DOE的特性理解系列課 【必讀】DOE精講系列課程：DOE特性理解（1）

我們今天和大家一起來分享一下DOE的一些基本的概念和它一些重要的性質 那麼說到DOE我們先要來像我們之前講任何一個工具那樣 比如說CPK MSA SOA SPC 我們都要先講一下DOE它所在的路徑在哪裏 我們不能單獨講工具 我們要知道在DMACC這套方法論裏面它在什麼位置 那麼DOE它所在的路徑的位置其實在我們的這個I階段 改進階段的第一步 改進階段除了第一步之外還有後邊的二三四 還有其他的這些步驟 那麼DOE我們要重點地來說一下 這個DOE是什麼 它是一個表達達到清楚 這是一個改進的一個工具 但是一個常見的誤區是什麼呢 就是我們的這個DMACC項目裏邊是不是必須要用DOE 這個大家怎麼理解 這個首先DOE它是DMACC這一套方法論裏邊 在I階段涉及到的一個學習的工具 那麼我們是不是所有的DMACC項目裏邊 比如說我們實戰當中必須要用DOE 我們怎麼理解它 大家認爲這是一個DMACC裏邊 實戰當中必不可少的一部分 要體現的一個工具 大家就扣1 大家感覺也不一定非要用它 大家就扣2 我們來討論一下 我們討論完這個開始的最重要的問題以後 我來和大家說一下 我們DMACC裏邊在實戰當中 我們的這些個改進對策都可能來自於哪裏 我們開始就和大家討論 DOE作爲DMACC項目裏邊涉及到改進 它是必須要用的 大家就扣1 還是說它不一定必須要用 大家就扣2 其實我們每一次開一個主題的直播 可能會涉及到兩場三場 可能一場講不完 那麼其實每次最核心的地方 反而是最前面 也就是開一個主題的最前面 那可能大家對這些東西感覺這個沒什麼意思 還是直接教我們工具裏邊的內容 其實這些爲什麼重要 因爲我們講的那些其實很偏實戰 是很實戰的 王凱和慶豐路易多夫2號 所以這裏邊涉及到兩個事情 第一個事情是什麼呢 其實大家都知道 我們比如CAQ也好 比如CAQ 我們CAQ認證BB的時候 它需要兩個項目 那麼這兩個項目是什麼關係 它的起源是什麼 大家都知道我準備兩個項目 然後它選一個我們去答辯 這兩個項目在實際的企業裏邊 它去推這種 比如說摩托羅拉 它真正推企業裏邊認證BB的時候 爲什麼是兩個項目 這兩個項目什麼關係 其實這兩個項目不是一個並行的關係 這兩個項目裏邊 第一個項目是一個 這個怎麼說 就是學習類的項目 什麼叫學習類的項目呢 就是你完成了我們在企業裏邊 給大家做的BB的理論培訓 那麼你要 不能說光我學習完了參加個考試 理論分合格了 你就是BB了 那不是 那你要完成一個第一個學習的項目 也就是說在這個項目裏邊 我們其實不重視 就是說不要求 不看重 你的這個項目的實際的財務收益 我們看重的是 你在這個學習的項目裏邊 有沒有展現出來 你的這個demake解決問題的思路 邏輯 以及相應的工具 那麼這些在認證的時候 其實都是有一些嚴格的標準的 比如說統計類的工具 你要體現幾個 當然我和大家說的這些是什麼 這個東西是根 那現在大家能瞭解到的是什麼 瞭解到的就是 現在CAQ認證的時候 他會準備兩個項目 然後他抽一個 然後去答辯 那爲什麼 這個東西從哪來的兩項 我再給大家說這個起源的這個問題 那麼第二個項目是什麼 第二個項目叫實戰項目 那麼所謂的實戰項目是什麼 就是說企業裏邊 我們現在學這個demake 大家知道 這個現在學這個demake的話 學6sigma 對於一個企業來說 他投入的資源太少了 你現在 現在我們有網課 