Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
il Robust Design
BIBLIOGRAFIA
P. Erto, Probabilit e statistica per le scienze e lingegneria, McGrawHill, 1999, Cap. 8
e9
Taguchi, Clausing: Robust quality, HBR,jan-feb 1990
J. S. Hunter, Statistical design applied to product design, Journal of Quality
Technology, Vol 17, n4, oct 1985
N. Ryan, I metodi Taguchi e il QFD, Franco Angeli, 1989
Zero Defects
Taguchi
The effort to reduce failure in the field will simultaneously reduce the
number of defectives in the factory
Taguchi, Clausing: Robust quality, HBR,jan-feb 1990
Genichi Taguchi associa una perdita ad ogni prodotto che raggiunge il consumatore; tale
costo include, tra le altre voci, linsoddisfazione del consumatore, costi di garanzia per il
produttore, perdite di reputazione e di quote di mercato per la societ produttrice. La
qualit di un prodotto inversamente proporzionale alla perdita che esso impartisce alla
societ.
Secondo lottica zero difetti, un prodotto difettoso quando il valore di una sua
caratteristica esce dalle tolleranze prefissate.
Sebbene questo approccio alla qualit sia molto diffuso, esso non concepisce la qualit
dal punto di vista del cliente. Al cliente, infatti, interessa in particolar modo che il
prodotto abbia prestazioni stabili anche ad alte temperature, in ambienti polverosi, in
seguito a cadute accidentali, ecc.
Il ribaltamento della logica zero difetti operato da Taguchi parte dalla considerazione
che i fattori non controllabili nellutilizzo del prodotto suono maggiori dei fattori
controllabili durante il processo produttivo.
Un prodotto tanto pi robusto quanto pi riesce a mantenere la prestazione nominale
al variare di fattori non controllabili (fattori di disturbo).
Le tecniche Taguchi consentono, tramite lindividuazione di un opportuno piano di
esperimenti, di progettare un prodotto robusto.
La progettazione robusta
Distribuzione delle caratteristiche di un prodotto di 4 fabbriche diverse
LIS
LIS
LSS
1.
LSS
2.
x
VN
LIS
LIS = limite
inferiore
specifica
LIS
LSS
3.
VN
LSS = limite
superiore
specifica
LSS
4.
VN = valore
nominale
VN
VN
Quattro fabbriche producono prodotti dello stesso tipo e li vendono allo stesso prezzo.
Tutte e 4 le fabbriche effettuano controlli in uscita (che assumiamo perfetti) al 100% dei
pezzi prodotti, e commercializzano solo i prodotti che che soddisfano le specifiche.
Se voi foste il cliente, quale fabbrica scegliereste? Anche se tutte le fabbriche
commercializzano prodotti che rientrano nelle specifiche, la 4 produce i prodotti pi
omogenei.
Il seguente brano tratto da: Taguchi, Clausing: Robust quality, HBR,jan-feb 1990.
Funzione di perdita
Tipo Normal is Better
L(x) = K(x - x0)2
L(x)
Funzione di Taguchi
Loss Function
Costo della
riparazione /
sostituzione
Funzione di costo
tradizionale
x0
L(x)
L(x)
Prestazioni di prodotto
Fattori controllabili e casuali
Per minimizzare le perdite in un prodotto esso deve essere realizzato:
con buone prestazioni funzionali
con la minima variazione nelle caratteristiche
Le caratteristiche funzionali sono influenzate da:
fattori controllabili (attraverso la scelta dei
materiali, parametri di produzione, )
fattori casuali: difficili, impossibili o troppo
costoso controllare
La strada giusta consiste nel selezionare i fattori controllabili che
rendono il prodotto/processo meno sensibile ai cambiamenti dei
fattori casuali (anzich cercare ed eliminare le cause, ridurre o
rimuoverne limpatto)
Nel progetto di un prodotto lo spazio dei disturbi costituito da tutte le variabili non
controllabili (o troppo costose da controllare) che influenzano il prodotto durante il suo
ciclo di vita:
condizioni di impiego (temperatura, vibrazioni, umidit, abilit delloperatore,)
logorio interno del prodotto (usura dei componenti, disallineamenti,)
difetti del processo di fabbricazione (gli esemplari prodotti non sono completamente
uniformi).
