Planowanie doświadczeń - DoE

Planowanie doświadczeń, czyli DoE, to systematyczne podejście do planowania, przeprowadzania i analizowania eksperymentów.

Celem planowania doświadczeń jest zbadanie, jak różne zmienne wejściowe, nazywane czynnikami, wpływają na zmienną wyjściową, określaną jako odpowiedź. W bardziej złożonych systemach do analizy może być również kilka odpowiedzi.

W zależności od dziedziny badany system może być procesem, maszyną lub produktem. Może to być jednak także człowiek, na przykład podczas badania działania leku.

Każdy czynnik ma kilka poziomów. Na przykład czynnik „smarowanie” może mieć poziomy takie jak olej i smar, natomiast czynnik „temperatura” może mieć poziomy takie jak niski, średni i wysoki.

Kiedy stosuje się DoE?

Istnieją dwa główne zastosowania planowania doświadczeń (DoE): pierwsze polega na identyfikacji kluczowych czynników wpływu, czyli ustaleniu, które czynniki mają istotny wpływ na wynik. Drugie polega na optymalizacji zmiennych wejściowych, aby zminimalizować lub zmaksymalizować odpowiedź, zależnie od pożądanego rezultatu.

Różne plany eksperymentów dobiera się w zależności od celu: plany przesiewowe służą do identyfikacji istotnych czynników, natomiast plany optymalizacyjne stosuje się do określenia optymalnych zmiennych wejściowych.

Proces DoE

Oczywiście oba etapy można przeprowadzać sekwencyjnie. Przyjrzyjmy się procesowi projektu DoE: planowaniu, badaniu przesiewowemu, optymalizacji i weryfikacji.

Pierwszy etap, czyli planowanie, obejmuje trzy kluczowe zadania:

• 1) Uzyskanie jasnego zrozumienia problemu lub systemu.
• 2) Zidentyfikowanie jednej lub kilku odpowiedzi.
• 3) Określenie czynników, które mogą istotnie wpływać na odpowiedź.

Identyfikacja potencjalnych czynników wpływających na odpowiedź może być dość złożona i czasochłonna. W tym celu zespół może przygotować diagram Ishikawy.

Plan przesiewowy

Drugim etapem jest badanie przesiewowe. Jeśli istnieje wiele czynników, które mogą mieć wpływ (zazwyczaj więcej niż 4-6 czynników), należy przeprowadzić eksperymenty przesiewowe, aby zmniejszyć liczbę czynników.

Dlaczego jest to ważne? Liczba badanych czynników ma duży wpływ na wymaganą liczbę eksperymentów.

W pełnym planie czynnikowym liczbę eksperymentów określa wzór n = 2 do potęgi k, gdzie n oznacza liczbę eksperymentów, a k liczbę czynników. Oto krótki przegląd: przy trzech czynnikach wymaganych jest co najmniej 8 eksperymentów; przy 7 czynnikach potrzeba co najmniej 128 eksperymentów, a przy 10 czynnikach co najmniej 1024 eksperymentów.

Należy pamiętać, że ta tabela dotyczy planu, w którym każdy czynnik ma tylko dwa poziomy; w przeciwnym razie potrzebna będzie większa liczba eksperymentów.

W zależności od złożoności pojedynczego eksperymentu warto rozważyć wybór planów przesiewowych, gdy występują 4 lub więcej czynników. Do planów przesiewowych należą ułamkowe plany czynnikowe oraz plan Placketta-Burmana.

Plany optymalizacyjne

Po zidentyfikowaniu istotnych czynników za pomocą eksperymentów przesiewowych i, miejmy nadzieję, zmniejszeniu liczby czynników można przeprowadzić dalsze eksperymenty.

Uzyskane dane można następnie wykorzystać do utworzenia modelu regresji, który pomaga określić zmienne wejściowe optymalizujące odpowiedź.

Weryfikacja

Po optymalizacji ostatnim etapem jest weryfikacja. Sprawdza się wtedy ponownie, czy obliczone optymalne zmienne wejściowe rzeczywiście mają pożądany wpływ na odpowiedź!

Przykłady planów eksperymentów

Istnieją różne plany eksperymentów. Oto kilka najczęściej stosowanych, które można łatwo obliczyć za pomocą oprogramowania DoE numiqo.

Pełne plany czynnikowe: Te plany testują wszystkie możliwe kombinacje czynników i dostarczają szczegółowych informacji o efektach głównych oraz interakcjach.

Ułamkowe plany czynnikowe: Te plany wykorzystują tylko część możliwych kombinacji, aby zwiększyć efektywność, a jednocześnie uzyskać najważniejsze informacje.

Plany Placketta-Burmana: Plan przesiewowy, którego celem jest szybkie zidentyfikowanie czynników mających największy wpływ.

Plany powierzchni odpowiedzi: Obejmują one na przykład centralne plany kompozycyjne (CCD), stosowane do znajdowania ustawień optymalnych, szczególnie wtedy, gdy między czynnikami a odpowiedzią występują zależności nieliniowe.

Kluczowe aspekty planowania eksperymentów

Efektywność: DoE pomaga zebrać jak najwięcej informacji przy minimalnej liczbie eksperymentów. Jest to szczególnie ważne, gdy eksperymenty są kosztowne lub czasochłonne. Zamiast testować wszystkie możliwe kombinacje czynników (jak w pełnych planach czynnikowych), metody statystyczne mogą znacząco zmniejszyć liczbę eksperymentów bez utraty kluczowych informacji.

Efekty czynników i interakcje: W eksperymencie wiele czynników często wpływa na wynik jednocześnie. Planowanie eksperymentów umożliwia analizę izolowanych efektów tych czynników oraz ich interakcji. Interakcja występuje wtedy, gdy efekt jednego czynnika zależy od poziomu innego czynnika.

Tworzenie DoE za pomocą numiqo

Oczywiście możesz utworzyć plan eksperymentu w numiqo. Aby to zrobić, kliknij tutaj: Utwórz DoE online.

Jeśli oceniasz oprogramowanie do projektu Six Sigma, przeczytaj nasze porównanie: numiqo czy Minitab do planowania eksperymentów?.

Przegląd dostępnych planów i przepływu pracy w numiqo znajdziesz w przewodniku po oprogramowaniu DoE.

Możesz wybrać jeden z wielu planów, a następnie określić liczbę czynników. Utworzony plan eksperymentu zostanie następnie wyświetlony.