Når jeg taler til kvalitet fagfolk om, hvordan de bruger statistikker, en af de nævner igen og igen, er design af eksperimenter, eller DOE. Jeg havde aldrig engang hørt udtrykket, før jeg begyndte at blive involveret i kvalitetsforbedringsindsatsen, men nu hvor jeg har lært, hvordan det fungerer, spekulerer jeg på, hvorfor jeg ikke lærte om det før. Hvis du har brug for at finde ud af, hvordan flere faktorer påvirker et procesresultat, er DOE vejen at gå.,
et eller andet sted i skolen lærte du sandsynligvis, som jeg gjorde, at når du laver et eksperiment, skal du holde alle faktorer konstant bortset fra den, du studerer. Det virker simpelt nok, indtil du rammer en situation, hvor du har mange faktorer, som du vil studere på samme tid. Ikke alene ville studere hver faktor ATN ad gangen være meget dyrt og tidskrævende, men du ville heller ikke få nogen oplysninger om, hvordan de forskellige faktorer kan påvirke hinanden.
det er her design af eksperimenter kommer ind., DOE vender ideen om at skulle teste kun 1 faktor ad gangen på hovedet ved at lade dig ændre mere end en enkelt variabel ad gangen. Dette minimerer antallet af eksperimentelle kørsler, du skal lave, så du kan opnå meningsfulde resultater og nå konklusioner om, hvordan faktorer påvirker et svar så effektivt som muligt.
i DOE passer En størrelse Ikke alle
afhængigt af hvad du vil opdage, og hvor mange detaljer du har brug for, kan et designet eksperiment være meget enkelt eller meget komplekst. Nogle eksperimenter kan kun omfatte en eller to faktorer—andre kan se på et par dusin.,
en af de mest almindelige typer af designede eksperimenter er en simpel screening eksperiment, som bruges til at bestemme de faktorer har størst indflydelse på et resultat. For eksempel kan en bilproducent bruge et screeningseksperiment for at se, hvilken af syv eller otte faktorer der har den største effekt på tørretiden for maling på en ny bil.
når producenten har identificeret de to eller tre vigtigste faktorer, kan kvalitetsingeniører bruge et mere komplekst, multi-level designet eksperiment til at identificere de optimale indstillinger for disse faktorer., Det samme eksperimentelle design ville naturligvis ikke fungere i begge tilfælde.
det er lidt som sandpapir: ark med et stort korn giver dig mulighed for hurtigt at slibe et stort område, mens du har brug for en finere korn for at opnå total glathed. Tilsvarende er nogle designede eksperimenter gode til brede, efterforskende undersøgelser, mens andre vil give dig enorm præcision og sikkerhed.
Hvad skal jeg bruge til at skabe det Faktoriske Design?
lad os sige, at du arbejder for et elektronikfirma, der for nylig har modtaget et stort antal klager over defekte MP3-afspillere., Kvalitet ingeniører har identificeret op til fem forskellige faktorer, der kunne være skyld. Du ved, at der er behov for et designet eksperiment, men hvordan kan du være sikker på, at du indsamler den rigtige mængde data under de rigtige forhold med de rigtige faktorindstillinger i den rigtige rækkefølge?
Der er god grund til at være bekymret, når du starter et designet eksperiment. Hvis du opretter selv et simpelt designet eksperiment for hånd, kan det være meget svært og efterlader masser af plads til fejl. Heldigvis kan vi bruge statistisk soft .are til at tilpasse fabriksdesign., Disse værktøjer gør det nemt at oprette eksperimenter, der er så detaljerede som de har været, men også så enkle som de kan være.
for eksempel opretter Minitab ‘ s Create Factorial Design et dataindsamlingsark til dig, der angiver de faktorkombinationer, der skal køres, samt den tilfældige rækkefølge, som du skal indsamle dine data i. Du kan også udskrive regnearket for at forenkle dataindsamlingen.
valg af type design
det rigtige design til dit eksperiment afhænger af antallet af faktorer, du studerer, antallet af niveauer i hver faktor og andre overvejelser., Minitab tilbyder to-niveau, Plackett-Burman, og generelle fuld factorial design, som hver især kan tilpasses til at opfylde behovene i dit eksperiment.
Du skal have mindst to faktorer og to niveauer for hver (hvis du laver et generelt fuldt faktordesign, kan du have mere end to niveauer). Faktor niveauer, eller indstillinger, kan være tekst (såsom høj og lav) eller numerisk (såsom 100 and og 200.). Faktorer kan også være kategoriske eller kontinuerlige.
dine mål kan kræve større eller mindre statistisk effekt., Laver du en meget følsom justering for en kritisk proces, eller en tidlig screeningsanalyse for at finde ud af, hvilke faktorer der endda påvirker dit resultat? Hvis du har et stramt budget, kan den type eksperiment, du vælger, blive påvirket af, hvor mange eksperimentelle kørsler du har råd til at gøre. Et godt design af eksperimenter værktøj vil lade dig hurtigt at sammenligne effekt og stikprøvestørrelse vurderinger for 2-niveau fakultet, Plackett-Burman, og generelt fuld faktorielle design til at hjælpe dig med at vælge det design, der passer til situationen.,
at Lære Mere om DOE
Hvis du gerne vil lære mere om DOE, og du bruger Minitab, den indbyggede tutorial (Hjælp > Tutorials > DOE) vil føre dig gennem en faktoriel eksperiment fra start til slut; det er en temmelig smertefri måde at få våde fødder. Og hvis du ikke allerede bruger Minitab, kan du få den gratis 30-dages prøveperiode for at tjekke den ud.
bruger du DOE i dit arbejde endnu?