SPC[原创]
實驗策略
讀完第三章，也許您已興緻勃勃地想趕快來學直交配列表和ANOVA了，作者完全認同您這種動機，但在我們學會D.O.E的有關工具之前，讓我先邀請您來思考一個更重要的問題；也就是本章的主題－－「實驗策略」。管理大師彼得杜拉克博士有句名言「對的問題比對的答案更重要」。運用同樣的邏輯，筆者願強調「有清楚的實驗策略比急著去做實驗更為重要」，因為從D.O.E的觀點來看，有效的實驗其實是一種循序漸進、以窺堂奧之美的程序，與沒學過D.O.E之前大家所熟知的所謂「實驗」有極大的差別，這是必須先正本清源的關鍵。
一. 實驗乎？遊戲乎？
試想全世界有千千萬萬的工廠，因此每天就可能有千千萬萬的「實驗」在進行，但是如果嚴謹地加以鑑定，我們會發現，其中僅有一部份可以稱的上是實驗，而其餘的都僅是遊戲而已！
一個嚴謹的實驗一定可以肯定的回答下列三個問題：
●問題的類型是什麼？
●實驗的目的是什麼？
●選擇的實驗工具是否與問題之類型相符合？
對一個運用實驗計劃法（D.O.E Design of Experiment）所進行的實驗，尤其要計較這三個問題，否則往往不只是徒勞無功，而且還會怪罪D.O.E，認為D.O.E並無作用，其實追根究底，這都是忽視了以上三個問題，或者說不講究實驗策略的必然
二. D.O.E不宜濫用
如果要開發KNOW-HOW，則D.O.E是最恰當的工具。但是何時該用？何時卻又不該用呢？這就要先從問題類型下手，一般而言，問題可分為三類：
從以上問題分類表即可明白，實驗計劃法（D.O.E）嚴格地說只能適用在A型及X型問題，其他較單純之T型問題若用D.O.E來作實驗，那就成了殺雞用牛刀。
既然明白D.O.E是用在A型及X型問題上，那麼使用D.O.E的實驗策略就理應安排如下－－
●策略一：篩選主要因子（使X型問題簡化成A型問題）
●策略二：找出最佳之生產條件（使A型問題簡化成T型問題）
●策略三：證實最佳生產條件有再現性
三. 實驗策略一（篩選主要因子）
對任何工業產品而言，影響其某一品質特性之原因應該都有很多，以高頻電子產品常用之阻抗值的電路板（Impedance Control Board）為例，可知造成阻抗之原因就至少包括線寬、銅厚、絕緣層厚度、材質、板內濕度、錫鉛比例......等等因素，這些因素多少會對阻抗值有所影響，但是依常理判斷每一因素對阻抗值之影響程度一定不會相同，因此運用D.O.E之實驗的第一步就是要找出這些因素對阻抗值的相對重要性。換言之，我們希望找出每一因子對阻抗值之貢獻率：
既然篩選因子是首要目的，那麼第一階段的實驗就應該儘量網羅收納各種可能的因子在實驗之中，以免將來造成遺珠之恨。因此第一階段實驗之因子宜多，但是因子一多其相對的實驗成本就會提高，那又該如何是好？
為了克服此難題我們就必須從水準上加以"均衡一下"。換言之，多因子的第一階段實驗，一般應配合少水準來進行，因此2N型直交配列表就是最常用的實驗配置了。
水準少對篩選因子的靈敏度是否會有影響呢？這是許多人心中常常存疑的另一個問題，其實這個問題似是而非，因為若假設絕緣層厚度對線路中阻抗值有影響，其關係應如下圖所示：
那麼要證實此關係並不在乎取了多少個水準（Ti），而是由我們選擇的各Ti間有多大的差距（Range）來決定。而想要讓Range變大，最簡單的方法就是將控制範圍內的極大值（MAX）與極小值（MIN）選入就可以了。因此若要用2N型直交配列表來篩選因子，最妥當的辦法就是要選操作範圍之極限值來作為兩水準之參考值。
根據上述之討論，一般在第一階段之實驗最常出現之配置方式是L827型或L16215型，如果要因分析做的很徹底，那麼搭配前述之直交配列表通常是進行第一階段實驗時相當理想的策略。
四.如何判斷第一階段實驗成功
做完其第一階段的實驗，在進行變異數分析（ANOVA，The Analysis of Variance）後，如果出現下列兩種結果，那麼我們可以相當有把握的認定，第一階段實驗已成功了，這兩個關鍵性的結果分別是：
●在ANOVA分析中出現了1~4個顯著因子
