實驗設計 (DOE)

 

Minitab 提供五種設計:因子設計、反應曲面設計、混合設計、田口設計和篩選設計。

不論是哪種設計類型,你只需依循 Minitab 的操作流程,便能輕易地建立數據間的關係式,

Minitab後續並以多種分析與視覺化工具,協助你了解分析結果。

 

我們亦提供專屬Minitab的實驗設計課程,使你透徹了解其原理與應用方式。

 

 

實驗設計定義

 

DOE (design of experiments) 幫助你同時研究多個輸入變數 (因子) 對產出變數 (反應值) 的影響。

透過規劃性地修改輸入變數設定來收集資料,解析出製程條件和產品元件如何影響品質,

並決定最佳產出的因子設定。

Minitab 應用

 

因子設計

(Factorial design)

 

研究因子對反應值之影響,其同時考量各因子的所有水準變化,

而非採用一次一因子 (One factor at a time, OFAT) 的方式,

並進一步解析因子間的交互作用、找出區間內的最佳因子設定。

因子設計之應用相當廣泛,其涵蓋變數篩選至反應最佳化。

 

Minitab 提供全因子設計(Full factorial design)、

部分因子設計 (Fractional factorial design)、

分裂區集設計 (Split-plot design) 和Plackett-Burman 設計。

 

反應曲面法

(Respond surface methodology)

 

應用於已於因子設計中得出重要因子,

卻合理懷疑實驗區域存在曲率 (Curvature)。

透過中央合成設計 (Central Composite Design, CCD)

或Box-Behnken 設計(BBD),在特定區域內,

為因子和反應值建立更複雜的模型,以獲得最佳的因子設定。

 

因子設計

反應曲面

 

 

 

混合設計

(Mixture design)

 

為特殊的反應曲面設計法,

其用於研究多個成分或配方組成對反應值的影響。

此設計相當實用,當產品設計或是研發涉及到配方或混料時,

反應值主要受到各成分的配比影響。

 

Minitab 提供三種設計:單體重心 (Simplex centroid)、

單體格子 (Simplex lattice) 與極角點 (Extreme vertices) 設計,

亦可於設計中加入製程因子或於實驗中混合總量。

 

 

 

田口設計

(Taguchi design)

 

考慮兩種因子:可控因子 (Controllable factor)

與不可控因子 (Uncontrollable factor),

其中不可控因子又稱噪音因子 (Noise factor)。

在實驗中,強制改變噪音因子使其接近操作環境,

並接著決定出一組最不受噪音因子影響的最佳設定。

 

Minitab 提供田口靜態設計(Taguchi static design)

與田口動態設計 (Taguchi dynamic design)。

 

混合設計

田口設計

 

 

 

篩選設計

(Screening Designs)

 

經常用於確定製程中最重要的因素。

您可使用相對較少試驗次數由許多潛在因子

來確定少數影響製程品質的最重要因子。

篩選實驗之後,如需更多細節,可進行最佳化實驗。

您可用因子設計或反應曲面設計來最佳化您的製程。

 

Minitab 提供兩種設計:Plackett-Burman Designs

和 Definitive Screening Designs,

某些情況下,您還可以考慮使用部分因子設計。

 

篩選設計

 

 

功能列表


 

  • 確定性篩選實驗設計 (Definitive Screening Designs)
  • 兩水準因子設計 (Two-level factorial designs)
  • 分裂區集設計 (Split-plot designs)
  • 一般因子實驗設計 (General factorial designs)
  • Plackett-Burman 設計
  • 反應曲面設計 (Response surface designs)
  • 混和設計 (Mixture designs)
  • D-optimal 和 Distance-based 設計
  • 田口設計 (Taguchi designs)
  •   
  • 使用者自訂設計 (User-specified designs)
  • 分析二元反應變數 (Analyze binary responses)
  • 因子實驗設計的變異分析 (Analyze variability for factorial designs)
  • 修補試驗 (Botched runs)
  • 效應圖:常態 (normal)、半常態 (half-normal)、柏拉圖 (Pareto)
  • 反應值預測 (Response prediction) 和最佳化 (Optimization)
  • 圖形:殘差圖 (residual), 主效應圖 (main effects), 交互作用圖 (interaction), 立方圖 (cube), 等高線圖 (contour), 曲面圖 (surface), 網格圖 (wireframe)
  •  

     


    實驗設計教育訓練

     

     

    Minitab 提供實際操作的教育訓練,

    由美國原廠認證的講師上課,以業界的實際案例解說,

    讓您的統計分析能力快速精進。

     

    公開課程  連絡我們