فهرست مطالب:
بروزرسانیشده در فروردین 6, 1401
طراحی آزمایش به روش تاگوچی
یکی از اهداف طراحی آزمایش این است که با تغییراتی آگاهانه در متغیرهای ورودی فرآیند،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 میخواهیم در مورد آن توضیح دهیم.
در این روش 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.
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.
این روش که یک استراتژی جهت بهبود کیفیت فرآیند 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 کسری از فاکتورها مشتق شده است. طراحی بر اساس حداقل منابع، زمان و تعداد آزمایشِ ممکن سازماندهی میشود. از علل کارآمد بودن این روش جهت استفاده محققان و مهندسان میتوان موارد زیر رانام برد:
- حداقل آزمایشها
- امکان بررسی میزان اثر گذاری پارامترها
- امکان تحلیل سیگنال به نویز
- تعیین سطوح بهینه از سطوح انتخابی
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 کاربردهای مختلف بکار گرفته میشود.
به اختصار، فلسفه 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.
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 فرایندهای مهندسی 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
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 این روش 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
روش استاندارد ANOVA (تحلیل واریانس)
استفاده از نسبت سیگنال 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 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
آنالیز واریانس :
برای پیدا کردن اهمیت نسبی پارامترهای بر روی هر کدام از خروجی ها از یک روش آماری به نام 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 استفاده کنیم، میتوانیم بفهمیم که کدام عامل بیشترین تاثیر را داشته.
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.
مثال کاربردی روش تاگوچی و آنالیز واریانس برای فرایند ماشینکاری وایرکات
11 دیدگاه
با سلام و تشکر
منابع معادلات فوق را برای مقاله ای میخواستم
درود به کتاب Taguchi’s Quality Engineering Handbook مراجعه کنید.
سلام ایا الگویی که تاگوچی پیشنهاد میدهد مثلا L18 باید با تکرار انجام شوند؟ در بعضی مقالات میبینم که این هجده ازمایش سه بار تکرار شده اند. ایا برای این کار الزامی وجود دارد یا صرفا پیشنهاد میشود با تکرار انجام بگیرند؟
درود
تکرار کردن در طراحی آزمایش: به منظور محاسبه خطاهای تجربی یا تصادفی و اندازه گیری میزان تکرارپذیری، یک آزمایش با شرایط یکسان یک یا چند بار تکرار می شود.
تاگوچی دو روش متفاوت برای انجام و کامل کردن تحلیل پیشنهاد می کند:
1- روش استاندارد، که در آن نتیجه یک موقعیت آزمایش و یا میانگین نتیجه بدست آمده از تکرار یک موقعیت آزمایش به واسطه اثر عمده و ANOVA پردازش می شود.
2- روش دوم که تاگوچی شدیدا برای آزمایشات همراه با تکرار توصیه می کند استفاده از نسبت سیگنال به نویز (S/N) برای مراحل یکسان در تحلیل است. این تحلیل با استفاده از تغییرات نتایج، بهترین و قویترین شرایط کاری را تعیین می کند. (این نسبت پراکندگی حول یک مقدار مشخصه را بیان می کند هر چه نسبت فوق بیشتر باشد پراکندگی کمتر خواهد بود)
مزایای حاصل از تکرارها
در بعضی از آزمایشات، هر موقعیت آزمایشی را می توان براحتی و با هزینه ی کم تکرار کرد. اما در بعضی از آزمایشات، تکرار آزمایشات پرهزینه و زمان بر است. تکرار آزمایشات را در هر زمان که نیاز باشد باید انجام داد مخصوصاً اگر فاکتورهای اغتشاشی زیادی وجود داشته باشد. تکرار آزمایشات، مزایای متعددی دارد. اولاً، اطلاعات بدست آمده از آزمایشات اضافی، داده های بدست آمده از آزمایش اصلی را تایید می کنند. ثانیاً، اگر فاکتورهای اغتشاشی در طول روز تغییر یابند، با تکرار آزمایشات در طی روز می توان اثرات آنها را آشکار ساخت. ثالثاً، داده های اضافی بدست آمده از تکرار آزمایشات را می توان برای واریانس حول یک مقدار مشخصه و هدف تحلیل کرد. وقتی هزینه تکرار آزمایشات کم باشد، تکرار آزمایشات بسیار مطلوب است. اما وقتی هزینه آن زیاد باشد و یا تداخل در عملیات زیاد باشد، تعداد تکرارها را باید با توجه به مقدار هزینه ی آن، تعیین کرد. نتیجه نهایی می تواند بسط و توسعه فرآیند و یا معرفی فرآیند بهتری باشد که شدیداً واریانس محصول را کاهش دهد.
فرق بین نمودار mean of means با نمودار سیگنال به نویز چیست؟ برای ازمایشاتی که بدون تکرار انجام شده اند ایا میتوان از سیگنال به نویز استفاده کرد؟ یا باید از mean of means استفاده نمود؟
سلام و عرض ادب
ببخشید چطور باید بفهمیم از کدام روش طراحی ازمایش (تاگوچی، باکس بنکن، پلاکت برمان و …) برای یک مساله خاص استفاده کرد؟
با سلام
بین روش ccd و تاگوچی کدوم روش بهتره؟
درود، هر روش مزایا و معایب خود را دارد. جهت مطالعه بیشتر کتاب طراحی آزمایشات مونتگومری را پیشنهاد میکنیم.
سلام من برای طراحی آزمایش از آرایه L9تاگوجی استفاده کردم و هر یک از آزمایشات را سه بار تکرار کردم
سوالی که دارم این است که باید میانگین هر آزمایش را در ستون چهارم نرم افزار مینی تب قرار دهم یا خیر؟
سلام وقت بخیر. برای تحلیل حساسیت در روش تاگوچی از کدوم نمودار استفاده میشود؟ ممنون
سلام نیازی به محاسبه متوسط نیست
کافیه برای هر کدام ستونی رو تعریف کنید و در قسمت آنالیز مقدار همه پاسخها رو انتخاب کنید
به عنوان مثال اگر هر آزمایش رو سه سری انجام داده اید در ستونهای مجزا با نام R1 و R2 و R3 ثبت کنید و در قسمت آنالیز نتایج کافیه در قسمت تعیین پاسخ هر سه را انتخاب کنید