|
DOE试验设计培训大纲（10天） [课程名称] DOE试验设计培训 [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. 掌握实验设计的逻辑思路 3. 掌握实验设计的实施流程 4. 能够应用单因子实验设计方法进行数据分析和解决问题 5. 能够应用全因子实验设计方法进行数据分析和解决问题 6. 能够应用部分因子实验设计方法进行数据分析和解决问题 7. 能够应用响应曲面实验设计方法进行数据分析和解决问题 8. 能够应用稳健参数实验设计方法进行数据分析和解决问题 9. 能够应用混料设计实验设计方法进行数据分析和解决问题 10. 能够应用 谢宁试验设计方法进行数据分析和解决问题 11. 能够运用MINITAB软件进行数据和图表分析实验设计问题 [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。 [获取证书] 考试合格的学员可获得培训合格证书。 [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。 4、 完成学习需通过考试，没通过考试的学员不能发证书。
[课程介绍]
实验设计（Design of Experiments，缩写成DOE），是研究如何制定适当的实验方案，对实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。实验设计还可应用于改进企业管理，调整产品结构，制定高效 生产计划等。 实验设计是DMAIC路径中改善阶段的主要工具之一。企业选送参加培训的人员，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，更好地理解实验设计的基本工作路径，掌握实验设计与数据处理的基本原理和应用方法，从而能够在今后实际工作中设计合理的实验方案及合理处理有关实验数据，解决实际问题。 [课程大纲] 第一部分：经典DOE 第1天 1. 试验设计基础 1.1. 什么是试验设计？ 1.2. 试验设计的基础术语 -响应变量、因子、水平、处理、模型、试验误差 -主效应和交互效应、正交和正交表 1.3. 试验设计的类型 1.4. 试验设计的应用 1.5. 试验设计的原则 1.6. 试验设计逻辑 1.6.1试验设计策划 练习1：因子筛选 练习2：因子水平设置 练习3：试验设计计划 1.6.2试验设计步骤 2. 正交试验-极差法 2.1田口式正交表多因子实验设计 2.2田口式正交表2K因子实验法 第2天 3. 单因子试验设计与分析 3.1 单因子试验的两个目的 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3天 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 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 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 -响应优化器 4.4.5目标确认实验验证 -CI置信区间、PI预测区间 4.5 练习：2k全因子设计 MINITAB练习应用 第4天上午 5. 部分因子试验 5.1 部分因子试验的概念 5.2 部分因子试验的实施原理 5.3 分辨度 5.4 部分因子试验的设定 5.5 筛选实施因子设计的计划 练习：部分因子试验设计计划 5.6 筛选实施因子设计的实例 练习：部分因子MINITAB练习应用 5.7 Plackett-Burman试验设计 5.8 三水平部分因子实验分析 练习：三水平部分因子MINITAB练习应用 第4天下午 6. 响应曲面设计与分析 6.1 响应曲面设计概念 6.2 响应曲面设计逻辑 6.3 响应曲面设计类型 6.3.1 CCD： -中心复合表面设计CCF -中心复合序贯设计CCD -中心复合有界设计CCI 6.3.2 BOX- Behnken试验设计 6.4 响应曲面设计试验次数 6.5 响应曲面设计计划 6.6 响应曲面设计的分析及实例 6.7 多响应曲面设计的最优分析 6.8 响应曲面设计练习 MINITAB练习应用 7. 混料设计 7.1 混料设计的概念 7.2 单纯形格点法设计 -单纯形格点法设计案例分析 7.3 单纯形质心法设计 -单纯形质心法设计案例分析 7.4 极端顶点法设计 -极端顶点法设计案例分析 练习：混料设计MINITAB练习应用 第5天 第二部分：田口DOE 1. 稳健参数设计的概念 1.1. 稳健参数设计的思想 1.2. 稳健参数设计概念 1.3. 稳健参数设计的方法 1.4. 简单响应和简单响应系统 1.5. 信号响应系统 1.6. 静态参数设计和动态参数设计 2. 稳健参数设计的模型 2.1. 噪声因子的类型 2.2. 试验与建模的策略 2.3. 用乘积表进行位置与散度建模 2.4. 位置和散度建模法 2.5. 