DOE--6sigma

合集下载

韩国LG六西格玛(6sigma)黑带培训教材之DOE 实验设计案例

韩国LG六西格玛(6sigma)黑带培训教材之DOE 实验设计案例

(+) 水平
25 330 PC+ABS Data 输入
20 25 20 25 20 25 20 25
品质协会()
14 -9/29
LG Electronics / LGENT 6σTASK TEAM
实验设计(DOE)-完全配置法例题(23 实验)
树立实验设计
品质协会()
2. Principle of Replication(反复性) 反复能够使误差项的自由度增大、误差分散也有程度地推定, 使得能提高实验结果的可靠性.恰当的误差项的DF是 6 ~ 20个. 3. Principle of Blocking Block是同质性的集团,如果判断一些要因成为问题时,把那个要因选定为Blocking因子, Blocking因子选定的话,不增加实验的次数,可以分析要因; Blocking因子不选定的话,实验结果会出现问题,不能分析原因. Randomized Block Design 4. Principle of Confounding 把没必要求的2因子交互作用或者高次的交互作用与Block交叉的方法, 检出不必要的要因与Block的效果相交落,因此能提高实验的效果.
实验设计(DOE)的目的
• 通过计划周全的实验 1. 掌握哪个要因对反应有有益的影响,找出其影响良性的程度有多大. → 检证和推定的问题 2. 掌握微小影响的要因,在所有影响当中占多少比重,测定误差多少 → 误差项推定的问题 3. 有益影响的原因具有什么条件时,掌握是否得到最佳的反应 → 最佳反应条件的问题
品质协会()
14 -6/29
LG Electronics / LGENT 6σTASK TEAM
实验设计(DOE)
实验设计(DOE)的基本原理 : 要构筑实验程度好、分析容易的实验设计的话 ,,,

统计上的实验设计(DOE)在6 Sigma的角色

统计上的实验设计(DOE)在6 Sigma的角色

李麗女前言現在6 Sigma 已成為眾所周知的㆒個有效的方法以達到產品及服務的品質優質化,其需要利用統計㆖的思維以及管理㆖和操作㆖的作業以完成基本㆖的改善。

本文以非數學的用語解釋所看到的實驗設計(DOE)的理論及技巧如何在6 Sigma ㆖展開,也概述從過去的品質改善㆖實驗設計(DOE)如何㆞被使用,以及在6 Sigma㆖的重要性角色而達到最高峰,實驗性的設計應用在過去數年以及未來其範圍的變遷令㆟重視,並將對㆒個組織機構追求卓越的品質提供 6 Sigma有利的重要性之願景。

以6 Sigma 做為㆒項品質改善動機現在已為眾所周知了,其有日漸增多的文獻說明它的理論、應用以及對品質專業的影響,當個㆟的訓練普及以及承諾於6 Sigma 有所成長時,在6 Sigma 所展開的方法論獲得重視將對它的應用產生有效用性的結果。

本文將簡單概述6 Sigma 所使用的主要工具,以引導的方式解釋在實務統計㆖的實驗設計所扮演的角色。

自從6 Sigma 的早期,實驗設計已經由品質實務者使用了數個版別了,之後經過彙總及比對,伴隨著每㆒個架構之實驗性的設計及分析,其動機及方法日受重視,可看出使用“改善”此㆒特定的形式通常是影響實驗性的設計應用之動力,此㆒重要的統計性工具,在未來於工業界及商業界的可能發展,在結論的時將加以討論。

6 Sigma及實驗設計現在因6 Sigma 之經營乃取自專案執行的形式,㆒般是以階段的方式進行,其為眾所周知的定義--度量--分析--改善--管制,或DMAIC。

㆒般而言,在專案定義的李麗女TAGUCHI的實驗為了解決問題及達到最佳化而需要實驗的技術是沒有㆞理㆖的界限,值得注意的是,當Box 和他的合作者在推動實驗設計此分析性的領域及Shainin 推展他的實務之演繹法的同時,在 Genichi Taguchi的影響㆘,日本也有新發展產生。

Taguchi 的品質方法在文獻㆖(12-16)多有討論到,因它與操作工程師及設計工程師的互動結果,導致他持有數項觀點與主流的統計學家的實驗設計有所不同:1.實驗設計太重要所以要留給統計學家研究:因此,工程師本身必須要能夠使用它以改善品質。

六西格玛管理工具DOE实验设计的变量与方法

六西格玛管理工具DOE实验设计的变量与方法

/
六西格玛管理工具DOE实验设计的变量与方法
DOE实验设计工具变量:
①多重变量:减少大的不可管理变量到较小的相关变量;
②组成部分调查:在最好和最坏产品之间交换零件和部分组装,以便更快地和简捷地识别失败的根本原因;
③成对比较:比较一组8个最好产品(数字与统计意义有关)和一组8个最坏的产品,以从不重要的产品中辨别出重要的质量特性;
④产品/流程调查:将能决定产品好坏的重要流程参数与不重要的分离出来;
⑤变量调查:固定关键变量,考虑放宽不重要变量的要求以减少成本;
⑥全因素:对调查变量进行经验替换,只需考虑几个较少的变量,变量限制在所有可能的试验生产运行中最高和最低的合并,并分析结果;
⑦B对C:证实一个较好的产品或流程,其中在当前产品上或流程上已做了改进,怀着至少95%的信心进行永久性改进;
⑧分散图:对于重要变量确定说明和现实的容差;
⑨响应曲面方法:这与分散图有相同对象,但当两到多个变量间有重大相互作用时更适用;⑩正电子:在生产期间控制变量的工具和方法集。

