<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Steve Olsen, Autoliv 수석 신뢰성 엔지니어
개요: Taguchi Robust Optimization의 아이디어는 매우 강력합니다. 최적화하려는 제품이나 프로세스를 고려할 때 제어할 수 없는(또는 제어하기 어렵거나 비용이 많이 드는) 몇 가지 요소가 있습니다. Taguchi Robust Optimization 방법은 이러한 잡음 요인의 변화에 대해 가장 견고한 설계의 최적 지점을 찾는 데 도움이 됩니다. 50년이 된 전통적인 Taguchi 실험 설계 및 분석 방법은 JMP에서 사용할 수 있는 도구를 사용하면 크게 향상될 수 있습니다. 이 문서에서는 맞춤형 설계 도구를 사용하여 Taguchi DOE를 위한 보다 효율적이고 유연한 내부 및 외부 어레이를 만드는 방법을 보여줍니다. 프로파일러가 S/N 비율과 평균 그래프를 자동화하는 방법을 보여줍니다. JMP의 통계 분석 도구를 사용하여 일반적인 원인 변동에서 신호를 분리하는 여러 가지 방법을 보여 드리겠습니다. 이는 전통적인 Taguchi 방법에는 없는 중요한 단계입니다. 마지막으로, 우리는 이러한 새로운 도구가 Autoliv의 특정 문제에 어떻게 적용되었는지 보여주고 전통적인 S/N 비율 그래픽 분석으로는 명확하지 않은 중요한 통찰력을 어떻게 얻었는지 보여줄 것입니다.
논문은 첨부된 .pdf 파일을 참조하세요. 논문에 있는 대부분의 예제에 대한 .jmp 데이터 테이블도 첨부되어 있습니다.
저자에게 다음 주소로 문의하실 수 있습니다. steve.olsen@autoliv.com
