质量管理与可靠性05.ppt

设计专家(DOE)，1。概述1。实验设计的概念产品质量的生命周期包括：设计质量、制造质量、检验质量、使用质量、服务质量、工艺参数、实验研究、各种影响因素、寻找最佳参数和相互匹配。实验设计将数学优化理论和技术应用于实验设计。用科学的方法，用最少的人力和物力，在最短的时间内安排试验，处理试验结果，获得更多更好的生产和科研成果的技术方法。测试设计方法是一种通用技术，必须由现代科学和工程技术人员掌握。(1)方差分析在20世纪20年代的第一阶段，英国统计学家费希尔提出了方差分析；20世纪30年代，由于农业实验的需要，费希尔在实验设计和统计分析方面做了一系列开创性的工作。从那时起，实验设计成了统计科学的一个分支。20世纪40年代，在第二次世界大战期间，美国军方广泛应用实验设计方法。随后，f. yates、r. c. bose、o. kemptom、w. g. cochran、d. r. cox和G.E.P.Box对实验设计做出了突出贡献，使该分支在理论上完善并得到广泛应用。(2)第二阶段正交试验设计20世纪50年代，日本统计学家田口诺一列出了试验设计中使用最广泛的正交设计，并借助正交表科学地安排了多因素和多水平试验。20世纪60年代，正交试验设计、方差分析和信噪比分析被应用到产品开发的设计阶段，提出了参数设计和公差设计等一系列理论和方法。(4)第四阶段质量功能展开(QFD)20世纪70年代，日本明仁天皇和渡边秀树提出了一种质量屋方法，将顾客需求转化为产品质量特征。20世纪60年代末，华教授倡导并推广了黄金分割法、分式法、斐波那契数列法等“最优化方法”。数学统计学家在工业部门推广“正交设计”方法；在20世纪70年代中期，优化方法在全国各行各业取得了显著成效。(1)指标。测试需要检查的特征值称为指标。(2)因素。它也被称为在因子测试期间可能对测试指标有影响的因子。a、b和c通常用来表示因素。(3)水平。实验中每个因素的具体比较条件称为水平。一般来说，阿拉伯数字1、2和3用来表示等级。例如，A1表示因子A和因子1的水平。(1)单因素实验设计0.618法、等分法、平均分割法、分数法等。(略)(2)多因素试验设计，无交互作用，等水平数，单指标，交互作用，不等水平数，多指标，多因素，正交试验设计，多因素试验采用均匀设计法，4。实验设计在生产和科研中的作用，提高产量，减少质量波动，提高产品质量水平，大大缩短新产品的试验周期，降低成本，延长产品的使用寿命，应用行业：化工、电子、材料、建筑工业、建材、石油、冶金、机械、交通、电力等。测试设计在生产制造过程中的地位：统计技术在生产制造过程中的应用是有目的地优化过程中的变量(人、机器、材料、方法、环)输入，使书展的结果更加理想。测试设计是更有效的工程工具之一。为了提高化工产品的转化率，选择了三个相关因素进行条件试验，即反应温度(a)、反应时间(b)、碱量(c)，其试验范围确定如下：a: 80-90 b: 90-150 m Inc: 5-7%。1.该问题被提出作为一个多因素测试问题。试验的目的是找出因素a、b和c对转化率的影响，这是主要因素，也是次要因素，从而确定最佳的生产条件，即分别使用的温度、时间和碱量，以提高转化率。试着制定一个测试计划。这里，试验范围内的因素A、B、C分别选择了三个等级：A1=80，A2=85，A3=90，B: B1=90分钟，B2=120分钟，B3=150分钟，C1=5%，C2=6%，C3=7%，取三个因素三个等级。通常有两种测试方法：(1)综合测试：a1 B1 C1 a2 B1 a3 B1 a1 C2 B1 C2 a3 a3 a3 C3 a1 B2 C1 a2 B2C 1 a3 B2C 2 a3 B2C 2 a3 B2C 2 a1 B2C 3 B2C 3 a3 B2C 3 a3 B2C 3 a1 B3 C1 a1 B3 C2 a2 B3 c2a 3a 3 B3 c2a 3 B3 C3 B3 C3 a2 B3 C3 a2 B3 a3 B3 C3 a2 B3 C3 a3 B3 C3 a3 B3 C3共进行了3次=27次测试。如图所示，立方体包含27个节点，分别代表27个测试。综合测试方法的优缺点：优点：明确分析了各种因素与测试指标之间的关系。