Phân tích dự đoán (Predictive Analytics) với DOE (Design of Experiments) 5

Design of Experiments (DOE – thiết kế và phân tích thử nghiệm) có những lợi ích đáng kể. Với DOE chúng ta dễ dàng có các thiết kế tối ưu của quá trình sản xuất cũng như của thiết kế sản phẩm. Hiện nay DOE là công cụ chính dùng trong bước cải tiến của một dự án 6Sigma. DOE  cũng được dùng rất phổ biến trong quá trình thiết kế sản phẩm hoặc thiết lập các thông số vận hành của quá trình sản xuất.

Để thực hiện được DOE thành công thì giai đoạn lập kế hoạch của DOE là rất quan trọng. Các DOE thường bị dừng lại do những trở ngại được phát hiện trong giai đoạn lập kế hoạch. Ví dụ: các DOE có vẻ quá tốn kém hoặc phức tạp hoặc thiếu các thông tin quan trọng thường bị loại bỏ trước khi chúng có cơ hội thực hiện. May mắn thay, phân tích dự đoán nâng cao  là một công cụ mạnh mẽ có thể truy cập được và có thể giúp loại bỏ những trở ngại trong việc tạo DOE hoặc thậm chí cải thiện cơ hội thành công của bạn.

DOE là gì?

Design of experiement (DOE) là công cụ giúp điều tra và phân tích mức độ tác động của các yếu tố đầu vào (input variable) lên các yếu tố đầu ra (output variable) một cách đồng thời. Để thực hiện DOE, người ta tiến hành một loạt các chạy thử với sự thay đổi các yếu tố đầu vào và kiểm tra kết quả nhằm mục đích thu thập các yếu tố đầu ra để đánh giá sự thay đổi tương ứng. Dữ liệu được thu thập cho mỗi lần chạy thử để phân tích ảnh hưởng của chúng đến đầu ra của quá trình và thông qua đó lựa chọn và thiết lập mức giá trị tối ưu cho các yếu tố đầu vào đề tối ưu hóa kết quả đầu ra.

Dùng DOE để làm gì?

Khi thực hiện DOE sẽ có thể giúp bạn trả lời những câu hỏi sau:

• Các yếu tố nào là yếu tố chính của quá trình sản xuất?
• Những giá trị nào (của giá trị thông số đầu vào) sẽ mang lại kết quả đầu ra tối ưu?
• Những gì là những yếu tố tác động chính lên đầu ra của quá trình sản xuất và tương tác giữa chúng như thế nào?
• Những thiết lập nào của các yếu tố đầu vào sẽ mang lại sự ổn định của đầu ra của quá trình sản xuất

VẤN ĐỀ 1: BẠN MUỐN CHẠY MỘT THIẾT KẾ SÀNG LỌC, NHƯNG BẠN KHÔNG THỂ DỪNG MỘT HỆ THỐNG (HOẶC QUY TRÌNH) ĐỂ CHẠY THU THẬP DỮ LIỆU HOẶC VIỆC THU THẬP DỮ LIỆU RẤT TỐN KÉM.

Các thiết kế sàng lọc của thử nghiệm (kiểm tra DOE) được các học viên sử dụng để xác định các biến quan trọng nhất trong một quy trình từ một lĩnh vực có nhiều biến tiềm năng. Chúng cho phép một học viên giảm kích thước của thí nghiệm giúp tiết kiệm thời gian và tiền bạc. Điều này đặc biệt đúng nếu dữ liệu khó thu thập hoặc tốn kém.

Điều gì xảy ra khi bạn không thể dừng hệ thống hoặc quy trình để chạy thử nghiệm sàng lọc? Hoặc nếu việc thu thập các điểm dữ liệu để sàng lọc tốn kém đến mức khó biện minh cho việc thực hiện?

Giải pháp 1: Phân tích dự đoán có thể giúp bạn dễ dàng xác định các biến quan trọng nhất.

Đừng sợ, phân tích dự đoán ở đây! Bằng cách phân tích dữ liệu từ hệ thống hoặc quy trình của mình, bạn có thể tận dụng thuật toán máy học yêu thích của mình hoặc chạy máy học tự động để xác định các yếu tố dự báo có khả năng tác động đến phản hồi của bạn. Phần mềm Minitab làm cho điều này trở nên đơn giản thông qua biểu đồ tầm quan trọng của biến tương đối được xây dựng riêng để giúp bạn xác định các biến quan trọng nhất. Hãy xem hội thảo trên web của chúng tôi, DOE trong Thực tế, được liên kết bên dưới với một ví dụ.

