doe

nullnull课堂要求课堂要求如有讨论，请积极参与 关掉手机或开成振动 有问题可以随时提问，但不要开小会 不要睡觉，如果睡觉请不要打呼噜，不然会影响旁边的人睡觉 例1:例1:这里有27个球， 其中有且只有一个球质 量为9克, 其它26个都为10克。给你一架 天平，请找出重为9克的那个球。 请问，你至少要称几次？例2:例2:这里有9框球(每框100个)， 其中有且只有一 框里的球质量全为9克, 其它8框里的球都为 10克。给你一架天平，请找出里面的球重为9 克的那个框。 请问，你至少要称几次？实验 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 的意义: 实验设计的意义: 应用数理统计学的基本知识，讨论如何合理地安排试验， 取得数据，然后进行综合科学分析，从而尽快获得最优组 合 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。在工程学领域是改进制造过程性能的非常重要的 手段。在开发新工序中亦有着广泛的应用。 在工序开发的早期应用实验设计方法能得出以下成果： 1. 提高产量； 2. 减少变异性，与额定值或目标值更为一致； 3. 减少开发时间； 4. 减少总成本；两类问题两类问题长期的 长期存在的问题－－在预算中的 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 为公司降低成本考虑 需要管理层发起，组成一个专职小组 短期的 突发性的－－在预算中没有计划 专注于保护客户利益（差的质量） 需要一个临时小组项目根据问题种类制订相应策略：长期问题vs短期问题两类问题两类问题短期的长期的Green-YGreen-Y测量消费者关注什么： 一个是失效模式 一个是性能状况YRed-XRed-XX同部件对话很多可能的变量很多可能的变量熟知 猜测 未知控制方法主要有3种可能种类制造过程是很复杂的。可能有100种或1000种因素作用着Green-Y。传统的问题解决方法传统的问题解决方法科学的方法许多可能的原因许多可能的原因DOE的反向思考Burn-in8传统工程统计工程Hot iron Dry sand Wet sand Low seacoal High compaction . . . . . . Low seacoal and high compaction侦探推理方法侦探推理方法问“愚蠢”的问题 收集所有的线索 怀疑所有人员 利用已有的线索排除怀疑对象 增加证据，在法庭上能立足 逮捕嫌疑犯 感觉评分转换感觉评分转换Design Of Experiment学习目的 – 感觉评分学习目的 – 感觉评分学习: 怎样使定性变量可测量 分出好坏 为什么一个只有六个值的刻度会被使用 哪种人类感觉会被使用对解决问题来说定量的比定性的参数更有效建立SST的衡量刻度建立SST的衡量刻度得分 描述 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 0 (BoB) 完美的 1/2 1 非常轻微 1 1/2 2 好的 2 1/2 3 差的 3 1/2 4 坏的 4 1/2 5 (WoW) 可怕的感觉得分基本原理感觉得分基本原理比起说明哪个零件最类似与参考零件，人们更善于说明和参考零件比较，哪个零件更好或更坏。 要测量一个零件，询问它处在哪两个参考标准之间 在SST刻度上，五个参考标准建立六个数值 6数值必须过Isoplot (DP / DM ³ 6) 多于6个值（例如10）的重复性会很差转换例子转换例子同标准比较是好了还是坏了分界线感觉评分转换程序感觉评分转换程序按顺序排好50到100个产品。要测量的变量波动必须覆盖所以范围。 决定哪类能接受和不能接受，取中间的产品，标上“2½” 。 挑出几乎最坏和最好的部分。分别标上4½ 和½，在½, 2 ½和 4 ½ 中间产品标上1 ½和3 ½。 将5个参考标准(½, 1 ½, 2 ½, 3 ½ and 4 ½)放在板上贴好标签。 利用这个标准，选择被测的产品同其比较，决定产品的得分。 利用IsoPlot检验其可靠性，培训操作人员。感觉评分 – 视觉感觉评分 – 视觉裂缝 如荧光管上的落粉。 擦伤 在显像管表面的擦伤 颜色 当电弧管通过高压电时发出的辉光颜色。 图案 在偏振光下，玻璃中的应力图案。视觉特征感觉评分 – 听觉感觉评分 – 听觉噪音，嗡嗡声 扬声器，摩托车的轰鸣 敲击声 开关门时的声音 间歇式噪音 当车门关上的声音听觉特征有些噪音需要用麦克风和放大器来确定感觉评分 – 嗅觉感觉评分 – 嗅觉气味 燃烧绝缘体发出的气味 香水味嗅觉特征感觉评分 – 触觉感觉评分 – 触觉温度 线路板上的热点，马达过热等。 