六西格玛复习:实验设计 DOE part1

4.1a 实验设计

  • 实验设计基础
  • 全因子设计
  • 全因子分析和诠释
  • 部分因子设计
  • 部分因子设计和诠释
  • POA爬坡设计
  • RSM响应曲面设计与分析
  • 多重响应和稳健设计基础

以上是DOE部分的目录,本文记录前三部分的内容,主要包括DOE基础、序贯策略,定义,2水平全因子实验设计及其九步法操作。

为了不把这篇文章写成长篇大论,我直接把重点的几个图片放在这儿,细节内容我根据本文再翻阅学习课件和视频,列出几个重点知识点。细节笔记见onenote

22年5月重看视频,更新本文,包括“核心收获”,Q&A和知识点的自述解释。


本部分的核心收获:

1、DOE的根本目的是什么?DOE只是工具(”精准的手术刀“),要先弄清楚要解决的问题是什么(”剥洋葱“),筛选因子、优化条件,还是建立模型,等等。很多项目不需要DOE就能完成。(不能显得高大上,或者显得问题复杂而用DOE)

2、DOE的前提是对实验的了解,当然也包括随着实验迭代的理解不断加深。 OFAT邀请实验者具备选择试验运行条件的知识和经验,DOE同样需要!

3、迭代和序贯的概念和区别。

4、DOE的关键是解决问题,要弄清楚自己到底要解决什么问题,而不是为了创建模型而用DOE

5、复杂不一定好用,简单的可能是最常用和最重要的,比如筛选试验,简单的几因子两水平实验等

6、 交互作用普遍存在,不能因为某一个主效应为零,就直接去掉该主效应,因为可能存在交互作用。


本部分Q&A

问题1:如何凭借专业知识和经验,判断两个实验因子之间存在是否存在交互作用。 这是22年5月和新同事切磋DOE时提出的问题,比如聚合配方开发,单体A的含量和链转移剂B的含量,两者是否存在交互作用? 当然还要明确response是什么,比如是胶黏剂的交联密度、弹性模量、储能模量、Tan delta、180C剥离强度、等等,讨论交互作用时,需要先指定具体的response!

答案:如何快速判断A和B两个主效应之间是否具有交互作用? 定性方法是,主效应A分别处于低水平和高水平时,response和效应B之间的相关性和趋势是否一致!比如都是正相关、负相关的话,那就容易否定交互作用的存在;而如果一个正相关、一个负相关,那就可以肯定效应A和B之间肯定存在交互作用。(不同约束条件下的相关性)

答案2: 更简单和直观的判断是,绘制主效应A和B分别为x和y轴的点图,response大小是否形成对角状态,如下图所说。当然没这么严格的是 至少不平行! 只有平行的状态才是没有交互作用。

交叉状态的response和效应的关系,据此判断交互作用是否存在。

问题2: 实验中如果有5个影响因子,有8个response(3个核心的response),怎么做DOE,想要确定最优response对应的因子的设定范围。多个response的DOE怎么做?(inbox — 黑匣子 –output)

衍生问题: 四因子是最安全的部分因子设计,那我如何将计划的5因子变成4因子,从而提高DOE精度,降低试验次数? 比如找出一个最不敏感的主效应,将之固定下来。

问题3: 如果之前做了8组DOE实验,之后更换了某一个参数,或者新增了某一个参数,继续做新的DOE,如何合并之前的测试结果,一起进行DOE分析?


实验设计的四大目标:对比,筛选、优化、稳健。(弄清楚自己要做的DOE是哪一个目的)

实验类型:全析因、部分析因、响应曲面RSM、PB。

从统计角度来说,实验设计的目的是研究response 变异的原因,致力于降低变异!

迭代实验:分析–提出假设–设计实验–收集数据–分析结果–改进假设–循环。(随着迭代,对实验的理解越来越深入! 其中包含着重要的“假设思维”,不断地提出新的假设,不断的验证假设。假设hypothesis 也是麦肯锡方法论的define question的核心)

序贯设计:迭代是不断加深理解的过程,从A到A+到A++;而序贯则是依次执行ABC的过程,比如这儿最常见的“筛选——优化——稳健”。筛选是从多个因子中找到关键因子,常用部分因子实验,将因子数量降低到5个或以内; 优化实验则是优化范围,常用全因子实验;稳健则是找到最值,和确定波动最小的路径。

实验的基本定义:因子、水平、run、模型、盲猜法、OFAT、

析因实验(因子设计)Factorial Design

两因子两水平全因子实验

主效应和相互作用的概念和计算方法:

  • 一个因子X1对作用y的的影响,取决于另一个因素X2的设置(水平),则X1和X2之间存在交互作用。
  • 如果B的效应取决于A的水平,则B之间存在交互作用。

实验设计的步骤:

数据矩阵,如何计算模型系数,为什么要正交化。

DOE的九步法:

前四步是最基本的内容,也是最常用的; 如果需要模型方程和预测,使用后面的五步骤。

关键知识点:

  • 如何查看数据,判断是否有异常点
  • 拟合模型,如何判断效应是否需要删除
  • 残差检验:四合一图怎么看

后续的box cox转换,诠释和执行,我自己还没有实战,以后再看。

2021-8-4到8-9 复习DOE课件,简单整理本文

2022-5-24 重新学习DOE第一讲(chapter 31)

2022-5-28 更新博文,重读ppt