实验设计DOEWord格式.docx
- 文档编号:18627164
- 上传时间:2022-12-29
- 格式:DOCX
- 页数:32
- 大小:98.07KB
实验设计DOEWord格式.docx
《实验设计DOEWord格式.docx》由会员分享,可在线阅读,更多相关《实验设计DOEWord格式.docx(32页珍藏版)》请在冰豆网上搜索。
实验设计在质量操纵的整个过程中扮演了特不重要的角色,它是我们产品质量提高,工艺流程改善的重要保证。
实验设计已广泛运用了从航天业到一般生产制造业的产品质量改善、工艺流程优化甚至已运用到医学界。
籍此课程,您将通过对产品质量,工艺参数的量化分析,查找关键因素,操纵与其相关的因素。
依照实际需求,学习判不与选择不同的实验设计种类,设计你的实验步骤,发觉如何操纵各种阻碍因素,以最少的投入,换取最大的收益,从而使产品质量得以提升,工艺流程最优化。
在三十、四十年代,英、美、苏等国对实验设计法进行了进一步研究,并将其逐步推广到工业生产领域中,在冶金、建筑、纺织、机械、医药等行业都有所应用。
二战期间,英美等国在工业试验中采纳实验设计法取得了显著效果,战后,日本将其作为治理技术之一从英美引进,对其的经济复苏起了促进作用。
今天,实验设计已成为日本企业界人士、工程技术人员、研究人员和治理人员必备的一种通用技术。
五十年代,田口玄一博士借鉴实验设计法提出了信噪比实验设计,并逐步进展为以质量损失函数、三次设计为差不多思想的田口方法。
八十年代,田口方法进入美国,得到了普遍关注。
现在,实验设计技术的应用领域差不多突破了传统的工业过程改进和产品设计范畴,广泛地渗透到商业布局、商品陈列、广告设计及产品包装的应用之中。
我国在六十年代就曾对实验设计进行了研究和推广,八十年代又引入了田口方法,取得了一定成效。
但实验设计作为一种质量改进的有力武器,还尚未发挥它的全部威力。
二、实验设计(DOE)方法
实验设计(DOE)方法一直在进展、丰富和完善,美国人多里安·
谢宁(夏宁)(DorianShainin)总结了如下七种新的DOE应用技术:
1、多变图技术(X-R图分析)
依照以往经验确定阻碍质量的可能要素,例如工人班次、机床、原材料、工艺变量等,每隔一段时刻抽取连续生产的几件产品,按需观看的这些要素的几种情况分不测试质量特性,画成图表进行比较分析,以确定引起波动的缘故。
2、零件搜索技术(零件交换实验)
依照以往经验确定阻碍产品质量的可疑零件,随机选取几个好的产品和坏的产品,将坏产品上的可疑零件与好产品上的对应零件进行交换,重新装配后进行质量特性参数的测量、比较、分析,以找到阻碍产品质量的要紧零件。
3、成对比较技术
随机选取5对以上的好的和坏的产品,用各种方法测试其各种参数并比较其不同之处,以确定阻碍产品质量的要紧缘故。
成对比较技术适用于不可拆卸的产品。
4、变量搜索技术
与零件搜索有许多相似之处,差不多上逐个替换,进行测试比较,以搜索引起产品质量波动的要紧缘故,但变量搜索是针对变量的,而零件搜索则是针对零件的。
5、完全析因技术
采纳以上四项技术,查找出4个以下的要紧因素,这些因素按全部因素所有水平的一切组合逐次进行实验,研究这些因素的主效应和相互之间的交互作用,以确定最佳的因素水平匹配方案。
6、改进效果检查
令B为改进后的工序,而C为改进前的工序。
为了验证改进效果,能够设定风险率a(第Ⅰ类风险)和b(第Ⅱ类风险),随机抽取B和C两种产品(样本量由风险率决定),进行假设检验,以确定在规定的风险率下,B产品是否优于C产品。
7、实验设计的回归分析
对散布数据作出散布图,应用回归理论,诊断出对产品阻碍大和小的因素,从而找出阻碍产品质量波动的要紧缘故,并依照波动大小,确定各因素的目标值和容差。
三、案例分析
力克斯是某机械工业公司年轻的助理工程师,他接了老总交给的改进项目:
用6西格玛方法(使用DOE手段)改善产品流水线合格率。
