试验设计部曲.docVIP

PAGE \* MERGEFORMAT4 试验设计(DOE)五部曲 无论是在工程技术、质量管理、产品研发等方面，还是在近来热门的六西格玛领域，试验设计DOE都是我们解决问题的好帮手，其应用可以说涵盖了包括机械、电子、化工、汽车、烟草、医药、食品、银行、电信、物流等所有的行业。众所周知，各类高科技公司的产品本身及其制造工艺千差万别，小到英特尔公司生产的CPU芯片，大到乔治亚宇航中心研制的火箭系统。 如果说这些产品之间有什么共同点的话，其中之一就是都采用了基于JMP统计软件的试验设计改进方案。如果除去各行业的专业知识，这些知名企业应用试验设计的步骤也是类似的，基本上可以概括为五大步骤，即试验设计的五步曲。 第一步 确定问题 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。 第二步 流程解析 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。 第三步 筛选试验 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（如下图所示）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。 第四步 析因试验 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（如上图所示）。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。 第五步 优化试验 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。 试验点一般根据回归试验的旋转性来选取，而且它的水平应该根据功效、因子数、中心点数等方面来合理设置，确保回归模型的可靠性和有效性。这些试验统称为响应面试验，可以帮助我们分析和建立起因素和指标间的回归模型，而且还可以用可视化的方式展现模型结果（如下图所示），便于我们用优化的手段来确定最终的因子水平设定。 汽车轮胎行驶的路面，不可能保证都是优质的、相同的，那么对于一些相对较差的路面，怎样来保证轮胎的高性能质量呢？这时我们会通过确定抗干扰能力强的关键可控因素、界定关键因素的合理取值范围等办法来缓解干扰因素的影响，这就是近来应用频率越来越高的稳健设计、田口设计和容差设计的意图和途径。通常会在设计和研发阶段就提出这类问题，目的就是把这些非可控因素的影响降低至最小，保证指标的高优性能。 实践是检验真理的唯一标准。在实际的操作层面，除了遵循上述的五步曲准则之外，试验设计的成功要素还包括： 1.