振动 马达，镇流器的振动 纹理 材料表面的光滑程度 潮湿 湿润度触觉特征感觉评分 – 味觉感觉评分 – 味觉 化学味道 苦，辣，甜等. 只有食物才能品尝味觉特征nullISOPLOTDesign Of Experiment学习目的 - Isoplot学习目的 - Isoplot评估测量系统的可靠性 什么是 DM和DP 什么情况下测量系统可接受 怎样做Isoplot 收集数据 分析数据 如测量系统不够可靠，该怎么办IsoplotIsoplot真的还是假的 ?0.249 0.250 0.251 直径[inches]要求实际所测转轴完美的测量系统完美的测量系统同一部件测量两次得到完全相同的结果 － 可重复测量的实际情况测量的实际情况由于测量误差，同一部件测量两次会出现偏差的结果产品波动产品波动产品也存在着波动, DPTrial #2Trial #145oDPDP产品和测量偏差合成以后产品和测量偏差合成以后 波动合成以后比 DM和DP都要大Isoplot – 例Isoplot – 例0.4040.412 -0.408 -0.406 -0.414 -0.410 -0.404- 0.408- 0.410- 0.412- 0.414- 0.406Area [mm2] Trial #2Area [mm2] Trial #1这个测量系统足够好吗?Isoplot需要测30个样品两次Isoplot条件Isoplot条件95% 信心度Isoplots – 例1Isoplots – 例1DP ?Trial #2Trial #1Isoplots –例 2Isoplots –例 2测量系统 OK ?Isoplots – 例3Isoplots – 例3DM ?Isoplot操作Isoplot操作随机选择30个样品。 随机排列顺序，从1到30标上号码。 测量一遍，记录数据。 将样品再随机排列。 测量第二遍，记录数据 分析结果 如果Isoplot失败??如果Isoplot失败??测量是一个过程，它包括： 夹具 设备 操作程序 人员 任何一个因素都可能成为Red-XnullMulti-Vari表Design Of Experiment学习目的 - Multi-Vari学习目的 - Multi-Vari在产品流中寻找差异 怎样去识别过程结构 怎样做多变量实验 计划多变量实验 收集数据 分析多变量表 过程结构过程结构缺陷的产生 在部件的不同位置 只在同一设备的部分产品上 在设备的特定机头上生产的产品上 只在同一设备上生产的产品 在不同的班次，不同的设置，不同的材料等等中 过程结构的特点由产品流经整个 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 后决定 缺陷的产生取决于过程和部件的形状多变量表 –例多变量表 –例上端 中间 平均 末端玻管号五个测量值的平均值多变量表组群多变量表组群多变量表在过程结构中寻找最大的变量波动组群。典型的组群有： 部件中 (不同位置) 生产周期 (部件之间) 产品流位置 (机头， 模具，设备，生产线等) 时间 (小时，班次，日期，材料批次，设置等) 至少见到80％的Green-Y波动Green-Y histogram解释多变量表解释多变量表Case 1Case 2Case 33个组群: 部件中 部件之间 时间变量波动模式变量波动模式趋势 周期的 阶梯的这是什么波动模式 ?这是什么波动模式 ?每个样品测四个位置, A-D. A和B是轴左侧的最大和最小直径，C和D是右侧的最大和最小值，每小时抽3个样品。线索线索部件的位置 左侧不圆 右侧不圆 成锥形 生产周期 样品之间（连续的） 夹具，样品差异等 时间 小时 材料，设置，班次等.9:00 am10:00 am练习 – 多变量练习 – 多变量问题: 3% 的8 ft玻璃管弯曲度太大， 不能够做灯。 玻管必须要直，规范 是200mils，但出现250mils以上的 玻管是常事。所有时间里都能看到 这个问题 1. Green-Y是什么？ 2. 概述 Green-Y 图表 玻管生产过程： 熔化的玻璃从炉子内流到6rpm的心轴上。旋转能使玻璃流动顺畅，玻璃脱离心轴后被拉成玻璃管，速度为60pcs/min. 3. 列出波动群组 4. 如何抽样？练习 – 多变量数据练习 – 多变量数据问题： 5. 作图. 6. 看到Red-X? 如看到在哪个组群里? 7. 每个组群的波动各是多少? 8. 有无其它波动格式看到?多变量表多变量表null集中分布图Design Of Experiment学习目的学习目的学习如何处理定性变量 寻找各个位置的差异 怎么做集中分布图 解释和使用集中分布图 随机vs. 