1. No category

 Seminarium Robust Design Produkt och processutveckling KPP306 VT‐08 Elkin Martinez, Shwan Tofiq
1
Innehåll Definition ............................................................................................................................... 3 Användningen ........................................................................................................................ 3 DOE (Design of Experiments) ............................................................................................... 4 1-Identifiera kontroll faktorer, Störningsfaktorer och prestanda mått. .............................. 4 2-Formulera en objektiv funktion ...................................................................................... 4 3-Utveckla ett experimentplan ........................................................................................... 5 Olika sätt att testa störningsfaktorer: .................................................................................. 6 4-Utföra experimentet ........................................................................................................ 6 5-Föra analysen .................................................................................................................. 7 6-Välja och bekräfta faktorers setpoints............................................................................. 7 7-Reflektera och repetera ................................................................................................... 7 Analys..................................................................................................................................... 8 Frågor ..................................................................................................................................... 9 Referenser............................................................................................................................. 10 2
Definition ”Robusta” produkter eller processer är sådana som presterar som de ska även under
oförutsägbara förhållanden. Det handlar om att produkten eller processen ska ha den rätta
blandningen av parametrar som är minst känsliga för okontrollerbara variationer. Termen
används i produktutvecklingsprocessen för att förbättra det önskvärda prestanda samtidigt
som man minimerar störningskänslighet mot faktorer som varierar.
Användningen Robust design processen kan användas på olika sätt i produktutvecklingsprocessen som t. ex
genom att använda robust design experiment i konceptutvecklingsfas som ett sätt att förfina
specifikationerna och välja realistiska prestanda mål.
De flesta problem som ingenjörer - designer försöker att lösa som är baserad på ekvationer
som kommer från fysiska principer kan lösas med hjälp av valet av robusta parametrar men
det är omöjligt att föreställa sig en modell som tar in alla möjliga risker, variationer och
störningsfaktorer som kan dyka upp under verkliga förhållanden. Dessutom är de matematiska
modeller väldig begränsade för många ingenjörsbaserade problem. I sådana fall är det
empirisk experimentering nödvändigt. Sedan med hjälp av robust design teorin kan
informationen från forskningen användas för att ta reda på vilka utgångspunkter är de
lämpligaste som ger produkter eller processer som är mindre känsliga för variationer.
Resultaten från experimenteringen kan användas för att stödja valprocessen och kan användas
för att förbättra de matematiska modellerna.
Man använder sig av robust design teorin t. ex är när man vill designa ett säkerhetsbälte som
undviker att användaren glider ner genom det eller att användaren blir skadad. Det finns flera
olika parametrar som kan variera som t. ex tygget av bältet, riktning på kollisionen, styrkan på
kollisionen m.m. som vi inte kan kontrollera. Valet av bara robusta parametrar är väldig
komplicerad. Ingenjörerna på FORD fabriken valde att simulera kollisioner för att få fram
data som användes sedan för att ta reda på vilka kombinationer av design parametrar var det
mest robusta för sådana störningar, d.v.s. mindre känsliga för variationer
3
DOE (Design of Experiments) Robust design teorin är baserad på DOE metoden. Här identifierar gruppen de parametrarna
som ska vara kontrollerad och vilka störningsfaktorer som vill analyseras. Teamet designar,
genomför och analyserar de experimenten som hjälper att bestämma vilka utgångspunkter är
de bästa för att nå en robust prestation.
Metoden utvecklades i Japan på 50-60 talet av Dr Genichi Taguchi och användes för att
förbättra kvaliteten i produkter och processer. Sedan spreds den genom USA.
DOE ersätter inte teknisk kunskap av systemet under observation utan tvärtom metoden
kompletterar den tekniska kunskapen.
DOE föreslår sju steg för att utveckla en ”Robust” produkt:
‐
Identifiera kontrollfaktorer, störningsfaktorer och prestandamått
‐
Formulera en objektiv funktion
‐
Utveckla ett experimentplan
‐
Kör experimentet
‐
Gör en analys
‐
Välj och bekräfta utgångspunkter
‐
Reflektera och repetera.
