0田口方法的詳解課件1目錄何謂田口方法執(zhí)行田口方法流程如何利用田口方法搜集及分析資料個(gè)案探討與Minitab使用田口方法與實(shí)驗(yàn)設(shè)計(jì)的異同2田口式質(zhì)量工程目的—使用較低成本(最少之實(shí)驗(yàn)次數(shù))達(dá)到減少變異之功能生產(chǎn)線外質(zhì)量管制質(zhì)量損失函數(shù)(允差的)生產(chǎn)線上品質(zhì)管制預(yù)測(cè)和修正量測(cè)和處置診斷和調(diào)整制程管制產(chǎn)品管制成本管制損失管制

實(shí)驗(yàn)計(jì)劃系統(tǒng)設(shè)計(jì)(創(chuàng)新)參數(shù)設(shè)計(jì)(最佳化)允差設(shè)計(jì)(最適化)產(chǎn)品設(shè)計(jì)制程設(shè)計(jì)3歷史背景日本戰(zhàn)后復(fù)建時(shí)，面臨高質(zhì)量原料，高質(zhì)量生產(chǎn)設(shè)備和有技術(shù)之工程師等嚴(yán)重短缺的問題因此，如何在此惡劣條件下，生產(chǎn)高質(zhì)量產(chǎn)品及不斷改善質(zhì)量是為一項(xiàng)具有挑戰(zhàn)和急需解決的問題起源二次大戰(zhàn)后(1945)－通信質(zhì)量差日本成立電器通信實(shí)驗(yàn)室(ECL)(1947)共1400人預(yù)算少(貝爾的1/50)傳統(tǒng)的實(shí)驗(yàn)設(shè)計(jì)不適用-田口法結(jié)果日本生產(chǎn)較好的交換機(jī)4

TaguchiMethod田口玄一博士所創(chuàng)Offline方法穩(wěn)健設(shè)計(jì)的實(shí)驗(yàn)方法設(shè)計(jì)產(chǎn)品質(zhì)量受到周圍影響的敏感度為最小讓高質(zhì)量、低成本的產(chǎn)品快速生產(chǎn)出來的工程方法操作成本-降低產(chǎn)品對(duì)于環(huán)境的影響制造成本藉由較低等級(jí)原料、不昂貴設(shè)備而維持一定質(zhì)量水平研發(fā)成本縮短開發(fā)時(shí)間及減少資源使用5田口設(shè)計(jì)基本概念TaguchiMethod可處理產(chǎn)品和制程工程師關(guān)心的兩大問題如何有效降低產(chǎn)品機(jī)能在消費(fèi)者使用環(huán)境的變異?如何保證在實(shí)驗(yàn)室的最適條件，在生產(chǎn)及消費(fèi)環(huán)境下依然是最適?藉田降低變異原因造成的影響，非去除變異的原因，來改善質(zhì)量將各種變異極小化，使得產(chǎn)品對(duì)變異的來源最不敏感6變異

偏離目標(biāo)值的程度Taguchi以二次品質(zhì)損失函數(shù)來表示造成變異的主要原因的雜音因子美國廠日本廠7制程概念圖產(chǎn)品/制程雜音因子(X)控制因子(Z)信號(hào)因子(M)質(zhì)量特性(y)(反應(yīng)值)8參數(shù)所謂“參數(shù)”為影響產(chǎn)品質(zhì)量特性的因子，一般可分為信號(hào)因子(M)由設(shè)計(jì)工程師依據(jù)所開發(fā)產(chǎn)品的工程知識(shí)來選擇如風(fēng)扇的風(fēng)速為表示風(fēng)量大小的信號(hào)因子。當(dāng)目標(biāo)值改變時(shí)，可調(diào)整信號(hào)因子來使的反應(yīng)值與目標(biāo)值一致當(dāng)信號(hào)因子為固定時(shí)為靜態(tài)問題。非固定時(shí)稱為動(dòng)態(tài)問題雜音因子(X)設(shè)計(jì)人員所不能控制或是很難控或是需花費(fèi)昂貴費(fèi)用才能控制的參數(shù),此因子會(huì)隨產(chǎn)品,環(huán)境,時(shí)間的變化而變化而使質(zhì)量特性偏離目標(biāo)值并造成產(chǎn)品的損失穩(wěn)健設(shè)計(jì)即為為極小化雜音因子的影響來改善質(zhì)量可控因子(Z)設(shè)計(jì)人員可自由設(shè)定水平值的因子，而經(jīng)田口方法中的參數(shù)設(shè)計(jì)，來調(diào)整不會(huì)影響制造成本的可控因子組合，經(jīng)公差設(shè)計(jì)調(diào)整影響制造成本的可控因子組合當(dāng)控制因子的水平改變時(shí)，并不會(huì)造成成本的增加9雜音因子產(chǎn)品間的變異制程變化所造成產(chǎn)品間的變異外部雜音外在環(huán)境或是操作條件改變了產(chǎn)品的特性，如溫度、溼度、灰塵、電磁干擾內(nèi)部雜音劣化→隨使用時(shí)間而產(chǎn)生物料的變質(zhì)或是尺寸的改變制造不良→制程上一些不確定因素所造成之變異10