像六西格玛的DMAIC,一般解决问题的流程都与最终的六西格玛有关,DOE工具和方法如下:
①定义问题;
②量化和计量问题:计量分散图(而不是计量R/R);使用范围将属性转为变量;
③确认问题的历史;
④产生线索使用:多变(包括集中图),零件调查,成对比较,产品/流程调查;
⑤实施正规的实验设计:变量调查,全部因素;
⑥重视问题以确保改进的永久性作用;
⑦建立实际说明和公差(最优化)应用:分散图(无相关性),响应曲面方法(如果有强相关性);
⑧“冻结”流程改进应用:Positrol正态控制;
⑨保持流程,向所有质量问题发问;
⑩在统计流程中保持控制:预先控制。

什么是6西格玛

什么是6西格玛

什么是6西格玛什么是6西格玛是希腊文的字母,是用来衡量一个总数里标准误差的统计单位。

一般企业的瑕疵率大约是3到4个西格玛,以4西格玛而言,相当于每一百万个机会里,有6210次误差。

如果企业不断追求品质改进,达到6西格玛的程度,绩效就几近于完美地达成顾客要求,在一百万个机会里,只找得出3.4个瑕疪。

6西格玛(6Sigma)是在九十年代中期开始从一种全面质量管理方法演变成为一个高度有效的企业流程设计、改善和优化技术,并提供了一系列同等地适用于设计、生产和服务的新产品开发工具。

继而与全球化、产品服务、电子商务等战略齐头并进,成为全世界上追求管理卓越性的企业最为重要的战略举措。

6西格玛逐步发展成为以顾客为主体来确定企业战略目标和产品开发设计的标尺,追求持续进步的一种质量管理哲学。

6西格玛的主要原则在推动6西格玛时,企业要真正能够获得巨大成效,必须把6西格玛当成一种管理哲学。

这个哲学里,有六个重要主旨,每项主旨背后都有很多工具和方法来支持:1.真诚关心顾客。

6西格玛把顾客放在第一位。

例如在衡量部门或员工绩效时,必须站在顾客的角度思考。

先了解顾客的需求是什么,再针对这些需求来设定企业目标,衡量绩效。

2. 根据资料和事实管理。

近年来,虽然知识管理渐渐受到重视,但是大多数企业仍然根据意见和假设来作决策。

6西格玛的首要规则便是厘清,要评定绩效,究竟应该要做哪些衡量(measurement),然后再运用资料和分析,了解公司表现距离目标有多少差距。

3. 以流程为重。

无论是设计产品,或提升顾客满意,6西格玛都把流程当作是通往成功的交通工具,是一种提供顾客价值与竞争优势的方法。

4.主动管理。

企业必须时常主动去做那些一般公司常忽略的事情,例如设定远大的目标,并不断检讨;设定明确的优先事项;强调防范而不是救火;常质疑「为什么要这么做」,而不是常说「我们都是这么做的。

」5. 协力合作无界限。

改进公司内部各部门之间、公司和供货商之间、公司和顾客间的合作关系,可以为企业带来巨大的商机。

精益六西格玛管理六大工具

精益六西格玛管理六大工具

精益六西格玛管理六大工具工具一:质量功能展开(QFD)质量功能展开是把顾客对产品的需求进行多层次的演绎分析,转化为产品的设计要求、零部件特性、工艺要求、生产要求的质量工程工具,用来指导产品的健壮设计和质量保证。

这一技术产生于日本,在美国得到进一步发展,并在全球得到广泛应用。

质量功能展开是开展六西格玛必须应用的最重要的方法之一。

在概念设计、优化设计和验证阶段,质量功能展开也可以发挥辅助的作用。

工具二:测量系统分析(MSA)测量系统分析(Measurement System Analysis),它使用数理统计和图表的方法对测量系统的误差进行分析,以评估测量系统对于被测量的参数来说是否合适,从而判定检验系统的状态、改进方向及系统可接受程度。

测量系统的误差由稳定条件下运行的测量系统多次测量数据的统计特性:偏倚和方差来表征。

偏倚指测量数据相对于标准值的位置,包括测量系统的偏倚(Bias)、线性(Linearity)和稳定性(Stability);而方差指测量数据的分散程度,也称为测量系统的R&R,包括测量系统的重复性(Repeatability)和再现性(Reproducibility)。

工具三:故障模式与影响分析(FMEA)和故障树分析(FTA) 故障模式与影响分析(FMEA)和故障树分析(FTA)均是在可靠性工程中已广泛应用的分析技术,国外已将这些技术成功地应用来解决各种质量问题。

