實驗設計課程地圖
『實驗設計課程地圖』寶典，是品質改善的倚天劍，成本降低的屠龍刀。是你成為技術攻關、產品設計、制程開發、流程改善的專業大師必修功法。
實驗設計(DOE, Design Of Experiments)可以讓你的產品、製程與服務，同時找到最佳品質解、最佳經濟解、最快效率解，最穩健解。
有的公司利用DOE吃到蘋果的訂單，通過寶馬奔馳的考核，拿下特斯拉的合同，攻克技術的障礙，突破效率的瓶頸，躍登品質的巔峰，你們也可以透過DOE追求美好的生活。
第1門(基礎1) --DOE基礎統計(0.5天)
一般人在學習實驗設計的時因欠缺或忘記其中的基礎統計理論，上完課後很容易忘記，或是在應用時不知其中的原理，無發充分詮釋分析的結果。
課程目標:
l 奠定DOE的理論基礎，為進階學習打下良好根基，強化DOE學習與理解的能力。
l 探討DOE的模型，解析ANOVA表、模型匯總、係數表，各元素的含意與計算方法。
第2門(基礎2) --全因子實驗(1天)
http://www.musigmagroup.com/tw/showser-123.html
因子實驗是目前應用最為廣泛的實驗設計方法，符合統計上所有的要素，能夠解析出所有的主效應和交互作用，是學習實驗設計的入門課程。
課程目標:
l 學習實驗設計的基本概論與關鍵術語；
l 學習實驗設計的設計思想、實驗計畫與步驟、資料分析方法
l 掌握實驗設計的分析路徑、方法及設計技巧，掌握DOE的精髓
l 提高在研發、製造及品質改善中解決實際問題的能力
l 應用DOE軟體Minitab或JMP來進行實驗設計與分析，讓你能夠迅速與輕易地獲得最佳化的結果。
第3門(基礎3) --部份因子實驗(1天)
每增加一個因子實驗的次數就會倍增，多於四個因子的實驗次數就會超過20次。為了減少所有的實驗次數都在20次以內，所以我們使用部分因子實驗來提升實驗的效率。通常運用在篩選實驗上，從眾多的因子中篩選出顯著的少數因子。
課程目標:
l 認識到篩選設計的要求。
l 針對具體問題確定最佳篩選設計。
l 利用MINITAB(JMP)得出篩選設計和相關的模型。
l 確定設計的分辨度。
l 解釋設計的混雜形式。
l 運用MINITAB(JMP)分析一次部分因子實驗。
第4門(中級1) --POA最速上升法/RSM響應曲面/多重響應優化(2天)
http://www.musigmagroup.com/tw/showser-123.html
為了達到最佳解(最大化或最小化)我們通常需要POA延伸我們的產品或製程參數的設定值，才能達到目標。如果因子和響應的關係是曲線關係這時候我們就要使用響應曲面RSM來建構曲線模型。
課程目標:
l 確定響應曲面實驗適當的使用時機，以達實驗的目的。
l 根據最速上升法（POA)的方法來決定 RSM 設計的適用區域。
l 正確使用 MINITAB設計響應曲面實驗。
l 通過 MINITAB(JMP)分析並解釋響應曲面實驗的結果。
第5門(中級2) --穩健設計(1天)
http://www.musigmagroup.com/tw/showser-123.html
在進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、提高產品抗幹擾能力。採用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。
課程目標:
l 使用統計工具來分析參數設計的實驗數據，優化設計，做出預測和確認提高穩健性。
l 能夠使用工程系統的P圖辨識出產品(製程)中的各類可控因子和噪音。
l 根據P圖辨識出來的參數來構建噪音策略與規劃實驗。
l 學會使用田口實驗、RSM、因子實驗三種方法進行穩健設實驗。
第6門(中級3) --田口設計(1天)
http://www.musigmagroup.com/tw/showser-121.html
田口直交表用于实验计划，它的建构，允许每一个因素的效果，可以在数学上，独立予以评估。 可以有效降低实验次数，进而节省时间、金钱而且又可以得到相当好的结果。
課程目標:
l 學習田口設計(Taguchi Design)的基礎理論和分析路徑 ；
l 掌握田口設計使用方法；
l 提高解決實際生產和科研中實驗問題的能力；
l 使用Minitab(JMP)來進行田口設計與分析，獲得最佳結果變得方便容易。
第7門(進階1) --離散型響應、Plackett Burman、區組化、實驗次數、多重響應
http://www.musigmagroup.com/tw/showser-124.html
專門處理下列這些特例所發展出來更精確的實驗方法:
*實驗響應Y是屬性數據，如好品與壞品的特性。
*實驗分為好多天甚至拖上好幾個月才能做完，或是需要不同的機台上(地區、批次、班別…)進行，如何減少這些不同時間、人員、機台、材料之間的差異，增加分析的精度
*要解析出PPM等級的精度，到底需要多少數據?
*遇到一個產品或製成有兩個以上的響應時我們如何進行分析?
課程目標:
屬性響應DOE
進階部分因子Plackett Burman與區組化
實驗設計的樣本數
多重響應優化
課程目標:
l 能夠設計與分析屬性響應DOE，得出有效地預測能力。
l 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。
l 使用區組化是用來提高試驗的精確度，亦不增加實驗的次數。
l 瞭解實驗樣本數與其他變數的關係、確保設計的仿行數量足夠多，以便達到可接受的功效。
l 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。
第8門(進階2 ) –歷史數據建模
在遇到無法進行實驗的時候，例如客戶滿意度、市場調研資料、實驗的成本過高或時間過長等情況。我們就可以使用歷史數據來建立模型，作為預測與控制的規劃。使用歷史數據建立模型，能節省大量實驗的費用與時間。
課程目標:
l 應用歷史數據DOE分析法:用DOE分析歷史性數據，過濾因子建立初級數學模型。
l 使用一般線性模型(General Linear Model):適用於連續型響應，混和連續與離散的因子之建模。
l 多項式回歸: 適用於具有平方項次與交互作用項的模型。
l 邏輯回歸: 用於離散型響應，混和連續與離散的因子之建模。
第9門(進階3) –混料與配方設計(2天)
有些產品是通過混合多種成分製造出來的，每種成分的多少不是用絕對量表示的，而是用相對量表示的，這種相對量就是所用成分在總量中所占比例。譬如糕點是將麵粉、油、糖、發酵及某些香料混合在一起經過烘烤而成，糕點的特性(例如柔軟性)就與糕點配方中各種成分在總量中所占的比例有關，當成分比例發生變化時，特性也會發生變化，因此性能與諸成分比例具有相關關係，通常需要通過實驗來確定使性能達到最好的每種成分的比例。然而在這種實驗中各成分的比例不能自由變動，它們受到一個約束：所有成分的比例的總和為1。這種實驗設計稱為混料設計。
課程目標
l 學習混料設計的基礎理論和分析路徑 ；
l 掌握混料設計使用方法；
l 提高解決實際生產和科研中實驗問題的能力；
l 使用Minitab(JMP)來進行混料設計與分析，獲得最佳結果變得方便容易。