缺点：(1)测试次数太多，既费时又费力。当因子水平太高时，测试不能完成；(2)未经反复试验，误差无法估计；(3)无法区分主要因素和次要因素。例如，当选择了六个因素并且每个因素在五个级别上被选择时，综合测试的数量是56=15625。(2)简单比较法是指改变一个因素，固定其他因素。例如，如果B、C首先固定在B1和C1，并且A被改变，那么：如果结果A3是最好的，那么A被固定在A3、C或C1，并且B被改变，那么：如果结果B2是最好的，那么B被固定在B2，A被固定在A2，并且C被改变，那么：测试结果C3是最好的。因此，最佳工艺条件为A3B2C2。(1)测试点不具有代表性。所审查的因素水平仅限于当地，不能反映因素的总体情况。(2)无法区分主次因素；(3)如果不进行重复试验，则不能估计试验误差，因此不能确定最佳分析条件的准确性。(4)用数理统计方法分析测试结果并提出良好的条件是不可能的。简单比较法的利与弊：正交试验命题：综合考虑综合试验法和简单比较法的优点，最好采用根据数学原理制作的正交表进行试验设计。这种利用正交表安排试验和分析试验结果的方法称为正交试验法。用正交表安排实施例1的测试只需要九个测试：1，7，a1，a3，a2，C3，C2，C1，B3，B2，B1。正交试验是科学安排和分析多因素多水平试验的一种高效、快速、经济的设计方法。它利用“均衡分散”和“完全可比性”的正交性原理，从大量测试点中选择适当数量的具有代表性和代表性的测试点进行测试，找出最佳或更令人满意的测试条件。这些有代表性的测试点应该具有正交性。2、正交试验及其特点，正交试验的特点(表)方法：(1)平衡分散性代表性；(2)纯可比性可用数理统计方法处理。，(2)试验误差无需重复试验即可估算；(3)可以区分主要因素和次要因素；(4)试验结果可以用数理统计方法进行处理，并提出良好的条件。在正交试验设计中，因素可以是定量的或定性的，不同水平的定量因素之间的距离可以相等或不等。正交优化方法的优势不仅体现在实验设计上，而且体现在对实验结果的处理上。(a)日本著名统计学家田口诺一将正交试验选择的水平组合成一组称为正交表的标准化表，以便合理安排试验。b)用一套程序化的计算方法对实验结果进行分析范围分析和方差分析。找出影响质量指标的因素的程度。c)综合分析获得最佳水平组合，即最佳方案，并能估计出最佳实验结果。d)找出进一步提高产品质量的测试方向和趋势。(1)正交表结构。正交表是一组规则、有序和规则的设计表，是正交实验的工具。下表显示了最简单的正交表。(2)正交表中代码的含义：p正交表中的列数，即使用该表可以排列的最大因子数，L正交表的符号，n正交表中的行数，即要执行的测试数，q每个因子中包含的级数，(3)正交表的特征，即每列中每个数出现的次数相等；(2)将任意两列中的对等数视为一个数，那么所有可能的数将出现相同的次数。在右表的任意两列中有九个可能的对，即，(1，1)，(1，2)，(1，3)，(2，1)，(2，2)，(2，3)，(3，1)，(3，2)，(3，3)出现的次数相同。1234111121222313334212352316231231731328321393321。正交表显示需要9个实验，最多可以观察到4个因素，每个因素在3个水平。根据整体实验的要求，对于3个水平、4个因素的实验，必须进行34=81个组合的实验，并且没有考虑每个组合的重复次数。如果按照正交表安排实验，只需要9次。这两点称为正交性：平衡离差、齐次可比平衡离差个测试点规则地排列在测试范围内(任意两列的数对配置是平衡的)齐次可比个测试点均匀地分布在测试范围内(每个字符代码出现的机会完全相等)，(4)正交表的类型，一般正交表可以表示为：一类，二类，(不完全)-行数， 正交表的列数和横列数不满足上述两个表达式，(完整)正交表的行数、列数和横列数满足以下要求：这种正交表可以同时考察各种因素对试验指标的影响以及各因素之间的相互影响； 这种正交表只能考察各因素对测试指标的影响，而不能考察各因素之间的相互作用。正交表中每列的级数也可以不相等。我们称之为混合正交表，如L8(424)。在该表的5列中，1列是4级，4列是2级。