钟鸣
苏州华旃航天电器有限公司民品质量部 江苏 苏州 215129
[摘要]
DOE（即design of experiment试验设计）方法是人为主动控制过程输入(X)可控因子的变化，分析出哪些自变量X显著地影响着过程输出Y,这些自变量X取什么值将会使Y达到最佳值，从而找出关键X的最佳设置以使过程输出Y达到最优，使过程的缺陷或变异降到最低，帮助项目团队找到工艺参数的最佳解决方案。
本文结合了作者在跨国知名企业等多年从事的产品质量先期策划工作经验，从DOE方式实施的时机、资源要求、责任划分、快速推广的实施步骤等几个方面探索分析了DOE快速推广的流程步骤和工作方法，旨在破除DOE理解难、执行难的问题，为中国制造企业在新产品过程开发或工艺参数优化过程中提供一种可快速优化工艺参数且可在质量管理体系内受控的标准作业流程，使工程技术人员可快速开展对应的DOE试验，质量技术人员可快速判定DOE 分析的有效性，使DOE试验过程做到有要求、有制约且可控。
[主题词] 试验设计DOE、产品先期质量策划APQP、测量系统分析MSA、Minitab软件。
1引言
中国制造在升级进入高端精密智能制造打造国际品牌的过程中，愈来愈依赖于精湛的制造工艺和科学严瑾的工艺参数。而科学、严瑾且高效的工艺参数验证方法首推DOE试验设计（即design of experiment）方法了。
许多项目在新产品过程开发或质量持续改善过程中，常面临一个重要的问题：在相当多的可能影响Y的自变量中确认哪些自变量X确实显著地影响着Y,怎样去改变或设置这些自变量X以使Y达到最佳值。中国企业普遍存在员工拍脑袋设置参数，或依赖员工的know-how或经验粗糙设置工艺参数的情况，这是导致很多中国制造企业无法在国际上打造中国智造民族品牌的根本原因之一。为改变这一困境，我们最主要的手段和工具就是计划安排一批试验，并严格按计划再设定的条件下进行这些试验最后数据分析找出改进的途径，这一整套步骤就组成了试验设计。而DOE就是研究如何以最有效的方式并降低不必要的试验次数和成本，通过对试验结果的数据分析获得关键X的最佳设置值以使输出Y达到最优值，使过程的缺陷或变异降到最低，寻找到最优的改进方案。
2DOE 基础概念
2.1DOE的定义：
DOE（即design of experiment试验设计）方法是人为主动控制过程输入(X)可控因子
的变化，分析出哪些自变量X显著地影响着过程输出Y,这些自变量X取什么值将会使Y达到最佳值，从而找出关键X的最佳设置以使过程输出Y达到最优，使过程的缺陷或变异降到最低，帮助项目团队找到工艺参数的最佳解决方案。当需要探寻验证产品工艺设置或资源利用是否为最佳状态时，DOE方法是最科学、最经济的方法。DOE方法在工序开发应用实验设计方法可以提高产量，使工艺过程响应Y值更接近目标值，减少产品过程开发时间与减少质量成本等。
2.2DOE快速推广运行模式的意义：
DOE方法如同质量管理工具的金字塔顶层结构，不管是工程技术人员还是质量工程师都对其充满畏惧感和神秘感，而完全熟练掌握的DOE方法并能运用到实际工作中的技术人员更是凤毛菱角少之又少推广DOE方法效果不佳，故探索一条可以在中国制造企业中可快速推广DOE 方法的运行模式尤为迫切。
3.快速推广DOE的运行模式
3.1.DOE实施的时机：在新产品产品和过程确认阶段验证复杂工艺参数时或在量产品生产阶段应产品质量不稳定验证改进工艺参数时 策划与实施DOE。
3.2.DOE实施的资源要求：公司应编写发行DOE作业流程程序文件和DOE报告格式表单以标准化DOE实施步骤；公司应在新品研发流程程序中明确定义DOE实施时机节点和实施要求；公司应设有具备六西格黑带同等水平的DOE专家定期给公司技术人员培训指导DOE实施方式和步骤，审核监督实施效果；公司应在技术人员办公电脑设备上安装六西格玛管理统计软件（即Minitab）并提供必要的软件应用培训资料。
3.3.DOE 实施的职责划分：
3.3.1.工艺工程师或产品制程工程师应作为DOE实施的主导者，负责对需要DOE验证的工艺进行试验设计策划、按试验验证方案出具技 术通知单或样品制作需求单制作样品验证、工艺参数调整、试验样品编号与数据收集、并根据DOE验证分析结果将最优值设定工艺参数范围并最终将工艺文件标准化或发起PCN流程变更工艺参数。
3.3.2.产品质量工程师作为DOE实施的监督者，负责评审哪些工艺需要做DOE验证、分析与判定响应Y的测量系统和DOE试验结果数据形成DOE分析评审报告。
3.3.3.项目经理或项目负责人负责协调提供DOE试验的物料设备资源。
