DOE-试验计划法.ppt

14部实验计划法 1 完全配置法2 部分配置法 LGENTSIXSIGMATASKTEAM 改善阶段概要 在测定阶段 决定影响Y变动的预想的X因子在分析阶段 选定致命X因子在改善阶段 通过最终做实验 决定致命的少数因子找出最佳化Y的致命的少数因子的条件通过检证实验 ConfirmationRun 与Baseline比较 确认是否达成了目标 决定致命的少数因子 VitalFew 达成ProcessOptimization LGElectronics LGENT6 TASKTEAM 14 2 29 改善的过程 在改善阶段 在分析阶段得到的Xs中选定少数致命因子对所选定的因子 通过影响测定值统计的计划的实验而进行分析其结果掌握最佳的条件 完全 部分配置法 CriticalXs VitalFew VitalFewCombination Control VitalFewOptimization 检证实验不必要时 检证实验必要时 反应表面实验 LGElectronics LGENT6 TASKTEAM 14 3 29 实验计划 DOE 实验计划法 DOE 的背景 一般影响Y的X有无数个 根据实验条件 实验结果的不同因此几乎不可能用经验的 理论的方式知道引起Y发生的X 实验计划法 DOE 的目的 通过计划周全的实验1 掌握哪个要因对反应有有益的影响找出其影响良性的程度有多大 检证和推定的问题2 掌握微小影响的要因 在所有影响当中占多少比重 测定误差多少 误差项推定的问题3 有益影响的原因具有什么条件时 掌握是否得到最佳的反应 最佳反应条件的问题 按结果 设定作业标准 提供选择原料 装置 测定方法等的基准 LGElectronics LGENT6 TASKTEAM 14 4 29 实验计划 DOE 什么是实验计划法 DOE 对已知的事实检证或确认未知的事实的假设对所推定的原因因子的条件计划 实施 分析实验想要得到最佳条件的活动 TrueStateofNature Prism DOE Noise NewData 进行实验 实验计划 AvailableData 推论 检证 分析 ProcessOptimization N Trial Error方法 一般问题的原因有很多种 推定因子不能同时研讨 同一类型的问题再发的情况很频繁 LGElectronics LGENT6 TASKTEAM 14 5 29 实验计划 DOE 什么时候使用实验计划 DOE 随DMAICProcess的情况 Theme选定 活动范围选定 CTQ明确化 对CTQ的GageR R 工程能力分析 Define Measure Graph解释假设检验 实验计划 DOE 检证实验 管理计划 Analysis Improve Control 在分析阶段 对影响独立变量Y所推定的的从属因子 为了决定影响Y最大的原因因子而使用 影响Y的原因因子的效果 良性的程度为多少 为了找出影响Process的因子的最佳条件而使用 LGElectronics LGENT6 TASKTEAM 14 6 29 实验计划 DOE 实验计划 DOE Process 实验目的的设定 特性值的选择 因子和因子水平的选择 实验配置 实验顺序的Random化 Data分析 分析结果解释 对策 实验的实施 1或者2以上 从属因子 变量因子选择水平的选择 兴趣领域 现使用水平 预想最佳水平 一般为2 5水平 Block的组成实验顺序的时间性 空间性Randomization 按照计划的实验实施 Graph化实验时的管理状态与否及误差的等分散性研讨对missingvalue的事前对策 在已知的条件之内导出结论确认实验与否的决定确认实验的再现性的确保 因子 factor 影响data散布的无数原因当中直接与实验有关的原因水平 level 为了实验而选定的因子的条件fixedfactor 技术性指定的因子 温度 压力 强度等 变量因子Block 把实验分为时间性 空间性 在内部能够造成实验环境均匀 LGElectronics LGENT6 TASKTEAM 14 7 29 实验计划 DOE 实验计划 DOE 的基本原理 要构筑实验程度好 分析容易的实验计划的话 1 PrincipleofRandomization 随机性 选定的因子以外 消除其他原因偏移 bias 影响实验结果的方案2 PrincipleofReplication 反复性 反复能够使误差项的自由度增大 误差分散也有程度地推定 使得能提高实验结果的可靠性 恰当的误差项的DF是6 20个 3 PrincipleofBlockingBlock是同质性的集团 如果判断一些要因成为问题时 把那个要因选定为Blocking因子 Blocking因子选定的话 不增加实验的次数 可以分析要因 Blocking因子不选定的话 实验结果会出现问题 不能分析原因 