非随机分布 区分工艺和材料影响例 – PCB焊接缺陷例 – PCB焊接缺陷波峰焊接方向主要: R = 断开 G = 焊接搭桥 B = 焊接不足将缺陷从 20,000 ppm到20 ppm集中分布图 – 程序集中分布图 – 程序画部件或设备的等比图 在图上画出工艺流程方向 在图上画出缺陷产生的位置 收集足够的数据（如30～50个）， 判断是否随机分布 解释分布图 不随机：观察部件的加工位置。 随机：缺陷不随机分布是由于部件或一些随机的工艺引起的Flywheel Starter AssemblyFlywheel Starter Assembly液压装配$5.00 不能返工缺陷分布数据缺陷分布数据Note: There are three failure modes: 144 (listed above) have one dog stuck, 5 have both dogs stuck, and 5 have bent dogs.飞轮－－集中分布图飞轮－－集中分布图飞轮－－集中分布图飞轮－－集中分布图null部件搜索 （一）Design Of Experiment学习目的（一）学习目的（一）学习如何使用部件搜索（一） 何时使用部件搜索 纵览部件搜索的三个阶段 学习执行部件搜索（一）时的五步 计划 (第1步) 分析第一步的结果 (2-5步)什么是部件搜索 ?什么是部件搜索 ?当装配时存在BoB和WoW 判断Red-X处于： 装配工艺，或 装配时使用的材料 如Red-X材料问题，则 判断是由哪些材料引起的 判断是否有交互作用存在1. 计划部件搜索（一）1. 计划部件搜索（一）必须知道Green-Y变量 Green-Y分布图显示波动 Isoplot 必须通过 选出BoB和WoW Green-Y分布图的末端(+WoW, -WoW) 末端 (WoW) vs. 中间 (BoB) 产品必须是连续的或是同一批的部件搜索 – 例部件搜索 – 例计时器: 在 -40oC 有20% 失效 (规范中最低的温度)BoB’s 在-40oC时也能工作。 WoW 在0oC时就失效2. Red-X 是装配问题吗 ?2. Red-X 是装配问题吗 ?将 BoB和WoW 重新拆装几次 然后测量 Green-Y 如BoB’s 仍然 BoB’s ， WoW’s仍然 WoW’s，那Red-X 是材料问题 如WoW’s 变成 BoB’s 或倒过来，那Red-X是装配工艺或方法问题。3. 作图3. 作图BoB’s 仍然 BoB’s ， WoW’s仍然 WoW’s。 结论： Red-X 是材料问题用数字检查结论4. 检查 BoB/WoW 是否分离4. 检查 BoB/WoW 是否分离Rule #1: BoB’s和WoW’s必须完全分离 Rule #2: 中值差大于VI * R-barTip: 如总数是偶数，其中值是中间两个数的平均值！所有BoB’s 好于 WoW. 通过Rule #1.中值差为34。 V1 * 范围平均值 = 0.89*(5+7)/2 = 5.34. 通过Rule #2.第一阶段中常数表第一阶段中常数表建议5. 计算上下限5. 计算上下限上下限 清楚的显示BoB-WoW是否分离。 由中值和 V2计算得出 BoB: 中值BoB +/- V2 * R-bar WoW: 中值WoW +/- V2 * R-barWoW上下限 -3.5 +/- 1.31*6 = +4.4 和 -11.4BoB上下限 -37.5 +/- 1.31*6 = -29.6 和 -45.4部件搜索（一） – 例部件搜索（一） – 例一印刷线路板在最终测试中有灵敏度的问题。坏的板子的灵敏度在10.8，好的在17.9。现在怀疑2个变压器，4个电容和1个电阻有问题。这些器件被拆下重新焊接两次（BoB和WoW）。Red-X是装配工艺还是元器件问题？部件搜索（一） - Tips部件搜索（一） - Tips只拆装要在阶段二中要测试的零部件 如果没有把Red-X包括进去，阶段二也不会通过 装配在一起的几个元器件也可以看作是一个部件 有时阶段一可以跳过 如果可以确认BoB-WoW是分离的 在一些不能拆装的设计中，也可以使用部件搜索的方法，但必须要有另外的方式。null部件搜索 （二）Design Of Experiment部件搜索 – 例部件搜索 – 例计时器: 在 -40oC 有20% 失效 (规范中最低的温度)首先怀疑的是螺线管 (A). 工程师感觉螺线管在低温时的功率不够大。其它的元器件为(B, C, D . . .2. 交换BoB和WoW的元件2. 交换BoB和WoW的元件交换BoB和WoW首先怀疑的对象 BoB的装到WoW 上 WoW的装到BoB 上 交换后测量Green-Y的结果 记录结果 将元件重新装回原来的计时器上交换螺线管 (A)以后: WoW = -5oC BoB = -40oC3. 分析结果3. 分析结果看BoB和WoW是否离开相应的上下限 离开表示这个元件是相关的 如BoB和WoW还在原来的上下限内，可以排除这个元件。 如结果完全倒转，那搜索可以结束了。 