某厂生产的振荡器的时间延迟，同时存在高值（H）和低值（L）。通 过拆卸/重装，结果如下：
阶段一
初始 第一次拆卸/重装 第二次拆卸/重装
高值组件（H）
配置
结果（ms）
所有组件，高
13
所有组件，高
16
所有组件，高
15
低值组件（L）
配置
结果（ms）
所有组件，低
34
所有组件，低
38
所有组件，低
35
阶段二 阶段三
➢然后设计数据收集表格
多变量分析案例（二）
某芯片生产线对芯片与基带的黏贴度进行多因素 分析,并得出如下结果:
变量图，利用收集到的数据做图。图标可以直观的判断哪个 变量族变化最大。
水平线表示时间——也可以是周对周、天天天，小时对小 时，批次对批次，
垂直轴表示正在研究的绿Y。
从图中可以看出， 位置变量的变化 最大，这说明红 X在位置变量内
2、进行第二阶段的部件互换，根据阶段一得数据做判断极限： 高值范围=高中值±2.776đ/1.81=35 ±2.776*3.5/1.81=35 ±5.37 低值范围=低中值±2.776đ/1.81=15 ±2.776*3.5/1.81=15 ±5.37
3、做曲线图，看哪些子部件的交换导致输出超出了判断极限，即为重要 因子
后4h
时间对时间 B
前4h 中间4h 后4h
前4h
C 中间4h
后4h
变量族
工艺40
员工#
甲
乙
丙
机台
1
2
3
15
16
17
34
35
36
砂浆# M N M N M N M N M N M N M N M N M N
多变量图的后续分析
1. 首先确定重要变量的族系（注意：红X仅可能存在于几 个族系之一中）
2. 如果红X是位置变量族，则需要使用集中图，分析出绿Y 所在具体的位置；
部件搜索
部件的交换是否能将绿Y带走？
用途：用于装配操作，可拆卸的部件对比
适用条件：通过多变量分析发现重要的变量存在于部件 对部件时；或在同样的运行条件下，同时存在好坏时， 直接使用部件搜索。
试验样品：2个，1“好”和1“坏”，两个部件的差异 应该尽可能的大，考虑两种极端情况。
原理：交换理论，两个相同部件的对换，绿Y是否被带 走
变量族的划分
1. 位置变量(样本内的） 部件内部/组件内的不同位置 在成批加料时出现的位置或范围的变化 不同机器/不同试验位置 不同生产线之间/不同工人之间的质量变化 2. 周期性(样本之间的变化) 在同样的时段，从一个生产过程中抽取的连续的部件间
的变化 不同的批次/部件组中的变量 3. 时间性的变化 小时、天、周、班别的变化差异
试验具体步骤： 1、取样：1个最好的样品和1个最差的样品，差异尽量大， 有利于重要的因子的捕捉。 2、分别拆卸/重装2个样品部件2次，测量绿Y是否重现。 3、显著性检验，两个样品之间的差别是否显著。 ➢3次绿Y的输出都是好的样品高于差的样品，之间没有重 叠交叉。 ➢D/đ≥1.25，才进行下一步；低于1.25则说明问题在与部件 的拆卸/重装过程。（D和đ具体应用时讲解） 4、子部件交换，测量每次交换后两个部件的输出。 5、使用判断极限，如果输出超出了判断极限，则为重要因 子。（判断极限，具体应用时讲解） 6、进行析因分析，量化因子的重要性和相互作用。
6. 如果只有一个，可直接进行BVsC比较，确认改善效果。
适用的条件：变量处于部件内，为位置变量，下一步应当绘 制部件内问题的精确定位。
目的
精确定位部件内问题的位置，为多变量分析的续篇。从谢宁 DOE解决问题的路径图中可以看出其所在位置：
应用于：
1、检查问题/缺陷是否集中发生在产品或过程中的某一特定 区域；
族谱图分析
绿Y：线痕粗糙度
时间对时间
部件对部件
部件内
班次对班次（3）
工艺对工艺（2）
员工对员工（3）
时间对时间（3）
机台对机台（9）
砂浆对砂浆（2）
注：针对各个变量选取适当的取样次数，每4小时取样一次，主 操手6个选取3个，机台36台选取9台。
设计数据收集表
变量族 班# 时间 工艺#
前4h
A 中间4h
扑克戏法的原理：对于27张牌，三次定位找出指定的牌 （红X），即第一次找出红X所在的列，可以排除18张牌； 再次洗牌后，确定红X所在的排，排除6张，只剩3张牌；再
次洗牌，则可以轻松的确定唯一的红X
鱼骨图的无奈——常用的分析问题的方法
鱼骨图可以分析问题产生的可能原因，但并不能进一 步分析，到底哪个是主要原因，次要的原因。只能每 项可能的原因都要进行改善，效率低，很多原因可能 只是猜测，这正是多变量分析的优势。
多变量分析案例（一）
