|
進階實驗設計 (Advanced DOE)
1. 很多工程師完成了初級DOE課程後，使用實驗設計解決問題時，多會得到更好因子設置及響應，但是還是不明白其中的原理。 我們在此將DOE的原理，基礎理論部份詳加說明，包括DOE的假設檢與條件、各系數公式、R-square, Adj, Pred等，以圖解及範例進行說明，建立清晰的理論基礎，為進階學習打下良好根基。
2.有時候透過實驗設計得出的模型與最佳設置，在量產或是驗證時並不一定能達到相同的最佳解，可能原因就是實驗的運行樣本數量太少所引起，導致實驗模型不精確。實驗多做怕浪費少做怕偏差，到底要做多次實驗才能得到一定精確的模型? 這與實驗設計的樣本數量有很大的關係，我們一定要知道應該做多少次實驗，才能達到90%以上的實驗功效。 3.在實驗中經常會有多重響應(多個Y值)，尤其在製程產出上，我們希望多個品質參數、材料成本、效率等要求，都能同時達標一步到位。我們應用響應優化器和等高線圖兩項工具，達到同步實現高品質、高效率、低成本的綜合要求。
4.當我們遇到大量因子 ( > 8)進行篩選但時間和資源有限時，一般2k-p形式的兩水準部分因子實驗可能不可行，可以使用Plackett-Burman 設計，實驗次數比部分因子設計少一倍以上，對顯著影響的因子可以確定出來，從而達到篩選的目的，避免在後期的優化試驗中由於因子數太多或部分因子不顯著而浪費試驗資源。 5.區組化是用來提高試驗的精確度的一種方法。一個區組就是試驗材料的一個部分，相比於試驗材料全體它們本身的性質應該更為類似。區組化牽涉到在每個區組內部對感興趣的試驗條件進行比較。 6.區組化是一種對實驗過程中（例如不同班次）的已知波動源（如人員、材料或設備變化）進行隔離的方法。通過區組化可將此波動的影響加以隔離並量化。設計實驗的一般經驗法則是盡可能地進行區組化，並使無法區組化的物件隨機化。區組化可以增加實驗的精度，同時減少一半的實驗次數。 7.穩健設計的目的在於使所設計的產品品質穩定、波動性小，使生產過程對各種雜訊不敏感。在產品設計過程中，利用品質、成本、效益的函數關係，在低成本的條件下開發出高品質的產品。在進行產品可靠性設計過程中，應該運用穩健性設計方法，減少產品品質特性波動、提高產品抗干擾能力。採用田口正交表安排試驗方案，通過對各種試驗方案的統計分析，找出抗干擾能力強、調整性好、性能穩定、可靠的設計方案。
課程目的：上完本課程，研發工程師或學員將能夠獲得下列知識與能力: 1. 奠定DOE的基礎理論，為進階學習打下良好根基，強化DOE學習與理解的能力。 2. 了解實驗樣本數量與其他變數的關係、確保設計的仿行數量足夠多，以便達到可接受的功效。 3. 學會處裡多重響應(多個Y值)的問題，同步實現高品質、高效率、低成本的綜合要求。 4. 應用Plackett-Burman，大幅減少實驗時間和資源，從大量因子中快速篩選出顯著因子。 5. 使用區組化是用來提高試驗的精確度，並不增加實驗的次數。 6. 學習穩健設計的基礎理論和分析路徑，掌握穩健設計使用方法。 7. 提升工程師解決問題的能力，拋棄Try & Error方法，並將工程師的Know-How化為正式且有效資訊，以累積公司的技術資產。
課程特色: 這門課程將教會研發工程師如何辨識出問題的失效模式以及各種類型的原因，在課堂中老師手把手 的應用演練，搭配電子軟體範本、電 子檔及實際案例，上手容易,操作性強。 |
|
|
參加人員： 1.研發部門相關工作人員。 2.設計.品質.製造.技術部門之工程師及高級工程師。 3.試驗驗證工程師及管理層。4.各部門之中高階主管。 |
培訓教材： 每位參加人員將獲得一套培訓手冊及Minitab軟體試用版。 |
|
課程內容(第1天) |
|
|
