Design of Experiments (DOE) is een gestructureerde methode voor het bepalen van de relatie tussen de parameters die een proces beïnvloeden en de uitkomst van dat proces.
Wat is een design of experiments?
Een design of experiments leidt tot een (wiskundig) model, waarbij de procesoutput, die het resultaat is van bepaalde procesinputs, kan voorspeld worden. Voor de meest optimale procesoutput kunnen dan ook de meest optimale procesinputs bepaald worden.
Design of experiments laat toe om met een beperkt aantal experimenten zoveel mogelijk informatie in te winnen. Niet alle mogelijke combinaties van procesinputs moeten worden uitgetest. Zo wordt er tijd en geld bespaard.
Voorbeelden
Design of experiments kan oa gebruikt worden bij het bepalen:
- van de temperatuur, de druk en de matrijsafstand bij een warmvervormproces van een PVC blister
- van de optimale perskracht bij het persen van een tablet
- van de optimale ingrediëntenmix bij het bakken van een cake
- van de spaanhoek bij een extern draaiproces
- van de ideale inkttemperatuur, inktdruk en druksnelheid bij een drukproces
- van de optimale instelwaarden van een katapult om een balletje op een juiste afstand te schieten (zie video)
- van welke parameters er invloed hebben bij het extruderen van een vaginale anticonceptiering
In de Improve fase van een Six Sigma project wordt voor elke oorzaak van een probleem gezocht naar een oplossing. Design of Experiments is één van de twee basisstrategieën om tot een oplossing te komen. Trial Experiments, waarbij de beste oplossing uit verschillende alternatieven wordt gekozen, is de andere strategie.
De parameters
- factoren: de procesinputs, de variabelen of de parameters die een mogelijke invloed hebben op de uitkomst van het proces.
- response: de procesoutput of de uitkomst van het proces.
- level van een factor: het aantal waarden van een factor dat bestudeerd wordt tijdens het experiment. Als bijvoorbeeld enkel een hoge en een lage temperatuur worden bestudeerd, spreekt men van een level 2.
Het stappenplan
STAP 1. Bepaal het doel
Met een DOE kan je op zoek gaan naar de juiste relatie tussen de procesinputs en de procesoutput. Je kan ook de interactie tussen bepaalde inputs bepalen. Ook de optimale inputwaarden kunnen bepaald worden.
STAP 2. Selecteer de response of procesoutput
STAP 3. Selecteer de factoren of procesinputs
STAP 4. Kies de level van de factoren
Bij DOE wordt er meestal uitgegaan van level 2 factoren. Dit zijn factoren die slechts twee waarden hebben. Deze aanname maakt het model eenvoudiger. In plaats van een continue range van waarden, wordt er gekozen voor twee zinvolle uitersten (een hoge temperatuur en een lage temperatuur bijvoorbeeld).
STAP 5. Selecteer het experimentele design
Bij een full factorieel design zal je alle mogelijke combinaties uitproberen. Voor een proces met 4 factoren, met 2 mogelijke waarden (level 2) zijn er zo 16 experimenten nodig. Alle experimenten uitvoeren is vaak tijdrovend en kostbaar.
Bij een fractioneel factorieel design worden daarom niet alle experimenten uitgevoerd. Voor een proces met 4 factoren, met 2 mogelijke waarden (level 2) zijn er slechts 8 experimenten nodig. In dit geval moet er nagegaan worden of de resolutie (het onderscheidend vermogen) voldoende is om het aantal experimenten te kunnen reduceren.
STAP 6. Voer het experiment uit en verzamel de data
STAP 7. Analyseer de data en trek conclusies
Via Minitab (of een ander statistisch pakket) kan je de data zowel praktisch als grafisch bekijken. Je krijgt zo een overzicht van de invloed van de verschillende procesinputs op de procesoutput. Het analytisch model is een wiskundige vergelijking, waarmee je outputresultaten kan voorspellen of de optimale procesoutput kan bepalen.
