Proiectarea (planificarea) experimentelor (Design Of Experiments

DOE)[1]
Introducere
Experimentul este definit ca procedură sistematică efectuate în condiţii controlate, în scopul de
a descoperi un efect necunoscut, pentru a testa sau de a stabili o ipoteză, sau pentru a ilustra
un efect secundar cunoscut 1. Atunci când un proces se analizeaza, experimentele sunt adesea
utilizate pentru a evalua intrările procesului, care au un impact semnificativ asupra ieşirilor
procesului, şi care ar trebui să fie nivelul-ţintă al acestor intrări pentru a obţine un rezultat
dorit (de ieşire ). Experimentele pot fi proiectate în mai multe moduri diferite pentru a colecta
aceste informaţii. Planificarea experimentelor (DOE), este de asemenea mentionat
ca experimente planificate sau design experimental. Toţi aceşti termeni au acelaşi înţeles.
Proiectarea experimentala poate fi folosita la punctul de cea mai mare influenţă pentru a reduce
costurile de proiectare prin accelerarea procesului de proiectare, reducerea schimbărilor târzii
de proiectare şi reducerea materialelor de produs şi complexitatea muncii. Experimentele
planificate sunt, de asemenea, instrumente puternice pentru a realiza economii prin reducerea
costurilor de fabricare prin micsorarea variaţiilor procesului şi a eforturilor de remediere, rebuturi
şi necesarul de inspecţii.
Modulul Toolbox include o prezentare generală a proiectarii experimentelor, instrucţiuni şi
template-uri pentru realizarea de experimente simple, si link-uri si alte resurse pentru a ajuta
în realizarea de experimente mai complexe. Un glosar de termeni este, de asemenea,
disponibil în orice moment, prin funcţia Help, pentru a familiarizarea cu orice condiţii
necunoscute. In lipsa unor cunoştinte generale de statistica, trebuie studiate capitolele
Histograma , Controlul Statistic al proceselor , şi analiza de regresie şi corelare a
modulelor Toolbox înainte de a lucra cu acest modul. Deşi puteţi utiliza şabloanele de calcul
MoreSteam.com DOE pentru analiza numeroase modele si planificari experimentale utilizând
Excel sau Lotus, este nevoie de software de analiză statistică pentru a merge dincolo de aceste
şabloane de bază pentru proiectarea experimentului. Mai multe pachete gratuite pot fi
descărcate prin intermediul MoreSteam.com modulul Software-ul statistic al Toolbox .

Componentele planificarii experimentelor

Se ia în considerare următoarea diagramă a unui proces de coacere de tort (Figura 1). Există
trei aspecte ale procesului care sunt analizate de către un experiment proiectat:
Factori, sau intrări ale acestui proces. Factorii pot fi clasificati fie ca variabile
controlabile sau necontrolabile. În acest caz, factorii controlabili sunt
ingredientele pentru tort şi cuptorul in care prăjitura este coaptă. Variabilele
controlabile vor fi denumite mai departe ca factori. Lista de ingrediente a fost
scurtata pentru acest exemplu: ar putea exista multe alte ingrediente care au
un impact semnificativ asupra rezultatului final (ulei, apă, arome, etc). De
asemenea, ar putea exista alte tipuri de factori, cum ar fi metoda de
amestecare sau instruméntele folosite, secvenţa de amestecare, sau chiar
persoanele implicate. Oamenii sunt, în general, considerati un factor de
zgomot (a se vedea glosarul), incontrolabili, care cauzează variabilitate în
condiţii normale, dar o putem controla timpul experimentului prin blocurile
alese şi randomizare.Potenţialii factori pot fi clasificate folosind diagrama
 cauză - efect, disponibila din Toolbox.
Nivelurile sau setările fiecarui factor. Exemplele includ setarea temperaturii
cuptorului şi cantităţile de zahăr, făină şi ouă.
Răspunsul sau ieşirea experimentului. În cazul tortului de copt, gustul,
consistenţa şi aspectul tortului sunt rezultate măsurabile influenţate potenţial
de factori şi nivelurile lor respective. Experimentatorii de multe ori au dorinta
de a evita optimizarea procesului pentru un singur răspuns, în detrimentul
alteia. Din acest motiv, rezultatele importante sunt măsurate şi analizate
pentru a determina factorii de succes şi setările acestora, care vor oferi cel
mai bun rezultat final global pentru caracteristicile critice pentru calitate - atat
variabilele măsurabile, cat şi atributele evaluabile.

