补充资料-田口方法(第一部分)VIP

田口试验设计(TaguchiMethod),1,Catalogue,Unit-1.田口质量工程简介Unit-2.质量损失函数Unit-3.直交表Unit-4.参数设计Unit-5.静态设计及Minitab操作Unit-6.动态设计及Minitab操作,2,Unit-1:田口质量工程简介,3,质量工程发展史：二次战后，日本进行战后复建时，面临高质量原料、生产设备和有技术之工程师等严重短缺的问题。在此恶劣条件下，生产高质量产品与不断改善质量便成为一项具有挑战且急需解决的问题。1947年，日本为了解决通信质量低落的问题，成立电器通信实验室(ElectronicCommunicationLaboratory)，初期规模与预算不如美国贝尔实验室。在资源不足、缺少高质量机台下，只有靠着调整机台参数设定来提升交换机生产的质量。在1949年，田口玄一（Genichi.Taguchi）博士于日本电信实验室工作时，发现传统实验设计方法在实务上并不适用，逐渐发展了质量工程的基本原理。利用此方法，生产了高质量的交换机。田口所发展的是一透过实验进行系统参数最佳化设计的方法，重视实际的应用性，而非以困难的统计为依归，田口方法是用来改善质量的工程方法，在日本称之为质量工程（qualityengineering）。田口方法自发明至今，已受到全世界（工业界与学术界）的肯定与尊崇。,Unit-1:田口质量工程简介,4,基本概念：稳健设计（robustdesign）是透过工程最佳化的方式来进行质量改善的方法，所谓稳健是指所设计产品质量受到周围环境影响的敏感度为最小。田口方法（Taguchimethods），就是一种稳健设计的实验方法。品管活动可分为在线（on-line）品管与线外（off-line）品管两类，田口对于在线和线外品管都有其独特看法，但以后者最为有名因此质量工程就是指线外品管而言。,Unit-1:田口质量工程简介,5,基本概念：田口方法是要降低变异原因的影响，而不是去除变异的原因，来改善质量；田口方法将各种变异极小化，使得产品对变异的来源最不敏感。Ex：m代表电视机彩色密度目标值，而m5是可容忍的制程偏差。日本厂的产品质量特性呈一个近似常态分配，平均值在目标值上。美国厂的产品质量特性则呈一个近似在m5内之均匀分配。日本厂产品大部分集中在目标值附近，亦即靠近m（变异较小，性能较佳）的产品，美国厂产品远离m（变异较大，性能较差），超出产品规格机会较大。,Unit-1:田口质量工程简介,6,产品/制程之参数：对任一个产品或制程，我们可以绘出参数图，如图3所示，其中y表示所欲探讨的质量特性或回应值（response）。影响y的参数可以分为信号因子（M）、控制因子（Z）和杂音因子（X）三类。,Unit-1:田口质量工程简介,7,产品/制程之参数：信号因子（signalfactor）由设计工程师依据所开发产品的工程知识来选择，以表达所想的回应值。当y的目标值改变时，我们可调整信号因子，使y的平均值与目标值一致。例如：1.电风扇转速设定是一信号因子，藉由转速的设定可改变风量的大小。2.射出成型时，藉由压力的增加，可使产品的尺寸更接近模具尺寸。3.汽车方向盘的转向角度，可以指示汽车的回转半径。通常信号因子与回应值间具有输入与输出的关系，譬如汽车驾驶时踩油门的大小会影响汽车速度的快慢。控制因子（controlfactor):系其水平可由设计人员掌握且决定的。事实上，设计人员必须决定控制因子的水平，使y的损失最小。例如：在一复晶硅沉积过程中，质量特性为芯片表面缺陷数，而影响此一品质特性的控制因子有沉积温度、沉积压力、氮流量和硅流量等。设计人员可指定需要的设定值，譬如沉积温度为100或200（亦或300）。通常认为控制因子水平改变时，并不会造成制造成本增加。杂音因子（noisefactor）：设计人员所无法控制的参数称为杂音因子（noisefactor）。杂音因子的水平会随环境而变化，因此无法确知某特定情况下的杂音因子值。例如：路面的干溼会影响汽车的煞车距离，但是，路面的干溼是无法控制的，所以路面的干溼是杂音因子。通常仅掌握杂音因子的一些特性，如平均值和变异数。杂音因子会影响回应值y偏离目标值而带来损失。凡是参数的水平不容易控制或必须花费高成本来控制的参数，皆可视为杂音因子。,Unit-1:田口质量工程简介,8,田口质量工程学：质量工程主要讨论的范畴为线外品管活动，即如何降低杂音因子对产品质量特性的干扰影响。田口进一步将线外质量管制分成系统设计、参数设计与允差设计等三个阶段。