對吧 你可以上網課 你花個幾千塊錢 一個人 這叫錢嗎 這不叫錢 對於一個企業培養BB的話 這不叫錢 那麼你要是過去的話 你要是參加BB的這種理論培訓 首先 你要全部的這個人就拖長了 他不上班了 但是你要給他發工資 第二 你沒有線上的話 你要去線下培訓 那BB的這種培訓時間這麼長 可能要將近比如一個月 那你這一個月的期間 你的這個住宿費 對吧 差旅費 你找的諮詢公司的錢 這些成本都是很高的 所以那企業培養BB之後 他必然是要把這個 投入的這一部分成本給收回來的 那所以在你認證BB的時候 你的第二個項目 爲什麼叫實戰項目 那這個時候就是實打實的 我要解決企業裏邊的實際問題 那會非常重視我們的財務收益 所以所謂的 現在大家聽到的 你爲什麼BB的話 他會有兩個項目 這兩個項目其實是這麼來的 他倆的關係是什麼關係 其實是這樣一個關係 一個是學習的項目 體現我們的這個工具 的這個應用 分析的思路 不重視 不怎麼重視財務收益 第二個就是 純實戰 你必須給企業創造價值 有財務收益 那麼所以又說回來 那麼在Demake裏邊 如果你完成的是一個學習類的項目 那你必須要有要求的 你要體現哪些工具 那可能你選的這個項目 它會涉及到DOE 那你就要體現出去 但是對於實戰來說 我們愛階段叫改進 你這個改進裏邊會產生對策 那麼這些對策的來源 在實戰裏邊 有可能來源於哪裏 第一 比如說我用5Y分析 就找到了 特別簡單的一個根本原因 比如說我這個 叫什麼 這個噴射器 這個出口偏了 沒對準 你直接就給對策 第二個 比如說來自於SOA 6SIGMA最核心的工具 我在A階段 3.1 我用了SOA這個工具 我發現了最大的變引源 是我這一個設備 不同工位的差異導致的 那下一步你會用DOE嗎 你不會用DOE 你就直接去觀察設備 這設備上 比如說我發現 這五個相同的工位 這個可能高度設置的不一樣 那我把它調整過來 這就是對策 那麼還有很多很多 能產生對策的 這些地方和來源 比如說我們去觀察流程 那你可能作爲快贏 對吧 快速改善 你這就是一個對策 那DOE是什麼 DOE只是產生對策的 其中之一 那麼DOE是什麼 它直接針對的是 當這個問題 我們研究這個問題 研究到很深很深 研究到最底層 哪一層 這些個因子參數層面的時候 我需要搞因子參數層面 來調整的時候 我們纔會用到DOE 所以在實戰當中 比如說Agent老師 我是實際是一個在企業裏邊 搞實戰 那我們每年差不多做八個項 你這個五年就四十個項 對吧 我們發現 其實基本上 你做的所有項目裏邊 能應用真正 真正在實戰當中 你需要用到DOE去解決的 可能連10%都不到 就是這麼低的一個概率 但是爲什麼我們要學它呢 因爲它確實是一個很強大的工具 但是不代表 每一次實戰 你都會用到它 那麼DOE很像什麼 很像一把精確的手術刀 因爲它是直接在因子參數層面 用很科學的統計方法 去解決一個很受限制的問題 那麼大家都知道 第一階段是什麼 第一階段就是你身體不舒服了 你要去醫院 你有一個指標 比如說我需要體溫 從38降到36 這就是你項目的指標 M階段是什麼 測量 分科實 分真實 然後驗血 或者拍X光 這個東西 你要去收集數據 A階段 第一步 數據收集完以後 我根據數據確診問題是什麼 然後找原因 什麼造成的 那麼I階段 改進 怎麼改 吃藥 輸液 打針 做手術 C階段 控制 你要怎麼保證以後不再復發 對吧 你比如說 你是因爲吃了什麼東西 比如說 