Figura 1

Experimentele proiectate au numeroase utilizări potenţiale în îmbunătăţirea proceselor şi

produselor, inclusiv:
Compararea Alternativelor. În cazul exemplului copt tort, s-ar compara rezultatele din cele
două tipuri diferite de făină. Dacă s-a dovedit că făina de la diferiti furnizori nu a fost semnificativ
diferita, am putea selecta furnizorul cu cele mai mici costuri. Dacă făinile au fost semnificativ
diferite, atunci vom selecta cele mai bune făini.Experimentul (e) ar trebui să ne permită să luăm
o decizie în cunoştinţă de faptul că se evaluează atât calitatea, cât şi a costurilor.
Identificarea Intrarilor semnificative (factori) care afectează o ieşire (Response) -
separarea dintre ce e vital din mai multe banale intrari banale. Ne-am putea pune o
 întrebare: "Care sunt factorii semnificativi, dincolo de făină, ouă, zahăr şi coacere?"
Realizarea unei ieşiri optime a procesului (Raspuns). "Care sunt factorii necesari şi care
sunt nivelurile acestor factori, pentru a obţine gustul exact şi aspectul de tort de ciocolata
ca la mama lui?
Reducerea variabilitatii "Poate fi schimbat reteta asa ca sa fie mult mai probabil să iasa
întotdeauna la fel?".
Minimizarea, maximizarea, vizarea unei anumite ieşiri (Raspuns). "Cum poate fi făcut
tortul cat mai fraged posibil, fără a se dezintegra?"
Îmbunătăţirea procesului sau "robusteţea" produsului - adecvare la utilizare în condiţii
diferite. "Factorii şi nivelurile lor (reteta) pot fi modificati astfel încât tortul va iesi aproape la
fel, indiferent de ce tip de cuptor este folosit?"
Echilibrarea compromisurilor atunci când există mai multe caracteristici critice pentru
calitate, care necesita optimizare. "Cum produc cel mai bun tort la degustare cu cea mai
simpla reteta (cel mai mic număr de ingrediente) şi cel mai scurt timp de coacere?"

Orientări de proiectare a experimentelor

Proiectarea unui experiment abordează întrebările prezentate mai sus, prin stipularea cu
următorul text:
Factorii care urmează să fie testati.
Nivelurile acestor factori.
Structura şi dispunerea experimentelor sau a condiţiilor.
Un experiment bine conceput este cat mai simplu posibil - obţinerea informaţiilor necesare într-
un mod rentabil şi reproductibil.
MoreSteam.com Memento: Ca si controlul statistic la proceselor, rezultatele experimentului sunt
fiabile, cu două condiţii: un sistem de măsurare capabil şi un proces stabil. În cazul în care
sistemul de măsurare contribuie la rezultate cu o eroare excesivă, rezultatele experimentului vor
fi perturbate. Se poate utiliza modulul de Analiza sistemelor de măsurare din Caseta de
instrumente pentru a evalua sistemul de măsurare înainte de a efectua experimentul. De
asemenea, exista posibilitatea să se utilizeze modulul de control a procesului statistic pentru a
ajuta să evalueze stabilitatea statistică a procesului de evaluat. Impactul variaţiei asupra
răspunsului trebuie să se limiteze la eroare aleatorie de cauza comună - nu provoca variaţii de
cauza speciala de la evenimente specifice. Experimentarea poate contribui la stabilizarea unui
proces instabil prin identificarea variabilelor care sunt adevăratele controale ale procesului. La
proiectarea unui experiment, să acorde o atenţie specială la patru capcane potenţiale care pot
crea dificultăţi experimentale:
1. În plus faţă de eroarea de măsurare (explicată mai sus), alte surse de eroare, sau
variaţie inexplicabilă, pot perturba rezultatele. Termenul de "eroare" nu este sinonim
cu "greşeli". Eroarea se referă la toată variaţia inexplicabilă care provine fie dintr-un
experiment efectuat sau între diferitele experimente şi este asociata cu schimbarea
setărilor de nivelurilor. Experimentele concepute în mod corespunzător pot identifica
si cuantifica sursele de eroare.
2. Factorii necontrolabili care induc variaţie, în condiţii normale de funcţionare sunt
denumite în continuare "Factori de zgomot". Aceşti factori, cum ar fi mai multe
masini, mai multe schimburi, materii prime, umiditate, etc, pot fi cprinsi în experiment,
astfel încât variaţia lor nu se catalogheaza drept inexplicabilă, sau de eroare de
 experimentare. Un punct forte al proiectarii experimentelor este abilitatea de a
determina factorii şi setările care să minimizeze efectele factorilor necontrolabili.
3. Corelaţie poate fi adesea confundata cu legătura de cauzalitate. Doi factori care
variază împreună pot fi extrem de corelati, fără a se provoca una pe alta - ambele pot
fi cauzate de un al treilea factor. Ca exemplu o operaţiunr de emailare porţelan, pentru
cazi de baie. Managerul constată că există probleme intermitente de "coaja de
portocala" - un rugozitatea inacceptabila la suprafaţa smalţului. Managerul de
asemenea, observă că coaja de portocala este mai rău in zilele cu o rată scăzută de
producţie. Graficul frecventei suprafetei coaja de portocala in raport cu volumul de
producţie (Figura 2) ilustrează corelaţia:
Figura 2

