【必讀】實施DOE前的準備工作（上）

今天和大家分享的是我們六Sigma當中最複雜也是缺失最長的一個最龐大的工具DOE 但是這個DOE想和我們在分享之前 先和大家簡單說一些這個DOE的一些個更重要的內容 大家應該是不管是學六Sigma還是說沒學過六Sigma都聽過這個工具DOE 但是我們現在學DOE呢 大部分我們在學的時候 更多的是把我們的精力放到了這個metap的操作呀 metap的解讀上 那麼其實這個DOE在真正我們在工作當中去運用的話 真正學上來說或者說重點的並不在我們這個metap的操作和解讀上 最重要的是我們前期的一些個準備工作和策劃 那麼並不是說我們的metap的操作路徑啊 這些個結果的解讀不重要 只是說大家熟練了之後呢 其實這部分內容很快的 拿到辦公室啊 把我們的這些個數據用metap分析很熟練的話 幾乎五分鐘到十分鐘就搞定了 但是呢 我們會metap的這個分析和解讀呢 並不代表我們能很好的把這個DOE實施出來 把我們這個DOE搞成功 所以怎麼樣能把我們的DOE呢搞成功啊 最重要的是我們這個前面的準備工作 那麼前面的準備工作就包括我們怎麼策劃DOE 還包括我們DOE前面要做很多其他的分析 那麼這些是最重要的 這些是保證我們DOE成功的一個 佔百分之八十的一個重要的內容 所以我們今天呢就和大家簡單聊聊 我們實施DOE前的一個準備工作都有什麼 我們今天主要分享的三部分內容 第一個就是實施DOE前應該做些什麼 第二個呢就是我們看一下DOE在開始做之前 我們要創建的這個表單 爲什麼要創建 包括隨機化到底是一個什麼意思 第三部分呢就是我們實驗誤差 它爲什麼我們要理解實驗誤差 它的作用是怎麼起作用的 它幹什麼用的 包括怎麼算怎麼估算我們的實驗誤差 然後我們先說第一部分 這個DOE我們大家可以看到 這個DOE它是放到DMIC裏面的I階段 也就是改進階段去做的 所以我們現在在學6Sigma 有一個問題是什麼 就是我們學了非常多的工具 學了非常多的工具 但是可能大家把每一個工具學都比較精通 但是把這些工具放到我們的這個實戰上 真的去解決問題上 可是可能還是不能很好的解決問題 或者是不能很好的瞭解6Sigma的一個思路 所以我們說在做這個DMIC的過程當中 做DOE之前 前面的D階段我們不說 就M階段和A階段需要我們做大量的工作 需要我們做大量的工作 只有我們把測量和分析 把這兩部分的工作做得很完整 很完善 我們對我們的過程 對我們的問題很清晰了 這個時候我們再做DOE 那纔是接近於成功的 如果我說前面我們測量分析 這些都不做 沒有一個層面聚焦的過程 那麼上來我們直接做DOE 那幾乎有很大很大的可能性 就會失敗了 那麼爲什麼呢 包括我們前面要做什麼呢 我們簡單的看一個圖示 來幫助大家理解一下 那麼大家首先要清楚的就是 我們傳統的DOE 包括我們的全因子試驗設計 包括我們的篩選設計 其實這些傳統的DOE 也是大家最經常用的 但是它我們這些DOE只負責什麼呢 基本上只負責調整均值 只負責調整我們的均值 比如說 這個是我們的上限 這是我們的下限 我們只負責 把我們的這個生產過程的均值呢 調到我們想要的一個位置 比如說啊 SPAC中心值 我們的標準中心值 我們要把它調對中 調對中 這個肯定是我們最希望看到的 所以大家首先要知道的就是DOE 我們學這些簡單的傳統DOE 它主要的一個作用是調整均值 那麼在調整均值之前呢 我們要對我們的一個過程 有一個很深入的瞭解 這個就是我們變原的拆解 那麼什麼叫變原的拆解呢 就是我們的製造過程是非常複雜的 不管是我們前面分享MSA 還是分享我們的這些個ANOVA等等等等 這些工具 一直在和大家強調一個很重要的概念 就是組內和組間 那麼當然組間呢 可能不止一個組 但是組內呢 就是我們說的最下層的一個組 我們說這個製造的一個誤差 那我們來看 