GRANT 

journal 

ISSN 1805-062X, 1805-0638 (online), ETTN 072-11-00002-09-4 

EUROPEAN GRANT PROJECTS | RESULTS | RESEARCH & DEVELOPMENT | SCIENCE 

 

 

 

 

 

Accuracy Verification of Glass Kilnforming Process after Improvement by 
DOE  

 
 
Vladimír Sojka
Petr Lepšík

1

 

 

2

 

1

 Technical University of Liberec, Department of Design of Machine Elements and Mechanisms; Studentská 1402/2, Liberec, Czech 

Republic; vladimir.sojka@tul.cz 

2

 

 Technical University of Liberec, Department of Design of Machine Elements and Mechanisms; Studentská 1402/2, Liberec, Czech 

Republic; petr.lepsik@tul.cz 

Grant: SGS-2020-5027 
Název grantu: Research of new approaches to process improvement 

Oborové zaměření: JP - Průmyslové procesy a zpracování 
 

© GRANT Journal, MAGNANIMITAS Assn. 

 
 
Abstract DOE (Design of Experiment) is a great tool for the 
reduction of the number of setting attempts to a minimum. Setting 
up complex processes can be time-consuming and lots of attempts 
are often made until a demanded result is achieved. That is why 
DOE is a good tool for the improvement of glass kilnforming 
processes. After the DOE is applied to the process to find the 
equation for the determination of parameters to set up the process. 
There should be considered the accuracy of this method. Results 
from the regression equation and real output are not the same. For 
preventing defects by misunderstanding accuracy of setting, the 
accuracy of the regression equation should be known. This paper 
deals with verification measurements after the application of DOE 
on the case study of setting up a glass kilnforming process.  
 
Keywords DOE, kilnforming, verification 
 
 
 

1.

 

INTRODUCTION 

 
Glass kilnforming manufacturing is a very complex process. The 
technology of kilnforming allows us to produce a high variety of 
different products, which is beneficial for art or custom production. 
When there is a demand for precise shapes and dimensions with 
repeatable results, too many custom products. Problems with re-
setting up of process parameters occur. Glass properties are hard to 
predict and in combination with many process parameters, it can 
lead to lots of failures during often attempts to re-setup the 
kilnforming process. The solution for that can be the use of DOE 
(Design of Experiment) to describe the process more precisely. DOE 
was used for many complex systems before, for example [1], [2], 
and [3]. The use of DOE on a practice example of glass kilnforming 
was described in [4].  
 
This paper aims to a description of the accuracy of results after the 
DOE application. For that, the same case as in [4] is used. 
 
 
 
 
 
 

2.

 

BACKGROUND 
 

2.1

 

Glass kilnforming 

 
Glass forming or glass kinlforming is an umbrella term for glass 
manufacturing techniques in the kiln. It contains techniques and 
methods as glass fusing, glass slumping, or kiln casting. Glass 
slumping is a method when a glass plate is shaped by gravitation 
and heat in the kiln. The shape is defined by mold under glass plate 
[5]. Glass fusing is when several glass parts are fused together. This 
could be combined with glass slumping when the glass plate 
changing its shape by mold and at the same time it is fused with 
different glass particles [6], and [7]. For both methods, temperature 
and time are crucial parameters of the forming process.  
 
 

2.2

 

DOE (Design of Experiment) 

 
DOE (Design of Experiment) is a statistical method for the 
description of complex systems. If a mathematical model cannot be 
applied DOE can be used for the understanding of the system and its 
parameters. An experiment is compound from a set of tries or runs, 
where the main goal is to find the best set of process parameters to 
achieve demanded results. The goal can be to maximize or minimize 
output or get to a specific value. The Design of Experiment is an 
experiment with a plan. The procedure of an experiment is well 
organized to get a minimum of runs and preserve the quality of the 
gained information. One of the goals of the Design of Experiment is 
to find factors that have a significant effect on the outcome of the 
process. There is also a need to find connections between factors 
and their effects. The second goal of the Design of Experiment is to 
find optimal values of factors to get the required level of response. 
 
The Design of Experiment is good for processes without a 
mathematical or physically-technical model. The plan of the 
experiment is setting: number of runs, conditions of each run, and 
order of runs. For the reduction of systematic mistakes, all runs must 
be done in randomized order. For the reduction of mistakes by 
measurements can be doubled the measurement in one try. When it 
is impossible to do all runs in one day or with constant conditions of 
the experiment, all runs can be divided into blocs. Blocs are 

Vol. 9, Issue 1

114