雜音因子(范例)汽車煞車距離產(chǎn)品間的變異-剎車板、剎車鼓外部雜音-路面干或濕、車內(nèi)人數(shù)內(nèi)部雜音-劣化(煞車片)、制造不良(煞車油量)日光燈亮度產(chǎn)品間變異-相同品牌，來自于相同公司，亮度亦會(huì)不同外部雜音-輸入電壓不穩(wěn)度內(nèi)部雜音-變壓器，燈管產(chǎn)生劣化11觀念范例問題：日本Ina磁磚公司面臨生產(chǎn)磁磚尺寸變異很大原因:溫度不均勻傳統(tǒng)做法建造一做溫度均勻的新爐必須花費(fèi)50萬日?qǐng)A穩(wěn)健設(shè)計(jì)：找出一些可以改變而又不昂貴的制程參數(shù)試圖找出新制程配方，以降低不良率結(jié)果:將黏土中灰石比例而1%提升到5%黏土加熱爐12影響尺寸變異的可能因子可能因子A：石灰石含量(1%，5%)B：某添加粗細(xì)度(粗，細(xì))C：臘石量(53%，43%)D：臘石種類(現(xiàn)行組合，新案組合)E：原材料加料量(1200kg，1300kg)F：浪費(fèi)料回收量(4%，0%)G：長(zhǎng)石量(5%，0%)13資料收集傳統(tǒng)做法：實(shí)驗(yàn)次數(shù)為27=128。若收集1個(gè)資料需要10分鐘，一天工作8小時(shí)，必須2.7天田口做法使用直交表：L8，實(shí)驗(yàn)次數(shù)為8次14資料收集行NoL8(27)ABCDEFG每100件尺寸缺陷數(shù)ABCDEFG石灰石量粗細(xì)度蠟石量蠟石種類加料量浪費(fèi)回收長(zhǎng)石量12345671234567111111111粗53現(xiàn)行12004516211122221粗53新案13000017312211221細(xì)43現(xiàn)行12000012412222111細(xì)43新案1300456521212125粗43現(xiàn)行1300406621221215粗43新案12000568722112215細(xì)53現(xiàn)行13000542822121125細(xì)53新案1200402615