Statistico
Sono importanti non solo gli
effetti dei singoli fattori, ma
anche le interazioni fra gli
stessi
necessario disporre di dati
ottenuti in presenza delle varie
combinazioni di livelli dei fattori
utile stimare leffetto di un
fattore impiegando dati
registrati in corrispondenza di
tutte le possibili combinazioni
degli altri fattori: si evita cos di
confondere leffetto di un
fattore con quello dovuto alle
interazioni tra fattori
Approccio classico
Prestazione x misurata dipendente da n fattori (2)
Sperimentazione basata sulla media di k osservazioni (4) per
ogni livello tra gli m livelli assumibili da ogni fattore (2)
B
A
1
2
1
x11k
x21k
2
x22k
k=1..4
Il modo tradizionale di utilizzare gli esperimenti per scegliere i valori delle specifiche
tecniche quello di procedere una specifica alla volta.
Poniamo di aver identificato 13 variabili (caratteristiche tecniche) che influenzano le
prestazioni di uno sterzo per auto.
Si registra la prestazione (ad esempio la velocit a cui lo sterzo sbanda in curva) ottenuta
nel primo esperimento, in cui a ognuna delle 13 variabili era stato assegnato un
determinato valore. Nel secondo esperimento si modifica il valore di una sola delle 13
variabili, ad esempio la rigidit della molla, facendole assumere sia un valore superiore
sia un valore inferiore a quello del primo esperimento, registrando la prestazione e
scegliendo quello dei 3 valori provati che d la prestazione migliore: tale valore viene poi
tenuto fisso in tutti i successivi esperimenti, in cui - uno alla volta - si scegli il valore
migliore da dare a ognuna delle 13 variabili; con questo modo di procedere occorrono
ovviamente 39 esperimenti, ma non si riesce a tenere conto di interazioni potenzialmente
critiche fra variabili (mentre ad esempio una certa rigidit della molla pu dare la
prestazione migliore quando la pressione dei pneumatici corretta, avverr lo stesso
quando la pressione troppo alta o troppo bassa?).
Approccio statistico
Prestazione x misurata dipendente da n fattori (2)
Sperimentazione basata sulla media di k osservazioni (2)
per ogni livello tra i m livelli assumibili da ogni fattore (2)
B
A
1
2
1
2
x11k x12k
x21k x22k
k=1..2
10
Una volta progettato il piano di esperimenti e condotte le prove si passa allanalisi dei
risultati.
Le tecniche ANOVA (Analysis Of Variance) risultano particolarmente idonee per misurare
gli effetti dei singoli fattori e gli effetti incrociati tra fattori.
Taguchi propone una metodologia alternativa che limita lanalisi ai soli effetti principali
dei fattori e richiede di norma un numero molto limitato di trattamenti.
Inoltre, le tecniche Taguchi considerano non solo i fattori controllabili di progetto, ma
anche i fattori di disturbo: riproducendo in laboratorio gli effetti dei fattori di disturbo
possibile ottenere informazioni sulla robustezza del prodotto durante le reali condizioni
duso.
Se dallapplicazione della metodologia Taguchi risulta che la migliore combinazione dei
parametri di controllo non tra quelle effettivamente sperimentate, allora necessario
procedere ad una sperimentazione successiva con i parametri di progetto trovati. Tale
sperimentazione, nel caso in cui non confermi le previsioni, dovrebbe fornire indicazioni
sulla causa del fallimento del metodo.
