InsightFab — AI 製程分析平台

情境

射出成型製程翹曲不良，主管要你找出最佳參數。你面前有四個可調因子：模溫、料溫、保壓時間、冷卻時間，每個各有三個水準。你的同事說：「一個一個試吧，把其他三個固定，只調一個。」

這樣要跑 4 × 3 = 12 組。但問題是，這四個因子之間可能有交互作用——你調模溫的效果，可能在料溫高的時候才出現。一個一個試，永遠找不到真正的最佳組合。

DOE 的做法是：設計 9 組實驗，同時估計四個因子的主效果。

DOE（實驗設計）的核心邏輯是：用「正交」的方式安排實驗，讓每個因子的效果可以被獨立估計，互不干擾。

「正交」就是：每個因子的每個水準，在整個實驗裡出現的次數一樣多。這樣算出來的「因子效果」就不會被其他因子的變化污染。

田口 L9 正交表，4 個因子、3 個水準，只需要 9 次實驗，就能估計每個因子的影響程度。全因子要跑 81 次，省了 89%。

S/N 比（訊噪比）是田口法的關鍵：不只要讓平均值靠近目標，還要讓變異最小。越大越好、越小越好、望目，三種情況各有公式。S/N 比越高，表示這組參數越穩健。

先做「因子效果圖」：哪個因子的線斜率最大，影響最大

找讓 S/N 比最高的各因子水準組合

做確認實驗：預測值和實際值相差 > 20%，代表有交互作用，要改用全因子實驗

不適合用田口法的情況：你已知某兩個因子有強交互作用（例如溫度和時間在化學反應裡通常有），這時要改用 Response Surface Method。

在 JMP 設計 DOE 要選正交表類型、手動輸入實驗結果、再解讀 ANOVA 輸出表格。在 InsightFab，選好因子和水準後，自動生成實驗表格，輸入結果後直接告訴你最佳組合和預測改善幅度。

「全因子實驗是蠻力，DOE 是謀略。在資源有限的產線，謀略永遠比蠻力值錢。」