六西格玛管理-I改善阶段.pptx

1、卓越制造中心IE部 钱元杰2013年4月3日6Sigma读书活动-改善阶段6Sigma读书活动-改善阶段学习目的通过对本文章的学习，学员将能够v 了解改进阶段基本内容 v 理解为什么使用DOEv 了解一些DOE的术语v了解DOE的基本步骤v 了解DOE基本类型目 录一、改进阶段综述二、试验设计基础三、试验设计基本类型一、改进阶段综述改进目的 改进阶段的目的是形成针对问题根本原因的解决方案，并且验证这些方案是有效的。改进步骤：u产生解决方案u评价改进方案u完成改进方案的风险评估u改进方案有效性验证产生解决方案基础n专业知识n流程的认知和经验工具uDOEuSSD(简化设计原则)流程步骤简化、合并流

2、程、标准化流程、减少流程浪费。评价方案内容：可行性、成本投入、周期手段：因果矩阵、接受程度（研讨会，问卷调查）改进方案的风险评估一个好的改进方案是不能够以顾客或企业带来较高风险为代价。风险评估常用方法：FMEA是一种可靠性设计的重要方法。它实际上是FMA（故障模式分析）和FEA（故障影响分析）的组合。它对各种可能的风险进行评价、分析，以便在现有技术的基础上消除这些风险或将这些风险减小到可接受的水平。其主要目的是发现、评价产品/过程中潜在的失效及其后果；找到能够避免或减少潜在失效发生的措施并且不断地完善。改进方案有效性验证 任何方案均需要进行有效性验证，才能最终被确认为团队将采用的方案。有效性量

3、化DOE哪些自变量X明显的影响着Y，这些自变量X取什么值时将会使Y达到最佳值。二、试验设计基础什么是试验设计 DOE 实验设计通过有目的地改变一个过程（或活动）的输入变量（因子），以观察输出变量（响应量）的相应变化。它是一种科学的方法，使研究者更好地了解一个过程并确定输入（因子）是如何影响输出（响应量）。噪音输入变量(连续)流程或系统的一般模型可控输入变量x流程关键流程输出指标Y =f(x)+噪音输入变量(离散)?输入输出试验设计目的q确定 那些变量X对响应Y最有影响 有影响的输入X设置在何处可使Y几乎总是接近于所希望的 目标值 有影响的输入X设置在何处可使Y的变异较小 有影响的输入X设置在何

4、处可使不可控制的变量的效应最小q找出流程方程式(Y=f(X)以优化流程试验设计的益处实验设计的益处如下 a)改善过程绩效水平 b)降低成本 c)缩短产品开发时间和生产时间基本术语Response 响应变量所关注的可测量的输出结果，如合格率、强度等。Factors 因子可控制的变量，通过有意义的变动，可确定其对响应变量的影响，如温度、时间等。Level 水平 因子的取值或设定，如：时间因子的水平12小时 时间因子的水平23小时基本术语Treatment 处理 按照设定因子水平的组合,我们就能进行一次试验,可以获得一次响应变量的观测值,也可以称为一次“试验”(trial,experimental

5、run),也称为“一次运行”(run).举例：处理1：时间2小时，温度175 c 处理1：时间3小时，温度225 c u试验单元(experiment unit):对象,材料或制品等载体,处理(试验)应用其上的最小单位u试验环境:以已知或未知的方式影响试验结果的周围环境u模型:可控因子(X1,X2,Xn),响应变量(Y),f 某个确定的函数关系uY=f(X1,X2,X3,.Xk)+Error(误差)u主效应:某因子处于不同水平时响应变量的差异u交互效应:如果因子A的效应依赖于因子B所处的水平时,我们称A与B之间有交互作用.uOFAT法（One-Factor-At-a-Time)：在各因子的变化

6、范围每次改变一个因子的水平以选定各因子的最佳水平。基本术语基本术语重复试验(replication)一个处理施加于多个试验单元。要重做试验，而不能仅重复观测或重复取样。随机化(randomization)：用完全随机的方式安排各次试验的顺序和所用的试验单元。划分区间(blocking)：按照某种方式把各个试验单元区分成组，每组内保证差异较小，则我们可以在很大程度上消除由于较大试验误差所带来的分析上的不利影响。试验设计步骤I、陈述问题II、设立目标III、确定输出变量IV、识别输入因子（可控因子/噪声因子）V、选定每个因子的水平试验设计步骤VI、选择实验设计类型VII、计划并为实施实验做准备.V

7、III、实施实验并记录数据.IX、分析数据并得出结论.X、必要时进行确认实验.三、试验设计基本类型试验设计基本类型多因子试验类型单因子试验设计定义 实验中只有一个影响因素，或虽有多个影响因素，在安排实验时，只考虑一个对指标影响最大的因素，其它因素尽量保持不变的实验，即为单因素实验。步骤 确定实验范围 x：实验点 axb 确定目标 根据实际及实验要求，科学安排实验点 例：某厂在电解工艺技术改革中，希望提高电解率，做了如下初步试验，结果如下：其中,74度结果较好，但是，74是不是最佳温度？我们可以采用两种方案：方案一：在74度附近逐点做实验，如：70，71，72，显然太费时间 电解温度 x6574

8、80电解率(%)y94.398.981.5单因子试验设计方案二：根据试验结果呈抛物线特点，可以预先拟合为：应用测定的多组数据，可以拟合出曲线，求得相应的参数 a,b,c，然后由方程求极大值的方法，可以获得对应的温度为70.5，经核实在该温度下电解率达到99.5%，表明优化一次成功。单因子试验设计单因子试验设计目的一 比较几个不同设置间是否有显著差异，若果有显著差异，哪个设置较好；二 建立相应变量与自变量间线性关系。全因子试验设计什么是全因子试验设计 全因子试验方法是将每一个因素的不同水平组合做同样数目的试验，例如将每个因素的不同水平组合均做一次试验。在一项试验中有K个因素，每个因素有e个水平，

9、则全因子试验最少需要e k次，如某试验的因素数为3个，每个因素的水平数也是3个，则此试验若进行全因子试验，须32=27次。全因子试验的特点及适用场合特点1、全因子试验是所有因子和水平的完全组合。2、全因子试验所需的试验次数为e m即以水平数为底，以因素数为幂的指数。3、因为全因子试验是完全组合，其结论是最真实可靠的。适用场合 全因子试验适用于因素数和水平数均不多的场合，以获得较精确的分析结论。1、因素数较多 假设某个试验设计须对10个因素进行评价，每个因素有2个水平，如进行全因子试验，须 210=1024 次试验。2、水平数较多 假设某个试验设计须对3个因素进行评价，每个因素有8个水平，如进行

10、全因子试验，须进行 83=192 次试验。全因子试验不适用的场合33 随着因子数量的增加，全因子设计中所需的实验次数呈指数增加。部分因子设计34FactorsRuns RequiredFull FactorialFractional Factorial41685328,166648,16,3271288,16,32,64825616,32,64,128951216,32,64,128,25610102416,32,64,128,256,512部分因子实验设计大大减少了实验次数：部分因子设计35 部分因子设计，其目的是尽可能高效地将有影响因子与无影响因子区分开。一个部分因子设计是运行一个全因子设

11、计实验组合的一个子集。因而部分因子设计只需运行其中一部分，因此部分因子实验能够大大减少实验次数。部分因子设计响应曲面设计：是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法。响应曲面设计响应曲面设计响应曲面设计适用条件与范围：确信或怀疑因素对指标存在非线性影响；因素个数2-7个，一般不超过4个；所有因素均为计量值数据；试验区域已接近最优区域；基于2水平的全因子正交试验。响应曲面设计稳健参数设计稳健参数设计：指通过选择可控因子的水平组合来减少系统对噪声变化的敏感性，从而达到减少

12、此系统性能波动的目的。混料是指若干种不同成分的物质混合或合成一种稳定的物质或产品。如不锈钢由铁、铬、镍、碳等元素组成。这些产品的每种成分的多少是用相对量表示的，这种相对量就是所用成分在总量中所占比例。然而在这种试验中各成分的比例不能自由变动，它们受到一个约束：所有成分比例的和为1。混料设计 定义：设在一个试验中有p个成分，用 表示，若试验中每一因子的取值满足如下条件：那么称这一试验为混料试验。使性能达到最好的每种成分的比例通常需要通过试验来确定。对这样的混料试验进行的设计称为混料设计，又称配方设计。混料试验设计中的成分又被称为因子，通常混料试验中的成分不少于三种。混料设计调优运算：是以当前生产条件为中心，在周围很近的范围内选定并安排一批试验，对这些试验结果进行分析。结论：对生产条件微调使生产有改进；在一定精度范围内目前生产条件已经达到最优，不必再进行改进生产的尝试。调优运算回顾一、改进阶段综述二、试验设计基础三、试验设计基本类型结束语