VẤN ĐỀ 2: BẠN MUỐN CHẠY THIẾT KẾ THỬ NGHIỆM, NHƯNG KHÔNG TỰ TIN VỀ PHẠM VI THÍCH HỢP (TỨC LÀ GIỚI HẠN TRÊN VÀ GIỚI HẠN DƯỚI) CHO CÁC YẾU TỐ CỦA MÌNH (TỨC LÀ CẤP ĐỘ).

Khi chạy DOE, các thử nghiệm được chạy ở các giá trị nhân tố khác nhau, được gọi là các mức. Đây là các cấp độ là các biến độc lập mà chúng tôi đo lường phản hồi, mà chúng tôi thường gọi là biến phụ thuộc của bạn. Ví dụ: nếu bạn đang cố gắng tối ưu hóa tốc độ của một thiết bị, bạn cần đặt giới hạn cho tốc độ cao nhất và thấp nhất để xây dựng một loạt tốc độ nhằm tối ưu hóa quy trình của mình. Một ví dụ khác có thể là nhiệt độ của lò nướng nếu bạn đang nướng bánh. Dựa trên kinh nghiệm của mình, bạn có thể biết rằng dưới 300F bánh sẽ không nướng được và ở 400F bạn sẽ làm bánh bị cháy, vì vậy bạn có thể đặt giới hạn cho mình. Nhưng nếu bạn chưa từng nướng bánh bao giờ thì sao? Hoặc nếu bạn có một chiếc máy mới nên bạn không biết đặt giới hạn của mình ở đâu?

Giải pháp 2: Phân tích dự đoán cung cấp hình ảnh trực quan để giúp bạn đặt giới hạn hợp lý.

Khi bạn chạy các phân tích dự đoán của Minitab, bạn sẽ tạo ra các hình ảnh trực quan thể hiện tác động của một hoặc nhiều biến đối với kết quả dự đoán. Để dự đoán kết quả, mục đích của các biểu đồ này là làm nổi bật mối quan hệ giữa phản hồi và một biến là tuyến tính, đơn điệu hay phức tạp hơn. Những hình ảnh trực quan này cũng cực kỳ hữu ích cho DOE.

Trong ví dụ trên, giả sử bạn đang cố gắng chạy một thử nghiệm tối ưu hóa sức mạnh. Bạn có thể hiểu rằng có mối quan hệ giữa nhiệt độ khuôn với độ bền, nhưng cũng biết rằng chỉ cần chuyển máy đến nhiệt độ cao nhất có thể gây ra tác dụng phụ như quá nhiệt hoặc tăng chi phí sản xuất một cách không cần thiết. Bạn cũng biết rằng có thể có sự tương tác với các biến số khác trong thí nghiệm (ví dụ: áp suất). Bằng cách nhìn vào biểu đồ, bạn sẽ hiểu rõ rằng nhiệt độ trên 1200 dẫn đến sức mạnh tăng nhẹ. Đối với thử nghiệm được thiết kế của mình, bạn có thể đặt các mức nhiệt độ khuôn của mình thành 1000 và 1200 để chạy thử nghiệm với mục tiêu là tối đa hóa độ bền. Tuy nhiên, nếu mục tiêu là giảm thiểu độ bền, bạn có thể thấy từ đồ thị rằng thử nghiệm ở phạm vi nhiệt độ khuôn thấp hơn sẽ hợp lý hơn.

Phân tích dự đoán (Predictive Analytics) chỉ là một trong nhiều công cụ đi đôi với DOE.

DOE là công cụ quan trọng đối với nhiều học viên. Như đã đề cập, việc lập kế hoạch là rất quan trọng đối với sự thành công của DOE, đó là lý do tại sao Minitab đã tạo Bảng lập kế hoạch DOE được xây dựng đặc biệt để hỗ trợ quá trình lập kế hoạch. Nếu bạn chưa quen với DOE hoặc chỉ đơn giản là muốn cải thiện bộ kỹ năng của mình, Minitab Việt Nam cung cấp hỗ trợ , tài nguyên và giải pháp để giúp bạn trên con đường của mình. 

Bạn muốn tìm hiểu thêm? Kết nối với chúng tôi ngay hôm nay.