Non vero, infatti, che dalla combinazione dei migliori livelli dei fattori di controllo si
ottenga sempre il migliore risultato; la ragione di questo risiede nellavere assunto come
base di analisi il modello lineare, e nellavere quindi trascurato gli effetti incrociati tra
fattori.
11
Modello lineare e
modello non lineare
Modello lineare
xij = + i + j + i
b
E { ij } = 0
Var { ij } = 2
i =1
j =1
=0
xij = + i + j + ( ) ij + ij
i
j
=
=
=
=
=
prestazione
valore medio globale
effetto di A al livello i
effetto di A al livello j
errore sperimentale
i = 1,,a
j = 1,,b
()ij = effetto
composto dei
fattori A e B
12
Piano sperimentale
fattoriale completo
Tipo 23
3 fattori: A,B,C
2 livelli: -1, +1
A B C
T1
T2
T3
T4
T5
T6
T7
T8
-1 -1
-1 +1
-1 +1 -1
-1 +1 +1
+1 -1 -1
+1 -1 +1
+1 +1 -1
+1 +1 +1
-1
-1
2
2
1 2 2
1 2 = x1 jk x2 jk
4 j =1 k =1
j =1 k =1
2
2
1 2 2
1 2 = xi1k xi 2 k
4 i =1 k =1
i =1 k =1
2
2
1 2 2
1 2 = xij1 xij 2
4 i =1 j =1
i =1 j =1
La scelta del livello di ciascun fattore non correlata al valore di nessuno degli altri
fattori. In altra parole, la stima delleffetto medio di ciascun fattore indipendente dal
livello degli altri fattori (condizione di ortogonalit).
Se il prodotto dei vettori dei simboli (-1 e +1) che rappresentano due colonne in un piano
sperimentale in cui tutti i parametri hanno due livelli nullo, allora le due colonne sono
tra loro ortogonali. Ad esempio, per le colonne A e C:
(-1,-1,-1,-1,+1,+1,+1,+1) X (-1,+1,-1,+1,-1,+1,-1,+1) = +1-1+1-1+1-1+1-1+1 = 0.
La stima delleffetto complessivo del fattore A (vedi formula in slide) non dipende dal
fattore B (risp. da C) perch sia
che
derivano dalla media di 4 valori, di cui 2
calcolati con B (risp. C) a livello -1e due calcolati
con B (risp. C) a livello +1.
13
-1 -1 -1
-1 +1 +1
-1 +1 -1 +1
-1 +1 +1 -1
+1 -1 -1 +1
+1 -1 +1 -1
+1 +1 -1 -1
+1 +1 +1 +1
+1
-1
-1
A
T1
T2
T3
T4
T5
T6
T7
T8
-1
-1
Colonna D
alternativa
+1
-1
+1
+1
-1
Per aggiungere un fattore (a due livelli) al piano fattoriale 23 possibile creare una
colonna i cui valori sono il prodotto (o lopposto del prodotto) dei livelli delle altre tre
colonne.
Ad esempio, il primo valore della colonna D dato da:
-1 x -1 x -1
= -1, oppure
14
T1
T2
A B C
-1 -1 -1
-1 +1 +1
T3
T4
+1 -1 +1
+1 +1 -1
Piani ortogonali:
1.
2.
3.
4.
La slide rappresenta uno dei due piani ortogonali 23 ridotti a met ottenibili dal piano
fattoriale completo 22.
Propriet dei piani fattoriali ridotti a met: al piano 2n corrisponde un insieme di 2n-1
vertici che hanno proiezioni sugli n piani geometrici tali da rappresentare tutte le 2n-1
combinazioni dei livelli degli n-1 fattori appartenenti a quel piano.
Nel caso del piano 23 presentato in slide si hanno 4 vertici. La loro proiezione sul piano
AB, ad esempio, formata da 4 punti che rappresentano tutte e 4 le combinazione dei
livelli dei fattori A e B.
