揚聲器 | 成績單 |
| 凱文 | 你好，我叫凱文·加拉格爾。 |
| 今天我將討論設計強大的產品。 |
| 我在總部位於賓夕法尼亞州匹茲堡的 PPG Industries 工作，我們的公司總部顯示在幻燈片的右側。 PPG 是開發各種應用油漆和塗料的全球領導者，此處展示了其中的一些應用。 |
| 我個人在匹茲堡北郊的塗料創新中心工作，我們在那裡重點開發創新的新產品。 |
| 在過去 10 年裡，該工廠的工作人員已經開發了 600 多項美國專利，並且我們獲得了多項客戶和行業獎項。 |
| 我想談談如何使用實驗設計和 JMP 開發穩健的產品。 所以第一個問題是，強大的產品是什麼意思？ |
| 這是一款能夠提供一致結果的產品。 設計強大產品的策略是有目的地 |
| 為流程的輸入設置控制因素（我們稱之為 X），以使產品或流程對作用於流程的噪聲因素不敏感。 所以噪聲因子是 |
| 作為流程輸入的因素可能會影響 Y，但我們通常對此幾乎無法控制，特別是在產品或流程階段的設計中。 |
| 想一想 |
| 堅固的設計。 最好從流程圖開始，該流程圖增加了與每個流程步驟的輸入和輸出相關的變量。 |
| 因此，如果我們考慮開發汽車應用塗層的示例，我們首先從設計塗層配方開始，然後進行製造。 |
| 然後它交給我們的客戶，他們將我們的塗層塗在車輛上，然後您購買它並將其帶回家並駕駛車輛。 |
| 因此，當我們考慮穩健性時，我們需要考慮三件事。 我們需要考慮對我們來說重要的輸出。 在此示例中，我們正在考慮開發優質外觀 |
| 用於機動車輛的塗層。 我們需要考慮一些噪聲變量 |
| 由於噪聲變量而產生的 Y。 |
| 在這種特殊情況下，我想重點關注客戶設施中實際存在的變量。 並不是說他們無法控制厚度和噴漆室溫度 |
| 塗抹器設置，但所有這些參數總是存在一些自然變化。 對於我們來說，我們希望能夠專注於 |
| 我們在產品設計中可以控制的因素，使產品對客戶流程中的這些變量不敏感，從而使他們能夠始終獲得良好的外觀。 |
| 因此，有一種方法可以真正圍繞一些已知導致這種變異的因素進行設計實驗。 |
| 在這個特殊的例子中，我們可以圍繞噴漆室濕度、塗膠機設置和厚度進行因子設計。 |
| 當然，這是假設您可以在實驗室中模擬這些噪聲變量，在這種情況下，我們可以。 所以我們可以進行同樣的實驗 |
| 幾種原型配方中的每一種；它可以只是兩個作為比較，也可以是針對不同配方設計的整個實驗設計。 |
| 一旦我們有 |
| 這方面的數據， |
| 可視化產品穩健性的最佳方法之一是創建箱線圖。 所以我要打開 |
| 該數據集比較了在一定範圍內測試的兩種原型配方 |
| 應用條件，在這種情況下，測量外觀，以便 |
| 外觀值越高越好。 因此，理想情況下，我們想要高外觀值，然後在所有不同的噪聲條件下始終保持良好的性能。 所以為了 |
| 看看這個，我們可以，我們可以轉到圖形生成器。 |
| 我們可以將外觀作為我們的 y 值；原型公式是 X 值。 如果我們打開箱線圖然後將點加回來， |
| 您可以清楚地看到，一種產品的變化比另一種產品少得多，因此更加穩健，而且最重要的是，它具有更好的平均值。 |
| 現在箱線圖很不錯，因為箱線圖捕獲了中間 50% 的數據，並且須線顯示了最大值和最小值，排除了異常值。 所以它提供了一個非常漂亮的視覺展示 |
| 產品的穩健性。 |
| 所以現在我們想談談如何使用實驗設計來找到適合的設置 |
| 最適合開發穩健的產品。 如您所知，當您設計實驗時，分析它的最佳方法是構建模型。 Y 是 x 的函數，如右上角所示。 |
| 一旦我們建立了模型，我們就可以探索 Y 和 X 之間的關係 |
| JMP 中的各種工具，例如右下角的等高線圖以及……還有預測刻畫器。 這些使我們能夠探索所謂的響應面或響應如何隨著 X 因子值的變化而變化。 |
| 找到堅固產品的關鍵是找到響應表面相對平坦的區域。 |
| 在該區域中，它將對這些輸入變量的微小變化非常不敏感。 這裡的例子是一個非常簡單的例子，其中只有一個 y 和一個 x |
| 這裡顯示的關係有點像拋物線函數。 如果我們在這裡將 X 設置為更高的值，其中函數會更平坦一些， |
| 我們在輸入變量中存在某種常見的原因變化，與將 x 設置設置為較低的設置相比，該變化將轉化為 y 中更小的變化量，如紅色虛線所示。 |
| 以類似的方式，我們可以進行傳遞或多或少變化的交互。 在這個例子中，噪聲變量和控制變量 x 之間存在交互作用。 |
| 在這種情況下，如果再次存在與該噪聲變量相關的一些常見原因變化，如果我們將 X 因子設置為較低設置，則將向 y 變量傳輸較少的變化。 |
| 所以現在我想與您分享第二個案例研究，我們將演示如何構建模型，探索平坦區域的響應面，我們可以在其中進行設置以獲得穩健的產品，最後評估穩健性使用一些預測能力分析。 |
| 在這個特定示例中，化學家專注於尋找導致產品黃度變化不可接受的變量，並且黃度是使用光譜光度計和度量 b* 進行測量的。 |
