本文介绍的实例是关于如何提升洗衣机电机的良率,在不改变设计的情况下如何通过调整过程的参数而达到提升的目的。接下来介绍一下如何分步骤应用DOE来达到提升目的。
目标一定要是可定义和可测量的。在这个例子中,需要了解现有不良率及在不改变设计的前提下如何通过工程的调整可达到提升电机良率的目的。此目标要有改善的挑战性(投资回报要高),且改善后并能够符合其他性能安全要求。本例为改善电机的振动值,改善前不良率为5000ppm,目标为50%减少,及3500ppm为该参数的测试系统。
Y往往可能是多个的,单一的Y很难充分地代表定义的目标和需求。但本例中为使论述跟简单只取一个Y,Y1为电机振动值,该值越小越好。另该测量系统也较简单而且通过了测量系统分析,因此不再重新评估。
特指那些对Y可能有影响的或其交互作用对Y有影响的因子。寻找因子一般可以用产品设计图,加工流程图和头脑风暴等来发现,在这个例子中,因不想改动产品设计,因此用加工流程图来发现因子,建议在初始阶段记录尽可能多的影响因子。
综上一共发现了12个有影响的因子。12个因子做DOE需要较大规模的测试,较多资源,一般我们会进行一下筛选。比如我们不打算更改产品设计,尽改变产品设计可能对Y有更好影响,但由于实际限制我们无法改变,因此能把某些因子纳入DOE。
选定因子后,接下来需要定义因子的水平。因子的水平可以根据经验值,限制情况,甚至要以事先的试验结果来进行定义。同时需要避免水平之间的过宽或过窄。某一因子的两个水平之间定义得过宽,则会掩盖其他因子的作用;而过窄的话,可能导致其对结果的影响被忽略。
再来看这个实例中的5个因子。依据经验5个因子都设为两个水平,“-”和“+”;如螺丝用两家供应商的为S1,S2;S1为“-”水平,S2为“+”的水平;
因子水平确认完毕后需要进行预测因子及因子之间交互作用对各个Y的影响。等有了结果和可以相互比较,如果DOE的测试分析结果与预测一致,则置信度较高;如相反的话,可能需要再次核查测试,确定是否现行的理论有问题。
在收集数据前需要制定收集策略,主要根据所处的干扰情形来定。这里一共5个因子,可以做辨析度为IV的16次的DOE。辨析度为IV的16次的DOE几乎是最常用的,除了可以了解单因子的作用,还可以了解部分交互作用,而且资源试验远小于32次DOE。16次试验顺序使用完全随机数列,这样可以平均测试过程所受的干扰。
得到数据后首先做现实考虑。大致观察下整体的数据分布,如整个DOE数据的差别是否足够大,是否已经有达到期望的数据等。
从正态图上都可以看到B(转子平衡量)和D(垫圈高度)对Y都有显著影响。图2的Y帕累托图也证实了这点。
最后,同时用图形和量化结果来看。用选出显著因子B(转子平衡量),D(垫圈高端),做出箱体图,可以发现当D为“+”,B为“-”时,Y很小,结果稳定,非常不错的结果并且结果也并不违背预期。
从理论上看,转子平衡量通过这个DOE发现越小越好,垫圈高度越大越好,振动值结果更好。但从实际上看转子平衡量是有极限的,而且垫圈高度也不可能做的很大,因此要通过更多轮的DOE找出最佳配合参数;同时保留仍有怀疑的参数到下一个DOE中在进行验证。
通过几轮DOE,可以逐一定义好对改善目标有影响的参数及其最佳配置,保证其最终结果符合标准并得到尽可能好的洗涤性能。本案例实际改善后不良率为1600ppm.
综上所诉,DOE(实验设计)在运营管理中的产品良率改善中的一个比较简单的应用。在实际中往往还会遇到更多的干扰,如平衡系统的设计,这时涉及到的结合DOE干扰策略就会非常复杂,试验量也会增加。但如果运用得当,DOE依然是一种非常有效的帮助取得参数设计的工具。
楼主最近还看过