,Unit-1:田口质量工程简介,9,田口质量工程学：系统设计（systemdesign）：又称为概念设计（conceptdesign）主要是检视各种可能达成想要的机能的系统或技术，然后选择一个最适当的。例如：选定系统所需之材料、零件，或选择一个合适的电路图或适当的制造程序是这类活动的例子。参数设计（parameterdesign）：决定系统设计参数的水平。在这阶段中，主要是要最佳化系统设计，利用实验以确定控制因子水平的组合，使系统对杂音因子的敏感度为最低，而提升系统的稳健性。允差设计（tolerancedesign）：利用成本与质量的平衡方法来考虑允差设计。允差设计阶段主要是要调整公差范围以最佳化设计参数。当产品的质量未能满足顾客要求，我们需增加制造成本以降低产品的变异，减少质量损失。例如我们可以依照零件或材料的成本效益顺序，选择一些因子来调整公差，以降低变异提高质量。,Unit-1:田口质量工程简介,10,田口质量工程学：参数设计是一套希望找出一组控制因子的处理组合，使得制程或产品对于外界的环境的敏感度为最低，即此产品的稳定性最高、变异最小、损失最小（成本最小）。在实际的产品中，为了要能保持平均值靠近目标值，首先必须降低绩效的变异。一旦影响变异的最佳控制因子决定之后，我们就可以集中精神于调整平均值至目标值上，以满足顾客对产品的期望，这个过程称为两阶段最佳化过程。,Unit-1:田口质量工程简介,11,Unit-2:质量损失函数,12,质量损失：当产品质量不良时，将为生产者带来损失。质量是指产品出厂后所带给社会的损失，但不包括机能本身所引起的损失。田口博士认为，一产品的质量为该产品因未能充分发挥其原有的机能而产生的损失，而因机能本身所发生的损失除外。质量特性有以下三种类型：望小品质函数：使目标逼近于0，如周期时间，不良率，成本；望大质量函数：使目标持续提高,如参量、利润、强度;望目质量函数。以小的变异取得目标值,如产品尺寸，电源电压，焊接温度;非对称型望目质量函数:同望目型,Unit-2:质量损失函数,13,质量损失：望小品质损失函数,Unit-2:质量损失函数,14,质量损失：望小品质损失函数,Unit-2:质量损失函数,15,质量损失：望大质量损失函数,Unit-2:质量损失函数,16,质量损失：望大质量损失函数,Unit-2:质量损失函数,17,质量损失：望目质量损失函数,Unit-2:质量损失函数,18,质量损失：望目质量损失函数,Unit-2:质量损失函数,19,质量损失：望目质量损失函数,Unit-2:质量损失函数,20,质量损失：非对称型望目质量损失函数,Unit-2:质量损失函数,21,质量损失：非对称型望目质量损失函数,Unit-2:质量损失函数,22,Unit-3:直交表设计,23,全因子试验与直交表：若在进行实验设计时，考虑到所有可能的因子水平组合，此称作全因子实验。在全因子设计中，当因子数目增加时，实验次数会随之增加；而部分因子设计则会增加实验方法的复杂性。田口方法利用直交表（OrthogonalArray；OA）来收集资料，能让我们以较少的实验而获得更可靠的因子效果估计量。利用直交表进行实验是稳健设计的一个重要技巧。,Unit-3:直交表设计,24,直交试验表结构：,Unit-3:直交表设计,该表为7因素，2水平，运行8次的正交试验表，具有以下特点：1、有8个行，表示8种试验运行的不同因素水平组合。2、有7个列，表示最多可允许有7个因素。3、表中心的“1”、“2”表示各因素的两种水平。4、每个因素的每个水平各出现4次，出现机会完全均等。5、表中任意两列间的组合数字各出现2次，其搭配是均衡的。,25,直交试验表的性质：1、整齐可比性：在同一张正交表上，每个因素的每个水平出现的次数是完全相同的。由于试验中各因素的各水平参与试验的频率相同的，这保证了各水平在试验时最大程度排除了其它因素水平的干扰，有利于找到最好的试验条件。2、均衡分散性：在同一正交试验表中，任意两列的水平配对是完全相同的，这使试验具有很强的代表性。很容易找出较好的试验条件，下图表示了3因素2水平的均衡分散性。,Unit-3:直交表设计,26,直交试验表的性质：正交试验只选其中的4个角代替全面试验的8个角，如下图黑点所示。,Unit-3:直交表设计,PS:正方体的6个面上每个面都被选中2个角，12条边上每条边都有1个点，虽只选了8个角中的4个，但对AB、AC、BC任意2个因素而言均为全面试验。因此此4点有很强的代表性。假定所要找的最优搭配不在正交试验的4个点中，如111，如会通过与该点相邻的较优搭配表现出来，而此三点都是试验中的点，（112，221，121），通过这3个点可很容易就找到最优点。