正交实验设计DOE与方差分析器｜SPC实战工具
这个工具解决什么问题
工艺调优时，工程师手上有 3~5 个参数、每个 2~3 个水平，全因子试验要做几十次跑不完。 正交表能把试验次数压到 9 次甚至更少，但「哪个因子真正有影响」「最优组合是哪一组」 「结论可不可信」这三件事，靠人工算极差和平方和非常容易出错。
本工具按 L9 正交表读入实验结果，自动完成：极差分析（因子主次排序）、ANOVA 方差分析 （含 F 检验 p 值，纯标准库实现不完全 Beta 函数）、贡献率、最优水平组合推荐与预测值。
输入数据格式
数据文件 doe_runs.csv，列顺序为：run、A_温度、B_时间、C_浓度、刻蚀速率均匀性(%)。
示例首行：1,850C,30s,1.0%,88.24
示例输出（真实运行结果节选）
==============================================================================
正交实验设计（DOE）分析报告
响应指标：刻蚀速率均匀性(%) 实验次数：9（L9 三因素三水平）
==============================================================================
【一、实验数据总览】
------------------------------------------------------------------------------
run A_温度 B_时间 C_浓度 刻蚀速率均匀性(%)
1 850C 30s 1.0% 88.24
2 850C 45s 1.5% 90.29
3 850C 60s 2.0% 91.93
4 900C 30s 1.5% 91.48
5 900C 45s 2.0% 93.34
6 900C 60s 1.0% 91.68
7 950C 30s 2.0% 94.12
8 950C 45s 1.0% 92.75
9 950C 60s 1.5% 95.52
总均值 = 92.150 总平方和 SS_total = 36.480 误差自由度 = 2
【二、各因子水平均值与极差（主效应分析）】
------------------------------------------------------------------------------
因子 水平1 水平2 水平3 极差R 排序
A_温度 90.153 92.167 94.130 3.977 第1位
B_时间 91.280 92.127 93.043 1.763 第3位
C_浓度 90.890 92.430 93.130 2.240 第2位
因子主次排序（极差越大影响越大）：
A_温度(R=3.977) > C_浓度(R=2.240) > B_时间(R=1.763)
【三、方差分析（ANOVA，F 检验）】
-------------------
正交实验设计 DOE 与方差分析器
> 半导体/制造业工程师 Python 实战工具 · 核心功能零第三方依赖
文件内容
· doe_analyzer.py：主程序（Python 3.8+，零第三方依赖） · doe_runs.csv：L9 正交表示例数据（3 因子 × 3 水平，9 次实验） · doe_report.txt：运行后自动生成的中文分析报告 · 附赠提示词.txt：同主题 AI 提示词 1 套
运行方法
python doe_analyzer.py # 首次运行自动生成示例数据 python doe_analyzer.py --demo # 删除示例数据重新生成
输入数据格式（doe_runs.csv）
> 换成自己的因子/水平时，同步修改脚本顶部 FACTORS（因子名与水平取值列表）与 L9 正交表即可。
输出说明
1. 实验数据总览：原始数据 + 总均值 + 总平方和 + 误差自由度 2. 主效应分析：各因子各水平的均值、极差 R、因子主次排序 3. 方差分析 ANOVA：SS / df / MS / F / p 值 / 显著性星级（* / / *） 4. 贡献率：各因子平方和占比，量化「谁更重要」 5. 推荐最优水平组合：各因子取最优水平，并给出预测响应值与预期提升 6. 工程建议：不显著因子先固定在最经济水平，误差自由度不足时追加确认实验
结果怎么读
· 极差 R 排序 = 影响主次，ANOVA 的 p 值回答「这个影响是不是噪声」。 · 误差自由度只有 2 时，显著性结论置信度有限——本工具会在报告里明确提示， 这是很多 DOE 报告不敢说的一句实话。 · 预测最优值属外推估计，落地前务必做 3 次中心点确认实验。
可调参数与计算口径
脚本顶部集中了主要阈值与常量：DATA=os.path.join(BASE, "doe_runs.csv")、REPORT=os.path.join(BASE, "doe_report.txt")、FACTORS=[、GRAND=92.0、RESP_NAME="刻蚀速率均匀性(%)"、NAMES=[c[0] for c in FACTORS]。改完直接重跑即可，不必改动计算逻辑。
会生成哪些文件
运行后除控制台输出外，还会生成：doe_runs.csv、doe_report.txt。
脚本里的主要处理步骤
make_sample()：按设定效应 + 确定性噪声生成 L9 示例响应（保证每次结果一致、结论有区分度）。f_pvalue()：P(F > f)
以上步骤在脚本中是分开的函数，可以单独调用或按需替换其中一段，不必整体重写。
工具中出现的字段与提示
- A_温度
- B_时间
- C_浓度
- 刻蚀速率均匀性(%)
- 确定性伪随机噪声（线性同余），保证每次运行结果一致。
- 按设定效应 + 确定性噪声生成 L9 示例响应（保证每次结果一致、结论有区分度）。
- [示例数据] 已生成 %s（L9 正交表，%d 次实验）
- ***非常显著
- **显著
- *边缘显著
- 正交实验设计（DOE）分析报告
- 响应指标：%s 实验次数：%d（L9 三因素三水平）
- 【一、实验数据总览】
- 【二、各因子水平均值与极差（主效应分析）】
- 极差R 排序
- %7.3f 第%d位
- 因子主次排序（极差越大影响越大）：
- 【三、方差分析（ANOVA，F 检验）】
其余字段以界面与示例报告为准。
下载与文件清单
压缩包内包含：主程序脚本、示例数据文件、示例输出报告、中文说明文档，以及同主题 AI 提示词一套。解压后按说明运行即可，示例数据可直接试跑。
主程序文件：doe_analyzer.py。
本站工具免费下载，无需注册。工具为 Python 脚本，Python 3.8 及以上环境可直接运行，核心功能尽量不依赖第三方库。
常见问题
输入数据要准备成什么样？
按 示例首行中的列顺序准备即可，共 5 列：run、A_温度、B_时间、C_浓度、刻蚀速率均匀性(%)。列为空或格式不符时结果会失真，建议先用示例数据试跑一遍。
跑完最该关注哪几项？
报告按 一、实验数据总览、二、各因子水平均值与极差（主效应分析）、三、方差分析（ANOVA，F 检验）、四、推荐最优水平组合、五、工程建议 等部分组织，其中判定结论与建议部分直接对应下一步动作。
阈值可以改成我们自己的标准吗？
可以，脚本顶部已把主要阈值与常量集中声明，按自己产线的标准修改后重跑即可，不需要改计算逻辑。
附赠的提示词怎么用？
把提示词与自己的数据一起交给大模型，可以让它按同一套口径帮你改写分析流程或扩展报告字段。
同分类的其它工具
分类归属：SPC与质量分析工具包；完整清单在 工具资源包下载页。