在 ISO 9004:2000版标准中,已将FMEA和FTA分析作为对设计和开发以及产品和过程的确认和更改进行风险评估的方法。

我国目前基本上仅将FMEA与 FTA技术应用于可靠性设计分析,根据我国部分企业技术人员的实践,FMEA和FTA可以应用于过程(工艺)分析和质量问题的分析。

质量是一个内涵很广的概念,可靠性是其中一个方面。

通过FMEA和FTA分析,找出了影响产品质量和可靠性的各种潜在的质量问题和故障模式及其原因(包括设计缺陷、工艺问题、环境因素、老化、磨损和加工误差等),经采取设计和工艺的纠正措施。

DOE与六西格玛

DOE与六西格玛

6σ与DOE在GE推动6σ空前成功的浪潮下,6σ已在全球风起云涌、蔚然成风,其中MAIC;盟主;黑带武士等6σ所衍生出的专有名词更是传诵一时。

而黑带武士的教育训练也成了推动6σ的重要步骤之一,在黑带武士的训练中ANOVA又是最核心的一环,进而造成6σ与DOE彼此结合密不可分的关系。

为何推动6σ必须运用ANOVA呢?为何6σ的达成要借助DOE呢?这都是值得探讨的问题,否则徒有训练而无清晰之架构关系,不祇会造成教育资源的浪费,更会造成黑带武士的茫然。

1.正本清源在改善回到6σ的原点,它既非教育训练,亦非统计手法,推动6σ的根本理由是为促成持续不断的改善。

其实任何制程本来就有变异起伏的现象,以某种镀膜厚度为例,其变异如下图所示:所谓6σ就是希望算出此一镀膜厚度的σ之后,将±6σ的总变异控制在客户期待的规格上下限之内。

这个目标真是知易行难,因为实际的制程能力可能并不足,以致变异远在规格之外,其相对关系如下图所示:面对上述这种情况,推动6σ的公司就可将镀膜厚度列入改善项目,并指定盟主与黑带武士来负责克服这个制程能力不足的问题。

2. 循序渐进找真因当改善项目成立之后,黑带武士的首要任务就是尽快找出造成镀膜厚度变异起伏的真因(root cause)。

从制程来看各种制程参数(如浓度、温度PH值,时间等)当然都会造成变异,但是依据帕拉图原则(80/20定律),每一个个别的制程参数(Pi)对最后的质量特性(Q,本例即为镀膜厚度)的影响度是不可能完全相同的,俗话说:「擒贼先擒王」,因此改善活动的第一步就是要先找出影响质量变异的真因(这就是DOE中所称的显著因子),为了用事半功倍的方式找出真因,一般会先安排一个多因子少水平的实验,将所有可能的制程参数(Pi)一并纳入一个L827或L16215的直交表中来进行实验,然后将实验数据运用变异数分析的统计理论(ANOVA),将其区分为非常显著因子(有**符号者),显著因子(有*符号者)及不显著因子,且透过ANOVA还可一并算出各因子的贡献率,试举例说明如下:3. 针对真因调参数针对上例,一方面可清楚说明为何ANOVA是黑带武士所不可或缺的训练课程之一,另一方面依据ANOVA的结果,镀膜厚度改善项目的重心,可以进一步聚焦在5个制程参数上(即A,C,G,AC,I)因为这5个制程参数就决定了镀膜厚度成败的90%。