分析改善前改善后改善前改善后尺寸大小外層磁磚內(nèi)層磁磚在不增加成本的考量之下消除雜音的影響，而不去除原因(溫度不均勻)找出一組制程參數(shù)，使得對(duì)尺寸的變異影響最小經(jīng)由改善質(zhì)量，降低成本分析結(jié)果：原來生產(chǎn)參數(shù)組合→A2B1C2D1E2F2G2最佳生產(chǎn)參數(shù)組合→A1B2C2D1E2F1G2最后選擇→A1B2C1D1E2F1G216產(chǎn)品及制程設(shè)計(jì)三階段系統(tǒng)設(shè)計(jì)(SystemDesign)設(shè)計(jì)人員檢視各種可能達(dá)成產(chǎn)品想要機(jī)能之結(jié)構(gòu)或是技術(shù)，如合適電路圖，此部份在降低產(chǎn)品靈敏度及制造成本上扮演重要角色參數(shù)設(shè)計(jì)(ParameterDesign)主要為最佳化”系統(tǒng)設(shè)計(jì)”，使系統(tǒng)對(duì)雜音因子所造成的敏感度最低，而提高系統(tǒng)的穩(wěn)健性。降低對(duì)于雜音因子的影響，而非排除與控制雜音因子允差設(shè)計(jì)(ToleranceDesign)主要為調(diào)整公差范圍以最佳化設(shè)計(jì)參數(shù)降低經(jīng)產(chǎn)品性能變化所造成之產(chǎn)品損失，與制造成本間進(jìn)行交換公差因子(如材料)最適值的選擇參數(shù)設(shè)計(jì)之后再執(zhí)行17參數(shù)設(shè)計(jì)找出一組可控因子的處理組合，使得這一組所對(duì)應(yīng)之設(shè)計(jì)，制程或產(chǎn)品對(duì)于外界的環(huán)境的敏感度為最低，即此產(chǎn)品的穩(wěn)定性最高、變異最小、損失最小(成本最小)田口法的精華所在采兩階段最佳化藉由參數(shù)設(shè)計(jì)降低產(chǎn)品績(jī)效的變異Step1:降低變異Step2:調(diào)整平均值至目標(biāo)值18Stage1DefinethescopeoftheproblemStatetheobjectiveoftheexperimentBrainstormandSelectnumbersandlevelsforcontrollableandnoisefactorsStage2Buildanorthogonaldesign(InnerandouterArray);L12(211),L18(2x37)andL36(23x313)arerecommended

Determinethereplicationsforeachrun.ASystematicProblemSolvingFlowchartUsingTaguchiMethods19Stage3RuntheexperimentandcollectthedataConductgraphicalanalysisusingtheS/NRatioDeterminethekeyfactorsandselectan“optimalcondition“orthe“experimentalchampion”basedonthebesty(mean)orlargest

S/N

Stage4DevelopthePredictionequationforS/NratioConductconfirmatoryrunsandcomparetheactualresultsversusthepredictedoneUseTaguchi’sLossFunctionfortolerancedesignandassesstheperformanceof“optimalcondition”.

AsystematicProblemSolvingFlowchartforTaguchiMethods20Stage1問題之描述因子決定控制因子與雜音因子(以不超過3個(gè)為原則)魚骨圖因子與水平的決定采用2水平為主21Stage2建立直交表收集資料田口方法用來收集資料的實(shí)驗(yàn)方法符號(hào)定義田口建議采用的直交表L8(27),L12(211),L18(21×311),L32(21×49),L36(211×313),L54(21×325)直交表的列數(shù)表示實(shí)驗(yàn)的次數(shù)直交表的行數(shù)表示能研究因子的最大值22Stage3資料分析圖形法(回應(yīng)圖)Maineffectplot(mean,S/NRation)Interactionplot統(tǒng)計(jì)分析(變異數(shù)分析)23Stage4利用S/N比建立預(yù)測(cè)方程式進(jìn)行確認(rèn)實(shí)驗(yàn)實(shí)驗(yàn)結(jié)果差異性大時(shí)增加可控因子增加可控因子的水平間距離控制因子之間可能有強(qiáng)烈交互作用實(shí)驗(yàn)結(jié)果差異性雖小但未達(dá)到所要求的質(zhì)量進(jìn)行3水平的微調(diào)實(shí)驗(yàn)24直交表直交表的類型內(nèi)直交表：配置可控因子外直交表：配置雜音因子25直交表的選擇Step1：決定因子數(shù)與水平數(shù)Step2：考慮是否有交互作用田口博士建議并非一定要探討交互作用，若有需要，以二階為主Step3：計(jì)算總自由度確認(rèn)收集的資料，足夠分析所要探討的因子Step4：選擇最適直交表，完成配置26直交表的選擇-總自由度的計(jì)算直交表要適用必須其列數(shù)(總實(shí)驗(yàn)次數(shù))大于或等于所需自由度自由度的計(jì)算假設(shè)有1個(gè)2水平因子(A)和5個(gè)3水平因子(B,C,D,E,F)，若要估計(jì)A與B的交互作用，則其實(shí)驗(yàn)自由度為選擇適用之直交表-直交表列數(shù)>所需之自由度可執(zhí)行La>14(bc)(i.e.L18、L36、L54)自由度總平均1A2-1B,C,D,E,F5(3-1)AB(2-1)(3-1)總計(jì)1427CommonOrthogonalArraysTheL12andL18orthogonalarraysarespecialdesignsinwhichinteractionsaregenerallyspreadacrossallcolumns.TheyshouldnotbeusedforexperimentswhichincludethestudyofinteractionsArrayNumberofFactorsNumberofLevelsL4(23)32L8(27)72L12(211)112L16(215)152L32(231)312L9(34)42L18(21,37)1and72and3L27(313)133L16(45)54L32(21,49)1and92and4L36(23,313)3and132and3L64(421)21428CommonOrthogonalArrays直交表列數(shù)最大因子個(gè)數(shù)在這些水平的行數(shù)最大值2345L4433---L8877---L994-4--L12121111---L16161515---L’16165--5-L1818817--L25256---6L272713-12--L32323131---L’3232101-9-L3636231112--L’363616313--L5050121--11L545426125--L64646363---L’646421--21-L818140-40--*2-水平表：L4、L8、L12、L16、L32、L643-水平表：L9、L’27、L812、3-水平表：L18、L36、L’36、L5429No.1231234111122212221No.12345671234567811111111112222122112212222112121212212212122112212212112(1)LinearGraphofTableA1C47B2ab-abab-abc-ac-bcabcTaguchiDesigns12330OrthogonalArrayL831L9(34)No.factors1234111112122231333421235223162312731328321393321ababab232L12(211)TheL12(211)isaspeciallydesignedarray,inthatinteractionsaredistributedmoreorlessuniformlytocolumns.Notethatthereisnolineargraphforthisarray.Itshouldnotbeusedtoanalyzeinteractions.Theadvantageofthisdesignisitscapabilitytoinvestigate11maineffects,makingitahighlyrecommendedarray.33OrthogonalArrayL16(215)34OrthogonalArrayL16(215)35L18(2137)Note:LiketheL12(211),thisisaspeciallydesignedarray.Aninteractionisbuiltinbetweenthefirstwocolumns.Thisinteractioninformationcanbeobtainedwithoutsacrificinganyothercolumn.Interactionsbetweentree-levelcolumnsaredistributedmorelessuniformlytoalltheotherthree-levelcolumns,whichpermitsinvestigationofmaineffects.Thus,itisahighlyrecommendedarrayforexperiments.36L64(263)37TestABCDEFG(1) -------a +--++-+b -+-+-++ab++--++-c --+-+++ac +-++-+-bc -++++--abc +++---+相當(dāng)田口之第

(4)(2)(1)(6)(5)(3)(7)行=-124=-135=-236=+123727-4FractionalFactorialDesign38TestABCDEFG(1) +++++++a -++--+-b +-+-+--ab--++--+c ++-+---ac -+--+-+bc +----++abc ---+++-相當(dāng)田口之第

(4)(2)(1)(6)(5)(3)(7)行=124=135=236=-1237(鏡射實(shí)驗(yàn))27-4FractionalFactorialDesign39Test12345678(1)--------a+----+++b-+--+-++ab++--++--c--+-+-++ac+-+-++--bc-++-----abc+++--+++d---+++-+ad+--++-+-abd++-+---+cd--++-++-acd+-++---+bcd-+++++++abcd+++++-+-