其具有较高效率；,全因子,田口直交,PS:全因子试验，各点全部选择，共需进行8次试验,效率较差。,27,直交表的选择：,Unit-3:直交表设计,28,交互作用,Unit-3:直交表设计,29,交互作用,Unit-3:直交表设计,30,点线图,Unit-3:直交表设计,31,Unit-4:参数设计,32,参数设计主要目的是要决定产品或制程的参数设定值，使对杂音变量的敏感性最小。田口认为不同参数水平组合，产品的质量特性平均值与变异数均不同。藉由参数设计，可找出一组最佳参数水平组合，使平均值与目标值一致，且变异最小。田口方法利用直交表来收集资料，能让我们以较少的实验而获得更可靠的因子效果估计量。利用直交表进行实验是稳健设计的一个重要技巧。参数设计实验是由外侧直交表和内侧直交表所构成，透过直交表来配置各因子的水平组合，以进行实验,Unit-4:参数设计,33,L8直交表示例:,Unit-4:参数设计,34,讯号杂音比(S/N):设产品质量特性Y在多个输入变量的作用下为随机变量。其数学期望为，方差为2，我们希望越接近目标越好，2越小越好。变异系数Y=/，它表示实际值偏离目标值的程度，用=2/2来表示产品质量特性的稳定性，越大，则产品质量波动越小，如将2值看作信号，把2值看作噪声因素，称为信噪比，实际使用时会将转化为分贝值（d）。即=10lg=S/N取对数后的值比较接近正态分布，便于分析,Unit-4:参数设计,35,田口静态设计和动态设计的差异:静态设计是是通过试验和分析找出信噪比最高的因素水平设置以使输出变量变差最小，即对噪声因素不敏感，静态设计的指标（输出变量）目标的值一般为固定值,即质量特性为固定目标;动态设计是指质量特性为可变的目标值,它受信号因子的影响;动态设计是通过增加信号因素来优化输出变量与信号因素间的关系从而使输出变量对噪声因素不敏感，但对输入信号达到最大的敏感度两者设计的差异在于是否有信号因子存在,亦即研究对象的设计目标不只一个，如在汽车刹车设计中，质量特性为制动力,但刹车易受环境温度的影响，例如高温(55度)、常温(25度)、低温(-5度).研究者在开发设计阶段必须考虑环境温度的影响而设为信号影子.,Unit-4:参数设计,36,参数设计程序：步骤1.了解问题：(1)定义系统目标范围：包含定义系统的目标、系统或子系统（subsystem）的范围、选择项目负责人及其成员、发展项目运作策略。(2)选择回应值：此步骤主要是确认主要功能、副作用和失效型态，建立想要达成的结果，选择回应值或理想机能（理想机能为信号因子与质量特性的理想关系式）及决定量测的方式。步骤2.选择因子和水平(1)发展信号因子和杂音策略：决定信号因子的范围、重要的杂音因子及其水平、发展杂音策略。(2)辨认控制因子及其水平：辨认所有的控制因子、选择重要的控制因子及其水平。步骤3.选择适用之直交表选定适用之直交表并指派控制因子至直交表中。步骤4.准备及执行实验，收集数据：准备规划实验，并执行实验，收集数据。步骤5.根据质量特性计算直交表中每一次实验的SN比与y。步骤6.完成并解释各因子对于SN比与y的效果图，执行二阶段最佳化程序。步骤7.决定控制因子的最佳水平组合，并预估其SN比和y。步骤8.执行确认实验：田口建议要进行确认实验，如果确认实验结果与预估的结果不吻合（或不满意），那么表示实验的过程失败，必须重新规划实验。步骤9.结论与建议：当确认实验成功，将控制因子的最佳水平组合纳入系统中执行。,Unit-4:参数设计,37,参数设计流程：,Unit-4:参数设计,38,常见试验类型说明-1：无交互作用2.Material*Diameter的P值TaguchiPredictTaguchiResults取消Standarddeviation及Naturallogofstandarddeviation勾选点选Terms按钮,确认因子(A,B,C,D)及交互作用(A*B)皆在SelectedTerms栏位中,Unit-5:田口试验设计-静态型设计及Minitab操作,72,Step11:预测结果在PredictTaguchiResults对话框中点选Levels按钮在Methodofspecifyingnewfactorlevels下选择Selectlevelsfromalist,并将因子最佳水平组合输入表中选择的最佳因子组合预测S/N比为53.68及Mean值(球的平均飞行距离)约为276码,接下来,以此组合再作一次实验去验证与预测结果之正确性,预测结果:1.SN的最大值为53.68442.Mean：Mean值(球的平均飞行距离)约为276码3.