田口方法-质量工程学PPT课件

《田口方法-质量工程学PPT课件》由会员分享，可在线阅读，更多相关《田口方法-质量工程学PPT课件（67页珍藏版）》请在金锄头文库上搜索。

1、田口方法,田口(Taguchi)参数设计,目标: 了解Taguchi参数设计方法、掌握如何在具体实践中应用 主要内容: Sony的故事 田口设计有关概念 田口设计的步骤,SONY电视机 70年代的故事,电视机的性能指标之一： 电视机的彩色浓度：y 目标值：m，允许偏差为5 公差范围：m-5,m+5 由此判定该机的彩色浓度合格， 否则判为不合格 两地的产品都是合格产品 70年代末美国消费者更愿意购买日产SONY 为什么出现此种差异？,日本制造,美国制造,SONY电视机 70年代的故事,日本制造,美国制造,全部合格,0.3%不合格,但美国的家庭更喜欢日本制造的电视机？,顾客为什么喜欢日产SONY？

2、,1、优良品比率高 2、在向目标值m靠近的同时，方差减小 3、关注信号、减少噪音 此时如何设计？,田口（Taguchi）方法是什么?,田口方法在技术上被称作 “质量工程学” 田口认为产品质量就是该产品给用户带来的损失，损失愈小，质量愈高,田口（Taguchi）方法的基本思想,设质量指标为y，目标值为m，则用户损失即产品质量度量为,高质量的产品应该使偏离 和标准差 都小。,田口方法的两种形式,离线 田口方法 (上游),田口方法,在线 田口方法 (下游),参数设计 公差设计,反馈控制,前馈控制,硬件,软件,产品/流程优化,流程控制,田口产品设计的三个阶段,1、系统设计 对产品进行整体的系统和整个结

3、构的设计， 主要由专业技术人员完成。 2、参数设计 决定系统中各参数的选择，使产品的性能就既能达到目标 值，又使它在各种条件下波动小，稳定性好。 3、公差设计 要使产品性能接近目标值，元件的公差应是多少为宜。,参数设计,寻找稳定性区域 确定不受噪音影响的优化参数设置 确定参数的重要性 设计寻求避免噪音“影响” 而非 “控制” 噪音本身 寻找信噪比较小的地段，而非减小噪音,参数设计的益处,克服缺乏产品品质稳定性衡量指标的缺点 确定影响品质稳定性的关键参数，制定优化参数的战略 不增加成本的情况下提高品质稳定性,公差设计,对公差、原料和部件等参数的合理操作 一般在参数设计完毕以后进行 确定何种公差应

4、该严格控制、何种应该适当宽松 权衡质量和成本,参数设计和公差设计的比较,在参数设计中: 优化无需增加成本支出 在公差设计中: 优化经常需要增加成本支出,参数设计模型,1、建模策略 过程输入变量有两类：可控因子、噪声因子； 选择可控因子水平组合来减少系统对噪声变化的敏感性，从而 减少系统的波动； 可控因子的设置按照响应变量目标优化的望目、望大、望小特性 选出最佳设置。,2、噪声因子分析,环境 (制造商/用户/温度),恶化 老化,部件间差异 (加工),噪音 = 偏差度 噪音因子 :引发系统差异的因子，我们既无法控制，或因为成本过高不去控制,设计内表 根据可控因子的个数和水平数，选择合适的 正交表，

5、称为内表；（一般不考虑交互作用） 设计外表 根据躁声因子的个数和水平数选择合适的正 交表，称为外表； 由内、外表结合确定试验组合，进行试验并记录试验结果；,3、内外表设计,内表,外表,内、外表结合例（ 内表 L18（2X37）,内、外表结合例（ 内表 ),内表,外表,（2） 越小越好（望小） 磨损 收缩 变质,（1）指定目标值（望目） 尺寸 间隙 粘度,（3） 越大越好（望大） 强度 生命 燃料功效,（4） 分类特征 外观 味道 好/坏 级别 A/B/C/D,4、响应变量目标设置形式,5、信躁比计算 望目特性：,其中：,（ 注：信躁比越大则波动越小 ）,望小特性：,望大特性：,由数据（信躁比）