位置因子、散度因子和调节因子 2.6. 静态特性分类 2.7. 信噪比和灵敏度 2.8. 质量损失及质量损失函数 2.9. 稳健性参数设计的一般思路 3. 静态稳健参数设计的计划 3.1静态稳健参数设计的计划案例 3.2静态稳健参数设计的计划案例MINITAB操作应用 练习：静态稳健参数设计计划MINITAB应用 4. 静态稳健参数设计的实例 4.1静态稳健参数设计的实例一：望目型 4.2静态稳健参数设计案例二：望目型MINITAB操作应用 练习：静态稳健参数设计案例：望目型MINITAB应用 4.3静态稳健参数设计的实例：望小型 4.4静态稳健参数设计案例：望小型MINITAB操作应用 练习：静态稳健参数设计案例：望小型MINITAB应用 5. 动态稳健参数设计概念 6. 动态稳健参数设计计划 4.1动态稳健参数设计计划实例 4.2动态稳健参数设计计划案例： MINITAB操作应用 练习：动态稳健参数设计计划案例： MINITAB应用 7. 动态稳健参数设计的实例 4.1动态稳健参数设计实例 4.2动态稳健参数设计案例： MINITAB操作应用 练习：动态稳健参数设计计划案例：MINITAB应用 第6天 1. 基础知识 1.4 DOE间的区别 1.5 问题的概念和类别 1.6 快速解决问题的策略 1.7 BOB vs WOW 2. 解决问题流程 2.1 问题分析流程 3. 多变量分析MVA 3.1 MVA的概念 3.2 MVA的目的 3.3 MVA的应用时机 3.4 MVA的样本量 3.5 MVA的原理 体验：扑克牌背后的原理 3.6 MVA的类别 3.7 MVA变差的来源 3.8 MVA的步骤 3.9 MVA案例分析 3.9.1 多变异图：MINITAB案例及分析 3.9.2 一般线性模型：MINITAB案例及分析 练习一：MVA族谱图 练习二：数据收集表 3.10 多变量图的后续分析 4. 集中图 4.1 集中图的概念 4.2 集中图的目的 4.3 集中图的应用时机 4.4 集中图的步骤 4.5 集中图案例分析 练习：集中图喷漆缺陷 5. 部件调查 5.1 部件调查的概念 5.2 部件调查的适用条件 5.3 部件调查的好处 5.4 部件调查的原理 5.5 部件调查的理念 5.6 部件调查的步骤 -球场阶段、排除阶段、求交运算、因子分析 5.7 部件调查案例分析：化油器里程 课堂练习：计时器工作温度 课后练习：汽车总成噪音 6. 成对比较 6.1 成对比较的概念 6.2 成对比较的目的 6.3 成对比较的应用条件 6.4 成对比较的步骤 6.5 图基检验 6.6 成对比较案例分析 6.6.1 外壳破裂案例 6.6.2 电池OV案例 练习一：订单报价 练习二：活塞装配 7. 过程参数调查 7.1 过程参数调查的概念 7.2 过程参数调查的目的 7.3 过程参数调查的应用时机 7.4 过程参数调查的样本量 7.5 过程参数调查的原理 7.6 过程参数的类别 7.7 过程参数调查的步骤 7.8 MVA案例分析：成型多料 练习：缺料 第7天 8. 变量调查 8.1 变量调查的概念 8.2 变量调查的目的 8.3 变量调查的应用时机 8.4 变量调查的样本量 8.5 变量调查的理念 8.6 变量调查的步骤 -球场阶段、排除阶段、求交运算、因子分析 8.7 变量调查案例分析 8.7.1 镀锌过程案例 8.7.2 冲压成型案例 练习：内环孔径 9. 2n全因子试验设计案例 10. B vs C卓越技术确认 10.1 B vs C卓越技术的概念 10.2 B vs C卓越技术的目的 10.3 B vs C卓越技术的应用时机 10.4 B vs C卓越技术的样本量 10.5 B vs C卓越技术的步骤 10.6 B vs C卓越技术案例分析 -硬度测试案例 -置信水平的K值预算 练习一：新旧模具效果 练习二：买车选择 11. 散布图 11.1 散布图的概念 11.2 散布图的目标 11.3 散布图的原则 11.4 确定现实规格和公差 11.5 散布图案例 案例：温度与产量 练习：模温与尺寸 12. RSM响应曲面设计案例 13. 正向控制 13.1 控制计划 -控制计划案例 13.2 防错 13.2.1 防错的概念 13.2.2 防错的特点 13.2.3 防错十大原理 13.2.4 防错案例 练习：企业案例防错 14. 过程确认 不良质量的外部原因分类： Ø 管理/监控不足 Ø 对车间/设备的忽视 Ø 忽视环境 Ø 人为缺陷 15. SPC预控图 15.1 控制图 15.1.1 控制图类型 15.1.2 控制图选择路径 15.1.3 控制图假设 15.1.4 控制图判断原则 15.1.5 控制图案例 -均值极差图 -均值标准差图 -单极移动极差图 -P图/Laney P图 -U图/Laney U图 -EWMA指数加权移动平均控制图 15.2 预控图 15.2.1 预控图使用前提 15.2.2 预控图的假设 15.2.3 预控图判断标准 15.2.4 预控图的步骤 15.2.5 预控图案例 16. 问答
| 
