，也会增加成本和复杂性，对二者进行权衡很重要。

2、界定检验因素的“水平”
对速度、时间和重量等诸如此类的变量因素，试验水平的数量可以无限多。因此，你不仅要选择所要采用的数值，而且还要确定希望试验多少不同的水平。在离散型数据情况下，试验水平可能是两选一的。

3、建立一个实验组合排列
在实验设计中，通常希望避免采用每一变量都单独试验的“每次一个因素”(one-factor-at-a-time,OFAT)的办法。通常是试验一系列因素水平组合以得到对所有因素都具代表性的数据。这些可能的组合或排列可以由统计软件工具产生或查表得到，借助它们可以帮你避免对每一可能的组合都进行试验。

4、在规定的条件下进行实验
关键是要避免其他一些未被检验的因素影响结果。

5、评价结果和结论
如果你要从实验设计数据中发现模式或得出结论，那么像方差分析和多元回归之类的工具是必需的。从实验数据中你可能会得到非常明确的答案，也可能会产生新问题，从而需要另外的实验加以测试。
内容摘自：天行健咨询公司

❸ DOE软件（实验设计Design Of Experiments）

正交试验的话 可以使用正交试验助手 教程看其帮助即可
其他的还有design expert 网上的教程也很多

❹ DOE（试验设计）方法有哪些

DOE（试验设计）方法有哪些?
从20世纪20年代费希尔（R.A.Fisher）在农业生产中使用试验设计（Design Of Experiment，DOE）方法以来，试验设计方法已经在农业、生物学、遗传学、工程学等领域得到广泛的应用和发展。
试验设计主要应用理统计学的基本知识，讨论如何合理地安排试验、取得数据，然后进行综合科学分析，从而尽快获得最优组合方案。在产品设计中，利用试验设计能以最低的试验成本，最短时间内有效的设计和验证产品的性能；在制造过程中，利用试验设计可以从诸多影响因素中，快速找到对过程输出指标影响显著的工艺参数，并将其最佳化。
试验设计的用途：
1、析因分析，识别哪些变量X对响应量Y有显著影响；
2、参数优化，确定有显著影响的X设置在何处时，可使Y几乎总是接近于期望值；
3、减小变异，确定有影响的X设置在何处时，可使Y的变异最小；
4、稳健设计，确定有影响的X设置在何处时，可使不可控变量U的效应最小。

❺ 研发部门在实施DOE试验设计培训时需要考虑哪些方面因素

研发部门在实施DOE试验设计培训时需要考虑以下几个方面的因素：

试验设计是一个复杂庞大的系统工程，在实际使用中，要确保成功，需要注意一些关键的因素，这些因素对试验的成功来说至关重要，企业在进行六西格玛试验设计时须考虑以下几个方面：

1、了解试验过程的稳定状况

只有过程处于稳定状态，得到的数据才是可靠和有价值的。

2、错误数据对试验结果的影响

锗误的数据可能导致完全相反的结论，故须十分留意，确保数据的真实可靠。

3、潜在因素的影响

未被选为试验因素的变最对结果的影响有多大，是在试验计划和分析阶段必须考虑的因素，如发现潜在因素对试验结果的影响很显著。则须将其纳入试验因素的行列。

4、测量精度

六西格玛系统是基于数据的决策方法，故数据的可靠性直接影响决策的正确性，试验设计也不例外。设计前对测量系统进行充分分析是十分必要的。

5、抽样、测试成本

在实际的试验设计中，无论哪个阶段均存在成本问题，在抽样和测试阶段，在考虑样本容量时充分考虑成本，以保持试验的经济性。

6、劳动力成本

试验时需考虑到涉及的人员，应将涉及人员数里限制在允许的最小范围内。

7、试验对生产的影响

试验必定需要时间，这可能对正常生产产生影响，这要求六西格玛项目组在与制造等相关部门的协调方面做到充分、及时，在试验过程中对试验品做好严密隔离与标识，将试验对生产的影响减至最小。

