DOE简介(经典方法)

试验设计(DesignofExperiments)简介Pg2确认偏差来源:探测性分析取得突破的蓝图优化输出变量控制X和监控Y确立长期质量管理控制明确项目定义确认输入及输出指标分析测量系统确定工艺能力测量确认偏差来源:统计性分析确认偏差来源:方差分析规划试验设计分析筛选关键输入变量(DOE)找寻交互作用(DOE)确定Y=f(X)改进6Sigma概论项目管理计算机应用基础统计学确定Pg3改进阶段:可能取得的成果项目回顾和第一,二次课程其余成果筛选关键输入变量设计一个试验部分因子试验找寻交互作用(DOE)及定义Y=f(X)2K因子试验2K:中心点及分区试验为DOE选定样本尺寸全因子试验优化试验简介完成阶段总结结论,问题和下阶段任务Pg4Y=f(x)试验–定义试验是一个或一系列有目的地改变流程或系统的输入变量以观察识别输出应变量随之改变的实验DouglasC.Montgomery那些自变量X显著的影响着Y?这些自变量X取什么值时将会使Y达到最佳值?Pg5噪音输入变量(连续)流程或系统的一般模型可控输入变量流程关键流程输出指标噪音输入变量(离散)?Pg6试验的目的确定那些输入对输出影响最大(确定关键输入变量)什么样的输入设置能产生理想的输出结果怎样设置影响最大的输入水平以减少输出变量的变化范围怎样设置可控输入水平使得不能控制的输入变量对输出的影响减到最小找出定义流程的公式(y=f(x))以优化流程Pg7试验设计中的基本术语因子(可控因子,非可控因子)X水平:为了研究因子对响应的影响,需要用到因子的两个或更多的不同的取值,这些取值称为因子的水平(level)或设置(Setting).处理:按照设定因子水平的组合,我们就能进行一次试验,可以获得一次响应变量的观测值,也可以称为一次“试验”(trial,experimentalrun),也称为“一次运行”(run).试验单元(experimentunit):对象,材料或制品等载体,处理(试验)应用其上的最小单位试验环境:以已知或未知的方式影响试验结果的周围环境模型:可控因子(X1,X2,…Xn),响应变量(Y),f某个确定的函数关系Y=f(X1,X2,X3,…..Xk)+Error(误差)主效应:某因子处于不同水平时响应变量的差异交互效应:如果因子A的效应依赖于因子B所处的水平时,我们称A与B之间有交互作用.OFAT法（One-Factor-At-a-Time)：在各因子的变化范围每次改变一个因子的水平以选定各因子的最佳水平。.Pg8试验设计的基本原则重复试验(replication)一个处理施加于多个试验单元。我们一定要进行不同单元的重复(replicate)，而不能仅进行同单元的重复(repetition):要重做试验，而不能仅重复观测或重复取样。随机化(randomization)：用完全随机的方式安排各次试验的顺序和／或所用的试验单元。防止那些试验者未知的但可能会对响应变量产生的某种系统的影响。划分区间(blocking)：按照某种方式把各个试验单元区分成组，每组内保证差异较小，使他们具有同质齐性(homogeneous)，则我们可以在很大程度上消除由于较大试验误差所带来的分析上的不利影响。如果分区组有效，则这种方法在分析时，可以将区组内与区组间的差异分离出来，这样就能大大减少可能存在的未知变量的系统影响。能划分区组者则划分取组，不能划分区组者则随机化。BlockwhatyoucanandrandomizewhatyoucannotPg9打一轮高尔夫球的输出变量是什么?分数,越低越好(击球及推杆数少)可控制的输入变量是什么?球及球杆的类型带着球杆步行或开车运送玩球时喝掉的啤酒瓶数不可控制的输入变量是什么?击球的前后一致性天气–风,雨,太阳,温度设想打高尔夫球是一个试验?Pg10“最佳猜测”法工业界最常用程序选择“最佳估计”的因子组合Ping牌球杆,Titleist牌球,开车,四瓶啤酒进行一次试验(打一轮)输出结果与预期值比较(分数:94–不太好)如结果不理想,将其中一个因子的水平改变–重新试验如需要重复试验缺点如第一次估计错误,需要更多次试验–低效率且时间长如第一次估计可以接受,试验会停止下来,“最佳”方案可能永远找不到Pg11OFAT法–每次一个因子(One-Factor-At-a-Time)常用于对所研究流程了解有限的情况程序选择一个因子水平的组合作基线在各因子的变化范围每次改变一个因子的水平选定各因子的最佳水平对啤酒及走或开车的组合:?Pg12OFAT的缺点主要缺点OFAT未能考虑交互作用交互作用–在另一个因子的不同水平,一个因子产生的效果不相同另一个缺点OFAT总是比统计学试验设计效率差Pg13解决方案-因子试验设计处理多个因子的正确方法是进行因子试验即DOE(DesignOfExperiments)因子试验各因子一起改变其水平而不是一次一个试验设计是进行一整套试验且所有试验完成后才进行分析Pg14因子试验–实例考虑高球例子的两个因子:啤酒和开车一个因子试验会设置如下:各因子在另一个因子的各水平改变其水平I如加上第三个因子,球的类型(Titleist或Pinnacle),设计会变成:车啤酒wr04车啤酒wr04?Pg15因子试验–练习把前例的试验设计方案填如表中车低水平:走高水平:开车啤酒低水平:0高水平:4Balls低水平:Titleist高水平:PingRunNoCartsBeersBalls12345678Pg16试验–通用处方定义1.陈述实际问题2.陈述试验目的3.陈述因变量(Y)4.选择输入变量5.选择输入因子的水平实施6.选择试验设计方案及样本尺寸7.进行试验并采集数据8.分析数据9.得到统计学及实际答案10.