Was Sie wissen sollten über 2k Experimentation for Six Sigma Wissen
2k vollfaktorielle Experimente geben Ihnen einen mächtigen Sprung-Start in die Welt der Verbesserung durch DOE für Six Sigma Projekte. Aber wirklich, sie sind nur die Spitze des Eisbergs. Wie Sie Erfahrungen sammeln, wollen Sie entdecken, wie fortgeschrittenere Themen zu adressieren.
Krümmung: Die Annahme von 2kExperimente ist, dass die Wirkungen deiner experimentellen Faktoren linear sind. Auch wenn diese Idee oft eine gute erste Annäherung ist, oft eine Zeile passen nicht Ihren Prozess oder System. Für diese Fälle müssen Sie Ihr Experiment zu entwerfen die gekrümmte Natur der Realität Ihrer Situation zu offenbaren. Dieses Redesign beinhaltet in der Regel mit mehr als zwei Ebenen für jede Ihrer experimentellen Faktoren.
Replikationen: Wenn Sie Ihr Experiment wiederholen, erhalten Sie leicht unterschiedlichen Ergebnissen. Vielfalt, wie immer, ist ein Teil von allem - einschließlich Ihr Experiment. Die Wiederholung läuft des Experiments (genannt Repkationen) Ermöglicht es Ihnen, wie viel der beobachteten Variation in Ihrem Prozess oder System zu schätzen, erklärt sich durch Y = f (X) und wie viel bleibt unerklärt, die # 949-.
Analyse der Varianz (ANOVA): Fast alle Versuche beinhalten die Erkundung, Untersuchung und den Vergleich der Quellen der beobachteten Schwankungen. ANOVA ist eine erweiterte Methode, die Sie alle über die verschiedenen Quellen der Variation zu kategorisieren und zu quantifizieren lässt.
Robustheit: Die Fähigkeit eines Prozesses oder Systems konsequent angesichts der Veränderung durchzuführen aufgerufen Robustheit. Taguchi und anderen Experiment Designs können Sie Ihren Prozess oder System zu untersuchen und zu optimieren, so dass sie als Immun wie möglich ist, um die verheerenden Auswirkungen der Variation.
Response Surface Methoden (RSM) und Optimierung: Der Zweck vieler Experimente ist es, die besten Werte, um herauszufinden, bei der Eingangsvariablen zu setzen. Eine ganze Zweig des Feldes von DOE konzentriert sich auf die Entwicklung und Analyse von Experimenten, die lokalen oder globalen optimalen Betriebseinstellungen zu finden.
Teilfaktoriellen Experimente: Sie können 2 anpassenk vollfaktoriellen Experimente effizienter durch eine große Anzahl von experimentellen Faktoren zu suchen. Was Sie geben in der Anzahl der experimentellen Faktoren zu erhöhen, ist die Genauigkeit der Analyse. Teilfaktoriellen Experimente zeigen, wie und wo Ihr Experiment anzupassen, das Beste aus Ihrer Suche Bemühungen zu bekommen.