طراحی آزمایشات (DOE) چیست؟
طراحی آزمایشات (DOE) به عنوان شاخه‌ای از آمار کاربردی تعریف می‌شود که با برنامه‌ریزی، انجام، تجزیه و تحلیل و تفسیر آزمون‌های کنترل‌شده برای ارزیابی عواملی که مقدار یک پارامتر یا گروهی از پارامترها را کنترل می‌کنند، سروکار دارد. DOE یک ابزار قدرتمند جمع آوری و تجزیه و تحلیل داده ها است که می تواند در موقعیت های مختلف تجربی استفاده شود.
این اجازه می دهد تا عوامل ورودی متعددی دستکاری شوند و تأثیر آنها بر یک خروجی (پاسخ) مورد نظر تعیین شود. با دستکاری چندین ورودی به طور همزمان، DOE می تواند تعاملات مهمی را که ممکن است هنگام آزمایش با یک عامل در یک زمان نادیده گرفته شود، شناسایی کند. تمام ترکیبات ممکن را می توان بررسی کرد (فاکتوریل کامل) یا فقط بخشی از ترکیبات ممکن (فاکتوریل کسری).
یک آزمایش استراتژیک برنامه ریزی شده و اجرا شده ممکن است اطلاعات زیادی در مورد تأثیر بر متغیر پاسخ به دلیل یک یا چند عامل ارائه دهد. بسیاری از آزمایش ها شامل ثابت نگه داشتن برخی عوامل و تغییر سطوح متغیر دیگری است. با این حال، این رویکرد “یک عامل در یک زمان” (OFAT) برای دانش فرآیند در مقایسه با تغییر سطوح عامل به طور همزمان ناکارآمد است.
بسیاری از رویکردهای آماری کنونی برای آزمایش‌های طراحی شده از کار R. A. Fisher در اوایل قرن بیستم سرچشمه می‌گیرد. فیشر نشان داد که چگونه وقت گذاشتن برای بررسی جدی طراحی و اجرای یک آزمایش قبل از امتحان کردن، به جلوگیری از مشکلاتی که اغلب در تجزیه و تحلیل با آن مواجه می‌شوند، کمک کرد. مفاهیم کلیدی در ایجاد یک آزمایش طراحی شده شامل مسدود کردن، تصادفی سازی و تکرار است.
- مسدود کردن: زمانی که تصادفی‌سازی یک عامل غیرممکن یا بسیار پرهزینه است، مسدود کردن به شما امکان می‌دهد با انجام همه آزمایش‌ها با یک تنظیم فاکتور و سپس همه آزمایش‌ها با تنظیم دیگر، تصادفی‌سازی را محدود کنید.
- تصادفی سازی: به ترتیب انجام آزمایشات یک آزمایش اشاره دارد. یک توالی تصادفی به حذف اثرات متغیرهای ناشناخته یا کنترل نشده کمک می کند.
- تکرار: تکرار یک درمان آزمایشی کامل، از جمله راه اندازی.
آزمایشی که به خوبی انجام شده است ممکن است به سوالاتی مانند:
- عوامل کلیدی در یک فرآیند چیست؟
- در چه تنظیماتی این فرآیند عملکرد قابل قبولی را ارائه می دهد؟
- اثرات کلیدی، اصلی و متقابل در فرآیند چیست؟
- چه تنظیماتی باعث ایجاد تغییرات کمتر در خروجی می شود؟
یک رویکرد تکراری برای به دست آوردن دانش تشویق می شود، که معمولاً شامل این مراحل متوالی است:
- طرح غربالگری که حوزه متغیرهای تحت ارزیابی را محدود می کند.
- یک طرح “فاکتوریل کامل” که پاسخ هر ترکیبی از عوامل و سطوح عامل را مطالعه می کند و تلاشی برای منطقه بندی در ناحیه ای از مقادیر که در آن فرآیند نزدیک به بهینه سازی است.
- سطح پاسخ طراحی شده برای مدل سازی پاسخ.
زمان استفاده از طراحی آزمایشات DOE
هنگامی که بیش از یک عامل ورودی مشکوک به تأثیرگذاری بر خروجی است، از DOE استفاده کنید. به عنوان مثال، درک تأثیر دما و فشار بر استحکام باند چسب ممکن است مطلوب باشد.
