實驗設計(DOE)
關注創建者：匿名 創建時間：2026-01-05
實驗設計(DOE)的視頻教程
Flotherm進階教程——EDA/TEC/DOE/Calibration的使用
此系列視頻： 介紹使用FloEDA進行單板布線的詳細建模 使用Flotherm中的優化中心對熱電冷卻器（TEC）進行仿真 Flotherm中極端有用工具實驗設計（DOE，自動尋找最優解）的使用方法 最后還介紹了Flotherm中仿真測試結合工具結構函數的用法，介紹了Flotherm中Calibration工具的具體操作。
￥499 7小時24分鐘 235播放
查看
實驗設計(DOE)的實例教程
實驗設計(Design of Experiment, DOE)
射出成型產品的最終質量，與產品設計、模具設計、材料性質、以及成型條件等多重因素有關；每一個因素的改變，都可能會對質量造成影響。若運用傳統的試誤法一一找出各項變因的影響，相當耗費成本且效率低落；要有效且快速的找到關鍵因素、以解決成型問題及優化產品質量，就需要仰賴有系統的實驗設計(Design of Experiment, DOE)方法。藉由研究各因素如何影響質量，以及其之間的關系，來決定最佳的設計。
以生活中的問題為例：咖啡的美味度可能受烘焙程度(淺度、深度) 、脫水程度(低、高) 、浸泡時間(短、長)、浸泡溫度(低、高)等影響，如果一次改變一個變因去試驗，需要耗費大量時間成本；若改變二個以上的變因，則無法準確剖析該次試驗是受哪個變因影響較劇烈。以射出成型問題為例，已知塑料流速、熔化溫度、型腔塑料壓力、塑料冷卻速度等因素都會影響翹曲結果。在這么多因素影響下，若沒有豐富的經驗指路，而以試誤法去解決問題，想必不是個好辦法，這也是DOE為何重要的原因。
DOE除了可在實務上應用外，也能搭配CAE軟件使用。優化軟件提供不同的實驗設計方法，并從CAE模流分析結果得出最佳解，兩者可互相溝通甚至進行迭代。Moldex3D Studio可在單一平臺同時完成模流和優化分析(圖一)，使DOE試模過程科學化。以下將說明如何在實驗設計中決定最佳設計，以及軟件能在實務上提供哪些協助。
圖一 Moldex3D Studio在單一平臺就可同時完成模流和優化分析
如何決定最佳設計
DOE中最重要的就是控制因子(Control Factor)和質量因子(Quality Factor) ，質量因子通常為要解決或改善的問題，而控制因子則為實驗的變量。
展開 正交設計是安排多因素試驗、尋求最優水平組合的一種高效率試驗設計方法。
正交設計是利用正交表來安排多因素試驗、分析試驗結果的一種設計方法。它從多因素試驗的全部水平組合中挑選部分有代表性的水平組合進行試驗，通過對這部分試驗結果的分析了解全面試驗的情況，找出最優水平組合。
例如，研究氮、磷、鉀肥施用量對某小麥品種產量的影響：
A因素是氮肥施用量，設A1、A2、A33個水平；
B因素是磷肥施用量，設B1、B2、B33個水平；
C因素是鉀肥施用量，設C1、C2、C33個水平。
這是一個3因素每個因素3水平的試驗，各因素的水平之間全部可能的組合有27種。
如果進行全面試驗，可以分析各因素的效應，交互作用，也可選出最優水平組合。
但全面試驗包含的水平組合數較多，工作量大，由于受試驗場地、經費等限制而難于實施。
如果試驗的主要目的是尋求最優水平組合，則可利用正交設計來安排試驗。
正交設計的基本特點是：用部分試驗來代替全面試驗，通過對部分試驗結果的分析，了解全面試驗的情況。
正交試驗是用部分試驗來代替全面試驗，它不可能像全面試驗那樣對各因素效應、交互作用一一分析；當交互作用存在時，有可能出現交互作用的混雜。
如對于上述3因素每個因素3水平試驗，若不考慮交互作用，可利用正交表L9(34)安排，試驗方案僅包含9個水平組合，就能反映試驗方案包含27個水平組合的全面試驗的情況，找出最佳的生產條件。
表133試驗的全面試驗方案
3因素每個因素3水平試驗點的均衡分布圖
正交設計就是從全面試驗點（水平組合）中挑選出有代表性的部分試驗點（水平組合）來進行試驗。圖1中標有‘’9個試驗點，就是利用正交表L9(34)從27個試驗點中挑選出來的9個試驗點。
展開 透過Moldex3D Studio的實驗設計法(DOE)，即可分析從產品設計、材料選用到成型條件各階段的變化，以掌握影響質量的各項條件。
