1.定義目標
目標必須是可定義和可衡量的。在這個例子中,我們需要知道現有的不良率,以及如何在不改變設計的情況下,通過工程調整來提高電機良率。這個目標對于改進來說應該是具有挑戰性的(高投資回報),并且在改進后能夠滿足其他性能和安全要求。這個例子是為了提高電機的振動值。改進前的缺陷率是5000ppm,目標是減少50%,3500ppm是這個參數的測試系統。
2.選擇因子的響應值Y。
Y可能經常是多個,單個Y很難完全代表定義的目標和需求。然而,在該示例中,為了簡化討論,僅將Y和Y1中的一個作為電機振動值,并且該值越小越好。另外,測量系統簡單,已經通過了測量系統的分析,所以不會重新評估。
3.選擇因素
特別是那些可能對Y有影響的因素或它們的交互作用對Y有影響,尋找因素一般可以通過產品設計圖、工藝流程圖、頭腦風暴等找到。在這個例子中,因為我們不想改變產品設計,所以我們使用流程圖來尋找因素,建議在初始階段記錄盡可能多的影響因素。
共發現12個影響因素。12因子的DOE需要大規模的測試和更多的資源,所以我們通常會做一些篩選。比如我們不打算改變產品設計,盡可能的改變產品設計可能會對y有更好的影響,但是由于實際的限制,我們無法改變,所以可以將一些因素納入DOE。
4.定義因素的級別。
選擇因子后,下一步是定義因子的級別。因子的水平可以根據經驗值、限制甚至先前的測試結果來定義。同時,要避免層次之間過寬或過窄。如果某一因素在兩個層次之間的定義過于寬泛,就會掩蓋其他因素的作用;如果太窄,它對結果的影響可能會被忽略。
看看這個例子中的五個因素。根據經驗,五個因素設置為兩個級別,“-”和“+”;如果螺釘由兩家供應商使用,它們是S1和S2;S1是“-”級,S2是“+”級;
5.分析和預測因素與因素之間相互作用的結果。
在確定因素水平后,需要預測因素的影響和因素之間的相互作用對每個y的影響,當結果和可以相互比較時,如果DOE的測試和分析結果與預測一致,則置信度較高。相反,可能需要再次檢查測試,以確定當前的理論是否有問題。
6.制定適當的策略,然后收集數據。
在采集數據之前,需要制定采集策略,主要看干擾情況。總共有5個因子,可以用分辨率IV做16次DOE。16度判別IV的DOE幾乎是最常用的,它不僅能理解單因素的作用,還能理解一些交互作用,資源實驗遠不如32度的DOE。16次測試的序列完全是隨機序列,可以對測試過程中的干擾進行平均。
7.使用ROSS規則分析數據。
拿到數據后,先做實際考慮。大致觀察整體數據分布,比如整個DOE數據的差異是否足夠大,是否有符合預期的數據等。
從正態圖可以看出,B(轉子平衡)和D(墊圈高度)對Y. Y都有顯著影響,圖2的帕累托圖也證實了這一點。
最后,使用圖表和定量結果。通過選取顯著因子B(轉子平衡)和D(洗衣機高端),并繪制方框圖,可以發現當D為“+”B為“-”時,Y很小,結果穩定,很好,結果與預期不相悖。
8.確定目標是否已經實現,并制定下一步計劃。
理論上,轉子平衡越小越好,墊圈高度越高,振動值越好。但實際上轉子平衡是有極限的,墊圈的高度不能做得太大,需要通過多輪的DOE找出最佳匹配參數。同時,將仍有疑問的參數保留給下一個DOE進行驗證。
通過多輪DOE,我們可以逐一定義對改進目標有影響的參數及其最優配置,從而保證最終結果符合標準,盡可能獲得最佳的洗滌性能。在這種情況下,實際改進后的不良率為1600ppm。
綜上所述,DOE( 實驗設計)是運營管理中提高產品良率的一個相對簡單的應用。在實踐中,往往會有更多的干擾,比如平衡系統的設計。這時候結合DOE的干擾策略會非常復雜,測試量也會增加。然而,如果使用得當,DOE仍然是幫助獲得參數設計的非常有效的工具。