老总告诉他:
“我们需要你改变生产流水线目前的混乱情况,自从我们更换了新的硬化剂供应商后,合格率就直线下降了,你的项目是使合格率重新回到原来92%的历史水准。
”
那个年轻助理工程师想,“我一定不能辜负公司的信任,但是要完成那个任务,不是件容易的事,听讲差不多有好几个前辈反复作试验,都没有成功呢……”。
他想:
我应该从一个SIPOC和绘制过程图开始,然后去找生产线的工程师—菲利斯了解情况,查找解决课题的方法。
菲利斯介绍讲。
“我们用一种硬化剂和其他成份混合组成一种粘合剂粘结工件。
然后我们将批量的组装件装在盘里放进烤箱加热至155度100分钟,过去合格率始终在90%以上。
大约三个月前采购部指定了一个新的硬化剂供应商,使用后合格率立即下降到现在的水平,一天最好时也只有77%。
“因此你认为新的硬化剂有问题﹖”亚力克斯问道。
“难道不是专门明显的吗﹖”菲利斯反问,“我们往常从来没有发生过如此的问题。
“然而关于新的硬化剂可能有一套更好的烤箱温度和时刻设置,”亚力克斯直率地讲道,当他看到菲利斯睁大了眼睛,他后悔自己讲话太冒失了。
“听着大学生男孩,当你依旧高中生时我就在那个部门工作了,同时我们一直用155度100分钟。
我们也试尝过用其它组合,但没有一个比155度100分钟更好。
每次有人调整设置,使它过高或过低操作,合格率都会下降。
除此以外,假如由于自动温度操纵计失灵造成温度低于标准时也会发生同样的情况。
目前我们的烤箱温控计没有问题,当合格率下降时,我做的第一件事确实是用计量器检查烤箱温度,发觉烤箱和温控计都正常。
而且我还要告诉你,关于新的硬化剂的最佳使用设置条件,我也验证过。
我们上个月做过一些试验,发觉目前的设置是最好的,合格率却只有75%。
采购部变更供应商,作出这么重要的决定之前应该事先与我们商量”
“看来我需要联系一下供应商。
”亚力克斯回答到,他暗自庆幸菲利斯将怒火发向采购部而并非他自己。
“我能够拿到一份你手头数据的复印件吗﹖”亚力克斯问。
“小伙子,假如这能对产品合格率有关心,因此没问题”菲利斯讲。
两天后,亚力克斯收到了菲利斯给的文件。
包括试验数据记录和讲明。
亚力克斯:
这是你需要的新硬化剂的试验数据。
首先我们在通常情况下生产了一批,合格率为76%。
然后我们降低了10度,在145度再生产一批,合格率69%。
数据上来看,提高温度对合格率有好处,因此我们将烤箱温度调度至175度。
没有获得预想的效果,我们只得到70%合格率。
由此推断,最佳温度仍然是155度一点也不意外,我差不多讲过,依照以往经验,这是最佳运行温度。
在我们证明了155度是最佳合格率点后两天,我们改变了烤制时刻,烤制时刻为60分钟时的一批合格率是52%,烤制时刻为120分钟时的一批合格率是73%。
当你有了一个新硬化剂供应商来解决这问题时或恢复用回原来的供应商请告知我。
“我得先看一下数据的状态”。
亚力克斯一边想一边打开电脑并输入数据。
首先亚力克斯使用三个数据观看合格率与温度之间的关系(见图1):
看来
数据支持菲利斯的结论。
目前设置的时刻和温度对应的最佳合格率点。
假如改变时刻或温度都会导致合格率下降。
菲利斯依旧对的。
亚力克斯合上笔记本。
改日我将和我的6西格玛指导讨论并听听他的意见。
两天后,亚力克斯回到了车间。
“小伙子,你不相信我的数据吗﹖”菲利斯问道。
“你的数据是对的,菲利斯,我只是想再做一个你们通常生产情况下的DOE。
你差不多做了OFAT试验,一次改变一个因子。
然而有可能存在时刻与温度的交互作用,因此我们必须同时改变两个输入以便发觉问题。
我的指导告诉我你的数据可能错过了合格率更高点。
“好的,对我来讲无所谓,按照你的方法去做吧。
我下星期预备休假了。
”菲利斯回答。
他想,让他去烦助理员约翰吧,早晚亚力克斯会明白是这些垃圾硬化剂在作怪,他一定会在我休假回来之前走掉的。
菲利斯度完假后回来。
他端着咖啡来到助理员周围坐下。