8、将试验结果用图表来表示

这样做的好处是明白易懂，容易使所有人看到试验引起的直观变化，激起大家的热情与支持。

9、从样本收集到样本测量的时间

一般来说，样本在试验后需立即进行测量，防止时间间隔太久，从而产生潜在的未知因素对样本特性产生好的或坏的影响，从而使试验数据偏离真值。

10、测量方法的统一性

应规定标准测量方法，确保不同人、不同时间都用同一方法、同一标准去测量，从而保证测量结果的准确性。

11、试验误差的影响

对试验结果进行分析时，会发现试验结果中的不可解释（即误差）成分，此成分的比例须予以充分考虑，如其过大，说明试验中还有重要的未知因素未包含至因素中，这时须考虑重新设置试验因素，重新试验，直至试验误差降至合理水平。

❻ 《实验设计(DOE)应用指南》

版权限制，现在都发不了的

❼ DOE试验设计培训的7大步骤分别是什么

DOE试验设计培训的7大步骤

第一步：确定目标

我们通过控制图、故障分析、因果分析、失效分析、能力分析等工具的运用，或者是直接实际工作的反映，会得出一些关键的问题点，它反映了某个指标或参数不能满足我们的需求，但是针对这样的问题，我们可能运用一些简单的方法根本就无法解决，这时候我们可能就会想到试验设计。对于运用试验设计解决的问题，我们首先要定义好试验的目的，也就是解决一个什么样的问题，问题给我们带来了什么样的危害，是否有足够的理由支持试验设计方法的运作，我们知道试验设计必须花费较多的资源才能进行，而且对于生产型企业，试验设计的进行会打乱原有的生产稳定次序，所以确定试验目的和试验必要性是首要的任务。随着试验目标的确定，我们还必须定义试验的指标和接受的规格，这样我们的试验才有方向和检验试验成功的度量指标。这里的指标和规格是试验目的的延伸和具体化，也就是对问题解决的着眼点，指标的达成就能够意味着问题的解决。

第二步：剖析流程

关注流程，使我们应该具备的习惯，就像我们的很多企业做水平对比一样，经常会有一个误区，就是只讲关注点放在利益点上，而忽略了对流程特色的对比，试验设计的展开同样必须建立在流程的深层剖析基础之上。任何一个问题的产生，都有它的原因，事物的好坏、参数的变异、特性的欠缺等等都有这个特点，而诸多原因一般就存在于产生问题的流程当中。流程的定义非常的关键，过短的流程可能会抛弃掉显著的原因，过长的流程必将导致资源的浪费。我们有很多的方式来展开流程，但有一点必须做到，那就是尽可能详尽的列出可能的因素，详尽的因素来自于对每个步骤地详细分解，确认其输入和输出。其实对于流程的剖析和认识，就是改善人员了解问题的开始，因为并不是每个人都能掌握好我们所关注的问题。这一步的输出，使我们的改善人员能够了解问题的可能因素在哪里，虽然不能确定哪个是重要的，但我们至少确定一个总的方向。

第三步：筛选因素

流程的充分分析，是我们有了非常宝贵的资料，那就是可能影响我们关注指标的因素，但是到底哪个是重要的呢？我们知道，对一些根本就不或微小影响因素的全面试验分析，其实就是一种浪费，而且还可能导致试验的误差。因此将可能的因素的筛选就有必要性，这时，我们不需要确认交互作用、高阶效应等问题，我们的目的是确认哪个因素的影响是显著的。我们可以使用一些低解析度的两水平试验或者专门的筛选试验来完成这个任务，这时的试验成本也将最小处理。而且对于这一步任务的完成，我们可以应用一些历史数据，或者完全可靠的经验理论分析，来减少我们的试验因子，当然要注意一点就是，只要对这些数据或分析有很小的怀疑，为了试验结果的可靠，你可以放弃。筛选因素的结果，使得我们掌握了影响指标的主要因素，这一步尤为关键，往往我们在现实中是通过完全的经验分析得出，甚至抱着可能是的态度。