如果我們現在 如果我們不做變原拆解 我們先看左邊這部分 這個就是我們看見的數據的全貌 我們看見的數據全貌 那麼這個時候 如果我們直接在這種情況下去 做DOE的話 好像我們在做DOE的過程當中 做這本輪實驗的這個過程當中 最後的結果 好像我們找到了一套最優參數 把我們的這個實驗呢 把我們的製造過程呢 能調到我們的這個Spike中心的位置 但是呢 如果我們對數據進行更多 更詳細的拆解 我們把它進行更多的分層 那麼我們可以看到 因爲這個每個人的行業不一樣啊 所以很難給大家舉一個共同的例子 讓大家清楚 我們說一個簡單的情況吧 就比如說 都是同樣一臺設備生產的 我們說左邊這個 這些個黑點啊 也都是我們一臺設備生產的 那麼這是我們採集數據之後 看到的全貌 但是呢 比如說我所在的行業呢 他的這個設備上會有很多的相同的工位 有很多相同的工位 比如說A負責焊接的工位 然後B也是負責焊接的工位 C也是負責焊接的工位 在這一臺設備上呢 會有三個焊接的工位 它起相同的作用 那麼有可能呢 這三臺焊接 焊接工位之間 它也會有自己的差異性存在的 所以在這個層面上呢 我們就叫它組件的一個差異 組件的一個差異 舉個例子 比如說這個是A 這個是我們的A工位生產的產品 這個橙色的是我們B工位生產的產品 那大家可以看到 這個A工位和B工位 雖然同屬一個設備 它們之間是有一個均值的差異的 我們管這個均值的差異呢 就叫組件差異 那麼問題就來了啊 我們如果在做DOE之前 我們事先不知道這些個變異的來源 我們也不知道 我們這工位之間的這個差異性 那麼我們盲目的 按照我們的DOE的這些實驗計劃 大家學的這些個理論的 這個低水平高水平 直接去硬做的話 那麼我們不知道 我們這一輪實驗 這一輪實驗 它會覆蓋於哪裏 我們不知道 有可能我們做的時候 假如說舉例子 是這種情況 我們把它調回來 把它把這個黑色的點 調到了中心的位置 但是呢 在實際的生產過程當中呢 還有橙色的這種情況 還有橙色這種情況 那麼這個時候我們就說 根本就沒有解決這種均值的差異性 有可能在我們給到 給了一套最佳參數之後呢 回到我們的製造過程當中 那麼可能就是 有一種常見的情況就是 我做DOE的時候 非常成功 實驗的結果呢 絕對滿足了 我們對準了標準中心值 可是在我 把這套參數固定下來 使用到正式的生產當中以後 隨着時間的推移 好像這套參數又不起作用了 又不起作用了 這是一個非常常見的情況 那麼其實不管是DOE也好 還是說我們使用一些比較原始的 就說我們一點點去試這個參數 一點點去找一個最佳參數 大家經常會發現一個問題就是 今天找到這套參數 好像不錯 過幾天 不管用了 爲什麼會出現這樣的一個情況 就是因爲我們 對我們的這個過程的變異來源 沒有一個足夠的瞭解 那麼如果我們不做測量 不做分析 我們直接跳到I階段 做個DOE 那麼很可能就會失敗 很可能就會失敗 所以整個DMIC的一個邏輯是什麼呢 D我們可以先把它先拋出去 因爲它是一個定性的分析 我們就說從M階段到A階段 這個就跟人的 D階段就相當於人的頭 M和A呢 M就相當於脖子 A呢就相當於軀幹 所以大家都清楚 沒有脖子 沒有軀幹肯定不行 對吧 但是做項目的時候 如果我們M階段和A階段 沒有對我們的過程進行梳理 沒有找到我們過程的一些變異的來源 那麼直接去進行改進 那麼肯定是會出問題的 肯定是會出問題的 包括現在6Sigma的一些現狀 我們看大量的市面上 做的DMIC的這種項目的報告 M階段和A階段 基本上都是沒有什麼 真正的去對流程 對整個這個製造過程的一個梳理 也沒有看到問題的一個深入 基本上呢 就是大家熟知的那三般符 什麼Process Mapping圖 然後或者是魚骨圖 配個CE矩陣 然後再接個Framer 然後好像就找到根源音了 然後我們就做個DOE就改進了 這個太常見了 太常見了 其實真正解決問題來說 