不会还有其它重要的元件。 如是部分反转，则可能还有其它重要的元件存在，必须要找出来。 继续搜索计时器 – 搜索（二）计时器 – 搜索（二）元件B和C可以排除，它们仍留在控制限内。 元件D（计数齿轮）上看到部分反转，WoW的齿轮安装到BoB上，Green-Y偏出控制线。说明D是相关的，但还有其它重要的因素存在。4. 找到完全反转4. 找到完全反转如一个元件得到部分反转的结果，必须找到其它重要相关的元件。 将产生部分反转的元件装回原来的产品上。 继续互换元件，直到其它的部分反转找到。然后 将这两个相关的元件一起互换 (capping run) 如完全反转，结束搜索 如部分反转，寻找第三个相关的元件。 将所有元件装回原来的产品结束 “capping run”如相关的有几个元件，要继续搜索的第三阶段计时器 – 搜索（二）计时器 – 搜索（二）元件E和F可以排除。 元件G是相关的。 接着，将D和G作为一组整体一起互换。（capping run）计时器 – 搜索（二） - 结束计时器 – 搜索（二） - 结束D+G 得到完全反转的结果，结束搜索。 所有元件装回原来的产品上。练习 – 部件搜索（二）练习 – 部件搜索（二）一个步进马达不能输出要求的60个单位的扭距。BoB马达能输出65个单位的扭距。WoW输出53个单位。马达包括4个主要部件。在阶段一收集了拆装的数据。从这些数据计算出上下限。例 – 马达扭距 例 – 马达扭距 Stage I - Plot70 68 66 64 62 60 58 56 54 52 50练习 – 马达扭距练习 – 马达扭距Stage II - PlotForm: Components Search - Stages I & IIForm: Components Search - Stages I & II练习 – 马达扭距练习 – 马达扭距null部件搜索 （三）Design Of Experiment1. 部件搜索（三）1. 部件搜索（三）只有当阶段二中显示有两个或两个以上的部件是相关的，才需要进入阶段三。将这几个相关的元件作为整体一起互换，看是否有完全反转的结果。 这表示其中可能有交互作用的存在。 阶段三中的数据是所有阶段一和二中的数据 将阶段二中的数据排成矩阵，看是否有最佳的元件组合存在，也就是有交互作用的存在。是否需要第三阶段的搜索？ 如这样，如何获得数据？例 – 转子拆分 - I例 – 转子拆分 - I前面的部件搜索可看出转子是Red-X。转子包括4个部分，所以要开始第二轮的部件搜索。阶段一通过了（左边的数据）。阶段二中的上下限也可以计算得出。例 – 转子拆分 - II例 – 转子拆分 - IIThread + Sleeve Are Involved. Must Go To Stage III.2. 建立矩阵2. 建立矩阵将每个相关部件的BoB和WoW建立画出矩阵 – 在这里是thread和sleeve Sleeve 在纵向 (WoW and BoB columns) Thread 在横向 (WoW and BoB rows) 做上标记 (1) WoW sleeve + WoW thread s BoB sleeve + WoW thread t WoW thread + BoB thread st BoB sleeve + BoB thread Cell for: WoW(sleeve) WoW(thread)Cell for: BoB(sleeve) WoW(thread)Cell for: WoW(sleeve) BoB(thread)Cell for: BoB(sleeve) BoB(thread)3. 将数据分类3. 将数据分类将阶段一中的数据填如矩阵3. 数据分类3. 数据分类将阶段二中的数据填入矩阵52 55 54 5565 66 63 65Stage II Components Search - Elimination ExperimentsRun #SwapBoBWoWConclusion4A6354Eliminate5Thread6055Partial6C6553Eliminate7Sleeve5758Partial8E5465Full9F6354Original Base54 53 54 5463 65 65 6355 5760 584. 计算相应结果并画图4. 计算相应结果并画图找出每个空格里的中值SleeveWoWWoWBoBBoBThread(1)stst52 55 54 5565 66 63 6554 53 54 5463 65 65 635465(1) s t st 52 60 55 63 53 58 57 63 54 63 54 65 54 65 54 65 55 65 55 66 54 59 56 65 Cell: Values: Median:4. 