实验设计(DOE)介绍ppt课件.ppt
实验设计(DOE)介绍,实验方法,*实验是人类认识自然的重要工具.,*自从人类自觉的利用实验手段后: .人类认识自然的速度加快, .人类认识自然的程度加深， .知识快速积累,*正是由于人类借助了实验的手段，近代社会才得以飞速发展,1.学习过程,事件發生,有人看見,有人思考,自然学习过程,条件下偶然发生,碰巧被看見,少人思考,难得理解,不可控制,大部分被忽視,1,000,000,000次,1,000,000次,1,000次,1次,有人悟解,1. 学习过程,自然学习过程受偶然因素的影响，何时何地发生不可控制，即使被看见，都易被忽视，更难得有人去思考，能从中学到东西的机会极其微小，人类处于被动的学习状态如青霉素，即是在很偶然的机会下才被发现的.,受以上条件限制，人类进步缓慢.,自然学习过程,1. 学习过程,实验的引用,没有思考,学习在此中断,1. 学习过程,学习方法的改进,开始注意，思考形状与滚动的关系,?,1. 学习过程,学习方法的改进,圆形易于滚动而被运用与运动体中,1. 学习过程,实验定义,* 产生一个环境学习,* 实验是为了观察发现未知的效果,依据实验者 决定的实验条件,所进行的过程.,1. 学习过程,实验的一些特点,我们有意识的主动 的创造机会发生重要现象,我们知道事件发生的时间,我们可以控制加速时间发生,从而使学习更快,我们可以捆制发生场所,使其最便于观察研究,1. 学习过程,实验学习过程,事件發生,觀察,思考,悟解,創造條件控制事件發生,聰明的人等待事件的發生,聰明思考,總結為知識,數次,數次,1次,1次,全體不聰明人享受成果,應用,1. 学习过程,实验学习对人类社会科技进步和文明发展起了关键作用,在工厂,少数技术精英，熟练掌握实验技术，有知识和强的分析能力，对工厂的工程改善可以起决定性作用,2. 实验方法分类,实验方法的种类,试对法,OFAT,DOE(实验设计),3. 试对法,当遇到问题时，实验者变化某个参数,如果结果不好，则实验这个参数的另一个点或选择另一个参数实验，但一旦结果能够接受，则实验终止，这个设定被应用，以希望度过困难,试对法，在问题出现后，以找到可以接受的结果为目的,什么是试对法,3. 试对法,熔接工程,例 子 1,.依据经验,选择电流,电压,熔接时间,.选定一组参数组合熔接.如果熔接不完全，则改变其中一个或几个参数再熔 接，并检查确认.如果，则确定为生产条件,3. 试对法,试对法的特点,也许是最为广泛被采用的实验方法,实验者根据经验或随机的变动实验参数,根本原因不清,不能正确总结规律,知识不能累积,只能针对具体问题局限解决,是一种找到快速解决问题的特殊方法,找出的方法多数不是最佳的,不能确定控制规格,3. 试对法,例 子 2,汽车节油,某生买车后发现每升汽油只能跑20km，很不开心，決心实验:*换用不同牌子的轮胎*试用不同牌子汽油*在不同的路用不同的轮胎气压*不同的路況控制不同的速度终于找到了毎升汽油跑25km,很満意但,3. 试对法,例 子 2,汽车节油,*还能跑得更快吗?*是不是真的省钱了?*此条件下开车车损大吗?*安全吗?,3. 试对法,试对法潜在问题,? 可能存在大的危险，或在危险边缘也不知道,? 可能是在低效率下工作,? 可能是在高成本下工作,? 可能设备工作在不稳定区,? 可能设备处于高磨耗状态工作,虽然试对法也可解决问题,达到图纸要求,但,3. 试对法,试对法潜在问题,由于试对法可以快速找到解决问题的方法，但由于存在以上潜在问题，所以，工程师在试对法后要进一步采用更深入的后续实验方法找到控制点和优化工程.,此外，采用试对法，实验成本有时很高，数据难以分析不止哪些因素优先控制，更易控制，更能有效控制.,4. OFAT 单要素实验法,什么是OFAT,单要素实验法，在保持其他要素变量不变的情况下，改变某个变量，观测输出，从而找出该要素对关键输出的影响规律.,4. OFAT,例 子,4. OFAT,OFAT的特点,使分析变得容易,如果采用连续变化，则可较好地取得控制点和确定控制范围.