Hva du bør vite om 2k Eksperimentering for Six Sigma

March 26  by Eliza

2 k fulle faktorielle forsøk gi deg et kraftig hopp-start inn i verden av forbedring gjennom DOE for Six Sigma prosjekter. Men egentlig, de er bare toppen av isfjellet. Som du får erfaring, vil du oppdage hvordan å håndtere mer avanserte emner.

  • Kurvatur: Forutsetningen om to k eksperimenter er at effekten av de eksperimentelle faktorer er lineær. Selv om denne ideen er ofte en god første tilnærming, en linje ofte ikke passer din prosess eller system. For slike tilfeller må du designe din eksperiment for å avsløre den buede natur av virkeligheten av situasjonen. Dette redesign vanligvis innebærer blant annet mer enn to nivåer for hver av de eksperimentelle faktorer.
  • Kjøringer: Hvis du gjentar eksperimentet, får du litt ulike resultater. Variasjon, som alltid, er en del av alt - inkludert eksperimentet. Gjenta kjøringer av eksperimentet (kalles re p lications) kan du anslå hvor mye av den observerte variasjonen i prosessen eller systemet er forklart av Y = f (X) og hvor mye er uforklart, den ε.
  • Variansanalyse (ANOVA): Nesten alle eksperimenter innebære å utforske, undersøke, og sammenligne kildene til observerte variasjoner. ANOVA er en avansert metode som gjør det mulig å kategorisere og kvantifisere alle de ulike kildene til variasjon.
  • Robusthet:. Muligheten av en prosess eller system for å utføre konsekvent i møte med variasjon kalles robusthet Taguchi og andre eksperiment design tillate deg å undersøke og optimalisere prosessen eller systemet slik at det er så immun som mulig for å herjinger variasjon.
  • Respons overflatemetoder (RSM) og optimalisering: Formålet med mange eksperimenter er å finne ut de beste verdiene for å angi inndatavariabler på. En hel gren av feltet av DOE fokuserer på å designe og analysere eksperimenter for å finne de lokale eller globale optimale driftsinnstillinger.
  • Delvis faktorielle forsøk: Du kan tilpasse to k fulle faktorielle forsøk å mer effektivt søke gjennom et stort antall eksperimentelle faktorer. Hva man gir opp i stigende antall eksperimentelle faktorer er analytisk nøyaktighet. Delvis faktorielle forsøk lære hvordan og hvor du skal tilpasse eksperimentet for å få mest mulig ut av søke innsats.