doe培训教材.ppt

Version Nov 2002 Page 实验设计 实验设计介绍 6Sigma 实验设计课程规划 各节内容 1.课程介绍 2.实验设计介绍 3.全因数 4.部分因数 5.实验设计规划 6.案例 实验设计-1 全因数 根本原因分析的两种方法(Two method for root cause analysis) 用历史数据观察流程 散布图，进行图，控制图，分层(scatterplot/run chart/control chart/deplay 相关性，差异分析，回归分析(correlation/ANOVA/regression) 流程的实验，用一个规划好的方法变流程并衡量结果 实验设计 实验设计是有效率和有效果地探究许多流程变量（X）和产出衡量或关键量点（Y）的因果关系的一种方法。 使用历史数据的一些限制some limitation when using history data 记录常是不完整的( 省略的变量（X） 缺少的值或观察数据 包含数据惧错误 流程变量通常是有相互关系的 重要变量可能没有变化得足够充分到能了解它们的影响的程度 通常来就，必要数据不是立刻可得到的，获得正确数据是非常必要的。 识别关键变量(Identify key variables) 历史方法(history method) 练习：确定最佳关键变量设置-历史方法 目标: 了解到识别影响化学流程产量的关键变量的难点（30分钟） 说明： 用下页的信息来设置一个衡量计划，从而发现能使流程产量最大化的各变量最好设置。 每个实验运行成本$2,000 你对初始调查的总体预算是$30,000 如果有足够的证据，另外有$50,000可用于将来的研究 确定在给定的不同标准内可能的变量组合总数 确定在现在预算内你可作出的变量组合总数 你会检验什么组合？ 你用什么策略来识别关键变量？ 练习：确定最佳关键变量设置-历史方法 练习： 流程中的关键变量是： 原料卖主。（A，B，C） 原料放进混合桶中的温度。（高，中，低） 在混合桶顶部的温度。 （高，中，低） 在混合桶底部的温度。 （高，中，低） 混合桶中的压力。（高，中，低） 桶中的原料量。（20,50,100,150公吨） 原料拿离混合桶的温度。（高，中，低） 识别关键变量-历史方法概要 1.确定给定不同标准内可能的变量组合总数。 3x3x3x3x3x4x3=2,916个组合 2.确定在现有预算内你可作出的变量组合数 3.你会检验什么组合 4.你用什么策略来识别关键变量 两个常用策略是 一次一个因素 一次多个因素 多数人由他们能作出的最佳猜测开始，然后一次改变一个变量。这就是我们多数人是学习实验的方法，这也是在工程学校中所教授的。 一次改变一个变量让你可看见这个变量的效果，但是可能导致额处时间和成本的浪费。 识别关键变量-历史方法概要 同时改变多种因素 一次改变多种因素也是一个非常普通的实验方法 当小级做以下事时，他们常会选用这个方法 集体讨论可能改进流程的方法。 择优选用个人想法 实施所有你一次可做到的高优先权想法。 这个方法的问题 你不知道什么样变化是对结果的改进负责的 你或许把变量维持在减少你效力的水平上。 了解每个变化的成本/收益事项是不可能的。 这些方法是可用的，但是良好的实验设计会是更有效率及效力的方法。 识别关键变量-历史方法概要 实验设计 很有代表性的，你对结果的直觉很砂会与设计好的实验结果相一致。你将发现你经常会学习某些高出或低于你直觉的事。 这就是6Sigma是有关什么的-使数据基于如何改进流程的决定 设计良好并以统计为基础的实验可提供高质量，含大量信息的数据 全因数-介绍 实验设计 实验设计的介绍 实验设计是一种组织我们的思想，从而检测我们确信对关键质量点有影响的X变量的方法。 它在6Sigma中的目标主要是识别重要的少数因素，知道并了解关键流程变量对关键质量点的影响。 实验设计基于由以下获得的知识： 分析流程业绩表现 了解变量间的关系 制定有关根本原因的假设 实验设计帮助我们检测这些假设，以核实并了解流程中所做的改进。 流程的实验 对流程知识的系统追求 实验设计帮助规划，收集特殊数据并确认流程的理论。一个黑带或流程拥有者通常会自有一套有关不同变量是如何影响关键质量点的理论。 这个方法是对流程知识的系统追求。 实验设计 确定流程和产出衡量之间的关系 识别差异的“重要少数”来源 提供“重要少数据”对回应变量（关键质量点）影响的衡量。 提供比一次检测一个因素更有效的衡量和更高质量的数据 最小化你必须执行的检测次数 目标：提高发现“重要少数”的可能性 “为确定在你干涉流程时会发生什么事，你必须干涉流程，非凡不是被动观察它”——George Box 使用统计