În cazul în care datele sunt analizate fără cunoştinţe de specialitate, o concluzie falsă
ar putea fi că rata scăzută a producţiei cauzeaza coaja de portocala. De fapt, rata
scăzuta de producţie şi coaja de portocala sunt cauzate de absenteismul excesiv -
atunci când operatorii obisnuiti de la cabina de pulverizare sunt înlocuiti de către
angajaţii cu mai puţina calificare. Acest exemplu subliniază importanţa factoringului în
cunoştinţele operaţionale atunci când se concepe un experiment. Exerciţii de
brainstorming şi Diagrame Cauza-Efect sunt tehnici excelente, disponibile prin
intermediul Toolbox, pentru a capta aceste cunoştinţe operaţionale în faza de
proiectare a experimentului. Cheia este de a implica oamenii care trăiesc cu procesul
zi cu zi.
4. Efectele combinate sau interacţiunile dintre factori trebuie gândite atent înainte de
a efectua experimentul. De exemplu, se considera un experiment pentru a creste
plante cu două intrări: apă şi îngrăşăminte. Cantităţile crescute de apă se constată ca
duc la o creştere, dar există un punct în care apa suplimentara fac ca rădăcina sa
putrezească şi au un impact negativ. De asemenea, îngrăşământul suplimentar are un
impact benefic până la punctul în care îngrăşământul in exces arde
radacinile.Compunand această complexitate a efectelor principale, există, de
asemenea, efecte interactive - prea multa apa poate anula beneficiile
îngrăşământului, prin spălarea si indepartarea lui. Factorii pot genera efecte neliniare,
care nu sunt aditive, dar acestea pot fi studiate numai cu experimente mai complexe,
care implică mai mult de 2 nivele. Două niveluri sunt definite ca o variatie liniară (doua
puncte definesc o linie), trei niveluri sunt definite ca pătratice (trei puncte definesc o
 curbă), patru niveluri sunt definite drept cubice şi aşa mai departe.

Procesul de proiectare experimentala

Diagrama de mai jos (figura 3) ilustrează procesul de proiectare a experimentului:
Figura 3

Testarea mijloacelor - un experiment cu un factor

Unul dintre cele mai comune tipuri de experimente este comparaţia dintre doua metode de
proces sau două metode de tratament. Există mai multe moduri de a analiza un astfel de
experiment, în funcţie de informaţiile disponibile de la populaţie, precum şi de eşantion. Una
dintre cele mai directe metode pentru a evalua o metoda a noului proces este de a trasa
rezultatele pe o diagramă SPC, care include, de asemenea, datele istorice de la procesul de
bază, cu limitele de control stabilite. Apoi se aplică normele standard pentru a evalua condiţiile
de iesire de sub control si a vedea dacă procesul a deviat. Poate fi nevoie de a colecta date de
la mai multe sub-grupuri, în scopul de a face o determinare, deşi un singur subgrup ar putea
intra în afara limitelor existente de control. Se poate face o legătură cu modulul de grafice
pentru controlul statistic al procesului din Caseta de instrumente, pentru ajutor.
O alternativă la diagrama de control este de a utiliza testul F (F-raport), pentru a compara
mediile tratamentelor alternative. Acest lucru se face automat prin funcţia ANOVA de software
statistic, utilizând următorul exemplu: Un navetist a vrut să găsească o cale mai repida de la
locul de muncă catre casă. Au existat două alternative pentru a trece de blocajele de
trafic. Navetistul a efectuat călătoria acasă timp de o lună şi jumătate si a înregistrat zece
puncte de date pentru fiecare alternativă.
Memento: Aveţi grijă să vă asiguraţi că dvs. executati experimente randomizate - care ruleaza
în ordine aleatorie. Randomizarea este necesară pentru a evita impactul variabilelor parazit
(confounding). Fie exemplul de măsurare a timpului de a conduce acasă: dacă un proiect de
autostrada major este început la sfârşitul perioadei de probă, va creşte parcursul de timp si
atunci proiectul de autostrada ar putea modifica rezultatele în cazul în care un anumit tratament
(traseu) este în eşantion în cursul acestei perioade de timp. Planificarea rularii experimentelor
este necesara pentru a asigura independenţa observaţiilor. Puteţi alege aleator ordinea
experimentelor stabilite prin extragerea aleatorie dintr-un container.
Datele sunt prezentate mai jos, împreună cu valoarea medie şi varianţa pentru fiecare rută
(tratament):

