Дизайн на експерименти (DOE) е структурирана статистическа методика, която променя няколко процесни фактора едновременно, по плануван модел, за да можете да измерите ефекта на всеки фактор и как факторите взаимодействат, всичко от компактна серия изпитвания.
Вместо да променяте по едно нещо наведнъж и да се надявате резултатът да важи, DOE ви позволява да научите най-много за процеса си с възможно най-малко експерименти.
В производството това е основният инструмент във фазата за подобрения в DMAIC , където екипите нагласят параметрите, за да намалят дефектите, да увеличат добива и да стабилизират продукцията.
Интуитивният подход е OFAT: дръж всичко фиксирано, промени един фактор, запиши резултата, след което премини към следващия фактор. Това изглежда строго, но има две фатални слабости. Първо, то е неефективно, защото всеки фактор изисква собствен отделен блок изпълнения.
Второ и по-опустошително, OFAT е сляп за взаимодействия , ситуациите, при които ефектът от един фактор зависи от нивото на друг. DOE променя факторите едновременно в балансиран модел, така че един експеримент разкрива както индивидуалните ефекти, така и комбинираните ефекти, които OFAT никога не може да види.
Три термина дефинират всеки експеримент. Един фактор е вход, който можете да контролирате, като температура на фурната, скорост на подаване или време на престой. Едно ниво е конкретна настройка, която тествате за този фактор, например 180°C срещу 200°C.
Реакцията е измереният изход, който ви интересува, като якост на опън, циклово време или процент на брак . Дизайн, който изучава два фактора, всеки на две нива, се нарича 2x2 (или двунално, двуфакторно) и дава четири уникални комбинации от фактори за изпълнение.
Пълен факториален дизайн тества всяка възможна комбинация от нива на факторите. За двуналеви дизайни броят изпълнения е 2 на степен броя на факторите: 2 фактора изискват 4 изпълнения, 3 фактора, 8, но 7 фактора биха надули броя до 128 изпълнения.
Когато това стане непрактично, частичният факториален тестира внимателно подбран поднабор (половина, четвърт или осмина), който все още оценява основните ефекти и най-важните взаимодействия.
Компромисът е сместване на ефектите (confounding) : някои високорангови взаимодействия се алиасират едно с друго, така че жертвате малко резолюция в замяна на голяма икономия на време и материали.
Ако искате да влезете по-дълбоко в робустен дизайн, методите на Тагучи надграждат същата логика на частичния факториален дизайн, използвайки стандартизирани ортогонални масиви, за да поддържат експериментите малки и в същото време да направят процеса по-малко чувствителен към шум.
Основен ефект е средната промяна в реакцията, когато факторът се премества от ниско към високо ниво, без да се вземат предвид другите фактори. Ефектът на взаимодействие измерва колко се променя влиянието на един фактор в зависимост от настройката на друг фактор.
Взаимодействията често крият истинската полза: покритие, което работи добре само при висока температура и високо налягане никога не би изплувало при OFAT тестове. Знаейки кои ефекти доминират, можете да приоритизирате работата по подобряване, по същия начин както Парето анализът подрежда жизненоважните няколко причини пред тривиалните много.
Предположете, че искате да повишите якостта на опън (в мегапаскали) на формована част. Избирате два фактора: температура (A) на 180°C (ниско) и 200°C (високо), и налягане (B) на 40 bar (ниско) и 60 bar (високо). Четирите изпълнения на пълния факториален дават следните реакции:
Основен ефект на A (температура): изчислете средната стойност на двете изпълнения с високо A и извадете средната на двете изпълнения с ниско A. Средно за високо A = (60 + 80) / 2 = 70. Средно за ниско A = (50 + 54) / 2 = 52. Основен ефект на A = 70 минус 52 = 18 MPa. Повишаването на температурата добавя около 18 MPa в средно.
Основен ефект на B (налягане): средно за високо B = (54 + 80) / 2 = 67. Средно за ниско B = (50 + 60) / 2 = 55. Основен ефект на B = 67 минус 55 = 12 MPa.
