【通过实验及其数据分析,找到关键工艺参数的最佳控制范围】
一、课程背景:在工艺设计中,哪些工艺参数是关键的?其公差范围设定多大是合适的?相当多的工艺工程师是根据其工作经验来回答这两个问题的。
DOE借助方差分析的手段,通过少量的工艺实验,从大量的工艺参数中找出关键的工艺参数,再通过全因子析因法及响应曲面法(RSM),建立关键工艺参数与关键的质量特性的数学模型,通过对关键工艺参数建立合理的工艺规范,确保质量特性满足顾客的需求。
二、课程目的:运用DOE的方法,从根本上摒弃依靠“拍脑袋”和“工艺猜测”解决问题的传统陋习;掌握实验设计的方法,原理和应用;掌握DOE工具的应用步骤。
三、课程特色:通过生动、详实的案例、练习与学员共同研讨,借助软件的运用,使学员轻松掌握DOE方法。
四、参加人员:工艺部门、研发部门、技术部门、质量部门的工程师及管理者、供应商质量工程师。
五、课程提纲:(12小时/2天)
单元 |
主要内容 |
目的 |
0 |
破冰案例研讨 |
|
1 |
实验设计(DOE)概述 |
|
|
什么是实验设计 |
|
|
实验设计(DOE)的目标与用途 |
|
|
实验设计(DOE)的作业流程 |
|
|
主效应、交互作用及其计算 |
|
|
分组练习:主效应及交互效应的计算 |
|
|
实验设计的基本原则:随机化、重复和分区化 |
|
|
模型与误差 |
|
2 |
假设检验基础 |
假设检验是理解DOE的理论基础之一 |
|
假设检验(Hypothesis testing)的提出 |
|
|
假设检验的目的和定义 |
案例分析:食堂菜谱满意度改进 |
|
假设检验的程序 |
|
|
假设决策的风险 |
案例:陪审团的判决 与机场安检 |
|
假设检验:如何进行 |
|
|
P-值要多小:根据状况有所不同 |
|
|
DOE常用的假设检验说明 |
梳理DOE常用的假设检验 |
3 |
2k全因子设计 |
|
|
因子和水平的组合 |
|
|
2k全因子实验的表示方法 |
|
|
正交表(Orthogonal array) |
|
|
2k全因子析因实验 |
|
|
因子的代码化(coding) |
|
|
分组练习:24四因子两水平全因子实验排列表 |
|
|
2k全因子设计概述 |
|
|
2k全因子实验设计的目的 |
|
|
案例分析:淬火工艺改进(七个步骤) |
结合Minitab软件的操作 |
|
分组练习:利用2k全因子实验,分析如何提高纸飞机的飞行距离 |
|
4 |
部分因子设计和筛选实验 |
|
|
筛选实验的特点 |
|
|
为何要减少实验次数 |
|
|
混合、别称和解析度 |
|
|
分组练习:练习识别别名或混合 |
|
|
如何选择部分因子设计 |
|
|
部分因子和筛选设计在Minitab的使用 |
案例分析:25-1实验设计 |
|
|
案例分析:自动刨床加工零件的表面工艺条件 |
|
|
案例分析:变压器的耗电量实验 |
|
分组练习:利用2k-p部分因子实验,分析如何提高纸飞机的飞行距离 |
|
5 |
中心点 |
|
|
2k实验设计方案的问题 |
案例分析:无中心点的实验设计 |
|
中心点和曲率 |
|
|
中心点的设置 |
结合Minitab软件操作 |
|
|
案例分析(4个) |
6 |
分区和分区化 |
|
|
为何需要分区 |
|
|
混合和分区化 |
|
|
分区化的2k实验设计 |
案例分析:分区化过滤速率实验 |
7 |
响应曲面设计(RSM) |
|
|
实验设计的类型 |
|
|
过程设置优化:2因子 |
案例分析:响应曲面实验-1 |
|
过程设置优化:曲面响应 |
|
|
最速上升路径 |
案例分析:响应曲面实验-2 |
|
中心复合设计CCD |
案例分析:响应曲面实验-3 |
8 |
混料设计 |
适用于配方或配比的工艺 |
|
什么是混料设计(Mixture Design)? |
|
|
单形、单形的顶点与坐标 |
案例:三维、四维空间的一个单形 |
|
混料实验的统计模型 |
|
|
Scheffé(雪费)典型多项式 |
|
|
常见混料设计:单纯形格点法 |
|
|
M{p,1}单形格子设计 |
|
|
M{p,2}单形格子设计 |
|
|
M{p,d}单形格子设计 |
案例分析:混料设计_单形格子 |
|
常见混料设计:单纯形质心法 |
|
|
单形重心设计的基本思路 |
案例分析:空气过滤器的设计 |
|
常见混料设计:极端顶点设计 |
案例分析:混料设计_极端顶点法 |
|
课程总结:实验DOE路径图 |
|
六、本课程代表客户:
三星视界(韩资,手机屏幕)
安费诺(美资,连接器)
本田金属(日资,发动机零件)
广州东风本田(日资,汽车发动机)
光台电子(台资,LED)
杰群电子(台资,IC封装)
中钧科技(新加坡,核磁共振仪零件)