DOE设计田口优化.docx
《DOE设计田口优化.docx》由会员分享,可在线阅读,更多相关《DOE设计田口优化.docx(26页珍藏版)》请在冰点文库上搜索。
DOE设计田口优化
DOE实验设计(田口方法)
▲设计思想
现代企业已经充分意识到了品质管理的重要性,不少成功企业已将品质管理(QC)很好的融入到了产品研发及生产的各个阶段。
众所周知,品质管理包括离线品管和线上品管两个部分。
离线品管活动发生在产品和制程的设计阶段。
DOE实验设计中的田口方法是一种统计方法,利用该方法可以简化或是删除许多统计设计工作。
英瑞奇特推出此课程,旨在向您讲述如何将各项实验方法运用于产品和制程设计中,以便更有效的降低杂音因素的敏感影响,减少过程中各项的变差,从而使产品及制程设计臻于完美。
一、田口方法的涵义
随着市场竞争的日趋激烈,企业只有牢牢把握市场需求,用较短的时间开发出低成本、高质量的产品,才能在竞争中立于不败之地。
在众多的产品开发方法中,田口方法不失为提高产品质量,促进技术创新,增强企业竞争力的理想方法。
田口方法是日本田口玄一博士创立的,其核心内容被日本视为“国宝”。
日本和欧美等发达国家和地区,尽管拥有先进的设备和优质原材料,仍然严把质量关,应用田口方法创造出了许多世界知名品牌。
田口方法是一种低成本、高效益的质量工程方法,它强调产品质量的提高不是通过检验,而是通过设计。
其基本思想是把产品的稳健性设计到产品和制造过程中,通过控制源头质量来抵御大量的下游生产或顾客使用中的噪声或不可控因素的干扰,这些因素包括环境湿度、材料老化、制造误差、零件间的波动等等。
田口方法不仅提倡充分利用廉价的元件来设计和制造出高品质的产品,而且使用先进的试验技术来降低设计试验费用,这也正是田口方法对传统思想的革命性改变.为企业增加效益指出了一个新方向。
田口方法的目的在于,使所设计的产品质量稳定、波动性小,使生产过程对各种噪声不敏感。
在产品设计过程中,利用质量、成本、效益的函数关系,在低成本的条件下开发出高质量的产品。
田口方法认为,产品开发的效益可用企业内部效益和社会损失来衡量.企业内部效益体现在功能相同条件下的低成本,社会效益则以产品进人消费领域后给人们带来的影响作为衡量指标。
假如,由于一个产品功能波动偏离了理想目标,给社会带来了损失,我们就认为它的稳健性设计不好,而田口式的稳健性设计恰能在降低成本、减少产品波动上发挥作用。
二、田口方法的特点
田口方法的特色主要体现在以下几个方面:
(1)“源流”管理理论。
田口方法认为,开发设计阶段是保证产品质量的源流,是上游,制造和检验阶段是下游。
在质量管理中,“抓好上游管理,下游管理就很容易”,若设计质量水平上不去,生产制造中就很难造出高质量的产品。
(2)产品开发的三次设计法。
产品开发设计(包括生产工艺设计)可以分为三个阶段进行,即系统设计、参数设计、容差设计。
参数设计是核心,传统的多数设计是先追求目标值,通过筛选元器件来减少波动,这样做的结果是,尽管都是一级品的器件,但整机由于参数搭配不佳而性能不稳定。
田口方法则先追求产品的稳定性,强调为了使产品对各种非控制因素不敏感可以使用低级品元件.通过分析质量特性与元部件之间的非线性关系(交互作用).找出使稳定性达到最佳水平的组合。
产品的三次设计方法能从根本上解决内外干扰引起的质量波动问题,利用三次设计这一有效工具,设计出的产品质量好、价格便宜、性能稳定。
(3)质量与成本的平衡性。
引入质量损失函数这个工具使工程技术人员可以从技术和经济两个方面分析产品的设计、制造、使用、报废等过程,使产品在整个寿命周期内社会总损失最小。
在产品设计中,采用容差设计技术,使得质量和成本达到平衡,设计和生产出价廉物美的产品,提高产品的竞争力。
(4)新颖、实用的正交试验设计技术。
使用综合误差因素法、动态特性设计等先进技术,用误差因素模拟各种干扰(如噪声),使得试验设计更具有工程特色,大大提高试验效率,增加试验设计的科学性,其试验设计出的最优结果在加工过程和顾客环境下都达到最优。
采用这种技术可大大节约试验费用。
