Plan d'expériences (DOE) est une méthode statistique structurée qui varie plusieurs facteurs de procédé simultanément, selon un schéma planifié, afin que vous puissiez mesurer l'effet de chaque facteur et la façon dont les facteurs interagissent, le tout à partir d'un ensemble compact d'essais.
Plutôt que de changer une chose à la fois en espérant que le résultat se confirme, le DOE vous permet d'apprendre le plus possible sur votre procédé avec le moins d'expériences.
En production, c'est le cheval de bataille de la phase Améliorer dans DMAIC , où les équipes règlent les paramètres pour réduire les défauts, augmenter le rendement et stabiliser la production.
L'approche intuitive est l'OFAT: tout maintenir fixe, changer un facteur, enregistrer le résultat, puis passer au facteur suivant. Cela semble rigoureux mais présente deux faiblesses fatales. D'abord, c'est inefficace, car chaque facteur nécessite son propre bloc d'essais distinct.
Ensuite, et plus dommageable, l'OFAT est aveugle aux interactions , les situations où l'effet d'un facteur dépend du niveau d'un autre. Le DOE varie les facteurs simultanément selon un motif équilibré, de sorte qu'une seule expérience révèle à la fois les effets individuels et les effets combinés que l'OFAT ne peut jamais détecter.
Trois termes définissent chaque expérience. Un facteur est une entrée que vous pouvez contrôler, comme la température du four, la vitesse d'alimentation ou le temps de maintien. Un niveau est un réglage précis que vous testez pour ce facteur, par exemple 180°C contre 200°C.
La réponse est la sortie mesurée qui vous importe, comme la résistance à la traction, le temps de cycle ou le taux de rebut .
Un plan qui étudie deux facteurs, chacun à deux niveaux, s'appelle un plan 2x2 (ou plan deux niveaux, deux facteurs) et produit quatre combinaisons de facteurs uniques à réaliser.
Un factoriel complet teste chaque combinaison possible de niveaux de facteurs. Pour les plans à deux niveaux, le nombre d'essais est 2 élevé au nombre de facteurs: 2 facteurs nécessitent 4 essais, 3 facteurs nécessitent 8, mais 7 facteurs exploseraient à 128 essais.
Quand cela devient impraticable, un factoriel fractionnaire teste un sous-ensemble soigneusement choisi (une moitié, un quart ou un huitième) qui permet encore d'estimer les effets principaux et les interactions les plus importantes.
Le compromis est le confounding : certaines interactions d'ordre supérieur sont aliasées entre elles, vous échangez donc un peu de résolution contre une grande économie de temps et de matière.
Si vous souhaitez aller plus loin dans la conception robuste, les méthodes Taguchi s'appuient sur la même logique factorielle fractionnaire, en utilisant des réseaux orthogonaux standardisés pour maintenir les expériences petites tout en rendant le procédé moins sensible au bruit.
Un effet principal est le changement moyen de la réponse lorsque un facteur passe de son niveau bas à son niveau haut, en ignorant les autres facteurs. Un effet d'interaction mesure dans quelle mesure l'influence d'un facteur change en fonction du réglage d'un autre facteur.
Les interactions sont souvent là où se cachent les gains réels: un revêtement qui ne fonctionne bien qu'à haute température et haute pression ne ressortirait jamais d'un essai OFAT.
Savoir quels effets dominent vous permet de prioriser vos travaux d'amélioration, tout comme l'analyse de Pareto classe les quelques causes vitales au-dessus des nombreuses causes triviales.
Supposons que vous vouliez augmenter la résistance à la traction (en mégapascals) d'une pièce moulée. Vous choisissez deux facteurs : la température (A) à 180°C (bas) et 200°C (haut), et la pression (B) à 40 bar (bas) et 60 bar (haut). Les quatre essais du factoriel complet donnent ces réponses :
Effet principal de A (température) : faites la moyenne des deux essais A haut et soustrayez la moyenne des deux essais A bas. Moyenne A haut = (60 + 80) / 2 = 70. Moyenne A bas = (50 + 54) / 2 = 52. Effet principal de A = 70 moins 52 = 18 MPa. Augmenter la température ajoute en moyenne environ 18 MPa.