相當(dāng)田口之第

(8)(4)(2)(1)(7)(9)(14)(15)行I=2345=-146=1237=-1234828-4FractionalFactorialDesign40whereyiisthequalitycharacteristicofinterestforproductiTisthequalitycharacteristictargetkisaconstantthatconvertsdeviationtoamonetaryvalueTaguchi’sQuadraticLossFunction41Itmaybeshownthat:AverageLossfornProducts42S/N比responses:thesmallisbetterRundataMeanVariancecorrectrank(intuitiveranking)S/NRatio155555504-13.0122357856.55-14.6832343330.42-9.3441234532.53-10.335133232.40.81-7.9243AlogarithmictransformationofexperimentaldatawhichconsidersboththemeanandvariabilityinanefforttoreducelossSmallerisBetterNominalisBetterLargerisBetterSignaltoNoise(VariableData)44SignaltoNoise(AttributeData)不良率(P)Ω轉(zhuǎn)換(Omegatransformation)缺點(diǎn)數(shù)先將缺點(diǎn)數(shù)作分類，然后計(jì)算累積個(gè)數(shù)之比率值最后再透過不良率轉(zhuǎn)換公式計(jì)算S/N比45貢獻(xiàn)度百分比貢獻(xiàn)度百分比定義為指出一個(gè)因子降低變異的相對(duì)能力計(jì)算方式誤差的貢獻(xiàn)百分比提供實(shí)驗(yàn)充分性的訊息若ρerror≦15%：表示實(shí)驗(yàn)并無忽略掉重要因子若ρerror≧15%：表示實(shí)驗(yàn)有些重要因子被忽略，實(shí)驗(yàn)狀況并非很好46貢獻(xiàn)度百分比SourceSSDfMSρA253.942126.9716.60%C496.122248.0635.67%D87.84243.923.52%E204.432102.21512.71%F77.59238.7952.72%Error150.5721.528.78%Total1270.41

47最佳水平組合之預(yù)測(cè)值根據(jù)S/N比(平均數(shù))及變異數(shù)分析中貢獻(xiàn)率找出最適操作條件組合建立最佳組合之預(yù)測(cè)方程式最佳組合A1B1C3D2E1F248確認(rèn)實(shí)驗(yàn)(ConfirmatoryRuns)找出最佳水平組合后須進(jìn)行確認(rèn)實(shí)驗(yàn)以最佳水平組合重復(fù)實(shí)驗(yàn)取得實(shí)驗(yàn)值，視其可行性及與預(yù)測(cè)值之差距除顯著因子之最佳組合外，另以非顯著因子之較佳水平進(jìn)行重復(fù)實(shí)驗(yàn)49田口方法執(zhí)行步驟1.了解問題的敘述2.選擇因子和水平3.選擇適用之直交表5.根據(jù)質(zhì)量特性計(jì)算S/N比計(jì)量：(望大、望小、望目)

計(jì)數(shù)：轉(zhuǎn)換9.結(jié)論與建議4.根據(jù)直交表執(zhí)行實(shí)驗(yàn)收集資料7.決定最佳參數(shù)水平組合8.確認(rèn)實(shí)驗(yàn)50FactorsLevel1Level2AInjectionPressure205psi350psiBMoldTemperature150°F200°F

CSetTime6sec.9sec.ConditionABCResults123411112221222130253427302534273034252730272534Total556164525759Average27.530.5322628.529.5ModeledPlasticPartExperimentL451SewnSeamExperimentL852AnExampleofUsingOrthogonalArraysBecauseseveraldifferenttypesofassembliesarerunthroughawavesolderingprocess,twodifferenttypesofassemblieswereused.Theobjectiveistofindtheoptimalsettingforthewavesolderingprocessthatissuitableforbothtypesofassemblies.Inadditiontoproductnoise,boththeconveyorspeedandsolderpottemperaturearemovedaroundtheinitialsettinggivenbythecontrollablearray.Thisisbecauseitisdifficulttosettheconveyorspeedwithanydegreeofaccuracyanditisalsodifficulttomaintainsolderpottemperature.Sotheprojectteamchosetoincludethesevariablesinthenoisearrayvariablestodeterminehowmuchnoiseaffectstheprocess.53AnExampleofUsingOrthogonalArraysAWaveSolderingExperimentalDesignControllableFactors(1)SolderPotTemperatures(S)(2)ConveyorSpeed(C)(3)FluxDensity(F)(4)PreheatTemperature(P)(5)WaveHeightNoiseFactors(1)ProductNoise(2)ConveyorSpeedTolerance(3)SolderPotToleranceLevelsLowHigh480°F510°F7.2ft/m10ft/m0.9°1.0°150°F200°F0.5”0.6”Assembly#1Assembly#2-0.2ft/m0.2ft/m-5°F-5°F54EightrunswillbeusedtotesteffectsofthefivecontrollablefactorsinTaguchiL8design(seeTable1).Noticethatforeachfactor,therearefourrunswiththefactorsetatthehighsetting.Thisbalancingisapropertyoftheorthogonaldesign.Table2liststhearrayofnoisefactorstoberunateachoftheeightsettingofthecontrollable.ThisisaTaguchiL8design.Thecombinationoftheinnerandouterarraysresultsineachrunofthecontrollablesbeingrepeatedoverthe4combinationsofthenoisefactors.AnExampleofUsingOrthogonalArrays55ControllableDesign

InnerArrayRunSolderPotTemperatureConveyorSpeedFluxDensityPreheatTemperatureWaveHeight151010.01.01500.5251010.00.92000.635107.21.01500.645107.20.92000.5548010.01.02000.5648010.00.91500.674807.21.02000.684807.20.91500.5Table156OuterArrayAteachcombinationoftheinnerarray,anouterarrayofnoisefactorsisrun.

Table2Run1234ParametersAssm#1Assm#1Assm#2Assm#2ProductNoise-0.2+0.2-0.2+0.2ConveyorTolerance-5+5+5-5SolderTolerance57AnExampleofUsingOrthogonalArraysCombinedInnerandOuterArraysResultsRunControllableFactorsMeanS/NSolderConveyorFluxPreheatWave151010.01.01500.5194197193275215-46.75251010.00.92000.6136136132136135-42.6135107.21.01500.6185261264264244-47.8145107.20.92000.5471251274285-39.51548010.01.02000.5295216204293352-48.15648010.00.91500.6234159231157195-45.9774807.21.02000.6328236247322305-49.7684807.20.91500.5186187105104145-43.5958AnExampleofUsingOrthogonalArraysAnalysisNote:ThesearetheoptimumlevelsettingsforeachfactorbasedonS/N.Factorswithoutanasterisk*arenotsignificantandtheirlevelscanbebasedonotherconsiderations.ParameterLevelMeanS/NSolderPotTemperature480510225170-46.87-44.17*ConveyorSpeed7.21.0195200-45.17-45.87FluxDensity0.91.0140255-42.91*-48.11PreheatTemperature150200200194-46.03-45.01WaveHeight0.50.6174220-44.50-46.54Interaction200194-45.68-45.3659MainEffectPlot60InteractionPlot61MinitabDemoStatDOETaguchiCreateTaguchiDesign62

CreateTaguchiDesign63CreateTaguchiDesign64OrthogonalArrayDesign(L8)OrthogonalArrayResponses65AnalyzeTaguchiDesignStat->DOE->Taguchi->AnalyzeTaguchiDesign66AnalyzeTaguchiDesignS/NRatiosandMeans67AnalyzeTaguchiDesign68AnalyzeTaguchiDesign-GraphMainEffects69AnalyzeTaguchiDesign-GraphInteractionPlot70AnalyzeTaguchiDesign-ANOVA71AnalyzeTaguchiDesign-ANOVAp-value<0.05所以為重要因子72AnalyzeTaguchiDesign-ANOVA挑選顯著(重要)的因子73AnalyzeTaguchiDesign-ANOVA預(yù)測(cè)方程式74貢獻(xiàn)度百分比本實(shí)驗(yàn)之ρerror=0.61%<15%，顯示無忽略掉重要因子SourceSSDFMSρSolder12.907112.90717.06Conveyor1.46611.4661.86Flux50.889150.88967.53Preheat2.78212.7823.61Wave7.08217.0829.32Error0.13120.0650.61Total75.2577

75最佳水平組合之預(yù)測(cè)值最適操作條件組合為Solder(510)、Flux(0.9)76最佳水平組合之預(yù)測(cè)值Stat->DOE->Taguchi->PredictTaguchiResults選擇重要因子77最佳水平組合之預(yù)測(cè)值選擇最佳水平組合78最佳水平組合之預(yù)測(cè)值根據(jù)最佳水平組合重復(fù)實(shí)驗(yàn)取得實(shí)驗(yàn)值，視其可行性及與預(yù)測(cè)值之差距79LossfunctionSimplicityinselectingadesignmatrixParameterdesignstrategyformakingproductsrobusttonoiseDesignsqualityintotheproductsasopposedtoinspectingitoutThousandsofsuccessstorieshavebeencompiledthroughtheAmericanSupplierInstituteAdvantagesofTaguchiMethods80SimplicityinselectingadesignmatrixPoormodeling

