DOE实验设计在产品诞生的整个过程中扮演了非常重要的角色，它是提高产品质量，改善工艺流程，优化设计的重要工具。通过两天的课程，将通过对产品生成的各阶段的DOE应用，学习判别与选择不同的实验设计工具， 解决相应的问题，同时相关人员了解DOE在自己工作中可以帮到什么。通过我们六年的授课实践和不断研究，采用逻辑上的重整和合并，在两天的课程之内，将田口、经典和谢宁三种风格的DOE结合起来，不但是完全可以的，而且能保证内容上的翔实，困惑的解除，有助于快速掌握和灵活应用。对DOE的整合是通过贯穿始终的产品诞生路径、质量与可靠性风险的线索，它是本课程的独家内容，会为学员带来特别的增值价值。此外，课程提供持续的支持服务和交流活动，学员在课后应用中的问题，老师将提供持续的解答和辅导，很多学员都已经成为我们多年的朋友。 今天，DOE这个词给很多工程人员带来了困扰，很多误区由此而生： 它是做6sigma才需要的。 它需要深入的统计数学基础，掌握起来非常困难，即使掌握了，距离解决问题也很远 它能最终解决一切问题，但是耗费的周期很长 如果没有其他部门的配合，发起部门就无法将试验设计做到有结果。 。。。。。。这些都是我们在看书，听讲座，参加研讨会之后产生的感觉。 我们耗费了很多时间去学习DOE，也许发现总是没有耐心学下去，而公司产品中的问题却依然存在，困扰我们的问题是如此的长期和顽固，挥之不去： 这到底是装配过程的问题，还是设计问题或供应商来料问题？ 这到底是不是真正的原因？ 每个零件都合乎规格和要求，为什么装到一起就出问题？ 出厂前从来没有发现过，怎么到市场上就出现，甚至一开箱就出现？ 有些问题非常难再现出来，收集足够的数据用来进行正统的DOE分析也是不现实的，怎么办？ 培训课程大纲 实验设计基础 假设检定 － 假设检定定义与术语 － 置信区间的概念 － 如何运作假设检定 － 将实际问题转化为统计问题； － 对流程变异进行假设验证 － 对你的实验设计进行假设 单因子实验分析(One-Way ANOVA) － 单因子实验 － 单因子分析模型 － F检定和T检定 － 方差测试 － 练习 - 单因子变量分析的统计模型 - 研究统计检定来比较方差值 - 学习不同的探索方法和图示技巧 - 学习F检定和T检定 多因子实验分析(Two-Way ANOVA) － 多因子实验 － 多因子分析模型 － 交互作用 － 练习 - 多因子变量分析的统计模型 - 学习交互作用的概念 回归分析 － 相关与回归 － 回归系数与回归模型 － 残差分析 － 练习 - 回归的统计模型 - 学习残差的概念 实验设计实战 实验设计概论 － 什么是实验设计 － 实验设计的用途 － 实验的种类 － 实验设计的步骤 － 实验设计的概念 － 实验设计的专业术语 － 学习处理干扰变量 － 实验设计的规则 全因子实验设计 － 2k 全因子设计的整体概念 － 建立标准顺序设计 － 设计并分析 2k 全因子设计 使用 ANOVA 使用效应图 (Effects Plots) 图表及残差图 (Residual Plots) － 在设计中采用中心点 (Center points) － 在2k 全因子设计中应用区组划分(Blocking) － 掌握全因子实验设计的步骤和方法 － 会分析全因子实验的结果 部分因子实验设计 － 筛选设计 － 部分因子设计 － Alias关系 － 设计解决方案 － Foldover设计 － 饱和设计 － 投射器实验 － 简化全因子实验设计 － 调查所有因子的影响 － 调查多种因子的联合影响 DOE经典案例介绍 了解DOE具体实施方法