田口方法简介.ppt

田口方法简介.ppt

《田口方法简介.ppt》由会员分享，可在线阅读，更多相关《田口方法简介.ppt（69页珍藏版）》请在冰豆网上搜索。

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QualityEngineering、TaguchiMethod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-timeexperiments）全因子實驗法（full-factorialexperiments）田口式直交表實驗法（Taguchisorthogonalarrays）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A1B1C2D1E1F2G1一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OrthogonalArrays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（orthogonalarrays）全因子實驗法Full-factorialExperiments因子反應表與因子反應圖A1B1C2D1全因子實驗法Full-factorialExperiments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（bcde）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ResponseTable&ResponseGraphA2B1C1D1E2F2G1最佳設計OptimalDesign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ConfirmationExperiments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（qualityloss）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MSDmeansquaredeviation（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RobustQualityDesign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AdjustmentFactors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）=a2b1c2d1N2（使品質特性傾向增加）=a1b2c1d2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（monotonicfunctions）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-StepOptimization第一階段最佳化第二階段最佳化A1B？

C3D3E1F？

G？

H2A1（B）C3D3E1F2G？

H2降低成本A1（B）C3D3E1F2G3H2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程觀點看問題80屬工程範疇20屬於統計田口方法之髓品質是產品出廠後對社會造成的損失；損失愈小，品質愈高對干擾因子的不敏感性品質特性的選取田口方法之骨損失函數非線性關係的利用S/N比田口方法之皮直交表的使用沒有討論干擾因子仍是傳統實驗設計，並非田口方法