實驗設計(DOE)的案例
Moldex3D模流分析之結合模流分析和實驗設計(DOE) 快速找到產品最優解
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 Doe實驗設計正交實驗設計法簡介
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 Moldex3D模流分析之使用實驗設計功能改善成型條件
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 【產品】智能優化軟件 - AIPOD 2022R2版本新功能詳解
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 
基于Isight和Abaqus的實驗設計方法
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 利用OptiStruct進行汽車懸架系統輕量化設計并提高其耐久性
Andrew Charlesworth
設計分析師
Gestamp
解決方案
Gestamp 公司選擇 Altair 開發的一套自定義工具，簡稱為“RTB 工具箱”，它可以用來指導最初的 RTB 概念設計，使其一些參數符合運動學和法規（K＆C）的要求，如側傾剛度和側傾轉向，從而消除初始“反復試錯”的設計循環。
該軟件使用高性能前處理器 HyperMesh 在 RTB 裝配體的每個組件中創建外形設計變量，HyperStudy 用于設置 實驗設計(DOE)，通過 DOE 可以得到每一個設計變量對于響應的靈敏度，另外 DOE 可以為后續響應面的創建提供數據點，最終的優化設計將基于響應面進行。
設計過程的下一階段是建立從優化工具箱輸出的 CAD 模型。這個模型滿足耐久性要求和強度標準。
經過多個客戶項目驗證，反相滾動耐用性負載顯著影響結構質量。在實驗中，相對的垂直位移被施加到一個 RTB系統的車輪中心，以模擬車輛轉彎的重復循環載荷。一般來說，側傾剛度增加，疲勞性能降低。
耐久性分析和先前實驗所得的經驗可以定義關鍵位置焊縫的應力極限（例如本例中加強件與扭轉件之間）。這兩個部件的關系對側傾剛度和疲勞壽命有顯著影響。
展開 Moldex3D模流分析之應用Moldex3D實驗設計法分析 降低隱形眼鏡殼模翹曲變形
圖五 原始設計：存在充填不平衡問題
圖六 設計變更：將前弧處澆口加大
圖七 設計變更后的充填情形
經由CAE模擬原始設計和實驗法設計翹曲變形量，得到的結果可看出，加總實驗設計法之最佳參數與模具設計改善后效果，可將翹曲改善率提升17.28%。
結果
Moldex3D DOE 實驗分析法協助臺科大團隊快速取得最佳成型參數組別，提供設計變更正確的方向成功降低變形量，避免投入過多的試誤成本，快速達成產品設計與成型制程優化目標。
展開 別讓DOE的加工變“開盲盒”！用 Data-Defined Transimission(CF-TRAN01) 驗證 DOE 設計，真的太香了
因為相位圖設計完成和最終光場重建正確之間，并不能直接畫等號。中間還隔著很多坑，比如：
一、為什么DOE設計一定要先驗證？
如果你正在做DOE設計，或者你手上已經有相位圖了，但還不知道該怎么驗證，這篇基本可以直接拿去照著做。
這次我們不講特別復雜的大系統，就拿一個非常典型、也非常有代表性的案例來講：驗證一個 3×3 分束DOE 的整形效果。
所以今天這篇，我想分享一個特別實用、也特別適合工程場景的方法：怎么用 VirtualLab Fusion 里的 Data-Defined Transimission(CF-TRAN01)，把一張設計好的相位圖，真正變成可驗證的DOE模型，并且在加工之前，先把結果看明白。
說白了，DOE設計里最怕的，從來都不是沒有相位圖，而是你手里明明已經有了相位圖，卻不知道它到底靠不靠譜。
它到底能不能把光整形成我想要的樣子？ 它在目標面上到底會不會形成設計中的光斑？ 它是“理論上可行”，還是“實際上翻車”？ 如果直接拿去加工，最后會不會花了錢、等了周期，結果出來一看：不對勁？
算法跑完了，相位圖也出來了，文件夾里安安靜靜躺著一張“看起來很像那么回事”的全息相位圖。這個時候，最讓人上頭的問題就來了——這張圖，真的能打嗎？
做DOE設計的人，大概率都經歷過這樣一個瞬間：