1. 實驗設計的基礎統計理論複習 1) 實驗設計的數學模型解析: • 建立模型: 量化因子（X）和響應（Y）間的關係 • 每一輸入因子和響應的數量關係的估計。 • P Value 含意 • 數學方程式中的係數估算 • 每一個因子所引起的變異的估算，R-square, Adj, Pred意義 • 假設前提: 穩定、隨機、正態、等方差之要求與檢驗 2) 序貫實驗的步驟: 3) 中心點的用途、數量、組數多少設計 4) 因子的 p值剛好是 marginal 顯著時，Samples的影響 5) 離散型數據的實驗設計與分析 6) 解釋區組化（blocking）、仿行（replication）、隨機化（randomization）和實驗單位等術語。
2. 如何決定實驗設計的樣本數量，確保實驗的功效 Ÿ 推論功效和樣本數量之關係 1) 准備工作 Ÿ 概述 Ÿ 示例: 5因子、8 個角點數、3 個中心點的設計，計算功效。如功效要求90%，應進行多少次實驗? 2) 執行分析 Ÿ 輸入數據: Minitab輸入畫面 Ÿ 指定設計詳細資訊: 區組數、忽略的項數、中心點項 Ÿ 指定顯著性水平: 顯著性水平 α 或 alpha 是0.05 還是0.01? Ÿ 選擇圖形選項:
3) 解釋結果 Ÿ 主要結果
|
4) 方法和公式 Ÿ 非中心參數 3. 多重響應的最佳化 Ÿ 每一響應都會按照分析和解釋試驗的步驟獨立被分析。 Ÿ 一個響應的最優設定未必是另一個響應的最優設定。 Ÿ 使用響應優化器和等高線圖來同時使多重響應最優化。 Ÿ 示例: 半導體微影術 Ÿ 練習1: 多重響應最優化 – 血液化驗標準 Ÿ 練習2：多重響應值最佳化 – 印表機 4. 進階篩選實驗 -- Plackett-Burman 設計 Ÿ Plackett-Burman 設計使用的適當時機 Ÿ 解析度III 的設計特性: Ÿ 创建Plackett-Burman實驗 Ÿ 示例: 9 个因子含 12 个游程的设计（具有 3 个中心点） Ÿ 指定设计类型 Ÿ 分析 Plackett-Burman 设计
5. 區組化析因設計 - 提升實驗精度 Ÿ 區組化析因設計概念 Ÿ 示例: 8運行23 實驗 Ÿ 區組化的優點
6. 用MINITAB修改混淆模式 Ÿ 使用的適當時機 Ÿ 示例: 六因子實驗
|
|
課程內容(第2天) |
|
|
1. 參數設計的目標 l 品質損失函數 l 參數設計目標 l P圖介紹 l 示範練習: 卡片墜落
2. 參數設計的步驟 1)確定專案和團隊 2)公式化工程系統 3)指定控制因數 4)指定噪音因數 5)進行實驗、資料收集 6)分析資料、選擇最佳設計 7)預測和確認
3. 工程系統的要素 l 信號、控制因數、噪音、響應(理想功能)、響應(錯誤狀態) l 干擾因數(Noise)的類型: 內在干擾、外在干擾 l 控制因子和噪音因子之間的區別 l 雜訊的三種來源 1) 元器件產生的固有雜訊 2) 電路設計失誤或者工藝上的缺陷 3) 干擾雜訊:空間輻射、線路串擾、傳輸噪聲 l 靜態和動態田口設計 l 信噪比類型: Minitab提供四種信噪比 l P-圖案例1: 指紋鑒定系統的P-圖 l P-圖案例2: EMC(電磁適應性)的P-圖 l 練習: P圖演練 |
4. 參數設計中控制和噪音因數的運用 l 內部正交陣列 l 外部正交陣列 l 信噪比類型: 望小、望大、望目
5. 優化流程 l 信噪比主效應圖 l 均值主效應圖 l 預測信噪比 l 案例演練1: 田口法的參數設計 -- 機殼注塑成型過程 l 案例演練2: 手機的總輻射功率
6. 使用RSM作穩健健設計 -- 處理不知道的噪音 l 共同-優化均值及變異 l 重疊等值線圖
7. 使用複製(Replicate)實驗 -- 找出降低響應變異的設定 l 分析變異性 l 多元響應分析
8. 使用RSM作穩健設計 -- 處理已知的噪音(區組化) 可選練習: 分析區組化 RSM 設計 – 點焊作業
7.總結
|
課程收費:16,000未稅價(兩天課程)
軟體需求：學員需自備一台筆記型電腦並且預裝MINITAB®軟體
