การออกแบบการทดลอง (Design of Experiments: DOE) เป็นเครื่องมือที่มีประสิทธิภาพมากในการใช้ระบุตัวแปรตั้งต้น (input) ที่มีความสัมพันธ์กับตัวแปรตอบสนอง (Output) จริงๆแล้ว DOE คือ การวิเคราะห์ตัวแบบถดถอย ซึ่งไม่ใช่เรื่องที่ทำได้ง่ายๆ แต่อย่างไรก็ตามเราสามารถจัดการได้ตั้งแต่การวางแผนการทำการทดลอง โดยกำหนดตัวแปร X’s ที่จะนำมาทดลอง โดยจะกำหนดช่วงของตัวแปร X’s ว่าควรเป็นเท่าใดในการทดลอง ควรต้องมีการทำซ้ำการทดลองกี่ครั้ง และต้องมีการทำการทดลองที่มี center points หรือไม่ เป็นต้น ในบทความนี้เราจะพูดถึงเรื่อง center points
อะไรคือ Center Points? What Are Center Points?
Center points คือการทดลองที่มีการทำการทดสอบที่ตั้งค่า X’s ที่จุดกึ่งกลางระหว่างค่าต่ำสุดและค่าสูงสุดของช่วง X’s ที่ได้กำหนดไว้ในแผนการทดลอง ตัวอย่างเช่น การทดลองตาม DOE ที่มีค่า X’s ตามนี้
| X | ค่าจุดต่ำสุด (Low setting) | จุดสูงสุด (High Setting) |
| อุณหภูมิ (Temperature) | 120 °C | 180 °C |
| เวลา (Time) | 10 วินาที | 30 วินาที |
ค่า center point ควรจะเป็นจุดกึ่งกลาง คือ อุณหภูมิ 150 °C และ เวลาที่ 20 วินาที. และในแผนการทดลองที่ทำเพื่อเก็บข้อมูลที่สร้างด้วย Minitab Statistical Software จะมีลักษณะดังนี้ โดยจุดที่เป็น center point จะแรงเงาด้วยสีฟ้า
ในการทดลองที่จุด center point อาจจะทำการเก็บข้อมูลเพียง 1 ค่า หรือ มีการทำซ้ำหลายครั้งก็ได้ ถ้าตามตัวอย่างนี้จะทำการเก็บข้อมูล 2 ครั้งที่จุด center point คุณอาจจะมีคำถามว่าทำไมต้องเก็บ 2 ครั้ง ซึ่งเราจะมาพูดเรื่องนี้กันอีกที
ทำไมเราควรจะต้องมีจุด Center Points ในการออกแบบการทดลองของเรา ซึ่งการเพิ่ม Center points ในการทดลองมีประโยชน์ดังนี้
1. เป็นการทวนสอบว่า Y กับ X มีความสัมพันธ์กันเป็นเส้นตรงหรือไม่
การทดลองแบบ Factorial จะมีเงื่อนไขว่าความสัมพันธ์ระหว่าง X และ Y จะต้องเป็นเส้นตรง ดังนั้นถ้าความสัมพันธ์ระหว่าง X และ Y แสดงให้เห็นว่าไม่เป็นเส้นตรง เราก็ไม่ควรใช้การทดลองแบบ Factorial เพราะผลลัพธ์ที่ได้อาจทำให้เกิดความเข้าใจที่คลาดเคลื่อนไปได้
ในการดำเนินการทางสถิติเพื่อดูว่าความสัมพันธ์เป็นเส้นตรงหรือไม่ คือ การเพิ่มจุด center points ถ้าที่ center point แสดงค่า p-value ที่มีนัยสำคัญ (significance) เช่น ค่า p-value น้อยกว่าค่าระดับนัยสำคัญ (, significance level) ซึ่งจะทำให้เราสรุปได้ว่าความสัมพันธ์ของ X และ Y ไม่เป็นเส้นตรง และสามารถใช้ response surface DOE เช่น การทดลองแบบ central composite design ในการวิเคราะห์ข้อมูล เพราะการทดลองแบบ factorial สามารถตรวจสอบได้ว่าความสัมพันธ์ของตัวแปรไม่เป็นเส้นตรง จึงหันไปใช้ response surface design เพื่อสร้างตัวแบบที่ไม่เป็นเส้นตรงเพื่อแสดงความสัมพันธ์ของตัวแปร
และเป็นข้อดีคือเมื่อความสัมพันธ์ไม่เป็นเส้นตรงมักจะแสดงให้เห็นว่า ค่าของ X ที่จุดนั้นใกล้เคียงกับจุดที่จะทำให้เกิดค่า Y ที่เหมาะสมที่สุด (Optimum) ซึ่งคุณสามารถเห็นได้จากการวิเคราะห์ผลลัพธ์การทดลอง