●這些顯著因子的累積貢獻率在70%以上
如果這兩個關鍵因素未出現，那麼就應該再將實驗數據重新分析一次，因為往往會因數據輸入錯誤，而誤入歧途。反之，如果驗證之後仍然無法得到與上述兩結果吻合，那麼就應該考慮重新檢討要因及配置方式，然後重新進行第一階段的實驗才是上策。
五. 實驗策略二（找出最佳之生產條件）
如果第一階段的實驗經過4.4之兩關鍵性的結果驗證後證明成功了，那麼我們就可以著手進行第二階段的實驗，希望透過第二階段的實驗能找出最佳之生產條件。那麼這時進行第二階段的實驗策略到底是什麼呢？這個問題的答案要從"最佳生產條件"定義想起，一般而言，這種"最佳生產條件"應該要能符合下列兩個要求：
●生產成本要更低 ●產品品質要更好
首先討論怎樣的生產條件，其生產成本才會低？
一般而言，製程控制的難易度是影響生產成本最主要的因素。以相對濕度為例，如果其生產條件是RH 50±20，那其生產成本當然就比RH 50±2要低多了，有了此一想法，進行第二階段的實驗時就應該採取多水準的策略，以期望獲得田口玄一先生所謂"Robust Design"（台語"粗勇"之意）之利益。
最佳生產條件另一個要追求的目標是產品品質要好，此一特性所引導出來的策略，就是多水準選擇時要根據第一階段實驗結果中所顯示成果較佳之一端來作起點，以FLUX比重與焊錫品質（此處指焊點中的空洞，焊洞愈多品質愈差）之關係為例，如果第一階段實驗出現下列關係：
那麼很顯然地在第二階段之實驗，於選擇FLUX 比重應從1.1這一端下手，若需選三水準進行實驗，那麼用（1.1，1.05，1.0）將遠比選擇（0.9，0.95，1.0）要來的合理。
根據上述之討論，那麼依據成果較佳之一端來進行多水準之實驗，通常是一個十分理想的策略，遵循此一策略L934或L27313也就自然成為第二階段實驗中較常見的配置方法了。
六.如何判斷第二階段實驗成功
做完第二階段的實驗，如果透過ANOVA分析而沒有出現任何顯著因子，那麼我們就要恭禧你完成了一次成功的實驗，為什麼呢？因為這種情況表示兩件特別有意義的事實：
●在第二階段的實驗中主要的誤差都是隨機因素造成的。
●因為各因子皆不顯著，因此，每一因子之各項水準均可使用，在此情況下豈不是達到了成本低廉且又容易控制之目的嗎？想活用D.O.E來開發KNOW-HOW的朋友，請對上述兩點事實要詳加玩味，因為這樣的KNOW-HOW就是使你能用低成本、高利潤來領先同行的壓箱法寶了。
萬一在第二階段的ANOVA分析中，仍然出現了一個或兩個顯著因子，那麼您也不必灰心，因為這並不意味第二階段實驗失敗，而此結果可能只是暗示你這一兩個顯著因子可能較敏感，並非其全部水準均可造成良好結果，因此我們就必須再費一點心思用最小顯著差法(L.S.D)，如下框中的說明來加以過濾，而保留住可以運用之水準，然後根據這些水準來產出KNOW-HOW。
七. 運氣呢？絕招呢？
在正常情況下，從第二階段的實驗中我們可以找到最佳生產條件，換言之，也就是找到了"KNOW-HOW"了。但是謹慎的工程師，不免會想這樣得來的KNOW-HOW到底是運氣呢？還是真的絕招呢？
這個問題一定要有更多的證據才能回答，因此這時我們就要亮出D.O.E的最後一種策略--那就是"再現性"實驗，亦是根據實驗所得到的"KNOW-HOW"再作一批樣本，看看其結果是否真的比舊方法所生產之產品為佳。如果其結果為"是"，那就真是貨真價實的絕招了。
學過D.O.E的人不少，但是會靈活運用D.O.E的人卻不多，造成這種知易行難現象的癥結何在？這其中經驗當然是不容忽視的理由，但更重要的原因卻是對"實驗策略"並未徹底瞭解，這種有勇無謀的工程師，雖然也很賣力地作實驗，但是與KNOW-HOW每每總是擦身而過，你說這又能怪誰呢？反之，若能從實驗策略下手，好好的規劃實驗，那麼安打連連，頻頻得分，也是理所當然的事。您想開發出更多的KNOW-HOW嗎？別忘了實驗之前好好想一下您的實驗策略，想通了再下手，反而會事半功倍的！
