编者按
试验设计是统计学的一个重要分支,在工业生产中可对产品的质量作出测定和分析。许多质量管理方法,如六西格玛设计、质量功能展开等,都应用试验设计作为具体的应用工具。试验设计如何做?怎样发挥它在质量管理中的作用?质量管理专家陈立基对此做了专门的解读。
杨建中 绘制
5月11日,经过一年多的筹备,中国自己的大飞机公司——中国商用飞机有限责任公司(简称中国商飞)在上海挂牌成立。这让陈立基很兴奋。“根据目前中国商飞已启动的大飞机总体设计、系统集成、总装制造等4大领域近20项关键科研攻关项目看,实验设计将在确保大飞机质量的这些技术领域大显身手。”擅长实验设计应用的陈立基说。
无论在六西格码管理,还是在工程品质、科技研发等方面,试验设计都是我们常用的解决问题的方法,其应用可以说涵盖所有的行业。试验设计最开始是在农林方面的研究,所以现在的很多试验设计专用名词都源于此,BLOCK是区组的意思,其原始含义就是田地的四方块,随着研究的深入,逐步应用于机械、医药、化工等各个领域。区别于最初农林方面试验设计应用的是,可以在很多的行业中采用渐进的方法来采取试验设计方案,而不期望一步到位。陈立基对此总结了7步走方法。
第一步 确定目标
在生产实践中,会发现一些质量问题,它反映了某个指标或参数不能满足我们的需求,但是针对这样的问题,我们可能运用一些简单的方法根本就无法解决,这时候我们可能就会想到试验设计。
对于运用试验设计解决的问题,首先要定义好试验的目的,也就是解决一个什么样的问题,问题带来了什么样的危害,是否有足够的理由支持试验设计方法的运作等。我们知道试验设计必须花费较多的资源才能进行,而且对于生产型企业,试验设计的进行会打乱原有的生产稳定秩序,所以确定试验目的和试验必要性是首要的任务。随着试验目标的确定,还必须定义试验的指标和接受的规格,这样试验才有方向和检验试验成功的度量指标。
第二步 剖析流程
流程就是应该具备的习惯,就像我们的很多企业做水平对比一样,经常会有一个误区,就是只将关注点放在利益点上,而忽略了对流程特色的对比,试验设计的展开同样必须建立在流程的深层剖析基础之上。
任何一个问题的产生,都有它的原因,事物的好坏、参数的变化、特性的欠缺等等都有这个特点,而诸多原因一般都存在于产生问题的流程当中。有很多的方式来展开流程,但有一点必须做到,那就是尽可能详尽地列出可能的因素。其实对于流程的剖析和认识,就是改善人员了解问题的开始,因为并不是每个人都能掌握好我们所关注的问题。这一步的输出,使改善人员能够了解问题的可能因素在哪里,虽然不能确定哪个是重要的,但至少可以确定一个总的方向。
第三步 筛选因素
对流程的充分分析,使我们知道了可能影响产品质量的一些因素,但是到底哪个是重要的呢?
