实验设计(DOE) 计划表
- 格式：doc
- 大小：59.50 KB
- 文档页数：1
下载文档原格式
合集下载
实验设计(DOE)介绍
上海质量管理科学研究院（SAQM） 版权所有
Page 6 SAQM
实验设计的类型
筛选：用于判定众多因子中哪一些对流程影响大。 特性研究：用于根据最重要的因子产生等式Y=f(X)。通过确认运行
后验证。 最优化：用于发现流程最适宜的操作点。通过确认运行后验证。
上海质量管理科学研究院（SAQM） 版权所有
Date: Team Leader: Expected Start Date:
Section 2
Problem Statement: Experimental Objective:
Product: Process(es): Expected Completion Date:
Section 3
Response 1
多多重重输输出出变变量量允允许许实实验验监监控控多多个个阶阶段段以以确确保保实实验验得得到到想想要要的的结结果果。。
上海质量管理科学研究院（SAQM） 版权所有
Page 18 SAQM
DOE 工作表- 定义输出变量
Design of Experiment (DOE) Planning Sheet
Section 1
上海质量管理科学研究院（SAQM） 版权所有
Page 11 SAQM
DOE路线图 - 内容
一个好的问题陈述包括：
问题的宏观陈述：高阶陈述，就量和影响定义问题
响应变量： 输出和测量来源
问题的量化： – 条件： – 内容： – 实施： – 时间框架： – 规格：
消极影响响应变量的属性 影响的定量测量 与CTQ相关的执行 研究中数据设定的时间周期 客户CTQ 或期望
上海质量管理科学研究院（SAQM） 版权所有
Page 17 SAQM
Page 6 SAQM
实验设计的类型
筛选：用于判定众多因子中哪一些对流程影响大。 特性研究：用于根据最重要的因子产生等式Y=f(X)。通过确认运行
后验证。 最优化：用于发现流程最适宜的操作点。通过确认运行后验证。
上海质量管理科学研究院（SAQM） 版权所有
Date: Team Leader: Expected Start Date:
Section 2
Problem Statement: Experimental Objective:
Product: Process(es): Expected Completion Date:
Section 3
Response 1
多多重重输输出出变变量量允允许许实实验验监监控控多多个个阶阶段段以以确确保保实实验验得得到到想想要要的的结结果果。。
上海质量管理科学研究院（SAQM） 版权所有
Page 18 SAQM
DOE 工作表- 定义输出变量
Design of Experiment (DOE) Planning Sheet
Section 1
上海质量管理科学研究院（SAQM） 版权所有
Page 11 SAQM
DOE路线图 - 内容
一个好的问题陈述包括：
问题的宏观陈述：高阶陈述，就量和影响定义问题
响应变量： 输出和测量来源
问题的量化： – 条件： – 内容： – 实施： – 时间框架： – 规格：
消极影响响应变量的属性 影响的定量测量 与CTQ相关的执行 研究中数据设定的时间周期 客户CTQ 或期望
上海质量管理科学研究院（SAQM） 版权所有
Page 17 SAQM
注塑试验设计表(DOE)
1 2 3 4 5 6 7 8 9 均值1 均值2 均值3 极差
1（55） 1（55） 1（55） 2(65) 2(65) 2(65) 3(75) 3(75) 3(75) 162 170 155 15
编制/日期:于长萍 /2010.10.28
核心小组成员:陈建、褚大鹏、罗琼、葛红霞
ห้องสมุดไป่ตู้
000034/035000/001注塑工艺参数试验设计(DOE)记录
实验结果 (评分) 4 8 3 10 10 8 4 6 8
1 2 3
1 2 3 4 5 6 7 8 9 均值1 均值2 均值3 极差
11（190-220）1（0-15） 11（190-220） 2(15-30) 11（190-220） 3(35-50) 2(230-260) 1（0-15） 2(230-260) 2(15-30) 2(230-260) 3(35-50) 3(270-300) 1（0-15） 3(270-300) 2(15-30) 3(270-300) 3(35-50) 5 9.3 6 4.3 6 8.6 6.3 2.3
编制/日期:于长萍 /2010.10.28
核心小组成员:陈建、褚大鹏、罗琼、葛红霞
由以上试验可知均值1、均值2、均值3之间的差异 只反映了A的三个水平间差异，因为这三组试验条 件除了因子A的水平差异外，因子B比A极差小一 点，因子C和因D是因找不到2列的正交试验表所 以先择4列的正交试验表，C、D两列没有因子是 控列,所以可以通过比较这三个平均值的大小看A 的水平好坏。从这三个数据可知因子4的二水平最 好，因为其指标均值最大。这种比较方法称为“综 合比较"。同一理因子B二水平最好,所以容胶温度 (230-260)和胶量射出速度(15-30)r/min为最佳.