1­Identifiera kontroll faktorer, Störningsfaktorer och prestanda mått. Kontrollfaktorer: Detta ar de variablerna som kommer att förändras på ett kontrollerat sätt
under testet så att man kan testa beteendet på produkten eller processen på olika sätt. De kan
vara specificerade för produktion och/eller operation av produkten.
Störningsfaktorer: Detta är de variablerna som är okontrollerbara .
Prestanda mått är de produktspecifikationer vi är intresserade på.
2­Formulera en objektiv funktion Experimentens prestanda mått måste transformeras till en objektiv funktion som är relaterad
till det önskvärda robust prestanda. Det finns flera olika sätt att formulera de här funktionerna.
4
Maximisera: Funktion som används då stora värden för dimensionering av produktegenskaperna
är bättre.
Minimera: Funktion som används då små värden för dimensionering av produktegenskaperna är
bättre.
Målvärde: Funktion som används då produktegenskaperna ska dimensioneras till att ett värde
närmas det önskade målvärdet
Signal-to-noise ratio: Funktionen som används för att finna en robust konstruktion
µ=önskvärd prestanda (kan förändras enkelt genom att variera kontrollvärden)
σ= störningsfaktorer som ska minimeras (mer komplicerad att kontrollera)
skalan av µ/ σ ger robust utgångspunkter där störningsfaktorer kan vara relativ låg i
jamförelse med kontrollfaktorer.
En vanlig maximerad form för detta är η=
10 log(µ^2/ σ^2).
3­Utveckla ett experimentplan Detta handlar om att tänka hur man kan variera faktorerna i ett rad experiment så att man kan
utforska på bästa sättet systemets beteende. Det största problemet här är relaterad med
experimenteringskostnader. Jo mer test vi gör desto dyrare men man får bättre information.
De vanligaste typer av planera experiment är:
Full factorial: Systematisk utforskning av alla möjliga kombinationer av nivåer för varje
faktor. Detta tillåter identifiera hela interaktionen mellan faktorerna. Praktisk när
experimenteringskostnader är låga och där få faktorer och nivåer finns.
Fractional factorial: Mindre antal kombinationer än ”full factorial” . I utbyte av beräkna
omfattningen av alla interaktions effekter är istället interaktionsblandning eller med några av
huvudfaktorernas effekter resultatet.
Ortogonal array: Detta ger den minsta antal kombination av faktorer som fortfarande tillåter
identifiera huvudeffekter av varje faktor.
One factor at a time: Innebär man enbart varierar en faktor i taget. Den är väldig obalanserad
och innefektivsätt att utforska faktorernas mellanrum men den fungerar bra för parameter
optimering i system med betydande interaktioner.
Testning av störningsfaktorer För testning och undersökning av störningsfaktorer i ett experiment används olika metoder.
Störningsfaktorer testas för att kunna bedöma deras effekt på produkten. Om
5
störningsfaktorerna kan kontrolleras så kan effekter av dem bedömas direkt ur experimentet, i
annat fall låter man störningsfaktorer variera under testningen då produktens prestation
bedöms i närvaro av störningsfaktorn.
Olika sätt att testa störningsfaktorer:
‐
Ange ytterligare kolumner i den ortogonala samlingen för egenskaper i närvaro av
störningsfaktorer och i huvudsak behandla faktorerna som andra variabler. På så vis
kan effekterna från störningsfaktorer bestämmas parallellt med kontroll faktorerna.
Nedanstående tabell visar hur olika faktorer behandlas i en DOE test.
A, B, C etc. är störningsfaktorer som ska testas vid två nivåer.
‐
Ibland används ytter samling för störningsfaktorer. Detta innebär att flera
kombinationer av störningsfaktorer testas för varje rad.
