6sigma培训资料2.pptVIP

Questions Q1-DOE是什么? Q2-为什么要进行DOE? Q3-DOE步骤是怎样的? Q4-什么是全因子实验? Q5-什么是田口实验设计? 实验设计简介 实验设计 为什么使用实验设计 实验设计是识别关键输入因子的最有效方法。 实验设计是帮助我们了解输入因子和响应变量关系的最高效途径。 实验设计是建立响应变量与输入因子之间的数学关系模型的方法。 实验设计是确定优化输出并减少成本的输入设定值的途径 实验设计是设定公差的科学方法。 实验设计的益处 改善过程绩效水平 降低成本 缩短产品开发时间和生产时间。 基本术语 响应变量 所关注的可测量的输出结果，如良率、强度等 因子 可控的变量，通过有意的变动，可确定其对响应变量的影响，如温度、时间等。 水平 因子的取值或设定，如：温度20、30 处理（组合） 某次实验的整套因子，如：处理1： 温度20 ，速度200 处理2： 温度30 ，速度300 重复 在不重新组合实验设定的情况下，连续进行实验并收集数据。 复制 每个数据值在重新设定测试组合之后收集。 随机化 适当安排实验次序，使每个实施被选出的机会都相等 实验设计步骤 1.陈述问题 2.设立目标 3.确定输出变量（尽量用计量型数据） 4.识别输入因子（可控因子/噪声因子） 5.选定每个因子的水平，--改善阶段开始（DOE） 6.选择实验设计类型（用Minitab） 7.计划并为实施实验做准备。 8.实施实验并记录数据。 9.分析数据并得出结论。--用Minitab 10.必要时进行确认实验。 步骤说明： 3.确定响应变量 尽量使用连续数据作输出变量。 连续数据提供更多的信息。 计数型数据需要大量样本。 尽量使用可精确，稳定测量的输出变量。 4.识别输出因子 通常可通过以下工具识别输入因子： 鱼骨图 因果矩阵 潜在失效模式及效果分析 可控因子与噪声因子 可控因子是我们在工序的正常操作时能设定并且维持在期望水平的因子。 噪声因子是在正常操作期间变化的因子，而且我们不能够控制他们；或者我们宁愿不控制他们，因为这么做会很昂贵。 步骤说明： 5.选择输入因子的水平 因子水平可以是定量的，也可是定性的。 定量举例：温度：20 30 转速：400 800 定性举例：机器：A B 人员：甲 乙 因子水平的选择是基于实验目的。 目标1：从大量的变量中确定出重要的少数输入因子（筛选） 将当前能力的极限值设定为“大胆”水准 目标2：了解因素关系及交互作用 一旦确定重要的输入因子，通过减小水平间距来确定输入因子间的交互作用 目标3：确定一组输入变量的操作窗口（过程最优化） 水平设定进一步接近 步骤说明： 6.选择DOE类型 步骤说明： 7.实施实验的计划 实施实验的计划应解决以下问题： 费用如何？ 我们已经与内部客户讨论过吗？ 需要多长时间？ 有必要做试运行吗？ 我们需要提案及许可吗？ 谁来进行实验？ 步骤说明： 8.获取数据 确认数据收集与数据值 确认特别情况不会产生影响 9.用Minitab分析数据 我们将在接下来的课程里讲解。 实施实验的阻碍 问题不清 目标不明 集体讨论不充分 实验结果不清 实验设计费用过高 实验设计耗时过长 对实验设计策略缺乏理解 实验初期缺乏信心 缺乏管理支持 过于迫切的需要结果 缺乏足够的指导/支持 全因子实验 我们为什么需要进行因子实验？ 优点 因子实验可以实现对多因子在多水平上的分析。这要比传统上被称为OFAT（一次一个因子）的假设检验技术快得多。 因子实验在分析初期阶段可以用来筛选大量因子 因子实验可以分析出因子间的潜在“交互作用”。OFAT实验却不可以。这就称为因子效率。 设想你在进行一次一个因子（OFAT）实验，每次只变动一个因子 你得到的只是在其他因子不变的情况下对一个因子的估计 并假设其他因子的效果都不变以及这些效果可以叠加 但是… 在“一次一个因子”的实验里 当其他因子的数值变动时，一个因子的最佳数值可能发生变化 在因子实验里，不管最佳值是否发生变化 它能够察觉及估计不同因子的效果，甚至它们的交互作用，它也比“一次一个因子”实验提供更好的判别能力