RandomizedBlockDesign4 PrincipleofConfounding把没必要求的2因子交互作用或者高次的交互作用与Block交叉的方法 检出不必要的要因与Block的效果相交落 因此能提高实验的效果 5 PrincipleofOrthogonality 直交性 直交排列法 OrthogonalArrayTable 活用把交互作用中能够技术性无视的与主效果相交落 能够减小实验的大小 树立实验计划 LGElectronics LGENT6 TASKTEAM 14 8 29 实验计划 DOE 实验计划法 DOE 的种类 DOE 反应表面实验 部分实施法 分解法 交落法 要因配置法 不完整Block计划法 所有因子 所有水平实验顺序是Random1 2 Multi wayfactorial 对因子的各水平完全Random化困难时因子别 阶段别Random化 把没必要检出的交互作用与Block交落 有必要的交互作用与主要要因交叉主要活用直交排列法LatinSquareDesign 水平数和Block数多时减少实验次数而使用在同一个实验上 想要比较的因子水平的组合不全部包含的实验计划法 CentralCompositeDesignRotatableDesignEVOP EvolutionaryOperation SimplexDesign LGElectronics LGENT6 TASKTEAM 14 9 29 实验计划 DOE 完全配置法例题 23实验 对实验计划 DOE 适用结果的解释及对策事项是 对影响Monitor的C A B C的Gap不良的要因 在分析阶段通过假设检验推出实验的致命因子对3因子各个2水平进行23 实验实行Process 实验计划 实验实施 检证实验 分析 主效果 交互作用 CubePlot 1 实验计划 FactorialDesignMinitabMenu Stat DOE Factorial CreateFactorialDesign 因子 Latchheight Latchwidth Resin 水平 20 320 ABS 水平 25 330 PC ABS Heightwidthresingap2032010 282532010 212033010 272533010 512032020 422532020 222033020 412533020 49 LGElectronics LGENT6 TASKTEAM 14 10 29 Data输入 实验计划 DOE 完全配置法例题 23实验 LGElectronics LGENT6 TASKTEAM 14 11 29 树立实验计划 LGElectronics LGENT6 TASKTEAM 14 12 29 因子的影响分析 实验计划 DOE 完全配置法例题 23实验 LGElectronics LGENT6 TASKTEAM 14 12 29 MinitabMenu Stat DOE Factorial AnalyzeFactorialDesign 3次以上的交互作用对反映值Y的影响几乎没有 所以不选择 实验计划 DOE 完全配置法例题 23实验 LGElectronics LGENT6 TASKTEAM 14 13 29 因子的影响分析 FractionalFactorialFit gapversusheight width resinEstimatedEffectsandCoefficientsforgap codedunits TermEffectCoefSECoefTPConstant0 351250 00375093 670 007height0 012500 006250 0037501 670 344width0 137500 068750 00375018 330 035resin0 067500 033750 0037509 000 070height width0 147500 073750 00375019 670 032height resin 0 07250 0 036250 003750 9 670 066width resin 0 00750 0 003750 003750 1 000 500AnalysisofVarianceforgap codedunits SourceDFSeqSSAdjSSAdjMSFPMainEffects30 0472370 04723750 0157458139 960 0622 WayInteractions30 0541380 05413750 0180458160 410 058ResidualError10 0001130 00011250 0001125Total70 101487 Latchwidth Resin Latchheight Latchwidth Latchheight