DOE(试验设计)
试验时须考虑到涉及的人员，应将涉及人员数量限制在允许的最 小范围内。
34
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6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 中对试验品作好严密隔离与标识，将对生产的影响减至最小。
UST
11
使CTQ值的分布范围尽可能少（即使波动尽可能少）， 这样才能使质量损失低减，改进的一种非常重要的工 具就是试验设计。试验设计是对试验方案进行优化设 计、以降低实验误差和生产费用，减少实验工作量并 对试验结果进行科学分析的一种科学方法。
12
试验设计是一种研究与处理多因素试验的科学方法
22
试验设计计划
1. 试验设计计划有特别的表格，通过填写它可进行试验设 计的策划，步骤如下： 建立试验目标。
即确定想通过试验来改善什么。 列出所有的关键特性。
2.
确定用哪项或哪几项输出关键特性（CTS）来作为测量 指标。
如存在单一的指标可衡量所有关键特性，则以此为指标。 如单一指标无法衡量所有关键输出特性，则可选用多个指标 来衡量试验结果，但一般认为单个指标较好。
单位时间返修率
小于10块/小时 （500PCAD）
25
波峰炉焊接可控因子表
可控因 子
焊接温度 松香比例 预热温度 碎波高度
对输 出的 影度 ⊙ ⊙ ○ ○
试验时 改变难 易度 ⊙ ○ ○ △
要否做 为实验 因素
如是试验因子
如非试验因子
目前水平 目标水平 如何固定其为常量， 在何种水平上
245℃ 0.810g/㎝3 120℃ 70
通过以上试验计划表所提供的信息，可以方便地选取择 试验用表，着手试验。
34
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6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 中对试验品作好严密隔离与标识，将对生产的影响减至最小。
UST
11
使CTQ值的分布范围尽可能少（即使波动尽可能少）， 这样才能使质量损失低减，改进的一种非常重要的工 具就是试验设计。试验设计是对试验方案进行优化设 计、以降低实验误差和生产费用，减少实验工作量并 对试验结果进行科学分析的一种科学方法。
12
试验设计是一种研究与处理多因素试验的科学方法
22
试验设计计划
1. 试验设计计划有特别的表格，通过填写它可进行试验设 计的策划，步骤如下： 建立试验目标。
即确定想通过试验来改善什么。 列出所有的关键特性。
2.
