DOE 降低缺陷率的最小樣本量？我的工廠有問題。 在我們的組裝過程中，目前的缺陷率為 15%，很可能是由緊鄰上游的過程造成的。 我想運行 DOE 來發現影響失敗可能性的變量。 每個工作訂單的批量大小約為 150 件。 理想的缺陷率應盡可能低，但歷史上一直在 2% 至 3% 左右。 我認為最相關的工具是一個樣本比例計算器，但我不太確定如何使用它。
所以，我無法計算出的是，每次 DOE 實驗我需要採集多少樣本才能確定哪個變量會影響廢品率？ 我將如何根據缺陷率設計這樣的 DOE？
回复：能源部降低缺陷率的最小樣本量？我有幾個問題是我之前應該問的：
- 缺陷的確定是否基於破壞性測試？
- 缺陷的定義是否基於連續測量？
是的，假設零差值為 0，則 n = 56 的結果是正確的。
好吧，如果您要比較兩個總體，那麼這個樣本量計算是正確的。
缺陷單元的數量採用二項式分佈進行建模。 也就是說，您知道有缺陷的數量和無缺陷的數量。
不幸的是，定性結果的信息量遠低於定量反應。 這種二分法的反應是非常糟糕的。
回复：能源部降低缺陷率的最小樣本量？感謝您的答复。
@馬克貝利寫道：
如果您使用的是 JMP 14，則選擇幫助>圖書>實驗設計並看到第 17 章：預期樣本量和功效。 有一節解釋了此計算並提供了示例。
我只是看了一下書，有時候看這些例子感覺有點厚，請多多包涵。 有一個關於兩條晶圓裝配線的示例，我認為可以將其轉化為我的問題（a）缺陷率為 15% 的當前設置和（b）缺陷率 <15% 的實驗設置。
如果我嘗試使用單方面測試的兩個比例樣本量計算器（我認為這是正確的，因為我只是試圖檢測它是否更小，而不是更大）。 如果我將比例 1 = 0.15、比例 2 = 0.02、零差值 = 0、alpha = 0.05 和功效 = 0.8，則樣本大小 1 和 2 等於 56。 這是解決這個問題的正確應用嗎？
@馬克貝利寫道：
您是否想證明新的故障率低於 2%？
是的，但是，不完全是。 在運行之前，我們無法知道任何實驗的確切失敗率。 我們正在嘗試找到上游流程中的設置，以將故障/缺陷率從當前水平降低到<15%（但理想情況下，當然<2%，例如）。
@馬克貝利寫道：
另外，您是在計算有缺陷的單位數量還是單位樣本中的缺陷數量？ 這很重要。
有缺陷的單位數量。 該裝置只有一個缺陷。 有缺陷的單位被銷毀。
@馬克貝利寫道：
您打算設計一個多因素實驗還是只是測試一些導致缺陷率增加的潛在原因？ 如果是後一種情況，那麼您可能可以使用兩個樣本比例計算器來很好地了解樣本大小。
這是我不確定的。 如果樣本量太大，我們需要將變量推向正確的方向。 如果它足夠小，那麼我想設計一個多因素實驗，因為我認為幾個變量之間存在一些相互作用。
這是我研究過的比較混亂的問題之一。 看來當輸出信號不連續時，問題確實變得更加困難！
回复：能源部降低缺陷率的最小樣本量？如果您使用的是 JMP 14，則選擇幫助>圖書>實驗設計並看到第 17 章：預期樣本量和功效。 有一節解釋了此計算並提供了示例。 該樣本量用於測試假設的缺陷比例。 它詢問一個關於某一群體的問題。 您是否想證明新的故障率低於 2%？
另外，您是在計算有缺陷的單位數量還是單位樣本中的缺陷數量？ 這很重要。
設計平台（例如定制設計）不支持二元響應（通過/失敗）的功耗分析（評估樣本大小的另一種方法）。 您打算設計一個多因素實驗還是只是測試一些導致缺陷率增加的潛在原因？ 如果是後一種情況，那麼您可能可以使用兩個樣本比例計算器來很好地了解樣本大小。
其他一些比我更了解這些研究的專家可能會提出一些其他建議。
