Steve Olsen, Autoliv의 수석 신뢰성 엔지니어
초록: Taguchi Robust Optimization의 기본 아이디어는 매우 강력합니다. 최적화하려는 제품이나 프로세스를 고려할 때 제어할 수 없는(또는 제어하기 어렵거나 비용이 많이 드는) 요소가 있습니다. Taguchi Robust Optimization 방법은 이러한 노이즈 요소의 변화에 가장 강력한 설계의 스위트 스팟을 찾는 데 도움이 됩니다. 50년 된 기존 Taguchi 실험 설계 및 분석 방법은 JMP에서 사용할 수 있는 도구를 사용하여 크게 개선할 수 있습니다. 이 논문에서는 Custom Design 도구를 사용하여 Taguchi DOE에 대한 보다 효율적이고 유연한 내부 및 외부 배열을 만드는 방법을 보여줍니다. Profiler가 S/N 비율과 평균 그래프를 자동화하는 방법을 보여줍니다. JMP의 통계 분석 도구를 사용하여 신호를 일반적인 원인 변화에서 분리하는 여러 가지 방법을 보여줍니다. 이는 기존 Taguchi 방법에서 부족한 중요한 단계입니다. 마지막으로 이러한 새로운 도구가 Autoliv의 특정 문제에 어떻게 적용되었는지 보여주고 기존 S/N 비율 그래픽 분석에서는 나타나지 않는 중요한 통찰력을 어떻게 얻었는지 보여줍니다.
논문에 대한 첨부된 .pdf 파일을 참조하십시오. 논문의 대부분 예에 대한 .jmp 데이터 테이블도 첨부되어 있습니다.
저자에게는 스티브 올슨@오토리브.com 으로 연락할 수 있습니다.
