白沙啤酒改进续集 – 实验设计优化
本帖最后由 刘妍慧 于 2015-9-25 13:54 编辑进度回顾：在绿带的带领下，项目组对于测量阶段重大怀疑对象做了历史数据梳理，将过程变量的标签贴到了质量检验的单瓶啤酒量的数据上，这些原始的数据就成了大数据。运用假设检验的原理，实践了均值的比较分析，连续数据之间的回归分析，离散数据的卡方检验，最终，筛选得到如下重要过程变量：
1.输送管道啤酒流速（单位 GPM） 2.电磁阀响应时间（单位 mS） 3.灌装头孔径（单位mm） 4.盖子压力（由酒瓶盖类型和酒瓶供应商决定） 以上第4项，通过卡方分析，找到了最佳瓶盖和酒瓶的组合，决定从供应商管理着手，采取快速整改项，停止采购瓶盖A和酒瓶M，直到供应商采取可验证的改进措施才能恢复供应。
对于其它三项，项目组决定使用DOE的方法，寻找最佳工艺组合，以达到生产稳健的目的。
使用的3因子两水平全因子实验，每个组合重复三次实验。为了观察是否存在曲面关系，项目组还加做了6个中心点的实验。实验组合工作表如下：
分析命令窗口：
经过模型的选择，项目组选择了如下这些关键项作为流程优化模型：
到此，项目得到了第一个工程预测模型Y=F（X）啤酒量=512.74+81.36*流速-4.22*响应时间-5.52*口径+27.63*流速*响应时间-26.98*流速*口径+17.01*响应时间*口径+37.16Ctpt
来看一看目标酒量600ml+/-10ml控制的区域吧：
从图可以看出在左下角的参数领域中可以获得600ml酒量的机会更多。进一步优化：在旗帜标识区域，都可以得到600ml+/-10ml的啤酒罐装控制。区域越宽，生产的自由度更大哦:lol小伙伴，你们也动动手动动脑，为持续改进努力一下！
页:
[1]