**

**

**01 引言：面对20个变量，工程师的“恐惧” **😨

上周讲完蒙特卡洛，很多球友在后台问：

“蒙特卡洛需要公式，但我的产线有 10节烘箱、风速、张力…一共十几个变量。我怎么知道谁是关键？难道要把所有变量都拿来做全因子实验？那得跑几万次，老板会杀了我。”

这就是 DOE 的核心痛点：变量太多，实验太贵。

今天这篇是进阶实战。作为黑带，面对复杂工艺，我们从不乱枪打鸟，而是分两步走：

• 第一步（筛选）： 用低成本的“部分因子设计”，把 20 个嫌疑人刷到只剩 2-3 个真凶。
• 第二步（优化）： 对这几个真凶进行“响应曲面分析（RSM）”，抓住最优解。

今天，我们用 Minitab完整跑通这个流程。

---

**02 第一阶段：大浪淘沙（Screening）**🌊

假设涂布剥离力异常，我们头脑风暴出了 5 个潜在因子：

• A: 干燥温度
• B: 涂布速度
• C: 浆料粘度
• D: 背辊间隙
• E: 风机频率

如果做全因子（2^5），需要 32 次实验。太浪费！我们要用**“2水平部分因子设计”**。

1. Minitab 操作（跟做）

• 路径： 统计 > DOE > 因子 > 创建因子设计。

• 设计选择：

选 2水平因子，因子数5。

点击 设计，选择 1/2 分数 (Runs: 16)。

• 关键知识点（黑带必看）：分辨率 (Resolution)

注意看设计表上方的字：分辨率 V。

这意味着什么？ 分辨率 V 是非常干净的设计。它保证了“主效应”不会和“二阶交互作用”混在一起。你看到的“温度影响”，就是真的温度影响，而不是“粘度x风速”的替身。

• 必须要做的动作：加入中心点

在 设计 选项里，选择 “每区组 3 个中心点”。

为什么？ 因为筛选实验是线性的（只有高低两个水平）。加了中心点，我们才能探测“弯曲（Curvature）”。如果中心点的数据明显高于或低于角点，说明工艺关系是弯曲的，这就是后续做 RSM 的信号！

• 输出设计表格

2. 填入结果：怎么看Pareto 图？

假设实验跑完，输入 Y 值，点击 分析因子设计。

将Y剥离力放入“响应”

通常要选择“四合一”看残差图，但是这块内容太多，下次有机会再讲。

解读步骤：

• 看帕累托图（Pareto）：

只有 **A(温度)**和 **B(速度)**的柱子越过了红线（P<0.05）。

C、D、E 都在红线左边。

决策： C、D、E 是“打酱油的”，在下一轮实验中直接固定为标准值，不再折腾。

• 看弯曲（Curvature）：

查看文字区。

发现 “弯曲 P值 = 0.003”。

决策： P < 0.05，说明中心点和角点差异巨大。直线模型失效！ 我们找到了关键因子 A 和 B，且确认它们与剥离力是非线性关系。

下一步： 启动RSM 响应曲面！

---

**03 第二阶段：精准狙击（RSM）**🎯

筛选阶段结束，我们剔除了 3 个废因子，锁定了 温度(A) 和 速度(B)，并且知道这肯定是个曲面。

现在，我们要通过 CCD（中心复合设计） 建立高精度模型。

1. Minitab 操作

• 路径： 统计 > DOE > 响应曲面 > 创建响应曲面设计。

• 因子： 2 个（Temp, Speed）。
• 设计： 选择 中心复合设计 (CCD)。这会在原来的基础上增加“轴点”，把平面图撑成 3D 图。

2. 实验数据（黑带实操版）

为了让大家能体验“完美模型”，请直接将这组数据录入 Minitab 练习：

3. 核心解读：如何判断模型好坏？（方差分析表）

点击 分析响应曲面设计，你会得到一张判决书。

不要怕，按这个顺序看：

• 第一眼：看 Model (模型)

**P < 0.05？**是（0.000）。

结论： 模型有效，因子和结果有显著关系。

• 第二眼：看 Square (平方项)

**P < 0.05？**是（0.000）。

结论： 证实了“弯曲”。说明温度和速度不是越高越好，而是存在一个“峰值”。

• 第三眼（生死关）：看 Lack-of-Fit (失拟)

**P > 0.05？**是（0.150）。

**结论：**模型没有失拟。

注意：很多新手这里翻车（P<0.05），这通常意味着你的模型漏了因子，或者数据波动太小（纯误差太小）。如果失拟了，这模型就废了。

---

**04 终极产出：拿到“上帝公式” **🗝️

体检合格后，Minitab 会吐出回归方程：

这时候，你可以自信地打开 响应优化器，把目标设为 最大化。

Minitab 会直接告诉你：

“最佳工艺点：温度 115℃（），速度 8.5m/min。预计剥离力 23.363N。”

细心的球友可能发现，Minitab 优化器里显示的是 0.6104 这种‘奇怪’的数字。 这是因为我们在建立模型时使用了‘编码单位’。

这在数学上是为了消除不同量纲（温度是100多，速度才个位数）带来的误差。 实际应用时，我们要把它换算回来。

经过计算，最佳工艺窗口是：温度 116.1℃，速度 9.1 m/min。”

---

**05 总结：这才是真正的逻辑闭环 **🔄

很多工程师做 DOE 失败，是因为跳过了第一步。

直接拿着 10 个变量做 RSM，光实验费就能把你跑破产。

正确的黑带姿势：

• Screening (筛选)： 用分辨率 V 的设计 + 中心点，低成本剔除 80% 的非关键因子，并探测是否有弯曲。
• RSM (优化)： 针对剩下的 20% 关键因子，用 CCD 设计，精细建模，找到最优解。
• Monte Carlo (模拟)： 拿着 RSM 算出来的公式，去预测量产的 CPK（这就是我们上一篇讲的内容）。

这三步走完，你就是工艺现场的“预言家”。

关于如何给出蒙特卡洛中，波动/标准偏差的部分，则是MSA里面的内容，下回再写。

---

本文全是黑带内容，如果大家对里面的内容有什么疑问，或者残差图、失拟、分辨率表等不会看，欢迎后台私信我。另外，本文 Minitab 项目源文件、Excel文件均已上传星球。