“那么,约翰,合格率如何样了﹖那小孩有没有用新的供应商来解决问题﹖”菲利斯问。
“是如此”,助理员回答,“我们为亚力克斯做了四批产品同时最少有一批合格率在80%以上。
有味的是,恰恰是使用了新供应商提供的硬化剂。
亚力克斯讲他午饭后会来和你一起回忆试验结果。
他在办公室留下了一张图表给你,真快乐我们最终认识到了问题所在……”
约翰能够从菲利斯脸上看出他全然不相信。
当菲利斯专门快跳起来并冲向办公室去检查数据时,约翰笑了起来(见图5)。
办公桌上有一封信。
菲利斯:
看来能够通过提高温度并减少时刻来提高合格率。
当你回到办公室看到假如我们能提高合格率到82%时,我正在进行另外一次试验。
我们试图通过减少炉中烤制时刻来达到90%以上的合格率。
缩短时刻将会大大提高你的生产效率。
祝你假期愉快
亚力克斯
“大伙儿可能还记得我上次的发表,将两个因子放在一起做了合格率的DOE,结果我们发觉用提高温度和缩短时刻能够达到更高合格率。
第一次DOE使合格率升高到82%,而我们的目标是达到90%合格率。
我们发觉时刻和温度间有专门强的交互作用,并决定进行另一次推论空间的DOE。
我们还与供应商一起讨论过,他们确认我们需要提高温度来提高合格率。
在第一次DOE结论的基础上,我们又改变了推论空间,进行了第二次DOE。
下面是第一和第二DOE的结果图。
“看来我们发觉了一个能获得95%合格率的操作点,那个水平差不多超过了使用老供应商硬化剂的合格率。
工件只需在烤箱内烤制30分钟而不是原来的100分钟,因此节约了70%的循环时刻。
工程师最初认为新供应商的硬化剂是合格率低的全然缘故,我也猜想是对的。
然而他漏掉了新硬化剂带给我们提高合格率缩短周期的机会,我们只需要探究设计空间并让数据讲话。
“接下来呢﹖”指导者问。
“我们进行了许多次验证,结果差不多上好的,他们将使用新设置点生产”亚力克斯确信地讲道。
“听来专门好,干得不错,亚力克斯”指导者夸奖道。
总结
从往常的等位线图(见图6)能够看出,菲利斯的试验区域选在温度155度100分钟的范围内,而且只进行了OFAT试验,未能发觉温度与时刻的交互作用,错过了最佳的设置区域。
通过全因子试验和最优化设计,终于达到甚至超过了合格率的历史水平。
Oliven:
专门好的案例,假如能将亚力克斯的DOE做法显示出来就完美了。
我大概地理了一下思路:
1.亚力克斯面对的问题差不多有人作过了OFAT实验,其结果显示,单一得改变温度或时刻的设置都会降低合格率。
2.亚力克斯作了第一次的DOE-全阶乘设计:
温度HL=165,LL=145;
时刻HL=130,LL=70。
实验结果显示,温度在165,时刻在70时合格率达到了82%.
3.亚力克斯并未停止前进,他又作了优化实验,也确实是一般意义上更为复杂和精确的实验,如响应曲面法。
最后依照等高线图,查找到了合格率>
95%的鞍点。
4.最后他们对最佳的设定作了验证实验,从案例中看,大概实验选取的最终设定为温度180,时刻30分钟。
然而我不太明白有几点:
1.亚力克斯大概一直在拓宽他的因子水平的范围。
温度:
第一次145-165,第二次145-185,
时刻:
第一次70-130,第二次30-150.
这几乎是违背DOE实验原则的,我们分步实验会一步步缩小因子的有效设定范围,拓宽是不是有风险呢?
因此也有可能因为优化实验是RSM,因此不怕非线性的阻碍。
2.那个案例大概想告诉我们实验因子的设定中,交互作用的阻碍是OFAT的一个软肋,以及实验因子水平设定假如太窄的话,可能会漏掉最佳的结果。
并不能把亚力克斯的实验作为一次正规的DOE实验步骤,因为假如是一个黑带老手的话,OFAT就能看出交互作用来,DOE全阶乘实验就能够找到最佳结果。
3.既然是交互作用阻碍显著,为何亚力克斯一口咬定提高温度缩短时刻就能够提高合格率呢?
他为何不降低温度延长时刻呢?
因此也许是工厂都需要快吧!