‐
Repetering av varje rad där varje störningsfaktor varierar okontrollerad genom hela
experimentet. Resultatet som fås ut ur testet är en mätbar skillnad i prestationen för
varje rad.
‐
Repetering av varje rad med kombinerad störningsfaktor är en annan metod där
utvalda störningsfaktorer kombineras med varandra för att bilda flera andra
representativa störningsfaktorer eller extrema störningsförhållanden. Testet ger mätbara
skillnader för varje rad som kan ge utmärkande drag av effekten av störningsfaktorn.
4­Utföra experimentet För att utföra experimentet, testas produkten under olika behandlings förhållanden som finns
beskrivna i varje rad i experiment planet. De experimenten görs i slumpmässigt ordning så att
något systematisk trend under experimentets varaktighet är inte relaterat med systematiskt
omvandling till faktorernas nivåer.
6
Ett exempel är om en L16 ortogonal samling inte är slumpmässig och testets förhållanden
driver över tiden kan det felaktig relateras till faktor A i tabellen L16 ovan, eftersom kollumen
ändrades halvväg genom experimentet.
5­Utföra analysen Det finns flera metoder för att analysera experimentdata. Utvecklings teamet kan få nytta av
konsulterar med DOE experter eller refererar till statistikböcker för analys och experiment
design.
Beräkning av objektiv funktion Teamet ska ha redan kommit på de objektiva funktionerna delvis definierad och man har därmed
ett riktvärde relaterat till medelvärdet på prestanda och till variationer i produktens eller
processens prestanda. Ibland kan genomsnittet och variationen kombineras, och uttryckas som
ett enstaka mål, i form av ett signal-to-noise förhållande. Värdena för och målets funktion kan
kalkyleras för varje del av experimentet.
Beräkning av faktoreffekter med analys av medeltals Den enklaste analysen ska helt enkelt täcka huvudeffekterna av varje faktor i en kolumn i
experimentet. Huvudeffekterna kallas faktoreffekter. Analys av medeltal omfattar
medelvärdesbestämning av alla beräknade objektiva funktioner för varje faktor nivå.
Taguchi rekommenderar att signal-to-noise förhållandet för varje faktor nivå ska
plottas/framställas för att lättare identifiera robusta/stabila ståndpunkter. Då signal-to-noise
förhållandet inkluderar medelvärdes prestandan i täljaren och variationer i nämnaren, så
representerar den en kombination av dessa två mål, eller en ”byteshandel” mellan dem.
Hellre än specifikt framställa de signal-to-noise förhållanden, så föredrar många ingenjörer
och statistiker att framställa dessa signaler tillsammans, och på så sätt ger detta en större
kontroll över ”byteshandeln”.
6­Välja och bekräfta faktorers setpoints Att analsera medeltal och faktor effekter underlättar för utvecklingsteamet att finna vilka
faktorer har stor påverkan på medelprestation och skillnader, och därefter uppnå robust
design. Ur olika testdiagram kan teamet identifiera vilka faktorer är bäst lämpade för
reducering av produktens variationer i boken så kallad (robustness factors) och vilka faktorer
kan användas för att förbättra prestationen hos produkten (scaling factors).
7­Reflektera och repetera
Att köra ett experiment för att identifiera robust setpoints kan räcka ibland, men ytterligare
optimering av en produkts prestation är värdefull. Optimeringen kan behöva ytterligare flera
experiment och tester. I detta fall kan teamet välja följande:
7
‐
Ompröva valda setpoints för faktorer som visar byteshandel av prestation mot
robusthet. ‐
Undersöka samspel mellan några av faktorerna i syfte att ytterligare förbättra
prestationen. ‐
Fininställa parameter setpoints genom användning av värden mellan testade nivåer
eller utanför utbredningsområdet. ‐
Undersökning av andra variationer och/eller kontrollfaktorer som inte har varit
involverat i initial experimentet. Det är viktigt i alla utvecklings aktiviteter att teamet reflekterar över DOE processen och
robust design resultatet. Frågor som ”utförde vi rätt experiment?” eller ”åstadkom vi ett
accepterat resultat?” bör ställas.