Effet principal de B (pression) : moyenne B haut = (54 + 80) / 2 = 67. Moyenne B bas = (50 + 60) / 2 = 55. Effet principal de B = 67 moins 55 = 12 MPa.
Effet d'interaction (A x B): calculez l'effet de A lorsque B est haut, puis lorsque B est bas, et prenez la moitié de la différence. Effet de A à B haut = 80 moins 54 = 26. Effet de A à B bas = 60 moins 50 = 10.
Interaction = (26 moins 10) / 2 = 8 MPa . Cette interaction positive signifie que la température et la pression se renforcent mutuellement: pousser les deux en position haute donne bien plus que ce que prédiraient seuls les deux effets principaux. Une étude OFAT l'aurait entièrement manquée.
Deux principes de conception maintiennent vos conclusions honnêtes. La réplication signifie exécuter chaque combinaison plus d'une fois, afin de séparer un effet réel du bruit aléatoire de mesure et d'estimer l'erreur expérimentale.
La randomisation signifie exécuter les essais dans un ordre aléatoire plutôt que dans une séquence régulière, de sorte que les dérives lentes (un atelier qui se réchauffe, un opérateur qui se fatigue, l'usure d'un outil décrite par la courbe en baignoire ) ne se déguisent pas en effet de facteur.
Ensemble, ils vous permettent de faire confiance au fait qu'une différence mesurée provient du facteur et non d'une variation de fond confondue. C'est la même discipline qui sous-tend un plan de contrôle solide une fois que les réglages gagnants sont verrouillés.
Fabrico n'exécute pas l'analyse DOE pour vous, et ce n'est pas un logiciel statistique. Ce qu'il fait, c'est fournir les données de production précises et horodatées dont dépend toute expérience.
Fabrico offre une surveillance OEE et production en temps réel , y compris une surveillance par vision par ordinateur qui capture les comptages de cycle, les arrêts et la production même sur des machines sans automate.
Lors d'une expérience planifiée, cela signifie que vos valeurs de réponse (rendement, temps de cycle, nombre de défauts) sont enregistrées automatiquement au lieu d'être notées manuellement, de sorte que les nombres alimentant vos calculs d'effets principaux et d'interaction sont propres.
Associé à un système de mesure robuste vérifié via Gauge R&R , cela élimine une source majeure d'erreur avant qu'elle n'atteigne votre modèle.
Après l'expérience, le GPAO de Fabrico vous aide à maintenir les réglages améliorés et à surveiller le procédé avec le contrôle statistique de procédé et les études de capabilité du procédé .
Le DOE s'associe également naturellement à une AMDEC , qui indique les facteurs à plus haut risque qu'il vaut la peine d'inclure dans votre plan.
Techniquement, beaucoup, mais pratiquement vous devriez d'abord effectuer un criblage. Avec plus de quatre ou cinq facteurs, les équipes utilisent un plan factoriel fractionnaire de criblage pour identifier les deux ou trois facteurs qui importent le plus, puis réalisent un factoriel complet ciblé ou un plan de surface de réponse sur ceux-ci. Cela maintient le nombre d'essais gérable tout en faisant ressortir les effets principaux dominants et les interactions clés.
De simples expériences à deux niveaux et deux facteurs peuvent être calculées à la main, comme le montre l'exemple chiffré ci‑dessus. Les plans plus importants sont généralement construits et analysés dans un logiciel statistique car l'arithmétique pour le confounding, le blocage et les tests de signification devient complexe.
Fabrico n'est pas ce logiciel; il fournit les données de production fiables que ces outils analysent, de sorte que vos entrées sont dignes de confiance dès le départ.
Le DOE est une enquête active, ponctuelle : vous changez délibérément les réglages pour découvrir des relations de cause à effet et trouver la meilleure configuration. Le SPC est passif et continu : il surveille un procédé en fonctionnement pour détecter quand il sort de contrôle. Vous utilisez le DOE pour atteindre un bon état, puis vous utilisez le SPC et l'analyse de capabilité pour le maintenir.
Prêt à mener des expériences sur des données fiables ? Fabrico vous fournit les chiffres de production horodatés et automatiquement enregistrés qui rendent chaque DOE, graphique SPC et étude de capabilité honnêtes. Réservez une démo Fabrico pour voir la fondation de données qui soutient de meilleures décisions.
Connexion
Blog
