一个有价值的doe观点-good.docVIP

一个价值的doe观点 在中国的doe，我们经常使用的有下列的手法： 田口正交实验 部份因子实验 反应曲面实验 但是其个别之间有什么差异呢，有个学者，说明其间之差异，所以特别共享出来，供各位朋友参考： 第一部份 3.4.1 概述 通常所说的实验设计是指以概率论、数理统计和线性代数等为理论基础，科学地安排实验方案，正确地分析实验结果，尽快获得优化方案的一种数学方法。 在企业研发和管理实践中，为了开发设计研制新产品、更新或改进老产品，优化生产工艺方法或流程，或者降低原材料、动力等资源消耗，都需要深入研究质量特性与影响因素的关系。一个标准设计/生产过程都要受到可控因素X1 ，X2 …… Xn 以及不可控因素Z1 ，Z2 …… Zm的共同作用。 一般情况下，质量特性和影响因素之间的关系式并不能根据工程知识直接建立，需要使用DOE进行实验与分析来找出它们的关系，进一步确定设计/工艺参数的优化组合。在设计过程中，DOE是至关重要的改善技术。 从实验设计的发展来看，实验设计法主要分为两大流派：一是西方统计质量专家（以G.E.BOX为代表）提出的经典方法；二是日本著名质量管理专家田口玄一博士创立的田口方法。经典方法采用统计回归的思想拟合出质量特性和影响因素之间的函数关系，并进行响应曲面（Response Surface）分析，寻找工艺参数的最佳配置，从而使输出质量特性最优。经典方法追求均值最优，统计推导较为严谨，实验阶段较为分明，有序贯性的特点。田口方法注重实验设计与工程技术的结合，提出稳健性设计的思想，在实验中综合考虑误差因素，寻求设计参数的优化配置，从而获得较为稳定的输出质量特性。田口方法强调均值与方差的综合优化，寻求相对满意解，实验设计与分析过程相对简单易用，追求质量与成本的均衡，现在已经得到广泛使用。 3.4.2 经典实验设计方法介绍与评述 1. 因子实验（Factorial DOE） 因子实验主要分为完全要因实验（Full Factorial DOE，也称为析因实验）和部分要因实验（Fractional Factorial DOE）两种。对于n个因子k水平的完全要因实验，模型中的主效应与交互效应共计kn-1个，模型中需要估计的参数有kn个，因此完全要因实验需要kn次实验。在实际生产中很少有三水平以上的实验，通常选择两水平因子实验和三水平因子实验。两水平因子实验基于线性假设，完全要因实验一般选择两水平因子实验对主效应与交互效应进行分析和评价；然后用追加中心点的方法判断响应拟合过程中是否存在曲率（二次曲面），根据效应稀疏原理，很多系统在主效应和低阶的交互作用处于支配地位时，高阶交互作用一般可被忽略，因此二阶以上的交互作用可以不用考虑；若存在曲率，则采用基于中心复合设计（Central Composite Design，CCD）或BOX-BEHNKEN法的响应曲面模型进行分析。 由于设计中常常面对三个以上因子的参数优化选择问题，尽管设定因子为两水平，但随着因子数的增加，实验次数还是会以指数级增长。 同样在生产过程优化中，面对多因子的情况也会出现这个问题。 部分要因实验一般用于做筛选实验，部分要因实验将n个2水平因子安排在2n-p次实验中，实验次数受p值的调节，p=1时是1/2部分要因实验，p=2时则是1/4部分要因实验等等依此类推。实验次数的降低牺牲的是主因子与交互作用以及交互作用间存在了混淆关系，博克斯-亨特（BOX-Hunter）进行了分辨度设计（Design Resolution）如下： ⑴ 分辨度Ⅲ，是指主因子间没有混淆，但主因子与两因子交互作用以及两因子交互作用间存在混淆关系。 ⑵ 分辨度Ⅳ，是指主因子间以及主因子与两因子交互作用没有混淆，但两因子交互作用间存在混淆关系。 ⑶ 分辨度Ⅴ，是指主因子间、主因子与两因子交互作用以及两因子交互作用间都没有混淆，但两因子交互作用与三因子交互作用之间存在混淆关系。 从部分要因实验与正交设计法的实验选点规律不难看出，对于2水平的实验选点，部分要因实验与正交设计类似，符合哈达马（Hadamard）矩阵的规律；但对于3水平的实验选点，正交设计可采取正交拉丁方构造实验表，具有均衡分散、综合可比的特点，实验次数仅为水平值的平方；而对于化工行业设计中常遇到的更高水平值的实验选点，目前可以使用我国方开泰教授等人创造的均匀设计法来构造实验表，实验次数可以进一步降低为水平值。 然而凡事有利必有弊，3水平正交设计涉及到主效应的部分别名是二因子交互作用，当其中一些交互作用很大时，可能会导致实验结果分析的失败；尽管因子实验选点较正交设计多，但其考虑了因子之间的交互效应显得更加严密，因子实验采用方差分析以及绘制正态分位图法，以找出重要影响因素的作用规律，为进一步的响应曲面分析提供判定依据。 第二部份 2. 响应曲面模