یکی از اهداف طراحی آزمایش با روش تاگوچی این است که با تغییراتی آگاهانه در متغیرهای ورودی فرآیندها و تحلیل واریانس یا ANOVA بتوان تغییرات خروجی را مشاهده و شناسایی کرد. روش های مختلفی برای طراحی آزمایش وجود دارد.
یکی از اولین روش هایی که در این زمینه ارائه شد روش فاکتوریل بود. که تعداد آزمایش ها را به وسیله رابطه N=Lm بدست می آوردند. اشکال عمده این روش این بود که در صورت وجود متغیر های زیاد تعداد آزمایشها خیلی زیاد میشود و این مسئله از نظر زمان و هزینه به صرفه نیست. بنابر این به فکر پیدا کردن راه هایی افتادند که تعداد آزمایشها را کم کنند. یکی از این اصلاحات ایجاد شده روش تاگوچی بود که در مورد آن توضیح میدهیم.
در روش تاگوچی سه عامل مورد توجه است:
- کیفیت مورد نظر را هنگام تولید محصول طراحی کرده و در آن ایجاد کنیم.
- تاثیر عواملی را که نمیتوانیم کنترل کنیم را کم کرده و در طورت ممکن تاثیر آنها را از بین ببریم.
- میزان ضرر و زیان به انحراف از حالت استاندارد(کیفیتی که برای ما مطلوب است) بستگی دارد.
دکتر تاگوچی
تاگوچی: تئوری دکتر تاگوچی (Genichi Taguchi) از اوایل 1950 در راستای اصلاح سیستم خطوط تلفن دریک شرکت مخابراتی شکل گرفت و در طی دهه 1980 تکامل یافت و از آن به بعد در اکثر شرکتهای دنیا مورد استفاده قرار گرفت.
طراحی آزمایش با روش تاگوچی كه یك استراتژی جهت بهبود كیفیت فرآیندها و رسیدن به محصول تقویت شده با استفاده از روش طراحی آزمایشها است، اولین بار توسط مهندس ژاپنی به نام جنیچی تاگوچی در سال 1986 معرفی گردید. این روش از طراحی كسری از فاكتورها مشتق شده است. طراحی بر اساس حداقل منابع، زمان و تعداد آزمایشِ ممكن سازماندهی میشود.
از علل كارآمد بودن طراحی آزمایش با روش تاگوچی روش جهت استفاده محققان و مهندسان میتوان موارد زیر رانام برد:
- کاهش تعداد آزمایشها و هزینه ها
- امکان بررسی فاکتورهای گسسته (نوع ماده، رنگ قطعه و ….)
- تعیین سهم فاکتورها
- امکان تخمین نتایج در شرایط بهینه
- امکان تخمین نتایج در سطوح دلخواه
- تعیین سهم خطا
- تعیین سهم اثرات متقابل در نظر گرفته شده
- امکان بدست آوردن همزمان شرایط بهینه برای چندین پاسخ
- امکان بررسی فاکتورهایی با سطوح مختلف
- بررسی تعداد فاکتورهای نامحدود
محدودیت روش تاگوچی عبارت است از:
- عدم بررسی کلیه اثرات متقابل بر فرآیندها در بعضی مواقع
روش تاگوچی امکان آن را ایجاد کرده است که این اطلاعات حیاتی با تعداد آزمایش و تجربه بسیار کمتری فراهم شود. تاگوچی یک خانواده از طرحهای عاملی کسری را توسعه داد، که آن در فرآیندها برای کاربردهای مختلف بکار گرفته میشود.
طراحی آزمایش با روش تاگوچی شامل سه ایده اصلی زیر است:
- باید محصولات و فرآیندها به ترتیبی طرحریزی شوند که نسبت به منابع خارجی تغییرپذیر، نیرومند باشند.
- روشهای طرح آزمایش، یک ابزار مهندسی کمکی در رسیدن به این هدف است.
- عملکرد به صورت مورد نظر مهمتر از تطبیق مشخصات است.
طراحی آزمایش با روش تاگوچی انحرافهای ممکن از مقدار هدف را همراه با تابع زیان مدل بندی میکند. دکتر تاگوچی از کاربرد طرحهای آرایه های متعامد برای اختصاص فاکتورهای انتخاب شده، جانبداری می کند، متداولترین طرحهای آرایه های متعامد L18 ، L16 ، L8 است، این روش، روشهای آماری را در فرآیندها به کار میگیرد. مراحل اجرای روش طراحی آزمایشها به روش تاگوچی با در نظر گرفتن جزئیات و به ترتیب اهمیت به این قرار است:
- معرفی عوامل مؤثر در واکنش
- تعداد آزمایشات مورد نیاز
- تحلیل جواب ها
- ارزیابی شرایط بهینه
جدول 1: جدول پایه طراحی آزمایشها به شیوه تاگوچی
در مرحله اول عوامل مؤثر را مشخص کرده و برای هرکدام چند حالت را در نظر می گیریم. با توجه به تعداد پارامتر های مؤثر و تعداد سطوح هر کدام از آنها تعداد آزمایش ها مشخص می شود.
به این ترتیب که تعداد پارامترها را از ردیف افقی بالای جدول 1 مشخص کرده و سطوح را نیز از ردیف عمودی سمت راست مشخص میکنیم، محل برخورد این دو تعداد آزمایش های موردنظر را برای ما معین می کند.
پس از معین کردن تعداد آزمایشها یک ماتریس تشکیل میدهیم که سطرهای این ماتریس مشخص‌کننده شرایط آزمایش هست. برای ایجاد این ماتریس‌ها راه‌های پیچیده‌ای وجود دارد ولی میتوان از نرم‌افزارهای آماری مختلف مثل مینی تب (minitab) یا دیزاین اکسپرت (Design expert) استفاده کرد.
در روش تاگوچی ما انتظار داریم که از تحلیل جواب ها نتایج زیر را به دست آوریم
- شرایط بهینه ای که در آن کیفیت مطلوب به دست می آید.
- میزانی تأثیری که هر فاکتور روی عملکرد و کیفیت دارد. و موثرترین فاکتور کدام است؟
- ارزیابی پاسخ بدست آمده با شرایط بهینه(تستهای صحت سنجی)
برای تحلیل آزمایش دو روش وجود دارد.
1- روش استاندارد ANOVA (تحلیل واریانس)
تحلیل واریانس (به انگلیسی: Analysis of variance) (به اختصار ANOVA) (یا تحلیل وردایی) مجموعه ای از مدل‌های آماری و فرایندهای تخمین زننده مرتبط با آن است (همچون واریانس‌گیری بین گروه‌های مختلف) که جهت تحلیل تفاوت میانگین گروه‌های مختلف از داده‌ها (ANOVA) به کار می‌رود.
ANOVA توسط رونالد فیشر در بررسی فرآیندها توسعه یافت. ANOVA براساس قانون تحلیل واریانس کلی بنا نهاده شده که در آن واریانس مشاهده شده در یک متغیر خاص به مؤلفه‌هایی افراز شده که به هر کدام از این مؤلفه‌ها میتوان منبعی از تغییرات را نسبت داد.
به زبان ساده، ANOVA، آزمون آماری ارائه میکند که به وسیله آن میتوان برابر بودن یا نبودن میانگین‌های بین دو یا تعداد بیشتری از جوامع را تعیین کرد، بنابراین ANOVA آزمون تی (یا t-تست) را تعمیم میدهد.
2- استفاده از نسبت سینگال به نویز (S/N)
مقدار S/N میزان پراکندگی را حول یک مقدار مشخص بیان میکند یا به بیان دیگر اینکه جواب های ما در بین چند آزمایش انجام شده چگونه تغییر کرده اند.
اما چگونه بفهمیم کدام مقدار بهتر است؟
برای بدست آوردن این مقدار 3 رابطه وجود دارد که هر کدام در شرایط خاصی کاربرد دارند.
در طراحی آزمایش با روش تاگوچی از یک تابع زیان (Loss function) برای محاسبه تغییرات موجود بین نتایج و مقدار مورد نظر استفاده می شود.و این تابع با توجه به شرایط مسئله دارای حالتهای مختلف است.
1- مقدار کوچکتر بهترین است:
2- مقدار بزرگتر بهترین است:
3- اندازه اسمی بهترین است:
(در این فرمول ها n تعداد تکرار ها و y خروجی های اندازه گیری شده است.)
- رابطه اول در مواردی کاربرد دارد که یک خصوصیت نامنفی را بررسی میکنیم که ایده آل آن برای ما صفر است در این حالت هرچه مقدار بدست آمده کمتر باشد بهتر است.
مثال در این باره میتوان سایش و انقباض و تخریب را بیان کرد
- رابطه دوم زمانی کاربرد دارد که از قبل معیاری تعیین نکرده ایم.در این صورت هرچه مقدار بدست آمده بیشتر باشد بهتر است.
مثل زمانیکه مقاومت مواد،طول عمر و بازده را بررسی میکنیم
- آخرین رابطه مربوط به مواقعی است که یک خصوصیت مشخص را بررسی میکنیم و دوست نداریم از مقدار مورد نظر منحرف شویم.
مثل وزن و شفافیت
در تمام موارد بالا و به طور کلی زمانیکه از مقدار S/N برای تحلیل استفاده میکنیم آزمایشها چند بار تکرار میشوند و در نهایت شرایط بهینه برای آزمایش را بدست می آوریم. البته ممکن است این شرایط بهینه جزو آزمایشهایی نباشد که ما انجام داده ایم.
پس از محاسبه مقدار تابع زیان برای هر خروجی از فرمول زیر مقدار سیگنال به نویزکل (Overall S/N ratio) را محاسبه می کنیم :
در نهایت باید این شرایط را در نظر گرفت و آزمایش را تحت این شرایط انجام داد تا ببینیم آیا بازده مطلوب را به ما میدهد یا خیر.
تابع زیان روش تاگوچی (Taguchi Loss function)
آنالیز واریانس :
برای پیدا کردن اهمیت نسبی پارامترهای بر روی هر کدام از خروجی ها در فرآیندها از یک روش آماری به نام تحلیل واریانس یا ANOVA استفاده می کنیم. در جدول ANOVA ، آزمون F نشان دهنده تاثیر گذاری یا عدم تاثیر گذاری پارامترهای مورد آزمایش در سطح اطمینان مورد نظر می باشد. همچنین پارامتر آماری درصد توزیع نیز به درک بهتر تاثیر هر پارامترنسبت به پارامترهای دیگر و نیز تاثیر بر روی خروجی کمک می کند. برای پارامترهای با درصد توزیع بالا تغییراتی هرچند کوچک باعث تاثیر زیادی بر خروجی می شود.
اصطلاحات و فرمول ها
درجه آزادی که برای هر یک از پارامترهای ورودی به صورت مجزا تعریف می شود و برابر تعداد سطوح آن منهای یک است. همچنین درجه آزادی کل برابر تعداد آزمایشها منهای یک است و درجه آزادی خطا نیز برابر تفاضل درجه آزادی کل و مجموع درجات آزادی ورودی ها است.
مجموع مربعات کل، خطا و پارامتر که توسط فرمول های زیر بدست می آید:
N: تعداد سیگنال به نویزها
- Ai: مجموع مقادیر سیگنال به نویز برای فاکتور A در سطح i
- N Ai: تعداد مقادیر سیگنال به نویز فاکتور A در سطح i
میانگین مجموع مربعات :
نسبت واریانس (F-value) :
درصد توزیع :
در صورتیکه از تحلیل واریانس در روش تاگوچی استفاده کنیم، میتوانیم بفهمیم که کدام عامل بیشترین تاثیر را داشته.
طراحی آزمایش با روش تاگوچی هم مثل هر روش دیگری محدودیت هایی دارد:
- باید زمان را در روند انجام آزمایش در نظر گرفت.
- هنگام طراحی سیستم باید از این روش استفاده شود و اگر در وسط آزمایش استفاده کنیم نتیجه نمی دهد.
- اگر بعد از مشخص شدن متغیر ها و مقدارشان از این روش استفاده کنیم دیگر جوابگو نیست.
- .
هدف ما در هلدینگ کاسپین بهینه سازی مقالات با رویکرد ارائه ارزش به خوانندگان میباشد. خواهشمندیم با ارائه نظر
در قسمت دیدگاه در پایان مقاله و بیان موضوعات مورد نظر ما را در راستای رسیدن به این هدف یاری نمایید.
تهیه شده توسط تیم تولید محتوای هلدینگ کاسپین | نویسنده : محسن کیان
بدون دیدگاه