OptiMal-DOE

Application

How to apply OptiMal DOE

How do you apply Optimal- DOE? Dansk forklaring

There are 5 main steps to carry out:

  • Brainstorming
  • Choice of design (test plan)
  • Condiuct the runs (execute the testplan)
  • Calculations (find the best estimate)
  • Run a control experiment

 

Brainstorming:

You must first conduct a brainstorming during which you identify all the factors the group think may have an impact on the final result, i.e. an output which is of value to the customer like performance, quality, savings etc. When all the factors are identified they are prioritized (after importance i.e what you think you don't know) and the corresponding levels or settings for each factor must be identified. Both factors and settings are important to calculate a design and figure out a conceivable design for the experiment.

Choice of design:

By using the OptiMal program you can get help to figure out how large an experiment is needed. In the program you enter all the factors. Using the prioritized listing you move the factors to a select list and the consequential design for a filter design is chosen. The more factors you involve the larger the experiment. A filter design is recommended for complete new designs where you don't know anything about the process/(design).

The tables for filtering are having only two levels per factor and are the most effective for filtering. These tables can be used to identify the most important factors and effective with many factors. That is why we call them filtering. The optimization is achieved by running a well designed and effective experiement. OptiMal will do the rest for you.

View from the program, where you can see the factors listed and the possible design plans to the rigth in the pane.

A design plan for 4 runs and a maximum of 3 factors a socaled L4 is shown as:

Run no.: Factors:
No.: A (factor) B C
1 1 (level) 1 1
2 1 2 2
3 2 1 2
4 2 2 1

Thus the plan requires 4 runs 1 ..4, and it can handle up to 3 factors at the same time.
Imagine a small experiment where we want to optimize teh strength of a glued sample gluing to different materials.
We think the pressure on the two materials is important, also the Temperature may influence, and finally the cycle time we apply the pressure. Which is exactly 3 factors.

A brainstorming furthermore points to the levels we should try during the experiment so we end up with a design like:

Temperature at: 120 gr C 135 gr. C
Press at: 3 kg 6 kg
Cycle time: 5 sec. 10 sec.

The L4 plan tells us how to conduct the experiment. We put the temperature at factor A's position, the Pressure at B's position and Cycle time at C's position. The numbers in the plan is showing the combination of levels we must apply, and when.
I.e. we put 120 gr C like level=1 for Temp. and 135 gr C like level=2. From teh model we can see, that we must execute the testing at 120 gr C twice and twice at 135 gr C. Likewise for Pressure level-1 = 3 kg. First the pressure is tested at 3 kg, then at 6 kg. For the cycle time we set level-1=5 sec. etc.

The full experiment was conducted and the results were as listed (we did measure the pull strength to peal off one material from the other):

Run-1 2,5 kg
Run-2 6,5 kg
Run-3 7,5 kg
Run-4 5,5 kg

It is easy to see that run 3 renders the highest value. Is it also the best combination?

In the program we have entered the factors as shown:

opti_faktorer

The levels are input as follows:

opti_niveauer

Finally the pull strength values are input as:

opti_measurements

Then we proceed to the calculations and gets the following result:

opti_beregnopti

That is lovely because we first of all discover an even higher value tan 7,5 i.e. 8,5 kg. Next we discover that a different combination, i.e. the best cmbination is all factors set at level=2. This is an example to show you the beauty of running all at once instead of one at a time. We could find the 'best combination' without running it in the experiment!

 

Danish explanation

De fem trin, der skal gennemløbes:

Brainstorming:

Man begynder med en brainstorming hvorunder man udpeger de vigtigste faktorer, der menes at have indflydelse på resultatet, d.v.s. det resultat, udbytte eller mål vi ønsker optimeret. Når antallet af faktorer og det ønskede niveauer, man ønsker at afprøve er identificeret er du klar til næste trin.

Valg af forsøgsplan

Nu kan udpege den forsøgsgplan, der skal anvendes under forsøget. Programmet indeholder alle de mulige reducerede forsøgsplaner. Til første gangs forsøg anbefales det altid at anvende tabellerne med kun to niveauer per faktor. De egner sig særlig godt til at udskille, de faktorer, der virkelig er væsentlige, og samtidig kan man medtage mange faktorer i en plan. Det er udskilningsløbet der først skal gennemføres. Optimeringen opnås altså ved at udføre et nøje planlagt og kontrolleret fysisk forsøg. OptiMal klarer resten for dig.