如果采用不连续的变量试验，则可得出基本正确的定性规律.,是目前大学教育中最常用的试验方法,是之前工程中最常用试验方法,4. OFAT,OFAT的不足点,* 试验时有时很难控制其它要素恒定不变，这时试验困难.,* 试验次数多，数据多，会重复，反而解释困难.,* 不能发现要素间的相互作用，当这种作用存在时，结果将 变得不可靠.,* 要素多，有交互作用时，品质优化不可靠.,* 要素多时，不能得出Y=F(X)的函数关系.,* 不能进行成本，效率，品质同时考虑的优化.,5. DOE （试验设计）,什么是DOE,是一种试验策略，在试验设计阶段，就引用一些简单的统计学方法进行试验设计，对试验结果运用统计学的工具进行分析，以最大限度的解释数据，获得有用的信息，达到理解其内在规律的目的.,所以我们必须把实际的问题转换为数学问题.,5. DOE （试验设计）,汽车节油实验设计,5. DOE （试验设计）,汽车节油DOE结果,5. DOE （试验设计）,通过刚才的例子,我们可初步了解到,DOE的优点:,*可确定过程关键输出的主要影响因素,*可确定各过程要素之间的影响,*可以优化过程参数的设定的設定,*相对与所取得的对过程的认识程度,这是一种最节约的实验,5. DOE （试验设计）,X1,X2,Xn,.,.,Y,产品或过程,输入变量（因子）,输出变量（响应量）,影响因素,要解决的问题,Y=F(X),DOE,如:(降低)不良率 (提高)硬度(保证)DCR (减少)批锋等,如: 温度,时间, 压力,人员, 不同的机器,材料 等,5. DOE （试验设计）,相关术语,又叫输出变量,即所关注的可测量的输出结果.,相应量(Y),Y的选定:* 尽量使用连续数据做输出变量 - 连续数据提供更多的信息(DCR,硬度,批锋大小等) - 计数型数据需要大量样本(合格,有无批锋,有无半田不良等)* 尽量使用可精确,稳定测量的输出变量.(确认Y的MSA),5. DOE （试验设计）,相关术语,因子(X),又叫输入变量/因素.在过程中可改变其取值(水平),并因此对关键输出有影响.,可控因子,可以控制的因子,即我们在工序的正常操作时能设定并维持在期望水平的因子,噪声因子,在正常的操作期间变化的因子,而且我们不能够控制他们(刀具的磨损,早晚班作业环境,人员的情绪等),或者我们宁愿不控制他们,因为这么做会很昂贵(恒定的温湿度,无尘等),5. DOE （试验设计）,相关术语,因子的选定:不要选噪声因子作为输入变量做DOE识别因子的方法: -鱼骨图 -头脑风暴法 -FMEA -因果矩阵,5. DOE （试验设计）,相关术语,水平,因子的取值或设定,因子的水平可以是定量的,也可以是定性的: 因子 水平定量 温度 100200 时间 2S 5S定性 材料 A LOT B LOT 设备 A设备 B设备,5. DOE （试验设计）,什么是DOE,试验设计是通过有目的地改变一个过程（或活动）的输入变量（因子），以观察输出变量（相应量）的相应变化.,试验设计是一种科学的方法，使研究者更好的了解一个过程，并确定输入（因子）是如何影响输出（相应量）,5. DOE （试验设计）,实例,型名A的COIL,其DCR不稳定,我们想通过DOE实验知道卷线张力,线材线径与DCR的关系.我们会设计以下DOE实验:,Y(输出变量)是:-DCR,因子(输入变量)是: -卷线张力 -线材线径,因子水平是: -卷线张力:5N/8N -线材线径:0.28mm/0.32mm,2要素2水平,5. DOE （试验设计）,DOE的类型,实验类型,可控因子数,全因子实验法,4个或更少,部分因子法,5个或更多,筛选法,7个或更多,中心合成法,3个或更多,5. DOE （试验设计）,全因子实验法,要运行所有因子和水准的所有组合,* 有K个因子,每个因子有2个水准的全因子实验,我们通常叫 2K设计,* 实验次数为 