Phân tích hiệu ứng DOE

Phân tích hiệu ứng DOE là gì?

Phân tích ảnh hưởng lượng hóa tác động của từng yếu tố và từng tương tác lên biến đáp ứng trong một thí nghiệm giai thừa. Ảnh hưởng chính là mức thay đổi của đáp ứng trung bình khi một yếu tố chuyển từ mức thấp (-1) sang mức cao (+1). Ảnh hưởng tương tác xuất hiện khi tác động của một yếu tố phụ thuộc vào mức của yếu tố khác.

Ước lượng ảnh hưởng của mỗi số hạng được tính bằng hiệu giữa đáp ứng trung bình ở mức cao và đáp ứng trung bình ở mức thấp. ANOVA (phân tích phương sai) phân rã tổng biến thiên thành phần đóng góp của từng yếu tố và từng tương tác, đồng thời kiểm định ý nghĩa thống kê bằng kiểm định F.

Biểu đồ Pareto của các ảnh hưởng xếp hạng mọi số hạng theo độ lớn tuyệt đối, giúp dễ dàng nhận diện nhóm 'ít nhưng trọng yếu' gồm các yếu tố có ý nghĩa. R² cho biết mô hình giải thích được bao nhiêu phần của tổng biến thiên. Phần trăm đóng góp của mỗi số hạng thể hiện tầm quan trọng tương đối của nó.

Formula: Effect = Ȳ(+1) - Ȳ(-1) SS = (Effect² x N) / 4 % Contribution = SS_factor / SS_total x 100 R² = SS_model / SS_total R²_adj = 1 - (1-R²)(N-1)/(N-p-1)

Ví dụ tính toán

Một thí nghiệm giai thừa 2² với hai yếu tố A và B. Các đáp ứng: (−,−)=10, (+,−)=14, (−,+)=12, (+,+)=20. Ảnh hưởng A = ((14+20)/2) - ((10+12)/2) = 17 - 11 = 6. Ảnh hưởng B = ((12+20)/2) - ((10+14)/2) = 16 - 12 = 4. Tương tác AB = ((10+20)/2) - ((14+12)/2) = 15 - 13 = 2. Yếu tố A có ảnh hưởng lớn nhất.

Khi nào sử dụng máy tính này

• Sau khi chạy thí nghiệm nhân tố để xác định nhân tố và tương tác nào có hiệu ứng có ý nghĩa thống kê lên đáp ứng
• Trong giai đoạn Analyze của dự án Six Sigma DMAIC để xác định nhân tố quan trọng ít từ thí nghiệm thiết kế
• Khi xây dựng mô hình dự đoán cho tối ưu hóa quy trình — ước tính hiệu ứng và ANOVA cung cấp hệ số và mức ý nghĩa cho mô hình
• Khi quyết định nhân tố nào đưa vào nghiên cứu bề mặt đáp ứng — chỉ nên bao gồm nhân tố có ý nghĩa từ thí nghiệm sàng lọc
• Trong báo cáo thí nghiệm để trình bày tóm tắt đóng góp nhân tố rõ ràng, định lượng sử dụng biểu đồ Pareto và bảng phần trăm đóng góp

Những sai lầm thường gặp

• Bỏ qua hiệu ứng tương tác và chỉ phân tích hiệu ứng chính — tương tác có thể lớn bằng hoặc hơn hiệu ứng chính; luôn kiểm tra ít nhất tương tác 2 nhân tố
• Rút kết luận từ thí nghiệm không lặp mà không hiểu nhầm lẫn — trong phân số thừa số không lặp, hiệu ứng bị bí danh; biết cấu trúc bí danh của thiết kế
• Diễn giải quá mức phần trăm đóng góp mà không có ý nghĩa thống kê — nhân tố có thể tình cờ cho thấy 15% đóng góp; luôn kiểm tra giá trị p F-test hoặc sử dụng biểu đồ xác suất chuẩn
• Bao gồm tất cả tương tác có thể trong mô hình bất kể ý nghĩa — quá khớp mô hình và tiêu tốn bậc tự do sai số; sử dụng mô hình phân cấp (chỉ bao gồm tương tác khi hiệu ứng chính tương ứng có ý nghĩa)

Cách diễn giải kết quả

• Bắt đầu với Biểu đồ Pareto hiệu ứng — các số hạng có cột cao vượt trội so với phần còn lại là số ít quan trọng; sự sụt giảm mạnh sau 2-3 số hạng là mô hình 'thưa thớt hiệu ứng' điển hình
• Dấu của Ước lượng hiệu ứng cho biết hướng tác động: ước lượng dương nghĩa là chuyển yếu tố đó từ −1 sang +1 làm tăng đáp ứng trung bình đúng bằng lượng đó; ước lượng âm làm giảm
• Đóng góp (%) cho thấy tỷ trọng của mỗi số hạng trong tổng biến thiên — các số hạng đóng góp vài phần trăm trở xuống thường là nhiễu dù chúng xuất hiện trên biểu đồ
• Trong bảng ANOVA, p-value dưới 0.05 đánh dấu số hạng có ý nghĩa thống kê — nhưng trong thiết kế bão hòa (không có lặp với mô hình đầy đủ) không còn bậc tự do dư, nên không tính được F và p; khi đó hãy dựa vào biểu đồ Pareto và phần trăm đóng góp
• So sánh R² với R² hiệu chỉnh — chênh lệch lớn nghĩa là mô hình đang chứa các số hạng không có ý nghĩa; ước lượng lại với bậc tương tác thấp hơn và quan sát xem R² hiệu chỉnh có cải thiện không

Tiêu chuẩn & Tài liệu tham khảo liên quan

• NIST/SEMATECH e-Handbook Chương 5 — Cải tiến quy trình thông qua thí nghiệm thiết kế, bao gồm phương pháp phân tích hiệu ứng
• ISO 3534-3 — Từ vựng thống kê cho thiết kế thí nghiệm, định nghĩa thuật ngữ hiệu ứng, tương tác và nhầm lẫn
• AIAG APQP Phiên bản 3 — Khuyến nghị phân tích hiệu ứng DOE cho tối ưu hóa tham số quy trình trong chuẩn bị sản xuất

Câu hỏi thường gặp

Làm thế nào để biết một hiệu ứng có ý nghĩa thống kê hay không?

Khi có lặp lại, hãy dùng ANOVA: nếu giá trị p của thống kê F < α (thường là 0.05) thì ảnh hưởng là có ý nghĩa. Khi không có lặp lại, hãy dùng phương pháp Lenth hoặc đồ thị xác suất chuẩn của các ảnh hưởng — những ảnh hưởng lệch khỏi đường thẳng là có ý nghĩa. Biểu đồ Pareto cũng hữu ích vì cho thấy ảnh hưởng nào lớn hơn hẳn phần còn lại.

Ảnh hưởng chính và ảnh hưởng tương tác khác nhau như thế nào?

Ảnh hưởng chính là mức thay đổi trung bình của đáp ứng do thay đổi một yếu tố, bất kể mức của các yếu tố khác. Ảnh hưởng tương tác nghĩa là tác động của một yếu tố phụ thuộc vào mức của yếu tố khác. Ví dụ, nếu tăng nhiệt độ làm hiệu suất thu hồi tăng 10% ở áp suất thấp nhưng chỉ tăng 2% ở áp suất cao thì tồn tại tương tác nhiệt độ×áp suất. Bỏ qua các tương tác có thể dẫn tới kết luận sai.