OptiMal beder dig indlæse oplysninger om de faktorer, der skal undersøges, hvilke niveauer eller indstillinger, de skal afprøves ved, altsammen udpeget under brainstormingen. Derefter udfører du de fysiske forsøg i henhold til den fastlagte forsøgsplan, og du bruger siden OptiMal til at analysere resultaterne og til at udpege den bedste kombination (indstilling) af faktorerne.


Grafisk visning af faktorernes betydning er en af fordelene ved at bruge OptiMal. Du ser direkte betydningen af hver faktor, og du vil også opdage, hvilke faktorer, der er uden betydning eller indflydelse. På den måde får du også aflivet myter og "spøgelser", som bare giver anledning til diskussioner men som ikke har reel indflydelse. Den allervigtigste information: Du får en værdi (et bud) på det mulige bedste opnåelige, såfremt du anvender den fundne bedste kombination af faktorerne på de dertil hørende niveauer, d.v.s. på de niveauer, du har anvendt under selve forsøget.

Hovemenuen i programmet:

Du starter et nyt problem ved at vælge den Model, d.v.s. den forsøgsplan, der ligger nærmest din problemstilling, eksempel en L4 som vist:

opti_tabelhent

Forsøgsplanen for en L4 ser således ud:

Forsøg: Faktor:
Nr.: A B C
1 1 1 1
2 1 2 2
3 2 1 2
4 2 2 1

Modellen kræver altså udførelse af 4 forsøg (Nr: 1-4) og den kan håndtere tre faktorer samtidig.
Tænk for eksempel på et lille limforsøg, hvor vi skal sammenlime to forskellige materialer.
Vi har en ide om at Pres (sammnepresning) af de to materialer er væsentligt, at Temperaturen betyder noget og at vi skal holde presset vedlige en hvis tid. Det giver netop 3 faktorer.
En diskussion mellem brainstorming deltagerne giver desuden opfattelsen af at vi afprøver på følgende måde:

Temperaturen ved 120 gr C 135 gr. C
Pres ved 3 kg 6 kg
Tiden ved 5 sek. 10 sek.

Modellen ovenover viser os hvordan vi skal gennemføre forsøgene. Vi sætter blot Temperaturen på A's plads, Pres på B's plads og Tid på C's plads. Tallene i forsøgsplanen viser hvilke kombinationer af niveauer vi skal anvende hvornår.
Dvs. vi sætter 120 gr C lig niveau=1 for Temp. og 135 gr C lig med niveau=2. Af modellen kan vi se, at vi 2 gange afprøver ved 120 gr C og to gange ved 135 gr C. Tilsvarende for Pres. Niveau-1 = 3 kg. Altås først prøves ved 3 kg, dernæst ved 6 kg, så ved 3 kg og til sidst ved 6 kg. For tiden sætter vi niveau-1= 5 sek.

Forsøgene gennemføres og resultatet vi ønsker er styrke af limsamlingen, altså måler vi afrivningsstyrken af samlingen. Resultaterne blev:

Forsøg-1 2,5 kg
Forsøg-2 6,5 kg
Forsøg-3 7,5 kg
Forsøg-4 5,5 kg

Heraf ses hurtigt at 3. forsøg er det bedste, men er det nu den bedste kombination??

I programmet har vi først oprettet faktorerne som vist:

opti_faktorer

Niveauerne er indlæst som følger:

opti_niveauer

Endelig indlæses forsøgsresultaterne som vist:

opti_measurements

Går vi dernæst til beregningen får vi følgende resultat:

opti_beregnopti

Det er jo herligt for det første finder vi en endnu højere værdi end 7,5 kg nemlig 8,5 kg. Dernæst opdager vi minsandten, at den bedste kombination: alle tre fakorer på niveau-2 slet ikke er afprøvet. Vi kan altså godt finde den bedste kombination uden at afprøve den. Heraf fremgår betydningen af systematiske forsøg tydeligt. Med systematikken fastholdt, kan man beregne sig til det bedste.