把结论转化为实际问题的方案Pg17试验目的试验目的和项目目的不同一个试验通常不够一系列试验通常导致优化试验DOE与项目目的有关进行试验是为了达到项目目的进行试验不只是满足试验者的好奇心.Pg18选择输出变量试验因变量的例子:电镀流程–厚度,均匀度,纯度开发票流程–正确发票数,周期时间高球例子:主要因变量:总杆数其它可能因变量:距发球点及球道中心的距离(球杆及球的类型试验)Pg19选择输入因子输入因子–在试验中要研究其对因变量影响的流程输入变量之一定量(连续)输入:温度,压力,时间等.定性(离散)输入:操作员,机器,工厂,批次,触媒等.应选那些因子?用6Sigma工具!流程图,C&E矩阵,FMEA多变量分析,假设检验Pg20选择输入因子高球实例:因子:球杆类型(商标)球的类型(商标)行走或开车啤酒瓶数?Pg21选择各因子的水平水平:输入变量的值(设置)例如:如温度是输入水平:125,150,175例如:如操作员是输入Mary,Beth,Tom,Saunders在高球例子中:因子水平球杆Ping,Titleist球TopFlite,Titleist交通工具走,车啤酒0,4Pg22选择各因子的水平选择各因子水平应考虑:我希望看到多大的变化?偏差的正常范围是多少?我能改变多少但仍安全?机器/工艺的限度在哪里?本试验的类型是什么?筛选–用跨度大的水平优化–根据以前试验的结果选用适当的水平.几个水平?依资源及试验目的而定两个水平很方便,如随后的章节所示Pg23选择试验设计方案简单的比较型试验两个均值的检验1-和2-样本t-检验配对t-检验1-和2-方差检验1-和2-比例检验单因子试验:方差分析按统计学设计的试验–DOEPg24做试验的一些窍门利用问题中非统计学的部分这对正确选择因子和水平极有价值应用统计学不能代替对问题的思考尽可能保证设计及分析简便KISS–KeepitSimple,Stupid!(简单到愚蠢!)复杂的试验和分析常会有错误明了统计学重要性与实际重要性的区别流程变化会导致统计学显著差别,但并不意味着该差别是重要的试验本身是重复性的我们的知识与日俱增.应期望用数个试验才能获得最佳工艺.一般指导方针:在第一个试验中使用不超过25%的资源.Pg25总结报告一定为DOE写一个专门的报告DOE通常涉及多人且耗费大量资源大多数人希望在项目结束前了解得到的结果怎样报告/汇报DOE结果能帮助教导更多人关于DOE的原理.记住有关临界数量及文化变革的教诲DOEOutline.doc能帮助你作DOE总结报告的大纲DOEOutline.docPg26有效进行试验的障碍问题不清目的不清脑力风暴不足试验结果不清DOE太贵DOE时间太长对DOE策略了解不够对DOE工具了解不够初期信心不足缺乏管理层支持要即时看到结果缺乏适当指导/支持全因子试验高球例子–一个简单的2x2因子试验一位高球手试验两个球杆制造商和两种球的性能.他用每套球杆和每种球进行练习并记下了杆数.我们称此为全因子设计,所有因子的每个水平与所有其它因子的所有水平组合进行试验.本实验中,因子,因子的水平及因变量都是什么?PingPeerlessTopFlite8784Titleist8682球杆球5.32868728284PingPeerless因变量因变量球杆主效果计算主效果主效果–因变量由于改变因子的水平所引起的平均变化.5.12848728286TopFliteTitleist因变量因变量球主效果什么是主效果?高球的主效果是指用Topflite牌球与用Titleist牌球时平均杆数的变化.高球的主效果8383.58484.58585.586TopfliteTitleist球的类型平均杆数1.5杆主效果2再考虑行走/开车及喝啤酒的实验.本实验中,因子,因子的水平及因变量都是什么?主效果都有多大?行走开车0858449285交通手段啤酒42928528584行走开车主效果因变量因变量交通4285922858440因变量因变量啤酒主效果主效果图对前面两个例子,用Minitab的主效果图表达提示:StatANOVAMainEffectsPlots…Golf.mtw交互作用图对前面两个例子,用Minitab的交互作用图表达提示:StatANOVAInteractionsPlot…?交互作用交互作用–一个因子的水平变化引起的因变量变化在另一个因子的不同水平不完全相同.在低的啤酒水平,交通工具的影响是:在高的啤酒水平,交通工具的影响是:啤酒/交通的交互作用大小是,这两个影响的差值:185847928532/))1(7(?行走开车0858449285交通手段啤酒从另一个角度看交互作用还记得随机分区实验中讲过的加和性模型吗?由残值与预期值图所示该模型与实际不符合加入交互作用项后就改正了这个差劲的模型最后的模型:ijjiijy0.50.0-0.576543210ResidualFrequencyHistogramofResiduals252015105010-1ObservationNumberResidualIChartofResidualsMean=7.11E-16UCL=0.7292LCL=-0.729212111090.50.0-0.5FitResidualResidualsvs.Fits210-1-20.50.0-0.5NormalPlotofResidualsNormalScoreResidualResidualModelDiagnosticsijjijiijy2k因子设计使用2k设计的首要五点理由1.使用因子试验的第一个理由是:2.因子试验设计易懂易解(Minitab有许多2k设计的路径)3.因子试验设计构成部分实施因子试验设计这个高级技术课题的基础4.当需