day4-gb-i-02 实验计划

步骤11 Vital Few Xs的最佳化,Planning DOE,Define,Measure,Analyze,Improve,Control,Planning DOE最佳条件导出 - 全因子实验 -2k 因子实验提出对策方案选定最佳对策方案,Step 10- 制定改进方案,Step 11- Vital Few Xs 最佳化,Step 12- 结果验证,路 径,-对控制因子实施DOE,并分析其结果导出有关Vital Few Xs最佳条件；-对对策因子实施对策创造并实施风险评价,选出最佳对策方案；,INPUT控制因子对策因子专家Team员,控制因子(Operating Parameter),对策因子(Critical element),实施实验计划,最佳条件,评价对策方案,实验及产出效果,最佳对策方案,OUTPUT最佳条件最佳对策方案,结果分析,定 义,推进顺序,重要性及教育目标,重要性这是与项目成功直接相连的Vital Few最佳条件或最佳对策方案 的确定阶段,为了实行正确的最佳化,需要理解符合目的的实验实施 及数学模型的导出过程,在结合多种经验知识的背景下,在对控制 条件的最佳条件选定的过程中需要保持客观性. 教育目标理解实验计划,可以设计符合目的的实验实施正确的实验,可以设定最佳运营条件可以理解对策方案提出方法,并导出对策方案可以评价对策方案的风险因素,并选出最佳对策方案,实验计划,实验定义6SIGMA方法把任何活动都看作是一个过程，如设计过程，生产过程等。过程的某个输出可能是我们和客户都特别关注的（CTQs）。但影响过程输出的因素往往很多，DOE就是一种同时研究多个输入因素（Xs）对输出（Y）的影响的方法，它是通过对选定的输入因素进行精确、系统的人为调整（变化）来观察输出变量的变化情况；并通过对结果的分析，最终确定影响结果的关键因素及其最有利于结果的取值的方法。,Process -对输入变数为一个以上输出的设备,方法,人或原资材的组合,工程/系统的例题,实验计划,实验设计就是对实验方案进行优化设计、以降低实验误差和生产费用，减少实验工作量并对实验结果进行科学分析的一种科学方法找出对输出变数(Y)引起显著影响的输入变数(X)有哪些? 在数值上有多大的影响? - 不显著的输入变数影响的和占总体有多大?- 测量误差是多少?- 有显著影响的输入变数在什么条件下才能得到最佳的输出?,DOE (Design of Experiment):实验设计,实验计划,DOE (Design of Experiment):实验设计,实验设计是通过对品质特性带来影响的多个因子的选定, 并为了观察他们之间的关系,实施实验，能经济性寻找出产品的最佳条件实验设计是实验的计划方法，对要想解决的问题怎样进行实验、怎样收集数据、用怎样的统计手法、用最少的实验次数，计划得到最大的情报.,实验计划,DOE的目的,把握Vital Few Xs的影响程度 (验证和推测的问题) 把握选定的重要X间的交互作用 利用X制定Y的预测模型 决定使Y最佳化的X条件 (最佳条件的决定问题)-探测不显著要因的影响程度和测量误差各是多少 (误差项推测的问题),实验计划,描述工程的特征判断哪个X对Y的影响最大（包括可控和不可控的X） 明确关键性的工程和噪音变量 明确过程中需要仔细控制的变量 为控制输入而作的控制图提供方向 优化工程决定关键性输入应该设置在什么地方 决定“真实的”规格限 产品设计 在早期设计阶段帮助理解X 为“强健的”设计提供方向,DOE的用途,实验计划,其结果解释要相对容易；要用最少的费用得出尽可能明确的实验结果在输入变数(可能控制因子)的设定中要慎重的检验和确认相对复杂的统计分析来说，更重要的是要有适当的实验设计各种实验设计可根据特定状况(特定问题,生产样本,样本利用性及控制实验) 等进行必要的调整,DOE的特征,实验计划,输出变量-Y 也称作反应变数(Response)是实验设计的输出结果，也是 实验设计优化、改善的目标如半导体Process的产出率,输入变量(因子)-Xs 也称作因子(Factor)潜在解决方案或研究中的变量因子，可按水平不同分类如半导体Process中输出变量为 产出率时,其因子为: 压力、温度,关联术语,输出变数Y,X1,X2,X3,X4,X5,输出变数Y,输入变数X,实验计划,关联术语,因子,处理组合,水平,反复,再现,一个工程师想检验温度和压力对一个化学收益的影响,实验计划,因子,Process,Input(原材料,部品等),Output(品质特性值等),X1,X2 . . .,Xp,可控的 Input,N1,N2 . . .,Nq,不可控的 Input,Y1, Y2, etc.,因子: 因子（Factor）是指在所研究的实验中对反应（Response）有影响的可控 或不可控的变量。 