Steve Olsen, Senior Principal Reliability Engineer, Autoliv
Abstract: L'idea alla base dell'Ottimizzazione Robusta di Taguchi è molto potente: dato il prodotto o il processo che stiamo cercando di ottimizzare, ci sono alcuni fattori che non possiamo controllare (o sono difficili o costosi da controllare). I metodi di Ottimizzazione Robusta di Taguchi aiutano a trovare il punto ottimale nel progetto che sia più robusto rispetto alla variazione di questi fattori di rumore. I tradizionali metodi Taguchi di progettazione e analisi sperimentale, che hanno 50 anni, possono essere significativamente migliorati utilizzando gli strumenti disponibili in JMP. Questo articolo dimostrerà come lo strumento di Progettazione Personalizzata possa essere utilizzato per creare array interni ed esterni più efficienti e flessibili per i DOE di Taguchi. Mostrerà come il Profiler possa automatizzare il rapporto segnale/rumore e i grafici delle medie. Illustreremo diversi metodi che utilizzano gli strumenti di analisi statistica di JMP per separare i segnali dalla variazione di causa comune, un passaggio importante che manca nel metodo Taguchi tradizionale. Infine, mostreremo come questi nuovi strumenti sono stati applicati a un problema specifico presso Autoliv e dimostreremo come abbiano prodotto importanti spunti non evidenti con la tradizionale analisi grafica del rapporto segnale/rumore.
Si prega di consultare il file .pdf allegato per l'articolo. Sono allegate anche le tabelle dati .jmp per la maggior parte degli esempi presenti nell'articolo.
Puoi contattare l'autore all'indirizzo steve.olsen@autoliv.com
