《田口方法培训教材》PPT课件.ppt

六西格玛品质网( )，简称6SQ，成立于2001年，是定位于一个关 于六西格玛、品质工具、品质体系、品质管理、企业管理的综合行业网站。目前是亚太 地区最好的质量管理中文专业网站！ 目前网站拥有30万注册会员，会员可以发布招聘信息，发帖讨论，建个人博客，下载 技术文章，浏览最新的行业动态，结识行业朋友，参加线下交流会等。 我们致力于提高国内企业界对品质的认识，以及为中国企业培养大量优秀的品质人才， 为改善中国企业产品品质，打造中国企业卓越品质形象而努力 我们的目标是建立亚太地区最好的品质/质量管理的中文专业网站，为质量人员提供一 个结识同行、切磋专业，拓展专业视野、互动学习、增加个人职业际遇的行业平台。 交流QQ群：106868193 田口方法簡介 張明毅 宜蘭大學生機系 2003.10.24 田口式品質工程 田口玄一博士於1950年代所開發倡導 利用直交表實驗設計與變異數分析，以少 量的實驗數據進行分析，有效提昇產品品 質 於1962年獲得品質應用戴明(Deming)獎 1980年代後，美國ATT、Ford、Xerox、 Motorola、Kodak等公司陸續採用 Quality Engineering、Taguchi Method 田口方法特點 在於以較少的實驗組合，取得有用的資訊 。雖不如全因子法真正找出確切的最佳化 位置，但能以少數實驗便能指出最佳化趨 勢，可行性遠大於全因子法。田口方法有 以下特點：(1)基於品質損失函數之品質特 性、(2)實驗因子的定義與選擇、(3)S/N比 、(4)田口直交表。 田口方法 田口方法是以實驗的手段來決定設計 參數 為了減少實驗的次數，依控制因子及其水 準的數目選用適當的實驗直交表 設計的目標是尋求最佳的產品（或製程） 機能（性能），並且維持此一機能的穩健 性，亦即受干擾因子的影響減至最少 田口方法步驟 (1/2) 選定品質特性 判定品質特性之理想機能 列出所有影響此品質特性的因子 定出信號因子的水準 決定控制因子並定出它們的水準 決定干擾因子並定出它們的水準，必要的 話，可以進行干擾實驗 田口方法步驟 (2/2) 選定適當的直交表，並安排完整的實驗計 劃 執行實驗，記錄實驗數據 資料分析 確認實驗 若有必要，可以重覆以上步驟，直到達到 最佳的品質及性能為止 以實驗的方法來決定設計參數 試誤法 (trial-and-error) 一次一因子實驗法 (one-factor-at-a-time experiments) 全因子實驗法 (full-factorial experiments) 田口式直交表實驗法 (Taguchis orthogonal arrays) 試誤法 Trial-and-error 無需任何資料分析 不是一種有系統性的方法，太過依賴個人 經驗 有時候很有效率，但大部份的時候是沒有 效率的 所累積的經驗常常是沒有系統的 一次一因子實驗法 A1 B1 C2 D1 E1 F2 G1 一次一因子實驗法 因子效應是在特定的條件下的計算值 換句話說，因子效應是在某種偏見（bias） 下評估出來的 直交表的使用，可以消除這種偏見 全因子實驗法 考慮所有可能的因子排列組合 沒有效率，需要太多組實驗 前例中有七個因子，每個因子有兩個變動 水準，共需要128（27）組實驗 直交表 Orthogonal Arrays 每一行都是自我平衡的 (self-balanced) 即每一行中各水準出現的頻率是相同的 每兩行間都是互相平衡的 (mutual- balanced) 即在某一行中，出現某水準的所有實驗組，在 另外一行中，出現各水準的頻率是相同的 有這兩個特性的實驗計劃表稱為直交表 (orthogonal arrays) 全因子實驗法 Full-factorial Experiments 因子反應表與因子反應圖 A1 B1 C2 D1 全因子實驗法 Full-factorial Experiments 因為實驗已經考慮到所有可能的排列組合 ，事實上可以不需做因子反應分析，而直 接從實驗組中挑出一組最佳設計 但是一般田口式直交表所預測的最佳設計 組合通常並不在實驗組中 田口式直交表 La(bc) La(bc de) 直交表 二水準的直交表 L4(23)、L8(27)、L12(211)、L16(215)、L32(231) 三水準的直交表 L9(34)、L18(2137)、L27(313)、 L36(211312)、 L36(23313)、L54(21325) 四水準的直交表 L16(45)、L32(2149) 五水準的直交表 L25(56)、L50(21511) L18(2137) 直交表 L8(27)田口式直交表 因子反應表與因子反應圖 Response Table & Response Graph A2 B1 C1 D1 E2 F2 G1 最佳設計 Optimal Design 假設每一個因子的效應是獨立的 或者我們說任何兩個因子間沒有交互作用 (interaction) 因此因子效應是可以疊加的 (additive) 預測 Prediction 確認實驗 Confirmation Experiments 要確認預測值的正確性唯一的方法是去做 