因子可以是定量的，如以度为单位的温度和以秒为单位的时间； 因子也可以是定性的，如不同的设备、不同的作业者、清洁或不清洁的状况都可成为因子,实验计划,压力: HHHH LLLL HHHH LLLL HHHH LLLL温度: HHLL HHLL HHLL HHLL HHLL HHLL,实验顺序,水平,因子,水平,水平: 因子的 “水平”是指实验中被调查的因子的不同取值。 对于定量的因子，所选择每个的数值成为一个水平，即如果某实验在两个不同的温度下运行，那么就说该因子“温度” 就有两个“水平” 对于定性的因子，类似如干净程度的情况下也有两个“水平”：干净与不干净,实验计划,Run 温度 压力1HiHi2HiHi3LoHi4LoHi5HiLo6HiLo7LoLo8LoLo,处理组合,配置组合,配置组合: 是指实验中不同因子的不同水平的一个组合。 一个全体实验中处理组合的个数通常是等于各因子水平数的乘积。,实验计划,压力 : HHHH LLLL HHHH LLLL HHHH LLLL温度: HHLL HHLL HHLL HHLL HHLL HHLL,重复2次,反复和再现,第1 次再现,第2次再现,Repetition和 replication,实验计划,重复(Repetition ): 在一个实验配置组合条件下测试数个样品（揭示短期有效性）再现(replication): 在一个时间序列上重做整个实验（揭示长期有效性） - 重复和再现主要是为实验系统中的自然散布提供估计 - 在同一实验中你可以两个都使用 - 在实验中两个都直接与样品数相关,反复和再现,实验计划,反复实验法（ Trial and Error ）单因子法（ One-Factor-at-a-Time ） (OFAT)部分阶乘法（ Fractional Factorials ）全阶乘法（ Full Factorials ）反应表面法（ Response Surface Methods ）其他方法 EVOP ( Evolutionary Operation),实验的类型,实验计划,问题: 当前的耗油量是20mpg. 想要达到 30 mpg.我们可以先后尝试:改用汽油的品牌 改变辛烷值 慢点开 调整发动机 清洗并打蜡 购买新轮胎 改变轮胎冲气压 如果某一个或几个起作用将如何认识？如果某一个或几个不起作用有将如何处理？,反复实验法对每个相关因子分别进行实验,从中选择一个有效的方案,实验计划,速度,燃料,轮胎压力,每升行使距离,55,85,30,23,65,85,30,29,65,91,30,23,65,85,35,24,你需要多少次运行才能判断出这些变量的最佳组合呢？ 你将如何解释以上结果？ 假如还有更多的变量，要花多长时间才能得到一个满意的解决方案？ 假如有两个或多个变量的特定组合决定着最佳的耗油量怎么办？,问题: 耗油量是100Km / 5L,单因子法(OFAT)对所有相关因子进行有次序的关联实验,在前一个 因子的最佳条件下进行下一个因子的实验,实验计划,OFAT 实验,这时你可以得出什么结论？,问题: 耗油量是 100Km / 5L,全阶乘法(Full Factorial Experiment)-对所有因子的所有可能的全部组合进行实验,实验计划,DOE的阶段,Screening从多数的输入变量中筛选出少数重要的输入变量,特征化把握重要输入变量影响输出变量的特征,最佳化设定重要的输入变量的最佳条件,精密度,实验计划,例题,-问题状况: PCB制造工程使用的波峰焊设备,最近出现下列情况, 一个PCB板上将实施2000次的焊接作业,检查发现平均每个 PCB板上发生有20个缺陷,即缺陷率为1.0%,-对缺陷的处理: 对于发现的缺陷,将实施手工焊接作业进行修理,-工程师要进行的工作: 什么变量对缺陷的产生有影响? 为了减少焊接缺陷针对某种变量应采取哪些措施?,实验计划,DOE阶段的例子,因子的选定,可能控制的因子(输入变数),焊接温度 预热温度 焊接深度 Flux形态 Flux比重 传送速度 传送角度,不可能控制的因子(噪音变数),作业者 生产计划 PCB厚度 PCB上使用的部品形态 PCB上部品的配置,实验计划,DOE阶段的例子,- 筛选(Screening)阶段,筛选阶段的目的: 就是识别或查找出对发生缺陷有影响的重要因子,为了找出对发生缺陷有影响的重要因子, 就要了解哪些因子是输入 因子, 哪些是噪音因子 对发生PCB缺陷有影响, 利用PB法或部分阶乘法实施实验,并分析其 结果,找出两个重要因子 焊接温度 