四、实施方法
Experiment,DOE)是以概率论与数理统计为理论基础、合理安排试验的一种方法论,它研究如何高效而经济地猎取数据信息、科学地分析处理、得出正确的结论。
本文从案例入手,介绍DOE在各行各业的应用实例,然后介绍单因素试验设计方法和多因素试验设计的思路,进而讲解正交设计为主、简介回归正交设计、均匀设计和三次设计。
本讲义假设学员差不多掌握统计学关于数据处理的基础知识,但为便于学员统一差不多概念,在开头穿插了关于数据变异、回归分析、方差分析的内容复习。
1
引言──试验设计在治理体系中的地位及其应用实例
过程性能的测量应兼顾各相关方的需求和期望,可包括:
能力;
反应时刻;
生产周期或生产能力;
可信性的可测量因素;
产量;
组织的人员的有效性和效率;
技术的应用;
废物的减少;
费用的分配和降低”。
那个地点写出的9方面如何进行优化,无疑是组织经常面临的具体课题,设计开发(designanddevelopment)确实是解决这些课题的重要环节。
统计技术是解决上述课题的一种有效手段。
。
那个地点的关键词是“安排试验”。
它是专业技术和统计技术的结合。
请看一些多因素DOE应用实例。
【例1农作物栽培】某省供销社进行大棚丝瓜早熟栽培试验,选择4个播种期、2个品种、2种株行距进行条件组合试验,实现了提早丝瓜上市时刻、提高产值的目的。
【例2材料替代】某市对豆腐制作中起凝固作用的GDL、盐卤、石膏3种物料配比进行条件组合试验,查找出可代替原用的单一凝固剂而不阻碍产品质量、但幸免了产生废渣的复合凝固剂,推出“环保型豆腐”新工艺。
【例3环保工程】某科研所对pH值、絮凝剂(聚合硅硫酸铝)投加量、其中的硅铝比等3种因素各4个水平进行条件组合试验,查找处理印染废水时提高“色度去除率”的优化工艺条件。
【例4建筑工程】三峡大坝泄洪深孔抗冲耐磨混凝土性能对大坝安全至关重要,要紧受水胶比、用水量、粉煤灰品种、粉煤灰含量、砂率、引气剂、减水剂等阻碍。
施工指挥部对该7种因素各两种选择进行条件组合试验,确定了最优的参数配合。
【例5质量检验】某市商检局研究在茶厂出厂检验、外贸收购验收及出口检验原用03±
2℃4h恒重法和130℃27′快速法检测茶叶中水分含量,为了改用更好的红外快速检测法,对温度、样品量、检测时刻等3个阻碍检测误差的要紧因素进行各3水平的条件组合试验,确定了利用红外水分分析仪以130℃称量约5g样品检测15min的最佳实验条件,在确保一致性的前提下相关于原法具有快速、简便、均匀、耗能少、占地小、结果准确等优点。
【例6节能降耗】指导实施的优化脱盐制水工艺、降低酸碱消耗的QCC活动,通过两轮正交试验取得成功,相关成果获当年全国优秀QCC并通过全国“擂台赛”选拔作为我国代表出席国际QCC代表大会发表。
【例7焊接工艺1】现代通信电子电路的制造大量使用表面贴装元件以提高组装密度,然而许多电子产品应用中(如连接器)需要通孔插装式元件以获得高强度互连。
近年来进展的通孔再流焊工艺,是用表贴元件的制造方法完成混装电路板的焊接,这种工艺取消了波峰焊工序,从而降低了生产成本。
某省采纳正交试验的方法分析多个因素对焊点强度及可靠性的阻碍规律,确定了通孔再流焊工艺优化的生产方案。
【例8焊接工艺2】波峰焊中无铅(Pb-free)焊接技术上必须解决一些现实问题,包括无挥发性有机化合物(VOC-free)的助焊剂技术,以及修改工艺来接纳所要求的更高焊接温度。
某作者通过正交试验确定了条件组合:
焊锡温度265~270℃、接触时刻1.8秒、预热时刻(顶面)110℃、湿助焊剂量474mg/dm2,取得成功。
【例9化工工艺】某化工产品期望指标堆密度Y(克/立方厘米)以0.5~0.6为佳。
某厂为了寻求的最佳反应条件,从专业知识考虑选择了反应物A、B浓度X1、X2(摩尔/升),反应温度X3(℃),加料方式X4(取1,2)等4个可控因素,分不设定了取值范围和水平数值。
进行试验取得产物、处理并测定其试验结果分析:
①用多元逐步回归方法建立数学模型:
经逐步筛选,得回归方程为:
Y=-0.004351+0.33544X1+0.77215X4(与X2、X3无显著相关关系),且检验表明方程的可信度高;
②求回归方程的最优解:
当四个X依次为1.3、1.0、27、1时方程有最小值0.570;
