50 likes | 305 Views
六西格玛 工具之 实验设计 DOE 实例 --采用 DOE 方法解决清洗线品质问题 背景 启铭咨询 黑带大师 辅导某公司生产电脑硬盘配件厂商,因对产品清洁度的要求非 常严格,其加工后的产品须经过严格的清洗,才可包装出货. 衡量产品清洁程度的 指标之一为 NVR(Non Vapour Residue)因达不到客户要求(NVR<5ug/cmsq)而导致 产品批经常被拒收,批拒收率高达 10%. 拒收的产品必须整批经过返工(即重新清 洗)以达到客户要求,造成原本就紧张的产能大大降低,及巨额成本浪费. 成立改善项目组应用 DOE 方法进行根源的调查研究及过程优化, 项目组首先使
E N D
六西格玛工具之实验设计DOE实例 --采用DOE方法解决清洗线品质问题 背景 启铭咨询黑带大师辅导某公司生产电脑硬盘配件厂商,因对产品清洁度的要求非 常严格,其加工后的产品须经过严格的清洗,才可包装出货.衡量产品清洁程度的 指标之一为NVR(NonVapourResidue)因达不到客户要求(NVR<5ug/cmsq)而导致 产品批经常被拒收,批拒收率高达10%.拒收的产品必须整批经过返工(即重新清 洗)以达到客户要求,造成原本就紧张的产能大大降低,及巨额成本浪费. 成立改善项目组应用DOE方法进行根源的调查研究及过程优化,项目组首先使 用2水平的部分因子实验设计法从大量因子中筛选出3个关键因子,然后运用2 水平全因子设计(含中心点)和最快下降法寻找优化区域,最后用CCD设计和 RSM方法,确定最佳操作窗口.所获得成果为:NVR平均值降到0.6ug/cmsq;批拒 收率为零;成本节约(主要为返工成本)为200KUSD/年. 2水平因子实验设计 很多公司的品质或工程技术人员解决问题时习惯于使用OFAT方法,即一次只变 动一个因子,而固定其他因子进行实验.原因之一是90%的公司的品质,工程技术 人员没有接受过正规的DOE培训,甚至没有听说这种有力工具(令人痛心);另一原 因是手动分析DOE数据工作量,难度都非常大(现在有很多非常好的DOE软件, 如MINITAB等可解决这个问题). 与DOE相比较,OFAT有两大缺点,一.效率底,要获得相同数量的信息,OFAT 需要的实验次数远远大于DOE;二.结论不准确,OFAT不能发现因子之间的交 互作用,因而OFAT得到优化结果往往与实际的最佳结果有出入.运用DOE,可以 较高的效率获得可靠的结果. 实验设计的种类很多,最常用,效率最高的为2水平因子设计,它简单实用,可用 于因子筛选,量化因子的主效果和交互作用,也常常用于优化过程并取得理想效 果.在2水平因子设计中,每个因子都设定在2个水平,为了建立二次模式或便于 分析因子效果的显著性,有时可以在2水平因子设计中增加中心点进行实验. 项目组运用了两种2水平因子设计:筛选式设计和全因子设计 筛选式设计(L8) 项目组通过头脑风暴识别并选出对NVR有影响的6潜在原因(因子),并确定了各 因子的水平.用MINITAB设计出L8实验方案,因子的水平用-1,+1表示,-1为低 水平,+1为高水平;实验重复2次,所以总实验次数为16次.按随机化次序进行 实验.随机化的主要好处是可以消除某些隐藏因子(如环境温度的逐渐上升,机器 磨损,原料批次转换等)对实验结果的干扰.
表1:因子和水平选择 因子 -1水平+1水平 A清洗剤1浓度 B清洗剤2浓度 C温度 D超声波频率 E超声波功率 FDI水流量 表2:L8设计及数据结果 2% 0.50% 80C 40KHZ 1000W 20L/M 2.50% 0.60% 90C 68KHZ 2000W 30L/M StdOrder Conc1 Conc2 Temp U/SFreU/S powerDIflowR1 R2 1 2 3 4 5 6 7 8 -1 1 -1 1 -1 1 -1 1 -1 -1 1 1 -1 -1 1 1 -1 -1 -1 -1 1 1 1 1 1 -1 -1 1 1 -1 -1 1 1 -1 1 -1 -1 1 -1 1 1 1 -1 -1 -1 -1 1 1 3.733 5.098 4.49 4.338 2.702 4.126 3.624 3.276 3.678 5.013 4.505 4.281 2.618 4.082 3.591 3.229 实验数据的分析: 对于筛选式设计,只考虑主效果的分析.主效果指单个因子从-1水平变到+1水平 时,响应值改变的程度.以A因子为例,A在-1水平时,响应值的平均值为3.62,A 在+水平时,响应值的平均值为4.18,因子A的主效果即为两者之差,等于0.56. 同样方法可计算其它因子的主效果. 问题是每个因子的主效果都不为零,是否说每个因子对NVR都有显著影响(即每 个都是关键因子)?回答是:否!原因是这种差异有可能是随机变异(或称为普通变 异)造成的.要评估因子的显著性,应将主效果与随机变异进行比较,看主效果是否 显著大于随机变异.使用的统计学分析方法叫做方差分析(手动计算非常复杂), 可通过MINITAB进行计算.根据P值或排列图,可以确定因子XYB是关键因子, 对NVR有显著影响.为了直观地了解因子的主效果,做出主效果图.(一般认 为,P<0.05表明该因子影响显著;或在排列图上,超出红线的因子影响显著). 从排列图可知三因子对NVR有显著影响: 因子C:温度 因子D:超声波频率