Se gli esperimenti dimostreranno che solo 2 fattori hanno un effetto significativo, allora si
avr comunque a disposizione il piano fattoriale completo relativo a quei due fattori.
Questa propriet comune a tutti i piani ortogonali; la sua utilit pratica consiste nel
fatto che, di molti fattori da esaminare, solitamente solo pochi risultano davvero efficaci.
Caratteristiche dei piani ortogonali:
1. Il numero colonne pari al numero di fattori di progetto
2. Ogni riga rappresenta un differente esperimento, cio un differente progetto del
prodotto
3. Il livello di ogni fattore compare lo stesso numero di volte
4. Ogni livello di ogni fattore esposto a tutti i livelli di ognuno degli altri fattori (e quindi
alla media di ognuno dei fattori), anche se non esposto a tutte le possibili combinazioni
di valori di progetto.
15
Piani
ortogonali
16
-1 -1 -1 -1
-1 +1 +1 +1
-1 +1 -1 +1 -1
-1 +1 +1 -1 +1
+1 -1 -1 +1 +1
+1 -1 +1 -1 -1
+1 +1 -1 -1 +1
+1 +1 +1 +1 -1
-1
-1
-1 +1
+1 +1
+1 -1
-1 -1
-1 -1
+1 -1
+1 +1
-1 +1
17
Piano 23
ridotto a
met
T1
T2
T3
T4
A B C
-1 -1 -1
-1 +1 +1
+1 -1 +1
+1 +1 -1
Vogliamo ora stimare linterazione tra il fattore A e il fattore B, ovvero vogliamo verificare se
nel passaggio di un fattore dal livello 1 al livello 2 si abbia un effetto diverso a seconda che
laltro fattore sia al livello 1 oppure al livello 2:
^
(
) = ( x22 x12 ) ( x21 x11) = ( x22 x21) ( x12 x11)
Dal piano fattoriale ridotto a met mostrato nella slide notiamo che:
alle combinazioni (+1,+1) e (-1,-1) di A e B corrisponde sempre il livello -1 di C
alle combinazioni (+1,-1) e (-1,+1) di A e B corrisponde sempre il livello +1 di C
Questo comporta che la stima dellinterazione tra A e B si confonda con la stima delleffetto
complessivo di C nel passaggio da -1 a +1.
Analogamente:
la stima dellinterazione tra B e C si confonde con la stima delleffetto complessivo di A
la stima dellinterazione tra A e C si confonde con la stima delleffetto complessivo di B
In conclusione, quando si ritiene che linterazione tra i fattori A e B non sia trascurabile,
allora opportuno non allargare il piano completo 22 aggiungendo una terza colonna.
18
Piano 44 ridotto a 42
2
j 1
lk
11
22
33
44
42
31
24
13
34
43
12
21
23
14
41
32
Per ridurre un piano a 3 fattori con n livelli ciascuno in un piano n2 occorre che ogni
coppia (Ai, Bj), (Bj, Ck), (Ai, Ck) compaia una e una sola volta. Questa condizione di
ortogonalit garantisce che la stima delleffetto semplice di ciascun fattore non sia
influenzata dallinterazione sistematica con un livello di uno degli altri fattori.
Il primo piano sperimentale nella slide si riferisce a 3 fattori con 4 livelli ciascuno. Il livello
del primo fattore si legge dal numero di riga, il livello del secondo fattore dal numero di
colonna, e il valore del terzo fattore si legge dal numero della cella della matrice.
Il secondo piano sperimentale risulta dalla riduzione di un piano 44 con un piano 42
mediante la sovrapposizione di due piani 42 ortogonali tra loro.
In questo caso, 44 = 256 prove sono sostituite da 42 = 16 prove.
19
I piani incrociati
A,B fattori controllabili
C,D fattori di disturbo
Piano incrociato
T1
T2
T3
T4
C1
C2
-1
+1
+1
-1
A B
-1 -1 TC11
-1 +1 TC21
+1 -1 TC31
+1 +1 TC41
C
D
TC12
TC22
TC32
TC42
Piano equivalente
A B C D
T1
-1 -1 -1 +1
T2
T3
T4
T5
T6
T7
T8
-1 +1 -1
-1 +1 -1 +1
-1 +1 +1 -1
+1 -1 -1 +1
+1 -1 +1 -1
+1 +1 -1 +1
+1 +1 +1 -1
-1
20
Rapporto S/N
S / N = 10 log10 [(i xi / n) /
(x x)
i
/(n 1) ]
LB
S / N = 10 log10
( x / n )
i
2
i
HB
S / N = 10 log10 [i (1 / xi2 ) / n]
Il progetto dei parametri la fase cruciale della metodologia Taguchi. Lobiettivo della
progettazione per parametri trovare i valori nominali per i fattori di controllo tali da
raggiungere la massima prestazione del prodotto con la minima sensibilit al disturbo, e
fare questo al minimo costo.
Durante lanalisi dei dati si fa uso del rapporto segnale disturbo (signal to noise ratio, S/N
ratio) per misurare le prestazioni. Il rapporto S/N inversamente proporzionale al costo
valutato con la funzione di perdita. Massimizzare il rapporto S/N equivale a minimizzare
la perdita, cio a migliorare la qualit.
La slide mostra le formule proposte da Taguchi per calcolare il rapporto segnale / rumore
nei tre casi in cui si declina la funzione di perdita:
- NB (nominal is better): il valore obiettivo della prestazione finito e diverso da zero
- LB (lower is better): il valore ideale nullo
- HB (higher is better): il valore ideale non ha alcun limite
21
Scaling factor
positivo
prestazione
Prestazione = S/N
Scaling factor
negativo
leva
leva
Leveling
factor
leva
prestazione
prestazione
prestazione
Leva
inefficace
leva
22
S/N
A1
A2
A3
A Fattore
controllabile
A2
S/N
D1
X
D3
A1
H
D3
D2
D1
A3
D2
D Fattore
controllabile
G Fattore
di disturbo
F Fattore
di disturbo
23
Taguchi
Hanno detto ...
"Our goal is to retrain all of our engineers by the year 2000 in the
application of Robust Design." - Kenzo Ueno, Nissan Motors (1993)
"... the major driving forces behind robust engineering are-and each is
equal-designing to satisfy customers in all ...conditions; manufacturing
processes and capabilities, cost, quality, and reliability. We're pushing
for engineering solutions that optimize each one of those. - John J.
(Jay) Wetzel II, Vice President for GM's North American Operations
Engineering Center (in WARD'S Auto World - March 1994)
"Robust Design is not easy to understand, so Ford began doing case
studies in 1993. In one instance, an FDI team found a solution in three
months that would have taken 13 months using traditional methods.