N= 2K,进行实验组合时,通常 + 表示高水平 - 表示底水平,5. DOE （试验设计）,22 全要素实验,2 要素2 水平4 次实验,标准实验序列设计,5. DOE （试验设计）,23 全要素实验,3 要素2 水平8 次实验,B,C,标准实验序列设计,5. DOE （试验设计）,* 有K个因子,每个因子有3个水准的全因子实验,我们通常叫 3K设计,* 实验次数为 N= 3K,进行实验组合时,通常用-1,0,+1表示3个水平,5. DOE （试验设计）,2 要素3 水平9 次实验,32 全要素实验,标准实验序列设计,5. DOE （试验设计）,水平的数目:,* 当因子为定量型时,通常选择2到3个水平.,* 2水平只能平估线形效果,* 3水平实验次数多,但可以分析二次效果,Y,X,-,+,2水平,Y,X,-1,0,3水平,+1,5. DOE （试验设计）,通常的做法:* 最初时将因子设在2水平,同时研究大量因子* 当确定重要因子后,接着用3水平进行进一步 的实验,以得到更多的信息,5. DOE （试验设计）,如果一个要素对过程输出的效果与另一个要素的水平有关时,我们称这两个要素对该输出有交互作用,交互作用,例如:线材的线径比较小时(低水平),张力变化对DCR影响不大, 当线材的线径比较大时(高水平),张力变化对DCR的影响比较大.线径和张力对DCR有交互作用,5. DOE （试验设计）,23全要素实验(交互作用),主效果,二次交互作用,三次交互作用,标准实验序列设计,5. DOE （试验设计）,练习:,用MINTAB设计以下实验:23全要素实验33全要素实验,5. DOE （试验设计）,数据分析,1.分析平均值发现影响输出平均值的因子,建立Y-hat模型,2.分析标准偏差发现影响输出变异的因子,建立S-hat模型,以上两种情形,我们都用到以下两中分析方法: -响应表和图 -系数的P值,5. DOE （试验设计）,数据分析,例子 研究: 滚动成型机的成型作业,目的: 使作业输出”寸法S”稳定,且达到目标值.,经研究讨论,选定以下要素及水平:,+ 表示高水平 - 表示底水平,5. DOE （试验设计）,数据分析,运行以下全要素实验并得到实验数据,8个实验组合中的每个因子被设置,每种组合条件下分别取得3个S值,5. DOE （试验设计）,数据分析,实验数据的获取,1.重复: 在不重新组合实验设定的情况下,连续进行实验并收集数据.,2.复制: 每个数据值在重新设定实验组合之后收集.,例如，在條件組合下，連續進行次試驗，再變換條件為組合，再連續進行次試驗,例如，先進行从條件組合的八組試驗后，再重複進行條件組合的八組試驗,目的:常被用于評價短時作用，這樣使減少偶然的燥音要素的影響増加試驗可靠性,目的，常被用于評價長期作用，這也是増加推理空間的一種方法,5. DOE （试验设计）,数据分析(平均值),为了识别影响S平均值的因子,我们首先计算每个实验组合的平均值,5. DOE （试验设计）,评价因子C的主效果(既因子C对输出值S的影响作用),Avg. (at c-)=(19.10+19.39+19.12+19.41)/4=19.26,Avg. (at c+)=(18.72+18.96+18.72+18.99)/4=18.85,对于C因子,如果输出值S的平均值在C-水平与C+水平不同时,则说明对输出的平均值有影响,数据分析(平均值),5. DOE （试验设计）,以同样的方法,计算A,B的主效果响应表:,每个因子在低水平时的平均输出,每个因子在高水平时的平均输出,= 高水平平均输出 - 低水平平均输出,对输出影响最大,也是强影响因子,数据分析(平均值),5. DOE （试验设计）,线越陡,表明该因素对输出的影响越大,因子主效果图,数据分析(平均值),5. DOE （试验设计）,用同样的方法可计算得到二/三次交互作用的响应表,数据分析(平均值),5. DOE （试验设计）,两因子交互作用图,*两线平行或大致平行,不存在交互作用,*两线不平行或交叉,存在交互作用,数据分析(平均值),5. DOE （试验设计）,构造一个预测等式,Y=Y+(A/2)A+(B/2)B+(C/2)C+(AB/2)AB+,Y=预测响应值,Y=所有数据的平均值,(A/2)=因子A的1/2效果,数据分析(平均值),5. DOE （试验设计）,例子的Y Hat模型,等式中只包含被认为重要的因子,Y=19.05+0.14A-0.21C,数据分析(平均值),5. DOE （试验设计）,MINTAB分析,数据分析(平均值),Estimated Effects and Coefficients for Dim (coded units)Term Effect Coef SE Coef T PConstant 19.0508 0.06199 307.33 0.000Clamp 0.2717 0.1358 0.06199 2.19 0.044Angle 0.0217 0.0108 0.06199 0.17 0.863Pressure -0.4083 -0.2042 0.06199 -3.29 0.005Clamp*Angle 0.0050 0.0025 0.06199 0.04 0.968Clamp*Pressure -0.0183 -0.0092 0.06199 -0.15 0.884Angle*Pressure -0.0017 -0.0008 0.06199 -0.01 0.989Clamp*Angle*Pressure 0.0083 0.0042 0.06199 0.07 0.947,因子的系数,P0.05主要影响因子,Y=19.058+0.1358A-0.20C,5. DOE （试验设计）,MINTAB分析(Pareto图),数据分析(平均值),A,C超过红线,为主要影响因子.,5. DOE （试验设计）,MINTAB分析(正态图),数据分析(平均值),A,C远离,为主要影响因子.,5. DOE （试验设计）,数据分析(标准偏差),为了识别影响S平均值变异的因子,我们首先计算每个实验组合的标准偏差,5. DOE （试验设计）,数据分析(标准偏差),用分析平均值同样的方法分析标准偏差,得到以下响应表,5. DOE （试验设计）,数据分析(标准偏差),因子主效果图,5. DOE （试验设计）,数据分析(标准偏差),两因子交互作用图,5. DOE （试验设计）,构造一个预测等式,S=S+(A/2)A+(B/2)B+(C/2)C+(AB/2)AB+,S=预测的标准偏差,S=整个实验的全部标准偏差的平均值,(A/2)=因子A的1/2效果,数据分析(平均值),5. DOE （试验设计）,数据分析(标准偏差),例子的S Hat模型,等式中只包含被认为重要的因子,S=0.269+0.075A+0.1185B,5. DOE （试验设计）,数据分析(标准偏差),MINITAB分析,Estimated Effects and Coefficients for C11 (coded units)Term Effect CoefConstant 0.269064 Clamp 0.149907 0.074954Angle 0.237276 0.118638Pressure -0.004771 -0.002386Clamp*Angle 0.010093 0.005046Clamp*Pressure -0.017431 -0.008716Angle*Pressure 0.009744 0.004872Clamp*Angle*Pressure -0.002295 -0.001147,因子的系数,系数最大为主要影响因子,Y=0.269+0.07A+0.118B,5. DOE （试验设计）,数据分析(标准偏差),MINTAB分析(Pareto图),A,B超过红线,为主要影响因子.,5. DOE （试验设计）,数据分析(标准偏差),MINTAB分析(正态图),A,C远离,为主要影响因子.,5. DOE （试验设计）,数据分析(优化),我们已经完成了对影响平均值和影响变异的因子的分析,接下来要对因子进行优化,以达到我们当初实验的目的:,使作业输出”寸法S”稳定,且达到目标值.,第一步: 使用标准偏差分析以减少变异,第二步: 使用平均值分析以调整工序或产品达到 目标值,而不增加变异,5. DOE （试验设计）,数据分析(优化),1.