確認實驗 若實驗值和預測值夠接近，則我們可以認 定假設是合理的因子效應是可疊加的 ，因子之間的交互作用是可忽略的，甚至 我們可以認為因子效應的估計大致上是可 靠的 田口博士的品質定義 產品在它的生命周期內，整個社會對它所 付出的總代價 此總代價稱之為品質損失 (quality loss) 越少的品質損失代表越高的品質 品質損失 消費者購買產品時支付的費用, 這包括了製 造商的成本 產品對消費者造成的不便 產品對環境的侵害 維修或更換費用 消費者會把對品質損失的滿意度反應在市 場上品質差的產品或廠牌會漸漸失去 市場, 於是品質差的製造商最終還是要自食 品質損失的後果 消費者是品質的最終決定者 下列對產品的描述可以視同義的 品質很高 社會對它所付出的代價很小 品質損失很小 消費者滿意度很高 消費者不滿意度很低 當品質特性與消費者的期待值 (目標值)一致 時, 消費者的不滿意度是最低的 (品質損失 是最小的) 當品質特性開始偏離目標值時, 消費者的不 滿意度也開始提高品質損失開始增加 品質損失函數 田口博士假設: 當產品的品質特性y開始偏 離目標值m時, 品質損失L是以二次曲線的速 度增加 （5.1） 品質損失函數示意圖 望小品質特性 望大品質特性 （5.5） 整批產品的品質損失 （5.6） 均方偏差 MSD mean square deviation （5.7） （5.8） 望小品質特性 望大品質特性 Summary （5.11） （5.12） （5.13） （5.14） 望目特性 望小特性 望大特性 S/N比 平均品質損失可以直接做為一批產品的品 質指標 田口博士將平均品質損失排除係數k後, 以 對數轉換、乘以10、並取反號, 並將它們稱 為S/N比, 做為品質的同義字 （5.15） 產品或製造系統之輸入輸出示意圖 干擾因子的分類 穩健品質設計 Robust Quality Design 決定控制因子的值, 使得品質特性達到理想 的機能, 且讓干擾所造成的品質特性變異減 至最小 穩健品質設計的原理 如何讓干擾所造成的品質特性變異減至最 小? 利用品質特性與控制因子間的非線性關係 去降低內部干擾因子的影響 利用干擾因子與控制因子間的交互作用去 降低外部干擾因子或量測干擾因子的影響 非線性的控制因子與品質特性關係 線性的控制因子與品質特性關係 調整因子 Adjustment Factors 調整因子的變動只會影響品質特性本身的 大小而不會影響品質特性變異的大小 調整因子與品質特性之間必然是線性關係 三種常用的干擾策略 隨機試驗 內直交表 干擾試驗 隨機實驗: 塑膠射出成型品融合強度實例 外直交表與內直交表的因子配置例子 干擾實驗 進行一系列的干擾實驗，將許多干擾因子 複合（compound）成單一個干擾因子，如 煞車系統設計實例中的N因子 N1 = 60F墊片溫度，潮濕的環境，及80%墊片磨耗 N2 = 360F墊片溫度，乾燥的環境，及10%墊片磨耗 複合干擾因子的觀念示意圖 複合干擾因子 N1是所有干擾因子使品質特性傾向降低的 組合 N2是所有干擾因子使品質特性傾向增加的 組合 故意讓黑線條左右兩部份越遠離越好，因 為如果能對此複合干擾因子N足夠穩健，則 必定也能對任何其他干擾足夠穩健 干擾實驗中干擾因子的反應圖例子 N1（使品質特性傾向降低）= a2 b1 c2 d1 N2（使品質特性傾向增加）= a1 b2 c1 d2 選擇品質特性以降低交互作用 最好是連續實數函數 最好是各控制因子的單調函數(monotonic functions) 最好是與能量轉換有關 適當及不適當的品質特性例子 磁磚製程設計中各組實驗的S/N比 重要性測試: 一半準則 將大約一半的控制因子視為重要因子, 另一 半視為不重要因子 磁磚製程設計實例中因子對S/N比的反 應表及反應圖 磁磚製程設計實例中因子對品質特性的 反應表及反應圖 磁磚製程設計實例中控制因子的分類 兩階段最佳化 先調整那些對S/N有影響的因子, 使得S/N變 得最大 再調整那些對品質特性有影響但對S/N沒有 影響的因子, 使得品質特性的平均值移至目 標值但變異維持不變 兩階段最佳化示意圖 Two-Step Optimization 第一階段最佳化 第二階段最佳化 A1 B？ C3 D3 E1 F？ G？ H2 A1 (B) C3 D3 E1 F2 G？ H2 降低成本 A1 (B) C3 D3 E1 F2 G3 H2 預測 (Prediction) 預測最佳S/N = 41.3 + (43.1 - 41.3) + (42.5 - 41.3) + (42.7 - 41.3) + (44.5 - 41.3) + (42.8 - 41.3) = 41.3 + 1.8 + 1.2 + 1.4 + 3.2 + 1.5 = 50.4 預測原始S/N = 41.3 + (39.5 - 41.3) + (41.0 - 41.3) + (40.9 - 41.3) + (40.1 - 41.3) + (42.8 - 41.3) = 41.3 - 1.8 - 0.3 - 0.4 - 1.2 + 1.5 = 39.1 磁磚製程設計確認實驗與預測值的比較 效益分析 田口方法以工