印刷电路板在钻孔时产生的过量毛刺，用利克特度 量尺度把毛刺分成1到10级，然后对各种变量族系进行 甄别。决定仅用一天的时间进行试验，期望在一天之 内就能充分找到至少80%的重要变量。 • 每天三班倒 • 有13台同样的钻床 • 每台机器有4个钻削夹头 • 每班有8个工人操作机器 • 每台机器上有3个装在PWB板上的控制板 • 每台机有10种钻孔尺寸
➢ 针对各个x进行族系的划分： ✓ 每天三班倒
时间对时间
✓ 每班工作时间的变化
时间对时间
✓ 有13台同样的钻床
部件内
✓ 每台机器有4个钻削夹头
部件内
✓ 每班有8个工人操作机器
部件内
✓ 每台机器上有3个装在PWB板上的控制板
部件对部件
✓ 每台机有10种钻孔尺寸
部件内
➢首先画出族谱图，按照三个族系分类，然后确定各个x的取 样数目，一般3~5就可以。从上可以得看，存在3大族系，个 子族系，如下图：
设计多变量具体研究步骤
1. 测量仪器的精度至少是产品精度的5倍 2. 确定可出现的变量的族的数目 3. 画出族谱 4. 估计所要求的不同时间取样的次数 5. 确定对在加工过程中连续抽取的部件的数量（一般3~5） 6. 确定在部件内，族系的取样数量，如方位、机器、模腔的数
量） 7. 将第4、5、6不重的数量相乘，以确定要研究的部件总数 8. 设计一个图表，简化多变量数据的收集
DOE概述
什么是DOE？
design of experiment
DOE：试验设计是有目的的改变过程输入因素
（X）以观测相应的输出变化（Y）的行动。 Y=F(X1,X2,X3……Xn)
➢DOE是一种质量工具，要解决的变量X与Y的关系，如果逆向知道问 题Y，如何找出X1，X2，X3……..？
X：变量
变量是有害的
多变量分析案例（三）
某加工者在制造直径要求为0.0250英寸±0.001英寸的 圆柱体转子轴时，出了很多废品。有3个轴式上午8点加 工的，其它的为上午9、10、11和12点加工的。对每个 轴要进行四次测量——2次在右面，两次在右面，对每 个轴从左到右测量锥度；从上到下测试不同心度，让轴 转动，测量最大直径点和最小直径点。这样，在部件内 变量中，就会出现两个子族，即锥度和不同心度，绿Y 为转子的直径。针对数据做变量图如下：
好处：减少数据量
X：变量
红X
粉红X
浅粉红X
绿Y
测量精度：5:1，（即变量变化范围:测量工艺精度）≥5
X变 量 对 Y的 影 响 比 重 60%
50ቤተ መጻሕፍቲ ባይዱ 50%
40%
30% 20%
20%
10%
0% 红X
粉红X 原因重要性
10% 浅粉红X
多变量分析
成对比较
部件搜索 针对20个以上的变量
集中图
产品/过程搜索
3. 如果红X是部件对部件的变量组,就要检验周期图形、灰 尘及管理等，这些银子可以影响一个部件，蛋不会连续 影响其它部件，为进一步使用部件搜索和成对比较相对 顺利；
4. 如果是时间变量组，注意过程中随时间变化的规律，可进 行产品/过程搜索。
5. 如果残留的相关变量在5~20个，可以进行变量搜索；如 果少至2~4之间，可再进行全析因分析。
4、做析因分析
通过上表，可以算出A的主效应=[(35+17.5) — （15.5+17.5)]/2=10 E的主效应=[(35+17.5） — （15.5+17)]/2=10
AE之间的交互效应= [(35+15.5） — （17.5+17)]/2=8
成对比较
复杂的东西简单化，统计的东西非理论化
用途：用于装配操作，部件不能拆卸分离时对部件的属 性进行比较鉴别重要因子
思维创新工具
变量搜索
全析因
确认重要变量
B Vs C分析 散布图 响应曲面图
SPC
确认改善效果 优化X变量的公差
持续改善
为什么首先要讲多变量分析？
最重要的是该工具针对大量没有直接联系的、猜测 的可能原因和不可处理的变量减少到少得多的一族相 关变量。
多变量分析为其它工具的使用提供一个分析基础。
多变量分析是一种过滤技术，将20个以上变量过滤， 定位最可能的原因，可以形象的称之“漏斗法”
适用条件：在同样的运行条件下，同时存在好坏时，直 接使用成对比较，避开多变量分析。
试验样品：6-8个好部件和6-8个差部件。
成对比较的通用性很强，可以用于设计、管理、技术等 各种场合的部件对比。后一章关于部件/过程搜索的方法 与本章基本一样，成对比较主要针对不能拆卸的子部件 参数，而产品/过程搜索主要针对过程参数，如温度，角 度，湿度、时间等变化的因子。其实在具体使用中，子 部件的参数和过程参数都可以同时使用成对比较。产品/ 过程搜索就不再累述。
分析和结论
1、仅需进行目视分析；
2、检查缺陷是否集中发生在产品或过程中的特定区域；