<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Steve Olsen, Ingegnere principale responsabile dell'affidabilità, Autoliv
Riassunto: L'idea alla base della Taguchi Robust Optimization è molto potente: dato il prodotto o il processo che stiamo cercando di ottimizzare, ci sono alcuni fattori che non possiamo controllare (o che sono difficili o costosi da controllare). I metodi di ottimizzazione robusta di Taguchi aiutano a trovare il punto debole del progetto che è più resistente alla variazione di questi fattori di rumore. I tradizionali metodi Taguchi di progettazione e analisi sperimentale, che risalgono a 50 anni fa, possono essere notevolmente migliorati utilizzando gli strumenti disponibili in JMP. Questo documento dimostrerà come utilizzare lo strumento Custom Design per creare array interni ed esterni più efficienti e flessibili per Taguchi DOE. Mostrerà come il Profiler può automatizzare il rapporto S/N e i grafici della media. Dimostreremo diversi metodi che utilizzano gli strumenti di analisi statistica di JMP per separare i segnali dalla variazione della causa comune: un passaggio importante che manca nel tradizionale metodo Taguchi. Infine, mostreremo come questi nuovi strumenti sono stati applicati a un problema specifico presso Autoliv e dimostreremo come hanno prodotto importanti informazioni non evidenti con la tradizionale analisi grafica del rapporto S/N.
Per il documento consultare il file .pdf allegato. Sono allegate anche le tabelle dei dati .jmp per la maggior parte degli esempi contenuti nel documento.
Puoi contattare l'autore all'indirizzo steve.olsen@autoliv.com