4、正交设计步骤和结果分析，(1)实验设计步骤：选择因素和水平，绘制水平表，选择正交表查看因素的水平和数量(取较小者)，制定试验计划和范围分析，(2)结果分析，绘制趋势图分析，方差分析，4、正交设计步骤和结果分析，正交实验设计的应用步骤1。阐明测试的目的，即为什么要进行测试。2.确定测试指标，即什么是测试结果变量(因变量和因变量)。3.确定因子和水平，即自变量是什么？每个独立变量选择几个状态。4.选择合适的正交表。在正常的测试设计中，上述四个步骤统称为测试的设计步骤。这一步对于测试的成功是至关重要的，因为如果测试的设计是错误的，就很难得到后续步骤的正确结果。然而，选择和寻找合适的正交表是正交试验设计的重要步骤。5.进行测试并记录测试结果6。数据分析包括数据的视觉分析和方差分析。7.验证测试，3。无交互作用和数据分析的正交设计。例6一家工厂生产一种用于检查某些疾病的碘化钠晶体。压力越小越好。退火工艺是影响质量的重要环节。现在我们希望通过正交试验找到降低应力的工艺条件。(1)试验的设计，在安排试验时，一般应考虑以下步骤：1。明确的目的选择因素的水平应首先考虑选择范围。技术上明显不好或实际上不可用的等级值通常不包括在选择范围内。在本例中，每个因子采用3个级别，因子级别如下表所示。4.选择一个正交表并排列标题。5.安排测试条件：在标题被安排之后，表中每一列中的数字1、2和3被认为是该列中的每个因子所采取的级别。每行是每个测试的条件。例如，正交表中的第一列是加热速率A。位置1的填充A1=30/小时，位置2的填充A2=50/小时，位置3的填充A3=100/小时，依此类推。6.按照测试计划进行测试：测试计划完成后，测试必须严格按照计划的测试计划进行，不能再更改。有时，为了避免一些未被考虑的随机因素的影响，最好按随机顺序进行测试(例如，抽签决定每次测试的顺序)。然而，每次进行试验时，所获得的结果(即所达到的指标)应被记录并填入上表最右边一栏的试验结果中。(2)试验结果分析分析不同试验方案的试验指标，并对试验方案进行评价。分析测试结果有两种方法，一种是直观分析，另一种是方差分析。1.数据可视化分析看一看，正交试验、正交试验设计及其可视化分析例4-15、正交试验、正交试验设计及其可视化分析例4-15、正交试验、正交试验设计及其可视化分析例4-15、看一看好的条件，A有最显著的效果，(2)试验结果分析1。数据的可视化分析(1)计算数据：极差分析、检验数、因子a、因子b、因子c、误差e、结果y，(2)分析各因子对指标的影响程度，各因子对指标的影响程度可以从各因子不同水平的检验结果的平均值的范围来分析，因为如果范围大，改变该因子的水平会引起指标的很大变化，所以该因子对指标的影响很大，否则影响很小。(3)绘制趋势图，期待更好的测试条件。(2)数据的方差分析通过数据可视化分析中的范围大小来评价各种因素对指标的影响。认为因子的水平变化与指数值之间没有显著差异的范围有多小？为了解决这个问题，需要对数据进行方差分析。在方差分析中，我们假设每个测试都是独立进行的，并且每个测试条件下的测试指标服从正态分布。这些分布的平均值与试验条件有关，可能不相等，但它们的方差相等。级数r=3试验重复次数：m=3、(3)每列的偏差平方和通过列表法计算。结果如下表所示：因子a、因子b、因子c、误差e。通过以上计算，方差分析表可列出如下：最佳测试条件的选择，对于显著性因素的最佳水平，因为它们的水平变化会引起指标的显著差异，而对于不显著性因素的水平可以任意选择(通常考虑成本等因素)。)。在这种情况下。因素A、B和C都很重要，所以应该选择最佳水平。因子A选择2级，因子B选择2级，因子C选择1级，即最终选择测试计划A2B2C1。(3)试验验证本例中发现的最佳试验条件为A2B2C1，但该条件在所选的9项试验中未出现，因此实际试验结果仍需验证。如果在该条件下进行的三次试验的结果分别为0.7、0.8和0.3，平均值为0.6，则结果仍然令人满意。这表明工艺条件是好的。在进行f检验之前，应判断各因素的显著性，并将明显不显著因素的偏差平方和与人为误差的偏差平方和相结合，以便于检查其他因素的显著性。a可以被认为是一个非常不重要的因素。(4)检验误差的方差估计、实例、数据分析：1)直观方法：第五方案