大家知道,对于一些微小的影响因素进行全面试验分析,其实就是一种浪费,而且还可能导致试验的误差。因此对可能的因素进行筛选就显得十分必要。这时,不需要确认交互作用、高阶效应等专业问题,我们的目的是确认哪个因素的影响是显著的。我们可以使用一些低解析度的两水平试验或者专门的筛选试验来完成这个任务,这时的试验成本也最小。而且对于这一步任务的完成,可以应用一些历史数据,或者完全可靠的经验理论分析,来减少试验因子。筛选因素的结果,使得我们掌握了影响指标的主要因素,这一步尤为关键。而在现实中,这样的结果却往往是通过完全的经验分析甚至抱着可能是的态度得出的。
第四步 快速接近
通过筛选试验找到了关键的因素,同时筛选试验还包含一些很重要的信息,那就是主要因素对指标的影响趋势,这是必须充分利用的信息,它可以帮助我们快速地找到试验目的的可能区域,虽然不是很确定,但至少缩小了包围圈。这时我们一般使用试验设计中的快速上升或下降方法,它是根据筛选试验所揭示的主要因素的影响趋势来确定一些水平,进行试验,试验的目的就像在寻找罪犯一样地缩小嫌疑范围,我们得出的一个结论就是,改善最优点就在因素的最终反映的水平范围内,我们离成功更近了一步。
第五步 析因试验
在筛选试验时我们没有强调因素间的交互作用等影响,但给出了主要的影响因素,而且快速接近的方法,使我们确定了主要因素的大致取值水平,这时我们就可以进一步度量因素的主效应、交互作用以及高阶效应,这些试验是在快速接近的水平区间内选取的,所以对于最终的优化有显著的成效。
析因试验主要选择各因素构造的几何体的顶点以及中心点来完成,这样的试验构造,可以帮助我们确定对于指标的影响:是否存在交互作用或者哪些交互作用,是否存在高阶效应或者哪些高阶效应,试验的最终是通过方差分析来检定这些效应是否显著,同时对以往的筛选、快速接近试验也是一个验证。但我们不宜就在这样的试验基础上来描述指标与各种主效应的详细关系,因为对于3个水平点的选取,试验功效会存在不足的可能性。
第六步 回归试验
在析因试验中,确定了所有因素与指标间的主要影响项,但是考虑到功效问题,我们需要进一步地安排一些试验来最终确定因素的最佳影响水平,这时的试验只是一个对析因试验的试验点的补充,也就是利用析因试验的试验数据,最终优化我们的指标,或者说增加一些试验点来完成这个任务。
试验点一般根据回归试验的旋转性来选取,而且它的水平应该根据功效、因子数、中心点数等方面的合理设置,以确保回归模型的可靠性和有效性。这些试验的完成,可以帮助我们分析和建立起因素和指标间的回归模型,而且可以通过优化的手段来确定最终的因子水平设定。当然为了保险起见,我们最后在得到最佳参数水平组合后,还要进行一些验证试验来检验我们的结果。
第七步 稳健设计
汽车行驶的路面,不可能保证都是优质的,那么对于一些差的路面,怎样来设计出高性能呢?这时我们会选择出一些抗干扰的因素来缓解干扰因素的影响,这就是稳健设计的意图和途径。通常我们会在设计和研发阶段提出问题,重新选定主要因素的水平会不会带来指标的振荡。
我们知道,试验设计的目的就是希望通过设置可以调控的一些关键因素来达到控制指标的目的,试验设计提供了这种可能和途径,但是在现实中却还存在一类这样的因素,它对指标影响同样的显著,但是它很难通过人为的控制来确保其影响最大,这类因素一般称为噪声因素,它的存在往往会使试验成果功亏一篑,所以对待它的方法,除了尽量的控制之外,可以选用稳健设计的方法,目的是把这些因素的影响降低至最小,从而保证指标的高优性能。
提醒你的一些总结
1.试验设计需要成本的投入,必须确定试验进行的必要性,以及选取最优的设计方案。
2.水平的选取可能直接影响试验设计的结果,要谨慎选取,最后有专业知识和历史数据的支持。
3.尽可能地利用一些历史数据,在确认可靠后提取对试验有用的信息,来尽量减少试验投资和缩短试验周期。
4.试验设计并不能提供解决所有问题的途径,现实当中的局限验证了这一点,要全面考虑解决问题的方式,选取最有效、最经济的解决途径。
5.注意充分的分析流程,不要遗漏关键的因素,不要被一些经验论的不可能结论左右。
6.除了试验设计涉及的因素外,要尽量确定所有的环境因素是稳定和符合现实的。如果条件所限,做不到这一点,可以用随机化、区组化来尽量避免。
7.注意结果的验证和控制,不要轻信结果。
8.尽量保证试验的仿真性,避免一些理想的试验环境,比如试验室。
9.试验设计者要关注试验过程,保证试验意图和方案的彻底执行。
10.如果实现一步到位的试验设计是可能的,那就毫不犹豫地开展吧。