肯定不是這樣的 我們M階段要幹很多 A階段也要幹很多 所以我們要看 在M階段A階段通過測量 測量是什麼 測量階段不是說做MIC 是我們收集數據 收集什麼數據 收集我們認爲重要的那些 影響的相關的因子 把這些個因子找出來 是爲了收集數據 那麼收集數據是爲了幹什麼 收集數據是爲了給A階段 進行層別的聚焦 梳理清楚我們流程 現在是有哪些問題 是不是波動大 既然是波動大 那麼是哪一層的波動大 如果前面像右邊這種情況 我們都沒有梳理清楚 我們只能看到左邊這一堆黑點 我們直接就開始做DOE 基本上這個DOE的成果 是保持不住的 所以我們說DMIC 這個M階段和A階段 很重要 大家不要想 好像DOE這個工具 既然這麼厲害 那我豈不是包打一切了 我現在的參數 好像有一些問題 我直接做個DOE 就能把這個問題搞定了 一勞永逸了 不是這樣 製造過程是非常複雜的 大家都在製造業裏面去工作 都有相關的接觸 製造過程是非常複雜的 它有很多的變異來源 它有很多這些 其他的影響的干擾的因子和來源 不是說我們找幾個重要的參數 不管是試也好 用DOE也好 把這個最佳參數找出來之後 一勞永逸了 那肯定不是這樣 所以DOE ME TAPE 要學一定要學 因爲你畢竟要會看 這個軟件怎麼用 給我們一些什麼信息 但是重點 其實真的在做DOE的時候 重點並不在後邊這個ME TAPE的操作上 我們來說一下 在這個 當然 這個第一部分 就是要告訴大家 DOE不是上來 你直接硬做的 這個就很容易 就是趁火保持不住 因爲DOE 大家知道爲什麼 DOE最大的優點是什麼 就是我們用的這種科學的方法 正交性 平衡性 來保證我們實驗次數最小化的同時 能科學的去得到我們的一個答案 但是呢 不代表我們這個實驗 做十幾次跟玩一樣 對吧 如果做十幾次真的跟玩一樣 可能就不需要DOE了 這個成本還是比較高的 那麼成本這麼高的情況下 做DOE 一定要保證它的成功 所以在實施DOE前 要做很多準備工作 對我們的流程有足夠的瞭解 不要上來說 找領導批了 一些排產的時間 準備了一些料 就開始直接上了 這樣基本上很容易失敗 很容易失敗 好 然後我們來說一下第二部分 其實呢 這個DOE 大家可以看 學DOE真正學什麼 一定要把這些個統計的這個原理和背景學清楚 這是一定要學清楚的 爲什麼呢 因爲DOE 要想實施成功 必須要對我們的這個統計原理 有很深的瞭解 它最重要的是什麼 重要的剛纔我們說了 不是回到這個辦公室 用metap去操作 演示 這些個結論 並不是這些 而是前期的準備工作 包括前期如何策劃 這些東西其實浪費了我們 也不能說浪費 花費了我們大量的時間 所以我們怎麼樣 更好的去策劃一個DOE 怎麼樣去準備好我們的DOE 那麼前面這麼重要的策劃階段 需要什麼 就需要我們學統計的原理 學統計的原理 大家呢 可以幫老師點點贊 然後我們來看一下 這個隨機化 隨機化和這個DOE表單的創建 是什麼意思 我們來跳到這來說 這個東西呢 基礎的東西 我們先不說了 這個基礎的東西 我們不說了 我們之前也說過了 大家可以看一下 基本上我們在這個 做DOE創建 我們的這個實驗順序的時候 它是有兩種排列方式 兩種排列方式 最基礎的 我們叫它標準序 叫標準序 標準序 什麼叫標準序 大家可以看到 我們看兩個因子 對吧 我們舉例子兩個因子 溫度和時間 那麼也就是說 我們做全因子DOE的話 在角點上 我們會做四次 2的二次方 四次 那麼三個因子呢 做八次 四個因子呢 16次 五個因子呢 32次 那麼大家可以想一下 我們要說 當然了 我們不會這麼做 對吧 我們要說七個因子 七個因子就要做 2的七次方次 對吧 當然我們實際不會這麼做 我們會做篩選設計 但是我們就說舉例子 那麼2的七次方 這是非常龐大的一個數字 那麼我們說 DOE它最重要的特性是什麼呢 平衡性和正交性 