三、田口方法的功效
田口方法是一门实用性很强的技术,在生产实践中特别是产品开发设计中显示出强大的生命力,其魅力主要表现为:
(1)提高产品科技含量,促进技术创新。
通过采用田口方法可改变企业一味引进先进设备的状况,增强二次创新能力,进而提高产品开发能力。
(2)可缩短产品开发周期,加速产品更新换代。
应用田口方法可在质量管理中提高生产率,收到事半功倍的效果。
(3)应用田口方法创名牌。
使用田口方法的三次设计技术设计出来的产品稳健性好,抵御外界干扰的能力强,波动小,质量可靠,易于创出知名产品,占领市场,打出自己的品牌。
(4)应用田口方法创效益。
田口方法用廉价的三等品零件组装一等品整机,真正做到了价廉物美,使企业的经济效益更上一个台阶。
现今在发达国家田口方法已运用得相当广泛,并且为它们创造了不斐的收益。
中国的一些企业也引进了这种先进方法并取得了良好的收效。
深圳建裕电子公司就是应用田口方法走产品开发和技术创新之路的成功范例。
建裕从日本、台湾等比较先进、发达的地区引进国内外先进的电路,进行吸收、提高和创新,在市场调查的基础上开发出性能更可靠、功能更齐全、价格更合理的电话机。
使用田口方法后,他们每两个月就推出一部新款的电话机,产品物美价廉,很受用户的青睐,市场份额不断扩大,知名度不断提高,多次被用户评为“消整者信得过产品”,在激烈竞争的电话市场中牢牢地站稳脚跟。
通过上图可以看出17的单值控制图检验结果(检验1。
1个点,距离中心线超过3.00个标准差),需要检讨原因,修正数据。
2.2经上图可以看出修正后数据已经有代表性,可以进入下一步:
趋中性检查(正态检验)
2.2.1先把数据Y值堆叠,然后选择残差图检验统计模式是否合适?
(堆叠MINITAB路径:
数据-堆叠-列)
y x 存储残差1 存储拟合1
7 15 -2.8 9.8
7 15 -2.8 9.8
15 15 5.2 9.8
11 15 1.2 9.8
9 15 -0.8 9.8
12 16 -3.4 15.4
17 16 1.6 15.4
12 16 -3.4 15.4
18 16 2.6 15.4
18 16 2.6 15.4
14 17 -3.6 17.6
18 17 0.4 17.6
18 17 0.4 17.6
19 17 1.4 17.6
19 17 1.4 17.6
19 18 -2.6 21.6
25 18 3.4 21.6
22 18 0.4 21.6
19 18 -2.6 21.6
23 18 1.4 21.6
7 19 -3.8 10.8
10 19 -0.8 10.8
11 19 0.2 10.8
15 19 4.2 10.8
11 19 0.2 10.8
方差分析MINITAB路径:
统计-方差分析-单因子
2.2.2从上图正态概率图可以看出,数据分布在正态轴附近(粗铅笔检验法),判定有代表性和趋中(正态分布)。
2.2.3同时可以看P值来判定是否趋中,从以下信息可知P值<0.05代表显著,拒绝HO:
电流设定对焊接强度没有影响,所以Ha反假设成立,可以判定数据有代表性和趋中。
单因子方差分析:
y与x
来源 自由度 SS MS F P
x 4 475.76 118.94 14.76 0.000(P值<0.05代表显著,拒绝HO:
电流设定对焊接强度没有影响)
误差 20 161.20 8.06
合计 24 636.96
S=2.839 R-Sq=74.69% R-Sq(调整)=69.63%
SS代表SUMSquareTotal=SSerror+SSsquare
MS代表平均离散程度=方差=SS/自由度
F代表信噪比=S/N=MSfactor/MSerror,F值越小,代表越显著(控制噪音的前提下))
平均值(基于合并标准差)的单组95%置信区间
水平 N 平均值 标准差 ------+---------+---------+---------+---
15 5 9.800 3.347 (-----*----)
16 5 15.400 3.130 (----*----)
