田口方法培训教材.ppt

田口方法簡介 張明毅 宜蘭大學生機系 2003.10.24 田口式品質工程 田口玄一博士於1950年代所開發倡導 利用直交表實驗設計與變異數分析，以少量的實驗數據進行分析，有效提昇產品品質 於1962年獲得品質應用戴明(Deming)獎 1980年代後，美國AT＆T、Ford、Xerox、Motorola、Kodak等公司陸續採用 Quality Engineering、Taguchi Method 田口方法特點 在於以較少的實驗組合，取得有用的資訊。雖不如全因子法真正找出確切的最佳化位置，但能以少數實驗便能指出最佳化趨勢，可行性遠大於全因子法。田口方法有以下特點：(1)基於品質損失函數之品質特性、(2)實驗因子的定義與選擇、(3)S/N比、(4)田口直交表。 田口方法 「田口方法」是以實驗的手段來決定設計參數 為了減少實驗的次數，依控制因子及其水準的數目選用適當的實驗直交表 設計的目標是尋求最佳的產品（或製程）機能（性能），並且維持此一機能的穩健性，亦即受干擾因子的影響減至最少 田口方法步驟 (1/2) 選定品質特性 判定品質特性之理想機能 列出所有影響此品質特性的因子 定出信號因子的水準 決定控制因子並定出它們的水準 決定干擾因子並定出它們的水準，必要的話，可以進行「干擾實驗」 田口方法步驟 (2/2) 選定適當的直交表，並安排完整的實驗計劃 執行實驗，記錄實驗數據 資料分析 確認實驗 若有必要，可以重覆以上步驟，直到達到最佳的品質及性能為止 以實驗的方法來決定設計參數 試誤法 (trial-and-error) 一次一因子實驗法 (one-factor-at-a-time experiments) 全因子實驗法 (full-factorial experiments) 田口式直交表實驗法 (Taguchi’s orthogonal arrays) 試誤法Trial-and-error 無需任何資料分析 不是一種有系統性的方法，太過依賴個人經驗 有時候很有效率，但大部份的時候是沒有效率的 所累積的經驗常常是沒有系統的 一次一因子實驗法 一次一因子實驗法 因子效應是在特定的條件下的計算值 換句話說，因子效應是在某種偏見（bias）下評估出來的 直交表的使用，可以消除這種偏見 全因子實驗法 考慮所有可能的因子排列組合 沒有效率，需要太多組實驗 前例中有七個因子，每個因子有兩個變動水準，共需要128（27）組實驗 直交表Orthogonal Arrays 每一行都是自我平衡的 (self-balanced) 即每一行中各水準出現的頻率是相同的 每兩行間都是互相平衡的 (mutual-balanced) 即在某一行中，出現某水準的所有實驗組，在另外一行中，出現各水準的頻率是相同的 有這兩個特性的實驗計劃表稱為直交表 (orthogonal arrays) 全因子實驗法Full-factorial Experiments 因子反應表與因子反應圖 全因子實驗法Full-factorial Experiments 因為實驗已經考慮到所有可能的排列組合，事實上可以不需做因子反應分析，而直接從實驗組中挑出一組最佳設計 但是一般田口式直交表所預測的最佳設計組合通常並不在實驗組中 田口式直交表 直交表 二水準的直交表 L4(23)、L8(27)、L12(211)、L16(215)、L32(231) 三水準的直交表 L9(34)、L18(21×37)、L27(313)、 L36(211×312)、L36(23×313)、L54(21×325) 四水準的直交表 L16(45)、L32(21×49) 五水準的直交表 L25(56)、L50(21×511) L18(21×37) 直交表 L8(27)田口式直交表 因子反應表與因子反應圖Response Table Response Graph 最佳設計Optimal Design 假設每一個因子的效應是獨立的 或者我們說任何兩個因子間沒有交互作用 (interaction) 因此因子效應是可以疊加的 (additive) 預測Prediction 確認實驗 Confirmation Experiments 要確認預測值的正確性唯一的方法是去做確認實驗 若實驗值和預測值夠接近，則我們可以認定假設是合理的——因子效應是可疊加的，因子之間的交互作用是可忽略的，甚至我們可以認為因子效應的估計大致上是可靠的 田口博士的品質定義 產品在它的生命周期內，整個社會對它所付出的總代價 此總代價稱之為品質損失 (quality loss) 越少的品質損失代表越高的品質 品質損失 消費者購買產品時支付的費用, 這包括了製