no comments

Apakah DOE? Reka Bentuk Ujian Asas untuk Pemula

Sama ada anda bekerja dalam bidang kejuruteraan, R & D, atau makmal sains, memahami asas-asas reka bentuk eksperimen dapat membantu anda mencapai hasil yang lebih optimum daripada hasil eksperimen anda atau meningkatkan kualiti output anda.

Menggunakan teknik Rekaan Percubaan (DOE), anda boleh menentukan kesan individu dan interaktif pelbagai faktor yang boleh mempengaruhi hasil output pengukuran anda. Anda juga boleh menggunakan DOE untuk mendapatkan pengetahuan dan menganggarkan keadaan operasi terbaik sistem, proses atau produk.

DOE terpakai kepada banyak objektif penyiasatan yang berbeza, tetapi boleh menjadi sangat penting awal dalam penyiasatan saringan untuk membantu anda menentukan faktor-faktor yang paling penting. Kemudian, ini boleh membantu anda mengoptimumkan dan memahami dengan lebih baik bagaimana faktor terpenting yang anda boleh mengawal mempengaruhi tindak balas atau sifat kritikal.

Satu lagi kawasan aplikasi penting untuk DOE adalah dalam membuat pengeluaran lebih berkesan dengan mengenal pasti faktor-faktor yang boleh mengurangkan penggunaan bahan dan tenaga atau meminimumkan kos dan masa menunggu. Ia juga berguna untuk ujian ketahanan untuk memastikan kualiti sebelum melepaskan produk atau sistem ke pasaran.

Apa alternatifnya?
Untuk memahami mengapa Reka Bentuk Eksperimen sangat berharga, mungkin berguna untuk melihat apa yang DOE membantu anda mencapai. Cara yang baik untuk menggambarkan ini adalah dengan melihat pendekatan alternatif, yang kita panggil pendekatan “BIAYA”. Faktor COST (Change One Separate at a Time) mungkin dianggap cara yang intuitif atau logik untuk mendekati pilihan percubaan anda (sehingga, anda telah terdedah kepada idea dan pemikiran DOE).

Mari kita pertimbangkan contoh tindak balas kimia kecil di mana matlamatnya adalah untuk mencari keadaan yang optimum untuk hasil. Dalam contoh ini, kita boleh berbeza-beza hanya dua unsur, atau faktor:

jumlah bekas reaksi (antara 500 dan 700 ml), dan
pH penyelesaian (antara 2.5 dan 5).
Kami mengubah faktor percubaan dan mengukur hasil tindak balas, yang dalam kes ini, adalah hasil produk yang diingini. Dengan menggunakan pendekatan COST, kita boleh berbeza-beza hanya satu faktor pada masa untuk melihat apa yang menjejaskannya pada hasil.

Jadi, contohnya, pertama kita mungkin menetapkan pH pada 3, dan menukar jumlah bekas reaksi dari seting rendah 500ml ke 700ml yang tinggi. Daripada itu kita dapat mengukur hasilnya.

Berikut adalah contoh jadual yang menunjukkan hasil yang diperoleh apabila menukar volum dari 500 hingga 700 ml. Dalam penyebaran di sebelah kanan, kami telah merancang hasil yang diukur terhadap perubahan dalam isipadu tindak balas, dan tidak mengambil masa yang lama untuk melihat bahawa jumlah terbaik terletak pada 550 ml.

Seterusnya, kita menilai apa yang akan berlaku apabila kita menetapkan volum pada 550 ml (tahap optimum) dan mula mengubah faktor kedua. Dalam siri eksperimen kedua ini, pH berubah daripada 2.5 hingga 5.0 dan anda boleh melihat hasil yang diukur. Ini disenaraikan dalam jadual dan diplot di bawah. Dari sini kita dapat melihat bahawa pH optimum adalah sekitar 4.5.

Gabungan yang optimum untuk hasil terbaik adalah jumlah 550 ml dan pH 4.5. Bunyi dengan baik? Tetapi, mari kita pertimbangkan ini sedikit lebih.

Memperoleh perspektif yang lebih baik dengan DOE
Apa yang berlaku apabila kita mengambil lebih banyak perspektif mata burung, dan melihat keseluruhan peta percubaan dengan nombor dan susunan eksperimen?

Sebagai contoh, dalam siri percubaan pertama (ditunjukkan pada paksi mendatar di bawah), kami mengalihkan tetapan eksperimen dari kiri ke kanan, dan kami mendapati bahawa 550 adalah isipadu optimum.