结果4. 结果将结果画图SleeveWoWWoWBoBBoBThread(1)stst52 55 54 5565 66 63 6554 53 54 5463 65 65 63546566 64 62 60 58 56 54 52WoW BoB SleeveBoB ThreadWoW ThreadNon-Parallel Lines Indicate InteractionConcept Diagram5. 计算因子影响值5. 计算因子影响值计算因子影响值就是BoB和WoW的差值SleeveWoWWoWBoBBoBThread(1)stst52 55 54 5565 66 63 6554 53 54 5463 65 65 635465 Sleeve Thread WoW BoB WoW BoB 54 59 54 56 56 65 59 65 55 62 56.5 60.5 7.0 4.0Factor: Settings: Cells: Average: Difference:5. 因子影响值5. 因子影响值计算交互作用的影响值SleeveWoWWoWBoBBoBThread(1)stst52 55 54 5565 66 63 6554 53 54 5463 65 65 635465Sleeve * Thread Opp Same 59 54 56 65 57.5 59.5 2.0Factor: Settings: Cells: Average: Difference:6. 排列因子6. 排列因子根据影响值排列因子，从最大的到最小的 Red-X是影响值最大的因子（绝对值） Pink-X 是第二大的因子 Pale-Pink-X 是第三大的因子。null成对比较Design Of Experiment学习目的学习目的什么是成对比较 何时使用成对比较法 如何使用成对比较 怎样选择成对样品 需要多少对样品 比较什么 成对比较的信心水平。例 – 飞轮上的两个孔例 – 飞轮上的两个孔BoB和WoW中哪个变量差异是有规律的？例 – 飞轮上的两个孔例 – 飞轮上的两个孔数字的大小并不重要，关键是BoB和WoW的相对大小比较什么比较什么电 电阻，电感，电压，电流等。 尺寸 长，高，宽，直径，位置等。 机械 扭距，力，速度，时间，强度等。 化学 元素成分，化学组成等 物理 密度，重量，颜色，粗糙度，温度，颗粒度等。 缺陷 擦伤，变形，开裂，凹陷等。信心度信心度Pair # Risk Confidence 1 100% Sets the direction 2 1/2 = 50% 50% 3 (1/2)2 = 25% 75% 4 (1/2)3 = 12% 88% 5 (1/2)4 = 6% 94% 6 (1/2)5 = 3% 97% 7 (1/2)6 = 1.5% 98.5% 8 (1/2)7 = 0.8% 99.2% 成对比较的规则成对比较的规则当不能拆装部件时可使用成对比较法（不要比较大的部件，如设备等） 选择最好的和最差的比，不要仅是好的和坏的样品 部件要一致的，除了Red-X的差异 样品是要在同时生产，使用相同的工艺，相同的设备，相同的模子，连续生产的，等等。 要找出8对样品，最少6对（95％置信度） 测量尽可能多的参数 可以是目测的，机械的，电的，化学的，尺寸的等等。 不要受限制，线索也许会让你感到惊讶。 只在成对之间比较，不要交叉比较 在成对样品之间，看相同的变化。 如大小方向变化，停止比较。选择 BoB / WoW的方法－－在Isoplot中选择 BoB / WoW的方法－－在Isoplot中Lower Spec LimitBoB’s 和 WoW’s 可能在两个末端或在中间和末端选择 BoB / WoW的方法－－ 在Green-Y 图上选择 BoB / WoW的方法－－ 在Green-Y 图上选择 BoB / WoW的方法－－ 在Scatter图中选择 BoB / WoW的方法－－ 在Scatter图中Select filters with similar back pressure, but very different Green-Y flow rates客户需要高流速的过虑网选择 BoB / WoW的方法－－ 在部件搜索中选择 BoB / WoW的方法－－ 在部件搜索中null群组比较Design Of Experiment学习目的学习目的理解什么是群组比较 首尾计数法 群组比较和成对比较的关系 什么时候使用群组比较，什么时候使用成对比较 如何计划和使用群组比较什么是群组比较？什么是群组比较？