Analys DOE metoden anses vara ett enkelt och effektiv sätt som hjälper att ta reda på vilka
parameterkombinationer som är mindre känsliga för oförutsägbara variationer. Detta låter
väldig motsägelsefull eftersom man inte kan föreställa sig alla möjliga situation som kan
inträffa. Metoden bygger på hantering av matriser av olika slag som tas fram genom
insamlingen av data från olika experiment. Även om man gör de olika experiment i samma
miljöer och med olika parametrar kommer det säker att utestår variationer som kan påverka
resultatet av experiment som vi inte tar hänsyn till. T. ex variationer i temperatur, kalibrering
av utrustningen, hur människor tolkar saker på olika sätt under olika förhållande m.m. Alla
de här variationerna påverkar utdata som vi får och med detta är valet att slutparametrar inte
helt felfri. Metoden ger inte exakta värden, den visar oss ett område där vår produkt eller
process är mindre känsligt men avvikelse från det området kan inträffa när som helst och man
ska vara medveten om detta. Särskild när det gäller produkter och processer som inblandar
människor liv.
Metoden är mer inriktad på produkter och processer där toleranserna är inte så exakta. I
extrema fall där det vi letar efter är det optimala prestanda, som t ex. formula 1 bilar, kan detta
vara en väldig ekonomisk resurskrävande process som inte kan göras regelbundet eftersom de
tekniska lösningarna förändras regelbundet.
Boken beskriver bland annat olika metoder på hur ett design team kan utföra tester och
experiment på ett effektivt sätt. De olika experimenten baserar sig på att kombinera och testa
variationsfaktorer i syfte att hitta deras effekt på produkten. Författaren förklarar hur
variationerna ska hanteras så att ett mer korrekt resultaten ska fås ur de olika experimenten.
Testnings metoder är mycket statistiks baserade där design teamet behöver konsultera med
8
experter inom statistik områden, och detta innebär höga kostnader för företaget. Utbildning
inom statistik av personalen kan mer effektivisera produktutvecklings processen inom
företaget.
Analys av de resultat som vi får ut ur experimenten är en viktig fas i robust designen för
vidare bearbetning och val av faktorernas setpoints. Författaren menar att genom plottning av
resultaten blir det lättare att se och bestämma robusta ståndpunkter i produkten, alltså mentalt
är det lättare att förstå en process om vi både grafisk och med text analyserar ett experiment.
Mer handlar kapitlet om hur ett design team ska reflektera över och repetera vissa tester för att
minska variationer i designen. Mänskliga faktorn ska alltid tas hänsyn till i alla processer och
genom repeteringar av experimenten kan oönskade egenskaper minskas i produkten.
Frågor Hur ofta ska Robust design metoden användas när produktlivscykel är kort?
Vilka faktorer styr användning av metoden? Är det marknaden som kräver bättre kvalitet eller
kan detta vara en kärnkompetens av företaget
Vilka referensdata tar man in för att analyserar hur produkten eller processen kommer att bete
sig under ej testade förhållande?
En produkt eller en process styr oftast av ekonomiska faktorer och användningen av metoden
är kostnadskrävande. Hur kan användningen av metoden spridas till alla produkter när
kunderna vill ha billigare produkter med bättre kvalitet?
Hur kan utdata från matriserna effektiv analyseras när man har väldig många
störningsfaktorer?
Vad är mer dyrbart (värdefull) att sträva optimal prestanda eller att sträva efter robust design?
9
Referenser David G. Ullman. The mechanical Design Processe, 3rd ed, (2003), MCGRAW-HILL
EDUCATION - EUROPE, ISBN 007237338-5
K.Ullrich & S. Eppinger, Product design and development, 4th ed., (2008), MCGRAW-HILL
EDUCATION - EUROPE, ISBN 007310142-7
10