| 研究小組做了一系列實驗來找出影響黃變的重要因素，他們發現影響最大的兩個因素是反應溫度 |
| 以及其中一種重要成分的添加比例。 因此，他們決定開髮帶有一些複製中心點的全因子設計，如右角所示。 |
| 現在，團隊希望將黃色值 (b*) 設為 |
| 設置為目標值 2，但在 1 到 3 的規格範圍內。 |
| 我要返回 JMP |
| 並打開第二個案例研究示例。 |
| 這是一個小實驗，階乘運行顯示為藍色，中心點顯示為紅色。 同樣，此處也列出了感興趣的指標 (B*)。 |
| 現在我們通常要做的第一件事就是擬合，將實驗擬合到最適合該設計的模型。 |
| 在這種特殊情況下，我們發現黃度之間有一個非常好的 R 方 |
| 以及我們正在研究的因素，所有因素似乎都具有統計顯著性。 |
| 因此，鑑於這種情況，我們可以開始使用 JMP 中的一些其他工具來探索響應面。 |
| 我們經常喜歡使用的工具之一是預測刻畫器，因為使用此工具，我們可以探索不同的設置並尋找要獲得黃色的設置 |
| 預測到我們想要的位置，值為 2。 |
| 但是，當談到尋找穩健的設置時，輪廓刻畫器是一個非常好的工具。 它正在因子分析中。 |
| 我將在 3 處放置一個輪廓，因為我們說規格限制是 1 到 3，在高端 (3)，沿著該輪廓的任何位置，預測值都將為 3 |
| 高於此值進入陰影區域的值將高於 3，超出了我們的規格範圍。 這意味著任何白色的東西都應該在我們的規格限制之內。 |
| 因此，目前我們的設置方式是，任何溫度低於 80 且速率在 1.5 到 4 之間的任何值都應該為我們提供符合平均規格的產品。 |
| 但是，如果當我們擴大產品規模時，過程中的溫度是我們無法完全準確控制的，該怎麼辦？ 所以溫度會有一定的變化。 那麼我們如何開發產品並提出這些設定點，以便 |
| 該產品將是 |
| 對溫度變化不敏感？ |
| 因此，為了做到這一點，或者考慮這一點，在此處的等高線圖疊加中添加一些等高線網格線通常很有用。 |
| 我喜歡對增量中的低值進行四捨五入，以便輪廓達到很好的偶數 1.5。 2、2.5 和 3，從左到右。 所以沿著這個輪廓的任何地方都應該給我們 |
| 預測值為 2。 |
| 但我們希望在下面這些輪廓線靠近的地方，或者在上面這些輪廓線相對於溫度而言距離較遠的地方。 |
| 隨著輪廓的距離越來越遠，這表明我們正在接近平坦點 |
| 在響應面。 因此，為了在溫度下保持最穩健，我們希望在該溫度下接近頂部。 因此，接近 75 度的設置和大約 4 的速率可能是最理想的。 |
| 當我們鏈接這些分析器時，我們也可以在預測分析器中看到這一點，因為在這種設置中， |
| 我們預測 b* 為 2。 但請注意，b* 和溫度之間的關係相對平坦，但如果我點擊到這個較低的級別，現在即使 b* 仍然是 2，b* 和溫度之間的關係非常陡峭。 |
| 因此，如果我們知道擴大產品規模時溫度可能會發生多少變化，我們實際上可以使用我們從 DOE 構建的模型來模擬未來的工藝能力。 |
| 我們通過 JMP 做到這一點的方法就是開放 |
| 模擬器選項。 |
| 它允許我們以多種不同的方式將隨機變化輸入到模型中。 然後使用模型計算這些的輸出 |
| 選定的輸入條件。 我們可以在設計中添加隨機噪聲，例如可能由於測量變化等造成的共因變化。 |
| 我們還可以將隨機變化放入任何因素中。 在這種情況下，我們討論的是可能在控制生產中的溫度時遇到困難，所以我們可能想要 |
| 使其成為隨機變量。 |
| 它將平均值設置為我設置的位置。 所以我只是將它稍微拖到最底部。 所以平均值大約是 70。 |
| 然後 JMP 的默認標準差為 10。 您可以將其更改為對您正在學習的過程有意義的任何內容。 但現在，我將其保留為 10，您可以選擇從您想要的任何分佈中隨機選擇。 |
| 我將把它保留為正態分佈。 |
| 我將保持固定利率。 所以也許在這種情況下，我們可以非常精確地控制速率，但溫度卻不能控制得那麼精確。 因此，我們要確保選擇速率和溫度的設定點，以便 |
| 溫度變化對黃度的影響很小。 |
| 因此，我們可以通過單擊“模擬到表”、“製作表”按鈕來評估此模擬的結果。 |
| 現在，我們擁有的是每一行，這裡有 5,000 行已被模擬，每一行都是從分佈中隨機選擇的溫度，如下所示。 |
| 然後是我們對該產品的費率位置限制。 我們可以通過流程能力做到這一點。 |
| 由於我已經將規格限製作為列屬性，因此它們會自動填寫，但如果您沒有填寫它們，則可以在此處鍵入它們。 |
| 只需單擊“確定”，現在它就會向我們展示該特定產品的能力分析。 它向我們顯示了規格下限、規格上限、目標值和 |
| 覆蓋我們模擬的響應分佈。 |
| 在這種特殊情況下，結果看起來不太有希望，因為有很大一部分產品似乎超出了規格。 事實上，其中 30% 是在室外。 如果我們使用能力指數 Cpk，它將規格範圍與中的範圍進行比較 |
| 過程變化，我們看到 Cpk 不是很好，為 0.3。 |