六西格玛之改善DOE计划阶段

六西格玛之改善DOE计划阶段

六西格玛之改善DOE计划阶段介绍在六西格玛改善方法中,DOE(Design of Experiments)是一种重要的工具。

DOE能够帮助企业系统地设计和分析试验,以找出影响目标变量的因素,并优化这些影响因素的设置。

本文将介绍六西格玛中DOE计划阶段的基本概念和步骤。

DOED计划阶段的目标DOE计划阶段的主要目标是设计并选择适当的试验方案,以确定哪些因素对目标变量有影响,并确定这些因素的最佳设置。

在这个阶段,需要明确以下几个方面的内容:1.定义目标变量:确定需要优化的指标或目标变量,通常是企业的关键性能指标。

2.确定影响因素:识别和列举可能会影响目标变量的因素,并对这些因素进行分类。

3.设计试验方案:使用适当的设计方法,确定需要进行的试验的数量、顺序和参数设定。

4.收集数据:在试验中收集相关数据,记录每个试验点的因素设置和对应的目标变量的结果。

5.分析数据:使用统计方法和分析工具对试验数据进行分析,以确定各个因素对目标变量的影响大小。

DOED计划阶段的步骤下面将详细介绍DOE计划阶段的每个步骤:1. 定义目标变量在DOE计划阶段的开始,首先需要明确需要优化的目标变量。

这个目标变量通常是企业的关键绩效指标,如生产效率、产品质量或客户满意度等。

这个目标变量应该能够直接反映企业的问题或挑战,以及需要优化的方向。

2. 确定影响因素在明确了目标变量后,需要识别和列举可能会影响目标变量的因素。

这些因素可以分为两类:•可控因素:可以通过调整和优化来影响目标变量的因素。

例如,生产温度、原料配比等。

•不可控因素:无法直接控制或调整的因素,但可能会对目标变量产生影响。

例如,环境温度、原材料质量等。

对于每个因素,还应该确定其变化范围和可调节程度,以便在试验中进行调整和测试。

3. 设计试验方案在确定了影响因素后,需要设计试验方案来确定各个因素的最佳设置。

试验方案应该满足下面几个原则:•考虑交互作用:在试验设计中,需要考虑不同因素之间的交互作用,以避免忽略可能存在的相互影响。

六西格玛doe实验设计培训

六西格玛doe实验设计培训
解析度III=主效果同2因子交互作用有混杂 解析度IV=主效果同3因子交互作用有混杂,2因子交互作用同其他2因子交互作用有混杂 解析度V=主效果同4因子交互作用有混杂,2因子交互作用同3因子交互作用有混杂
部分因子实验 在23全因子实验法的基本设计上追加2个因子. 因子数 : 5 实验数= 8次 D=AB E=AC 即ABD=1 ACE=1 BDCE=1 , BD=CE
-1,1
1,1
-1,1
时 间 1,1
-1,-1
1,1
湿度 温度
实验次数= 23 +3 2为水准数,3为因子数,3为中心点数量
追定
为了改善的大概 方向
(线形效果)
主效果和局部 交互作用
所有的主效果 和交互作用 可估计弯曲
输出变量的预测
模型 (曲率效果)
因全阶乘因子实验,实验次数过多,实验较复杂
通常使用2k 两水平全因子实验法(增加中心点后近似可代替3水平因子实验),实验次数大幅减少
2因子实验
未编码
温度
200 300 250 250 200 250 300
中心点 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
部分因子实验例题 2. Minitab路径: 统计-DOE-因子-分析因子设计 选择输出变量数据列,图形选项勾选正态和4合1图
从两个图中可以看出,显著因子为B D BD E DE五个 (Catalyst Temp Conc三个因子及Catalyst*Temp Conc*Temp两个交互项)
部分因子间关系
所有 因子之间的关系
X与Y的二次关系 X的最优点
分析
改善的粗略方向 (线形效果)
最重要的因素
主效果和局部 交互作用

6σ内训系列-DOE简介

6σ内训系列-DOE简介
1 2 3 4 5 6 7 8
比较 高 中 中 低
稳健设计 中 低 高 低/高
F 1 2 2 1 1 2 2 1 G 1 2 2 1 2 1 1 2
2
7
2 x2 x2 x2 x2 x2 x2 128次
Taguchi Orthogonal Array Design
A B C D E 1 1 1 1 2 2 2 2 1 1 2 2 1 1 2 2 1 1 2 2 2 2 1 1 1 2 1 2 1 2 1 2 1 2 1 2 2 1 2 1
Y
X
X
X
没有交互作用 (平行的状态)
有一点交互作用
有很大的交互作用
品质 ·创新 ·专注 ·双赢
DOE方案选择
试验设计方案(类别)选择流程
确定试验目标 Y 需要进行试验吗? 开始
N 选定自变量 (因素)
结束
因素数大于7吗?
N
试验精度 要求高吗?
N
Y 进行因子DOE 全因子/分部因子
进行筛选DOE


正交代码
主效应 交互作用
品质 ·创新 ·专注 ·双赢
DOE的基本概念
随机化-Randomization
随机化是在试验研究中重新分配试验材料和安排试验顺序的一种试验设计技巧。
随机化的目的是消除和减
随机化的结果是保证某一 次试验既不受前面的试验 的影响,也不影响后面的 试验,或者说试验是独立 的。 随机化不能减少试验误差 即噪音,但可以减小不可 控因子引起的影响
3.每次的试验成本
品质 ·创新 ·专注 ·双赢
DOE的类型的选择
据不同的因素类,我们可以按以下分类:
试验类型 目标 1.寻找最有利于输出的因素水平 2.建立可评估所有交互影响的数学模型 1.寻找最有利于输出的因素水平 2.建立可评估部分交互影响的数学模型 从大量因素中发现少数关键因素(不评估因素的交互作用) 1.优化 2.建立非线性影响存大时的数学模型 1.优化 典型可控因素 数 4因素以内

DOE试验简介

DOE试验简介

是由于硅胶尺寸引起,他们得出以下试验表:
因素
水平
A
B
C
指标
硫化时间 油压温度 机台压力
1
A1=160S B1=200℃
100
2
A2=120S B2=250℃
150
3
A3=80S B3=270℃
200
列表说明如下:
NO.
DOE要素
例子
1
输出变量(指标)
油压尺寸
2
试验因素
A.硫化时间;B.油压温度;C.机台压力.
14、通过标准作业程序固定优化以试验条 件(因素和水平),并进行应有的控制; 15、重新评估过程能力。
一)
DOE试验计划表
负责人:_____________ 部门/过程:_________________________;
项 目:_____________ 日
期:_________________________;
3
水平
因素 A.硫化时间.
水平 80S,120S,160S.
4
交互作用:因素间相互影响的程 如:粘接温度X时间,粘接时间的最佳值 度,有些试验中需要评估. 依赖于粘接温度的设置.
RUNS
A
B
C
D
Y
1
-1
-1
-1
-1
5
试验次数(RUNS)
2
-1
-1
+1
+1
3
-1
+1
-1
+1
4


五、因素的分类:
在试验设计时,试验因素(输入变量)有 两种:一种是在试验时我们可以以人为进行控 制的,称为可控因素;一种是人为无法控制的 称为噪声(随机)因素: 一)可控因素是在试验过程中我们可以设置和

六西格玛管理之试验设计(DOE)的基本步骤

六西格玛管理之试验设计(DOE)的基本步骤

六西格玛管理之试验设计(DOE)的基本步骤六西格玛管理的企业在从传统的六西格玛改进DMAIC向六西格玛设计DFSS的进化过程中,越来越重视试验设计。

六西格玛试验设计认为试验的计划与实施应该包含计划、实施及分析三阶段。

一、计划阶段1、阐述目标所有团队成员都要投入讨论,明确目标及要求。

究竟是为了筛选因子还是为了找寻关系式?最终要达到什么要求?2、选择响应变量在一个试验中若有多种响应,则要选择起关键作用的。

能用连续型指标做度量的响应变量远比只有二元响应(成、败)的响应变量好得多。

3、选择因子及水平用流程图及因果图或鱼骨图先列出所有可能对响应变量有影响的因子清单,然后根据数据和各方面的知识进行细致分析作初步筛选。

不能确定该删除者就应该保留。

对于水平的选择也要仔细处理,一般来说,各水平的设置应足够分散,这样效应才能检测出来,但也不要太分散以至将各种其他的物理机械因素都包括进来,这会使统计建模和预测变得困难。

4、选择试验计划根据试验目的,选择正确的试验类型,确定区组状况、试验次数,并按随机化原则安排好试验顺序及试验单元的分配,排好计划矩阵(planning ma-trix)。

二、实施阶段严格按计划矩阵的安排进行试验,除了记录响应变量的数据外,还要详细记录试验过程的所有状况,包括环境(气温、室温、湿度、电压等)、材料、操作员等。

试验中的任何非正常数据也应子以记录,以便后来分析使用。

三、分析阶段对数据的分析方法应与所应用的设计类型相适应。

分析中应包括拟合选定模型、残差诊断、评估模型的适用性并设法改进模型等。

当模型最终选定后,要对此模型所给出的结果作必要的分析、解释及推断,从而提出重要因子的最佳设置及响应变量的预测。

当认定结果已经基本达到目标后,给出验证试验(confirmation run)的预测值,并做验证试验以验证最佳设置是否真的有效。

文章来源:/liuxigemasheji/404.html。

六西格玛DOE试验设计概述及思路解读

六西格玛DOE试验设计概述及思路解读

六西格玛DOE试验设计概述及思路一、六西格玛试验设计概述在六西格玛改进阶段经常采用正交试验设计(正交DOE方法合理经济地寻求设计优化方案,以确定显著影响产品性能的关键设计参数,在过程开发方面可以实现提高产量,减少波动,缩短开发时间以及降低总成本。

一家专门作西装裤的服装公司,想要比较四种不同布料:麻纱、棉质、丝质和毛料做出来的西装裤,哪一种布料的西装裤最耐穿?于是,每种布料做10条西装裤,提供给40位志愿试穿的人各穿6个月,试穿期间每周4天,然后再拿回来比较裤子破损的情形。

但这里有一个问题是,即使同一种布料作的裤子,给不同人试穿,其破损的程度都不尽相同,何况不同种布料作的呢?换句话说,我们如何分辨哪些破损是由于人为的因素?哪些是因为布料本身的耐磨?还是一些其他因素的影响?这类比较试验在日常生活中到处可见,如几种不同的感冒药,哪个疗效最佳?几种不同的教学方式,哪种教学效果最好?通常每作完一次试验,都会有一些数据,这些数据经过分析后会得到一些结论,如在六西格玛管理中,通过界定、测量和分析阶段我们已经收集了一定量的数据,并对这些数据作了一定的考察,发现了一些对响应变量(指标有重要影响的少量因子。

那么这些结论究竟有多少可信度?我们是否可以放心的引用它?这类试验,若事前没有经过周详的考虑与设计,即使作完试验,所得的结果可能与事实有极大的偏差。

分析试验设计的目的需要包含下列几点:①确定潜在的少数变量x是否对响应变量y有影响;②确定这些有影响的变量x值在什么范围内使响应变量y几乎围绕目标值波动;③确定x的值以改变响应变量分布的均值,并减少其波动;④确定具有影响的x值使其不可控变量的影响最小,即使响应变量对外部环境的变化是稳健的。

试验设计的方法于20年代由英国学者R. A. Fisher所创,他开发出并首次应用方差分析的方法作为试验设计中主要的统计分析工具,其整个过程可以用一张方差分析表表示。