Moldex3D提供多樣化的控制/質量因子，且除射出成型之外，更支持芯片封裝等塑料成型制程。使用者只要透過DOE精靈，即可預測各項成型參數的最佳組合，大幅降低傳統試誤法所需時間，并快速厘清各項變因造成的影響。
?步驟1：新增實驗設計
首先建立DOE基礎分析組別，并完成模型、材料、成型條件、分析順序、計算參數的設定后，右鍵開啟組別清單，并點選新增實驗設計來啟動DOE精靈。
注：Moldex3D的DOE功能目前支持的模塊包含射出成型、粉末注射成型、芯片封裝成型。
?步驟2 分析順序設定
DOE精靈會根據使用者選擇的基礎組別，設定分析順序的默認值，用戶亦可依照分析需求進行調整。在DOE方法中，設定控制因子的數量與其水平數，系統會自動選擇適當的田口直角表(此處為2階水平的2個控制因子用L4(23)直交表)。
?步驟3 質量與控制因子
控制因子為需要被改善的參數設定，水平決定控制因子的變化的步數，也可視為優化分析的分辨率。本范例中使用材料(ABS、PP)與充填時間(0.8至1.6秒)做為控制因子。
質量因子是改善的目標，本范例中使用保壓_壓力(對象：全局、目標：望均)與翹曲_總位移(對象：距離、目標：望小)做為質量因子，兩者權重皆為1，代表重要性相同。
備注：自Moldex3D 2021起，網格與材料可作為控制因子的選項。質量因子部分，翹曲_總位移新增支持不同量測項目，包含全局、真圓度、平坦度與距離。
?步驟4 建立DOE組別
設定完成后，點擊下一步可以檢視DOE表格，按下建立即建立實驗組及最佳組。
展開 AIPOD是由南京天洑軟件有限公司自主研發的一款通用的智能優化設計軟件，其提供的CAD+CAE自動化集成功能和新一代智能優化算法，可以讓設計團隊專注于產品設計本身，而非數值模擬仿真過程，從而幫助設計團隊快速地尋找到更好的產品或流程設計方案。
現已正式推出AIPOD 2022R2版本。與上個版本相比，全新的AIPOD 2022R2對軟件功能進行了升級，并對用戶體驗進行了全方面的優化，具體包括：
更豐富的實驗設計(DOE)算法；
更豐富的優化設計算法；
更靈活的分布式資源利用；
更完善的后處理功能。
AIPOD 2022R2帶來的這些令人振奮的新功能，大幅完善和豐富了平臺功能，對用戶的使用場景進行了更全面的覆蓋，能夠更好的幫助用戶開展優化設計。
更豐富的實驗設計(DOE)算法
AIPOD 2022R2中補充了包含sobol、部分因子采樣等7種實驗設計算法，平臺內實驗設計算法多樣性實現極大提升，進一步擴展了對用戶不同需求的實驗設計場景覆蓋。此外，2022R2版本對平臺內已集成的均勻采樣等算法進行了優化，賦予了用戶對參與采樣變量更靈活配置的能力。
圖 1 實驗設計(DOE算法)
更豐富的優化設計算法
AIPOD 2022R2針對單目標優化需求，補充了包含近兩年學術界提出的天鷹優化引擎在內20余種學術前沿算法；針對多目標優化需求，補充了包含近兩年學術界最新提出的AGEMOEA2的5種學術前沿算法，新算法的引入使得平臺內優化設計算法數量多達50余種。
展開 1.導讀
實驗設計（Design of Experiment,DOE）是一種安排實驗和分析實驗數據的數理統計方法，已經廣泛應用于產品設計中。通過對產品質量、工藝參數的量化分析，DOE可搜尋關鍵因素，控制與產品設計相關的因素，然后對實驗進行合理安排，以最少的實驗次數獲得理想的實驗結果。常用的DOE方法有正交實驗、拉丁超立方、全因子分析法、Box-Behnken、田口法等。正交實驗具有“均勻分散，齊整可比”的特點，正交實驗能夠保證各種主要因素的各種可能，但是實驗次數較多。拉丁超立方能夠保證樣本均勻分布在樣本空間，且以更少的實驗次數實現目的。在產品設計時，若能根據需求方便使用各種DOE方法，將能事半功倍。Isight能夠快速實現多種DOE方法，已經集成了主流的DOE方法，產品設計時，設計人員能根據設計需求靈活調用各種方法。
圖1 拉丁超立方原理圖
2.問題描述
針對一端受載，另一端固定的懸臂梁，實驗設計其彈性模量、泊松比和集中力三個因素，使得懸臂梁的最大位移最小。
圖2 流程搭建示意圖
3.實驗設計
本案例將結合Isight和Abaqus完成多因素實驗設計。Isight主要是完成實驗設計流程，而Abaqus是完成懸臂梁建模并進行有限元分析。在Isight中，拖拽Abaqus和實驗設計DOE模塊完成實驗設計流程化創建。