Usingonlysignaltonoiseratios,S/Ns,S/NN,andS/NLtoidentifydispersionNeedforreplicationtoidentifydispersioneffects

De-emphasisofmodelinginteractionsSomeanalysistechniquesareunnecessarilycomplexNotprovidingguidancetoexperimentersonhowtorecoverfromunsuccessfulexperiments

DisadvantagesofTaguchiMethods81實(shí)驗(yàn)之選擇82SSErrSStreatmentF=MStrt/MSErrF<F

實(shí)驗(yàn)之選擇83分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)今欲研究?jī)煞N不同之電路中Orientation方法與三種不同溫度之組合以測(cè)試焊接之缺點(diǎn)數(shù)是否改善(何種組合較佳?)84分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)85分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)86分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)87分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)88分割式實(shí)驗(yàn)設(shè)計(jì)

(Split-PlotDesign)不同蕃茄品種及處理之移植分布情形其中:全體之均數(shù);:第i個(gè)集區(qū)的效果,i=1,2,3,4,為隨機(jī)效果;:第j個(gè)處理的效果,j=1,2,3,4,為固定效果;:第k種品種的效果,k=1,2,為固定效果;:第i個(gè)集區(qū)與第j個(gè)處理的交互效果,為隨機(jī)效果;:第i個(gè)集區(qū)與第k種品種的交互效果,為隨機(jī)效果;:第j個(gè)集區(qū)與第k種品種的交互效果,為固定效果;:集區(qū)、處理與品種之交互作用,為隨機(jī)效果;:隨機(jī)誤差項(xiàng)，假設(shè)其服從常態(tài)分配。89計(jì)數(shù)值參數(shù)設(shè)計(jì)分析類型百分比型不良率類別資料型態(tài)表面刮傷程度(無缺點(diǎn)、輕微缺點(diǎn)、嚴(yán)重缺點(diǎn))90百分比型態(tài)-不良率考慮復(fù)晶硅沉積過程，量測(cè)并紀(jì)錄表面瑕疵的個(gè)數(shù)反應(yīng)值：表面瑕疵的個(gè)數(shù)91百分比型態(tài)-不良率假設(shè)300個(gè)瑕疵數(shù)以下為良品并以1表示，良率可計(jì)算如轉(zhuǎn)換后反應(yīng)值(0,1)良率92

平均值回應(yīng)圖Stat

ANOVA

Maineffectsplot轉(zhuǎn)換后的反應(yīng)值選擇A,B,C,D,E,F因子EnterOk93平均值回應(yīng)圖由上圖可看出最佳組合A1B1C3D2E1F294最佳組合之平均良率的估計(jì)平均良率的估計(jì)

轉(zhuǎn)換大于1顯然不合理95最佳組合之平均良率的估計(jì)再將所估計(jì)的Ω值轉(zhuǎn)回原來的不良率，故正確的良率為96資料型態(tài)-等級(jí)分類復(fù)晶硅沈積制程中將缺點(diǎn)數(shù)區(qū)分成為五大類

I：幾乎無缺點(diǎn)，0~3個(gè)不良II：非常少缺點(diǎn)，4~30個(gè)不良III：些許缺點(diǎn)，31~300個(gè)不良IV：很多缺點(diǎn)，301~1000個(gè)不良V：極多缺點(diǎn)，1001個(gè)不良97實(shí)驗(yàn)編號(hào)測(cè)試芯片1測(cè)試芯片2測(cè)試芯片3上中下上中下上中下110120011021281805012631333510636038135315501804615617201615401851720198020004878104002020360136135360162024302072250027035736081012151620117301800720315827027305000360129999225195000100010003000100010003000280020001030030010111101500101123162090216542708313125270810161225301432116290616315391545012001800253020802080189018025