试验设计的方法有很多,常用的正交试验设计,数据分析的方法用方差分析法。

六SigmaDOE与品管圈教材

六SigmaDOE与品管圈教材

第292页9
品管圈活動推行普通組織架構
總經理 部、課 班、組 作業員
六SigmaDOE与品管圈教材
委員
委員 委員 委員
品管圈推行委員會
主任委員
執委會
第303页0
品管圈組成人員
主任委員 : 由總經理或副總擔任 委員 : 職責為品管圈活動促進 執委會 : 品管圈事務推動 輔導員 : 輔導品管圈活動之進行 圈長 : 領導品管圈各項活動 圈員 : 由同一現場,工作性質類似 4 ~ 8
型問題) ●策略二:找出最正确之生產條件(使A型問
題簡化成T型問題) ●策略三:證實最正确生產條件有再現性
六SigmaDOE与品管圈教材
第181页8
實驗策略一(篩選主要因子)
1. 找出影響某一品質特征之原因 2. 找出每一原因對品質特征之貢獻率 , 3. 儘量網羅收納各種可能原因在實驗之中 4. But 原因一多其相對實驗成本就會提升 5. 配合少水準來進行 2N 型直交表 6. 選操作範圍之極限值來作為兩水準之參考值
人所組成
六SigmaDOE与品管圈教材
第313页1
品管圈活動改进方式
在實際工作中,品管圈活動改进方式有 兩種 問題解決型 : 現有流程發生問題,必須
找出其中不良原因,再從過去流程中做 全部或部分改變 課題達成型 : 針對一個想要達成目標, 提出適合方案,創造新方法
六SigmaDOE与品管圈教材
6 Sigma (2) DOE 與品管圈 中方國際集團達方軟件有限企业
-6σ -5σ -4σ -3σ -2σ -1σ
+1σ +2σ +3σ 4σ 5σ

六SigmaDOE与品管圈教材
第1页 1

6SigmaGB教材(DOE)--贺威

6SigmaGB教材(DOE)--贺威

觀察關鍵數據
快速參考
縮減模型
觀察關鍵圖表
主效應圖、交互作用、立 方圖及殘差圖
觀察關鍵數據
ANOVA表和P值
確定顯著性 確認
Stat>ANOVA>Balanced ANOVA
開發實際方案 運用大腦
☆ 完美的認知
實驗不是只有的一次解決方案。 你可以在第一次運行是“機種要害 〞,但隨后再次……
實驗包含、括在你的基礎上研究兵 構建的過程.
Design of Experiments (DOE)
EPS制程工程課
Ver:1.0
• DOE簡介 • 術語 • 單因子實驗 • 局部因子實驗 • 全因子實驗 • 響應曲面 • DOE模擬練習
目錄
DOE簡介
目的是用最少的試驗次數實現下述期望: ◎提高產量 ◎縮短研究開發的時間; ◎改進質量 ◎選擇工藝參數或配方 ◎降低本钱 ◎建立指標同因素的關系;
4.是否存在顯著的主因素? 。否:進入縮減模型 。是:運行主因圖.評估線的斜度.確定每個與響應有關因素的最正确水平設置〔運行最正确條件)
分析因子設計
分析路徑----全因子DOE
5.縮減模型—分析因子設計 。從員模型中剔除非顯著項目 。關閉圖表(正態和柏拉圖)
` 。存儲residuals and fits 6.`建立Y=f(x) 模型
C=AB為別名產生器
B
C
B=AC,A=BC,ABC=I
A*IA
影響柏拉圖
影響柏拉圖
縮減模型
因子影響
別名變化
注:局部因子研究如果是做過濾因子時一定要看別名表,如果 當作全因子實驗則不需要看別名表!
影響效果
交互作用
立方圖
函式結構
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

1实验设计(Design of Experiment ,DOE)1. 前言研究统计分析而不谈实验设计就如只谈品管方法而不谈品质问题,这是本末倒置的。

譬如工业上的品质问题受到人员、设备、材料、方法及及环境等许多因素的影响,而存在许多不可预知的的变异。

如何依据实验的设计来观测实验的结果,以统计分析来验证归纳那些因素对品质问题有显著的影响,进而寻找更好的设计方法,更好的材料,更好的生产技术来解决品质问题。

这是近代许多科学家、工程师、技术员及管理阶层一直在努力寻找的技术,至今已经有许多卓越的方法在各领域中应用而得到许多辉煌的成效。

实验设计早在1920年代 R.A.Fisher 在农业上小麦品种的遗传研究,已经使用多因素配置法对不同因素的每一水准组合进行实验,再用变异数分析来评价因素对实验问题的影响。

但是当因素与水准的数目增加时,导致实验次数也增加,因此对实验执行的效果大打折扣。

1940年代 D.J.Finney 提出多因素实验的部份实施法以期降低实验次数而又能保有实验的效果,更奠定了现代实验设计的基础。

1950年代G.Taguchi 依既有的实验设计方法,以规格化的直交表来进行直交实验设计,使得工业界使用实验设计的可行性增高,再加上其以工程观念的产品研发过程;系统设计,参数设计及公差设计等所谓的『三次设计』,进行有系统的实验设计。