3.3.4.车间或生产部门负责人负责按技术通知单或样品制作需求单要求协助技术部门完成DOE试验品的制作生产。
3.4.DOE快速推广的实施步骤：
3.4.1.阐述DOE目标和选择响应变量Y：包括产品研发、产品工艺、产品质量在内的项目团队成员经过评审确认试验设计的目标即响应变量Y的产品规格或质量要求，通过DOE实现现有产品和过程设计下的过程能力最优化。响应变量Y可以是：保持力、拉力、尺寸、强度、外观良率等。在一个试验中若有多种响应，则选择起关键作用的且最好是连续型指标作为响应变量。
3.4.2.选择DOE因子和水平：因子分为可控因子和噪声因子，在选定因子是通常集中在可控因子。工艺与质量工程师用流程图及因果 图先列出所有可能对响应变量Y有影响的因子清单，然后根据历史数据和各方面的知识及专业经验或借助头脑风暴与PFMEA等进行分析初步筛选可控因子，公司亦可以通过工艺的研究经验积累形成工艺参数DOE验证对照表以方便工艺工程师确定DOE的因子，对于不能确定的可控因子可通过单因子试验设计的方法确认是否是显著因子。依据现有工艺设备的设计能力和考虑公司制造成本承受能力，我们一般选择高低两个水平，且对于水平的选择设置应足够分散以保证效应检测的有效性。
3.4.3.因子筛选：工艺工程师在筛选因子时可以来自于历史数据、工艺技术资料、鱼骨图、头脑风暴、PFMEA等方法来筛选出可影响 响应变量Y的可控因子，当筛选出的可控因子数量≥5时，需要再采用部分因子设计方法或Plackett-Burman方法筛选一遍减少DOE试验次数。具体因子筛选步骤为：打开Minitab软件，。在识别出所有因子后，工艺工程师在确定因子水平，因子设定的值一般分为高低水平，高低水平的设定在满足产品/设备设计要求的情况下尽量覆盖足够大的区间，避免实验中出现缺失。
3.4.4.测量系统分析：在开始设计试验前，质量工程师应先完成响应变量Y的测量或测试方法对标和测量系统分析工作，避免因测量 系统的不稳定造成试验结果出现偏差背离DOE试验目标。
计量型或计数型测量系统分析方式在《六西格玛管理》与MSA手册等质量管理书籍中都有详尽的分析步骤，在此不再探讨。但由于DOE试验的响应变量Y常为破坏性试验值，故本文只介绍破坏性试验（即对每个零件测量一次，其特性便发生变化，不能对每个零件进行重复测量）的测量系统分析方法。数据收集方法为选取10个批次（上中限三种不同工艺参数或原材料各3-4个批次以便可以将同一个批次零件当做同一个零件对待）产品，2个作业员每人各抽5个批次，每个批次各抽3个产品测试；数据分析方法为使用Minitab软件，选择“统计-质量工具-量具研究-量具R&R研究（嵌套）”分析测量系统结果，测量系统%GRR≤30%且NDC≥5则可判为接受。当测量系统重复性EV不可接受，需要改进测量测试工装夹具使测量系统稳定。当在现有测量测试工装夹具无法改进时，每个试验的响应须通过多次测量（不少于3次）取平均值评价。
3.4.5.DOE试验设计：根据DOE目标和因子的初步筛选，经工艺与质量工程师评审后选择正确的试验类型、试验步骤、确定区组状况、 试验次数、并按随机化原则安排好试验顺序及试验单元的分配，排好计划矩阵。一般推荐设计的DOE试验类型为：①当可能显著影响响应变量Y的可控因子（工艺参数）超过5个时，需要使用部分因子试验设计法或Plackett-Burman法进行因子筛选以降低试验次数，删除不显著影响响应变量Y的因子。②当可能显著影响响应变量Y的可控因子（工艺参数）不超过5个时，用全因子试验设计法对全部因子效应和交互作用进行全面分析试验模型。③当建立的试验模型弯曲（P值<0.5），且响应变量Y是望大或望小特性时，应改用响应曲面方法（RSM）确定回归关系并求出最优工艺参数设置值。当试验模型弯曲（P<0.5），且响应变量Y是望目特性时，用稳健参数设计方法（田口设计）算出最优工艺参数设置值。其中实际工作运用最多的试验类型为全因子试验设计法。
3.4.6.试验实施与数据收集：质量工程师在选定因子和水平后用Minitab软件创建试验计划，入口为“统计-DOE-因子-创建因子设计”，在“每个区组的中心点数”中填写“2或3”（即在中心点处进行2或3次试验，以确定试验是否弯曲）。工艺工程师须严格按照Minitab设计的Run Order(运行序)的顺序进行安排DOE试验,对每组样品进行标号。质量工程师安排测量或测试各样品的响应变量Y数据、并将真实数据填入DOE试验记录表格中完成数据收集。用Minitab软件拟合建立模型，入口为“统计-DOE-因子-分析因子设计”。除了记录相应变量的数据，还要详细记录试验过程的所有状况，包括环境（温湿度、气压或电压等）、材料、操作员等。试验中的任何非正常数据也应记录，以便后来分析使用。
