化工行业DOE试验设计五步曲:
无论在什么企业中,都可能存在一些质量问题,它可以具体地量化为某个KPI指标不能够达到我们事先规定的要求。针对这样的问题,一些简单的方法很可能无法解决,这时我们就会想到试验设计。
对于运用试验设计解决的问题,首先要定义好试验的目的,也就是解决一个什么样的问题,问题的危害(即严重性)如何,是否有充足的理由来应用试验设计,等等。因为试验设计虽然比盲目的试验分析节省了很多资源,但毕竟还是要花费一定的资源才能进行的。特别是对于生产型企业,试验设计的进行必然会打乱原有的生产稳定秩序,所以确定试验目的和试验的可行性是首要的任务。随着试验目标的确定,还必须明确地定义试验的指标和接受的规格,这样试验设计才有推进的方向,试验的成功与否也有检验的度量尺度。
很多人(包括某些领导)常常会有一个误区:那就是只将关注点放在结果上,而忽略了产生结果的那个流程。其实任何一个问题的产生,都有它的原因,特性的欠缺、良率的波动、周期的变化等等都有这个特点。从本质上讲,真正的原因一定存在于产生问题的流程当中。有很多的方式来解析流程,但有一点必须做到,那就是尽可能详尽地列出可能的因素。其实对于流程的剖析和认识,就是我们了解问题的开始,因为并不是每个人都能掌握好我们所关注的问题及其流程的。
流程解析的输出是使我们能够了解问题的可能因素在哪里,虽然不能确定哪个是重要的,但至少可以确定一个总的方向。但是如果我们逐一仔细调查,对于一些微小的影响因素也进行全面试验分析,无疑形成了一种浪费,而且还可能导致试验的误差。
这时,对可能的因素进行筛选就显得十分必要。虽然不需要确认交互作用、高阶效应等专业问题,但需要确认哪个因素的影响是显著的。可以使用一些低分解率的两水平试验或者一系列专门的筛选试验(如图 1 所示)来完成这个任务,这样的试验成本会尽可能地达到最小。而且,对于这一步任务的完成,可以应用一些历史数据,或者完全可靠的经验理论分析,来减少试验因子。筛选因素的结果,使得我们掌握了影响指标的主要因素,这一步尤为关键。而在现实中,这样的结果却往往是通过纯粹的经验主义,甚至是得过且过、不求甚解的态度得出的。
在筛选试验时不强调因素间的交互作用等影响,但给出了主要的影响因素,这时主要因素的数量不会太多,可以进一步度量因素的主效应和交互作用。
析因试验主要选择各因素构造的几何体的顶点来完成(如图 2 所示)。这样的试验构造,可以帮助我们确定对于指标的影响:是否存在主效应或者哪些主效应是显著的,是否存在交互作用或者哪些交互作用是显著的,试验的最终是通过方差分析来检定这些效应是否显著,同时对以往的筛选试验也是一个验证。
在析因试验中,确定了所有因素与指标间的主要影响项。快速接近的方法,使我们确定了主要因素的大致取值水平。但是考虑到功效问题,需要进一步地安排一些试验来最终确定因素的最佳影响水平。可以说,此时的试验是一个对析因试验的试验点的补充,也就是利用已有的析因试验的试验数据来最终优化指标,或者说增加一些试验点来完成这个任务。
楼主最近还看过