评估两种工艺是否有差异 预先设好所需的置信度 基于研究两种工艺下较多的样品 常用于: 通过比较找线索 看工艺是否得到提高Green-Y和Red-X的关系Green-Y和Red-X的关系Green-YRed-XThis Red-X variation . . .. . . causes this Green-Y variation95%limits of variation for a given Red-X valueRed-X vs. Green-Y relationship利用X-Y的关系利用X-Y的关系We Can Use The Relationship To Help Find The Red-X !!Separating BoB & WoW Green-Y’s . . .Green-YRed-XBoB’sWoW’s. . .results in separate Red-X distributionsBoB’s和WoW’s的两种情况BoB’s和WoW’s的两种情况是否有差异是否有差异当分布有重叠时 . . . . . . count the tails where there is no overlap !! Overlap region 6.51 B 1 6.36 B 2 6.25 B 3 6.19 B 4 6.18 W 6.04 W 6.01 B 5.94 W 7 5.91 W 6 5.83 W 5 W B Sort Data on Green-Y and count tailsGreen-YThe Tukey End Count Adds The TailsB tailW tail群组比较 – 例群组比较 – 例Green-Y = 线圈电阻怀疑导线长度是Red-X。用线轴的重量表示线轴上导线的长度。线轴重量的群组比较线轴重量的群组比较95% Confidence Requires An End Count Of 7 Or More. Bobbin Weight Is Significant.Note that one tail must be BoB and the other WoW, or the End Count is zero -- no separation !!首尾计数规则首尾计数规则1. 根据Green-Y值排序。 2. 确认首尾是相反的，B在上端。 3. 如首尾是相同的，则首尾计数为零。 从上往下数直到B换成了C。 继续从底部往上数，直到C换成了B。首尾计数要求首尾计数要求Is B different than C ? (Two-tailed test) (Overlap allowed)End Count Requirements Are Independent of Sample SizeRef: John W. Tukey, Technometrics, Vol.1 No. 1, Feb 1959, pp. 31-48End Count = 0 if both ends are BoB’s or both are WoW’s群组比较规则群组比较规则当分布有可能是重合时使用 选择样品数 如重合得越多，样品数越大 BoB和WoW 样品数应该为1:1或3:4 确定置信度 测量所有的样品参数 排列每个参数，得出首尾数 如首尾数等于或超过要求数，则这个参数是重要的练习练习Determine the Red-X Candidate(s) that cause(s) slow actuator response at the 90% confidence level.DiameterLengthI.D.ThicknessWeight练习练习X 决定 YX 决定 YGroup Comparisons Work Forward Or Backward !!. . . to prove we can control the Green-YGreen-YRed-XBoB’sWoW’sUse this Red-X separation . . .nullB vs CDesign Of Experiment学习目的学习目的何时使用B vs. C B vs. C 实验的两种方式 6-样品 较多的样品 如何计划实施B vs. C实验 用来证实Red-X已经找到B和C的几种分布B和C的几种分布Test: Randomly pick 3 pieces from each distribution (3 B’s and 3 C’s) and rank them. This is a “6-pack” test.B vs. C test will fail most of the timeB vs. C test usually fails, Tukey may passB vs. C test passes all the timeB vs. C test always passesB vs. C – 例B vs. C – 例The 6-Pack B vs. C Test Gives 95% Confidence That B Is BetterB vs CB vs C95% 信心度风险取决于样品数风险取决于样品数a-Risk是当B并不优于C，但我们这么认为的机会 信心度 = 1 - aB vs C 规则B vs C 规则选择一个可接受的a-Risk 选择合适的样品数（如不是“Six-Pack”) 选择B和C测试或抽样的随机顺序，测量Green-Y 根据Green-Y结果排序 找出结论： 如B’s和C’s的结果完全分离意味着在一定的信心度下B优于C。 