Shainin DOE

Shainin: A concept for problemsolving(Design of Exp=DOE) Lecture at the Shainin conferenceAmelior11 December 2009Willy Vandenbrandeqsconsultwww.qsconsult.be12qsconsultDorian Shainin (1914 –2000)•Aeronautical engineer (MIT –1936)•Design Engineer for United Aircraft Corporations •Mentored by his friend Joseph M. Juran•Reliability consultant for Grumman Aerospace (Lunar Excursion Module)•Reliability consultant for Pratt&Whitney (RL-10 rocket engine)•Developed over 20 statistical engineering techniques for problem solving and reliability •Started Shainin Consultants in 1984, his son Peter is currentCEO.3qsconsultDorian Shainin and ASQ•15th ASQ Honorary Member (1996)•First person to win all four major ASQ medals•In 2004 ASQ created the Dorian Shainin Medal–For outstanding use of unique or creative applications of statistical techniques in the solving of problems related to the quality of a product or service.4qsconsultDorian Shainin•Not very well known outside USA (compared to Deming, Juran)•1991: Publication of first edition of“World Class Quality”by Keki Bothe •2000: Second edition (Keki and Adi Bothe)•Books brought attention to Shainin methods, but are very biased.•Focus is on variation reductionLSL USLAfterBeforeLSL = Lower Specification LimitUSL = Upper Specification Limit5 qsconsult•But also …LSLAfterBefore6 qsconsult7qsconsultBasic Shainin assumption•The pareto principle of vital few and trivial many.•Only a few input variables are responsible for a large part of the output behavior.–Red X TM –Pink X TM–Pale Pink X TM•Problem solving becomes the hunt for the Red X TM8qsconsultShainin tools•Recipe like methods / statistics in the background •Comparing extremes allows easier detection of causes–BOB Best of Best –WOWWorst of Worse•Non parametrics with ranking tests in stead of calculations with hypothesis tests •Graphical Methods•Working with small sample sizes•The truth is in the parts, not in the drawing: let the parts talk!Preliminary activities•Define the critical output variable(s) to beimproved (called problem Green Y®)•Determine the quality of the MeasurementSystem used to evaluate the Green Y®–A bad measurement system can in itself beresponsible for excessive variation–Improvements can only be seen if they can bemeasured9 qsconsult10Overview of Shainin toolsComponents Search Multi-Vari chart Paired Comparisons Variables Search Full FactorialsB vs CScatter Plots PrecontrolProduct / ProcessSearchRSM methodsPositrolProcess CertificationClue generatingFormal Doe toolsValidationOptimization AssuranceOngoing controlControl20 –1000 variables5 –20 variables4 or less variablesNo interactionsInteractionsGeneral comments•Gradually narrowing down the search•Clear logic–Analyzing–Improving–Controlling•Not all tools are “Shainin”tools•“What’s in a name?”–Positrol versus Control Plan–Process Certification versus Process Audit11Tool details•Overview of methods•More info on B vs C TM and Scatter Plots in workshops•Some more detail on–Multi-Vari chart–Paired Comparison TM and Product/ProcessSearch–Pre Control1213Clue Generating / Multi-Vari ChartVery useful tool and best applied before brainstorming causes on excess variationCommentsSamples taken in production on current process Could be a big measurement investment Sample Size Divide total variation in categoriesSearch for causes of variation in the biggest category firstPrinciples Problem type: excess variation Wide applicabilityApplication Understand the pattern of variationDefine areas where not to look for problems Allow a more specific brainstorm ObjectiveMulti-Vari Chart•Breakdown of variation in 3 families:–Positional(within piece, between cavities, …)–Cyclical(consecutive