你是吃了西紅柿和食物中毒 你是因爲吃了這個食物和這個食物 所以中毒 那你C階段要幹什麼 第一 我後續 我要保證不再吃 第二 推廣 什麼叫推廣 你現在有的改善 怎麼推廣到其他的相似的流程裏面 你會告訴你的家人 這個東西啊 以後我們不能吃 吃了的話 這個就出問題了 對吧 所以我們去發現 迪邁克這套方法論的邏輯 他和我們去看西醫 去看中醫不行啊 中醫可不是啊 這個去看西醫 就是我們現在去醫院 他的這個邏輯是一模一樣 一模一樣 所以除了工具之外 你必須要搞清楚 這個方法論的邏輯 路徑 這個是核心 那麼 我們再說回來 你DOE的時候 他像一把精確的手術刀 那我問大家 去醫院的話 我們秉承了什麼原則 能不吃藥不吃藥 對吧 然後呢 能打針 不輸液 能輸液 不動手術 所以沒有人說 去醫院了這個 必須手術 對吧 那不對 這是第一 第二 那我們在艾階段 或者說有人說 這個前面我要用DOE 你用DOE的話 它不是一個簡單的 單獨的一個工具 這前面要有很多的流程 和邊緣的分析 做保證和支撐 大家都想過 那你比如 我們去醫院 前面什麼數據都沒有 什麼研究都沒有 對吧 然後這個大夫一看 我們就說 行了 你繳費吧 繳完費以後 我們就直接給你上手術檯了 大家都感覺不好 所以DOE 第一 它是一把 很精確的手術刀 它不一定非得要用 第二 真的要用 也不是說 直接拿過來這個工具 我就要解決 什麼什麼問題了 前邊必須 有通過數據的分析 邊緣的研究 確定了問題 到底出在哪 要用DOE了 我們再用DOE 這個是 我們講這個東西 在Demake裏邊的一個 邏輯路徑 以及注意的點 好 那麼 說了差不多15分鐘 這個 我們來的小夥伴 這個就是 其實這是最核心的東西 後邊我們講的內容 可能會兩場三場 但是 我說實話 我們再怎麼講 這些東西 不是我 Adrian老師能講 對吧 別人也能講 可能就是講課的風格不一樣 但是最核心的 前面這些東西 這是最核心 最重點的 我們就在實戰當中的 一些個 這些個注意事項 包括邏輯 都和大家介紹過 那麼我們 就正式開始 我們的這個內容 那麼 我們來 簡單介紹一下 感謝 馬上到的分享 我看一看 大家的答案 在說什麼 聽風落雨說 您現在是每週幾直播 我是每週一 每週四 那麼其他時間 有別的老師也在播 大家也可以 來 每天都可以來 嘿嘿 幸好山海時候 還沒錯過最重點 我們現在的問題 是什麼 就是6Sigma 現在在 現在的問題是什麼 在學習當中的問題 是什麼 就是我們會發現 6Sigma現在學習的問題 就是隻有工具 一提到6Sigma 就是一堆工具的拼湊 你拼了半天 你會發現 這套方法論的邏輯 和解決問題的思路路徑 不知道 就好像我們每天都在練武術 對吧 這個揮拳揮得特別好 然後踢腿 踢得特別好 可是你一真實戰起來的時候 這種靈活性 包括這種 武術的這種套路 有一些欠缺 好 我們來說重點吧 那個 也是跟大家分享閒聊 大家有什麼想聊的 可以打到評論區 那麼我們這個DOE 其實在學習來的時候 它裏邊的內容 非常非常的多 這個所佔的課時呢 也非常非常的長 那麼不管怎麼樣 我們這裏邊的DOE 比如說大家能聽到的 耳熟能詳的 比如說全音子 對吧 比如說這個文件設計 比如說篩選設計 比如說我們的小用曲面設計 那麼這些呢 作爲家族裏邊的 很大一部分分支 它們各自的這些個 作用又都不一樣 可是在學的時候呢 我們第一個學的 就是這個全音子DOE 那麼爲什麼呢 因爲它是 首先第一啊 它是最常用 也是最簡單的一個 那麼DOE裏邊的 很多的概念呢 比如說音子啦 效應啦 水平啦 運行啦 對吧 這個均衡性啦 然後曲組啦 中心點啦 所有的這些概念 我們都會在全音子DOE裏邊 和大家去介紹 那麼 這些東西 這些概念是共通的 這些性質也是共通的 就跟我們學回歸一樣 其實在標準的課時裏邊 這個一元線性迴歸 它在課時裏邊 它佔的課時的時長 要比較長 那你這個多元迴歸呢 它佔的課時呢 就比較短 那你說爲什麼呢 你應用的時候 哪個是主要的應用呢 主要應用的 在實驗當中是多元迴歸 那你爲什麼課時 讓它佔的短啊 就是因爲迴歸分析的技術 裏邊很多的基本概念 比如說什麼R²啦 對吧 這個ANOVA啦 這個 係數的檢驗啦 這些基本的概念 在一元線性迴歸的課時裏邊 會介紹 所以DOE也是一樣 那麼我們今天說的圈子DOE 就幫着大家去理解 DOE裏一些 基本的概念和它的性質 人生的穩重 大家看啊 人生的穩重 提了一個非常好的問題 它說 我們現在有個產品 涉及多個工序 每個工序都有可能產生異物 那我怎麼針對這個 使用6SIGMA做專項改善 好 很好的實戰問題 那麼 Adrian老師有沒有遇到過 這樣的實戰的項目呢 我遇到過 我也做過 那我來先和大家說一下 很有意思的話題 大家知道 用6SIGMA解決問題 和不用6SIGMA解決問題 在人生的穩重 提的這個場景下 有什麼樣的區別嗎 我來和大家說實戰的東西 第一 如果一個企業裏邊 它不是以6SIGMA的角度去做 它會怎麼解決這種異物的問題 我和大家說 它會一種掃雷 你可以叫它掃雷 或者叫什麼呢 鋪地毯 或者叫搞運動 它會以這樣的一個形式 去解決這個問題 具體是什麼意思 OK 穩重不說了嗎 每個工序都有可能產生異物 好 每個工序都有可能產生異物 每個工序都有產生異物的 工位和點 對吧 那好 我就把所有的工序 所有可能產生異物的位置 全部給它做清掃 今天清掃 明天清掃 後天清掃 大後天也清掃 天天清掃 這是一個沒有6SIGMA 日常管理上的一個 行爲是這樣的 有6SIGMA管理的 行爲是什麼樣的 如果按照DMAIC這套方法論 最核心的地方在哪裏 來我們來討論一下 人生的穩重 說他提的這個問題 在DMAIC這套方法論 我們在用的時候 大家認爲 DMAIC解決他說的這個問題 哪一個階段 是最核心最重要的 就五個階段 DMAIC 大家認爲是哪一個 大家就打出來 我們來討論一下 怎麼用6SIGMA做專項改善 你要用到DMAIC這套方法論 那解決 你看堵黑船長說A 小太陽說A 王凱說A 其他同學呢 有沒有不同的答案 D重要嗎 爲什麼大家都說D重要 這是傳 大家都聽過一句話 我剛開始學6SIGMA的時候 我也聽過一句話 DMSA哪個階段最重要 D階段最重要 D階段重要嗎 D階段重要 但是對於人生穩重 提出來這麼一個具體的問題了 這還有什麼 你還界定什麼 還很困難嗎 控制 他問題都解決不了 他怎麼控制 他都不知道出在哪 對策都沒有 原因都不知道 我和大家說答案 大家一定想不到在哪 爲什麼想不到在哪 因爲大家接觸的DMAIC方法論的 這個邏輯 這個套路 不是一個根的這個邏輯 這是最重要的 M階段是最重要的 大家知道爲什麼M階段是最重要的吧 大家想聽的扣1 你看穩重說1 2 M 大家想聽的扣1 我和大家展開說 M階段我們要做什麼 在這個具體的問題上 做MSA嗎 算不良率嗎 M階段最核心的邏輯只有兩步 大家切記啊 這隻有兩步 你可以聽 我們其實會聽到 