田口方法的基本步驟(ppt 69頁).ppt

1、田口方法簡介,張明毅 宜蘭大學(xué)生機系 2003.10.24,田口式品質(zhì)工程,田口玄一博士於1950年代所開發(fā)倡導(dǎo) 利用直交表實驗設(shè)計與變異數(shù)分析，以少量的實驗數(shù)據(jù)進行分析，有效提昇產(chǎn)品品質(zhì) 於1962年獲得品質(zhì)應(yīng)用戴明(Deming)獎 1980年代後，美國ATT、Ford、Xerox、Motorola、Kodak等公司陸續(xù)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(shù)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(zhì)損失函數(shù)之品質(zhì)特

2、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(shè)計參數(shù) 為了減少實驗的次數(shù)，依控制因子及其水準(zhǔn)的數(shù)目選用適當(dāng)?shù)膶嶒炛苯槐?設(shè)計的目標(biāo)是尋求最佳的產(chǎn)品（或製程）機能（性能），並且維持此一機能的穩(wěn)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(zhì)特性 判定品質(zhì)特性之理想機能 列出所有影響此品質(zhì)特性的因子 定出信號因子的水準(zhǔn) 決定控制因子並定出它們的水準(zhǔn) 決定干擾因子並定出它們的水準(zhǔn)，必要的話，可以進行干擾實驗,田口方法步驟 (2/2),選定適當(dāng)?shù)闹苯槐?，並安排完整的實驗計劃 執(zhí)行實驗，記錄實驗數(shù)據(jù) 資料分析 確認(rèn)實驗

3、若有必要，可以重覆以上步驟，直到達到最佳的品質(zhì)及性能為止,以實驗的方法來決定設(shè)計參數(shù),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(tǒng)性的方法，太過依賴個人經(jīng)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(jīng)驗常常是沒有系統(tǒng)的,一次一因子實驗法,A1 B1 C2 D1 E1 F2 G1,

4、一次一因子實驗法,因子效應(yīng)是在特定的條件下的計算值 換句話說，因子效應(yīng)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(zhǔn)，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(zhǔn)出現(xiàn)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(xiàn)某水準(zhǔn)的所有實驗組，在另外一行中，出現(xiàn)各水準(zhǔn)的頻率是相同的 有這兩個特性的實驗計劃表稱為直交表 (orthogo

5、nal arrays),全因子實驗法Full-factorial Experiments,因子反應(yīng)表與因子反應(yīng)圖,A1 B1 C2 D1,全因子實驗法Full-factorial Experiments,因為實驗已經(jīng)考慮到所有可能的排列組合，事實上可以不需做因子反應(yīng)分析，而直接從實驗組中挑出一組最佳設(shè)計 但是一般田口式直交表所預(yù)測的最佳設(shè)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(zhǔn)的直交表 L4(23)、L8(27)、L12(211)、L16(215)、L32(231) 三水準(zhǔn)的直交表 L9(34)、L18(2137)、L27(313)、 L36(2

6、11312)、L36(23313)、L54(21325) 四水準(zhǔn)的直交表 L16(45)、L32(2149) 五水準(zhǔn)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(yīng)表與因子反應(yīng)圖Response Table & Response Graph,A2 B1 C1 D1 E2 F2 G1,最佳設(shè)計Optimal Design,假設(shè)每一個因子的效應(yīng)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(yīng)是可以疊加的 (additive),預(yù)測Prediction,確認(rèn)實驗 Confirmation Exper

7、iments,要確認(rèn)預(yù)測值的正確性唯一的方法是去做確認(rèn)實驗 若實驗值和預(yù)測值夠接近，則我們可以認(rèn)定假設(shè)是合理的因子效應(yīng)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(rèn)為因子效應(yīng)的估計大致上是可靠的,田口博士的品質(zhì)定義,產(chǎn)品在它的生命周期內(nèi)，整個社會對它所付出的總代價 此總代價稱之為品質(zhì)損失 (quality loss) 越少的品質(zhì)損失代表越高的品質(zhì),品質(zhì)損失,消費者購買產(chǎn)品時支付的費用, 這包括了製造商的成本 產(chǎn)品對消費者造成的不便 產(chǎn)品對環(huán)境的侵害 維修或更換費用,消費者會把對品質(zhì)損失的滿意度反應(yīng)在市場上品質(zhì)差的產(chǎn)品或廠牌會漸漸失去市場, 於是品質(zhì)差的製造商最終還是要自食品質(zhì)損失的後