units, batch-to-batch, lot-to-lot)–Temporal (hour-to-hour, shift-to-shift, …)1415Multi-vari Chart•If one family of variation contains a large part of total variation, we can concentrate oninvestigating variables related to this family of variation.16Clue Generating / Component SearchTM Disassembly / reassembly requirement limits application.Comments2 = 1 BOB and 1 WOWSample Size Select BOB and WOW unitExchange components and observe behavior.Components that change behavior are Red X comp Principles Problem type: assembly does not perform to spec Limitation: Disassembly / Reassembly must be possible without product changeApplication Find the component(s) of an assembly that is (are)responsible for bad behaviorObjective17Clue Generating / Paired ComparisonTM Practical application of “let the parts talk”Comments5 to6 pairs of 1 BOB and 1 WOWSample SizeSelect pairs of BOB and WOW units Look for differencesConsistent differences to be investigated further Principles Problem type: occasional problems in productionflowApplication Find directions for further investigationObjectivePaired Comparisons TM: method •Step1: take1 good and 1 bad unit–As close as possible in time–Aim for BOB and WOW units•Step2: note the differences between these units (visual, dimensional, mechanical, chemical, …). Let the parts talk!•Step3: take a second pair of good and bad units. Repeat step218Paired Comparisons TM: method •Step4: repeat this process with third, fourth, fith, …pair until a pattern of differences becomes apparent. •Step5: don’t take inconsistent differences into account. Generally after the fith or sixth pair the consistent differences that cause the variation become clear.1920Clue Generating / Product/Process SearchTukey test is alternative for t-test Widely applicable methodProblem: available data (process parameters)Comments8 BOB and 8 WOW units / batchesSample Size Select sets of BOB and WOW units –batches -..Add product data / process parameters and rank Apply Tukey test to determine important parameters Principles Problem type: Various types of problemsApplication Preselection of variables out of a large group of potential variablesObjectiveProduct/Process Search: example •Transmission assemblies rejected for noise.•Components search shows idler shaft as responsible component•One of the parameters of idler shaft is “out of round”•8 good / 8 bad units selected and measured for “out of round”2122Product/Process search: example0.0070.0110.0190.0170.0220.0140.0180.015Out of round good units(mm)0.0170.0210.0230.0240.0230.0160.0180.019Out of round bad units(mm)Tukey test procedure•Rank individual units by parameter and indicate Good / Bad.•Count number of “all good”or “all bad”from one side and vice versa from other side.•Make sum of both counts.•Determine confidence level to evaluate significance.2324Tukey test confidence levels99.9%1399%1095%790%6ConfidenceTotal end count25Tukey test: example0.0230.0230.0240.0160.0170.0180.0190.0210.0170.0180.0190.0220.0070.0110.0140.015BadGood Top end count (all good)4Bottom end count (all bad)3Overlap regionTukey test: example•Total end count = 4 + 3 = 7•95 % confidence that out-of-round idler shaft is important in explaining the difference in noise levels.2627Formal Doe tools / Variables SearchAlternative to fractional factorials on two levels Method comparable to components searchCommentsNumber of tests is determined by number of variables and quality of ordering.Sample Size List variables in order of criticality (process knowledge) and indicate good / bad level.Swap factor settings and observe behavior.Factors that change behavior (and interactions) are red X TM , Pink X TMPrinciplesProblem type: Various types of problemsAfter clue generating