6、的方差分析确定关于S/N的显著因子和优化的因子水平组合。,信躁比计算,确定项目范围 确定因变量 制定噪音控制战略 确定可控因子及其水平 进行实验/模拟并搜集数据 进行数据分析以实现优化 进行确认 实施并记录结果,参数设计的8个步骤,试验设计 试验分析,步骤 1: 确定项目范围 步骤 2: 确定因变量,系统: 多功能离合器系统 因变量: y = 扭矩 (目标值40),该离合器系统是一个多功能整合系统，为了使这个离合器系统正常工作，扭矩必须保持稳定。,参数设计范例（望目）,步骤 3: 制定噪音表（或称外设计或外表） 1、乘积法：对于控制表中的每个因子都完成一个噪声表的运行，试验次数最多。 2、综合

7、误差法：在噪声表中选择少数几点能使误差达到最大的最具代表性的试验结果作为全部试验误差的代表，大大节省试验次数。 3、最不利综合误差法：在噪声表中只选择2点最不利情况（一个正偏最大，一个负偏最大）作为全部试验误差的代表，试验次数更少。,参数设计,步骤 4: 确定可控因子及其水平,参数设计,实验设计方案,控制因子从 AH在 L18 中列出（内表) 噪声因子根据每个L18 设置而不同 (外表) y = 扭矩 (因变量) StatDOETaguchiCreate Taguchi Design,内表,外表,因变量 y = 扭矩,前提是：所有的交互作用均忽略，如AB交互较大，则将A定为常值，观察B 的影响

8、大小,L18的正交阵列表,正交性,正交性：均衡分散、整齐可比,计算 A1, A2, B1, B2, B3, C1, 等 （以此类推）与其他因子的不同水平组合的上复制数量, 确定它们是平衡的.,步骤 5: 进行实验并搜集数据,对于每一种 L18组合, 在低温和高温两种情况下测出 y = 扭矩。同样测出老化前和老化后的y值。所以每个L18组合都有4组测试值。,参数设计,步骤 6: 进行数据分析 (S/N 计算),对于每个 L18组合，我们都可以从外层表格中获得一系列的数据。因为我们的兴趣在于降低由噪音造成的差异, 所以计算出每组L18 数据的S/N 值。L18 的第一组数据的S/N 值计算方法如下

9、例所示： StatDOETaguchiAnalyze Taguchi DesignOption Nominal is Best,数据: 42, 40, 33, 23 (n= # Data = 4),参数设计,34.5,8.58,12.1,StatDOETaguchiAnalyse Taguchi DesignStorage Mean, S/N, Std Dev,参数设计,S/N 通过计算偏离平均值的差异率（%）来测量 “偏差程度” s 通过计算偏离平均值的绝对值来测量“偏差程度” 在评估和能量有关的功能“偏差程度”时，最好采用 S/N S/N 增加 20 dB 相当于将偏差程度降低了10倍 S

10、/N 增加 6 dB 相当于将偏差程度减半,平均值,s,S/N,A1,9,10,11,10.0,1.0,20.0,A2,90,100,110,100.0,10.0,20.0,A3,99,100,101,100.0,1.0,40.0,A4,900,1000,1100,1000.0,100.0,20.0,A5,990,1000,1010,1000.0,10.0,40.0,A6,999,1000,1001,1000.0,1.0,60.0,A7,9.9,10.0,10.1,10.0,0.1,40.0,A8,99.9,100.0,100.1,100.0,0.1,60.0,A9,999.9,1000.0,