17 5 17.600 2.074 (----*----)
18 5 21.600 2.608 (----*----)
19 5 10.800 2.864 (-----*----)
------+---------+---------+---------+---
10.0 15.0 20.0 25.0
合并标准差=2.839
上图分析:
专业假设,15A会不会省电,17-19A会不会更好,电流越大是不是焊接强度越高,而从上图可以看出答案是否定的。
3.影响强度检查,可以从上图可以看出(R-Sq代表R平方,是显著影响强度,一般参考值为>70%,为强度高,R平方=SSfactor/SStotal=74.69%,说明影响强度是显著的。
4.最佳值:
望目/大/小
具体可以参考以下水平间的配对比较:
Fisher95%两水平差值置信区间
x水平间的所有配对比较
同时置信水平=73.57%
x=15减自:
x 下限 中心 上限 --------+---------+---------+---------+-
16 1.855 5.600 9.345 (----*----)
17 4.055 7.800 11.545 (----*---)
18 8.055 11.800 15.545 (----*---)
19 -2.745 1.000 4.745 (---*----)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0
x=16减自:
x 下限 中心 上限 --------+---------+---------+---------+-
17 -1.545 2.200 5.945 (----*---)
18 2.455 6.200 9.945 (----*---)
19 -8.345 -4.600 -0.855 (---*----)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0
x=17减自:
x 下限 中心 上限 --------+---------+---------+---------+-
18 0.255 4.000 7.745 (----*----)
19 -10.545 -6.800 -3.055 (----*---)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0
x=18减自:
x 下限 中心 上限 --------+---------+---------+---------+-
19 -14.545 -10.800 -7.055 (----*---)
--------+---------+---------+---------+-
-8.0 0.0 8.0 16.0
从上图中可以看出16-18A是最佳设定值。
全因子DOE方法论
案例:
实验目的:
找出影响BOLTGAP的因子,并实现Y不大于15mm
1.第一阶段:
印证实验目的,创建因子设计
1.1输出:
BOLTGAP越小越好,并实现Y不大于15mm
输入:
-1,+1
压力:
800(-1),850(+1)
密度:
100,120
温度:
40,50
摩擦力:
35,55
锤子类型:
1,2
液压类型:
1,2
1.2是否需要中心点?
中心点是个曲率因子,其作用如下:
--可以做线性和非线性检定
--可以帮助实验制造纯噪音
--提高检定能力
如果中心点不显著说明是线性,如果显著,说明是非线性区间,需要进入深维度研究-响应曲面研究
中心点设定原则:
--当实验成本不够高,建议加入3个以上中心点,与反复实验搭配考虑
--有重复设定,中心点选择3个,无重复设定时,中心点选择5个。
--限制条件:
实验情景应是可连续变化的。
结论:
因为加入中心点条件限制,存在非连续变化因子,所以决定固定摩擦力(45)、锤子类型
(1)、液压类型
(1),决定只研究压力、密度、温度三个特性。
加入3个中心点
1.3是否需要再现,加入重复或反复?