1980年代这些技术经由英文出版而以『品质工程』为名推广至美国进而通行全世界的先进工业领域,纵使学术界对其技术的理论依据提出甚多疑点,但是站在工程实验设计的观点其技术仍是较为实用的方法。

以下对实验设计的专门术语及其基本理念作一解释,首先说明因果关系,此处因果即是因素与结果的关系,且因素与结果都能定性或定量,例如以产品品质特性受到人员、设备、材料、方法及及环境变动的影响,如(图1-1)所示。

若以数学关系式(1-1)表示,Y 为结果,一般称之应变量,是我们实验的观测值或品质特性。

k X X X ,,.........,21为影响结果的 k 个因素,一般称之自变量,是我们实验设计时考虑配置的因素。

f为我们想找出的关系,在确定性的科学已经演绎出许多关系,在实验设计中我们并不贪求找出这种关系,只希望透过实验的观测知道那些因素对Y 有显著的影响,那些不显著,进而根据这些有影响的因素来寻找对Y 有利的条件。

ε+=).,,.........,(21k X X X f Y(1-1)緻秖眏关㏑縤瞯罽Μ瞯靖祑Μ 瞯筿溃筿筿瑈ぃ▆瞯翴计ㄑ莱坝弘放戈﹎溃硉丁抖稬【图1-1】产品特性与因素1. 反应值(Response Value)实验观测的结果,如品质问题中工程人员关心的产品品质特性如【图1-1】,数学关系式的应变量Y;ε+=).,,.........,(21kXXXfY。

一个实验反应值的选择非常重要,反应值是否能反应实验目的,决定实验的成败。

2. 因素(Factor)对实验结果的反应值有影响的一系列原因中,在实验设计中特别提出考量而进行比较的称为因素,如品质问题中影响产品品质特性的原因如【图1-1】,数学关系式的自变量X1,X2,…,X k;ε+=).,,.........,(21kXXXfY。

因素可以是定性或定量,例如定量以℃来表示温度,rpm表示转速,定性以A、B、C表示不同供货商,以早、中、晚班表示不同班别的人员。

一个实验中可以只考虑一个因素或同时考虑多个因素。

3. 水准(Level)实验中所考量的某个因素所处的定量或定性的状态或条件,例如温度的因素考虑在三个水准80℃、90℃、100℃下分别进行实验,或以早、中、晚班三个水准观察不同班别的人员。

4. 处置(Treatment)实验中因素之间水准组合为一个可单独进行实验的观测条件称之一个处理,例如一个化学反应条件,产品设计的一个配方,制程的生产条件。

若因素A有二个水准,因素B有三个水准,因素C有四个水准,则一个实验同时考虑A、B、C23三个因素进行观测共有2×3×4=24个处理。

5. 主效应(Main Effect)实验中某个因素的主效应为其各水准在其所在的处理反应值平均数之间的差值,例如一个因素只有二个水准,则其主效应为第一水准在其各处理反应值平均数与第二水准在其各处理反应值平均数之差。

当一个因素有三个水准以上时,则其主效应为各不同水准平均数之间的之间的差值。

如【表1-1】及【表1-2】的说明。

的主效应 21A A -=90-80=10 的主效应 21B B -=95-75=20【表1-1】二水准的主效应的主效应 21A A -=83.3-73.3=10 的主效应 21B B -=95-75=20 的主效应 32B B -=75-65=10 的主效应 31B B -=95-65=30【表1-2】三水准的主效应6. 交互影响(Interaction)实验中一个因素的效应在另一因素的不同水准下是不同的,则称两因素有交互影响。

例如【表1-1】A 的效应在B 1之下为100-90=10,而在B 2之下为80-70=10,两者相同,故因素A 与B 没交互影响,如【图1-3】所示。

若以【表1-3】A 的效应在B 1之下为100-70=30,而在B 2之下为80-100= -20,两者不相同,故因素A 与B 有交互影响。

如【图1-4】所示。

12【图1-3】因素A 与B 没交互影响4【表1-4】因素A 与B 有交互影响12100908070【图1-4】因素A 与B 有交互影响实验设计就是对提高产品品质、解决品质问题、研发新产品及其它为寻找事实真象所进行实验的规划、执行、分析及寻优验证。

包括确立实验目标,选择对反应值有影响的因素及水准,设计实验进行的方法,分析实验处理的观测结果,估计合于实验目标的因素水准及进行确认实验。

如何选择实验的因素及其水准,这是实验设计重要的问题。

其基本原则如下:1. 对于量测技术不完备而测不出数值的因素,譬如员工情绪的好坏;有些因素虽能测出数值但技术上无法控制在一定的水准或需很高的代价,譬如工业用水水质,大气温度;有些以专业技术就能断定影响很显著的因素,譬如铸模的沙与其含水率对通气度的影响,实验设计时尽可能不考虑这类因素。