那麼現在我們有了 metab和這個軟件之後呢 我們就可以 讓metab來幫助我們 把這些 32次也好 64次也好 讓它全部生成出來 沒有重複的 也不會有缺失的 但是大家可以想 放到最早以前 我要放到最早以前 那麼那個時候沒有計算機 那我們的這些個 做DOE的人們 他們怎麼能保證 32次實驗 要把它全部列出來 它的組合搭配全都列出來 還能不能重 還不能丟失 那麼我們就 當時就想了一個辦法 叫頁字標準序 也就是按照這個順序去填 肯定錯不了 什麼順序呢 一個負一 一個正一 低水平我們就叫負一 代碼化 高水平我們叫正一 然後一個負一 一個正一 那麼到第二個因子的時候呢 就是兩個負一 兩個正一 那麼同理 我們再來看一下 這個第三個因子 我們看一下 三個因子是什麼樣 三個因子呢 就是二的三次方 做八次實驗 八次實驗是什麼樣的 一個負一 一個正一 一個負一 一個正一 一個負 一個正 一個負 一個正 一低一高 那麼第二列呢 第二列就是第二個因子 什麼樣 兩個低 兩個高 兩個低 兩個高 那麼第三個因子呢 大家看 四個低 四個高 好 我們討論一下 如果我們有第四個因子 比如地 那麼我們寫頁字標準序的話 大家感覺應該是幾個低 幾個高 我們來討論一下 第一個因子的話 我們第一列第一個因子 一低一高 第二個因子呢 兩低兩高 第三個因子呢 四低四高 那麼第四個因子呢 如果我們有四個因子 做16次實驗的話 那麼大家感覺第四個因子 我們這16次應該怎麼排序 我們可以打到顧名上討論一下 那片海說八低八高 對 那片海說的對 小果說八低八高 對 好 大家 流氓兔 對 流氓兔說的也對 八低八高 大家一邊聽一邊幫老師點點贊 然後 我們現在說 這個就叫頁字標準序 大家明白了吧 這樣的話呢 我們就解決了一個問題 就是以前我們沒有計算機 怎麼樣把我們所有的這個 實驗順序呢 全都把它寫出來 還不能重 也不能有漏的 這個叫頁字標準序 但是我們做實驗的時候 能不能用頁字標準序去做呢 不可以 不可以去做 爲什麼呢 我們來說一下 我們就拿這個三因子來舉例子 我們先不說諸心點 我們一共做了八次實驗 一共做了八次實驗 假如說 我們做前四次的時候 是白班 白班 我們排產的時候是白班 然後呢 做完四次實驗 白班 下班了 然後我們 換夜班的來了 假如說 我們白班和夜班之間有差異 我們白班和夜班之間 生產的有差異 什麼叫差異啊 我們說一個最簡單的情況 比如說啊 白班生產的產品呢 均值在這裏 夜班生產的產品呢 比白班高一些 均值比白班高一些 那麼他是有一定的差異性的 那麼這個時候 如果出現了這個問題 好 一旦我們說這個壓力 顯著 那麼我們能不能確定啊 只有現在有兩種情況啊 第一種情況是 確實是啊 壓力這個因子顯著 做的前四次呢 和後四次呢 也就是說 低水平做了四次 和高水平做了四次呢 有差異性 那麼一種可能是 確實是我們這個壓力 這個因子是顯著的啊 顯著的影響我們顯微變量 那麼第二種情況是什麼呢 就是 不是壓力起作用了 而是白班和夜班之間有差異 白班和夜班之間有差異 那麼這種事情呢 是同時發生的 正好白班做了 做的是啊 壓力這個因子四次低水平 正好啊 我們夜班來了 做的是壓力四次的高水平 那麼一旦啊 當然你要說他不顯著 那萬事大吉 對吧 那沒有關係 一旦顯著 我們分不清 分不清什麼呀 到底是壓力起作用啊 還是白夜班差異造成的呀 我們分不清 那麼所以說 我們不能按照頁字標準序 那其實這種情況叫什麼呢 我們在多元迴歸的時候 也和大家簡單說過啊 這個叫什麼叫 多重貢獻性吧 這個叫也叫多重貢獻性 那麼怎麼辦啊 我們想一個辦法 把我們的這 八次實驗 不按頁字標準序去做了 我們把它打亂 打亂隨機打亂 隨機打亂 隨機打亂之後呢 我們就能 避免這種誤差 對我們的一個干擾 避免我們誤差 對我們的一個干擾 那麼怎麼做呢 我們給大家用metab來演示一下