1.3.1定义:
--重复:
短时间内多取样,不管取多少我们只看均值。
重复的目的,更理想的估算水平中心,取样成本如果极低,一定要重复3次取样,这样中心评估能力会更加理想。
--反复:
是不同时间内的多取样。
反复实验的目的,协助实验制造纯噪音,提高实验的检定能力,如果实验成本不高,建议3次重复实验。
如果反复次数较多,重复次数可以考虑减少。
结论:
实验成本低,考虑加入反复2次,重复3次
1.4分辨度:
全因子实验
1.5区组:
无
1.6随机化:
有
1.7随机运行或标准序(路径:
统计-DOE-因子-创建因子设计),并采集数据
压力密度温度Y1Y2Y3Y
8001125083809987.333
82011240144140132138.667
82012050125127140130.667
810116459213683103.667
8101164512911987111.667
8001125091799488.000
8201204011612194110.333
800120501189890102.000
82011250135149137140.333
82011250131140142137.667
82011240113110136119.667
8001204082116113103.667
8201205099159118125.333
80011240821018790.000
80012040107126116116.333
82012040159118108128.333
8001124011492109105.000
800120501161117199.333
81011645134132130132.000
2。
第二阶段;分析因子设计。
目的:
得到Y=f(x),确定哪些因子值得存在函式内。
结果:
第1次实验MINITAB路径:
统计-DOE-因子-因子分析设计
拟合因子:
Y与压力,密度,温度
Y的效应和系数的估计(已编码单位)
系数标
项效应系数准误TP
常量114.2112.17952.420.000
压力29.91714.9582.3746.300.000
密度1.1670.5832.3740.250.810
温度-0.167-0.0832.374-0.040.973
压力*密度-11.583-5.7922.374-2.440.033(P>0.05,接受HO:
交互作用对Y没有影响)
压力*温度9.4174.7082.3741.980.073(P>0.05,接受HO:
交互作用对Y没有影响)
密度*温度-0.167-0.0832.374-0.040.973(P>0.05,接受HO:
交互作用对Y没有影响)
压力*密度*温度-0.417-0.2082.374-0.090.932(P>0.05,接受HO:
交互作用对Y没有影响)
S=9.49770PRESS=2630.73
R-Sq=81.86%R-Sq(预测)=51.91%R-Sq(调整)=70.32%
对于Y方差分析(已编码单位)
来源自由度SeqSSAdjSSAdjMSFP
主效应33585.583585.581195.1913.250.001
2因子交互作用3891.50891.50297.173.290.062
3因子交互作用10.690.690.690.010.932
残差误差11992.27992.2790.21
弯曲18.758.758.750.090.772
纯误差10983.52983.5298.35
合计185470.05
从上图可以看出,P>0.05,接受HO:
交互作用对Y没有影响,可以通过缩减再观察P值
Y的效应和系数的估计(已编码单位)
系数标
项 效应 系数 准误 T P
常量 114.211 2.571 44.42 0.000
压力 29.917 14.958 2.802 5.34 0.000
密度 1.167 0.583 2.802 0.21 0.838(P>0.1,接受HO:
因子对Y没有影响)
温度 -0.167 -0.083 2.802 -0.03 0.977(P>0.1,接受HO:
因子对Y没有影响)
S=11.2085 PRESS=2995.55
R-Sq=65.55% R-Sq(预测)=45.24% R-Sq(调整)=58.66%
对于Y方差分析(已编码单位)
来源 自由度 SeqSS AdjSS AdjMS F P
主效应 3 3585.58 3585.58 1195.19 9.51 0.001
残差误差 15 1884.46 1884.46 125.63
弯曲 1 8.75 8.75 8.75 0.07 0.802
失拟 4 892.19 892.19 223.05 2.27 0.134
纯误差 10 983.52 983.52 98.35
合计 18 5470.05
通过上图可以看出,密度和温度P值>0.1,接受HO:
因子对Y没有影响。
上图可以看出数据是有代表性,并正态分布的。
第三步,得到Y=f(x)
Y=114.211+14.958压力(望小)=114.211-14.958=99.253
即最佳值:
压力(Y)=99.253,与目标不超过15mm差距甚远。
设计下次试验计划:
考虑第一次实验固定了摩擦力(45),锤子类型
(1),液压类型
(1),所以这次重点研究这三项特性。
调整计划如下:
实验目的:
对摩擦力,锤子类型,液压类型
因子水平:
-1, +1
摩擦力:
35 55
锤子类型:
1 2
液压类型:
1 2
固定因子:
密度114
温度45
压力800
区组:
无
分辨度:
全因子设计
中心点:
3
反复:
2
重复:
2
随机:
有
4。
第四步,第二次实验结果如下:
摩擦力 锤子类型 液压类型 Y1 Y2 Y
45 1 2 5 47 26.0
40 1 1 69 69 69.0
45 2 2 6 7 6.5
40 2 2 3 37 20.0
50 2 2 36 23 29.5
50 2 1 91 87 89.0
50 1 2 34 28 31.0
45 1 2 37 14 25.5
50 2 1 75 94 84.5
45 2 1 107 117 112.0
45 2 1 89 74 81.5
45 2 2 37 41 39.0
40 2 1 97 85 91.0
40 2 1 116107 111.5
45 1 1 99 74 86.5
40 1 2 3 38 20.5
40 2 2 46 44 45.0
45 1 1 114 102 108.0
50 1 1 107 78 92.5