2. 对能定量控制水准的因素而情况不明,技术人员意见纷岐的因素,则为实验设计时考量的因素。

3. 实验因素水准的确定包括水准数及水准量。

水准数决定实验的规模;水准量的选取应以专业技术估计因素取值的范围,再确定水准量。

水准数取二个n=2,只能以直线关系比较其大小或高低,水准数取三个以上n ≧3则能查验其非线性关系。

4. 因素增加实验的处理数急剧增加,假如5个因素之各水准数n=2,则处理数为25=128,若10个因素就有210=1024个处理数。

假如各因素之水准数为n=3,则处理数为五个因素的35=243,十个因素的310=59049。

如此庞大的实验是很不可能进行的,因此要研究各种又快、又准、又省的实验设计。

近代的实验设计的方法要应付七八个因素以致十几个因素已经不是难事了。

以下对实验设计的基本原理重复性、随机化、区集化及直交性作一解释。

1.重复性(REPLICATION)重复是指在一实验的同一处理重复实验或重复测试,其目的是为了提高实验的精密度,因为平均值X的标准差为 n,其误差随重复次数增加而减小。

此外,重复还对那些无法控制因素的影响提供平衡抵销的机会,从而有助于随机化,可作为减少偏差的手段。

【例1-1】:四种品牌的轮胎A、B、C、D 进行磨耗率的比较实验,品牌是实验的考虑因素。

兹以四部汽车,每部汽车装一种品牌的轮胎四个进行测试,所以每种品牌的轮胎都有四次重复,其结果如【表1-4】:【表1-4】设计1之轮胎实验但是以上的实验有一个很明显因素干扰到轮胎品牌的比较,就是汽车的因素,不同部汽车其对轮胎的磨耗应有其差异,如何将此干扰因素消除,其方法很多。

首先介绍以随机化的方式将其消除。

2. 随机化(RANDOMIZATION)随机化就是在实验中不同处理的实验次序将其随机化,如将四部汽车的四个轮胎位置从1号编到16号,也将四个品牌的16个轮胎编号,再随机地将其配置于16个轮胎位置,如【表1-5】。

随机化在实验时常造成管理上的麻烦,若该实验很难随机化或成本很高我们可以考虑其它的实验设计方法。

56【表1-5】设计2之轮胎实验及其结果设计2的变异数分析结果假如四部汽车对轮胎磨耗的影响为ββββ1234,,,其结果:4)2(442141βββ+++=∑=i i A A 4)2(443141βββ+++=∑=i i B B 4)(4432141ββββ++++=∑=i i C C4)2(443141βββ+++=∑=i i D D完全随机化也有缺点,因随机配置的关系无法完全将汽车的干扰消除,有些汽车配置到同一品牌的轮胎两个以上或没配置到某一品牌的轮胎。

所以我们对影响实验效果的因素将其各水准区分使得实验主因素的各水准都能公平的配置于其间。

如轮胎品牌的比较实验,我们事先知道不同部汽车其对轮胎的磨耗应有差异,若将每部汽车的四个轮胎位置都配置上不同的四种牌,如此每种品牌的轮胎在四部汽车都出现过而真正消除汽车对轮胎品牌的比较实验的干扰,我们称此种方法为区集化。

3. 区集化(BLOCKING)区集化就是将已知或未知影响实验效果的因素将其各水准区分,使得实验主因素的各水准都能公平的配置于其间,以消除其对实验效果的干扰。

譬如不同部汽车其对轮胎的磨耗应有差异,若将每部汽车都配置上不同的四种品牌,如此每种品牌的轮胎都分摊了汽车之间的差异。

通常影响实验效果的因素有时不祇一个,以轮胎品牌的比较实验为例,除了汽车对轮胎的磨耗有差异外,汽车的轮胎位置也有影响。

下例为考虑一个区集因素及考虑两个区集因素的实验设计。

四种品牌的轮胎A 、B 、C 、D 进行磨耗率的比较实验,品牌是实验的考虑因素。

兹以四部汽车,每部汽车装上四种品牌的轮胎进行测试,所以每种品牌的轮在每部汽车都会出现。

也就是将四种品牌的轮胎个取一个为一组,共分四组,再将每一组随机地配置于每部汽车的每一个轮胎位置。

这种实验设计称为随机区集7化设计,其结果如【表1-6】:设计3的变异数分析结果44)(4141∑∑==+=+=i i i i i A A A ββ 44)(4141∑∑==+=+=i i i i i B B B ββ44)(4141∑∑==+=+=i i i i i C C C ββ44)(4141∑∑==+=+=i i i i i D D D ββ4. 直交性( ORTHOGONALITY)一实验设计之各因素各水准间的配置,如何能单独对一个因素的效应估计而不受其它因素变动的影响,如拉丁方格的设计就是符合直交性的配置。

假如四种品牌的轮胎磨耗率的比较实验,四部汽车对磨耗率的差异分别是ββββ1234、、、及汽车轮胎位置对磨耗率的差异为γγγγ1234、、、,则因为拉丁方格的配置使得四种品牌的轮胎磨耗率经测试的结果大家都掺有汽车的影响βi ∑及轮胎位置的影响γi ∑。

相关文档
最新文档