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(OneWayANOVA)
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(TwoWayANOVA)
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(EffectsPlots)
图表及残差图(ResidualPlots)
在设计中采用中心点(Centerpoints)
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
