文档介绍：DOE设计
DOE设计
如何去设计和完成DOE
混淆是如何影响你的DOE的
理解设计的解析度及其含义
区分重复和复制
理解随机化的重要性
模块化战略
为什么/何时使用中心点
如何确定实验的功效
因素水平设置的战略
理解设计的重要性
课程目的
DOE计划设计步骤
试验计划步骤
定义目标
选择反应变量“Y”
对Y、X变量的MSA分析
选择自变量“X”
变量X的水平设置
选择试验类型
进行试验和数据收集
分析数据
得出统计结论并检定
验证试验
定义目标
陈述试验目的:
分析『自变量』对『反应变量』的影响并进行改进
例:1)分析洗涤时间、水温、清洗剂种类、清洗剂浓度对洗衣机
清洗效果的影响,并进行最适设置。
2)分析销售地点、面积、布置、员工对平均销售量的影响。
试验设计前先回答如下问题:
我想解决什么问题?
现况(Baseline)为何?
想要得出什么结论?
是否有意义?以及是否具备相关资源?
没有回答左述问题之前,不要急于试验设计!
要明确所想改进的品质特性所对应的响应变量(Y),并定义其量测指标:
同时有多个响应变量(Y)时:
可以同时构建自变量X 与响应变量Y的函数模型。但最终效应需综
合考量;
响应变量Y的量化:属性数据、连续数据
属性数据(go&no go)的有效性不及连续数据的63%,
因此需要大量的数据才能得出有效统计结论;
有些情况下对响应变量Y的数据测量是很困难的:
通常可以进行分级、与Limited Sample比较;
选择响应变量(Y)
勿忘 MSA
无论您的Y是何种数据类型,在进行试验前,必须验证相应的量测系统。
量测系统的误差会把您的所有心血都浪费!
切记对于一切变量:自变量X和因变量Y, Gage R&R都很重要
正确选择自变量X
经验表明所有因素中往往只有2-6个少数关键变量起作用。
选择X变量,使用正确的方法,进行研究:
专家意见
头脑风暴
流程分析
因果特性分析
C&E Matrix
标杆分析
分析阶段的结论(假设检验、方差分析)
自变量X的水平设置
设置“X”的水平:
X变量的水平设置取决于试验目的和响应变量特性
一般选择高、低2水平(试验次数少)
为了防止试验结果(因子效应)是
非线性的,需要设置中心点来观察。
▽
▽
▽
▽
▽
▽
▽
▽
▽
▽
▽
-1
1
▽
▽
▽
▽
▽
▽
▽
▽
▽
▽
▽
-1
1
▽
▽
0
要有足够大的水平差异来体现“效应”的差异;
水平不能超出适用范围(一般略微超出当前管制范围);
应当认识到试验中的某些组合可能产生无法接受的结果,但这是为分析
因子效应所必须的;
选择试验类型
当设计一个试验时,要考虑以下几个关键因素…
试验类型(全阶乘?分数阶乘?RSM?)
干扰因素
效应(Effect)和解析度
随机化和分区组
样本容量
风险(Power)
重复和复制
其它注意事项(试验过程控制)
试验类型(全阶乘?分数阶乘?RSM?)
干扰因素
干扰因素会影响试验结果,但我们很难控制它,此类变量可能是已知或未知。
例如:
环境温湿度
班别(人员变化)
材料的变异(厂商、LOT)
设备的磨损
通常可以通过:
随机化---平均分配影响程度
区组化---Block设置来考量干扰程度