六西格玛实验设计方法解读.pptVIP

实验设计方法 目标 向学员介绍实验设计的概念 介绍一些实验设计 的关键术语 提供处理噪音变量的方法 提供洞察推论导览和实验的有效性的方法 介绍实验设计计划的工作路径 认知的方法 被动地 - 观察自然发生的信息事件 (多变量研究) 如果幸运，在你实施监控时信息事件可能会发生 用实验的方法 - 引起可提供信息的事件 实验设计 预期控制输入变量，因此可以研究输入变量对输出变量的影响 引起可提供信息事件发生 实验, 如果做的正确, 将会是： 有效的 强大的 什么是实验设计 ? 一系列的系统检验，在此过程中通过对各类输入变量 (X’s)直接的巧妙处理并观察其对对输出变量(Y’s)的影响 确定哪个 X’s 对 Y’s的影响最大 有影响的 X’s ，使Y的中心落在目标上 有影响的 X’s ，使Y的变异最小化 有影响的 X’s，最小化噪音变量的影响 设计很好的实验会消除所要检验之外的所有可能的原因 如果出现了影响关键流程输出变量 (KPOV)的情况, 那么可能是直接和你所操作的关键输入变量（KPIV)联系在一起的 实验方法 多数人如何进行实验 反复实验 （Trial and Error ） 单因子法 One-Factor-at-a-Time (OFAT) 黑带如何进行实验 部分因子 实验 全因子 实验 响应曲面方法 其它 实验的高层路线图 实际 人们也可以在此处着手工作!!! 反复试验（尝试错误法 ） 问题:目前车子每加仑汽油能行驶的里程数为20英里。欲将其提升至每加仑汽油行驶30英里。 我们想尝试: 变换汽油牌子 变换汽油辛烷值 减慢汽车速度 调整汽车引擎 清洗打蜡 买新轮胎 变换胎压 如果行得通? 如果行不通? 单因子法 全因子实验 单因子法（OFAT） 研究 假设我们着眼于单因子法 在下面的事例中, 我们进行一次在压力1的情况下温度（1 vs. 2）的实验 因为样本（实验）误差, 我们需要在每个水平上进行两次 发现温度1时效果 最好, 我们在进行另外的实验时将温度固定为温度1并变化压力 我们将一共进行8轮 OFAT 和交互作用 全因子实验 问题: 每加仑汽油行驶20英里 实验设计“不使用数学或让人头痛的数据图表” 将: 确定是否单一变量 (辛烷, 轮胎压力或速度)使每加仑行驶的里程达到37英里 确定是否时3个变量的共同作用使每加仑行驶的里程达到37英里 全因子实验 实验中可能出哪些问题? 有未知或无法解释的输入变量确实可以使Y发生变化 存在一些噪音变量 解决方案: 随机化 在太短的时期内获得的数据太少 解决方案: 重复 研究局部事件并确信它能够应用于整体 解决方案: 再现 随机化 随机化实验中的试验运行 提供随机化试验运行顺序 重复及再现 重复及再现提供实验系统中的自然变异评估 重复: 在同一个试验设定下，收集数个样本(短期变异) 再现(仿行):在同样的实验条件下重复整个实验 你可以将上述两者可应用于同一实验中 两者都与实验的抽样大小有关 推论范围 您可推论结论的范围 两种分类法：广义推论及狭义推论 狭义推论 实验着重于作业中的特定部分 例：仅个一班次、一个作业员、一个区域、一台机器、一个供应商、一个批量等、 广义推论 通常涵盖整个流程 (所有机器、所有区域、所有班次、所有生产线、所有操作员等) 一般需要更多更长的时间来收集数据 广义推论噪音变量影响较大 推论范围 1个材料批量 1 天 1 台机器 1 个操作工 1个供应商 几批材料 几个月 五台机器 许多操作工 多个供应商 实验的有效性 内部有效性 输入变量是否真的影响输出变量，或此结果是由噪音变量所引起？ 与狭义推论研究相关 外部有效性 此实验结果是否与类似的流程、生产线、区域、办公室、周、天等相关？ 与广义推论研究相关 统计结论的有效性 您的推论或决策是否正确? 2k 因子实验 2k 因子设计的优点 因子研究时，仅需相对较少的实验次数 可进行更复杂的实验设计 适于初期的研究：可通过相对较少数的实验检验大量的因子 利于进行后续的序贯实验 使用Minitab易于分析进行 2阶3因子示例 本范例包含了与 Cookie Rating 相关的两个计量输入变量(Temperature 及 Time) 和一个计数输入变量 (Chip Mfr.) 因子与 水平 : Temp（温度）: 160 oC (-1), 180 oC (1) Time 时间 (min): 8 (-1), 12 (1) Chip （制作饼干片的模子）: Brand A (-1), Brand B (1) 该实验设计矩阵及结果如下表： 计算效应 时间效应 Chip 效应 Chip 效应计算 交互作用 我们刚刚计算完这个实验的主效应 换句话说，我们仅个別检查过 温度，时间 及 Chip 的单一效应 我