确定用哪项或哪几项输出关键特性（CTS）来作为测量 指标。
如存在单一的指标可衡量所有关键特性，则以此为指标。 如单一指标无法衡量所有关键输出特性，则可选用多个指标 来衡量试验结果，但一般认为单个指标较好。
单位时间返修率
小于10块/小时 （500PCAD）
25
波峰炉焊接可控因子表
可控因 子
焊接温度 松香比例 预热温度 碎波高度
对输 出的 影度 ⊙ ⊙ ○ ○
试验时 改变难 易度 ⊙ ○ ○ △
要否做 为实验 因素
如是试验因子
如非试验因子
目前水平 目标水平 如何固定其为常量， 在何种水平上
245℃ 0.810g/㎝3 120℃ 70
通过以上试验计划表所提供的信息，可以方便地选取择 试验用表，着手试验。
DOE实验设计详解+案例说明
DOE实验设计详解+案例说明! Design of Experiments⽬錄⼀實驗計畫法(DOE)概念與實施必要 1⼆ DOE實驗與解析概述 3三實驗設計階段 9四實驗配置階段 11 五實驗數據解析階段 16 六尋求最適參數的實驗計畫法 20七多品質特性處理 23⼋附錄：常⽤直交表與點線圖 24⼀實驗計畫法(DOE)概念與實施必要1 何謂實驗計畫法當我們想⽐較藥品的療效，⽐較加⼯⽅法好壞，⽐較教材學⽣吸收程度，⽐較促銷⽅法等需要進⾏實驗計劃法(DOE)(1) ⼜稱實驗設計，原⽂為 Experimental Design 或Design of Experiments 常以DOE稱之，1925年英國農業專家 Fisher應⽤數理統計⼿法所創造的實驗設計與解析的⽅法，也就是⼀種實驗設計與實驗解析的程序c實驗設計規劃進⾏經濟有效的實驗⽅法，期能獲得充分的實驗數據d實驗解析實驗結果分析以獲取有效、客觀結論包含實驗規劃、實驗實施、數據收集、統計分析、導出結論等過程稱為實驗計劃法(2) ⼀般實驗計畫(DOE)⽬的可以涵蓋c⽐較實驗：⼆個配⽅⽅案的⽐較d篩選設計：決定最具影響⼒的參數(因⼦x1,x2…) 與其影響⼒，是品質改善重要的⼿法通常是實施e或f實驗的前置實驗e優化設計：決定系統設計的參數設定值，使特性y的性能(或變異)達到⽬標值f穩健設計：決定系統設計的參數設定值，使特性y不受其他不可控因⼦的影響(品質⼯程Taguchi Method)(3) 實驗計畫的發展主流c傳統實驗計劃法d⽥⼝品質⼯程(⽥⼝⽅法)e夏寧法(Shainin DOE) 在美國實施的⼀種實驗⽅法(⾮主流)2 企業經營必須要有持續不斷改善(1) 開發與改善需強⼤的管理與技術能⼒為後盾，尤其後者是真正核⼼價值(2) 若現有技術⽅法不⾜以開發或改善時，應著⼿實驗以鑑別要因、設定最適條件(3) ⾼科技產業因影響因⼦繁多且⼯藝複雜⽽不成熟，更須經由實驗以掌握know how 3 實驗是改善的關鍵(1) 實驗的想法實驗是單或⼀串試驗，有⽬的地改變因⼦(1因⼦或多因⼦)的狀態，觀察⽐較其結果變化，從⽽鑑別、證明該因⼦對過程是否具有⾜夠影響⼒，或檢驗、建⽴⼀個假設(2) ⼯廠使⽤實驗計畫法時機，常在開發階段或實施製程管制(SPC)階段⽽需活⽤DOE(3) 實驗計劃法三個名詞 c 因⼦ Factor (或因素)認為可能影響過程的要因，如化學反應製程的溫度(A)、反應時間(B)、….等 d ⽔準 Level (或階次)實驗時刻意改變因⼦的狀態，如反應溫度(A)實驗100℃(A 1)與120℃(A 2)，則A 因⼦的⽔準數為2，同樣反應時間B 實驗3hr(B 1)、2hr(B 2)、4hr(B 3) ，則B 因⼦的⽔準數為3 e 特性或回應(Response)量度過程的結果，⼀般是指特性值，應為實驗者、顧客所關⼼的，如粘著強度 (4) 實驗的3步驟 c 實驗觀測d 建⽴因⼦與結果特性變動關係e 推論因⼦最優化狀態(Optimization)4 傳統實驗的錯誤與缺點(1) ⼀位陳⼯程師改善塑膠強度的案例 c 影響塑膠強度的特性要因圖d 將要因A 、B 、C 、D 作為實驗因⼦，進⾏實驗嘗試提⾼塑膠的強度值 e 傳統錯誤的實驗做法有⼆ n 試誤法o 單因⼦實驗法 - 每次只改變⼀個因⼦，其餘因⼦都給予固定 (2) 傳統實驗的問題c 計畫階段未考慮組合影響 - 交互作⽤d 實施階段未考慮隨機 – 分割實驗、集區(block)設計e 數據解析未考慮誤差 – 交絡(confound)法 (3) 正確實驗的⽅法c 實施多因⼦實驗(factorial experiment 要因實驗) 如2n 、3n 型同時列舉所有的要因因⼦，對因⼦⽔準所有組合加以實驗n 避免交互作⽤所引起的錯誤 o 提⾼精度d 採⽤多因⼦實驗可能造成實驗次數過多，技巧上分為n 多因⼦完備實驗(Full factorial experiment) 全部因⼦完整組合實驗o 多因⼦部分實驗(Partial factorial experiment) 全部因⼦部分組合實驗，⼀般DOE 的實驗就是多因⼦部分實驗原料⼆ DOE實驗與解析概述1 ⼀個簡單的⼯廠實驗例(⼀元配置)(1) 實驗⽬的：為了解溫度是否影響產量，以決定適當的溫度條件(2) 實驗策略：實驗前⼯程師應充分思考c溫度⽔準應設多少使實驗能得到預期效果d同⼀個⽔準應重複幾次才能得到正確情報e除溫度外還有什麼因素會影響產量(3) 實驗設計：c實驗因⼦：溫度Ad實驗⽔準：100，110，120三⽔準e重複次數：4次(4) 實驗配置：no 溫度實驗順序1 c A1100℃72 c A1100℃ 13 c A1100℃94 c A1100℃105 d A2110℃116 d A2110℃127 d A2110℃ 28 d A2110℃ 59 e A3120℃810 e A3120℃ 411 e A3120℃ 612 e A3120℃ 3(5) 結果數據如下溫度產量值100℃ 1.0 0.9 0.7 0.9110℃ 1.1 1.4 1.4 1.2120℃ 1.4 1.5 1.3 1.1(6) 實驗數據解析的⽅法實驗數據前先回顧整個實驗過程是否正常，檢視實驗數據有無異常值，與實驗者的技術經驗、預期等是否相符或極度背離，然後進⾏分析c直觀分析做成回應表予回應圖⽽直觀分析d數理解析ANOVA檢定或迴歸分析(7) DOE實驗數據的正確解析內容c實驗誤差等變異檢定可審查實驗過程管理d作成回應表與回應圖觀察與直觀分析，獲取實驗情報e變異數分析辨識要因是否顯著(有影響⼒)，若有計算其貢獻率f推定顯著因⼦的信賴區間g顯著因⼦進⾏⽔準間檢定檢視⽔準母平均值是否有差異h決定系統設計，各顯著因⼦以及不顯著因⼦的設定值i最佳條件的預測2 實驗過程管理的檢查 - 等變異檢定當有重複實驗時，可以檢查實驗過程管理了解實驗是否處於控制狀態。
DOE(试验计划使用minitab)
分析结果 解释,对策
• 在已知的条件之内 导出结论 •确认实验与否的决定 • 确认实验的 再现性的确保
Data 分析
• Graph化 • 实验时的管理状态 与否及误差的 等分散性研讨 • 对missing value的事前 对策
实验的实施
•按照计划的 实验实施
• 因子(factor) : 影响data散布的无数原因当中直接与实验有关的原因 • 水平(level) : 为了实验而选定的因子的条件 • fixed factor : 技术性指定的因子(温度, 压力, 强度 等)变量因子 • Block : 把实验分为时间性, 空间性，在内部能够造成实验环境均匀
→ 按结果，设定作业标准，提供选择原料、装置、测定方法等 的基准
14 -3/29
实验设计
什么是实验设计(DOE) ?
