三因子两水平doe_DOE在橡胶压延工艺中的实践应用

某橡胶厂在生胶片压制过程中需要控制生胶片的厚度（2.6+/-0.1mm）和宽度（1029+/-3mm）两个质量指标，其中厚度的过程能力控制的很好，但是成品的宽度经常被投诉，要么宽了、要么窄了等。生胶片的制作类似于自动擀面皮机的工艺，不过做出来后需要收卷到一个轴上，通常会是50m/卷。经调查调查得知，一卷胶料从起头开始用，存在越用到里面越宽的现象，如下图所示：

同工程师了解下来，过程主要影响的控制参数有：

1. 切刀间距：当前设置1022mm
2. 辊1速比：当前设置10
3. 辊2速比：当前设置1.8
4. 收卷张力：没有管控，只能手动调节，不可量化

• 确立因子Factors：

由于A影响的是整体宽度，类似于offset调整，故DOE计划时固定不变，只考虑B、C、D三个因子来安排DOE试验.

• 选择响应变量Responses：

那响应变量该怎么选择呢？宽度和厚度肯定是都要考虑的，不能通过DOE优化好了宽度把厚度给超差了。对于宽度而言是该选择平均宽度还是某个固定位置的宽度，再加上宽度的波动呢？这里给出的答案都不是，从上面的宽度随拉开的米数可以看得出呈现很强的线性关系，如下图，R2值都在90%以上，Y = Slope * x + Intercept，取Slope作为DOE的响应变量Y1，当Slope 0时，是不是说明该卷料的宽度从头到尾越均匀呢，这样可以反映出整卷宽度的特点；同时选择厚度的平均值作为Y2（这里因为厚度的过程能力足够好）。

Slope范围的定义：由于宽度公差为±3mm，对Slope的最低要求是整卷料的宽度刚好控制在规格内：|Slope| ≤ 6 / 50 = 0.12.

对于厚度而言，由于过程能控制足够稳定，只要均值不超出2.6±0.3mm都没问题。

• 决定因子水平Level：

由于缺乏因子调整后对宽度影响的经验，也不清楚调整因子后对Y产生什么的影响，故此在2k试验里需要增加中心点，而且该中心点即为当前的设定参数。

DOE方案用的是23, Ct Pts = 2, Replicate = 1（出于成本和资源的考量，仿行数Replicate设为1）, 一共10个运行，得到如下结果：

• DOE结果分析（这里分析重点在Slope的优化，厚度的分析就不一并列出）：

• 模型简化Reduce Model：

• DOE结论1：

1. 中心点虽然是显著，但体现的Slope值是越大，与期望的结果相反，故先行不考虑；
2. 因子“收卷张力”可以固定为“松”。
3. 模型内Slope最小值的设定在B = 15，C = 1.5，D = 松；但厚度不然。从目前的模型来看没有办法同时满足Slope和Thickness的要求

• DOE二次分析：

根据结论1，可以对DOE进行二次分析，即取收卷张力 = “松”的条件：

分析到这里，P-Value都是*号，没办法进行了，咋办？P-Value为*号，是因为DOE的Replicate = 1，导致模型里的自由度不够分配了，我们可以看到DF(Residual Error) = 0，但仍然可以得到有用的信息的。可以做等高图（Contour Plot）分析：

从等高图来看，规律还是很明显的， 只不过期望的结果好像不在一个方向上，该如何调整呢？把辊2的速比继续减小会出现什么的结果？

• 追加DOE：

这就需要追加DOE来做进一步建模验证了，步长向下走2个单位步长增加3次试验（红色点），便可得到新的22+ct pt试验了，收集数据后进行分析。

当然，这里DOE的分析结果仍然会显示P-value为*，可以略过这个结果，直接上因子效应图：

• DOE结论2：

1. 中心点显著，但仍旧是与期望相反的方向。
2. Slope有出现< 0.12的情况了，接下来就要在确认下Thickness满不满足要求了。

去除中心点对Slope和Thickness进行Contour Plot分析：

共同的设定点已经有了，就是DOE里的第12个Run的设定了。

根据Run12的结果，整体宽度为1032mm对因子A切刀间距进行补偿调整，增加-3mm的offset，然后安排确认试验Run = Confirmation。

最后，进行参数标准化：

因子	变更前	变更后
切刀间距A	1022	1019
辊1速比B	10	5
辊2速比C	1.8	0.9
收卷张力D	无控制	松

DOE应用总结：

1. 响应变量的转换选择，不要局限于最终的产品特性，确立最合适的Y。
2. 中心点的决策，显著不一定是所需的。
3. 模型简化，在不影响分析结论的情况让模型越简单越好。
4. 对P-value为*时的处理，没有给出P-value不代表没有有用的信息。
5. 模型的扩展延伸，梯度方向的延伸是最快速的。
6. 二次DOE要在第一次DOE的基础上扩展，并有效利用第一次DOE的数据。
7. 得到合适的参数后需要加以验证，确保不受偶然因素或模型误差的影响。

- Jeff整理于2019/12/03

[完]

转载请注明出处，微信公众号：