Ciao ragazzi,
A questo punto disponiamo di un processo abbastanza ben caratterizzato, ma ora stiamo riducendo il rischio di potenziale variabilità del processo dal materiale di partenza. L'intenzione è massimizzare la purezza e massimizzare il recupero del funzionamento di questa unità.
Ci sono 2 parametri che sappiamo essere fattori significativi poiché sono stati modellati in precedenti DoE e sono solo parametri ben noti (B, C). Un terzo parametro (A) è in fase di studio in quanto in teoria potrebbe avere un impatto. Questa è la purezza iniziale del materiale, che può essere variabile (e non possiamo controllarla completamente).
Da esperimenti casuali, ho dimostrato una purificazione riuscita su un ampio intervallo di A (~ 30-50% di purezza iniziale). Volevo indagare dove non è possibile raggiungere il punto di fallimento (a quale purezza iniziale del materiale, non è possibile raggiungere la purezza finale target). Volevo anche caratterizzare completamente il nostro spazio di progettazione attorno a questo in modo da poter sapere se la condizione ottimale di B e C si è spostata con un cambiamento in A.
Ho eseguito un modello RSM che variava tra B e C nell'intervallo normalmente testato e A variava da una purezza del 5% circa a una purezza dell'85% circa. Ha identificato A come un parametro significativo ma, nel complesso, il modello è spostato rispetto ai dati storici. Quindi, ad esempio, dopo aver ridotto il modello, si prevedeva che il 30% del materiale sarebbe stato puro al 60% circa entro la fine dell'operazione, ma abbiamo più dati che mostrano che questo valore è sottostimato e dovrebbe essere più vicino all'85%.
Si è verificato un problema durante lo svolgimento di questo studio. Le condizioni target A erano le seguenti, 5%, 40%, 85%. Dopo l'esecuzione, si è riscontrato che la condizione intermedia effettivamente testata era più vicina al 55%, quindi si trattava di un errore di prestazione. Questo potrebbe aver causato il problema?
Nel complesso, l'adattamento del modello è stato molto buono, con un RSME basso. Le condizioni di bassa purezza rappresentavano sicuramente uno stress test e non qualcosa che ci saremmo mai aspettati di vedere in produzione, ma ci è sembrato utile esplorare un ampio spazio per la comprensione del processo. Le mie teorie sono che l'errore sperimentale che si è verificato ha portato a un problema, oppure l'intervallo era troppo ampio e la condizione A inferiore che ha ripetutamente faticato a purificarsi, ha abbassato il modello.
1.) Come posso riparare questo DOE per migliorare la precisione?
Posso aumentare le esecuzioni e focalizzare il set di dati nella "gamma MFG" che ci aspetteremmo
Potrei aggiungere un termine del terzo ordine per valutare più condizioni di A anziché solo 3.
2.) Come posso evitare un modello impreciso in futuro?
Se non avessi avuto dati storici, non avrei messo in dubbio questo set di dati poiché sembra corretto.
