谢恩DOE在失效与效率提升中的应用介绍.pptVIP

4.2全析因：识别与量化每个交互影响的最佳技术 4.2.6实际应用举例 任何改善试验 L9 …… 4.3 B vs. C：卓越的确认技术 4.3.1确认的重要性 在所有解决问题的实践中，一个主要缺点是，一旦得到了改进，便认为该改进是本质、真实的和持久的。然而，在解决问题的实践的历史中，最初取得成功而后来很快失败的例子俯拾皆是。只有通过确认，实验人员才能得到关于改进持久性的足够的置信水平。 4.3 B vs. C：卓越的确认技术 4.3.2什么是B vs. C C（current）代表当前产品，B（better）相应得代表更好的产品。B vs. C是一种非参数型比较试验方法，它仅需要极少的样本量（通常是3个B和3个C），就可以比较两种产品、过程或方法，并以非常高的置信度确定那种产品、过程或方法更好。 4.3 B vs. C：卓越的确认技术 4.3.3B vs. C比较的目标 B vs. C应被用作一种验证工具，而不是一种初始的解决问题工具。该技术的基本目标是：使用非常小的样本量，根据质量和可靠性，以90％或更高的置信水平在两个产品或过程之间确定哪个更好。此外，还有如下其他目标： 1、以90％以上的置信度预测一个特定产品或过程比另一个产品或过程要好多少； 2、保证对原有产品或过程的改进的持久性 3、在两种产品或过程中选择一种较好的产品或过程； 4、同时评价多个产品、过程、材料； 5、…… 4.3 B vs. C：卓越的确认技术 4.3.4B vs. C比较的方法 略 绪论 改善项目的确立与前期处理 线索生成工具 主要内容 正式的DOE工具 试验设计优化 总结 试验设计优化 为前面确定的重要变量建立最优目标值、技术规格极限及公差。 5.1 散布图 5.1.1散布图的目标 建立现实的技术规格和实际的公差； 缩小重要变量的公差，以得到较高的Cpk； 放宽不重要变量的公差，以减少开支。 5.1 散布图 5.1.2散布图的前提 只有先前的DOE试验中表明两个或多个重要的输入变量没有强的交互作用时，才应使用散布图。如果有强的交互作用，那么应使用响应曲面方法。 5.1 散布图 5.1.3典型的散布图 5.1 散布图 5.1.4散布图制作步骤 略 5.2 响应曲面法（RSM）：交互作用的优化 5.2.1响应曲面法的目标 确定两个或两个以上交互输入变量的最佳水平组合，以得到一个最大、最小或最优的绿Y。 5.2 响应曲面法（RSM）：交互作用的优化 5.2.2响应曲面法的概念 响应曲面方法是试图在一系列爬山试验中找到最优的响应（或最优的绿Y）。调优运算、单纯形法、随机调优运算及最速上升法等是到达顶峰的不同路径。 5.2 响应曲面法（RSM）：交互作用的优化 5.2.3响应曲面法的方法 调优运算 5.2 响应曲面法（RSM）：交互作用的优化 5.2.3响应曲面法的方法 单纯形法 5.2 响应曲面法（RSM）：交互作用的优化 5.2.3响应曲面法的方法 随机调优运算 5.2 响应曲面法（RSM）：交互作用的优化 5.2.4响应曲面法的注意事项 响应曲面和散布图作为DOE方法，在优化后一定要经过B vs. C等方法进行确认。 绪论 改善项目的确立与前期处理 线索生成工具 主要内容 正式的DOE工具 试验设计优化 总结 总结 DOE的前期准备 不中断生产 可解决70～80％的质量问题 中断生产 可解决20～30％的质量问题 实验设计优化 总结 3.3部件搜索：简便而平滑的交换 3.3.2部件搜索原理（对切试验） G1 G3 G4 G2 G5 最好部件 最差部件 B1 B3 B4 B2 B5 红X 3.3部件搜索：简便而平滑的交换 3.3.3部件搜索步骤 1、球场阶段 ——确定在被研究的部件中是否选择了正确的变量 从1天的产品里仅仅采样2个部件，一个最好（BOB）、一个最差（WOW），还要测量他们的绿Y值。 拆卸并重新组装BOB和WOW两次，再测量他们重现的绿Y两次以上。 显著性检验，看是否BOB与WOW间的差别是显著的： BOB的3个绿Y值必须全都好于WOW的绿Y，并且它们之间没有交叉覆盖； D/d的比率必须大于1.25，或者最小要等于1.25。 如果D/d1.25，红X可能出在组装过程中，而不是出在部件本身；如果D/d=1.25,阶段1成功，可以开始下步。 将各零件按递减次序排列。 3.3部件搜索：简便而平滑的交换 3.3.3部件搜索步骤 2、排除阶段 ——除了红X之外，就有95％的把握排除掉大量的主效应及其相互作用 将最高一级的零件A互换，测量并记录两个新绿Y值。 在上一步，可能会有3个结果： BOB依然是BOB，WOW依然是WOW，零件A是不重要的。 BOB变成了WOW，而WOW变成了BOB，则零件A是红X，部件搜索结束。