六西格玛管理-I改善阶段复习过程.pptVIP

基本术语 重复试验(replication) 一个处理施加于多个试验单元。要重做试验，而不能仅重复观测或重复取样。 随机化(randomization)：用完全随机的方式安排各次试验的顺序和所用的试验单元。 划分区间(blocking)：按照某种方式把各个试验单元区分成组，每组内保证差异较小，则我们可以在很大程度上消除由于较大试验误差所带来的分析上的不利影响。 试验设计步骤 I、 陈述问题 II、 设立目标 III、确定输出变量 IV、识别输入因子（可控因子/噪声因子） V、 选定每个因子的水平 试验设计步骤 VI、选择实验设计类型 VII、计划并为实施实验做准备. VIII、实施实验并记录数据. IX 、分析数据并得出结论. X、必要时进行确认实验. 三、试验设计基本类型 试验设计基本类型 多因子试验类型 单因子试验设计 定义 实验中只有一个影响因素，或虽有多个影响因素，在安排实验时，只考虑一个对指标影响最大的因素，其它因素尽量保持不变的实验，即为单因素实验。 步骤 确定实验范围 x：实验点 a＜x＜b 确定目标 根据实际及实验要求，科学安排实验点 例：某厂在电解工艺技术改革中，希望提高电解率，做了如下初步试验，结果如下： 其中,74度结果较好，但是，74是不是最佳温度？我们可以采用两种方案： 方案一：在74度附近逐点做实验，如：70，71，72????，显然太费时间 电解温度 x 65 74 80 电解率(%) y 94.3 98.9 81.5 单因子试验设计 方案二：根据试验结果呈抛物线特点，可以预先拟合为： 应用测定的多组数据，可以拟合出曲线，求得相应的参数 a,b,c，然后由方程求极大值的方法，可以获得对应的温度为70.5℃，经核实在该温度下电解率达到99.5%，表明优化一次成功。 单因子试验设计 单因子试验设计目的 一 比较几个不同设置间是否有显著差异，若果有显著差异，哪个设置较好； 二 建立相应变量与自变量间线性关系。 全因子试验设计 什么是全因子试验设计 全因子试验方法是将每一个因素的不同水平组合做同样数目的试验，例如将每个因素的不同水平组合均做一次试验。 在一项试验中有K个因素，每个因素有e个水平，则全因子试验最少需要e k次，如某试验的因素数为3个，每个因素的水平数也是3个，则此试验若进行全因子试验，须32=27次。 全因子试验的特点及适用场合 特点 1、全因子试验是所有因子和水平的完全组合。 2、全因子试验所需的试验次数为e m即以水平数为底，以因素数为幂的指数。 3、因为全因子试验是完全组合，其结论是最真实可靠的。 适用场合 全因子试验适用于因素数和水平数均不多的场合，以获得较精确的分析结论。 1、因素数较多 假设某个试验设计须对10个因素进行评价，每个因素有2个水平，如进行全因子试验，须 210=1024 次试验。 2、水平数较多 假设某个试验设计须对3个因素进行评价，每个因素有8个水平，如进行全因子试验，须进行 83=192 次试验。 全因子试验不适用的场合 随着因子数量的增加，全因子设计中所需的实验次数呈指数增加。 部分因子设计 Factors Runs Required Full Factorial Fractional Factorial 4 16 8 5 32 8, 16 6 64 8, 16, 32 7 128 8, 16, 32, 64 8 256 16, 32, 64, 128 9 512 16, 32, 64, 128, 256 10 1024 16, 32, 64, 128, 256, 512 部分因子实验设计大大减少了实验次数： 部分因子设计 部分因子设计，其目的是尽可能高效地将有影响因子与无影响因子区分开。 一个部分因子设计是运行一个全因子设计实验组合的一个子集。因而部分因子设计只需运行其中一部分，因此部分因子实验能够大大减少实验次数。 部分因子设计 响应曲面设计：是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。 响应曲面设计 响应曲面设计 响应曲面设计 6Sigm