ตัวสร้างการออกแบบ DOE

การออกแบบการทดลอง (DOE) คืออะไร?

การออกแบบการทดลอง (DOE) ใช้เมทริกซ์การออกแบบที่มีโครงสร้าง เพื่อสำรวจผลของปัจจัยหลายตัวที่มีต่อผลตอบสนองอย่างเป็นระบบ แต่ละแถวแทนการทดลองหนึ่งครั้ง และแต่ละคอลัมน์แทนปัจจัยหนึ่งตัวที่ตั้งไว้ที่ระดับหนึ่ง การเลือกชนิดของการออกแบบขึ้นอยู่กับจำนวนปัจจัย ทรัพยากรที่มีอยู่ และวัตถุประสงค์ของการทดลอง

การออกแบบแฟกทอเรียลเต็มรูปแบบ (2^k) ทดสอบทุกชุดค่าผสมแต่ขยายตัวแบบเลขชี้กำลัง การออกแบบแฟกทอเรียลแบบเศษส่วน (2^(k-p)) ใช้การทดลองเพียงเศษส่วนหนึ่ง ขณะที่ยังประมาณอิทธิพลหลักได้ การออกแบบ Plackett-Burman เป็นการออกแบบเชิงคัดกรองเพื่อระบุปัจจัยที่มีนัยสำคัญจากปัจจัยที่เป็นตัวเลือกจำนวนมาก ส่วน CCD และ Box-Behnken เพิ่มจุดกึ่งกลางและจุดแกนสำหรับการสร้างแบบจำลองพื้นผิวตอบสนอง

อาร์เรย์เชิงตั้งฉากแบบ Taguchi (L4, L8, L9 และอื่น ๆ) เป็นการออกแบบแบบเศษส่วนสำเร็จรูปที่มุ่งเน้นความทนทาน ส่วนการออกแบบเชิงคัดกรองแบบชี้ขาด (DSD) เป็นทางเลือกสมัยใหม่ที่คัดกรองปัจจัยและประมาณอิทธิพลกำลังสองได้ภายในจำนวนการทดลองที่น้อยที่สุด การออกแบบทุกแบบใช้ระดับแบบเข้ารหัส (−1, 0, +1) เพื่อให้การวิเคราะห์เป็นมาตรฐานเดียวกัน

Formula: Full Factorial: N = L^k (L levels, k factors) 2^k Factorial: N = 2^k runs Fractional: N = 2^(k-p) runs (p generators) CCD: N = 2^k + 2k + center points Box-Behnken: N = 2k(k-1) + center points

ตัวอย่างการคำนวณ

สำหรับ 4 ปัจจัย: แฟกทอเรียลเต็มรูปแบบ = 2⁴ = 16 การทดลอง แบบครึ่งเศษส่วน (p=1) = 2³ = 8 การทดลอง CCD = 16 + 8 + จุดกึ่งกลาง 5 จุด = 29 การทดลอง Box-Behnken = 24 + จุดกึ่งกลาง 3 จุด = 27 การทดลอง ส่วน Plackett-Burman ที่มี 4 ปัจจัยต้องใช้ 8 การทดลอง ให้เลือกตามทรัพยากรที่มีอยู่ และตามว่าจำเป็นต้องประมาณอิทธิพลร่วมหรือความโค้งหรือไม่

เมื่อใดควรใช้เครื่องคำนวณนี้

• ในช่วงเริ่มต้นโครงการ DOE เพื่อสร้าง design matrix ที่ถูกต้องสำหรับประเภทการออกแบบการทดลองที่เลือกและจำนวนปัจจัย
• เมื่อเปรียบเทียบตัวเลือกการออกแบบ — สร้าง matrix สำหรับ Full Factorial, Fractional Factorial และ Plackett-Burman เพื่อเปรียบเทียบจำนวน run และ resolution
• เมื่อต้องการ response surface design (CCD หรือ Box-Behnken) สำหรับการหาค่าเหมาะสมหลังจากการคัดกรองระบุปัจจัยสำคัญแล้ว
• เมื่อใช้วิธี Taguchi และต้องเลือก orthogonal array ที่เหมาะสมสำหรับจำนวนปัจจัยและระดับ
• ระหว่างการจัดทำเอกสารการทดลองเพื่อผลิต design matrix ที่สะอาดและสุ่มสำหรับทีมห้องปฏิบัติการหรือพื้นที่การผลิตในการดำเนินการ

ข้อผิดพลาดที่พบบ่อยที่ควรหลีกเลี่ยง

• ใช้ full factorial เมื่อมี 6+ ปัจจัย — 2^6 = 64 run มักไม่เป็นไปได้ในทางปฏิบัติ ใช้ fractional factorial หรือ screening design สำหรับการสำรวจเบื้องต้น
• เลือก fractional design ที่มี resolution ต่ำเกินไป — Resolution III design ทำให้ main effects เป็น alias กับ 2-factor interactions ใช้ Resolution IV หรือสูงกว่าหาก interactions อาจมีความสำคัญ
• ไม่สุ่มลำดับ run — matrix ที่สร้างควรสุ่มก่อนดำเนินการเพื่อป้องกันตัวแปรซ่อนเช่นเวลา drift อุณหภูมิ หรือความเหนื่อยล้าของผู้ปฏิบัติงาน
• ใช้ CCD หรือ Box-Behnken เมื่อต้องการเพียงการคัดกรอง — design เหล่านี้สำหรับ response surface modeling สำหรับการคัดกรอง design ที่ง่ายกว่า (Plackett-Burman, Definitive Screening) มีประสิทธิภาพกว่า
• เลือกขนาด Taguchi array ผิด — L8 สามารถจัดการได้ถึง 7 ปัจจัยที่ 2 ระดับ การโอเวอร์โหลด array โดยเพิ่มปัจจัยมากกว่าคอลัมน์ทำให้เกิด aliasing สมบูรณ์