很多DMAIC方法論的這種邏輯和套路 基本上兩套 自己去分辨 這兩套裏邊哪一套 它裏邊有邏輯性 哪一套裏邊沒有邏輯性 M階段在實戰裏邊 只有兩步 第一步叫確定測量項 第二步完成測量計劃 完成測量吧 就這兩步 那麼第一步 爲什麼確定測量項是最重要的 不是異物的嚴重程度 我問問你 現在你對問題的瞭解 穩重 你對問題的瞭解 只瞭解到一個層面 就是異物多 那好我問你 這個異物是什麼形狀 它都有什麼形狀 它都是什麼顏色 它都發生在產品的哪一個位置 它是什麼成分的 這些是什麼 這些叫什麼 你什麼形狀 什麼顏色 什麼位置 什麼成分 等等等等 有可能的這些 這些叫什麼 這些就叫測量項 那麼你把這些測量項定下來之後 你會按照你定好的測量計劃 去收集數據 收集完了數據 你有了一個龐大的數據的表單和數據庫之後 你要幹什麼 在A階段的第一步去做層別 我到底看一看 我所謂的層別以後 什麼形狀的 什麼顏色的 在什麼位置的 什麼成分的異物 它最多 我們才能確定 確定什麼事 它有可能在穩重 穩重說了 有可能在各個工序都有可能發生 我們才能確定到這個發生的具體的流程 在哪個地方 大家能理解嗎 這些是核心 不是什麼 不是因子 很多人是什麼 現在異物很多 直接就找因子 怎麼怎麼找因子 對吧 套個debug模板 爲什麼異物多 人機料法環 分析一下 CE矩陣篩一下 然後假設檢驗 驗證一下 那是套 那不是真正的實戰 異物是不是問題 異物多是不是問題 這是一個問題 這是一個管理問題 如果我們能把問題挖到下邊這一層 比如什麼形狀 什麼顏色 什麼位置 什麼成分 這些東西我們通過收集數據 你知道了 那這個問題是在聚焦的 否則只是異物多 只可能是這種對策 掃雷鋪地毯 搞運動 所有的工序 全部有可能的這個產生異物的點 清掃 對吧 大家能理解了 這是M階段就這兩步 沒有這麼複雜 這個MIC在哪了 MIC在下邊了 它是一個輔助的 爲什麼呢 因爲你要收集數據 所以你要捎帶腳做MIC 它不是一個你解決問題的一個主線 大家能理解了 大家怎麼都不說話了 大家聽明白了 扣個一 很好的問題 穩重提了一個很好的問題 這種異物的項目 我做過差不多三四個 我們其中有一個拿到了全球的 就是這種項目的評審比賽的全球第一名 那個項目做得非常非常漂亮 對 一測量 調查就像十月懷胎 解決問題就像一朝分娩 什麼叫調查 你測量數據 對吧 這些就叫調查 這些東西都有了 你做一個層別 這問題你知道怎麼回事了 那就好解決了 大家知道吧 你說這個找根本原因 這個東西難嗎 難不在難 難不在找根本原因 你說我的問題停留在異物多 你說你去找根本原因 你怎麼找也找不到 那茫茫大海撈針 那怎麼能找到 就跟我們去醫院一樣 一推門我不舒服 大夫說你別給我化驗 你別抽我血 對吧 什麼都不要幹 你不要測取我任何身上的數據 你就直接給我找原因 我爲什麼不舒服 那誰能找到 那你說那大夫能找到 大夫也找不到 所以爲什麼劉兵說基於數據 作爲事實的一種科學的解決問題方法 什麼叫基於數據 不是統計工具叫基於數據 而是前面這些 能理解吧 穩重就去這樣解決問題 這就是DMAIC項目的 典型的DMAIC項目 你把這些問題調查清楚了 和領導彙報 你就算是真的解決不了這個問題 領導也會發現 你在很深層次的挖這個問題 而不是說給領導呈現一個報告 爲什麼異物多 預補圖 找點原因圈一下 不是那樣的 感謝穩重 我們感謝穩重 穩重提了一個非常好的實戰的問題 所以我非常希望大家 在我們的直播間 