Når jeg snakker til kvalitet fagfolk om hvordan de bruker statistikk, ett verktøy for de nevner igjen og igjen, er design av eksperimenter, eller DOE. Jeg hadde aldri engang hørt begrepet før jeg begynte å bli involvert i kvalitet forbedringsarbeidet, men nå som jeg har lært hvordan det fungerer, jeg lurer på hvorfor jeg ikke vite om det før. Hvis du ønsker å finne ut hvordan flere faktorer som påvirker en prosess utfallet, DOE er veien å gå.,
et eller annet Sted i skolen, har du sannsynligvis lært, som jeg gjorde, at når du gjør et eksperiment du trenger å holde alle faktorer konstant, bortsett fra for det du studerer. Det synes enkelt nok, før du treffer en situasjon der du har mange faktorer som du vil studere på samme tid. Ikke bare ville studere hver faktor, ett av gangen, være svært kostbart og tidkrevende, men du ville heller ikke få noen informasjon om hvordan ulike faktorer kan påvirke hverandre.
Det er der design av eksperimenter kommer inn., DOE slår tanken på å måtte bare teste 1 faktor på en gang på hodet ved at du kan endre mer enn én variabel av gangen. Dette reduserer antall eksperimentelle går du trenger å gjøre, så du kan få meningsfulle resultater og kommer til konklusjoner om hvordan faktorer som påvirker et svar så effektivt som mulig.
I DOE, En Størrelse som ikke Passer Alle
Avhengig av hva du ønsker å oppdage, og hvor mye detaljer du trenger, et eksperiment designet kan være meget enkel, eller svært komplisert. Noen eksperimenter kan det være bare en eller to faktorer—som andre kan se på et par dusin.,
En av de mest vanlige typer designet eksperimenter er en enkel screening eksperiment, som er brukt for å bestemme hvilke faktorer som har størst innflytelse på resultat. For eksempel, en automatisk kan produsenten bruke en screening eksperiment for å se hvilke av sju eller åtte faktorer som har den største effekten på tørketid av maling på en ny bil.
Når produsenten har identifisert to eller tre viktigste faktorene, kvalitet ingeniører kan bruke en mer komplekse, multi-level designet eksperiment for å identifisere den optimale innstillinger for disse faktorene., Jo, den samme eksperimentelle design ville ikke fungere for begge tilfeller.
Det er litt som sandpapir: ark med en stor grus vil la deg sand av et stort område raskt, mens du trenger en finere grus for å oppnå total jevnhet. På samme måte, noen laget eksperimenter er stor for bred, utforskende undersøkelser, mens andre vil gi deg enorm presisjon og sikkerhet.
Hva Trenger jeg for å Opprette Fakultet Design?
La oss si at du jobber for en elektronikk-firmaet som har nylig mottatt et stort antall henvendelser om mangelfulle mp3-spillere., Kvalitet ingeniører har identifisert opptil fem forskjellige faktorer som kan være å klandre. Du vet at et eksperiment designet er nødvendig, men hvordan kan du være sikker på at du samle den riktige mengden av data, under de rette forholdene, med riktig faktor innstillinger, i riktig rekkefølge?
Det er god grunn til å være bekymret når du starter et eksperiment designet. Hvis du setter opp selv et enkelt eksperiment designet for hånd, kan det være svært vanskelig og etterlater mye rom for feil. Heldigvis, kan vi bruke statistiske programvaren for å tilpasse fakultet design., Disse verktøyene gjør det enkelt å lage eksperimenter som er så detaljerte som de må være, men også så enkle som de kan være.
For eksempel, Minitab ‘ s Opprette Fakultet Designen skaper en datainnsamling regneark for deg, indikerer faktor kombinasjoner for å kjøre, så vel som den tilfeldige rekkefølgen for å samle inn data. Du kan også skrive ut regnearket for å forenkle innsamling av data.
Velge Type Design
riktig design for eksperimentet vil avhenge av flere faktorer du studerer, antall nivåer i hver faktor, og andre hensyn., Minitab har to-nivå, Plackett-Burman, og generell full fakultet design, som hver kan tilpasses for å møte behovene til eksperimentet.
Du må ha minst to faktorer og to nivåer for hver (hvis du gjør en generell full fakultet design, du kan ha mer enn to nivåer). Faktor nivåer, eller innstillingene kan være tekst (slik som høy og lav) eller tall (for eksempel 100° og 200°). Faktorene kan også være kategorisk eller kontinuerlig.
Ditt mål kan kreve større eller mindre statistisk kraft., Gjør du en veldig følsom justering for en kritisk prosess, eller en tidlig screening analyse for å finne ut hvilke faktorer som også påvirker utfallet? Hvis du er på et stramt budsjett, type eksperiment du velger kan være påvirket av hvor mange eksperimentelle går kan du råd til å gjøre. En god design av eksperimenter verktøy som vil la deg raskt å sammenligne makt og sample størrelse vurderinger for 2-nivå fakultet, Plackett-Burman, og generell full fakultet design for å hjelpe deg å velge design som passer for din situasjon.,
for å Lære Mer om DOE
Hvis du ønsker å lære mer om DOE, og du bruker Minitab, som er innebygd i opplæringen (Help > Tutorials > DOE) vil lede deg gjennom et fakultet eksperiment fra start til slutt, det er en ganske smertefri måte å få deres føtter våt. Og hvis du ikke allerede bruker Minitab, kan du få det gratis 30-dagers prøveversjon for å sjekke det ut.
Er du bruke DOE i arbeidet ennå?