对已知的事实 检证或 确认未知的事实 的假设
(进行实验)
Prism(DOE)
(实验设计)
True State of Nature
Noise
New Data
Available Data
T
93.67 1.67 18.33 9.00 19.67 -9.67 -1.00
P
0.007 0.344
0.01250 0.13750 0.06750 0.14750 -0.07250 -0.00750
0.00625 0.06875 0.03375 0.07375 -0.03625 -0.00375
实验设计(DOE)-完全配置法例题(23 实验)
对实验设计(DOE)的适用结果解释及对策事项是 ?
•Minitab Menu : Stat / DOE / Factorial/Factorial Plot 2. 分析 1) 主效果(Main Effects Plot)
DOE 试验设计
实验设计的目的可能包括: (1)确定哪些参数对响应的影响最大; (2)确定应把有影响的参数设定在什么水平,以使响应达 到或尽可能靠近希望值(On target); (3)确定应把有影响的参数设定在什么水平,以使响应的 分散度(或方差)尽可能减小. (4)确定应把有影响的参数设定在什么水平,以使不可控 参数(噪声参数)对响应的影响尽可能减小. 因此, 在制造过程的开发以及解决过程中出现的问题中 都可以应用实验设计,以改善过程的性能,或者使过程对 于外部波动源(干涉)不那么敏感,即得到一个"稳 健"(Robust)的过程,同时还可节省时间和降低成本. 所以,实验设计对于开发和改善制造过程,提高产品质量 是一个非常重要的工程工具.
3
析因实验的优点 1.与一次只改变一个参数的实验方法相比, 可以减少试验次数(24:8) 2可以观察参数间的相互作用 3.得到的结果适用范围更广——主效应和相 互作用是在各参数各种可能的组合的情况 下得到的,与实际情况较接近.
进行实验设计的步骤 进行实验设计有五个关键步骤: (1) 组成一个小组来设计实验,一般应该把若干有 关的人员组织起来,通过协作来共同进行一个实验 设计. (2) 规划实验: 明确实验的目的或目标 确定系统输出,也就是响应 确定响应的测量方法 通过集思广义(Brainstorming),并利用鱼刺图 (Fishbone diagram),来找出对响应可能有影响 的所有参数. 对上述参数进行分析,筛选,最后选定可能最 有影响的那些参数.将用实验检验它们.
应该指出,进行上述计算和模拟的前提是要能找到描述 影响参数与响应之间关系的工程方程(数学描述),否则便 无法进行上述计算和模拟.即使在这种情况下,也可以 应用实验的方法找到影响参数与响应之间的关系,达到 改进质量的目的. 所以可以说,为获得高质量的产品,进行必要的实验是不 可缺少的.而进行实验是需要付出代价的,往往代价较 高,需要花费较多的人力,物力和时间.所以,如何合 理设计实验,以便能以最小的代价获得尽可能多,而且 可靠的有关产品及其制造过程的知识,从而达到改进质 量的目的,是很重要的,也是很有学问的. 下面以一个实例来引出如何合理设计实验的问题.
DOE(Minitab)全
实验设计
DOE的定义
DOE: Design of Experiment 实验设计，收集数据的过程，这种过程主动的 改变流程输入（X）的设置，并且考察这些X的 改变对流程的输出（Y）有何影响。
y = f(x)
响应 因子 输出 输入
DOE研究的对象
受控因子 (Factor)
过程
噪音因子 (Noise)
在另一天将所有的实
件，使用三次测量的
验条件重新运行。
平均作为运行的响应。 彷行比重复好（通常成
本更高）
实验中的样本量通过防 行来控制
随机化
对于我们知道的噪音变量可以用Block降低其对实 验的影响。
对于我们不知道的噪音变量如湿度，电压变化这 一类潜伏变量可以用随机化，即打乱实验的顺序 降低其对实验的影响。
为什么随机化：示例
假设印刷电路板上的镀层厚度是您关心的响应。 在一个月内这个值趋向于下降。 如何解释这种下降趋势？（某种潜伏变量影响）
厚度与每月的第几天
为什么随机化：示例（续）
假设要在实验中评估浸泡温度的效果，小组首先 测试了50摄氏度，然后测试70摄氏度。(直观判 断70摄氏度的输出较小）
如果因子的数目很多，要运行全因子实验将变得 很困难，为了达到筛选关键因子的目的，可以按 照一定的方法从所有的处理中挑选出一部分运行， 这种实验方法很多，其中之一叫做部分因子实验 (Fractional Factorial Experiment)。
全因子实验--例子
在注塑成型工具中，注塑件表面的强度是个关键 质量指标，对其的要求是越高越好。
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
DOE的定义
DOE: Design of Experiment 实验设计，收集数据的过程，这种过程主动的 改变流程输入（X）的设置，并且考察这些X的 改变对流程的输出（Y）有何影响。
y = f(x)
响应 因子 输出 输入
DOE研究的对象
受控因子 (Factor)
过程
噪音因子 (Noise)
在另一天将所有的实
件，使用三次测量的
验条件重新运行。
平均作为运行的响应。 彷行比重复好（通常成
本更高）
实验中的样本量通过防 行来控制
随机化
对于我们知道的噪音变量可以用Block降低其对实 验的影响。
对于我们不知道的噪音变量如湿度，电压变化这 一类潜伏变量可以用随机化，即打乱实验的顺序 降低其对实验的影响。
为什么随机化：示例
假设印刷电路板上的镀层厚度是您关心的响应。 在一个月内这个值趋向于下降。 如何解释这种下降趋势？（某种潜伏变量影响）
厚度与每月的第几天
为什么随机化：示例（续）
假设要在实验中评估浸泡温度的效果，小组首先 测试了50摄氏度，然后测试70摄氏度。(直观判 断70摄氏度的输出较小）
如果因子的数目很多，要运行全因子实验将变得 很困难，为了达到筛选关键因子的目的，可以按 照一定的方法从所有的处理中挑选出一部分运行， 这种实验方法很多，其中之一叫做部分因子实验 (Fractional Factorial Experiment)。
全因子实验--例子
在注塑成型工具中，注塑件表面的强度是个关键 质量指标，对其的要求是越高越好。
响应(Y) (Response)
DOE的目的
因子的显著性分析 确定对响应Y有重要影响的因子X
确定最佳条件 确定关键输入因子的设置从而使得响应Y最佳
实验设计(DOE)
进行验证实验，作进一步的分析
• 优方案往往不包含在正交实验方案中，应验证 • 优方案是在给定的因素和水平的条件下得到的，若不限
定给定的水平，有可能得到更好的实验方案 • 对所选的因素和水平进行适当的调整，以找到新的更优
方案
多指标正交实验设计及其结果的直观分析
➢两种分析方法 • 综合平衡法 • 综合评分法
正交实验（部分析因实验）
➢流程
• 利用正交表科学地安排与分析多因素的实验方法
➢优点
• 能均匀地挑选出代表性强的少数实验方案 • 由少数实验结果，可以推出较优的方案 • 可以得到实验结果之外的更多信息
DOE意义
➢90％的工程问题被“凭空分析” ➢不能仅仅依靠“思考”确定根本原因 ➢基于判断、工程猜想和观念的解决方法会带来问题的重
DOE基本术语
➢因子 因子是指系统或过程输入变量。是工程师需要研究或设
定的对象，借以说明响应的大小。 ➢因子有两种分类方法：
定性因子：水平被限制为个数，没有什么固定顺序，如 操作员或材料等。
定量因子：可取连续值的因子（如温度、压力等）。
DOE基本术语
• 水平 在进行每一次实验时，每一个因子至少应从两个层次进
➢缺点
• 如第一次估计错误，需要更多次实验——低效率且时间长 • 如第一次估计结果还可以，实验可能会停止下来，永远错过“最佳”方
案
单因子法（OFAT）
➢流程
• 固定只有其他因子不变，只变动一个因子X1 • 找到最佳的位置 • 固定最佳的X1水平，对其他因子重复上述步骤
➢单因子法暗示系统响应是关键因素的一个线性组合
• Y=a*X1+b*X2+c*X3....
➢缺点
• 不能保证结果的再现性，尤其有交互作用时 • 效率低 • 与开始条件有关，也就是基于开始选择的位置，开始设置不同，结
DOE_实验设计
____过程噪声因素表
对输 噪 声 出的 试验时改 是否依为 因 素 影响 变难易度 试验因素 度 如是试验因素 策
可靠性 设计
如非试验因素
略
中心复 和设计
试验水 如何固定其为常 平设置 量,在何种水平上.
备注:◎有重大影响,容易改变; ○有中等影响,相对容易改变; △影响很小,很难改变.
三、ANOVA（方差分析）
三）水平：就是试验中各因素的不同取值；
四）通用符号：在试验表中，一般用“+”、“-”号
或“1”、“2”、“3”等来表示因素的不同水平，
当因素只有高低两个水平时，用“+”号代表高水平，
“-”代表低水平（数值较低），当因素有3个以上水
平时，用“1”、“2”、”3“来依次表示从低到高
的水平，值得一提出来的是，在同一试验表中，只能
2、6 Sigma经历的四个里程碑
A：30年代，SHEWHART（休哈特）引入统 计过程图（COTROL CHART）； B：50年代，DEMING（戴明）对“新”管理 哲学的贡献； C：70年代，TAGUCHI（田口玄一）引入质 量工程； D：90年代，世界市场的出现和6 Sigma--ROBERT GALVIN请MIKEL HARRY创建摩托 罗拉的6 Sigma的研究院，后在亚利桑那洲创 建6 Sigma学院；
3、计算每个水平对应的评价指标的平均值：
•
X1 =
502
5 523 5 509
=100.4
• X2 = • X3 =
=104.6 =101.8
5
4、计算总的平均值：
•
X = T/n.g = 1534/15 = 102.27
DOE(Design of Experiment,试验设计)
DOE出自 MBA智库百科(/)DOE（Design of Experiment,试验设计）目录[隐藏]∙ 1 什么是DOE∙ 2 为什么需要DOE∙ 3 DOE的基本原理∙ 4 DOE实验的基本策略∙ 5 DOE的步骤∙ 6 DOE的作用∙7 DOE的方法[编辑]什么是DOEDOE（Design of Experiment）试验设计，一种安排实验和分析实验数据的数理统计方法；试验设计主要对试验进行合理安排，以较小的试验规模(试验次数)、较短的试验周期和较低的试验成本，获得理想的试验结果以及得出科学的结论。
试验设计源于1920年代研究育种的科学家Dr.Fisher的研究, Dr. Fisher 是大家一致公认的此方法策略的创始者, 但后续努力集其大成, 而使DOE在工业界得以普及且发扬光大者, 则非Dr. Taguchi (田口玄一博士) 莫属。
[编辑]为什么需要DOE∙要为原料选择最合理的配方时（原料及其含量）；∙要对生产过程选择最合理的工艺参数时；∙要解决那些久经未决的“顽固”品质问题时；∙要缩短新产品之开发周期时；∙要提高现有产品的产量和质量时；∙要为新或现有生产设备或检测设备选择最合理的参数时等。
另一方面，过程通过数据表现出来的变异，实际上来源于二部分：一部分来源于过程本身的变异，一部分来源于测量过程中产生的变差，如何知道过程表现出来的变异有多接近过程本身真实的变异呢？这就需要进行MSA测量系统分析。
[编辑]DOE的基本原理试验设计的三个基本原理是重复，随机化，以及区组化。
所谓重复，意思是基本试验的重复进行。
重复有两条重要的性质。
第一，允许试验者得到试验误差的一个估计量。
这个误差的估计量成为确定数据的观察差是否是统计上的试验差的基本度量单位。
第二，如果样本均值用作为试验中一个因素的效应的估计量，则重复允许试验者求得这一效应的更为精确的估计量。
如s2是数据的方差，而有n次重复，则样本均值的方差是。