第四步：快速接近

我们通过筛选试验找到了关键的因素，同时筛选试验还包含一些很重要的信息，那就是主要因素对指标的影响趋势，这是我们必须充分利用的信息，它可以帮助我们快速的找到试验目的的可能区域，虽然不是很确定，但我们缩小了包围圈。这时我们一般使用试验设计中的快速上升（下降）方法，它是根据筛选试验所揭示的主要因素的影响趋势来确定一些水平，进行试验，试验的目的就像我们在寻找罪犯一样的缩小嫌疑范围，我们得出的一个结论就是，我们的改善最优点就在因素的最终反映的水平范围内，我们离成功更近了一步。

第五步：析因试验

在筛选试验时我们没有强调因素间的交互作用等的影响，但给出了主要的影响因素，而且快速接近的方法，使我们确定了主要因素的大致取值水平，这时我们就可以进一步的度量因素的主效应、交互作用以及高阶效应，这些试验是在快速接近的水平区间内选取得，所以对于最终的优化有显著的成效，析因试验主要选择各因素构造的几何体的顶点以及中心点来完成，这样的试验构造，可以帮助我们确定对于指标的影响，是否存在交互作用或者那些交互作用，是否存在高阶效应或者哪些高阶效应，试验的最终是通过方差分析来检定这些效应是否显著，同时对以往的筛选、快速接近试验也是一个验证，但我们不宜就在这样的试验基础上就来描述指标与诸主效应的详细关系，因为对于3个水平点的选取，试验功效会有不足的可能性。

第六步：回归试验

我们在析因试验中，确定了所有因素与指标间的主要影响项，但是考虑到功效问题，我们需要进一步的安排一些试验来最终确定因素的最佳影响水平，这时的试验只是一个对析因试验的试验点的补充，也就是还可以利用析因试验的试验数据，只是为了最终能够优化我们的指标，或者说有效全面的构建因素与水平的相应曲面和等高线，我们增加一些试验点来完成这个任务。试验点一般根据回归试验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面的合理设置，以确保回归模型的可靠性和有效性。这些试验的完成，我们就可以分析和建立起因素和指标间的回归模型，而且可以通过优化的手段来确定最终的因子水平设定。当然为了保险起见，我们最后在得到最佳参数水平组合后进行一些验证试验来检验我们的结果。

第七步：稳健设计

我们知道，试验设计的目的就是希望通过设置我们可以调控的一些关键因素来达到控制指标的目的，因为对于指标来讲我们是无法直接控制的，试验设计提供了这种可能和途径，但是在现实中却还存在一类这样的因素，它对指标影响同样的显著，但是它很难通过人为的控制来确保其影响最优，这类因素我们一般称为噪声因素，它的存在往往会使我们的试验成果功亏一篑，所以对待它的方法，除了尽量的控制之外可以选用稳健设计的方法，目的是这些因素的影响降低至最小，从而保证指标的高优性能。事实上这些因素是普遍存在的，例如我们的汽车行驶的路面，不可能保证都是在高级公路上，那么对于一些差的路面，我们怎样来设计出高性能呢？这时我们会选择出一些抗干扰的因素来缓解干扰因素的影响，这就是稳健设计的意图和途径。通常我们会经常使用在设计和研发阶段，但有时也会随着问题的产生而暴露出来，但我们会提出一个问题了，重新选定主要因素的水平会不会带来指标的振荡和劣化，这是完全有可能的，但我们可以通过EVOP等途径来重新设定以保证因素更改后的输出效果。

