<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Steve Olsen, ingeniero principal sénior de confiabilidad, Autoliv
Resumen: La idea detrás de Taguchi Robust Optimization es muy poderosa: dado el producto o proceso que intentamos optimizar, hay algunos factores que no podemos controlar (o son difíciles o costosos de controlar). Los métodos de optimización robusta de Taguchi ayudan a encontrar el punto óptimo en el diseño que sea más robusto frente a la variación de estos factores de ruido. Los métodos tradicionales de Taguchi de diseño y análisis experimental, que tienen 50 años, se pueden mejorar significativamente utilizando las herramientas disponibles en JMP. Este documento demostrará cómo se puede utilizar la herramienta de diseño personalizado para crear matrices internas y externas más eficientes y flexibles para las DOE de Taguchi. Mostrará cómo Profiler puede automatizar la relación S/N y los gráficos medios. Demostraremos varios métodos que utilizan las herramientas de análisis estadístico de JMP para separar las señales de la variación de causa común, un paso importante que falta en el método Taguchi tradicional. Finalmente, mostraremos cómo se aplicaron estas nuevas herramientas a un problema específico en Autoliv y demostraremos cómo arrojaron conocimientos importantes que no son evidentes con el análisis gráfico tradicional de la relación S/N.
Consulte el archivo .pdf adjunto para el artículo. También se adjuntan las tablas de datos .jmp para la mayoría de los ejemplos del artículo.
Puede contactar al autor en steve.olsen@autoliv.com
