培训大纲

• 第一章 试验设计概述
• 第二章 DOE基本原理与步骤
• 第三章 全因子试验设计
• 第四章 部分因子试验设计
• 第五章 正交试验设计
• 第六章 响应曲面法（RSM）
• 第七章 混合水平与稳健设计
• 第八章 DOE软件工具应用
• 第九章 电动工具行业DOE案例
• 第十章 总结与展望

第一章：试验设计概述

什么是DOE？

试验设计（Design of Experiments, DOE）是一种统计学方法，通过科学安排试验，用最少次数找到最优参数组合。

基本术语

• 因子（Factor）：影响结果的可控变量，如温度、压力、时间
• 水平（Level）：因子的取值，如温度120°C、130°C、140°C
• 响应（Response）：需要优化的输出指标，如强度、良率
• 交互作用（Interaction）：两个因子共同影响响应的效果

应用领域

工艺参数优化、配方设计、质量改进、可靠性提升、成本降低

第二章：DOE基本原理与步骤

DOE八步法

试验设计三原则

• 重复（Replication）：同一条件下多次试验，估计随机误差
• 随机化（Randomization）：试验顺序随机，消除系统误差
• 区组化（Blocking）：将已知干扰因子分区，提高精度

第三章至第四章：全因子与部分因子设计

全因子试验设计（2^k）

• 研究k个因子，每个因子2个水平，共2^k次试验
• 可估计所有主效应和交互作用
• 适合因子数≤4的情况

部分因子试验设计（2^(k-p)）

• 当因子数较多时，全因子试验次数太多
• 通过部分实施，减少试验次数
• 牺牲高阶交互作用，保留主效应和低阶交互
• 常用：分辨度IV设计，主效应不混淆

第五章：正交试验设计

正交表原理

正交表是用数学方法构造的规范化表格，具有均衡分散、整齐可比的特点。

常用正交表

正交试验步骤

• 明确目标 → 选因子和水平 → 选正交表 → 安排试验 → 极差分析/方差分析 → 确定最优组合 → 验证试验

田口方法简介

以信噪比（S/N比）为评价指标，追求稳健性（抗干扰能力）。

第六章至第七章：RSM与稳健设计

响应曲面法（RSM）

• 当需要找最优参数组合时，用RSM拟合响应曲面
• 中心复合设计（CCD）：包含因子点、中心点、轴向点
• Box-Behnken设计：不含轴向点，试验次数更少
• 输出：等高线图、曲面图、最优点预测

稳健参数设计

• 目标：使产品/过程对噪声因子不敏感
• 信噪比（S/N比）：越大表示越稳健
• 策略：选择使S/N比最大的参数组合
• 容差设计：在稳健设计基础上优化成本

第八章：DOE软件工具应用

Minitab DOE模块

• 因子设计：2^k全因子、2^(k-p)部分因子
• 响应曲面：CCD、Box-Behnken
• 田口设计：正交表、信噪比分析
• 输出：效应图、Pareto图、残差图、优化器

Excel辅助工具

• 数据分析工具库：方差分析、回归分析
• 规划求解：单目标优化

结果解读要点

• 看P值判断显著性（P<0.05为显著）
• 看R²判断模型拟合度
• 看残差图判断模型假设是否满足

第九章：电动工具行业DOE案例

案例：电机绕线工艺参数优化

• 响应：绕线张力合格率
• 因子：绕线速度(A)、张力设定(B)、线径(C)
• 设计：L9(3^4)正交表，3因子3水平
• 极差分析：因子重要性 B > A > C
• 最优组合：A2B3C1（速度中、张力高、线径小）
• 验证试验：最优组合下合格率从85%提升至97%

其他应用场景

• 注塑成型：温度、压力、保压时间优化
• 电池包焊接：电流、电压、时间优化
• 齿轮啮合：间隙、润滑、转速优化

第十章：总结与展望

核心价值回顾

• 高效：正交设计大幅减少试验次数
• 系统：同时考虑多因子及其交互作用
• 量化：用统计方法量化因子影响
• 稳健：田口方法追求抗干扰能力

常见错误与注意事项

• 试验随机化不足 → 引入系统误差
• 遗漏关键因子 → 模型失真
• 过度外推 → 预测失效
• 忽略验证试验 → 结果不可靠

与六西格玛改进项目的结合

DOE主要应用于DMAIC的Improve阶段，是寻找最优方案的核心工具。