小结：

1.试验设计需要成本的投入，我们必须确定试验进行的必要性，以及选取最优的设计方案。

2.水平的选取可能直接影响试验设计的结果，要谨慎的选取，最后有专业知识和历史数据的支持。

3.尽可能的利用一些历史数据，在确认可靠后提取对我们试验有用的信息，来尽量减少试验投资和缩短试验周期。

4.试验设计并不能提供解决所有问题的途径，现实当中的局限验证了这一点，我们要全面考虑解决问题的方式，选取最有效、最经济的解决途径。

5.注意充分的分析流程，不要遗漏关键的因素，不要被一些经验论的不可能结论左右。

6.除了试验设计涉及的因素外，要尽量确定所有的环境因素是稳定和符合现实的，往往会做不到这一点，我们可以用随机化、区组化来尽量避免。

7.注意结果的验证和控制，不要轻信结果。

8.尽量保证试验的仿真性，避免一些理想的试验环境，比如试验室，理想不现实的环境是的试验可能根本就没有作用。

9.试验设计者要关注试验过程，保证试验意图和方案的彻底执行。

10.如果实现一步到位的试验设计是可能的，那就不要犹豫的开展吧，上面的七步只是针对普通的情况。

❽ DOE试验设计是什么

在CDM项目中，DOE的职能就是要对CDM（清洁发展机制）项目进行定性的“审定（Validation）”和定量的“核查（Verification/ Certification）”。

DOE（试验设计）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。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。

实际上，DOE在CDM项目运作过程中非常关键，它直接决定了一个CDM项目能否成功注册、产生的温室气体减排量能否获得签发及签发多少。

(8)doe实验设计扩展阅读

DOE（试验设计）方法：一类是正交试验设计法，另一类是析因法。

DOE（试验设计）用处

1、科学合理地安排实验，从而减少实验次数、缩短实验周期，提高了经济效益。

2、从众多的影响因素中找出影响输出的主要因素。

3、分析影响因素之间交互作用影响的大小。

4、分析实验误差的影响大小，提高实验精度。

5、 找出较优的参数组合，并通过对实验结果的分析、比较，找出达到最优化方案进一步实验的方向。

❾ 什么是DOE实验计划

我来告诉你吧：
DOE实验计划的英文意思是：
1. =Department of the Environment (英国)环境事务部
2. =Department of Energy (美国)能源部
3.实验设计Design Of Experiments,
DOE实验计划的作用是：
在质量控制中，它是一个质量监督总监，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，换取最大的收益，从而使产品质量得以提升，工艺流程最优化
doe实验计划分为：田口DOE、谢恩DOE
最常用的是田口DOE实验计划
课程内容：
一、DOE概述
1、 什么是实验设计
2、 试错法
3、 全因子实验法
4、 田口方法、直交表法、什么是实验因子、实验因子分类、什么是水准数
5、 直交表的原理
6、 直交表的秘密
7、 直交表的应用、案例研究
上海&汉&浦企*管专业的DOE实验计划专家为您解答
更多资料请登录：http://www.hanpuqg.com

二、实验配置
1. 直交表实验结果分析
2. 因子对结果的主效果分析
3. 如何通过因子效应得出最佳因子的结合
4. 如何通过最佳因子预测最佳值
5. 实验因子间交互作用分析
6. 什么是因子间的交互作用
7. 如何分析因子间的交互作用
8. 学员实际案例分析
三、实验设计时的质量特性选择
参数设计及信号-杂音比（S/N）
望目特性：
●利用S/N比分析资料
●最佳化策略
●降低变异性
●利用调整因素调整平均值
●针对现场实例进行望目特性分析练习
望大特性：
●利用S/N比分析资料
●针对现场实例进行望大特性分析练习
望小特性：
●利用S/N比分析资料
●针对现场实例进行望小特性分析练习
●学员实际案例分析

三、二阶段分析法
1. 什么是二阶段分析法
2. 各因子的作用
3. 调整因子到最佳组合
4. 实验结果的分析
5. 学员实际案例分析
四、实验成功要决
1. 如何选择直交表
2. 因子的交互作用如何处理
3. 如何设置因子水准
6. 学员实际案例分析
五、实验计划与解析
1、 实验三阶段及其策略
2、 完整的实验步骤及注意事项
六、问题解答，实际应用中问题解析