doe--6sigma.docVIP

Six Sigma 实验设计 Design of Experiment DOE 训练教材 6σ 6σ 6σ 6σ 6σ 6σ 主讲人：官生平教授 6σ 6σ 6σ 2002/07/8 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。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。 (1-1) 【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； 。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，…，Xk； 。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、C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。 因素A 因 素 100 90 95 A的主效应 =90-80=10 80 70 75 B的主效应 =95-75=20 B 90 80 【表1-1】二水准的主效应 因素A 因 素 B 100 90 95 A的主效应 =83.3-73.3=10 80 70 75 B的主效应 =95-75=20 70 60 65 B的主效应 =75-65=10