3.4.7.试验数据分析与优化：对数据的分析方法应与所应用的设计类型相适应。分析中应包括拟合选定模型、残差诊断、评估模型的 适用性并设法改进模型等。当模型最终选定后，质量工程师要对此模型所给出的结果做必要的分析、解释及推断，从而获得重要因子的最佳设置及响应变量的预测。全因子试验设计法的数据分析优化过程为①根据ANOVA表的运行窗进行回归显著性分析。当“主效应”和“2因子交互作用”中至少一项P值<0.05则回归总效果显著；失拟项P值>0.05则回归无失拟；弯曲项P值>0.05则回归无弯曲。②根据ANOVA表评估回归总效果。两个确定系数R-Sq与R-Sq（调整）两者越接近回归越好，R-Sq越大回归效果越好。③依据因子效应的Pareto柏拉图评估各因子的显著性，绝对值超过临界值的效应为显著（即回归系数P值<0.05的）。④残差的诊断，确认模型是否有效。模型有效的判定条件为：残差诊断四合一图的右下散布图没有出现非随机性波动；残差诊断四合一图的右上两个散布图没有出现漏斗型或喇叭型；残差诊断四合一图的左上正态概率图服从正态分布（即P值>0.05）；各自变量的散点图无弯曲趋势。⑤模型改进。当回归分析无弯曲且模型有效时，重新建立模型，入口为“统计-DOE-因子-分析因子设计”，主要修改“项” 删除不显著项 的主效应或交互效应（即因子或交互因子）重新进行回归显著性分析、评估回归总效果、残差诊断，当无异常且新R-Sq比之前R-Sq提高则证明回归效果更好，得出最终理想的回归方程。⑥用Minitab软件输出各因子的主效应图和交互效应图（或立方图），找出显著的主效应（主效应图中因子的斜率越大代表效应越显著）和交互效应（交互作用图中因子线间交叉代表有交互作用，交叉越大代表2种因子之间交互作用越显著），入口为“统计-DOE-因子-因子图”。⑦用Minitab软件输出等值线图和响应曲面图以确定各显著因子的最佳设置值和最佳响应值y，入口分别为：“统计-DOE-因子-等值线/曲面线”（注意有交互响应的因子作为X/Y轴），“统计-DOE-因子-响应优化器”。再从“统计-DOE-因子-分析因子设计”的入口打开“预测”窗，在因子设定值中按“项”中的顺序填写各显著因子的最佳值，可算出其对应的响应y的95%预测区间。
3.4.8.因子最优值验证试验：当认定结果已经基本达到目标后，给出验证试验的预测值并作验证试验（试跑）以验证最佳设置是否真 的有效。验证样品数量可以通过Minitab软件使用2 Sample T (平均值对比)、2 Variances (标准差对比)或者 2 Proportions(比率数据对比)的方法计算出最小样本数量，按照优化后的参数进行验证比对，计算出改善效果是否与预期一致(P值<0.05代表改善有显著差异)。如果因为产品成本原因且要求sample size过大原因，经项目团队评审后可以通过计算CMK进行确认的，试验验证方式为：工艺工程师采用各显著因子最优值设置工艺参数制作收集50个试验样品，通过Minitab软件计算机器能力指数CMK，当CMK即PPK值≥1.67时证明该优化后工艺组合最佳值达到预期的目标。
3.4.9.DOE报告与标准化：工艺工程师根据质量工程师汇总分析的数据形成DOE分析报告，分析报告经过项目团队、DOE专家评审后，最终部门领导或技术副总批准后，将最佳工艺参数值设置为工艺参数中心值形成工艺参数规格，并标准化形成技术文件（PFEMA、CP、SOP及点检表等）管控。当最优化的工艺参数仍无法满足产品规格或质量要求时，应通过产品设计、材料选择或制造工艺设计等优化实现。
4.总结
本文结合了作者在跨国知名企业等多年从事的产品质量先期策划工作经验，从DOE方式实施的时机、资源要求、责任划分、快速推广的实施步骤等几个方面探索分析了DOE快速推广的流程步骤和工作方法，旨在破除DOE理解难、执行难的问题，为中国制造企业在新产品过程开发或工艺参数优化过程中提供一种可快速优化工艺参数且可在质量管理体系内受控的标准作业流程，使工程技术人员可快速开展对应的DOE试验，质量技术人员可快速判定DOE 分析的有效性，使DOE试验过程做到有要求、有制约且可控。
参考文献：
［1］（六西格玛管理，何桢，2014年6月，中国人民大学出版社）
［2］（六西格玛管理统计指南，马逢时，2018年5月，中国人民大学出版社）
［3］（IATF 16949 质量管理体系五大工具，张智勇，2020年5月，机械工业出版社）