6 Sigma Study Sharing 06--6 Sigma Improve 改進(jìn) Phase

經(jīng)過(guò)前面分析階段的分析,我們已經(jīng)識(shí)別和證明了哪些是關(guān)鍵因子谓厘,在改進(jìn)階段幌羞,我們主要找出最佳方案,并加以小批量試產(chǎn)加以驗(yàn)證竟稳。注意属桦,最佳方案一定要考慮到:方案的有效性,可執(zhí)行性他爸,可接受性聂宾,投入風(fēng)險(xiǎn)評(píng)估,

主要用到的工具有; 頭腦風(fēng)暴诊笤,DOE系谐,RSM;

什麼是實(shí)驗(yàn)設(shè)計(jì) 實(shí)驗(yàn)設(shè)計(jì)通過(guò)有目的地改變一個(gè)過(guò)程(或活動(dòng))的輸入變量(因子)讨跟,以觀(guān)察輸出變量(響應(yīng)量)的相應(yīng)變化. 它是一種科學(xué)的方法纪他,使研究者更好地了解一個(gè)過(guò)程並確定輸入(因子)是如何影響輸出(響應(yīng)量); 兩個(gè)目的:因子篩選,叫因子設(shè)計(jì)晾匠;回歸設(shè)計(jì)茶袒;

DOE 三大基本原則:重復(fù)實(shí)驗(yàn),隨機(jī)化凉馆,區(qū)組化

重復(fù)實(shí)驗(yàn):重復(fù)實(shí)驗(yàn)是為了我們能夠得出實(shí)驗(yàn)中的隨機(jī)誤差薪寓,因?yàn)楫?dāng)我們判斷一個(gè)因子不同水平間的結(jié)果是否有差異時(shí),我們用不同水平間的差異與隨機(jī)誤差比較澜共;

隨機(jī)化:隨機(jī)化是為了防止未知的單可能會(huì)對(duì)響應(yīng)變量產(chǎn)生某種系統(tǒng)影響的誤差出現(xiàn)向叉;

區(qū)組化:各試驗(yàn)單元間難免會(huì)有某些差異,如果我們能按某種方式進(jìn)行分組咳胃,這樣就可以保證組內(nèi)的差異最小植康,則我們可以消除由于較大的試驗(yàn)誤差帶來(lái)的分析不利影響。如分為上午展懈,下午销睁,就可以消除上下午間的大的試驗(yàn)誤差。

試驗(yàn)證明存崖,在因子設(shè)計(jì)中冻记,使用2水平正交試驗(yàn)法,再加若干中心點(diǎn)的設(shè)計(jì)方法最簡(jiǎn)單有效来惧。

DOE一般步驟:(1)當(dāng)因子大于或等于5個(gè)時(shí)冗栗,用部分因子試驗(yàn),篩選關(guān)鍵因子;(2)當(dāng)因子個(gè)數(shù)少于5個(gè)時(shí)隅居,用全因子試驗(yàn)進(jìn)一步篩選關(guān)鍵因子钠至;(3)當(dāng)因子個(gè)數(shù)少于3個(gè)時(shí),用響應(yīng)曲面設(shè)計(jì)分析方法胎源,在包含最優(yōu)點(diǎn)的一個(gè)較小的區(qū)域內(nèi)棉钧,對(duì)響應(yīng)變量擬合一個(gè)2次方程,從而得到在試驗(yàn)區(qū)域內(nèi)最優(yōu)點(diǎn)涕蚤。

注意宪卿,應(yīng)用回歸是Y和X必修都是連續(xù)型數(shù)據(jù)。

全因子DOE:

1万栅, 用minitab 創(chuàng)建因子試驗(yàn)設(shè)計(jì)佑钾,注意中心點(diǎn)的試驗(yàn)次數(shù)和試驗(yàn)順序,安排大體在試驗(yàn)的開(kāi)始烦粒,中間和結(jié)尾休溶。

2. 用Minitab分析因子

2.1 看ANOVA表中的總效果(判斷回歸方程總體是否有效)H0:模型無(wú)效; H1: 模型有效撒遣;若P《0.05邮偎, 拒絕原假設(shè),說(shuō)明回歸模型總體有效义黎。若P>0.05, 無(wú)法拒絕原假設(shè)禾进,回歸模型無(wú)效,可能原因:(1)因?yàn)锳NOVA是分析各項(xiàng)的離差平方和隨機(jī)誤差比較廉涕,所以一種可能就是隨機(jī)誤差太大泻云;(2) 試驗(yàn)設(shè)計(jì)漏掉關(guān)鍵因子。

2.2 看ANOVA表中的失擬現(xiàn)象:H0: 無(wú)失擬狐蜕,H1:有失擬宠纯;若P>0.05, 無(wú)法拒絕原假設(shè),回歸模型無(wú)失擬层释,若P<0.05, 模型有失擬婆瓜,說(shuō)明模型漏掉了重要的項(xiàng);將多次重復(fù)實(shí)驗(yàn)的誤差作為實(shí)驗(yàn)誤差贡羔;