Kemudian dalam siri eksperimen kedua, kami berpindah dari bawah ke atas (seperti yang ditunjukkan dalam penaburan di bawah) dan selepas beberapa saat, kami mendapati bahawa hasil terbaik berada pada eksperimen nombor 10 (4.5 pH).

Masalahnya ialah kita tidak pasti sama ada nombor percubaan nombor 10 benar-benar yang terbaik. Risiko adalah bahawa kita telah menganggap bahawa sebagai yang optimum tanpa ia benar-benar menjadi kes itu. Satu lagi perkara yang boleh kita tanya ialah bilangan eksperimen yang kita gunakan. Pernahkah kami menggunakan bilangan larian untuk eksperimen yang optimum?

Mengezum dan memaparkan apa yang telah kita lakukan pada peta, kita dapat melihat bahawa kita hanya mengeksploitasi sebahagian kecil dari keseluruhan ruang eksperimen. Hubungan sebenar antara pH dan isipadu diwakili oleh Plot Kontur yang digambarkan di bawah. Kita dapat melihat bahawa nilai optimum akan berada di bahagian atas di kawasan merah yang lebih besar.

Oleh itu, masalah dengan pendekatan COST ialah kita boleh mendapatkan implikasi yang sangat berbeza jika kita memilih mata permulaan yang lain. Kami menyedari bahawa optimum dijumpai, tetapi yang lain-dan mungkin lebih bermasalah-adalah bahawa kita tidak menyedari bahawa terus melakukan eksperimen tambahan akan menghasilkan hasil yang lebih tinggi lagi.

Bagaimana untuk merancang eksperimen yang lebih baik
Sebaliknya, dengan menggunakan pendekatan DOE, kita dapat membina peta dengan cara yang lebih baik. Pertama, pertimbangkan penggunaan hanya dua faktor, yang bermakna bahawa kita mempunyai pelbagai eksperimen terhad. Sebagai plot kontur di bawah menunjukkan, kita akan mempunyai sekurang-kurangnya empat eksperimen (mentakrifkan sudut segiempat.)

Empat mata ini boleh ditambah secara optimum oleh beberapa mata yang mewakili variasi di bahagian dalam reka bentuk eksperimen.

Perkara penting di sini ialah apabila kita mula menilai hasilnya, kita akan mendapat maklumat yang sangat berharga tentang arah yang hendak bergerak untuk meningkatkan hasilnya. Kami akan faham bahawa kita harus meletakkan semula rancangan eksperimen mengikut anak panah putus-putus.

Walau bagaimanapun, DOE TIDAK terhad untuk melihat hanya dua faktor. Ia boleh digunakan untuk tiga, empat atau lebih banyak faktor.

Sekiranya kita mengambil pendekatan menggunakan tiga faktor, protokol percubaan akan mula menentukan kiub bukan persegi panjang. Jadi mata faktorial akan menjadi sudut kiub.

Dengan cara ini, DOE membolehkan anda membina satu set eksperimen perwakilan yang dipersiapkan dengan saksama, di mana semua faktor yang berkaitan diubah secara serentak.

DOE adalah mengenai mewujudkan satu entiti eksperimen yang bekerjasama untuk memetakan satu kawasan eksperimen yang menarik. Jadi dengan JAS kita boleh menyediakan satu set eksperimen yang secara optimum diletakkan untuk membawa seberapa banyak maklumat yang mungkin tentang bagaimana faktor mempengaruhi respon.

Selain itu, kami akan mempunyai sokongan untuk pelbagai jenis model regresi. Sebagai contoh, kita boleh menganggarkan apa yang kita panggil model linier, atau model interaksi, atau model kuadratik. Jadi rancangan percubaan terpilih akan menyokong model jenis tertentu.

Kenapa DOE pendekatan yang lebih baik?
Kita dapat melihat tiga sebab utama bahawa DOE adalah pendekatan yang lebih baik untuk reka bentuk percubaan daripada pendekatan COST.

1.DOE mencadangkan bilangan larian yang diperlukan (sering kurang daripada yang digunakan oleh pendekatan COST)

2.DOE menyediakan model untuk arahan yang perlu diikuti

3.Banyak faktor boleh digunakan (bukan hanya dua)

Secara ringkasnya, manfaat DOE adalah:

-Pendekatan terancang yang menghubungkan eksperimen secara rasional
-Pengaruh dan interaksi antara semua faktor boleh dianggarkan
-Maklumat yang lebih tepat diperoleh dalam eksperimen yang lebih sedikit
-Keputusan dinilai berdasarkan cahaya kebolehubahan
-Sokongan untuk pemasaran keputusan: peta sistem (plot tindak balas tindak balas)

SUMBER: sartorius stedim

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL