2. Choice of factors and levels. Th

2. Choice of factors and levels. The experimenter must choose the factors to be varied
in the experiment, the ranges over which these factors will be varied, and the specific levels
at which runs will be made. Process knowledge is required to do this. This process knowledge
is usually a combination of practical experience and theoretical understanding. It is important
to investigate all factors that may be of importance and to avoid being overly influenced by
past experience, particularly when we are in the early stages of experimentation or when the
process is not very mature. When the objective is factor screening or process characterization,
it is usually best to keep the number of factor levels low. (Most often two levels are used.) As
noted in Fig. 13.4, steps 2 and 3 are often carried out simultaneously, or step 3 may be done
first in some applications.
3. Selection of the response variable. In selecting the response variable, the
experimenter should be certain that the variable really provides useful information about
the process under study. Most often the average or standard deviation (or both) of the measured
characteristic will be the response variable. Multiple responses are not unusual.
Gauge capability is also an important factor. If gauge capability is poor, then only relatively
large factor effects will be detected by the experiment, or additional replication
will be required.
4. Choice of experimental design. If the first three steps are done correctly, this step
is relatively easy. Choice of design involves consideration of sample size (number of replicates),
selection of a suitable run order for the experimental trials, and whether or not blocking
or other randomization restrictions are involved. This chapter and Chapter 14 illustrate
some of the more important types of experimental designs.
5. Performing the experiment. When running the experiment, it is vital to carefully
monitor the process to ensure that everything is being done according to plan. Errors in experimental
procedure at this stage will usually destroy experimental validity. Up-front planning is
crucial to success. It is easy to underestimate the logistical and planning aspects of running a
designed experiment in a complex manufacturing environment.
6. Data analysis. Statistical methods should be used to analyze the data so that results
and conclusions are objective rather than judgmental. If the experiment has been designed
correctly and if it has been performed according to the design, then the type of statistical
method required is not elaborate. Many excellent software packages are available to assist in
the data analysis, and simple graphical methods play an important role in data interpretation.
Residual analysis and model validity checking are also important.
7. Conclusions and recommendations. Once the data have been analyzed, the experiment
must draw practical conclusions about the results and recommend a course of action.
Graphical methods are often useful in this stage, particularly in presenting the results to others.
Follow-up runs and confirmation testing should also be performed to validate the conclusions
from the experiment.
Steps 1 to 3 are usually called pre-experimental planning. It is vital that these steps
be performed as well as possible if the experiment is to be successful. Coleman and
Montgomery (1993) discuss this in detail and offer more guidance in pre-experimental planning,
including worksheets to assist the experimenter in obtaining and documenting the
required information. Section S13.1 of the supplemental text material contains additional useful
material on planning experiments.
Throughout this entire process, it is important to keep in mind that experimentation is
an important part of the learning process, where we tentatively formulate hypotheses about a
system, perform experiments to investigate these hypotheses, and on the basis of the results
formulate new hypotheses, and so on. This suggests that experimentation is iterative. It is
usually a major mistake to design a single, large comprehensive experiment at the start of a

Kết quả (Việt) 1:

2. sự lựa chọn của các yếu tố và các cấp. Experimenter phải chọn các yếu tố để thể khác nhau
trong thử nghiệm, phạm vi mà các yếu tố này sẽ được đa dạng, và mức độ cụ thể
lúc chạy mà sẽ được thực hiện. Quá trình kiến thức cần thiết để làm điều này. Kiến thức quá trình này
thường là một sự kết hợp kinh nghiệm thực tế và sự hiểu biết lý thuyết. Điều quan trọng là
để điều tra tất cả các yếu tố có thể được tầm quan trọng và để tránh bị quá ảnh hưởng bởi
quá khứ kinh nghiệm, đặc biệt là khi chúng tôi đang trong giai đoạn đầu của thử nghiệm hoặc khi các
quá trình không phải là rất lớn. Khi mục tiêu là yếu tố kiểm tra hoặc quá trình đặc tính,
nó là thường là tốt nhất để giữ một số yếu tố cấp thấp. (Hầu hết các cấp hai thường được sử dụng.) Như
ghi nhận trong hình 13.4, Bước 2 và 3 thường được thực hiện cùng một lúc, hoặc bước 3 có thể được thực hiện
lần đầu tiên trong một số ứng dụng.
3. Lựa chọn của phản ứng biến. Trong việc lựa chọn phản ứng biến, các
experimenter nên chắc chắn rằng biến thực sự cung cấp thông tin hữu ích về
quá trình đang được nghiên cứu. Thường xuyên nhất là mức trung bình hoặc tiêu chuẩn độ lệch (hoặc cả hai) của các đo
đặc tính sẽ là phản ứng biến. Nhiều hồi đáp không phải là bất thường.
đo khả năng cũng là một yếu tố quan trọng. Nếu đo khả năng là người nghèo, sau đó chỉ tương đối
lớn yếu tố tác động sẽ được phát hiện bởi thử nghiệm, hoặc bổ sung bản sao
sẽ được yêu cầu.
4. Lựa chọn thiết kế thử nghiệm. Nếu các bước ba đầu tiên được thực hiện một cách chính xác, bước này
là tương đối dễ dàng. Lựa chọn thiết kế liên quan đến việc xem xét của kích thước mẫu (số sao chép),
lựa chọn một trật tự chạy phù hợp cho các thử nghiệm thử nghiệm, và có hoặc không chặn
hoặc hạn chế ngẫu nhiên khác có liên quan. Này chương và chương 14 minh họa
một số loại quan trọng của thử nghiệm thiết kế.
5. Thực hiện các thử nghiệm. Khi chạy thử nghiệm, nó là quan trọng để một cách cẩn thận
theo dõi quá trình để đảm bảo rằng tất cả mọi thứ đang được thực hiện theo kế hoạch. Lỗi trong thử nghiệm
thủ tục ở giai đoạn này thường sẽ tiêu diệt thử nghiệm hiệu lực. Lập kế hoạch lên-phía trước là
rất quan trọng để thành công. Nó rất dễ dàng để đánh giá thấp hậu cần và lập kế hoạch các khía cạnh của chạy một
thiết kế thử nghiệm trong một môi trường sản xuất phức tạp.
6. Phân tích dữ liệu. Phương pháp thống kê nên được sử dụng để phân tích các dữ liệu do đó, đó là kết quả
và kết luận là mục tiêu chứ không phải là judgmental. Nếu thử nghiệm đã được thiết kế
một cách chính xác và nếu nó đã được thực hiện theo thiết kế, sau đó loại thống kê
phương pháp yêu cầu không phải là phức tạp. Nhiều gói phần mềm tuyệt vời có sẵn để hỗ trợ trong
phân tích dữ liệu, và phương pháp đơn giản đồ họa đóng một vai trò quan trọng trong dữ liệu giải thích.
dư phân tích và kiểm tra tính hợp lệ của mô hình là cũng quan trọng.
7. Kết luận và khuyến nghị. Một khi các dữ liệu đã được phân tích, thử nghiệm
phải rút ra kết luận thực tế về các kết quả và khuyên bạn nên một khóa học của hành động.
phương pháp đồ họa thường hữu ích trong giai đoạn này, đặc biệt là trong trình bày các kết quả cho người khác.
theo mặc chạy và xác nhận thử nghiệm cũng nên được thực hiện để xác nhận các kết luận
từ thử nghiệm.
bước 1 đến 3 thường được gọi là kế hoạch trước thử nghiệm. Nó là rất quan trọng mà các bước sau
được thực hiện cũng như có thể nếu thử nghiệm là để thành công. Coleman và
Montgomery (1993) thảo luận về điều này chi tiết và cung cấp thêm hướng dẫn trong việc quy hoạch trước thử nghiệm,
bao gồm các bảng tính để hỗ trợ experimenter trong việc thu thập và tài liệu về các
yêu cầu thông tin. Phần S13.1 của các tài liệu văn bản bổ sung bao gồm bổ sung hữu ích
vật chất ngày kế hoạch thí nghiệm.
trong suốt toàn bộ quá trình này, nó là quan trọng cần ghi nhớ rằng thử nghiệm là
một phần quan trọng của quá trình học tập, nơi chúng tôi dự kiến xây dựng giả thuyết về một
hệ thống, thực hiện các thí nghiệm để điều tra những giả thuyết, và trên cơ sở kết quả
xây dựng các giả thuyết mới, và như vậy. Điều này cho thấy rằng thử nghiệm lặp đi lặp lại. Nó là
thường là một sai lầm major thiết kế một thử nghiệm toàn diện duy nhất, lớn lúc bắt đầu của một