2.3 看ANOVA表中的彎曲項(xiàng):H0:無(wú)彎曲廉白;H1:有彎曲;若P>0.05,無(wú)法拒絕原假設(shè)乖寒,模型無(wú)彎曲猴蹂;若P《0.05,說(shuō)明模型有彎曲楣嘁,而模型中并沒(méi)有平方項(xiàng)磅轻,應(yīng)該補(bǔ)上珍逸;用重復(fù)實(shí)驗(yàn)的差異作為實(shí)驗(yàn)誤差,將高低水平的兩個(gè)數(shù)據(jù)連同中心點(diǎn)的實(shí)驗(yàn)數(shù)據(jù)聋溜,進(jìn)行分析判斷谆膳。

2.4 擬合的總效果多元相關(guān)系數(shù)和調(diào)整的多元相關(guān)系數(shù);此數(shù)值越接近1越好勤婚。判斷2個(gè)模型那個(gè)更好摹量,看調(diào)整系數(shù)和原系數(shù)的接近程度來(lái)判斷,越接近越好馒胆;

2.5 對(duì)于s的分析:所有的觀(guān)測(cè)值和理論模型的預(yù)估值之間可以有誤差,但都假定這個(gè)誤差的均值是0凝果,以a2為方差的正太分布祝迂,minitab里面有s的輸出,我們可以認(rèn)為s就是a的估計(jì)器净,在預(yù)測(cè)值上型雳,加減2個(gè)s就是95%的置信區(qū)間,所以山害,分析模型的好壞纠俭,最關(guān)鍵的指標(biāo)就是s,s越小越好浪慌;

2.6 各項(xiàng)效應(yīng)的顯著性:對(duì)于效應(yīng)不顯著的因子可以剔除掉冤荆,然后重新回歸;

2.7 殘差研究:假定數(shù)據(jù)是獨(dú)立的权纤,而且是以f(x)預(yù)測(cè)值為均值钓简,固定常數(shù)a2為方差的正太分布,殘差是觀(guān)測(cè)到的響應(yīng)變量與代入數(shù)據(jù)模型后的預(yù)測(cè)值之差汹想;所以殘差是以0為均值外邓,固定常數(shù)a2為方差的正太分布;(1)觀(guān)測(cè)順序的殘差圖:主要看殘差點(diǎn)是否以隨機(jī)在水平軸上無(wú)規(guī)則的波動(dòng)古掏;(2)對(duì)響應(yīng)變量的殘差:主要看殘差是否保持等方差损话,即是否有漏斗圖或者喇叭圖;(3)正太性:看殘差是否符合正太分布槽唾;(4)對(duì)自變量的殘差:看散點(diǎn)圖是否有彎曲丧枪;如果有彎曲,但對(duì)響應(yīng)變量殘差OK夏漱, 說(shuō)明只有X的線(xiàn)性項(xiàng)已經(jīng)不夠豪诲,需要增加二次型或者立方項(xiàng)。

3 最優(yōu)化:(1) 輸出各因子的主效應(yīng)和交互效應(yīng)挂绰,從效應(yīng)圖中進(jìn)一步確認(rèn)選中的因子是否是關(guān)鍵因子屎篱;(2)輸出等高線(xiàn)響應(yīng)曲面服赎。進(jìn)一步確認(rèn)響應(yīng)變量是如何受所選中的那些主因子和交互作用影響的,變化規(guī)律如何交播。如何設(shè)置自變量使響應(yīng)變量最大或者最小重虑。由于等高線(xiàn)和響應(yīng)曲面圖只能對(duì)兩個(gè)自變量的情形給出,當(dāng)自變量大于2個(gè)時(shí)秦士,要選中某兩個(gè)自變量作圖缺厉。 (3)實(shí)現(xiàn)最優(yōu)化,用Minitab的響應(yīng)優(yōu)化器隧土。

4判斷目標(biāo)是否已經(jīng)達(dá)到:如果基本達(dá)到目標(biāo)提针,就需要在最佳點(diǎn)做實(shí)驗(yàn)去驗(yàn)證,“所有的模型都是錯(cuò)的曹傀,只不過(guò)有些模型有用罷了”辐脖。一般做3次實(shí)驗(yàn),如果實(shí)驗(yàn)結(jié)果的平均值落入事先計(jì)算好的范圍(95%PI)皆愉,則說(shuō)明一切正常嗜价,模型正確。否則幕庐,就需要改進(jìn)模型久锥。



部分因子試驗(yàn):當(dāng)因子很多時(shí),全因子試驗(yàn)成本太高异剥,會(huì)用部分因子試驗(yàn)先篩選因子瑟由,部分因子試驗(yàn)個(gè)數(shù)一般為全因子的一半。 分辨率V就可以届吁。其他過(guò)程與全因子相同错妖。

