DOE 降低缺陷率的最小样本量？我的工厂有问题。 在我们的组装过程中，目前的缺陷率为 15%，很可能是由紧邻上游的过程造成的。 我想运行 DOE 来发现影响失败可能性的变量。 每个工作订单的批量大小约为 150 件。 理想的缺陷率应尽可能低，但历史上一直在 2% 至 3% 左右。 我认为最相关的工具是一个样本比例计算器，但我不太确定如何使用它。
所以，我无法计算出的是，每次 DOE 实验我需要采集多少样本才能确定哪个变量会影响废品率？ 我将如何根据缺陷率设计这样的 DOE？
回复：能源部降低缺陷率的最小样本量？我有几个问题是我之前应该问的：
- 缺陷的确定是否基于破坏性测试？
- 缺陷的定义是否基于连续测量？
是的，假设零差值为 0，则 n = 56 的结果是正确的。
好吧，如果您要比较两个总体，那么这个样本量计算是正确的。
缺陷单元的数量采用二项式分布进行建模。 也就是说，您知道有缺陷的数量和无缺陷的数量。
不幸的是，定性结果的信息量远低于定量反应。 这种二分法的反应是非常糟糕的。
回复：能源部降低缺陷率的最小样本量？感谢您的答复。
@马克贝利写道：
如果您使用的是 JMP 14，则选择帮助>图书>实验设计并看到第 17 章：预期样本量和功效。 有一节解释了此计算并提供了示例。
我只是看了一下书，有时候看这些例子感觉有点厚，请多多包涵。 有一个关于两条晶圆装配线的示例，我认为可以将其转化为我的问题（a）缺陷率为 15% 的当前设置和（b）缺陷率 <15% 的实验设置。
如果我尝试使用单方面测试的两个比例样本大小计算器（我认为这是正确的，因为我只是想检测它是否更小，而不是更大）。 如果我将比例 1 = 0.15、比例 2 = 0.02、零差值 = 0、alpha = 0.05 和功效 = 0.8，则样本大小 1 和 2 等于 56。 这是解决这个问题的正确应用吗？
@马克贝利写道：
您是否想证明新的故障率低于 2%？
是的，但是，不完全是。 在运行之前，我们无法知道任何实验的确切失败率。 我们正在尝试找到上游流程中的设置，以将故障/缺陷率从当前水平降低到<15%（但理想情况下，当然<2%，例如）。
@马克贝利写道：
另外，您是在计算有缺陷的单位数量还是单位样本中的缺陷数量？ 这很重要。
有缺陷的单位数量。 该装置只有一个缺陷。 有缺陷的单位被销毁。
@马克贝利写道：
您打算设计一个多因素实验还是只是测试一些导致缺陷率增加的潜在原因？ 如果是后一种情况，那么您可能可以使用两个样本比例计算器来很好地了解样本大小。
这是我不确定的。 如果样本量太大，我们需要将变量推向正确的方向。 如果它足够小，那么我想设计一个多因素实验，因为我认为几个变量之间存在一些相互作用。
这是我研究过的比较混乱的问题之一。 看来当输出信号不连续时，问题确实变得更加困难！
回复：能源部降低缺陷率的最小样本量？如果您使用的是 JMP 14，则选择帮助>图书>实验设计并看到第 17 章：预期样本量和功效。 有一节解释了此计算并提供了示例。 该样本量用于测试假设的缺陷比例。 它询问一个关于某一群体的问题。 您是否想证明新的故障率低于 2%？
另外，您是在计算有缺陷的单位数量还是单位样本中的缺陷数量？ 这很重要。
设计平台（例如定制设计）不支持二元响应（通过/失败）的功耗分析（评估样本大小的另一种方法）。 您打算设计一个多因素实验还是只是测试一些导致缺陷率增加的潜在原因？ 如果是后一种情况，那么您可能可以使用两个样本比例计算器来很好地了解样本大小。
其他一些比我更了解这些研究的专家可能会提出一些其他建议。
