主动型动态参数设计望目型选优探讨。
田口方法动态参数设计仅分主动型和被动型，笔者认为应分离出望目型，不用其信噪比，建议用更简单计算方法。
田口方法用一元线性回归模型作为动态参数设计的模型，表面上是创新，实际DOE的量化数据都可用回归方程建模。
其信噪比公式：
η=10Lg（β2/σ2 ），（《试验设计》茆诗松p250）
由于β在线性回归方程中是回归系数，所以β越大越吻合线性。但在物理模型中，田口观点β要合适，不是越大越好，但β被解释为效率，更容易陷入越大越好的误区。
静态望目型2种设计，如方差相等，一种均值大于目标值，另一种均值贴近目标值，用信噪比评价，前者会优于后者荒谬结论！？
动态信噪比也犯同样失误。
笔者不想追究田口先生数学推导过程是否合理，正如其静态参数设计望目型不含目标值m的低级失误一样，其动态望目型信噪比不含目标值，明显不合逻辑。其动态望目型，由于用线性回归方程为数学模型，本质是望“直线”，其直线假设也有问题，实际数学模型可能是非线性，所以“直线”并非真正人的意志的目标值。
所以最简单的方法先不假设是哪一种数学模型，就按田口的分布与目标值偏离即产生质量损失原则，即趋目性和离散性要小的两要素来设计计算方法。
比如经典的汽车转向系统选优，如驾驶员意志是希望车辆转20度角，是望目型。但汽车与摩托车不同，必须依赖转向系统作为中介表达目标值。转向系统可设计不同的减速比k来助力。
如果是5：1，设为k1，则方向盘需转100度角，（即信号因子M1），汽车理论动态目标值成K1M1=20度角，由于各种因子干扰，车辆实际转角响应y1总与目标值有差异。
计算式：Σ│KiMi-Yi│，或Σ（kiMi-yi）2，趋目性和离散性合为一式。
即在各不同车速，不同转向角大小时，与动态目标值总差异最小的K最优，就是对不同中介K（这里是减速比）选优。
信号因子和响应可能是非线性关系，信号因子至少4水平，即i>=4。
收起阅读 »

DOE（design of experiment）的步骤
第一步 确认目标
我们通过控制图、故障分析、因果分析、失效分析、能力分析等工具的运用，或者是直接实际工作的反映，会得到一些关键点的问题点，它反映某个指标或参数不能满足我们的需求，但是针对这样的问题，我们可能运用一些简单的方法根本就无法解决，这时候我们可能就会想到实验设计。对于运用试验设计解决的问题，我们首先要定义好实验的目的，也就是解决一个什么样的问题，问题给我们带来了什么样的危害，是否有足够的理由支持试验设计方法的运作，我们知道设计必须花费较多的资源才能进行，而且对于生产型企业，试验设计的进行会打乱原有的生产稳定次序，所以确定实验目的和实验必要性是首要的任务。随着实验目标的确定，我们还必须定义试验的指标和接受的规格，这样我们的试验才有方向和检验试验成功的度量指标。这里的指标和规格是试验目的的延伸和具体化，也就是对问题解决的着眼点，指标的达成就能够意味着问题的解决。
第二部 剖析流程
关注流程，是我们应该具备的习惯，就像我们的很多企业做水平对比一样，经常会有一个误区，就是只将关注点放在利益点上，而忽略了对流程特色的对比，试验设计的展开同样必须建立在流程的深层剖析基础之上。任何一个问题的产生，都有它的原因，事物的好坏、参数的便宜、特性的欠缺等等都有这个特点，而诸多原因一般就存在于产生问题的流程当中。流程的定义非常的关键，过短的流程可能会抛弃掉显著的原因，过长的流程必将导致资源的浪费。我们有很多的方式来展开流程，但有一点必须做到，那就是尽可能详尽的列出可能的因素，详尽的因素来自于对每个步骤的详细分解，确认其输入和输出。其实对于流程的剖析和认识，就是改善人员了解问题的开始，因为并不是每个人都能掌握我们所关注的问题。这一步的输出，使我们的改善人员能够了解问题的可能因素在哪里，虽然不能确定哪个是重要的，但我们至少确定一个总的方向。
收起阅读 »