|
DOE实战及MINITAB软件应用培训大纲（3天） [课程名称] DOE实战及MINITAB软件应用培训大纲 [课程对象] 研发、工程、设计、质量、 生产、各部门工程师、企业中高层管理人员等。 [学员要求] 工作3年以上、职位工程师以上、有管理工作经验，最好有理科背景。 [课程收益] 1. 理解DOE的基础概念 2. 掌握试验设计的实施流程 3. 能够结合MINITAB软件制定试验设计计划 4. 能够应用正交极差法进行DOE数据分析和解决问题 5. 能够应用单因子试验设计方法进行数据分析和解决问题 6. 能够应用全因子试验设计方法进行数据分析和解决问题 7. 能够运用MINITAB软件进行数据和图表分析试验设计 [课程特色] n 案例分析研讨：以案例深入分析和研讨的方式学习DOE。 n 注重实际应用：学员需亲身参与项目应用，在应用中消化和解决问题。 n 针对需求指导：老师针对不同学员需求指导，保证学习质量。 n 团队共同学习：学员分组学习，模拟实际工作中的团队协作解决问题。 n 课后跟踪效果：课后考试、项目发表、保证学员通过持续应用，实现个人价值。 n 企业持续受益：培训完成后免费解答企业各类口头和书面的疑难问题。 [上课原则] 1、 最好带项目学习，边学习边完成项目。 2、 每阶段回顾，必须让学员熟练习掌握。 3、 学员上课需自带电脑，以做MINITAB软件操作使用。 [课程介绍]
试验设计（Design of Experiments，缩写成DOE），是研究如何制定适当的试验方案，对试验数据进行有效的统计分析的数学理论与方法。它对于解决多因素优化问题，有效的提高产品质量，降低 生产成本卓有成效。现已为美国和日本企业广泛使用。试验设计还可应用于改进企业管理，调整产品结构，制定高效试验计划等。 试验设计是DMAIC路径中改善阶段的主要工具之一。企业参加培训的人员，将在我们的专家指导下，接受集中训练，通过教学实践和案例讲解，更好地理解试验设计的基本工作路径，掌握试验设计与数据处理的基本原理和应用方法，并通过MINTAB软件进行数据分析，从而能够在今后实际工作中设计合理的试验方案及合理处理有关试验数据，突破式的解决实际问题。 [课程大纲] 第一天 上午 1. 试验设计基础 1.1. 什么是试验设计？ 1.2. 试验设计的核心概念 - 响应变量、因子、水平、处理、模型与误差 - 主效应、交互效应、正交、正交表 1.3. 试验设计的类型 1.4. 试验设计的原则 1.5. 试验设计的流程 2. 试验设计策划 2.1 试验设计流程 2.2 确定试验目的 2.3 量化响应变量Y 2.3.1 连续型响应变量Y 2.3.2 离散型响应变量Y 2.3.3 响应变量的量化 练习：响应变量Y的量化 2.4 试验因子筛选Xs 2.4.1 Y的IPO分析 练习：IPO分析 2.4.2 X的CEM因果矩阵筛选 练习：CEM因果矩阵 第一天下午 2.5 因子水平确定 2.5.1 因子水平代码化 2.5.2 因子水平代码值ɑ的确定 2.5.3 半分法 2.5.4 黄金分割法 2.5.5 因子数量法2K/4 2.5.6 因子水平初步确定 2.5.7 因子水平限制条件多因素评估 2.5.8 确定因子试验水平 练习：因子水平确定 2.6 确定试验计划 2.6.1 全因子试验计划案例 全因子试验计划MINITAB案例展示 2.6.2 部分因子试验计划 2.6.3 试验计划原则 2.6.3.1 重复性设计 2.6.3.2 随机性设计 2.6.3.3 区组化设计 2.6.3.4 正交设计 2.6.3.5 成本设计 练习：MINITAB试验计划制定 第二天上午 2.7 准备试验资源 2.7.1 试验人员确定 2.7.2 试验设备设施确定 2.7.3 试验材料确定 2.7.4 试验参数和非试验参数确定 2.7.5 试验测量系统确定 2.7.6 试验环境确定 2.8 试验实施 2.8.1 按试验原则实施试验：重复、随时、区组 2.8.2 试验的客观性 2.8.3 试验数量的代表性 2.8.4 试验特殊要求 2.8.5 试验方案确定 练习：试验方案 3. 单因子试验设计与分析 3.1 单因子试验的目的 3.2 正交试验法 3.3 单因子试验设计 MINITAB练习应用 3.4 假设检验补充知识 假设检验概念、二类错误、二种假设、显著性水平α 、P值、自由度、HT案例 假设检验MINITAB练习应用 3.5 单因子试验设计多项式回归 回归分析MINITAB练习应用 3.6 相关与回归补充知识 相关与回归的概念、相关类别、相关系数、回归类别、最小二乘法 MINITAB练习应用 第二天下午 4. 全因子设计与分析 4.1 全因子试验的概念 4.2 代码化及其计算 4.3 2k全因子设计计划及实例 多因子设计矩阵、因子平衡原则、中心点设计原则 练习：2k我全因子试验设计计划MINITAB应用 4.4 2k全因子设计分析及实例 4.4.1拟合选定模型 -分析评估回归的显著性：总效果、失拟、弯曲 -分析评估回归的总效果：R2和Radj2、s或s2、PRESSS和预测的R2 -分析评估各项效应的显著性：Pareto效应图 练习：2k我全因子试验设计计划MINITAB应用 第三天上午 4.4.2进行残差诊断 -正态效应图 -四合一图 -残差与自变量图 练习：2k我全因子试验设计计划MINITAB应用 4.4.3模型改进判断 -标准化残差 -删后残差 4.4.4模型分析 -主效应图 -交互效应图 -立方图 -等值线图 -响应曲面图 第三天下午 -响应优化器 练习：2k我全因子试验设计计划MINITAB应用 4.4.5目标确认试验验证 -CI置信区间、PI预测区间 练习：2k我全因子试验设计计划MINITAB应用 4.5 练习：2k全因子设计 MINITAB练习应用 5. 部分因子试验简介 筛选实施因子设计的实例 练习：部分因子MINITAB练习应用 6. DOE常见问题 7. 考试1小时
| 