不要采用太高的置信度，这样容易导致不必要的失败。调谐线圈 - B vs C练习调谐线圈 - B vs C练习通过改变调谐线圈的工艺，期望能增加震荡线圈的输出功率。选择的样品数为5 C和4 B。只有在没有重叠的情况下才能选择改变工艺。 9个样品的取样是随机的。其输出功率如下： B’s 4.1 4.3 3.7 4.2 C’s 3.6 3.8 2.5 3.1 2.9 问题： 1. 这个测试的结果有多少置信度？ 2. 能改变工艺吗？ 3. 在95％的置信度下，我们能改变工艺吗？null公差平行四边形法则Design Of Experiment学习目的学习目的测定Red-X和Green-Y的关系 观察其它因子的影响 了解为什么公差必须在工厂设定而不是实验室。 公差规范如何获得？ 学习如何制作公差平行四边形法则 设立Red-X的控制限Red-X 同 Green-Y的关系Red-X 同 Green-Y的关系Red-X是对Green-Y影响最重要的因子。如果我们同时测量几组Red-X和Green-Y值，就可以看到它们的关系。如果这个关系不清晰，那么可能还存在着其它Red-X。但其它因子或者交互作用的存在也可能使这个关系不清晰。公差规范如何获得?公差规范如何获得?设计 理论分析，“听专家的” 多年的经验，以前的设计，参考资料，部分是顾客的需求等 真正的公差应如何获得？ 过程 “听部件的”，公差平行四边形法则 在现实的过程工艺中进行波动分析例 – 公差平行四边形法则例 – 公差平行四边形法则Green-Y = 线圈电阻导线长度是Red-X。用线轴的重量表示线轴上导线的长度。客户要求 37.5 到45 W公差平行四边形法则 - Step 1公差平行四边形法则 - Step 1两个变量都必须通过Isoplot！！Green-Y IsoplotRed-X Isoplot公差平行四边形法则 - Step 2公差平行四边形法则 - Step 2公差平行四边形法则 - Step 3公差平行四边形法则 - Step 3Green-YRed-X找出距离回归线第二远的那个点，在那个点上画回归线的平行线。在回归线的另外一侧相同距离画另外一条平行线。公差平行四边形法则 - Step 4公差平行四边形法则 - Step 4理论的Red-X公差实际公差Green-YRed-X客户要求范围Regression lineLSLUSLTop-to-Top, Bottom-to-BottomTop-to-Top, Bottom-to-Bottom公差平行四边形法则练习公差平行四边形法则练习A Red-X was discovered from clue generation and confirmed with a B vs. C six-pack test. The customer enthusiasm range is from 40 to 60. The following data was collected by measuring 30 random units. Both Red-X and Green-Y gages passed Isoplot. Use this data to find the realistic tolerance for the Red-X.Graph PaperGraph PaperProcess ImprovementProcess ImprovementDevelop Focused Problem DefinitionEstablish Effective Measurement SystemGenerate CluesList Suspect VariablesStatistically Designed ExperimentRed-X Found ?OptimizeDesign Change Required ?Test New DesignEstablish Realistic TolerancesIrreversible Corrective Action ?Statistical Process ControlMonitor Green-YCommunicate Lessons LearnedNoNoNoNoYesYesInteraction ?YesYes