När jag pratar med kvalitet proffs om hur de använder statistik, ett verktyg som de nämner om och om igen är design av experiment, eller DOE. Jag hade aldrig ens hört termen innan jag började engagera sig i kvalitetsförbättringsinsatser, men nu när jag har lärt mig hur det fungerar undrar jag varför jag inte lärde mig om det tidigare. Om du behöver ta reda på hur flera faktorer påverkar ett processresultat, är DOE vägen att gå.,
någonstans i skolan lärde du dig förmodligen, som jag gjorde, att när du gör ett experiment måste du hålla alla faktorer konstanta förutom den du studerar. Det verkar enkelt nog, tills du träffar en situation där du har många faktorer som du vill studera samtidigt. Inte bara skulle studera varje faktor en i taget vara mycket dyrt och tidskrävande, men du skulle inte heller få någon information om hur de olika faktorerna kan påverka varandra.
det är där design av experiment kommer in., DOE vänder tanken på att behöva testa endast 1 faktor i taget på huvudet genom att låta dig ändra mer än en enda variabel i taget. Detta minimerar antalet experimentella körningar du behöver göra, så att du kan få meningsfulla resultat och nå slutsatser om hur faktorer påverkar ett svar så effektivt som möjligt.
i DOE passar en storlek inte alla
beroende på vad du vill upptäcka och hur mycket detaljer du behöver kan ett utformat experiment vara mycket enkelt eller väldigt komplext. Vissa experiment kan omfatta endast en eller två faktorer-andra kan titta på några dussin.,
en av de vanligaste typerna av designade experiment är ett enkelt screeningexperiment, som används för att bestämma faktorerna har störst inflytande på ett resultat. Till exempel kan en biltillverkare använda ett screeningexperiment för att se vilken av sju eller åtta faktorer som har störst effekt på torktiden för färg på en ny bil.
När tillverkaren har identifierat de två eller tre viktigaste faktorerna kan kvalitetsingenjörer använda ett mer komplext, flernivådesignat experiment för att identifiera de optimala inställningarna för dessa faktorer., Självklart skulle samma experimentella design inte fungera för båda fallen.
det är lite som sandpapper: ark med ett stort grus låter dig slipa av ett stort område snabbt, medan du behöver ett finare grus för att uppnå total jämnhet. På samma sätt är vissa utformade experiment bra för breda, undersökande undersökningar, medan andra ger dig enorm precision och säkerhet.
Vad behöver jag för att skapa faktoriell Design?
låt oss säga att du arbetar för ett elektronikföretag som nyligen har fått ett stort antal klagomål om defekta mp3-spelare., Kvalitetsingenjörer har identifierat upp till fem olika faktorer som kan vara skyldiga. Du vet att ett utformat experiment behövs, men hur kan du vara säker på att du samlar in rätt mängd data, under rätt förhållanden, med rätt faktorinställningar, i rätt ordning?
det finns goda skäl att vara orolig när du startar ett utformat experiment. Om du ställer in även ett enkelt utformat experiment för hand kan det vara mycket svårt och lämnar gott om utrymme för fel. Lyckligtvis kan vi använda statistisk programvara för att anpassa faktoriella mönster., Dessa verktyg gör det enkelt att skapa experiment som är så detaljerade som de har, men också så enkelt som de kan vara.
till exempel skapar Minitabs create Factorial Design ett datainsamlingsblad för dig, vilket indikerar faktorkombinationerna som ska köras, liksom den slumpmässiga ordningen för att samla in dina data. Du kan också skriva ut kalkylbladet för att förenkla datainsamlingen.
välja typ av Design
rätt design för experimentet beror på antalet faktorer du studerar, antalet nivåer i varje faktor och andra överväganden., Minitab erbjuder två nivåer, Plackett-Burman och allmänna fullständiga faktoriella mönster, som var och en kan anpassas för att möta behoven hos ditt experiment.
Du måste ha minst två faktorer och två nivåer för varje (Om du gör en allmän full faktoriell design kan du ha mer än två nivåer). Faktornivåer, eller inställningar, kan vara text (t.ex. hög och låg) eller numerisk (t. ex. 100° och 200°). Faktorer kan också vara kategoriska eller kontinuerliga.
dina mål kan kräva större eller mindre statistisk kraft., Gör du en mycket känslig justering för en kritisk process, eller en tidig screeninganalys för att ta reda på vilka faktorer som ens påverkar ditt resultat? Om du har en stram budget kan den typ av experiment du väljer påverkas av hur många experimentella körningar du har råd att göra. Ett bra design-of-experiment verktyg låter dig snabbt jämföra effekt-och provstorleksbedömningar för 2-nivå factorial, Plackett-Burman och allmänna fullständiga faktoriella mönster för att hjälpa dig att välja den design som är lämplig för din situation.,
lär dig mer om DOE
Om du vill veta mer om DOE och du använder Minitab, kommer den inbyggda handledningen (hjälp> Tutorials> DOE) leda dig genom ett faktoriellt experiment från början till slut; det är ett ganska smärtfritt sätt att få fötterna våta. Och om du inte redan använder Minitab, kan du få gratis 30-dagars testversion för att kolla upp det.
använder du DOE i ditt arbete än?