此时各因素的设置水平为FactorLevelCoreMaterialLiquidDiameter118Dimples392Thickness0.06,Unit-5:田口试验设计-静态型设计及Minitab操作,73,Unit-5:田口试验设计-静态型设计及Minitab操作,Step12:试验结论:B因素-Diameter对S/N的影响最大;各因素的交互作用不明显;对S/N影响最大的各因素组合:FactorLevelCoreMaterialLiquidDiameter118Dimples392Thickness0.06用对S/N影响最大的各因素组合得到的预测值为:信噪比SN为53.6844最大预测输出变量为:276.262输出变量标准偏差为8.75,74,Unit-6:田口试验设计-动态型设计及Minitab操作,75,Unit-5:田口试验设计-动态型设计及Minitab操作,试验说明：若要试着增加量测系统的稳健性,量测系统属于动态的,因输入信号的改变会影响输出的结果,如果被测量的值(信号因子)与量测的反应结果(系统输出)之间是1:1关系,这个量测系统即是完美的控制因子*3个,2水平信号因子:1.2525250干扰因子*2Step1:因子数及水平数之决定开启功能选单StatDOETaguchiCreateTaguchiDesign勾选2水平设计及因子数,76,Step2:实验次数选定点选按钮(直交表类型)决定L8直交表，并勾选添加动态特性信号因子选项,Unit-5:田口试验设计-动态型设计及Minitab操作,77,Step3:因子及水平Data输入点选按钮依照各因子名称及水平Data输入视窗表中,Unit-5:田口试验设计-动态型设计及Minitab操作,78,Step4:田口直交表及实验结果输入将直交表中C5及C6栏位分别输入干扰因子Noise1及Noise2名称,实验结果Key-in至表中,Unit-5:田口试验设计-动态型设计及Minitab操作,79,Step5:实验结果分析(选项设定)在功能表选择StatDOETaguchiAnalyzeTaguchiDesign将C5(Noise1)及C6(Noise2)移至Responsedataarein栏位中,Unit-5:田口试验设计-动态型设计及Minitab操作,80,Step5:实验结果分析(选项设定)点选按钮勾选Standarddeviations及Displayscatterplotswithfittedlines选项点选按钮在Displayresponsetablesfor及Fitlinearmodelfor选项中勾选Standarddeviations,Unit-5:田口试验设计-动态型设计及Minitab操作,81,Step6:实验结果分析-S/N值之视窗分析表及图形分析,PS:1.数据输出分析V.SMainEffectPlot-Sensor的P值小于0.05，因此为显著因子;-R-Sq值大于70%,且与R-Sq(adj)值相接近,故模型可信赖；-S/N比以Sensor最大,为极显著因子,其水平1又较水平2之效果好2.ResidualPlot:-数据分步呈正态，制程稳定;-残差点分步随机，无异常点出现.,Unit-5:田口试验设计-动态型设计及Minitab操作,82,Step7:实验结果分析-Slope值之视窗分析表及图形分析,PS:1.数据输出分析V.SMainEffectPlot-所有因子的P值均大于0.05，但Sensor接近于0.05;-Slope比以Sensor对其影响为最大,2.ResidualPlot:-数据分步呈正态，制程稳定;-残差点分步随机，无异常点出现.,Unit-5:田口试验设计-动态型设计及Minitab操作,83,Step8:实验结果分析-StDevs值之视窗分析表及图形分析,PS:1.数据输出分析V.SMainEffectPlot-Sensor的P值小于0.05，因此为显著因子;-R-Sq值大于70%,且与R-Sq(adj)值相接近,故模型可信赖；-标准差以Sensor对其影响最大2.ResidualPlot:-数据分步呈正态，制程稳定;-残差点分步随机，无异常点出现.,Unit-5:田口试验设计-动态型设计及Minitab操作,84,Step9:实验结果分析-散布图分析,PS:1.所有的拟合线均为直线;2.所有点均在Fitlines上，模型拟合良好;3.所有数据的分布随着信号因子的水平而增长;,Unit-5:田口试验设计-动态型设计及Minitab操作,85,Step10:最