2. คุณเก็บการทดลองมาจำนวนเพียงพอหรือไม่
ถ้าคุณเก็บข้อมูลมาไม่มากพอ คุณจะไม่สามารถตรวจจับความแตกต่างได้ ทั้งๆที่จริงๆแล้วความแตกต่างนั้นอาจมีอยู่จริงๆ การทดลองแบบ DOE ต้องควรมีการทำซ้ำในแต่ละจุด ทางออกหนึ่งคือการเพิ่มจำนวนข้อมูลทำซ้ำในแต่ละจุดการทดลอง แต่การเพิ่มจำนวนข้อมูลมีค่าใช้จ่ายสูงและใช้เวลานาน ตัวอย่างเช่น ถ้ามีจำนวน X’s 3 ตัวแปร และถ้าต้องมีการทำซ้ำการทดลองจะต้องมีการเพิ่มจำนวนการทำซ้ำไปอย่างน้อย 8 หรือ 16 ข้อมูล
และอีกทางหนึ่งในการเพิ่มอำนาจการทดสอบ (power of test) คือการเพิ่มจุด center points ในการทดลองซึ่งทำให้โอกาสในการตรวจจับความแตกต่าง (ความมีนัยสำคัญ) ของ X’s ได้และนำมาใช้ในการประมาณค่าความผันแปร (หรือทางสถิติเรียกว่า pure error)
ส่วนเพิ่มเติมของ DOE
DOE คือเครื่องมือยอดเยี่ยมที่จะบอกคุณว่าตัวแปรตั้งต้นและตัวแปรผลลัพธ์ว่ามีความสัมพันธ์กันอย่างไร และยังช่วยหาค่าที่เหมาะสมของ process settings แต่ว่าคุณจะต้องรู้จักวิธีการใช้ที่ถูกต้อง ถ้าคุณอยากเรียน DOE ดูหลักสูตร e-learning Quality Trainer ค่าใช้จ่าย $30 us, หรือคุณสามารถเข้าเรียนหลักสูตร Factorial Designs แบบเต็มวันโดยผู้สอนของเรา
บทความต้นฉบับ : DOE Center Points: What They Are & Why They’re Useful
ต้นฉบับนำมาจาก Minitab blog, แปลและเรียบเรียงโดยสุวดี นำพาเจริญ
บริหารจัดการ SCM Blog โดยชลทิชา จำรัสพร บริษัท โซลูชั่น เซ็นเตอร์ จํากัด ตัวแทน Minitab ในประเทศไทย
เพิ่มเติมเกี่ยวกับบริษัท Minitab
Minitab ช่วยให้บริษัทและองค์กรต่างๆ สามารถมองเห็นแนวโน้มของข้อมูล, แก้ปัญหาและค้นพบประเด็นสำคัญจากข้อมูลเชิงลึก โดยนำเสนอชุดโซลูชั่นที่ครอบคลุมทุกด้านและดีที่สุดสำหรับซอฟต์แวร์ในระดับเดียวกัน ที่ใช้สำหรับการวิเคราะห์ข้อมูลและการปรับปรุงกระบวนการ
ด้วยวิธีการที่เป็นเอกลักษณ์ และการนำเสนอซอฟต์แวร์และบริการแบบองค์รวม Minitab ช่วยให้องค์กรเข้าถึงกระบวนการตัดสินใจในส่วนที่ช่วยผลักดันให้เกิดความเป็นเลิศทางธุรกิจได้ดีขึ้น ความง่ายในการใช้งานที่โดดเด่นกว่าใครมีส่วนช่วยให้ Minitab สามารถทำให้การเข้าถึงข้อมูลเชิงลึกเป็นเรื่องที่ง่าย ทีมงานของ Minitab ซึ่งประกอบด้วยผู้เชี่ยวชาญทางด้านการวิเคราะห์ข้อมูลที่ได้ผ่านการอบรมมาเป็นอย่างเข้มงวด จะช่วยให้ผู้ใช้งานมั่นใจว่าจะได้รับประโยชน์สูงสุดจากการใช้งานวิเคราะห์ข้อมูลและพร้อมที่จะให้คำปรึกษาตลอดเวลาที่ใช้งานเพื่อนำไปสู่การตัดสินใจที่ดีขึ้น รวดเร็ว และแม่นยำ
เป็นเวลากว่า 50 ปีที่ Minitab ได้ช่วยองค์การต่าง ๆ เพิ่มรายได้ ควบคุมและลดต้นทุน เพิ่มคุณภาพ เสริมสร้างความพึงพอใจของลูกค้า และเพิ่มประสิทธิภาพ ธุรกิจและองค์นับหมื่นทั่วโลกใช้ Minitab Statistical Software®, Companion by Minitab®, Minitab Workspace®, Salford Predictive Modeler® and Quality Trainer® เป็นเครื่องมือช่วยในการค้นพบและปรับปรุงความบกพร่องในกระบวนการ