การออกแบบทนทานของทากูชิ

การออกแบบที่ทนทาน Taguchi คืออะไร?

ระเบียบวิธีการออกแบบเชิงทนทานของทากูชิ ซึ่งพัฒนาโดยเก็นอิจิ ทากูชิ มุ่งค้นหาค่าตั้งของปัจจัยที่ทำให้ความไวต่อสิ่งรบกวน (ความแปรผันที่ควบคุมไม่ได้) ต่ำที่สุด ขณะที่ยังได้สมรรถนะตรงตามเป้าหมาย อัตราส่วนสัญญาณต่อสิ่งรบกวน (S/N) รวมค่าเฉลี่ยและความแปรปรวนไว้ในตัววัดเดียว โดยค่า S/N ที่สูงกว่าบ่งชี้สมรรถนะที่ทนทานกว่า

สูตรอัตราส่วน S/N สามแบบสอดคล้องกับเป้าหมายคุณภาพที่ต่างกัน ได้แก่ ยิ่งมากยิ่งดี (LTB) สำหรับค่าตอบสนองที่ต้องการให้สูงที่สุด เช่น ความแข็งแรง ยิ่งน้อยยิ่งดี (STB) สำหรับค่าตอบสนองที่ต้องการให้ต่ำที่สุด เช่น อัตราของเสีย และค่าเป้าหมายดีที่สุด (NTB) สำหรับการเล็งไปที่ค่าจำเพาะ เช่น ขนาดมิติ ระดับปัจจัยที่เหมาะที่สุดคือระดับที่ทำให้อัตราส่วน S/N สูงที่สุด

ทากูชิใช้อาเรย์เชิงตั้งฉาก (L4, L8, L9, L12, L16, L18, L27) เป็นผังการทดลองที่มีประสิทธิภาพ แบบแผนสำเร็จรูปเหล่านี้ช่วยให้ประมาณอิทธิพลหลักได้ด้วยจำนวนการทดลองน้อยที่สุด การวิเคราะห์จะระบุระดับของปัจจัยที่ให้สมรรถนะเฉลี่ยดีที่สุดพร้อมความแปรผันน้อยที่สุด ซึ่งคือแก่นแท้ของการออกแบบเชิงทนทาน

Formula: Larger-is-Better: SN = -10 log(Σ(1/yᵢ²)/n) Smaller-is-Better: SN = -10 log(Σyᵢ²/n) Nominal-is-Best: SN = 10 log(ȳ²/s²)

ตัวอย่างการคำนวณ

ตัวอย่างแบบยิ่งน้อยยิ่งดี (ลดความหยาบผิว) ค่าซ้ำของการทดลองที่ 1: 2.1, 2.3, 2.0 SN = -10 × log₁₀((2.1² + 2.3² + 2.0²)/3) = -10 × log₁₀(4.567) = -6.60 dB ค่าซ้ำของการทดลองที่ 2: 1.5, 1.8, 1.6 SN = -10 × log₁₀(2.683) = -4.29 dB การทดลองที่ 2 มีค่า S/N สูงกว่า (ดีกว่า ความหยาบผิวน้อยกว่า)

เมื่อใดควรใช้เครื่องคำนวณนี้

• เมื่อเป้าหมายหลักคือความทนทานของผลิตภัณฑ์หรือกระบวนการ — ลดความไวต่อปัจจัย noise มากกว่าเพียงการหาค่าเหมาะสมของค่าเฉลี่ยการตอบสนอง
• ระหว่าง parameter design เพื่อระบุการตั้งค่าปัจจัยควบคุมที่ให้ประสิทธิภาพที่สม่ำเสมอแม้มีความแปรผันด้านสิ่งแวดล้อมหรือวัสดุ
• เมื่อคัดกรองปัจจัยจำนวนมากด้วยทรัพยากรการทดลองจำกัด — Taguchi orthogonal array ต้องการ run น้อยกว่า classical full factorial
• เมื่อทำงานกับทีมการผลิตที่คุ้นเคยกับวิธี Taguchi และอัตราส่วน S/N เป็นส่วนหนึ่งของวิธีการปรับปรุงมาตรฐาน
• ระหว่างการออกแบบผลิตภัณฑ์เพื่อเปรียบเทียบทางเลือกวัสดุหรือส่วนประกอบตามว่าให้ประสิทธิภาพที่สม่ำเสมอ (robust) ที่สุด

ข้อผิดพลาดที่พบบ่อยที่ควรหลีกเลี่ยง

• ใช้ S/N ratio ผิดประเภท — เลือก Larger-is-Better เมื่อเป้าหมายคือตรงค่าเป้าหมาย (Nominal-is-Best) ทำให้เพิ่มค่าตอบสนองสูงสุดโดยไม่ควบคุมความแปรผัน
• เลือก orthogonal array ที่เล็กเกินไปสำหรับจำนวนปัจจัย — การโอเวอร์โหลด array ทำให้เกิด confounding สมบูรณ์ของผลกระทบสำคัญ ยืนยันว่า array มีคอลัมน์เพียงพอสำหรับทุกปัจจัย
• ไม่รวม replicate เพียงพอต่อ run — อัตราส่วน S/N ต้องการการประมาณความแปรผันซึ่งต้องมีการสังเกตหลายครั้งต่อเงื่อนไขการทดลอง แนะนำอย่างน้อย 3 replicate
• ละเลยผลกระทบอันตรกิริยา — การวิเคราะห์ Taguchi มาตรฐานสมมติว่าอันตรกิริยาเล็กน้อย หากอันตรกิริยามีนัยสำคัญ การตั้งค่าปัจจัยที่เหมาะสมจาก main-effect-only analysis อาจผิด

วิธีตีความผลลัพธ์

• อัตราส่วน S/N ที่สูงกว่าดีกว่าเสมอไม่ว่าประเภทเป้าหมายคุณภาพ — สูตรถูกออกแบบให้การเพิ่มค่า S/N สูงสุดจะหาค่าเหมาะสมของเป้าหมาย
• ความแตกต่าง S/N มากระหว่างระดับปัจจัยบ่งชี้ผลกระทบปัจจัยที่แข็งแกร่ง — เหล่านี้เป็นปัจจัยที่ต้องควบคุมอย่างเข้มงวดในการผลิต
• ความแตกต่าง S/N น้อยระหว่างระดับบ่งชี้ว่าปัจจัยมีอิทธิพลน้อยต่อความทนทาน — ตั้งค่าปัจจัยเหล่านี้ที่ระดับที่ประหยัดที่สุด
• ชุดค่าที่เหมาะสมคือชุดระดับปัจจัยที่แต่ละตัวเพิ่มค่า S/N สูงสุดอย่างอิสระ — สิ่งนี้สมมติว่าอันตรกิริยาระหว่างปัจจัยควบคุมเล็กน้อย

มาตรฐานและเอกสารอ้างอิงที่เกี่ยวข้อง

• ASI Taguchi Methods — ทรัพยากร American Supplier Institute สำหรับวิธีการออกแบบ robust ของ Taguchi
• JIS Z 9090 — มาตรฐานอุตสาหกรรมญี่ปุ่นสำหรับการออกแบบการทดลอง orthogonal array
• ISO 16336 — การประยุกต์ใช้วิธีทางสถิติและวิธีที่เกี่ยวข้องกับการพัฒนาเทคโนโลยีและผลิตภัณฑ์ใหม่ ครอบคลุมวิธี Taguchi

คำถามที่พบบ่อย

ควรเลือกใช้วิธีทากูชิหรือ DOE แบบดั้งเดิม

แบบแผนของทากูชิเหมาะอย่างยิ่งกับการคัดกรองปัจจัยจำนวนมากด้วยจำนวนการทดลองน้อย และเมื่อความทนทาน (ความแปรผันต่ำ) เป็นเป้าหมายหลัก ส่วน DOE แบบดั้งเดิม (แฟกทอเรียลเต็มรูปหรือแบบเศษส่วน) เหมาะกว่าเมื่อคุณต้องประมาณอันตรกิริยาที่เจาะจง สร้างแบบจำลองเชิงทำนาย หรือทำการหาค่าเหมาะที่สุดด้วยพื้นผิวตอบสนอง ผู้ปฏิบัติงานจำนวนมากใช้ทากูชิในการคัดกรองเบื้องต้น แล้วจึงใช้ DOE แบบดั้งเดิมในการหาค่าเหมาะที่สุดอย่างละเอียด

อัตราส่วน S/N ทั้งสามแบบต่างกันอย่างไร

ยิ่งมากยิ่งดี (LTB): ใช้เมื่อต้องการให้ค่าตอบสนองสูงที่สุด (เช่น ผลได้ ความแข็งแรง ประสิทธิภาพ) ยิ่งน้อยยิ่งดี (STB): ใช้เมื่อต้องการให้ค่าต่ำที่สุด (เช่น อัตราของเสีย การหดตัว เสียงรบกวน) ค่าเป้าหมายดีที่สุด (NTB): ใช้เมื่อต้องการให้ตรงกับค่าเป้าหมายที่กำหนด (เช่น ขนาดมิติ ความหนืด) การเลือกที่ถูกต้องขึ้นอยู่กับคุณลักษณะคุณภาพที่กำลังวัด