實驗設計(DOE)於製程與品質改善之應用.ppt

Horng-Chyi Horng DOE Training * Information Surfaces and Contours_Second-order Rotatable Design Horng-Chyi Horng DOE Training * CCD 圖示 Horng-Chyi Horng DOE Training * 二階 Model 之 RSM 設計(2/2) Face-centered Central Composite Design (FCCD) 除了 a = 1以外, 其餘與 CCDs同 當部份因子之水準數只有三個, 或為離散性質時 可旋轉性 (Rotatability) 較差, 應儘量避免使用 Horng-Chyi Horng DOE Training * Evolutionary Operation (EVOP) 當吾人運用實驗設計及反應曲面技術得到最佳之因子水準組合之後, 在某些情況下, 最佳值的位置會漂移 (drift). 以致於所求得之因子水準組合不再適用. EVOP 即是一種實驗方法, 直接在線上操作, 用以對應此種漂移現象, 確保得以產生最佳值之因子水準組合. 2k + center point, 以 cycle 之方式進行. Horng-Chyi Horng DOE Training * EVOP 之圖示 Horng-Chyi Horng DOE Training * 實驗設計之流程 Screening Experiments 縮小因子之水準範圍再重做一次, 若結果一樣, 則重新選取因子. - 找出重要因子 - 2k-p+nc 解析度為 III (含)以上. - 所有因子皆顯著 -顯著因子數較多 2k-p+nc 2k+nc -顯著因子數較少 One Factor - 單一因子顯著 因子皆不顯著 Fold Over Horng-Chyi Horng DOE Training * 反應曲面技術之流程 實驗設計 最佳點附近 Steepest Ascent - 找出重要因子 - 由原操作點, 或實驗設計結果之較佳點出發. - 2k+nc, 或 2k-p+nc 解析度為 III 以上. CCD Box-Behnken Hybrid - 因子之水準數為 3 - 因子數為 3, 4, 6. - 實驗次數較少 - 因子之水準數為 5 Horng-Chyi Horng DOE Training * 7 The Variance Model 當因子之全部可能水準（水準個數較多時）皆為研究之範圍時，吾人可利用Variance Model之方法來得知此因子之影響程度。 步驟： 從此因子所有可能因子水準中，隨機抽樣a個水準。 利用ANOVA表求得MSE與MSTreatment。 此因子之外的自然變異： 此因子所造成的變異： 製程的整體變異： Horng-Chyi Horng DOE Training * Example Random Select 計算此因子對製程整體變異之重要性： Horng-Chyi Horng DOE Training * 由此可知，若消除此因子所造成的製程變異，則整體製程變異將由8.86降至1.90，如下頁之圖形所示。 Horng-Chyi Horng DOE Training * * Horng-Chyi Horng DOE Training * 23-1設計之圖示 第一組之ABC皆為+號，其產生器為 I = ABC。 第二組之ABC皆為-號，其產生器為 I = -ABC。 Horng-Chyi Horng DOE Training * Alias 關係 計算A平均效應之公式與計算BC平均效應之公式相同；亦即，當吾人利用上述之公式計算A之平均效應時，實際上，乃是在做A+BC之平均效應計算。此種現象稱之為Alias，以 lA ? A+BC 來表示。 所以，在23-1 Design (I=ABC)下之Aliases為 lA ? A+BC lB ? B+AC lC ? C+AB Horng-Chyi Horng DOE Training * 部份階層實驗之解析度(Resolution) 定義： 一個具有解析度為R之設計，p-因子交互作用之效應不與R-p因子交互作用之效應相互Alias。 解析度Ⅲ之設計：沒有任何主因子作用與其他主因子作用相互Alias；但主因子作用卻和2因子交互作用相互Alias。如23-1 Design。 解析度Ⅳ之設計：沒有任何主因子作用與其他主因子作用或2因子交互作用相互Alias；但2因子交互作用卻相互Alias。如24-1 Design (I=ABCD)。 解析度Ⅴ之設計：沒有任何主因子作用與其他主因子作用或2因子交互作用