Abaqus模塊：導入懸臂梁Job-beam.inp和Job-beam.odb文件,選擇實驗設計參數。
DOE模塊：選擇拉丁超立方實驗設計，各設計變量上下10%的浮動，共20組數據點。
展開 
實驗設計(DOE)的相關專題、標簽、搜索
實驗設計(DOE)的最新內容
如圖1所示，系統參數如下：光源是高斯光源 束腰直徑 8 mm，也就是束腰半徑 4 mm 波長 532 nm DOE器件尺寸 8 mm × 8 mm 目標平面位于DOE后方 200 mm 目標是看目標面上能不能得到 3×3 點陣分布
這次我們驗證的是一個很經典的
一種快速方法是利用仿真中的大量數據豐富該引擎，您在仿真中已經嘗試了多種實驗設計（DOE）變化，可以將所有這些數據饋送回該引擎。”
利用Ansys技術實現更高的效率
我們已經探討了仿真驅動的全面數字工程戰略對于電動汽車電池工藝制造的優勢。
第一部分：衍射分束器的設計與嚴格優化
在我們關于衍射光學元件（DOES）系列的第一部分中，我們想把注意力轉向衍射光束分束器，與光束整形器和勻光片等其他DOE不同，衍射光束分束器希望產生統一的離散模式。由于這些部件的工作原理是基于這些圖案表面對入射光的衍射，因此DOE光束整形器和光束分束器的設計可以比其折射對應物更薄、更輕，但所需的小結構尺寸使它們更難模擬，而且資源密集。
在這一領域
回到DOE設計的未來（1）3個月前
非傍軸衍射分束器的設計與嚴格分析
例如，我們想介紹一種非傍軸分束器的設計，該分束器通過應用嚴格的技術進一步優化。該案例深入研究了我們的衍射光學元件和微結構組件。
在這一領域，VirtualLab Fusion的快速、準確和靈活的模擬和設計算法發揮了它們的優勢：不同的求解器的優勢，如薄元件近似（TEA）、嚴格耦合波分析（
這意味著在初始實驗設計（DOE）后，AMOP會自動為輸出創建MOP。AMOP可以通過元建模定位高敏感度區域，以及確定在哪些區域可以通過增加新的觀測點來提高模型質量。根據該分析結果，AMOP會自動運行新的仿真，以供未來的設計迭代使用。通過這種方式，AMOP在需要的地方重新定義DOE，以實現最佳元模型質量，從而減少手動輸入和仿真次數。
呂依穎
（棗莊學院 光電工程學院，山東 棗莊 277160）
摘要：仿真模擬軟件的使用在光學研究中具有非常重要的意義。本文介紹了最新的光學建模與分析軟件VirtualLab，通過其在光學理論和實驗中的應用舉例，模擬了單縫衍射現象，邁克耳遜干涉儀實驗裝置和雙折射晶體產生的偏振現象，并探討了該軟件在設計型實驗中的應用。
關鍵詞：光學實驗；virtualLab仿真；衍射;邁克爾遜干涉實驗；偏振現象
呂依穎
（棗莊學院 光電工程學院，山東 棗莊 277160）
摘要：仿真模擬軟件的使用在光學研究中具有非常重要的意義。本文介紹了最新的光學建模與分析軟件VirtualL ab，通過其在光學理論和實驗中的應用舉例，模擬了單縫衍射現象，邁克耳遜干涉儀實驗裝置和雙折射晶體產生的偏 振現象，并探討了該軟件在設計型實驗中的應用。
關鍵詞：光學實驗；virtualLab仿真；
</p><p class="ql-align-justify">除此之外，也可通過樣本平衡、實驗設計（DoE）等手段擴充數據集；另一種方法是引入大模型輔助打標簽，通過預訓練模型將少量數據擴展為帶標簽的大樣本集。然而，從安全性與可控性考慮，建議關鍵數據仍應由企業自身生成，尤其是在制造領域。整體來看，數據不足的問題，最根本的解決辦法仍是客戶主動建立數據采集意識與機制。
附件下載
聯系工作人員獲取附件
本文討論了衍射光學元件（DOE）和超透鏡（metalens）的設計過程。主要目的是為剛接觸這個課題的設計者提供一個起點，看看OpticStudio有哪些方法可使用。
對包括DOE/metalens在內的系統進行模擬和設計總是很棘手，沒有通用的方法來處理所有情況。設計師需要根據具體情況決定其設計策略。許多情況下設計過程中需要兩種不同的光學理論/算法來分別處理光束在自由空間和微觀結構中的傳播
表一 實驗設計（DOE）方法之L18田口直交表
分析結果顯示，控制因子影響程度依序為塑料溫度、保壓時間、射出壓力、保壓壓力、冷卻時間、模具溫度，最佳參數如表二所示。
表二 優化成型參數
采用優化成型參數后，翹曲總位移最大值由8.063mm降至6.29mm，減少28.1%。而體積收縮率最大值則從10.557% 降至9.436%，減少了11.8% (如圖三所示)。
