《实验因子选择法》doc版.doc

蚇袈肄莁薃羇膆膄葿羆袆荿莅薃羈膂芁薂膀蒇蚀薁袀芀薆薀羂蒆蒂蕿肄芈莈薈膇肁蚆蚇袆芇薂蚇罿肀蒈蚆肁芅莄蚅袁肈莀蚄羃莃虿蚃肅膆薅蚂膈莂蒁蚁袇膄莇螁羀莀芃螀肂膃薁蝿螂莈薇螈羄膁蒃螇肆蒇荿螆膈艿蚈螆袈肂薄螅羀芈蒀袄肃肀莆袃螂芆节袂袅聿蚁袁肇芄薇袀腿膇蒃袀衿莃荿衿羁膅蚇袈肄莁薃羇膆膄葿羆袆荿莅薃羈膂芁薂膀蒇蚀薁袀芀薆薀羂蒆蒂蕿肄芈莈薈膇肁蚆蚇袆芇薂蚇罿肀蒈蚆肁芅莄蚅袁肈莀蚄羃莃虿蚃肅膆薅蚂膈莂蒁蚁袇膄莇螁羀莀芃螀肂膃薁蝿螂莈薇螈羄膁蒃螇肆蒇荿螆膈艿蚈螆袈肂薄螅羀芈蒀袄肃肀莆袃螂芆节袂袅聿蚁袁肇芄薇袀腿膇蒃袀衿莃荿衿羁膅蚇袈肄莁薃羇膆膄葿羆袆荿莅薃羈膂芁薂膀蒇蚀薁袀芀薆薀羂蒆蒂蕿肄芈莈薈膇肁蚆蚇袆芇薂蚇罿肀蒈蚆肁芅莄蚅袁肈莀蚄羃莃虿蚃肅膆薅蚂膈莂蒁蚁袇膄莇螁羀莀芃螀肂膃薁蝿螂莈薇螈羄膁蒃螇肆蒇荿螆膈艿蚈螆袈肂薄螅羀芈蒀袄肃肀莆袃螂芆节袂袅聿蚁袁肇芄薇袀腿膇蒃袀衿莃荿衿羁膅蚇袈肄莁薃羇膆膄葿羆袆荿莅薃羈膂芁薂膀蒇蚀薁袀芀薆薀羂蒆蒂蕿肄芈莈薈膇肁蚆蚇袆芇薂蚇罿肀蒈蚆肁芅莄蚅袁肈莀蚄羃莃虿蚃肅膆薅蚂膈莂蒁 實驗因子選擇法張忠樸1. 因子選錯，滿盤皆輸在前篇實驗策略文章中，我們已開宗明義的將D.O.E的應用範疇界定在解決X型問題與A型問題上，若借用象限觀念來說明此一推理過程，那麼下圖就是一個簡單的實驗策略示意圖：對人類而言，所有問題的原始類型都是X型問題 。而人類之文明史，其實也就是在反映人類智慧成熟的過程，此一過程若就D.O.E的觀點而言，就是將所有問題由X型轉換成A型，再昇華為T型的過程。由於任何文明（KNOWHOW）都是起源於一種混沌（X型）的狀態，而離開混沌的第一步（實驗策略一）就是要從眾說紛云中理出正確方向，基於這樣的認識，因此在D.O.E中對因子選擇也就顯得格外重要。尤其從D.O.E失敗的案例中，我們很容易體會到因子選錯、滿盤皆輸的道理。因此如何有效探索要因，已在許多學者的投入研究後而自成一門學問。 2. 探索因子，要因分析在探索要因的研究過程中，集其大成的學者是石川馨博士。甚至流傳至今的特性要因分析圖皆被人們暱稱為石川圖（Ishikawa Chart），由此可見石川馨博士在特性要因分析圖上有獨到的貢獻。但可惜的是特性要因分析圖流傳日廣之後，反而出現了小學而大遺的流弊，譬如不少人受魚骨圖（特性要因圖的另一俗稱）對仗工整的形式主義所害，竟而窮其精力於繪圖，實乃捨本逐末之舉。其另一遺禍則是受4M法的框框主義所害，而不再從窮追根硬究底上痛下功夫。因此這幾年表面上雖有特性要因分析日益普及化的事實，但是實際上卻在製造更多畫虎不成的遺憾。3. 選對因子一定像話（像話原則）什麼才是真正有效的特性要因圖呢？這個問題可能很難有一個標準的答案，但是卻不難有一些嚴謹的推理原則可資依循。因此驗證要因分析是否恰當的第一個方法就是像話原則。我們先舉例說明如下：以上這張特性要因圖乍看之下並無不妥之處，但是若用像話原則加以印證，馬上就可看出破綻。當我們問：為何板面會出現離子污染？如果答案是：因為顯影之故。這像話嗎？或者是因為UV條件之所致這又像話嗎？由這兩個例子我們就不難明白，如果所回答特性的要因不太像話，那麼所呈現的就是一張有瑕疵（或者說效果差）的特性要因圖。