วิธีตีความผลลัพธ์

• แต่ละแถวของเมทริกซ์การออกแบบคือหนึ่งรอบการทดลองและแต่ละคอลัมน์คือหนึ่งปัจจัยในหน่วยรหัส: −1 คือระดับต่ำ +1 คือระดับสูง 0 คือจุดกลาง — แปลงเป็นหน่วยจริงด้วย ค่าจริง = จุดศูนย์กลาง + ค่ารหัส × ครึ่งช่วง
• แถวที่เป็นศูนย์ทั้งหมดคือจุดกลาง — ใช้ประมาณค่าความคลาดเคลื่อนบริสุทธิ์และตรวจจับความโค้ง การออกแบบ CCD และ Box-Behnken มีจุดเหล่านี้โดยปริยาย
• ใน CCD แบบหมุนได้ ค่าจุดแกนที่เกิน ±1 หมายความว่ารอบเหล่านั้นถูกตั้งค่านอกช่วงแฟกทอเรียล — ตรวจสอบว่าการตั้งค่าเหล่านั้นปลอดภัยและทำได้จริงทางกายภาพ เลือกแบบศูนย์กลางผิวหน้าหรือแนบในหากระดับต้องอยู่ภายในขอบเขต
• เปรียบเทียบจำนวนรอบกับงบประมาณการทดลองของคุณ — หากจำนวนรอบเกินกำลัง ให้เพิ่มตัวสร้าง (แบ่งเศษส่วนมากขึ้น) หรือเปลี่ยนเป็นการออกแบบคัดกรอง (Plackett-Burman, Definitive Screening) และยอมรับข้อมูลอันตรกิริยาที่ลดลง
• สุ่มลำดับรอบก่อนดำเนินการ — เมทริกซ์ถูกสร้างตามลำดับมาตรฐาน การรันตามรายการที่แสดงจะทำให้ผลของปัจจัยปะปนกับการเลื่อนไหลตามเวลา

มาตรฐานและเอกสารอ้างอิงที่เกี่ยวข้อง

• NIST/SEMATECH e-Handbook of Statistical Methods — เอกสารอ้างอิงครอบคลุมสำหรับการเลือกและวิเคราะห์ DOE design
• AIAG APQP ฉบับที่ 3 — Advanced Product Quality Planning แนะนำ DOE สำหรับการหาค่าเหมาะสมกระบวนการระหว่างการพัฒนาผลิตภัณฑ์
• ISO 3534-3 — คำศัพท์ทางสถิติที่เกี่ยวข้องกับการออกแบบการทดลอง
• JIS Z 9090 — มาตรฐานญี่ปุ่นสำหรับวิธีการทดลอง Taguchi orthogonal array

คำถามที่พบบ่อย

จะเลือกระหว่างแฟกทอเรียลเต็มรูปแบบกับแฟกทอเรียลแบบเศษส่วนอย่างไร?

ใช้แฟกทอเรียลเต็มรูปแบบเมื่อมีปัจจัย ≤ 5 ตัวและสามารถรองรับการทดลอง 2^k ครั้งได้ เพราะประมาณอิทธิพลร่วมได้ทั้งหมด ใช้แฟกทอเรียลแบบเศษส่วนเมื่อทรัพยากรจำกัดหรือมีปัจจัยตั้งแต่ 6 ตัวขึ้นไป เพราะตั้งสมมติฐานว่าอิทธิพลร่วมอันดับสูงมีค่าน้อยจนละเลยได้ (หลักการความเบาบางของอิทธิพล) ควรเริ่มจากการออกแบบเศษส่วนเชิงคัดกรอง แล้วจึงขยายเป็นการออกแบบเต็มรูปแบบสำหรับปัจจัยที่มีนัยสำคัญ

ควรใช้การออกแบบ CCD หรือ Box-Behnken เมื่อใด?

ใช้ CCD (การออกแบบผสมกลาง) เมื่อต้องประมาณแบบจำลองกำลังสองเต็มรูปแบบ และสามารถทำการทดลองที่จุดแกนซึ่งอยู่นอกลูกบาศก์แฟกทอเรียลได้ (เช่น ระดับของปัจจัยที่เกิน ±1) ใช้ Box-Behnken เมื่อระดับของปัจจัยต้องอยู่ภายในขอบเขตที่กำหนด (ไม่มีจุดแกน) หรือเมื่อมีปัจจัย 3-7 ตัวพอดี การออกแบบ Box-Behnken จะไม่ทดสอบทุกปัจจัยที่ระดับสุดขั้วพร้อมกันเลย