③计算它们的全面组合共12种,得“最佳条件全排列”,从中得出结论:
只要保持X4取1方式,X1在1.0~1.5范围内均能保证Y在0.5~0.6的所需范围内。
因此在进行DOE设计时,应确定因子及每个因子的取值范围。
2
几个统计技术差不多概念复习
2.1数据变异的统计量
一批参差不齐的数据,动态形成波动,静态形成分布。
不同来源、不同性质的数据具有遵循不同的分布规律,要考察的包括三个方面:
数据的集中位置即平均水平、
离散程度和
分布形态。
平均水平用算术平均值代表,离散程度用标准偏差代表,分布形态用某种分布规律的“适度”代表。
设n个数据X1、X2、X3…Xi……Xn,其平均值A和标准偏差分不用下面介绍的贝塞尔(Bessel)公式计算:
平均值变差”或偏差平方和
总体方差
总体标准(偏)差
样本方差
样本标准(偏)差
设m组共n个数据为:
X1有f1个,X2有f2个,…Xj有fj个……Xm有fm个(那个地点f1,f2,…fm称为频数),则:
总频数
平均值
“变差”或偏差平方和
总体方差V、总体标准(偏)差σ、样本方差v、样本标准(偏)差s计算方法同上。
另有一个显示离散程度的统计量“极差”R,等于各X中的最大值与最小值之差(取绝对值)。
【例题】n=5个数据:
1,4,8,10,12;
求以上各统计量:
总和=35,A=7;
平方和=325,
变差S=(325-35*35/5)/5=80;
V=80/5=16,
σ==4;
v=80/4=20,
s=√20=4.47,又R=12-1=11。
本来,变差的定义是各(X-A)的平方和,用本例数据不难验证。
2.2
方差分析(ANOVA,analysisofvariance)
方差分析用于对误差因素(包括方法误差、模型误差、仪器误差、操作误差等等)而言各种因素对总变异的阻碍进行推断,回答如此一个问题:
试验结果的变异究竟是误差所致,依旧因素确实产生阻碍?
【例1单因素重复试验的方差分析】考察反应温度A(℃)对收率X(%)的阻碍。
对A因素选p=2个条件:
A1=30℃、A2=40℃,各进行c=5次试验,结果如下表。
粗看起来,平均值A2>
A1,但各次试验单独看结论不同,例如②③就完全相反。
要求推断结果的不同确实是因素A的不同水平起作用,依旧仅仅由于试验误差所致。
按下左表计算得SA与SE,然后作方差分析表如下右表,结论:
因素A的水平差异所造成的阻碍并不显著。
源数据汇总处理
方
差
分
析
表
因素
水平
试验结果(重复c=5次)
变差
cσ2
平均值
平均值的变差
SA=
184.9
方差
来源
偏差平
方和S
自由度
f
F比
F检验临界值
显著性
①
②
③
④
⑤
α=
0.05
0.01
A1
75
78
60
61
83
429.2
71.4
因素A
p-1=1
1.33
5.32
11.26
×
A2
89
62
93
71
85
680.0
80.0
误差E
1109.2
p*(c-1)=8
──
全部pc个数据变差ST=1294.1
─→SE=1109.2←─┘
总计T
1294.1
pc-1=9
←此行供参考,可不列出
表中“F比”是要比较的因素的“均方和”对误差因素的“均方和”的比值,等于(SA/fA)/(SE/fE)。
从表中能够看出,操作过程实际上是把全部10个数据的变差ST分解为A和E两个因素所分不引起的两部分。
本例中误差因素阻碍太大,表面上A的两个水平的平均值不同,实际上差异不算显著。
假如在技术上觉得A因素应该产生显著阻碍,应进一步考虑查找和减少误差因素,以期得到符合实际的结论。
【例2双因素无重复试验的方差分析,p=5,q=4,c=1】
(引自《化工企业全面质量治理乙编上册》用相同的原料按A1~A5五种工艺本不用B1~B4四个反应器合成某种化工产品各一锅,分不测得成品种某副产物含量Y(%)如下表中20个数据,问工艺A、反应器B两因素是否对该副产物含量有显著阻碍?
对表中横向计算变差与总和、纵向计算总和,再按Σi求SA、按Σj求SB,另求SE如表;
然后作方差分析表如下右表。
各因素自由度f计算为:
fA=p-1
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 实验设计 DOE
![提示](https://static.bdocx.com/images/bang_tan.gif)