实验设计(DOE)分析报告.ppt

DOE(实验设计）2007年10月 试验设计的基本概念与模型 可测量的输出响应Ys 可控输入因子Xs 误差项error中包含 1) 不可控的输入因子(可能是离散型或连续型) 造成的波动或误差; 2) 模型本身的不准确(失拟) 根据试验目的选择试验类型 1、统计试验设计：系统规划、执行试验计划、统计分析 2、从中你能获得其它试验分析方法得不到的结果：响应曲面、交互因子、扩展范围、假设检验、波动范围（置信区间）、预测结果 3、能找出变差发生的原因 4、能用有效的计划试验来减少波动的影响 5、能用假设检验和置信区间来分析、解释获得的数据 6、适用于：新产品、新设计、新过程、新工艺 当确定新目标后，一定要仔细先做好试验规划，以求用最少的试验次数获得最多的信息，从而进行筛选因子或寻求因子的最优设置。 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 DOE的基础概念 正交代码 因子的水平取决于因子类型、因子范围和因子量纲。我们将每个因子的两水平（低与高）编代码为－1和＋1，称为正交代码。 连续变量的正交代码 对于连续变量我们关心的是整个区间而不仅仅是试验的两个水平，例如一个因子的实际区间是（100，200），两个代码为： 代码值 －1 0 ＋1 实际值 100 150 200 注意：150是中心点，代码值为0。 问题：如果代码值为0.5，那么实际值是多少？ 正交代码算法 正交代码方程式 实际值－（最大值＋最小值）/2 （ 最大值－最小值）/2 记 A＝实际值 C＝代码值 m＝（最大值＋最小值）/2 d＝（最大值－最小值）/2 则 A – m C = 或 A＝m＋Cd d 正交代码优点 连续变量正交代码的好处 每个因子两水平编码即设计因子试验的方法， 2k设计的分析和解释将被应用于任何因子，不管它的类型、范围和量纲。 通过对因子水平进行－1和＋1编码，模型中所有因子“份量”相同，“大小”相同。所有因子都没有量纲，因子效应可直接比较。 在一系列代码组成的模型中，模型的均值（截距）就是响应的均值并且在设计“空当”的中心。 当我们分析直升机数据并且建立一个飞行时间（机翼长度、宽度、底部折叠）的模型时，可以图解效应。 正交代码去除了主效应估计与交互效应估计之间的相关性。 问题小组决定使用全因子试验来了解并优化过程,特别是要看看因子之间有无交互作用. 试验方案: 两水平,全因子 三个因子 8次试验 水平设置如下 问题 可以得出什么结论? 油温改变或碳含量改变会产生什么影响? 你建议他们怎么做? 为什么这样做 钱该花在哪 简化后的试验方案变成: 重影效应 在前面的实验方案中，我们可以研究7个因子和交互作用的影响 (S, T, P, SxT, SxP, TxP, and M) 但是其他的一些交互作用（ SxM, TxM, PxM, SxTxPxM等等）与上面7个有重影效果! 25-1 示例 为了提高集成电路产品的产率，对5个相关因子进行研究 A = 光隙设定aperture setting (小、大) B = 暴露时间表exposure time (20% 低于常值, 20% 高于常值) C = 停留时间development time (30 s, 45 s) D = 外罩尺寸mask dimension (小、大) E = 刻蚀时间etch time (14.5 min, 15.5 min) 从经济和时间的角度考虑，只是对A，B，C，D进行 24 =16次试验，而第5个因子E按照 E=ABCD*加入试验中. 问题 该设计的清晰度为多少? 该设计的重影关系如何? 哪些因素重要，哪些不重要? 可以得出什么结论? 如何体现统计显著性 对策 当部分因子实验中每个试验的结果只有一个时: 如果把所