整個流程其實不復雜，總共可以分成五步，如圖2所示。真正做一遍之后你會發現，它比很多人想象中要直觀得多。
四、這個案例具體怎么做？
這一點非常關鍵。
展開 基于Isight多學科優化及輕量化優化
前言：產品設計和制造過程已經發展了幾個世紀。許多復雜的系統，如橋梁，建筑物，飛機，汽車等，都是這一過程的優秀成果。該過程涉及反復試錯的設計方法，包括初始設計，測試和修改初始設計，直到找到安全設計。
在大多數情況下，許多設計可以是安全的設計，但其中只有一個是最佳設計，不僅安全，而且在滿足所有標準方面也是最好的。試錯設計方法是在豐富的自然資源中發展起來的一種具有數百年歷史的設計方法，它在尋求安全設計的同時，并不直接以尋找最佳設計為目的。因此，在目前的設計過程中，確定最佳設計即使不是不可能的，但也是一項代價高昂的任務，因為試錯設計沒有系統的方法來分析和比較不同的設計優劣。
以橋梁設計為例。橋梁構建了由障礙物隔開的兩個區域之間的交通。需要滿足其安全性，成本，耐久性，維護性，可制造性等要求。使用試錯法，工程師無法評估這些要求所有不同的可能性，并找到最佳的橋梁設計。
因此，工程師通常采用以前的設計，并對其進行修改設計，直到滿足設計要求。只有在啟動新的類似設計任務時才會進行改進以增加其價值。因此，過去設計系統的發展需要大量的時間和資源。
隨著自然資源的減少，市場競爭的加劇和計算能力的提高，這種傳統的試錯法設計正在被仿真驅動設計所取代。仿真驅動設計不僅可以搜索安全設計，還可以搜索最佳設計，從而更快地實現最佳性能設計。換句話說，仿真驅動設計過程消除了（經典）試錯過程的隨機性。
在仿真驅動設計過程中，理想情況下需要包括盡可能多的獨立設計參數，因為大量設計參數將在設計搜索中創造更大的靈活性。但是，實際上，我們不希望將計算時間浪費在對設計沒有太大影響的參數上。因此，建議將參數篩選的實驗設計（DOE）作為優化的第一步。一旦通過參數篩選減少了問題規模，根據問題，我們可以繼續使用元模型。
展開 SAMCEF BOSS Quattro集成優化案例
BOSS Quattro：一個完全開放的多學科優化(MDO)環境，可以讓用戶通過軟件提供的從簡單的參數化研究到完整自動的優化等一系列工具探索設計空間，還包括統計分析(Monte-Carlo)、實驗設計(DOE)、響應面和模型更新，。BOSS Quattro可以驅動多數商業化的CAD&FEA軟件，如CATIA、Samcef和Nastran等，可實現多目標多學科優化設計，可以實現SAMCEF模型的全參數化優化，該軟件類似于多目標優化設計軟件isight，但是isight目前與samcef聯結需要做相應的接口，相對比較復雜，大家可以嘗試一下SAMCEF BOSSQuattro優化軟件，功能也相當強大！
下載地址（百度網盤）：
http://yun.baidu.com/pcloud/album/info?query_uk=1882165809&album_id=909225107374956128
展開 實驗室設計規劃-環境可靠性實驗室設計要點
熟悉實驗室施工及驗收標準
※.設計規劃項目內容18+
常規意義上的設計內容一般含有：平面設計、墻面設計、頂面設計、地面設計、門窗設計、過道設計、大廳設計、辦公室設計、儀器設備布局、全套3d效果設計、各類功能系統設計、裝修清單及預算等（如圖所示）
按設計規劃內容大類來分有：
1.實驗室裝修圖紙
1.1實驗室平面功能規劃圖（非常重要）
1.2實驗室墻體尺寸定位圖
1.3實驗室墻面材質說明圖
1.4實驗室地面材質鋪裝圖
1.5實驗室頂面材質鋪裝圖
1.6實驗室設備定位圖
1.7實驗室燈具照明定位圖
2、實驗室電器系統圖
2.1實驗室干線豎向系統圖
2.2實驗室電氣系統圖
2.3實驗室動力配電圖
2.4實驗室照明配電圖
2.5實驗室插座配電圖
2.6實驗室空調配電圖
2.7實驗室弱電布線圖
3、實驗室給排水系統圖
3.1實驗室給排水系統圖
3.2實驗室給水管道平面圖
3.3實驗室冷卻水管道平面圖
3.4實驗室廢水管道平面圖
4、實驗室暖通系統圖紙
4.1實驗室設備表
4.2實驗室多聯空調機組系統流程圖
4.3實驗室多聯空調機組系統平面圖
4.4實驗室多聯空調機組冷凝水管平面圖
4.5實驗室風口平面布置圖
4.6實驗室通風平面布置圖
5、實驗室效果圖
5.1實驗室設備區效果圖1張
5.2實驗室過道區效果圖1張
5.3實驗室會議區效果圖1張
※.設計規劃參考標準（部分）
