DOE在某洗衣机生产公司中提供产品良率的应用案例

实验设计(designofexperience，DOE)是一种安排实验和分析实验数据的数理统计方法。实验设计主要是合理安排测试，以较小的测试规模(测试次数)、较短的测试周期、较低的测试成本，获得理想的测试结果，得出科学的结论。同时，DOE在机械结构设计中得到了广泛的应用，通过合理的策略和实验来确定结构参数，取得了最佳的效果。本文介绍的例子是如何提高洗衣机电机的产量，以及如何在不改变设计的情况下，通过调整工艺参数来达到改进的目的。接下来介绍如何逐步应用DOE达到推广的目的。

1.定义目标

目标必须是可定义和可衡量的。在这个例子中，我们需要知道现有的不良率，以及如何在不改变设计的情况下，通过工程调整来提高电机良率。这个目标对于改进来说应该是具有挑战性的(高投资回报)，并且在改进后能够满足其他性能和安全要求。这个例子是为了提高电机的振动值。改进前的缺陷率是5000ppm，目标是减少50%，3500ppm是这个参数的测试系统。

2.选择因子的响应值Y。

Y可能经常是多个，单个Y很难完全代表定义的目标和需求。然而，在该示例中，为了简化讨论，仅将Y和Y1中的一个作为电机振动值，并且该值越小越好。另外，测量系统简单，已经通过了测量系统的分析，所以不会重新评估。

3.选择因素

特别是那些可能对Y有影响的因素或它们的交互作用对Y有影响，寻找因素一般可以通过产品设计图、工艺流程图、头脑风暴等找到。在这个例子中，因为我们不想改变产品设计，所以我们使用流程图来寻找因素，建议在初始阶段记录尽可能多的影响因素。

共发现12个影响因素。12因子的DOE需要大规模的测试和更多的资源，所以我们通常会做一些筛选。比如我们不打算改变产品设计，尽可能的改变产品设计可能会对y有更好的影响，但是由于实际的限制，我们无法改变，所以可以将一些因素纳入DOE。

4.定义因素的级别。

选择因子后，下一步是定义因子的级别。因子的水平可以根据经验值、限制甚至先前的测试结果来定义。同时，要避免层次之间过宽或过窄。如果某一因素在两个层次之间的定义过于宽泛，就会掩盖其他因素的作用；如果太窄，它对结果的影响可能会被忽略。

看看这个例子中的五个因素。根据经验，五个因素设置为两个级别，“-”和“+”；如果螺钉由两家供应商使用，它们是S1和S2；S1是“-”级，S2是“+”级；

5.分析和预测因素与因素之间相互作用的结果。

在确定因素水平后，需要预测因素的影响和因素之间的相互作用对每个y的影响，当结果和可以相互比较时，如果DOE的测试和分析结果与预测一致，则置信度较高。相反，可能需要再次检查测试，以确定当前的理论是否有问题。

6.制定适当的策略，然后收集数据。

在采集数据之前，需要制定采集策略，主要看干扰情况。总共有5个因子，可以用分辨率IV做16次DOE。16度判别IV的DOE几乎是最常用的，它不仅能理解单因素的作用，还能理解一些交互作用，资源实验远不如32度的DOE。16次测试的序列完全是随机序列，可以对测试过程中的干扰进行平均。

7.使用ROSS规则分析数据。

拿到数据后，先做实际考虑。大致观察整体数据分布，比如整个DOE数据的差异是否足够大，是否有符合预期的数据等。

从正态图可以看出，B(转子平衡)和D(垫圈高度)对Y. Y都有显著影响，图2的帕累托图也证实了这一点。

最后，使用图表和定量结果。通过选取显著因子B(转子平衡)和D(洗衣机高端)，并绘制方框图，可以发现当D为“+”B为“-”时，Y很小，结果稳定，很好，结果与预期不相悖。

8.确定目标是否已经实现，并制定下一步计划。

理论上，转子平衡越小越好，垫圈高度越高，振动值越好。但实际上转子平衡是有极限的，垫圈的高度不能做得太大，需要通过多轮的DOE找出最佳匹配参数。同时，将仍有疑问的参数保留给下一个DOE进行验证。

通过多轮DOE，我们可以逐一定义对改进目标有影响的参数及其最优配置，从而保证最终结果符合标准，尽可能获得最佳的洗涤性能。在这种情况下，实际改进后的不良率为1600ppm。

综上所述，DOE( 实验设计)是运营管理中提高产品良率的一个相对简单的应用。在实践中，往往会有更多的干扰，比如平衡系统的设计。这时候结合DOE的干扰策略会非常复杂，测试量也会增加。然而，如果使用得当，DOE仍然是帮助获得参数设计的非常有效的工具。