上述那張特性要因圖經過像話原則 的修正後，會出現新的面貌如下：修正之後，我們再用像話原則 驗證一次。為何板面上會有離子污染？因為顯影操作不當或因為UV條件不穩定這樣因為對應其為何，豈不是像話了嗎？換言之，凡符合像話原則者，即表示因果之間的邏輯足夠嚴謹，這也才保證真正的因子能有機會浮現。 4. 抽絲剝繭，鍥而不捨（豐田原則）豐田式的管理成功之後，日本有位記者問豐田式管理之父-大野耐一先生，請他只用一句話說明什麼是豐田式的管理？大野耐一先生不愧為一代宗師，他言簡意賅地說所謂豐田式的管理原則，就是連問五次為什麼？好一個連問五次為什麼，其實這個豐田原則在特性要因分析上，也正是妙用無窮的法寶，現以修正後的魚骨圖為例說明之：第一Why為何板面會有離子污染？因為UV條件不穩定。第二Why為何UV條件不穩定？因為UV能量不足。第三Why為何UV能量不足？ 因為UV燈管已老化。因為反射罩之表面太髒。經過這樣Why?Why?Why?地追根究底之後，真正的原因自然就會水落石出了。因此，若能交互運用像話原則及豐田原則才是真正要因分析的行家，也才具備了D.O.E必勝的入門條件。 5. 選拔要因，配置實驗經過熟練運用像話原則及豐田原則之後，真正的要因一定會浮現出來。但卻也會面臨另一個要因可能太多，而使實驗過於龐大的後遺症。因此成功的要因分析之後，我們接著要探討如何選拔要因以配置實驗的問題，此一問題解決之道可參考如下之選拔要因流程圖：圖中控制力篩選及技術性篩選是關鍵因素，現再分別說明如下。5.5.1控制力篩選一般而言，從實驗者對因子控制能力的強弱來看，所有因子將可被分為三類，如下圖所示。為加深印象起見，各舉一例說明如下：變量：例如室外之溫度，非人所能控制（其水準無法加以指定）。假母數：例如飛機客艙之溫度，雖然可以調整高低，但除座艙長外一般旅客均無權調整。母數：例如裝了冷暖氣機的臥室溫度，你可隨自己的喜好調整溫度。在工業界原則上大多數D.O.E是屬母數模型，所以透過控制力的篩選，是精簡配置的第一招。5.5.2技術性篩選經過上述篩選所留下的各母數因子，其對結果之影響並非全然相同，因而此時可再透過專業技術來加以評估。根據實際之生產經驗或文獻資料的佐證，將部分技術上證據力較弱之因子予以淘汰。經過控制力篩選及技術性篩選的兩次過濾之後，就技術觀點而言，相對重要的母數因子此刻應該可以浮現出來。這時我們可從專業技術的角度選出58個因子，供第一階段實驗配置用。因子選擇法算不上什麼大學問，但它卻是影響實驗成敗的起點，因此值得從事實驗者仔細玩味。 莂蒈螅羇莁薀羁袃莀螂螃节莀蒂聿膈荿薄袂肄莈蚇肇羀莇蝿袀艿蒆葿蚃膅蒅薁袈肁蒄蚃蚁肇蒄蒃袇羃蒃薅蝿芁蒂蚈羅膇蒁螀螈肃蒀蒀羃罿蕿薂螆芈薈蚄羁膄薈螇螄膀薇薆肀肆膃蚈袃羂膂螁肈芀膂蒀袁膆膁薃肆肂芀蚅衿羈艿螇蚂芇芈蒇袇芃芇虿蚀腿芆螂羆肅芆蒁蝿羁芅薄羄芀芄蚆螇膅莃螈羂肁莂蒈螅羇莁薀羁袃莀螂螃节莀蒂聿膈荿薄袂肄莈蚇肇羀莇蝿袀艿蒆葿蚃膅蒅薁袈肁蒄蚃蚁肇蒄蒃袇羃蒃薅蝿芁蒂蚈羅膇蒁螀螈肃蒀蒀羃罿蕿薂螆芈薈蚄羁膄薈螇螄膀薇薆肀肆膃蚈袃羂膂螁肈芀膂蒀袁膆膁薃肆肂芀蚅衿羈艿螇蚂芇芈蒇袇芃芇虿蚀腿芆螂羆肅芆蒁蝿羁芅薄羄芀芄蚆螇膅莃螈羂肁莂蒈螅羇莁薀羁袃莀螂螃节莀蒂聿膈荿薄袂肄莈蚇肇羀莇蝿袀艿蒆葿蚃膅蒅薁袈肁蒄蚃蚁肇蒄蒃袇羃蒃薅蝿芁蒂蚈羅