讀完第三章，也許您已興緻勃勃地想趕快來學直交配列表和ANOVA了，作者完全認同您這種動機，但在我們學會D.O.E的有關工具之前，讓我先邀請您來思考一個更重要的問題；也就是本章的主題－－「實驗策略」。管理大師彼得杜拉克博士有句名言「對的問題比對的答案更重要」。運用同樣的邏輯，筆者願強調「有清楚的實驗策略比急著去做實驗更為重要」，因為從D.O.E的觀點來看，有效的實驗其實是一種循序漸進、以窺堂奧之美的程序，與沒學過D.O.E之前大家所熟知的所謂「實驗」有極大的差別，這是必須先正本清源的關鍵。
一. 實驗乎？遊戲乎？
試想全世界有千千萬萬的工廠，因此每天就可能有千千萬萬的「實驗」在進行，但是如果嚴謹地加以鑑定，我們會發現，其中僅有一部份可以稱的上是實驗，而其餘的都僅是遊戲而已！
一個嚴謹的實驗一定可以肯定的回答下列三個問題：
●問題的類型是什麼？
●實驗的目的是什麼？
●選擇的實驗工具是否與問題之類型相符合？
對一個運用實驗計劃法（D.O.E Design of Experiment）所進行的實驗，尤其要計較這三個問題，否則往往不只是徒勞無功，而且還會怪罪D.O.E，認為D.O.E並無作用，其實追根究底，這都是忽視了以上三個問題，或者說不講究實驗策略的必然
二. D.O.E不宜濫用
如果要開發KNOW-HOW，則D.O.E是最恰當的工具。但是何時該用？何時卻又不該用呢？這就要先從問題類型下手，一般而言，問題可分為三類：
從以上問題分類表即可明白，實驗計劃法（D.O.E）嚴格地說只能適用在A型及X型問題，其他較單純之T型問題若用D.O.E來作實驗，那就成了殺雞用牛刀。
既然明白D.O.E是用在A型及X型問題上，那麼使用D.O.E的實驗策略就理應安排如下－－
●策略一：篩選主要因子（使X型問題簡化成A型問題）
●策略二：找出最佳之生產條件（使A型問題簡化成T型問題）
●策略三：證實最佳生產條件有再現性
三. 實驗策略一（篩選主要因子）
對任何工業產品而言，影響其某一品質特性之原因應該都有很多，以高頻電子產品常用之阻抗值的電路板（Impedance Control Board）為例，可知造成阻抗之原因就至少包括線寬、銅厚、絕緣層厚度、材質、板內濕度、錫鉛比例......等等因素，這些因素多少會對阻抗值有所影響，但是依常理判斷每一因素對阻抗值之影響程度一定不會相同，因此運用D.O.E之實驗的第一步就是要找出這些因素對阻抗值的相對重要性。換言之，我們希望找出每一因子對阻抗值之貢獻率：
既然篩選因子是首要目的，那麼第一階段的實驗就應該儘量網羅收納各種可能的因子在實驗之中，以免將來造成遺珠之恨。因此第一階段實驗之因子宜多，但是因子一多其相對的實驗成本就會提高，那又該如何是好？
為了克服此難題我們就必須從水準上加以"均衡一下"。換言之，多因子的第一階段實驗，一般應配合少水準來進行，因此2N型直交配列表就是最常用的實驗配置了。
水準少對篩選因子的靈敏度是否會有影響呢？這是許多人心中常常存疑的另一個問題，其實這個問題似是而非，因為若假設絕緣層厚度對線路中阻抗值有影響，其關係應如下圖所示：
那麼要證實此關係並不在乎取了多少個水準（Ti），而是由我們選擇的各Ti間有多大的差距（Range）來決定。而想要讓Range變大，最簡單的方法就是將控制範圍內的極大值（MAX）與極小值（MIN）選入就可以了。因此若要用2N型直交配列表來篩選因子，最妥當的辦法就是要選操作範圍之極限值來作為兩水準之參考值。
根據上述之討論，一般在第一階段之實驗最常出現之配置方式是L827型或L16215型，如果要因分析做的很徹底，那麼搭配前述之直交配列表通常是進行第一階段實驗時相當理想的策略。
四.如何判斷第一階段實驗成功
做完其第一階段的實驗，在進行變異數分析（ANOVA，The Analysis of Variance）後，如果出現下列兩種結果，那麼我們可以相當有把握的認定，第一階段實驗已成功了，這兩個關鍵性的結果分別是：
●在ANOVA分析中出現了1~4個顯著因子
●這些顯著因子的累積貢獻率在70%以上