去提一些這種實戰的東西 我們去聊一聊這些 真的把DMAIC 這套好的方法論應用起來 像我們的穩重一樣 那麼我們的這個 全因子DOE 它的幾個特點 你看它是最簡單的 第一 我們實驗當中 全部研究的因子都受控 第二 我們的這個因子數 不能研究的太多 第三 它的特點跟篩選設計就不一樣 它要求我們各個因子 每一個因子 兩個水平 一低一高 所有組合搭配 都要運行一遍 所以它的弊端是什麼呢 就是它的實驗次數非常多 它的實驗次數非常多 我們來看一下 什麼叫所有的因子 它都需要去 把所有的組合搭配都做一遍 那麼在研究全因子DOE的時候 我們的表徵符號 叫2的k次方 這個2是什麼意思 這個2就是我們每一個因子的水平數 那麼什麼叫水平 就是我們在做實驗裏邊 你研究的這些個 比如說溫度這個因子 我們設定了具體的參數的值 比如說 我設一個低水平 20攝氏度 我設一個高水平 60攝氏度 那麼這些叫什麼 這些就叫水平 那麼所以每個因子有兩個水平 我們就定兩個 一個低一個高 那麼這個k是什麼意思 k是我們在這個實驗裏邊 研究的因子的個數 那麼最簡單的全因子DOE是什麼 就是兩個因子兩水平 這是最簡單的 你說我一個因子兩水平行不行 一個因子兩水平 那就不叫DOE了 所以那大家可以看 那兩個因子 每個因子有兩個水平 它怎麼去組合搭配 低配低 對吧 然後高配低 低配高 高配高 也就是溫度這個因子兩水平 時間這個因子兩水平 2乘2 4次 所以呢 也就是2的2次方 所以你要做多少次實驗 你就看有多少個因子 對吧 2的k次方 就是它的實驗次數 那麼我們再來看 那麼如果三個因子呢 那就是2乘2乘2 就是8次 對吧 所有的組合搭配 你都要給它輪流做一遍 那我們來討論一下 那我要是研究五個因子的全因子DOE 我們要做多少次實驗 大家可以打到評論區 那我們來討論一下 五個因子 那你要做多少次實驗 這個大家算一下吧 兩個因子做四次 對吧 那三個因子呢 做八次 穩重說32次 對不對 2的5次方 多少 32 六個因子呢 那就是2的6次方 64次 也就是說 全因子DOE 我們每多增加一個考慮的因子 我們的實驗次數就翻倍 所以爲什麼 對吧 課件裏面會告訴我們 通常因子數較少的時候 我們用全因子DOE 因爲每多增加一個因子 實驗次數直接翻番 你這個五個因子做32次實驗 這已經是非常可怕 非常龐大的一個數字了 但是這個所謂的小於等於5 這只是給大家提供了一個經驗 經驗值 那你說我就 無所謂 我的成本很低 時間成本材料成本都很低 我就是想做六個因子 32次行不行 那你要非願意做也可以做 那你說我四個因子 對吧 這個符合課件說的小於等於5 我用全因子DOE 那就太套路化了 你也要看 你到底我們 這個實驗的這種實戰的場景裏邊 能接受多少次 你去考慮 可不可以做全因子DOE 那麼 這些個組合搭配呢 其實在過往的時候 現在大家知道了 我們有這個軟件 這個MiniTab啊 Jump啊 它都能幫我們去生成 這些個實驗的 完整的表單 每一次實驗的組合搭配 它都能完整的生成 但是在以前的時候呢 我們沒有計算機的時候怎麼辦 你怎麼能保證 我沒有重複的 也沒有漏的 對吧 把這八次實驗 所有組合搭配 都給它寫出來 那以前沒有計算機怎麼辦 那麼就有一個東西叫做標準序 葉子標準序 什麼叫葉子標準序啊 我們來看一下 什麼叫葉子標準序 後邊呢 我會帶大家去看一下 這個 全因子DOE在算係數的時候 它用到的是什麼呢 