焊接深度,实验计划,DOE阶段的例子,- 特征化阶段,特征化的目的: 就是明白焊接温度和焊接深度对发生缺陷起什么作用,为了减少单位缺陷数, 决定焊接温度和焊接深度的设定或调整方向; 为了避免缺陷率变高或发生意想不到的工程结果, 提供全体制造工程 中需要谨慎控制的变量的相关情报; 以焊接温度和焊接深度为例的两个输入变量实施2K全阶乘加中心点 实验得到下列结果,实验计划,DOE阶段的例子,300,260,280,240,220,200,0.5,0.75,1.0,1.25,1.5,焊接温度(),焊接深度(mm),0.8%,1.2%,1.5%,1.6%,1.0%,当前缺陷率,往低缺陷率变化的方向,焊接温度增加缺陷率减少焊接深度减少缺陷率减少,实验计划,DOE阶段的例子,- 最佳化阶段,最佳化阶段的目的: 就是查找出缺陷率最小的时候焊接温度和焊接 深度的水平设置,以焊接温度和焊接深度为例的两个输入变量实施2K全阶乘或RSM 实验得到下列结果,焊接温度为: 255()焊接深度为: 0.83 (mm),结果: 缺陷为0.8%,实验计划,建议事项,对问题分析要密切结合非统计性的知识 这方面工程专家拥有很多的知识和经验 非统计的知识在选定因子,决定因子水平,决定反复次数,分析结果 的解释等方面要重点的灵活使用 尽量采取简单的设计和分析方法 请不要盲目滥用过分复杂的统计分析方法; 比较单纯的设计和分析方法最好,实验计划,注意事项,- 实际与统计的差异 注意在统计上有意义的结果,可能在实际上却没有意义 如某项改善远远超出规格范围时,或某项改善在实际中需要 花费很多费用时都是不可取的,- 实验通常要反复实行 - 实验的反复,通过实验方法的改善要逐渐达到最终目的 - 只做一次实验就想得出结论, 往往是不可行的,实验计划,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,通过DOE 能了解什么?,如产出率, 作业时间, 清洁度等,如温度(100,150),重量(20,30,40kg),ANOVA, Factorial Design, RSM,Collecting data,Running the Minitab, analyze it,改善方案制作,实验计划-顺序,必要时重复实验,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,明确实验的目的 明确把握要解决的问题 明确把握要从实验得到的目的 - 如投射器的例子: 想查找弹射距离最远的组合条件 - 前面波峰焊的例子: 想查找缺陷率最低的因子组合条件,实验计划-顺序,选择输出变量(特性值) 输出变量的定义 - 输出变数是计数型, 还是计量型? - 改善的目的是什么? 目标值(平均)/散布水准(标准偏差) - 能否统计性的管理输出变量? - 输出变量随着时间变吗? - 希望能发现出多大的输出变量的变化程度? - 输出变量是否具备正态分布? - MSA是否可靠? - 希望得到多个输出变量吗?,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,实验计划-顺序,决定因子 因子的选择 - 确认在实验中所有输入变量能否选定为因子 - 准备对没被选定为因子的输入变量的处理方案 - 定义因子的类型 计数型变量 计量型变量,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,实验计划-顺序,决定因子 不可控因子(噪音变量)的定义 - 作为对输出变量有影响的变量本应进行控制, 但有些在现实中是不可能控制的变量 处理噪音变量的方法 - 利用随机化 - 试图把噪音变量维持为常数的方法 - 利用Block化 - 反复实验,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,实验计划-顺序,决定因子的水平 按因子数及影响的特性选择水平数 - 因子多时,用2水平 - 只有线形影响时,用2水平 - 估计有曲线影响时,用3水平 水平的范围设定: - 原则是当存在差异时能充分保证显示出此差异 的程度 - 不可脱离实现可能性的范围(但可以超出当前 Process的范围) - 对计量性数据的输入变量的水平设定,大体上 要考虑当前条件的界限,明确实验目的,选择输出变量,决定因子和水平数,选择DOE,实施实验及收集数据,分析实验结果,结论和提案,实验计划-顺序,选择DOE,筛选实验,6以上,部分阶乘实验,410,全阶乘实验,15,反应表面实验,23,DOE 种类,因子数,选别重要因子,部分交互作用,因子间的关系,设定因子的最佳条件,目的,为了