Resin对反应值Y的影响大 对实验计划 DOE 的适用结果解释及对策事项是 2 分析 1 主效果 MainEffectsPlot 倾斜度的绝对值越大对Y值的影响也越大 Latchwidth Resin Latchheight 看似Latch高度与Y没有多大的关联性 实验计划 DOE 完全配置法例题 23实验 LGElectronics LGENT6 TASKTEAM 14 14 29 MinitabMenu Stat DOE Factorial FactorialPlot 对实验计划 DOE 的适用结果解释及对策事项是 2 分析 2 交互作用 InteractionPlot 两个以上的因子相互组合影响Y 两个线相交的角度越大影响Y的程度也越大 Latchwidth和Latchheight是有交互作用 Latchheight和Resin交互作用也大 实验计划 DOE 完全配置法 23实验 LGElectronics LGENT6 TASKTEAM 14 15 29 0 2 1 0 2 2 0 5 1 0 4 9 0 2 8 0 4 2 0 2 7 0 4 1 1 1 h e i g h t w i d t h r e s i n 1 1 1 1 对实验计划 DOE 的适用结果的解释及对策事项是 2 分析 3 CubePlot 实验的结果综合性的Display的Graph 最佳条件Latchwidth 320mmLatchheight 25mmResin ABS 实验计划 DOE 完全配置法 23实验 LGElectronics LGENT6 TASKTEAM 14 16 29 对实验计划 DOE 适用结果的解释及对策事项是 3 验证实验 ConfirmationPlot 因为CubePlot上用选定的最佳条件 变更Process的条件后确认实际上是否改善了Y的值 改善前 改善后 实验计划 DOE 完全配置法 23实验 LGElectronics LGENT6 TASKTEAM 14 17 29 什么是部分配置法 在实施实验中因子数增加时 引起实验的次数以几何级数性地增加24 16 25 32 26 64 实验依次增加 现实是时间方面或者Load Cost方面发生困难 产生不可预想的潜在变量 实验的程度 精度 变坏一般3次以上的交互作用主要影响反应值Y的情况几乎没有消除3次以上的交互作用 根据一定的Rule减少实验次数的方法部分配置法 为了找出致命的少数因子Screening时 考虑经济性 完全配置困难时使用 实验计划 DOE 部分配置法 LGElectronics LGENT6 TASKTEAM 14 18 29 在射出物配置的工程上 共选定了5个潜在的因子 其中在什么因子的什么条件下得到最佳值 用25 1部分配置要进行实验 Y 射出物强度 实验计划 DOE 部分配置法 Factor Low High 流入量 A 催化剂 B 回转数 C 温度 D 浓度 E 10 1 100 140 3 15 2 120 180 6 LGElectronics LGENT6 TASKTEAM 14 19 29 2 实验设计MinitabMenu Stat DOE Factorial CreateFactorialDesign 实验计划 DOE 部分配置法 实验因子数 Best NotAcceptable Acceptable LGElectronics LGENT6 TASKTEAM 14 20 29 2 实验设计MinitabMenu Stat DOE Factorial CreateFactorialDesign 实验计划 DOE 部分配置法 实际实验时必须Click 随机决定实验的顺序 反复实验数 LGElectronics LGENT6 TASKTEAM 14 21 29 3 实验设计后测定值的输入 实验计划 DOE 部分配置法 LGElectronics LGENT6 TASKTEAM 14 22 29 4 主效果 交互作用 CubePlot分析MinitabMenu Stat DOE Factorial FactorialPlot 实验计划 DOE 部分配置法 把Setup全部选定Plotting LGElectronics LGENT6 TASKTEAM 14 23 29 5 主效果分析 实验计划 DOE 部分配置法 对MainEffect的解释 LGElectronics LGENT6 TASKTEAM 14 24 29 6 交互作用分析 实验计划 DOE 部分配置法 对交互作用的解释 LGElectronics LGENT6 TASKTEAM 14 25 29 7 CubePlot分析 实验计划 DOE 部分配置法 对CubePlot的分析 LGElectronics LGENT6 TASKTEAM 14 26 29 8 把各因子的效果用Pareto