11、1000.1,1000.0,0.1,80.0,数据,实例:,参数设计,StatDOEAnalyse Taguchi Design Terms-AH StatDOEAnalyse Taguchi DesignAnalysis Mean, S/N StatDOEAnalyse Taguchi DesignGraphs Mean, S/N,参数设计 因变量数据表,平均值 (In-lbs),20.0,22.0,24.0,26.0,28.0,30.0,32.0,34.0,36.0,A1,A2,B1,B2,B3,C1,C2,C3,D1,D2,D3,E1,E2,E3,F1,F2,F3,G1,G2,G3,H1

12、,H2,H3,参数设计 因变量效应图,参数设计 指定最佳值优化的两个步骤,两步优化 步骤-1: 降低差异性 - 根据最高选择S/N值，选定控制因子标准 步骤-2: 调整平均值 - 使用能够调整平均值但又不影响差异性 的控制因子,步骤 -1: 降低差异性,使用类似 D的控制因子,步骤 -2: 调整平均值（目标值为 40）,通过累加法来预测,S/N预测 StatDOETaguchiPredict Taguchi Resultsmean, S/NLevelcoded unit StatDOETaguchiPredict Taguchi Resultsmean, S/NLevelSelect leve

13、ls from list,平均值预测,S/N,平均值,初始设计,9.4,28.7,最佳设计,25.4,47.5,成果,16.0,-,预计差异性可降低16.0 Db， 相当于将差异范围缩小了80%.,25.4dB,9.4dB,47.5,28.7,步骤 7: 进行确认实验,T1,T2,T1,T2,Sigma,平均值,S/N,初始,32,29,21,15,7.719,24.25,9.9,最佳,42,40,38,35,2.986,38.75,22.3,N1 (New),N2 (Aged),预测,确认,S/N,平均值,S/N,平均值,标准差,初始设计,9.9,24.3,7.7,最佳设计,22.3,38.

14、8,3.0,提高,-,12.4,-,确认实验的结果,确定有12.4 dB 的提高 !,参数设计,9.4,28.7,25.4,47.5,16.0,-,步骤 8: 记录和实施,Confirmation with # Sample =33,参数设计,参数设计范例 -越小越好（望小） 优化钛合金磨削工艺参数，降低表面粗糙度,钛合金被誉为“未来的钢铁”，目前已广泛应用于航空、航天、造船、化工等工业部门。但是，钛合金的导热系数小、黏附性强、抗氧化能力低，致使磨削性能极差。即使采用特制的砂轮磨削钛合金，其表面粗糙度也只能达到Ra0.6（微米）。 为了进一步降低表面粗糙度，请用稳健参数设计的方法优化钛合金的磨

15、削工艺参数。,步骤1: 确定项目范围/重点,优化钛合金磨削工艺参数，将表面粗糙度降至0.2 m以下。,步骤2：确定需要衡量的因变量 表面粗糙度y，望小特性,步骤3: 确定综合误差因子及其水平,本例质量特性表面粗糙度y是不可计算的，只能通过试验测出其值。为了减少试验次数，外设计采用最不利综合误差因子法。 对于望小特性，综合误差因子N取如下两种水平： N1：标准条件 N2: 正侧最坏条件,步骤4: 建立可控因子和水平,选用三水平正交表进行9次试验。,步骤5: 进行实验 - 收集数据,钛合金磨削工艺实验结果数据表,步骤6: 进行数据分析-因变量数据,信噪比用如下公式进行计算：,一旦计算出信噪比，就可以完成因变量表，然后进行分析。,步骤6: 进行数据分析 因变量效应图,均值主效应图,因变量图以图表形式来展示每个因子对表面粗糙度的主要影响。 最佳搭配选 A2 B1 C1 D3,信噪比主效应图,步骤6: 进行数据分析 - 预测,步骤7: 进行确认试验,按工艺参数A2 B1 C1 D3作5次验证实验，测得其表面粗糙度为： 0.138 ,0.139 ,0.159, 0.145, 0.166