優思學院｜DOE 實驗設計 不是萬能鑰匙

為了在競爭中脫穎而出，企業往往需要不斷改進或者重新設計現有產品，或開發新產品以開拓其他市場。然而，每推出一款新產品或采用新的設計，都會帶來流程上的改變，從而產生一定的風險。

雖然原型制作和產品驗證測試，甚至是制程改進中都很有價值，但成本可能很高，而且很多情況下，問題要到開發后期才能被發現。為了降低風險，工程師必須使用多種分析和統計工具，評估每一項改動可能對最終結果產生的影響。

實驗設計（DOE）就是這樣一種工具，但要明白，DOE 是一個進階的統計工具，通常應用于六西格瑪 DMAIC 的分析（Analyze）與改進（Improve）階段，我們不能跳過DMAIC各種流程直接應用DOE，否則只會事倍功半。

什么是實驗設計？

實驗設計是一種統計工具，工程師利用它來評估對流程或設計進行一次或多次更改所產生的影響。有了這些信息，他們就能設計出滿足客戶需求并達到甚至超越質量標準的產品。

有效運用實驗設計（DOE）方法可以顯著減少測試運行或試制次數，從而節省項目時間并發現過程中隱藏的問題。借助DOE，項目團隊能夠識別對最終結果影響最大和最小的因素。

常用術語和概念

DOE方法論中使用了許多術語——以下是一些最常用的術語：

• 可控輸入因素——也稱為X因素，是指在制造或生產過程中可以改變的輸入參數。例如，在煮意大利面時，這些因素包括意大利面和水的用量。
• 不可控輸入因素——指在實驗或生產過程中無法改變的輸入參數。
• 響應（或產出指標）——我們關心的輸出反應值被稱為「響應」(Response)。例如，意大利面的口味和口感。
• 因子——可能影響反應變數的輸入變數則稱為「因子」(Factor)
• 假設檢驗——運用統計方法確定顯著因素。一個假設陳述可以產生兩種結果之一：零假設或備擇假設。當現狀為真時，零假設成立；當現狀不成立時，備擇假設成立。
• 重復試驗——重復每組實驗，以取得更準確的結果。

實驗設計DOE的基本流程

實驗設計（DOE）流程應該遵循DMAIC方法論以達致最佳效果，流程通常如下：

D（Define，定義）-明確目標

M（Measure，測量）-收集有關流程的知識

A（Analyze，分析）-選擇變量

I（Improve，改進）-為變量分配級別 - 進行測試或實驗

C（Control，控制）-數據分析與結論

何時使用實驗設計

實驗設計可用于改善活動（Kaizen）或快速改進活動，也可作為更廣泛的六西格瑪DMAIC改進項目的一部分。

DOE 在六西格瑪的 DMAIC 步驟（定義 Define – 測量 Measure – 分析 Analyze – 改進 Improve – 控制 Control）在 I Phase 改進階段上占有極重要的地位。此階段實施 DOE 的全因子數或部分因子數的實驗，可以藉由統計軟體分析，理解交互作用的效應，以這實驗分析的結果，識別實驗中最重要或最關鍵的因子。

六西格瑪的改進階段（Improve），首先從流程的參數設計開始逐項的展開，DOE 主要的目的，表現在既有的設備之下，以最經濟、最有效的方法取得最多有用的數據，然后進一步透過統計的分析，建構出一個受到由外部而來的變異。

確定合適的設計

實驗設計有多種類型，每種類型都涉及不同數量的因素和交互作用。

一次只考慮一個因素（OFAT）的實驗設計

這種方法需要獨立地探究每個因素。當因素或交互作用較少時，這種方法可行；然而，對于大型因素集而言，它并非最有效的方法，因為您可能會錯過更復雜設計所揭示的復雜交互作用。

雙水平析因設計

由于雙水平析因設計簡單、用途廣泛且適用于多種因素，因此被廣泛應用于大多數實驗中。顧名思義，該設計中因素只有兩個水平——低和高。這種設計之所以受歡迎，是因為它比其他設計規模更小，但仍然能夠檢測到交互作用。

全因子設計

全因子設計是實驗設計中最全面的方法，是對每一個因子、每一個交互作用、每一個水平都進行實驗。

部分因子設計

考慮到全因子設計耗時耗力，許多機構傾向于采用部分因子設計，實驗通常會減少交互作用的研究，可以相對減少實驗成本和時間。

為您的組織設計更好的實驗

實驗設計（DOE）只是六西格瑪體系中眾多統計與分析工具中的一項，但它對工程判斷和決策質量的提升非常關鍵。真正掌握 DOE，并不是學會某一種設計方法或軟件操作，而是理解它在 DMAIC 不同階段中的角色，以及如何在正確的問題背景下使用它。