实验设计计划.pptVIP

实验设计计划 学习目标 浏览实验设计的应用场合与优点及常用术语 讨论实验设计计划中的步骤及思考点 提供实验设计计划样表 实验设计 举例 (弹射器 DOE) 实验设计术语 响应变量(Response Variable )- 被测量或观测的输出变量 因素(Factor) - 可控或不可控的输入变量 水平(Level) - 一因素的规定数值或设置 效应(Effect) - 一因素从一个水平变为另一水平时响应变量的变化量 互交作用(Interaction) - 一因素对响应变量的效应取决于另一因素的水平设置 重复(Repetition) - 在同一试验条件设置下进行多次采样(见后例) 反复(Replication) - 按时间顺序重复整个试验序列 (见后例) 随机化(Randomization)- 通过随机数决定试验运行顺序 重复(Repetition) 反复(Replication) 实验设计涉及的典型问题 哪一因素对响应的效应最大? 哪些因素影响响应均值? 哪些因素影响响应方差? 输入变量的最佳设置是什么? 哪些因素无效应? 输入变量与输出变量的关系如何? [Y = f(X)] 对实验设计计划的建议 团队合作 充实知识 用绩效指标来定义问题(RTY, COPQ, Cp, etc.) 目标值应能明确度量 …. 提高产量20% …. 达到6s 设计标准 …. 确定材料波动对产品可靠性的影响 …. 确定廉价材料对产品性能的影响 实验计划应包含所有阶段的执行方案(包括确认阶段) 对数据采集及分析分配足够的资源 样本量应正确 记录各方建议并讨论 实验设计计划样表 举例 (弹射器 DOE) 定义输出(响应)变量 输出变量是定性数据还是定量数据? (建议采用定量数据,为什么?) 所测量的输出变量是否是客户要求的或关心的? (不只是因为它容易测量) 目标是什么:对中,减少波动,还是两者兼有? 当前的基准水平是什么? (均值与标准差) 输出变量是否统计受控? 输出变量是否稳定? 希望能检测出多大的输出变量波动? 如何测量输出变量? 测量系统能力是否足够? 预期的输出变量波动是多大? 是否是多变量输出? 他们的优先权如何? 因素选择 如何选择实验因素? 因素来源: 流程图 因果表 FMEA 多变量分析结果 文献 脑力激荡 科学原理 操作工经验 客户/供应商输入 评价方法 回顾各个变量,并选择实验因素 因素分类 因素可分为: 噪声因素 (N’s) --不受控因素,不可控或控制成本很高的因素 例如:天气,班次,供应商,用户机器寿命等. 可控因素 (X’s) -- 这些因素改变时,能相应的观察到对输出的效应 常定因素 (C’s) 或 标准操作程序(SOP’s) -- 是对标准流程的描述,包括在实验时需固定,监控及保持的因素水平设置 因素水平选择 确定了最终的实验因素表后,下一步就是确定每个因素的水平 因素水平选择时常见的两类错误: 因素水平太接近 不能产生足够的波动或差异用于分析 (测量系统分辨率不足以识别这种差异) 高,低水平结果混杂在一起,无法分离 因素水平间距太大 会产生不现实的波动或差异 每一因素都有可能被认为是显著的,导致错误结论 会因忽略非线性关系而导致错误 通常,水平数越多,产生的信息也越多,各个水平之间的距离应相等. 因素水平选择(基于不同实验目的) 筛选 目的: 从众多输出变量中确定少数关键输入 水平距离相对而言较大 当输入变量设置为极端值时,如果其确有效应,就会从输出上反映出来 风险 - 会夸大波动,无法检测较复杂的关系,其它? 通常每个因素选择2个水平 大水平距离举例 定性因素: 方法 A对方法 B;材料1 对材料2 定量因素: 300o F对 400o F; 每日曲线对3日曲线 通常选用分式析因实验用于筛选目的的实验设计 因素水平选择(基于不同实验目的) 特征化 目的: 进一步了解输入变量与输出变量的关系以及因素间的互交作用 建议按前期实验的结果确定相应的因素水平 一旦确定关键输入变量,通常应缩小水平间距 通常选用析因实验或高分辨度分式析因实验用于特征化目的的实验设计 优化 目的: 确定过程输出优化所对应的各输入变量的运行位置和范围,即确定最优值对应的实验空间 因素水平通常很接近 通常实验因素数量较少,但是各因素的水平数会增加 (3个或3个以上) 通常选用析因设计或其它特殊的优化设计 (如中心复合设计或Box-Behnken 设计) 实验计划需考虑的问题 实验结果如何度量?是否与企业运作绩效指标相关? 实验成本是多少? 如何确定样本容量? 如何考虑随机化,重复及反复? 随机化是否受限制 (有些因素要实现随机化很困难)? 是否与内部客户