DOE همچنین می تواند برای تایید روابط مشکوک ورودی/خروجی و ایجاد یک معادله پیش بینی مناسب برای انجام تجزیه و تحلیل what-if استفاده شود.
طرح و نمونه آزمایشات
راه اندازی یک DOE با نقشه فرآیند شروع می شود.
- درک کاملی از ورودی ها و خروجی های مورد بررسی به دست آورید. فلوچارت فرآیند یا نقشه فرآیند می تواند مفید باشد. در صورت لزوم با کارشناسان موضوع مشورت کنید.
- اندازه گیری مناسب برای خروجی را تعیین کنید. معیار متغیر ارجح است. از معیارهای ویژگی (گذر/شکست) باید اجتناب شود. اطمینان حاصل کنید که سیستم اندازه گیری پایدار و قابل تکرار است.
- یک ماتریس طراحی برای عوامل مورد بررسی ایجاد کنید. ماتریس طراحی تمام ترکیبات ممکن سطوح بالا و پایین را برای هر عامل ورودی نشان می دهد. این سطوح بالا و پایین را می توان به صورت +1 و -1 کدگذاری کرد. به عنوان مثال، یک آزمایش 2 عاملی به 4 اجرای آزمایشی نیاز دارد:
| Input A Level | Input B Level | |
| Experiment #1 | -1 | -1 |
| Experiment #2 | -1 | +1 |
| Experiment #3 | +1 | -1 |
| Experiment #4 | +1 | +1 |
توجه: تعداد مورد نیاز اجرای آزمایشی را می توان با استفاده از فرمول 2n محاسبه کرد که n تعداد فاکتورها است.
برای هر ورودی، سطوح بالا و پایین شدید (اما واقع بینانه) را که می خواهید بررسی کنید تعیین کنید. در برخی موارد سطوح شدید ممکن است فراتر از آنچه در حال حاضر استفاده می شود باشد. سطوح افراطی انتخاب شده باید واقع بینانه باشد، نه پوچ. مثلا:
| +1 مرحله | -1 مرحله | |
| 200 degrees | 100 degrees | Temperature |
| 100 psi | 50 psi | Pressure |
عوامل و سطوح آزمایش را در ماتریس طراحی وارد کنید. هر آزمایش را انجام دهید و نتایج را ثبت کنید. مثلا:
Strength | Temperature | Pressure | |
| 21 lbs | 100 degrees | 50 psi | Experiment #1 |
| 42 lbs | 100 degrees | 100 psi | Experiment #2 |
| 51 lbs | 200 degrees | 50 psi | Experiment #3 |
| 57 lbs | 200 degrees | 100 psi | Experiment #4 |
با محاسبه میانگین داده های جمع آوری شده در سطح پایین و کم کردن آن از میانگین داده های جمع آوری شده در سطح بالا، تأثیر یک عامل را محاسبه کنید. مثلا:
تاثیر دما بر استحکام:
تاثیر فشار بر قدرت:
تعامل بین دو عامل را می توان به یک روش محاسبه کرد. ابتدا، ماتریس طراحی باید اصلاح شود تا سطوح بالا و پایین تعامل را نشان دهد. سطوح با ضرب سطوح کدگذاری شده برای عوامل ورودی که در تعامل عمل می کنند محاسبه می شوند. مثلا:
Interaction | Input B Level | Input A Level | |
| +1 | -1 | -1 | Experiment #1 |
| -1 | +1 | -1 | Experiment #2 |
| -1 | -1 | +1 | Experiment #3 |
| +1 | +1 | +1 | Experiment #4 |
اثر تعامل را مانند قبل محاسبه کنید. اثر متقابل بر قدرت:
اثر هر عامل را می توان در نمودار پارتو ترسیم کرد.
تأثیر منفی برهمکنش زمانی که فشار روی 50 psi و دما روی 100 درجه تنظیم شود به راحتی قابل مشاهده است. نگه داشتن دما در 200 درجه از تأثیر منفی برهمکنش جلوگیری می کند و به اطمینان از چسبندگی قوی کمک می کند.
