计划阶段

为什么计划试验很重要?

由于资源有限,因此从执行的每个试验中获取最多信息是非常重要的。

与偶尔执行或未经计划的试验相比,设计完善的试验可以产生更多信息,而且通常需要较少的游程。

而且,设计完善的试验还将确保您可以评估已确定为重要因素的效应。

例如,如果您相信两个变量之间存在交互作用,请确保在设计中包括这两个变量。交互作用不可能从“一次一个因子”试验进行估计。

当一个变量的效应受到另一个变量的水平影响时,会发生交互作用。

周密的计划可以帮助您避免在执行试验计划期间可能出现的问题。例如,系统的人员、设备可用性、资金和机械方面都可能会影响您完成试验的能力。如果您的项目优先级比较低,则您可能需要执行小型的连续试验。这样一来,如果您丢失了优先级较高项目的资源,也不必放弃已收集的数据。资源再次可用时,便可继续试验。

计划试验

开始试验前的准备程度取决于具体问题。您可能要执行以下步骤:
定义问题
拟订良好的问题阐述可帮助您确保研究正确的变量。在这一步,您可以确定要回答的问题。
定义目标
定义完善的目标将确保试验能回答正确的问题并产生实际且可用的信息。在这一步,您可以定义试验的目标。
开发将提供有意义的信息的试验计划。
请确保考虑相关的背景信息(如理论原则以及通过观测值或以前的试验获得的知识)。例如,您可能需要确定哪些因子或过程条件影响过程性能并导致过程变异。或者,如果已建立了过程并确定了影响因子,则您可能需要确定最优过程条件。
确保过程和测量系统都处于控制之中
理想情况是,过程和测量均应当受到统计控制(由正常工作的统计过程控制 (SPC) 系统测量)。即使过程没有完全处于控制之中,也必须能够复制过程设置。您还需要确定测量系统中的变异性。如果系统中的变异性高于您认为重要的差异/效应,则试验不会产生有用的结果。

Minitab 提供了大量的工具,用于评估过程控制和分析测量系统。

筛选阶段

在许多过程开发和制造应用中,有大量的潜在输入变量(因子)。筛选(过程特征)用于通过确定会影响产品质量的最重要因子来减少因子数。因子数减少后,您就可以关注少数几个最重要因子的过程改进工作。不同类型的筛选设计可以筛选不同类型的项并对弯曲进行检测或建模。必要时,可以进一步执行优化试验来对更复杂的交互作用进行建模或者更准确地定义响应曲面的本质。

下面的设计通常用于筛选:
  • 不同的筛选设计可以为具有许多因子的试验中的少量重要因子估计复杂模型。
  • 2 水平全因子和部分因子设计广泛地用于工业中。
  • Plackett-Burman 设计的分辨度较低,但是被广泛认为在某些筛选试验和稳健性检验中非常有用。

优化阶段

通过筛选确定重要项之后,需要确定这些试验因子的最优值。最优因子值取决于过程目标。例如,您可能需要使过程产量最大化或降低产品变异性。

验证阶段

验证涉及在预测的最优条件下执行后续试验以确认优化结果。例如,您可以在最优设置下执行几个验证游程,然后针对平均响应获取置信区间。

使用此网站,即表示您同意对数据分析和个性化内容使用 Cookie。  请阅读我们的政策