more then 4 potential variables leftApplicationDetermine Red X TM , Pink X TM including quantification of their effectObjective28Formal Doe tools / Full FactorialsWell established methodCommentsNumber of tests is determined by number of variables k (2k test combinations)Sample Size Classical DOE with Full Factorials at two levels Main Effects and interactions are calculated Principles Problem type: Various types of problems After clue generating 4 or less variables left Application Determine Red X TM , Pink X TM including quantification of their effectObjective29Formal Doe tools / B(etter) vs C(urrent)TMQuick validation that works well with big improvementsComments3 B and 3 C tests (each test can involve several units –test of variation reduction)All 3B’s must be better than all 3C’s Sample Size Create new process using optimum settings and compare optimum with current.Principles Problem type: Various types of problemsApplication Validation of Red X TM , Pink X TMObjective30Optimization / Scatter PlotsGraphical method that could easily be transformedto a statistical method Comments 30 tests for each critical variableSample SizeDo tests around optimum and use graphical regression to set tolerance PrinciplesProblem type: Variation Reduction and optimizing signal ApplicationFine tune best level and realistic tolerance for Red X TM , Pink X TM if no interactions are present Objective31Optimization / Response Surface Methods Method developed by George Box CommentsDepends on variables and surface.Sample SizeEvolutionary Operation (EVOP) to scan response surface in direction of steepest ascent PrinciplesProblem type: Variation Reduction and optimizing signal ApplicationFine tune best level and realistic tolerance for Red X TM , Pink X TM if interactions are present ObjectiveEVOP example3233Control / PositrolCan be compared with a Control Plan CommentsChecking frequency in the When columnSample SizeTable of What, How, Who, Where and When control has to be exercised. PrinciplesProblem type: all types ApplicationAssuring that optimum settings are kept Objective34Control / Process CertificationMix of 5S, Poka-Yoke, instructions, ISO 9000,audits,…Comments Checking frequency to be determinedSample SizeMake overview of things that could influence the process and install inspections, audits, …PrinciplesProblem type: all types ApplicationEliminating peripheral causes of poor quality Objective35Control / Pre ControlAlternative to classical SPCTraffic lights systemVery practical methodComments Checking frequency to be determinedSample SizeDivide total tolerance in colored zones and use prescribed sampling and rules to control the process.PrinciplesProblem type: control variation and setting of the process ApplicationContinuous checking of the quality of the process output Objective36Pre-Control: chart constructionUSL LSLTARGET ½TOL1/4 TOL1/4 TOLPre-control: use of chart1.Start process: five consecutive units ingreen needed as validation of set-up.2.If not possible: improve process.3.In production: 2 consecutive units4.Frequency: time interval between twostoppages (see action rules) / 6.3738Pre-control: action rulesStop and act 2 units in different yellow zoneStop and act1 unit in red zone Correct2 units in same yellow zoneContinue 1 unit in green and 1 unit in yellowzoneContinue 2 units in green zoneAction Result of samplesAfter an intervention: 5 consecutive units in green zone39Pre-control: exampleTime StartCorrect StartQS ConsultWilly Vandenbrande, Master TQMASQ Fellow-Six Sigma Black BeltMontpellier 34B -8310 BruggeBelgië-BelgiumTel + 32 (0)479 36 03 75E-mail willy@qsconsult.beWebsite www.qsconsult.beWilly Vandenbrande qsconsultwww.qsconsult.be40编辑本段编辑本段编辑本段。

西餐烹饪基础知识题库100道及答案(完整版)1. 西餐中，牛排的成熟度通常分为几分熟？（）A. 三分、五分、七分、全熟B. 二分、四分、六分、八分C. 一分、三分、五分、七分D. 四分、六分、八分、全熟答案：A2. 制作西餐浓汤时，常用的增稠剂是（）A. 面粉B. 淀粉C. 吉利丁D. 琼脂答案：A3. 法式焗蜗牛常用的配菜是（）A. 薯条B. 西兰花C. 洋葱D. 胡萝卜答案：C4. 意大利面的种类繁多，其中“Spaghetti”是指（）A. 细面条B. 粗面条C. 通心粉D. 螺旋面答案：A5. 西餐中，用于涂抹面包的常见酱料是（）A. 番茄酱B. 沙拉酱C. 黄油D. 蛋黄酱答案：C6. 以下哪种奶酪常用于制作披萨？（）A. 马苏里拉奶酪B. 蓝纹奶酪C. 车达奶酪D. 帕玛森奶酪答案：A7. 煎牛排时，应该使用（）A. 橄榄油B. 大豆油C. 花生油D. 菜籽油答案：A8. 制作西餐沙拉时，常用的基础油醋汁中，油和醋的比例通常是（）A. 3:1B. 2:1C. 4:1D. 1:1答案：A9. 以下哪种香草常用于西餐调味？（）A. 薄荷叶B. 紫苏叶C. 迷迭香D. 藿香叶答案：C10. 西餐中，“Foie Gras”指的是（）A. 鹅肝B. 鸭肝C. 猪肝D. 鸡肝答案：A11. 意大利肉酱面中的肉酱主要原料是（）A. 牛肉B. 猪肉C. 鸡肉D. 羊肉答案：A12. 烤鸡胸肉时，合适的温度一般是（）A. 180℃B. 200℃C. 220℃D. 250℃答案：B13. 西餐中，“Bruschetta”是指（）A. 烤面包片B. 披萨饼C. 汉堡包D. 三明治答案：A14. 制作提拉米苏必不可少的原料是（）A. 马斯卡彭芝士B. 奶油芝士C. 切达芝士D. 马苏里拉芝士答案：A15. 以下哪种海鲜常用于西餐的焗烤菜肴？（）A. 带鱼B. 鱿鱼C. 龙虾D. 鲫鱼答案：C16. 西餐中，“Tartare”通常指的是（）A. 生牛肉塔塔B. 水果塔C. 蛋挞D. 蔬菜塔答案：A17. 做西餐甜点时，常用的膨松剂是（）A. 小苏打B. 酵母C. 泡打粉D. 以上都是答案：D18. 西餐中，“Filet Mignon”指的是（）A. 菲力牛排B. 西冷牛排C. 肉眼牛排D. T 骨牛排答案：A19. 制作西餐糕点时，常用的面粉是（）A. 低筋面粉B. 中筋面粉C. 高筋面粉D. 全麦面粉答案：A20. 以下哪种蔬菜不是西餐中常见的配菜？（）A. 芦笋B. 苦瓜C. 南瓜D. 土豆答案：B21. 西餐中，“Creme Brulee”是指（）A. 焦糖布丁B. 巧克力布丁C. 水果布丁D. 牛奶布丁答案：A22. 煎鱼时，防止鱼皮粘锅的方法是（）A. 先在鱼皮上抹盐B. 热锅冷油C. 用生姜擦锅D. 以上都是答案：D23. 西餐中，用于烤制肉类的香草混合物通常被称为（）A. 香草束B. 香草酱C. 香草粉D. 香草盐答案：A24. 制作意式千层面常用的面皮是（）A. 馄饨皮B. 饺子皮C. 春卷皮D. lasagna 面皮答案：D25. 以下哪种水果常用于西餐的水果沙拉？（）A. 榴莲B. 山竹C. 草莓D. 荔枝答案：C26. 西餐中，“Escargot”指的是（）A. 螃蟹B. 虾C. 蜗牛D. 蛤蜊答案：C27. 制作西餐奶油汤时，奶油应在什么时候加入？（）A. 煮汤时B. 汤煮好后C. 煮汤中途D. 都可以答案：B28. 以下哪种酒常用于西餐烹饪去腥？（）A. 白酒B. 红酒C. 啤酒D. 黄酒答案：B29. 西餐中，“Risotto”是指（）A. 意大利烩饭B. 西班牙海鲜饭C. 法国焗饭D. 德国炒饭答案：A30. 烤羊排时，搭配的经典酱汁是（）A. 黑胡椒汁B. 薄荷汁C. 红酒汁D. 蒜蓉汁答案：C31. 以下哪种香料常用于腌制西餐肉类？（）A. 八角B. 桂皮C. 肉豆蔻D. 花椒答案：C32. 西餐中，“Souffle”指的是（）A. 舒芙蕾B. 泡芙C. 麦芬D. 可丽饼答案：A33. 制作西餐汉堡的肉饼，通常选用（）A. 牛肉B. 猪肉C. 鸡肉D. 鱼肉答案：A34. 煎三文鱼时，鱼皮应该朝（）A. 上B. 下C. 左D. 右答案：B35. 西餐中，“Quiche”是指（）A. 蛋挞B. 派C. 蛋糕D. 面包答案：B36. 制作西餐沙拉酱时，常用的酸味调料是（）A. 陈醋B. 白醋C. 柠檬汁D. 苹果醋答案：C37. 以下哪种蔬菜常用于制作西餐的蔬菜汤？（）A. 豆角B. 茄子C. 西红柿D. 冬瓜答案：C38. 西餐中，“Macaron”指的是（）A. 马卡龙B. 曲奇饼干C. 华夫饼D. 甜甜圈答案：A39. 烤鸡腿时，在表面刷（）可以使表皮金黄酥脆。

SHAININ DOE 七工具介紹1 Multi-Vari Chart(多層圖)B vs .C (B與C比較)Paired Comparisons(成對比較)Components Search(組件尋找)Variables Search(變數尋找)Full Factorials(全因子成效)Realistic Tolerance Parallelogram (scatter plots)(散佈圖定公差)目的:降低變異MUTI-V ARI CHART多層圖:變異之把握時間面變動(Temporal Variation)在不同的時段、生產班次、生產日期、生產週別等等，由於時間不同製程會發生的品質變異，是一種非隨機性的要因，只要能把握到它們的存在，伴生的品質變異就可望全數排除。

空間面變動(Position Variation)在相同時間裡，在不同的部位、機台、人手或工廠所發生的品質變異，确实是所謂的空間要因所產生的。

經過恰當對策後，空間面要因所產生的品質變異可望排除大半。

以下列舉了各類的空間面要因:單品的內變異，如一件鑄品因不同部位孔隙度有差異。

組品內各單件之間的差異，譬如一塊含千、百只零組件電路機板，各點之問銲錫品質有差異。

全品之內相同各件之間的差異，譬如一片晶圓上數百粒晶體之間品質出入专门大。

同模或同次生產，各件產品之間的品質差異。

譬如在IC的封膠製程，，乙付模具上通常有數十處相同的穴位，但產出的各個膠體之間也有所差異。

不同的作業手、生產機台、或生產工廠投入相同的生產要素，但產品之間也有品質差異。

重覆面變動(Cyclic Variation)在同一機台，用同批材料、由同一作業手、按相同程序生產，產品之間仍有品質差異。

這種隨機性要因是會再度出現的，因此它們有反覆性。

只有在技術上、材料上或設備上等等有所突坡，此類反覆性品質變異才能够減少。

討論:請舉出在LCD之製程中，時間之變異有哪些。

討論:請舉出在LCD之製程中，空間之變異有哪些。

冷门西班牙单词全文共四篇示例，供您参考第一篇示例：西班牙语虽然是世界上使用人数较多的语言之一，但是其中也存在一些鲜为人知的冷门单词。

这些单词可能并不常见，甚至在学习西班牙语的过程中很少被提及，但它们同样丰富多彩，值得我们来了解和探索。

接下来，我们将一起来探索一些冷门的西班牙语单词，带你进入西班牙语的奇妙世界。

1. Sobremesa (n.)在西班牙文化中，用餐之后的闲适聊天时间被称为“sobremesa”。

这个词汇很好地概括了西班牙人在餐桌上放松、交谈和享受美食的愉快时光。

在这段时间里，人们可以尽情地交流、分享彼此的故事和感受，这种独特的生活方式也深受西班牙人的喜爱。

2. Merienda (n.)在西班牙，正餐时间通常比较晚，因此在晚饭之前通常会有一顿称为“merienda”的小吃时间。

这顿小吃通常包括一些点心、咖啡或茶，用来填补午餐和晚餐之间的空隙。

这个词汇代表了西班牙人细水长流的生活方式，以及他们对美食与社交的热爱。

3. Tertulia (n.)“Tertulia”这个词汇源自于西班牙语，指的是一群人围坐在一起享受文学、艺术或哲学等话题的聚会。

在这样的聚会中，人们可以自由地交流、分享观点，常常伴有一些音乐和美酒。

这种丰富多彩的文化传统使得“tertulia”成为了西班牙社会中的重要组成部分。

4. Empalagar (v.)这个词汇用于描述因过量甜食而感到腻烦或恶心的感觉。

在西班牙文化中，享受美食固然重要，但适度也同样重要。

当人们过量食用甜食导致腻烦的时候，他们会使用“empalagar”来表达这种感受。

5. Friolero (adj.)“Friolero”这个形容词用来描述那些对寒冷敏感的人。

在西班牙的冬天，有不少人因为对寒冷的不适应而被称为“friolero”。

这个词汇反映了西班牙人对于气候和身体感受的关注，同时也展现了他们对于个性特征的独特描述。

6. Estrenar (v.)“Estrenar”是一个独特的词汇，用来描述第一次使用或穿戴某物的情况。

谢宁DOE(谢宁方法)主办单位: 上海普瑞思管理咨询有限公司时间地点：2010年10月22-23日苏州收费标准: 2600元/人（含培训费、资料费、午餐、培训证书等）课程背景谢宁DOE (谢宁方法)是由道林•谢宁(Dorian Shainin)研究开发的解决产品设计开发、过程设计开发和制造过程控制中的质量问题的系统方法和工具。

工具名称作为服务商标受法律保护，很少文章讨论，而公众不知详细内容，从SPC、DOE、数理统计和部件交换技求导出，用现成公式，而不需数理统计知识和计算，谢宁(Shainin)DOE工具作为一个由果到因系统解决问题的方法，采用从果到因的方式，以现有结果为起点，反向开展搜索根本原因。

