Steve Olsen, ingeniero principal sénior de confiabilidad, Autoliv
Resumen: La idea detrás de la Optimización Robusta de Taguchi es muy potente: dado el producto o proceso que se intenta optimizar, existen factores que no se pueden controlar (o que son difíciles o costosos de controlar). Los métodos de Optimización Robusta de Taguchi ayudan a encontrar el punto óptimo en el diseño que ofrece la mayor robustez frente a la variación de estos factores de ruido. Los métodos tradicionales de diseño y análisis experimental de Taguchi, con 50 años de antigüedad, pueden mejorarse significativamente utilizando las herramientas disponibles en JMP. Este artículo demostrará cómo se puede utilizar la herramienta de Diseño Personalizado para crear matrices internas y externas más eficientes y flexibles para los DOE de Taguchi. Mostrará cómo el Perfilador puede automatizar la relación señal/ruido y los gráficos de media. Demostraremos varios métodos que utilizan las herramientas de análisis estadístico de JMP para separar las señales de la variación por causa común, un paso importante que falta en el método tradicional de Taguchi. Finalmente, mostraremos cómo se aplicaron estas nuevas herramientas a un problema específico en Autoliv y cómo aportaron información importante que no era evidente con el análisis gráfico tradicional de la relación señal/ruido.
Consulte el archivo PDF adjunto para el artículo. También se adjuntan las tablas de datos JMP de la mayoría de los ejemplos.
Puede ponerse en contacto con el autor en steve.olsen@autoliv.com