Ефект на взаимодействие (A x B): изчислете ефекта на A когато B е високо, после когато B е ниско, и вземете половината от разликата. Ефект на A при високо B = 80 минус 54 = 26. Ефект на A при ниско B = 60 минус 50 = 10.
Взаимодействие = (26 минус 10) / 2 = 8 MPa . Този положителен взаимодействен ефект означава, че температурата и налягането се подсилват взаимно: повдигането и на двата до високо дава много повече, отколкото биха предсказали двата основни ефекта поотделно. OFAT проучване щеше да го пропусне напълно.
Два принципа на експерименталния дизайн държат заключенията ви честни. Репликация означава изпълнение на всяка комбинация повече от веднъж, за да можете да отделите реалния ефект от случайния разброс в измерванията и да оцените експерименталната грешка.
Рандомизация означава изпълненията да се правят в случайен ред, а не в подредена последователност, така че бавни дрейфове (загряване на работната площадка, изморяващ оператор, износване на инструмента, проследявано от кривата на ваната ) да не се маскират като ефект на фактор.
Заедно те ви позволяват да се доверите, че измерената разлика идва от фактора, а не от смесена фоновa вариация. Това е същата дисциплина, която поддържа солиден контролен план , след като печелившите настройки са заключени.
Fabrico не извършва анализа на DOE вместо вас и не е статистически софтуер. Това, което прави, е да доставя точните, с времеви печат производствени данни, от които всеки експеримент зависи.
Fabrico предоставя в реално време OEE и мониторинг на производството , включително мониторинг чрез компютърно зрение, който улавя броя цикли, спирания и изход дори на машини без PLC.
По време на планиран експеримент това означава, че стойностите на вашите реакции (добив, циклово време, брой дефекти) се записват автоматично вместо ръчно, така че числата, които захранват вашите изчисления за основни и взаимодействващи ефекти, са чисти.
В комбинация с надеждна измервателна система, проверена чрез Gauge R&R , това премахва основен източник на грешки преди той изобщо да достигне модела ви.
След експеримента, CMMS на Fabrico ви помага да запазите подобрените настройки и да наблюдавате процеса със статистически процесен контрол и изследвания на способността на процеса .
DOE също така се съчетава естествено с FMEA , която посочва факторите с най-висок риск, които си струва да включите в дизайна си.
Технически много, но практически е добре първо да се направи скрининг. При повече от четири или пет фактора, екипите използват частичен факториален скрининг дизайн, за да идентифицират двата или трите фактора, които имат най-голямо значение, и след това изпълняват фокусиран пълен факториален или дизайн по повърхнина на отговора върху тях. Това държи броя изпълнения управляваем, като все пак извежда доминиращите основни ефекти и ключовите взаимодействия.
Прости двуналеви, двуфакторни експерименти могат да се изчислят на ръка, както показва горният работен пример. По-големите дизайни обикновено се изграждат и анализират в статистически пакет, защото аритметиката за алиасиране, блокиране и тестове за значимост става сложна. Fabrico не е такъв софтуер; той предоставя надеждните производствени данни, които тези инструменти анализират, така че вашите входни данни да са доверени от самото начало.
DOE е активно, еднократно изследване: умишлено променяте настройките, за да откриете причинно-следствени връзки и да намерите най-добрата конфигурация. SPC е пасивен и непрекъснат: той наблюдава работещ процес, за да засече кога излиза от контрол. Използвате DOE, за да достигнете добро състояние, а после използвате SPC и анализ на способността, за да го задържите.
Готови ли сте да провеждате експерименти върху данни, на които можете да се доверите? Fabrico ви дава реалновременните, автоматично записвани производствени числа, които правят всеки DOE, SPC диаграма и изследване на способността честни. Запазете демонстрация на Fabrico, за да видите основата от данни зад по-добрите решения.
Вход
Блог