因子A:清洗剂1浓度 表3:因子效果的排列图 ParetoChartoftheEffects (responseisR,Alpha=.10) A: Conc1 B: C: D: E: F: Conc2 Temp U/SFre U/Spowe DIflow C D A AF B E F 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 中心点 2水平因子设计只能评估线性效果,而在一些情况下因子的效果实际为二次或其 他曲线模式,例如因子处于或接近优化区域时往往出现二次模式.增加中心点有 助于评估因子效果的曲率,也就是告诉你是否接近优化区域.若发现因子效果的 曲率显著,则使用CCD设计和RSM方法对过程进行优化;若发现因子效果的曲 率不显著,则首先采用最快上升/下降发寻找优化区域,再使用CCD设计和RSM方 法对过程进行优化. 项目组增加中心点,即因子A为避免.25%,因子C为85C进行4次实验;因子D频 率不可调(只能设定在40和68两种状态)根据上述结果设在68.其他因子效果不 显著,根据成本或现有水平固定下来. 数据分析为发现显著曲率.小组采用最快下降法找到优化区域(曲率显著区域)为: 因子A:1.0%(-1),1.5%(+1) 因子C:100C(-1),110C(+1) 在此区域进行CCD实验和过程优化. CCD(中心组合设计)/RSM 虽然含中心的2水平设计可以建立二次模式,达到优化的结果,但这种方法建立的 模式(数学等式)通常较为粗糙.而CCD设计可以建立更准确的模式.CCD设计其 实是2水平设计增加中心点和轴向点,其因子的水平数多达5水平. 本例中有2个因子:浓度和温度,2水平全因子设计的组合数为4,增加中心点5 个;增加轴向点4个.总共实验次数为13次.用MINITAB设计的CCD和实验数据 见下表. 数据分析,首先建立数学模式,通过去除非显著项,再进行减项模式分析得到: NVR = 0.63 –0.12浓度–0.17温度+0.22浓度^2
注:通过手动计算也可得到此等式,但工作量非常大.注:通过手动计算也可得到此等式,但工作量非常大. 表4:CCD设计及数据结果 StdOrderconc temp NVR 1 2 3 4 5 6 7 8 9 10 11 12 13 1 1.5 1 1.5 0.9 1.6 1.25 1.25 1.25 1.25 1.25 1.25 1.25 100 100 110 110 105 105 97.93 112.07 105 105 105 105 105 0.97 0.95 0.74 0.51 0.95 0.63 0.7 0.48 0.67 0.53 0.67 0.71 0.5 然后作出响应表面图,可以直观地看到各因子对响应值(NVR)的影响:温度的上 升会导致NVR下降(我们希望NVR为零);而浓度的上升先是使NVR下降,到大 约1.3%之后,浓度的继续上升使NVR增加. 表5:响应面图 SurfacePlotofNVR 1.1 1.0 0.9 0.8 0.7 0.6 0.5 NVR 110 0.4 105 temp 0.9 1.0 conc 100 1.1 1.2 1.3 1.4 1.5 1.6
从响应表面图还可知道大约的因子设定:温度越高越好;而浓度要适中,在1.3%左从响应表面图还可知道大约的因子设定:温度越高越好;而浓度要适中,在1.3%左 右.要较准确设定各因子,可通过过程优化.MINITAB可提供很有效的优化方法. 结果见下图.使用MINITAB时可随意调整红线(相当于模拟各因子的变动情况), 响应值Y会随着改变,因此可获得各因子的最佳设定值和操作窗口. 根据实验中的观察,温度太高虽有利于NVR降低,但是会导致另一种缺陷的急速 上升.温度设定在105+/-3C最理想;然后变动浓度的红线可知,浓度设在1.35% 时,NVR达到最小值,0.6,操作窗设为1.35+/-0.15%可以使NVR小于0.65. 最后的设定为: 因子A:清洗剂1的浓度1.35%+/-0.15% 因子C:温度105+/-3C 因子D:超声波频率:选择68KHZ 其他因子设定为目前水平. 表6:因子优化 conc 1.6036 [1.3416] 0.8964 temp 112.0711 [105.0] 97.9289 New D 1.0000 Hi Cur Lo NVR Minimum y=0.6020 d=1.0000 确认实验 因为实验时实际实验的组合有限,而优化分析的结论来自于统计推理,难免与实际 情况有所偏差.因此进行确认实验非常重要.所谓确认实验就是按得到的最佳设 定运行过程,检验实际结果是否与预期一致. 小组按以上结论设定过程进行确认实验,为期一周,结果NVR平均值为0.63 成果 小组经过为期2周的实验,最后获得成果如下 1,NVR平均为0.62,远远小于客户要求的5ug/cmsq 2,因NVR导致的拒收率降为0 3,成本节约200KUSD/年