谢宁(Shainin)DOE解决问题针对性强、不打断生产、效果好的优点。

“没有戴明，美国就不会有质量哲学；没有朱兰，美国就不会有质量的方向；没有谢宁，美国就无从解决质量问题”。

这句名言总结了美国最伟大的三位质量大师的贡献。

课程目标•提高对DOE的认识，从根本上摒弃依靠“啪脑袋”和“工程猜测”解决问题的传统陋习•了解应用DOE的必备条件•掌握谢宁DOE工具的应用步骤•掌握如何在Minitab中运行DOE•系统性地应用DOE工具，提高过程质量及生产效率学员要求具备基本的运算能力，了解统计概念，并有统计过程控制（SPC）和测量系统分析（MSA）的经验。

带电脑，会使用简单的Minitab软件功能。

课程大纲一谢宁DOE介绍- 实验设计的质量改进哲学- 三种实验设计流派简介- 谢宁DOE的思考路径- DMAIC 分析结构- 基本统计技术复习- Minitab中的统计分析- 数据分析与质量控制二多层变差图- 多层变差模型- 分层法调查表- 多层变差图- 变差过程分析案例三 AVOVA具体分析、线索生成及筛选工具、特征化及建模工具- 正态概率图- Pareto- 主效果图- 交互效果图- ANOVA- 多元回归- 简化模式- 线索生成及筛选工具- 多变量图- 集中图- 元件搜索- 配对比较- 过程搜索- 特征化及建模工具- 变量搜索- 析因设计四优化工具、监控工具具体案例分析、DOE方法在运用和案例练习与操作- 散点图- 响应曲面法- 变量搜索- 析因设计- B vs C（改进效果检查- 积极控制- 过程认证- 预控制图- 谢宁DOE开展的流程- 判断的方法是否可以解决的具体问题- 问题的特征值是否可测量- 减少搜索范围- 确定根本因子- 量化因子的效应- 验证改进的建议- 确定工艺参数边界- 控制过程- 谢宁DOE方法全天课程中的要点回顾、讨论及解答- 谢宁DOE方法及运用案例练习与操作（分组讨论、实际操作）- 谢宁DOE方法的汇总与练习后分析（结合工厂自身的情况和老师进行探讨）讲师介绍徐老师现任排名前十世界500强企业亚太区质量经理，协助中国区各工厂推行GE北美质量体系及精益6西格玛系统，协助下属各工厂进行精益6西格玛推行。

SHAININ DOE 7 TOOL吳志偉主講2004/06/0512SHAININ DOE 七工具介紹1.Multi-Vari Chart(多層圖)2. B vs .C (B 與C 比較)3.Paired Comparisons(成對比較)ponents Search(組件尋找)5.Variables Search(變數尋找)6.Full Factorials(全因子效果)7.Realistic Tolerance Parallelogram (scatter plots)(散佈圖定公差)MUTI-VARI CHART多層圖:變異之掌握•時間面變動(Temporal Variation)–在不同的時段、生產班次、生產日期、生產週別等等，由於時間不同製程會發生的品質變異，是一種非隨機性的要因，只要能掌握到它們的存在，伴生的品質變異就可望全數消除。

•空間面變動(Position Variation)–在相同時間裡，在不同的部位、機台、人手或工廠所發生的品質變異，就是所謂的空間要因所產生的。

經過恰當對策後，空間面要因所產生的品質變異可望消除大半。

–以下列舉了各類的空間面要因:–單品的內變異，如一件鑄品因不同部位孔隙度有差異。

–組品內各單件之間的差異，譬如一塊含千、百只零組件電路機板，各點之問銲錫品質有差異。

–全品之內相同各件之間的差異，譬如一片晶圓上數百粒晶體之間品質出入很大。

–同模或同次生產，各件產品之間的品質差異。

譬如在IC的封膠製程，，乙付模具上通常有數十處相同的穴位，但產出的各個膠體之間也有所差異。

–不同的作業手、生產機台、或生產工廠投入相同的生產要素，但產品之間也有品質差異。

•重覆面變動(Cyclic Variation)–在同一機台，用同批材料、由同一作業手、按相同程序生產，產品之間仍有品質差異。

這種隨機性要因是會再度出現的，所以它們有反覆性。

只有在技術上、材料上或設備上等等有所突坡，此類反覆性品質變異才可以減少。