用到解方程組的那種消源的方法 我們來看一下 比如說 我現在要考慮四個因子 在這給大家寫一下 好 把這四個因子先列出來 列到一行 然後呢 你要知道 一共要做多少次實驗呢 2的4次方 16次 那麼怎麼去寫這個完整的標準順序 這個叫標準順序 第一行 一低 一高 第一列 你就是一個低 一個高 一個低 一個高 就這樣交叉着 一個低 一個高 到第二列的時候呢 兩個低 兩個高 兩個低 兩個高了 這樣交叉着去做 到第三列的時候呢 四個低 四個高 到第四列的時候 幾個低 幾個高 好 我們討論一下 這個叫葉茲標準序 幾個低 幾個高 大家能找出這個規律嗎 哦 陳寶拖了 Rocky現在都是8 對不對 對嗎 對着呢 8個低 8個高 這個叫什麼 這個叫葉茲標準序 那好 我們藉着葉茲標準序 我們來 討論一個問題 那麼我做實驗的時候 可不可以按照這種標準的順序 去做這個實驗 可不可以 我們借這個標準序 和大家去介紹我們DOE的第一個性質 可不可以 我們設想一個場景 比如說 做前四次的時候 那誰做的呢 我們王凱做的 啊 王凱做的 王凱做了前四次實驗之後 王凱說不行 我肚子不舒服 我要去廁所 對吧 那怎麼辦 來實驗不能停 對吧 產線要開着 ROCKY來替王凱 做後四次 那麼在這樣的一個場景下 我問大家 如果說 王凱和ROCKY 他們之間在操作上確實有差異 那麼正好王凱做的前四次呢 是我們陰子 壓力這個陰子的四個低水平 那你標準序嗎 ROCKY做的呢 是我們壓力這個陰子的四次高水平 那就碰巧了 對吧 那我問大家 那麼一旦我們通過統計分析判斷出來了 壓力的高水平和低水平之間有很大的差異 那麼第一 壓力這個陰子怎麼樣呢 顯著 第二 不是這個壓力這個陰子顯著造成的 而是王凱和ROCKY兩個人之間的差異造成的 那我問大家是哪一種可能性 哪一種 這是一個很核心的問題啊 其實metap怎麼操作 這個是死的 大家如果有一天做了DOE實驗 對吧 能不能成功 會不會失敗 不取決於怎麼用metap分析 因爲它是死的 取決於哪 取決於我們在前面如何設計它 如何實施它 所以你必須要對DOE的原理和性質有很深刻的瞭解 才能成功的去實施DOE 不在後邊的metap分析 你成功與否不在後面的metap分析 我問大家那是一還是二 那還有一種可能 就像王凱說的 這個分不清 我們來討論一下是哪一種可能 大家可以打123在我們的評論區 第一就是壓力顯著 這個陰子高低水平造成的 第二個呢 王凱和Rocky他倆的人 操作上的差異導致了 第三呢 分不清 大家可以把答案給大家打到評論區 人生的穩重說交互作用 對不對 穩重說了一個詞 有沒有這個詞呢 有這個詞 但這個詞叫什麼呢 它不叫交互作用 這個詞叫什麼 這個詞叫多重貢獻性 那麼其實大家會發現 我們在Demake的學習裏邊 只有兩個工具 它會涉及到一個概念 叫做模型 或者說這種行爲叫什麼 這種方案叫什麼 叫建模 哪兩個工具會涉及到這樣的功能啊 第一多元迴歸 第二DOE 可是都有這樣的功能 爲什麼我們在建模的時候 我們用DOE去建一個精確的模型 而不用多元迴歸去建立模型 因爲DOE它是主動的去設計實驗 比如說哪些因子啊 高低水平我都設多少啊 這些都是我們主動設置的 設計的 設計完以後 我們去按照設計的這個實驗計劃 去實施實驗 去做實驗 是先設計後實施再分析 多元迴歸呢 多元迴歸它利用的是歷史數據 通過我過往的歷史數據庫 我去抓數據出來 去建立迴歸模型 那麼我們用歷史數據 就很有可能產生一個非常大的問題 