Another major advantage [of robust design] is that robust methods
reduce the historical tendency to over-engineer-the practice of
concentrating on quality targets in isolation without taking into
consideration the whole picture. - Minoo P. Billamoria, Ford Design
Institute
24
Esempio
aeroplano di carta
25
25
Segnale di ingresso
Scelta del modello
di aereo
Sistema:
Aereo di carta
26
Fattori di controllo e
fattori di disturbo
Fattori di controllo
Distribuzione
dei pesi
Incidenza
alettoni
Superficie
alare
Superficie
flaps
c1: grande
d1: piccola
a2: al centro
b2: orizzontale
c2: intermedia
d2: intermedia
c3: piccola
d3: grande
Fattori di disturbo
Angolo di
stacco
0
45
Altezza
di lancio
Posizione
seduto
Posiazione
in piedi
Forza
impressa
Persona
Persona
Persona
Persona
1
2
3
4
27
Il Progetto
3
2
1
C1 C2 C3
A1
5
A2
A3
D1
D3
D2
Sede di
Cremona
Sede di
Cremona
B1-Up
B2-Flat
B3-Down
28
C1
A1
A contrappeso
B flap
C larghezza ala
D inclinazione ala
Sede di
Cremona
Prove
Sede di
Cremona
B1-Up
B1-Up
D1
1
2
3
4
5
6
7
8
9
Peso
A
1
1
1
2
2
2
3
3
3
Fattori controllabili
Flap
Ala
B
C
1
1
2
2
3
3
1
2
2
3
3
1
1
3
2
1
3
2
Angolo
D
1
2
3
3
1
2
2
3
1
29
C1
A1
Sede di
Cremona
Sede di
Cremona
B1-Up
B1-Up
D1
1
seduto
0
d
b
c
a
d
b
c
a
d
Prove
2
3
seduto
piedi
45
0
a
b
c
d
b
a
d
c
a
b
c
d
b
a
d
c
a
b
4
piedi
45
c
a
d
b
c
a
d
b
c
30
Metodo Taguchi
= 81 aerei
4 prove
81 x 4 = 244 prove
Prove
34
9 aerei
4 prove
9 x 4 = 36 prove
1
2
3
4
5
6
7
8
9
Peso
A
1
1
1
2
2
2
3
3
3
Fattori controllabili
Flap
Ala
B
C
1
1
2
2
3
3
1
2
2
3
3
1
1
3
2
1
3
2
Angolo
D
1
2
3
3
1
2
2
3
1
1
seduto
0
d
b
c
a
d
b
c
a
d
3.09
2.91
2.64
3.49
3.31
3.92
2.50
2.45
3.09
Prove
2
3
seduto
piedi
45
0
a
b
c
d
b
a
d
c
a
b
c
d
b
a
d
c
a
b
3.33
3.84
3.14
3.92
2.72
2.92
2.41
3.25
3.41
3.93
6.08
5.24
3.41
3.64
3.94
3.31
4.97
4.32
4
piedi
45
c
a
d
b
c
a
d
b
c
4.07
2.86
2.99
3.66
3.76
4.83
3.21
4.15
4.98
31
Risultati
Analisi dei fattori di controllo
Param etro A
Param etro B
14.00
14.00
12.00
12.00
10.00
10.00
8.00
8.00
6.00
6.00
4.00
4.00
2.00
2.00
0.00
0.00
1
Media
3
Std.dev.
14.00
1
S/N
Param etro C
Media
2
Std.dev.
3
14.00
12.00
12.00
10.00
10.00
8.00
8.00
6.00
6.00
4.00
4.00
2.00
2.00
S/N
Param etro D
0.00
0.00
1
Media
2
Std.dev.
3
S/N
Media
3
Std.dev.
S/N
32
Risultati
Analisi dei fattori di disturbo
Sensibilit delle prestazioni al livello dellaltezza di lancio
B-Altezza
A-Altezza
C-Altezza
4.00
4.50
4.00
3.50
3.50
3.00
3.00
D-Altezza
4.50
4.50
4.00
4.00
3.50
3.50
3.00
3.00
2.50
2.50
2.50
2.50
2.00
2.00
2.00
2.00
1 .50
1 .50
1 .50
1 .50
1 .00
1 .00
1 .00
0.50
0.50
0.50
0.00
0.00
1 .00
0.50
0.00
Seduto
Seduto
P iedi
P iedi
0.00
Seduto
P iedi
Seduto
P iedi
33
Risultati
Curva di perdita
1
2
perdita = C scarto xscarto
2
x
250
Costo scarto
200
200
150
100
50
0
2.000
2.500
Aereo 1
3.000
Aereo 2
3.500
Aereo 3
4.000
Aereo 4
4.500
Aereo 5
5.000
Aereo 6
5.500
Aereo 7
6.000
Aereo 8
6.500
Distanza
Aereo 9
Scarto 3 m
34