GB 2894 安全標志及其使用導則
GB 3095 環境空氣質量標準
GB 3836.14 爆炸性環境 第14部分:場所分類 爆炸性氣體環境
GB 4962 氫氣使用安全技術規程
展開 
SYNOPSSY光學設計軟件--- 在現代鏡頭設計中使用 DOE
概述
（更多精彩技術案例，請關注“武漢墨光”微信公眾號）
? MDS填DSEARCH菜單 ? ADA添加DOE、ASY打印DOE表面數據
? MMA設置透射率映射到孔徑的菜單、DMASK分布 ? MMA設置空間頻率圖的菜單。
設置工作目錄
選擇Dbook工作目錄
填DSEARCH菜單MDS按圖中填好數據并存入待命名的宏中，例子已經存入C23M1中，并修改了點擊 按鈕打開C23M1點擊 按鈕
優化并模擬退火運行DSEARCH_OPT.MAC點擊 按鈕，模擬退火(50, 2, 50)
用ADA添加DOE在DSEARCH_OPT的PANT文件前添加命令ADA 5 QUIET點擊 按鈕ADA的意思是Automatic DOE Assignment，自動衍射光學元件分配
A添加第二個DOE
在PANT文件中添加，VY 9 G 16、VY 9 G 26、VY 9 G 27、VY 9 G 28、VY 9 G 29
再次運行DSEARCH_OPT。
怎么知道哪些 G 變量有變化，在Help文件中輸入USS，選擇Type，16您會看到這些系數將從 2 到 8 階改變基本曲率和OPD 項。
展開 SYNOPSYS 光學設計軟件課程十九：DOE 在現代鏡頭設計中的應用
課程十九：DOE在現代鏡頭設計中的應用
在本課中，我們將重新設計一個5片鏡片的鏡頭，然后在某處添加衍射光學元件（DOE），查看是否可以改善其性能。
通過 MDS 對話框中的定義選項將創建一個 MACro，它將運行 DSEARCH 命令，并填充所有數據。
該設計將輸入 F / 3.5，半視場角為25度，孔徑為12毫米。我們選擇使用 SPECIAL AANT 代碼來控制后焦，這樣可以使后焦長度大于 22 毫米。我們還要求主光線角度不能過大。
當我們單擊 OK 按鈕時，程序會加載我們的 MACRO。我們在頂部添加了 CORE 16指令，以加快我們的8核超線程 PC 的速度，并指定一個長延遲（因此它不會要求中止其他內核，這可能需要更長時間）和一個數量為 6 的網格（因為非球面和 DOE 會導致高階孔徑像差）。
我們要設計 DOE 曲面，需要選擇五個視場進行校正。
我們還為每種情況的曲率半徑指定了四個不同的起始值，依次進行研究。請記住，即使對初始條件進行少量更改也可能將 DSEARCH 發送到鏡頭設計樹的不同分支，這將使搜索的案例數量增加四倍。
我們運行這個 MACro 并且看到從 DSEARCH 返回的最好鏡頭，點擊按鈕，模擬退火(50, 2, 50),并不能滿足我們的要求。
我們可以通過增加更多的鏡片數來獲得更好的結果--但是我們希望，通過將其中一個鏡頭，更改為 DOE 來改進我們的鏡頭。該程序為我們創建了一個優化 MACro，使得繼續優化和模擬退火非常容易。讓我們來試試 DOE。在頂部添加另一條 MACro。（“ADA”表示自動 DOE 分配。）
展開 回到DOE設計的未來（1）
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（RCWA）和自由空間傳播的傅立葉技術相結合，使光學工程師不僅可以設計元件，還可以分析它們在復雜系統中的行為。
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。
第一部分：衍射分束器的設計與嚴格優化
展開 [VirtualLab] 回到DOE設計的未來（1）
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，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（RCWA）和自由空間傳播的傅立葉技術相結合，使光學工程師不僅可以設計元件，還可以分析它們在復雜系統中的行為。
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。
非傍軸衍射分束器的設計與嚴格分析
傅里葉模態法（FMM）應用于非傍軸衍射分束器的嚴格評估，該分束器最初是使用迭代傅里葉變換算法（IFTA）和薄元件近似（TEA）設計的。
展開 