叫做什麼 大超說的對啊 是備總的對 叫做多重貢獻性 什麼叫多重貢獻性啊 比如說我有兩個研究的因子A和B 我抓了歷史數據出來之後 我發現A是這個13579 B呢 24680 大家發現這種規律了嗎 就是你A大 B也大 A小 B也小 它倆有相關性 那你不管是正相關還是負相關 它倆有相關性 所以這個同時產生一個規律出來 你到時候分不清是A起作用了 還是B起作用了 分不清 這種東西叫什麼 叫多重貢獻性 這種東西叫多重貢獻性 那麼如果我們DOE就不會 DOE你是通過什麼 通過這個主動設計試驗 你就能避免這種多重貢獻性 因爲DOE是什麼 DOE是正交的 它不存在這個多重貢獻性的問題 所以我們剛纔王凱說了一個誤差混在一起的 其實這個話也對 它不能去減少誤差 但是它能把誤差導致的 比如什麼叫誤差 比如王凱和Rocky 它倆人的這種影響 這個叫誤差 我可以把你怎麼樣分攤 所以我們做實驗的時候 就不能按照這種標準序去做 我們要把這八次實驗怎麼樣 隨機地打亂 那這個時候 王凱和Rocky 他再有誤差 他就不會影響到我們的系統 他會被攤開 所以這種情況叫什麼 叫多重貢獻性 你比如說Adrian老師那天拿着手機 手機一掉 地震了 對吧 你說這個東西 你說這地震是咋回事 是地竅運動了 還是我這手機砸了 對吧 這個事是同時發生的 這個叫多重貢獻性 對 潮說的對 隨機化 好 那麼我們來看 那麼說到這 我們來看DOE 它的幾個很重要的性質 這個均衡性 這個DOE的兩大特性 在它自身的獨有的性質 你看我們老說DOE 它非常科學 它科學在哪 它科學 你看 這就是它非常科學的兩個地 這個DOE 大家有時間可以研究 它和我們 這個東西 寫錯了 這個東西 這個原理非常相像 和它基本上 這個原理 基本上一模一樣 所以很多這種 科學性的 有智慧的東西 你看不管在哪個國家 什麼年代 它的這種 追根溯源都很像 你比如說 你看它講不講究這些東西 我們想想 不念這個字 這個大家都熟吧 中國人都熟 你看它 你說這個 到16 16掛 64掛 32掛 我們去看 大家把這個東西拿出來看 它是不是也是有 也是 什麼叫均衡性 我做的這些因子實驗裏邊 不管哪一個因子 我把它拿出來 你說我做四次實驗 它一定是有一半 是低水平 一半是高水平 那麼 你看 這個不對 這個少四個 大家不要看右邊這個 少四個 這應該是八次實驗 你看B也是 它一定是兩個低水平 兩個高水平 就一半一半 這個叫均衡性 什麼叫正交性 這個我很難給大家去形容出來 就是你任意兩列 它的這種高低水平的關係 沒有相關性 你說比如說 你比如說 滴滴 對吧 A是滴滴高高 B也是滴滴高高 敗了 對吧 你這個首先滴沒有均衡性 第二呢 你這個是有相關性的 對吧 你滴我也滴 你高我也高 那不行 所以任意兩列 它的這個高低水平取的時候 沒有正交性 你看 垂直的 沒有任何相關性 大家感興趣可以搜一下 你看你搜它 你看看它的符號 是不是均衡性 正交性都保證 這是地球意識上唯一的性質 子曰說 精英里邊講究流動拉動 對 其實真正的流動誰做得到 很少有做到的 你拉動的話在哪拉 在哪拉動 對吧 你真的實戰當中 你去看我們做流改扇的時候 你拉動要從哪拉 對 好多種拉動的方法 有從頭拉 有從尾巴拉 有從中間拉 對吧 你從哪拉 很多很多說法 好 那我們今天呢 也接近尾聲了 非常感謝大家的支持 也非常感謝 穩重今天提的一個非常好的 這種實戰類的問題 那我們今天呢 就到這裏 拜拜