Aşa cum se arată în tabelul de mai sus, cele doua noi trasee catre casă (B & C) par a fi mai
rapide decât traseul existent A. Pentru a stabili dacă diferenţa între rezultate se datoreaza
intamplarii sau este un proces statistic diferit semnificativ, se efectuează un test F. Raportul F
prevede o statistica care poate fi comparata cu un tabel de distribuţie a probabilităţii pentru un
nivel de încredere dat pentru a stabili dacă mediile tratamentelor diferă în mod
semnificativ. Exista un numar infinit de distribuţii F, bazate pe nivelurile de încredere, grade de
libertate pentru factori şi grade de libertate pentru variaţiile inexplicabile.În general, vom folosi
două niveluri de încredere: 95% şi 99%. Urmeaza calcularea raportului F pentru "unitatea de
origine" A din exemplul de mai sus, cu n = mărimea eşantionului:

Raportul F de 3.61 este comparată cu o valoare din tabelul de distribuţie F pentru nivelul de
încredere de ales. Aceste diagrame sunt disponibile ca anexa in cele mai multe carti de
statistica. Există o diagramă separată pentru niveluri de încredere diferite (încredere mai mare =
probabilităţi mai mici de semnificaţie).
Trebuie, de asemenea, sa se stie gradele de libertate pentru numărător şi numitor ale
raportului F, în scopul de a selecta o valoare F din tabelul statistic. În cazul prezentat, există
două grade de libertate la numărător, deoarece trei valori au fost utilizate pentru a calcula
varianţa factorilor, minus un grad de libertate pentru termenul de eroare. Numitorul raportului F,
numit varianţa grupata în cadrul fiecărui tratament, are 27 de grade de libertate (30 de date
individuale mai puţin 3 grade de libertate pentru calcularea mediilor eşantioanelor). În totalul
gradelor de libertate se adăuga până la numărul total de puncte de date în analiza (2 numărător
+ 1 eroare + 27 numitor = 30). Cu cat este mai mare numarul de grade de libertate, cu atat
este mai puternica analiza. Din fericire, cele mai multe software de analiză statistică
calculeaza gradele de libertate în mod automat!
În acest caz, factorul de studiat a fost traseul spre acasă, şi a avut trei setări de nivel. Trei setări minus 1
(randamentele grade de libertate pentru factor) dau 2. Gradele totale de libertate pentru un set de date
este întotdeauna cu unul mai puţin decât numărul total de puncte de date, sau în acest caz 30, mai puţin
1, egal 29 grade de libertate. Gradele de libertate Inexplicate se afla ca numarul total de grade de
libertate, mai putin gradele de libertate asociate cu factori, sau în acest caz, 29 - 2 = 27.
Revenind la raportul F de 3.61 pentru experimentul "traseul spre casa", s-a ales un nivel de încredere şi
s-a căutat valoarea lui F pentru 2 (numărător) şi 27 (numitorul) grade de libertate.

Folosind un nivel de încredere de 95%, valoarea lui F este 3.35. Având în vedere că raportul F, de 3.61,
depăşeşte 3.35, putem concluziona că există o probabilitate mai mică de 5%, ca diferenţa dintre
duratele traseelor sa se datoreze şansei aleatorii. Notă: La un nivel de încredere de 95% sau mai mare,
orice raport F de 1,5 sau mai mic nu va verifica testul de semnificaţie pentru orice număr de grade de
libertate în numitor, mai mic de 100.000.
Testul F descris este baza de evaluare a modelului atât pentru experimente cu un singur factor
cat si cu mai multi factori. Această analiză are de obicei ca ieşire un tabel ANOVA realizat cu un
software de analiză statistică, cum este ilustrat de tabelul de mai jos:

Tabel ANOVA
Cel mai important element de ieşire al tabelului este raportul F (3.61). Raportul F este
echivalent cu media patratelor diferentelor (varianţa) între cele două grupuri (tratamente, sau
rutele spre casa în exemplul acesta), de 19,9, împărţit la media patratelor erorilor în cadrul
grupurilor de (variaţia în cadrul traseelor inregistrate) de 5.51. Raportul F al modelului dintre
3.61arata că modelul este semnificativ. Există doar o probabilitate de 4,08% ca raportul F al
modelului ar putea avea loc din cauza zgomotului (şansă aleatoare).
Graficul de mai jos (Figura 4) prezinta intervalele pentru " diferenţa cea mai puţin semnificativa
(Least Significant Difference) " (o formă de interval de încredere) pentru fiecare dintre mediile nivelelor
- barele denota intervale de încredere de 99%, iar casetele denotă intervale de încredere de
95%. Se observa că dreptunghiurile cu 95% nivel de încredere pentru traseul A şi C nu se
suprapun - ilustrand diferenţa semnificativă care s-a testat prin utilizarea raportului F. În schimb,
barele de 99% nivel de încredere se suprapun uşor, astfel încât nu putem afirma cu 99%
încredere că timpul mediu de traseu este semnificativ diferit (de reamintit că in exemplul
ANOVA de mai sus există o şansă de 4,1% ca diferenţa dintre niveluri sa se datoreze eroarii
aleatorii) .
Figura 4

Alte abordări statistice pentru compararea a două tratamente sunt disponibile prin intermediul
statisticilor manualului on-line - Capitolul 7: http://www.itl.nist.gov/div898/handbook/

Experimente multifactoriale
Experimentele multifactoriale sunt concepute pentru a evalua factori multipli la niveluri
multiple. Se numeşte un experiment factorial complet daca fiecare factor este testat la fiecare
nivel în toate combinaţiile posibile cu alţi factori şi nivelurile lor. Experimentele factoriale
complete care studiaza toate interacţiunile asociate pot fi economice şi practice în cazul în care
există câţiva factori şi numai 2 sau 3 niveluri per factor. Avantajul este că toate interacţiunile
asociate pot fi studiate. Cu toate acestea, numărul de incercari creşte exponenţial cu factorii
suplimentari care se adaugă. Experimentele cu mai mulţi factori pot deveni rapid greoaie şi
costisitoare de executat, după cum arată graficul de mai jos:

Pentru a studia un număr mare de factori şi interacţiuni, modele factoriale fracţionate pot fi
utilizate pentru a reduce numărul de incercari prin evaluarea numai un subset dintre toate
combinaţiile posibile de factori. Aceste modele sunt foarte eficiente din punct de vedere al
costurilor, dar studiul interacţiunilor dintre factori este limitat, astfel încât programul experimental
trebuie să fie stabilit înainte ca experimentel sa fie rulate (în timpul fazei de proiectare a
experimentului).
Observaţie: când se selectează nivelurile factorilor unui experiment este important a se capta
variatia naturală a procesului. Nivelurile care sunt apropiate de media procesului pot ascunde
semnificatia factorului fata de gama sa probabila de valori. Pentru factori care sunt măsurati pe
o scară variabilă, trebuie selectate nivelurile la +/- 3 abateri standard faţă de valoarea medie.
MoreSteam.com oferă două template-uri (foi de calcul) MS Excel downloadable pentru a
facilita proiectarea şi analiza de experimente folosind două modele comune:
Experiment factorial complet cu 4 factori la 2 nivele, 16 incercari (2 4).
Algoritmul pentru experimentul Yates factorial fracţionar cu 4 factori la 2
niveluri, 2 interacţiuni, şi 8 incercari totale (1 / 2 incercari se execută dintr-un
design factorial complet pentru 4 factori la 2 niveluri). Acesta este un
experiment de rezolutie minima, cea mai potrivită pentru situaţii în care există
o cunoaştere prealabilă a interacţiunilor probabile. Fiecare foaie de calcul
include instrucţiuni şi un studiu de caz.

Există varianta shareware de 30 de zile a software-ului EngineRoom pentru Excel de la Stat-

Ease http://www.statease.com/soft_ftp.html . Tutorialele incluse oferă o descriere simplă a de
proiectare şi de analiză a experimentelor. Secţiunile 2-4 din tutorial sunt deosebit de utilă pentru
a înţelege analiza cu un factor, factorialele cu două nivele (complete şi fracţionare), şi
factorialele generale.