RSM響應(yīng)曲面設(shè)計(jì)與分析:當(dāng)因子少于3個(gè)時(shí)候,可以用RSM進(jìn)一步在拐點(diǎn)處做詳細(xì)的試驗(yàn)疚沐,回歸出模型暂氯,找出最優(yōu)點(diǎn)。通常先用2水平回歸出一個(gè)線(xiàn)性方程亮蛔,如果發(fā)現(xiàn)有彎曲的趨勢(shì)痴施,則需要擬合一個(gè)含二次項(xiàng)的回歸方程。二次項(xiàng)回歸方程究流,原來(lái)的設(shè)計(jì)點(diǎn)(高低水平)就不夠用辣吃,需要再增加一些點(diǎn),最常用的就是CCD中心復(fù)合設(shè)計(jì)芬探;


1.首先判斷目前的試驗(yàn)區(qū)域是否已經(jīng)存在彎曲現(xiàn)象神得,即包含山頂位置,如果沒(méi)有彎曲偷仿,說(shuō)明我們離山頂還很遠(yuǎn)哩簿,目前在山坡的位置宵蕉,就需要沿著最陡峭的位置向上爬,尋找試驗(yàn)的最優(yōu)區(qū)域节榜。每個(gè)點(diǎn)只做一次試驗(yàn)羡玛,直至響應(yīng)變量出現(xiàn)下降的情況,說(shuō)明已經(jīng)到達(dá)山頂宗苍。

2. 在已確認(rèn)的最優(yōu)區(qū)域范圍內(nèi)稼稿,進(jìn)行響應(yīng)曲面試驗(yàn)。







圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App

圖片發(fā)自簡(jiǎn)書(shū)App






End

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末讳窟,一起剝皮案震驚了整個(gè)濱河市让歼,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌挪钓,老刑警劉巖是越,帶你破解...
    沈念sama閱讀 218,525評(píng)論 6 507
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異碌上,居然都是意外死亡,警方通過(guò)查閱死者的電腦和手機(jī)浦徊,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,203評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門(mén)馏予,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái),“玉大人盔性,你說(shuō)我怎么就攤上這事霞丧。” “怎么了冕香?”我有些...
    開(kāi)封第一講書(shū)人閱讀 164,862評(píng)論 0 354
  • 文/不壞的土叔 我叫張陵蛹尝,是天一觀(guān)的道長(zhǎng)。 經(jīng)常有香客問(wèn)我悉尾,道長(zhǎng)突那,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 58,728評(píng)論 1 294
  • 正文 為了忘掉前任构眯,我火速辦了婚禮愕难,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘惫霸。我一直安慰自己猫缭,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,743評(píng)論 6 392
  • 文/花漫 我一把揭開(kāi)白布壹店。 她就那樣靜靜地躺著猜丹,像睡著了一般。 火紅的嫁衣襯著肌膚如雪硅卢。 梳的紋絲不亂的頭發(fā)上射窒,一...
    開(kāi)封第一講書(shū)人閱讀 51,590評(píng)論 1 305
  • 那天藏杖,我揣著相機(jī)與錄音,去河邊找鬼轮洋。 笑死制市,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的弊予。 我是一名探鬼主播祥楣,決...
    沈念sama閱讀 40,330評(píng)論 3 418
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼汉柒!你這毒婦竟也來(lái)了误褪?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,244評(píng)論 0 276
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤碾褂,失蹤者是張志新(化名)和其女友劉穎兽间,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體正塌,經(jīng)...
    沈念sama閱讀 45,693評(píng)論 1 314
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡嘀略,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,885評(píng)論 3 336
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了乓诽。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片帜羊。...
    茶點(diǎn)故事閱讀 40,001評(píng)論 1 348
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖鸠天,靈堂內(nèi)的尸體忽然破棺而出讼育,到底是詐尸還是另有隱情,我是刑警寧澤稠集,帶...
    沈念sama閱讀 35,723評(píng)論 5 346
  • 正文 年R本政府宣布奶段,位于F島的核電站,受9級(jí)特大地震影響剥纷,放射性物質(zhì)發(fā)生泄漏痹籍。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,343評(píng)論 3 330
  • 文/蒙蒙 一筷畦、第九天 我趴在偏房一處隱蔽的房頂上張望词裤。 院中可真熱鬧,春花似錦鳖宾、人聲如沸吼砂。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 31,919評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)渔肩。三九已至,卻和暖如春拇惋,著一層夾襖步出監(jiān)牢的瞬間周偎,已是汗流浹背抹剩。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,042評(píng)論 1 270
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留蓉坎,地道東北人澳眷。 一個(gè)月前我還...
    沈念sama閱讀 48,191評(píng)論 3 370
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像蛉艾,于是被迫代替她去往敵國(guó)和親钳踊。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 44,955評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容