8、果 消費者是品質(zhì)的最終決定者,下列對產(chǎn)品的描述可以視同義的,品質(zhì)很高 社會對它所付出的代價很小 品質(zhì)損失很小 消費者滿意度很高 消費者不滿意度很低,當(dāng)品質(zhì)特性與消費者的期待值 (目標(biāo)值)一致時, 消費者的不滿意度是最低的 (品質(zhì)損失是最小的) 當(dāng)品質(zhì)特性開始偏離目標(biāo)值時, 消費者的不滿意度也開始提高品質(zhì)損失開始增加,品質(zhì)損失函數(shù),田口博士假設(shè): 當(dāng)產(chǎn)品的品質(zhì)特性y開始偏離目標(biāo)值m時, 品質(zhì)損失L是以二次曲線的速度增加,（5.1）,品質(zhì)損失函數(shù)示意圖,望小品質(zhì)特性,望大品質(zhì)特性,（5.5）,整批產(chǎn)品的品質(zhì)損失,（5.6）,均方偏差 MSD mean square deviation,（5.7）,

9、（5.8）,望小品質(zhì)特性,望大品質(zhì)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(zhì)損失可以直接做為一批產(chǎn)品的品質(zhì)指標(biāo) 田口博士將平均品質(zhì)損失排除係數(shù)k後, 以對數(shù)轉(zhuǎn)換、乘以10、並取反號, 並將它們稱為S/N比, 做為品質(zhì)的同義字,（5.15）,產(chǎn)品或製造系統(tǒng)之輸入輸出示意圖,干擾因子的分類,穩(wěn)健品質(zhì)設(shè)計Robust Quality Design,決定控制因子的值, 使得品質(zhì)特性達到理想的機能, 且讓干擾所造成的品質(zhì)特性變異減至最小,穩(wěn)健品質(zhì)設(shè)計的原理,如何讓干擾所造成的品質(zhì)特性變異減至最小? 利用品質(zhì)特性與控制因子

10、間的非線性關(guān)係去降低內(nèi)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(zhì)特性關(guān)係,線性的控制因子與品質(zhì)特性關(guān)係,調(diào)整因子Adjustment Factors,調(diào)整因子的變動只會影響品質(zhì)特性本身的大小而不會影響品質(zhì)特性變異的大小 調(diào)整因子與品質(zhì)特性之間必然是線性關(guān)係,三種常用的干擾策略,隨機試驗 內(nèi)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(nèi)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(tǒng)設(shè)計實例中的N因子,N1 = 60F墊片溫度，潮

11、濕的環(huán)境，及80%墊片磨耗 N2 = 360F墊片溫度，乾燥的環(huán)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(zhì)特性傾向降低的組合 N2是所有干擾因子使品質(zhì)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(wěn)健，則必定也能對任何其他干擾足夠穩(wěn)健,干擾實驗中干擾因子的反應(yīng)圖例子,N1（使品質(zhì)特性傾向降低）= a2 b1 c2 d1 N2（使品質(zhì)特性傾向增加）= a1 b2 c1 d2,選擇品質(zhì)特性以降低交互作用,最好是連續(xù)實數(shù)函數(shù) 最好是各控制因子的單調(diào)函數(shù)(monotonic functions) 最好是與能量轉(zhuǎn)換有關(guān),

12、適當(dāng)及不適當(dāng)?shù)钠焚|(zhì)特性例子,磁磚製程設(shè)計中各組實驗的S/N比,重要性測試: 一半準(zhǔn)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(shè)計實例中因子對S/N比的反應(yīng)表及反應(yīng)圖,磁磚製程設(shè)計實例中因子對品質(zhì)特性的反應(yīng)表及反應(yīng)圖,磁磚製程設(shè)計實例中控制因子的分類,兩階段最佳化,先調(diào)整那些對S/N有影響的因子, 使得S/N變得最大 再調(diào)整那些對品質(zhì)特性有影響但對S/N沒有影響的因子, 使得品質(zhì)特性的平均值移至目標(biāo)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

13、) C3 D3 E1 F2 G？ H2,降低成本,A1 (B) C3 D3 E1 F2 G3 H2,預(yù)測 (Prediction),預(yù)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(yù)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