Postoje različiti statistički pristupi dizajnu eksperimenta, poput onog klasičnog Fisher-ovog (u koji spada i faktorski i frakcioni dizajn) ili revolucionarni ortogonalni Taguchi dizajn, a koji su svoju primjenu pronašli i u industriji. U ovom tekstu ću vas kratko provesti kroz metodu potpunog faktorskog dizajna (engl. Full Factorial Design), jednu od popularnijih za istraživanje utjecaja parametara na određeni proces.
Šta je potpuni faktorski dizajn?
Potpuni faktorski dizajn je metoda gdje se za posmatrane faktore i njihove postavljenje nivoe u eksperimentu izvode sve moguće kombinacije. Ako imamo npr. 3 faktora koja su postavljena na četiri nivoa (označava se kao 43) to znači da će biti potrebno izvesti 64 eksperimenta.
U praksi se najčešće koristi 2k faktorski dizajn gdje je k faktora postavljen na dva nivoa. Ti nivoi su označeni kao niski (-) i visoki (+) – u kodiranim varijablama često označeni kao -1 i +1. Zavisno od broja faktora, u 2k faktorskom dizajnu kreiramo dizajn matricu prema kojoj će kasnije biti izvođeni eksperimenti.
Ako npr. imamo faktor A i faktor B, čiji utjecaj želimo istražiti na posmatranom procesu, , dizajn matrica 22 faktorskog dizajna će biti formulisana na sljedeći način:
| R. br. Eksperimenta | A | B |
| 1. | – | – |
| 2. | + | – |
| 3. | – | + |
| 4. | + | + |
Ako želite dodati još jedan faktor, onda vaš dizajn postaje 23 i dizajn matrica će biti formulisana na sljedeći način:
| R. br. Eksperimenta | A | B | C |
| 1. | – | – | – |
| 2. | + | – | – |
| 3. | – | + | – |
| 4. | + | + | – |
| 5. | – | – | + |
| 6. | + | – | + |
| 7. | – | + | + |
| 8. | + | + | + |
Međutim, na vama nije da napamet učite dizajn matrice, jer danas sa par jednostavnih klikova u statističkim softverima vrlo lahko možete doći do nje.
Kada se koristi faktorski dizajn?
Faktorski dizajn je zgodno koristiti u situacijama kada želimo na low-cost način doći do zaključaka koji će nam omogućiti dalje shvatanje i poboljšanje procesa. Poznato je da skoro svaki industrijski proces posjeduje parametre, čija će i interakcija utjecati na sam proces. Upravo zbog toga je pogodno koristiti faktorski dizajn, jer posmatra sve moguće kombinacije faktora, kao i njihove interakcije. Također, ova metoda omogućava da se ispita efekt svakog faktora posebno.
Pored toga, ova metoda nam omogućava da na brz i relativno jeftin način odredimo optimalne vrijednosti parametara nekog procesa.
Primjer primjene faktorskog dizajna u proizvodnji hrane za životinje
Ako ukucate na Google „Full Factorial Design“ prikazat će vam se mnoštvo rezultata u kojima se objašnjavaju različiti primjeri primjene ove metode u praktičnim industrijskim i proizvodnim procesima. U nastavku je opisan primjer poboljšanja kvaliteta proizvoda u fabrici hrane za životinje.
Jedan proizvođač hrane za životinje je konstantno dobijao prigovore od strane kupaca da njegovi proizvodi sadrže preveliku količinu praškaste supstance u proizvodima. Proizvođač je odlučio da sprovede 23 faktorski dizajn gdje su ulazne varijable postavljene na sljedeći način:
| Faktor | Niski nivo | Visoki nivo |
| Temperatura kondicioniranja | 80 % od maksimalne vrijednosti | Maksimalna vrijednost |
| Protok | 80 % od maksimalne vrijednosti | Maksimalna vrijednost |
| Zona kompresije | 2 | 2.5 |
Posmatran je njihov utjecaj, kao i utjecaj njihovih interakcija na sljedeće izlazne varijable procesa:
- Količina praškaste supstance u proizvodu
- Količina praškaste supstance u pogonu
- Nivo učinka
- Potrošnja energije
Cilj eksperimenta je bio da se pronađu vrijednosti faktora koje će smanjiti količinu praškaste supstance u proizvodu. Početna ispitivanja su otkrila da količina praškaste supstance u pogonu nema utjecaj na kontrolu ovog procesa, pa je nakon toga izostavljena u daljim istraživanjima. Idealni ishodi eksperimenta bi bili da se količina praškaste supstance u proizvodu i potrošnja energije smanje, a nivo učinka poveća. Otkrili su da zona kompresije ima najviše utjecaja na količinu praškaste suptstance u proizvodu, i da u isto vrijeme ima jako malo utjecaja na potrošnju energije. Međutim, zabrinjavajuća činjenica je bila da njena promjena sa jednog nivoa na drugi znatno obara nivo učinka. Primjećeno je, također, da je povećanjem protoka povećan i nivo učinka, ali i potrošnja energije. Da bi se na kraju našlo kompromisno rješenje, urađena je analiza troškova niskog nivoa učinka i visoke potrošnje energije. Na taj način je menadžment kompanije dobio bolji uvid na koji način može da poboljša kvalitet svog proizvoda, i shodno tome prilagodi njegovu cijenu. Tako bi se povećalo zadovoljstvo kupca (koji nam uvijek treba biti na prvom mjestu), bez da kompaniju baci u ponor dodatnih troškova.
Zaključak
Ubjeđena sam da u svojoj organizaciji imate najmanje jedan proces kojem bi dobro došlo da ga izanalizirate upotrebom faktorskog dizajna. Ako ništa, za početak je dobro da za vježbu pokušate opisati neki svoj proces kroz DOE. Ko zna, možda upravo iz tog eksperimenta dođete do novih saznanja i prijedloga poboljšanja. Za to vam je potrebna prije svega dobra volja, zatim low-cost resursi za izvođenje eksperimenta u kojem ćete prikupiti podatke, statistički softver za obradu podataka, i tim agilnih inžinjera koji su spremni da nauče nešto novo iz prezentovanih rezultata i dođu do novih ideja.
Na kraju, ko želi pronaći će način, a ko ne želi, pa … radit će kako je i do sada naučio. Pitanje je: da li je to dovoljno dobar način? DOE će vam dati odgovor i na ovo pitanje 😊