如果這兩個關鍵因素未出現，那麼就應該再將實驗數據重新分析一次，因為往往會因數據輸入錯誤，而誤入歧途。反之，如果驗證之後仍然無法得到與上述兩結果吻合，那麼就應該考慮重新檢討要因及配置方式，然後重新進行第一階段的實驗才是上策。
五. 實驗策略二（找出最佳之生產條件）
如果第一階段的實驗經過4.4之兩關鍵性的結果驗證後證明成功了，那麼我們就可以著手進行第二階段的實驗，希望透過第二階段的實驗能找出最佳之生產條件。那麼這時進行第二階段的實驗策略到底是什麼呢？這個問題的答案要從"最佳生產條件"定義想起，一般而言，這種"最佳生產條件"應該要能符合下列兩個要求：
●生產成本要更低 ●產品品質要更好
首先討論怎樣的生產條件，其生產成本才會低？
一般而言，製程控制的難易度是影響生產成本最主要的因素。以相對濕度為例，如果其生產條件是RH 50±20，那其生產成本當然就比RH 50±2要低多了，有了此一想法，進行第二階段的實驗時就應該採取多水準的策略，以期望獲得田口玄一先生所謂"Robust Design"（台語"粗勇"之意）之利益。
最佳生產條件另一個要追求的目標是產品品質要好，此一特性所引導出來的策略，就是多水準選擇時要根據第一階段實驗結果中所顯示成果較佳之一端來作起點，以FLUX比重與焊錫品質（此處指焊點中的空洞，焊洞愈多品質愈差）之關係為例，如果第一階段實驗出現下列關係：
那麼很顯然地在第二階段之實驗，於選擇FLUX 比重應從1.1這一端下手，若需選三水準進行實驗，那麼用（1.1，1.05，1.0）將遠比選擇（0.9，0.95，1.0）要來的合理。
根據上述之討論，那麼依據成果較佳之一端來進行多水準之實驗，通常是一個十分理想的策略，遵循此一策略L934或L27313也就自然成為第二階段實驗中較常見的配置方法了。
六.如何判斷第二階段實驗成功
做完第二階段的實驗，如果透過ANOVA分析而沒有出現任何顯著因子，那麼我們就要恭禧你完成了一次成功的實驗，為什麼呢？因為這種情況表示兩件特別有意義的事實：
●在第二階段的實驗中主要的誤差都是隨機因素造成的。
●因為各因子皆不顯著，因此，每一因子之各項水準均可使用，在此情況下豈不是達到了成本低廉且又容易控制之目的嗎？想活用D.O.E來開發KNOW-HOW的朋友，請對上述兩點事實要詳加玩味，因為這樣的KNOW-HOW就是使你能用低成本、高利潤來領先同行的壓箱法寶了。
萬一在第二階段的ANOVA分析中，仍然出現了一個或兩個顯著因子，那麼您也不必灰心，因為這並不意味第二階段實驗失敗，而此結果可能只是暗示你這一兩個顯著因子可能較敏感，並非其全部水準均可造成良好結果，因此我們就必須再費一點心思用最小顯著差法(L.S.D)，如下框中的說明來加以過濾，而保留住可以運用之水準，然後根據這些水準來產出KNOW-HOW。
七. 運氣呢？絕招呢？
在正常情況下，從第二階段的實驗中我們可以找到最佳生產條件，換言之，也就是找到了"KNOW-HOW"了。但是謹慎的工程師，不免會想這樣得來的KNOW-HOW到底是運氣呢？還是真的絕招呢？
這個問題一定要有更多的證據才能回答，因此這時我們就要亮出D.O.E的最後一種策略--那就是"再現性"實驗，亦是根據實驗所得到的"KNOW-HOW"再作一批樣本，看看其結果是否真的比舊方法所生產之產品為佳。如果其結果為"是"，那就真是貨真價實的絕招了。
學過D.O.E的人不少，但是會靈活運用D.O.E的人卻不多，造成這種知易行難現象的癥結何在？這其中經驗當然是不容忽視的理由，但更重要的原因卻是對"實驗策略"並未徹底瞭解，這種有勇無謀的工程師，雖然也很賣力地作實驗，但是與KNOW-HOW每每總是擦身而過，你說這又能怪誰呢？反之，若能從實驗策略下手，好好的規劃實驗，那麼安打連連，頻頻得分，也是理所當然的事。您想開發出更多的KNOW-HOW嗎？別忘了實驗之前好好想一下您的實驗策略，想通了再下手，反而會事半功倍的！
没有找到相关结果
已邀请:
RSS Feed
4 个回复
kevin_lzl (威望:0)
赞同来自: