انسانها از آغـاز خلقت تاکنـون بـرای کشف حقایـق از آزمایش استفاده می کرده انـد ، علی الخصوص دانشمندان و پژوهشگران از جمله افرادی هستند که بسیار آزمایش می کنند عملی را انجام می دهند ، نتیجه را مشاهده می کنند و سپس به حقیقتی دست پیدا می کنند. اما انجام آزمایش به زمان و صرف منابع نیاز دارد و این هزینه و زمان هنگامی که تعداد عوامل افزایش پیدا کند به صورت صعودی افزایش پیدا می کند. بنابراین به روشی نیاز است که در آن بتوان با صرف حداقل هزینه و زمان به بیشترین اطلاعات ، در مورد فرآیند دست پیدا کرد، نتیجه گیری های منطقی ارائه کرد و مدارک مستند در خصوص فرآیند بدست آورد.
مبحث کیفیت در دهه های اخیر مبــاحث جدیدی چون کنترل آماری فرآیند SPC ، مدیریت کیفیت جامع ( TQM ) ، مهندسی مجدد (BPR) ، بهبود مستمر ژاپنی ( کایزن )، تحلیل هزینه های کیفیت ( COQ ) ،. . . بهبود مستمر فرآیند CPI و … را به خود دیده است.
تکنیک طراحی آزمایشها (DOE) نیز یکی از تکنیکهای بهبود کیفیت است که در دهه های ۱۹۹۰ , ۱۹۸۰به عنوان یک مزیت رقابتی درکشورهای غربی و ژاپن مطرح شد. استفاده صحیح از روشهای طراحی آزمایشهای آماری میتوانـد باعث سهولت در مراحل طراحی و تولیـد محصولات جدید و بهبود محصولات موجود گـردد. این اصول در اغلب صنایع نظیر صنایع الکترونیک و نیمه هادی، هوا فضا، اتومبیل، تجهیزات پزشکی، غذایی، داروسازی و صنایع شیمیایـی و فرآینـدی به کار گرفته شدهاند.
باید به این نکته توجه داشت که ابزارهای کیفیت فقط دارای توانایی اعلام عیب و خرابی بوده و اینکه چه عواملی و چگونه بر روی کیفیت فرآیند اثر میگذارند؟ اگر این عوامل تغییر کنند کیفیت چگونه تغییر میکنـد؟ این عوامل را چگونه تغییر دهیم تا بهترین عملکرد کیفی را بدست آوریم؟ عوامل کنترل پذیر چگونه باشند تا اثر عوامل غیر قابل کنترل بر روی کیفیت حداقل شود؟ و … همه و همه سوالاتی هستند که توسط انجام آزمایش میتوان بدانها پاسخ داد.
طراحی آزمایشات یک رویکرد علمی است که به محققان اجازه کسب دانشی برای فهم بهتر یک فرآیند و همچنین تعیین چگونگی تاثیر ورودی ها بر روی خروجی ها را می دهد.
انجام آزمایش همواره متضمن هزینـه و زمان است. از این رو انجام آزمایشهای مؤثـر که با صرف حداقل هزینه و زمان بیشترین اطلاعات را بدست بدهد آرمان هر مهندس یا محقق است و این هزینه و زمان هنگامیکه تعداد عوامل افزایش پیدا کند به صورت صعودی افزایش پیدا میکند. بنابراین به روشی نیاز است که در آن بتوان با صرف حداقل هزینه و زمان، به بیشترین اطلاعات در مورد فرآیند دست پیدا کرد، نتیجهگیریهای منطقی ارائه کرد و مدارک مستند در خصوص فرآیند بدست آورد. روشی که به بهترین شکل اهداف ذکر شده را برآورده میسازد، طراحی آزمایشهای صنعتی (Design Of Experiments) DOE نام دارد.
همچنین استفاده از طراحی آزمایشها به مهندسین کمک میکند تا تولید را توسعه و تکامل داده و فرآیندهایی را ایجاد کنند که مقابل عوامل محیطی و منابع دیگـر تغییر مقاومند. کاربرد به موقع و موفقیت آمیز طراحی آزمایش در توسعه فرآیند تولید میتواند اساسا زمان تولید و هزینهها را تقلیل داده و به فرآیندها و فراوردههایی منتهی شود که در نوع خود عملکرد بهتر و اعتماد پذیری بالاتر از آنهایی دارند که با کاربـرد شیوه های دیگر بدست آمدهاند.
با بکارگیری و درک مفهوم طراحی آزمایشها، مدیران و مهندسان در مییابند که چگونه میتوان محصولات فاقد قدرت رقابتی را مجدداً با کیفیتی بالاتر به صحنه رقابت بین المللی برگرداند. مدیران و مهندسان امروز لازم است که قبل از تصمیمگیری در مورد میزان بهبود و توسعه محصول و فرآیند، خود، اطلاعات کافی از روشهای طراحی آزمایش داشته باشند. به همین خاطر است که شرکتهای بین المللی نظیر تویوتا سالانه تعداد زیادی از مهندسان خود را تحت دورههای آموزشی DOE قرار میدهند و شرکتی مثل فورد در آمریکا، حتی تأمین کنندگان قطعات خود را ملزم به استفاده از این تکنیک مینماید.
با توجه به آنچه گذشت میتوان دریافت که تکنیک DOE را میتوان در اغلب فرآیندها جهت بهبود کیفیت مورد استفاده قرار داد. فرایندهایـی که در خروجی آنها یک مشخصه کیفی، یک خواسته مشتری یا هر مشخصه دیگری مورد نیاز است.
در اغلب صنایع، کاربـرد صحیح و مؤثر طراحی آزمایشهای آماری کلید افزایش بازدهـی، کاهش تغییرپذیری، کاهش زمانهای تأخیـر در طراحی و توسعه محصولات بهتر و در نتیجه رضایت مشتری محسوب میشود.
تکنیک DOE محدود به محیطهای صنعتی و تولیدی نمیشود. در تمام فرآیندها و سیستمها میتوان از DOE بهره گرفت و کیفیت خروجـی را افزایش داد. در سیستمهای اجتماعی که فرآیندها انسان هستند، در کشاورزی که فرآیندها گیاهان هستند، درسیستمهای اقتصادی که فرآیندها مبادلاتی هستند و … میتوان از DOE برای بهبود آنچه از این سیستم ها میخواهیم استفاده کرد.
در هر آزمایش تعدادی از متغیرها در اختیار تحلیلگـر بوده و آنها را با توجه به نیاز آزمایشی که انجام میدهـد تغییر میدهد. به همین دلیل به این متغیرها متغیرهای قابل کنترل نیز میگویند. عوامل تحت کنترل آن دسته از عواملی هستند که با چرخاندن یک شیر، تغییـرجهت یک کلید، تغییر یک قطعه یا کم و زیاد کردن مقدار مواد تغییر یابند. متغیرهای غیر قابل کنترل موجب ایجاد پارازیت (Noise) درفرآیند شده و امکان شناسایی متغیرهای قابل کنترل را کاهش میدهند. لذا شناسایی این متغیرها نیز از اهمیت خاصی برخوردار بوده و باید نسبت به جمع آوری اطلاعات در مورد آنها اقدام شود. یکی از مهمترین عواملی که باعث شکست در DOE میشود، عدم شناسایـی و جمع آوری اطلاعات در ارتباط با این گونه متغیـرها میباشـد. از معمولترین متغیـرهای غیرقابل کنترل، تغییر اپراتور از یک شیفت به شیفت دیگر، تغییر دمای محیط و تغییر مواد اولیه ای که از بیرون شرکت وارد میشوند میباشند. در انجام این موضوع شناخت فرآیند لازم است که تجربه عملی و درک مفاهیم نظری در نزد کارشناسان شرکت هرمس اطمینان خاطر مشتریان از لحاظ شناخت کامل فرآیند، متغیرها و دامنه تغییرات آنها و نحوه کنترل و اندازهگیری آنها میباشد.
با استفاده از تکنیکهایی که به آنها اشاره شد ممکن است تعداد زیادی عوامل یا متغیر ورودی شناسایی شوند. استفاده از تمامی آنها به علت تعداد زیاد آزمایشها و همچنین هزینه های مربوط به اندازهگیری برای هر کدام از آنها بسیار مشکل و حتی ممکن است غیر ممکن باشد. لذا باید تعداد متغیرها را با انتخاب مهمترین آنها کاهش داد. کارشناسان هرمس در تمامی مراحل ارزیابی، انتخاب متغیرها و تکنیک طراحی، تحلیل نتایج و توجیه رفتار فرآیند و بهینهسازی در کنار شما خواهند بود.
۱- موثرترین روش برای شناسایی پارامترهای ورودی کلیدی.
۲- موثرترین روش برای بدست آوردن درکی مناسب از رابطه بین پارامترهای ورودی و پاسخ.
۳- روشی برای ساختن یک مدل ریاضی که رابطه بین ورودی و خروجی را مشخص میکند.
۴- روشی برای مشخص کردن چیدمان پارامترهای ورودی که در بهینه سازی پاسخ و کاهش هزینه ها دخالت دارند.
۵- روشی برای تنظیم کردن تلرانس ها.
۶- پراکندگی در پاسخ ها را کمینه می کند.
۷- قطعیت پاسخ ها را فراهم می کند
مثال طراحی آزمایشات