因子A,B都设定在其(-1)水平,以保证过程变异最小.,2.调整因子C水平,以平均值达到目标值.,5. DOE （试验设计）,运行实验的注意点,不可控变量(例如环境条件)在实验期间能对输出响应产生变化,如果一个背景变量和实验中的某个因子以同样的方式改变,那么我们将错误的判断因子产生的影响,Avg.=1.23,Avg.=0.73,早上运行1-4实验,下午运行5-8实验,温度较低,温度较高,差异是由于压力的改变还是温度的改变?,5. DOE （试验设计）,运行实验的注意点,减弱背景变量影响的一个策略是随机化运行实验.,标准顺序,随机化顺序,*随机化运行实验的顺序将使背景变量的影响达到平衡.,*通常最好的策略是:把背景变量当成噪音因子,达到充分的减少噪音.,6. 部分因子实验,* 在研究初期,具有潜在影响的因子很多.,* 随着因子数的增加,2K因子设计中所需的实验次数呈指数增加.,因子数,6. 部分因子实验,部分因子实验能够大大减少实验次数,6. 部分因子实验,对于一个23的全因子实验,当由于某些原因无法作完全部的8个实验时,可实施23-1部分因子实验,即只要做其中的4个实验,但哪4组呢?,*考虑到3要素存在交互作用的现象较少,即使有也很复杂,不易控制,*23-1部分因子实验有两个选择:1,4,6,7 或 2,3,5,8,6. 部分因子实验,对于一个部分因子实验通常表示为 2K-P,2=每个因子的水平数,K=因子数,P=部分度,或发生指数,6. 部分因子实验,别称关系,A列和BC列模式完全相同,A和BC彼此间叫做别称,任何一个因子或交互作用的计算效果是别称量的效果的总和估算,例如:A(或BC)的计算效果是A和BC的效果的总和估算.而不能认为A 和BC的作用相同,此时分不清A和BC的作用各是多少.,6. 部分因子实验,2K-P设计能力,假设3因子交互作用(及3个以上)不显著,下列2K-P的设计可用于估算所有的主效果:,实验次数,变量数,8,3-4,16,5-8,32,9-16,64,17-25,6. 部分因子实验,2K-P设计能力,假设3因子交互作用(及3个以上)不显著,下列2K-P的设计可用于估算所有的主效果和2因子交互作用:,实验次数,变量数,8,3,16,4-5,32,6,64,7-8,6. 部分因子实验,饱和设计,* 一个饱和设计是一种实验计划,他利用最少的实验次数分 析一个指定数量因子的效果,* 饱和设计只是致力于估算主效果,并假定所有的交互作用都 是不显著的.,Placket-Burman设计是典型的饱和设计:-只用于确定对输出变量有强烈影响的主效果.-包含很少的实验次数和很多的因子数,6. 部分因子实验,饱和设计,例子,一个黑带大师想找出哪些因子对电路板蚀刻工序产生主效果,经过头脑风暴法,总结出7个因子,每个因子2水平,他用饱和设计进行27-4实验设计:,6. 部分因子实验,饱和设计,例子,A,C超过红线,为主要影响因子.,6. 部分因子实验,饱和设计,例子,A,C远离,为主要影响因子.,DOE （试验设计）,实验设计步骤,陈述问题,确定输出变量,识别输入因子,选定每个因子的水平,选择实验设计类型,计划并为实施实验做准备,实施实验并记录数据,分析数据并得出结论,必要时进行实验验证,DOE （试验设计）,实验设计的优点:,*是识别关键输入因子的最有效的方法,*是帮助我们了解输入因子和响应变量关系的最高效途径,*可建立响应变量与输入因子之间的数学模型,*是确定优化输出并减少成本的输入设定值的途径,
