Metody Taguchi to podejście inżynierii jakości, które traktuje każde odchylenie od wartości docelowej jako stratę finansową i projektuje produkty oraz procesy tak, by były odporne na czynniki zakłócające powodujące to odchylenie.
Opracowane przez japońskiego inżyniera Genichi Taguchi, podejście to zasadniczo odbiega od tradycyjnego myślenia: część nie jest po prostu „dobra”, jeśli mieści się w paśmie tolerancji, i „zła”, jeśli się z niego wychyla.
Zamiast tego jakość pogarsza się stopniowo, gdy cecha odchyla się od swojej idealnej wartości docelowej, nawet jeśli technicznie nadal mieści się w specyfikacji. Ta pojedyncza idea zmienia sposób ustalania tolerancji, prowadzenia eksperymentów i podejmowania decyzji, gdzie inwestować wysiłki poprawcze.
Klasyczna kontrola jakości opiera się na modelu progowym. Jeśli średnica wałka ma wynosić 10,00 mm ± 0,05 mm, to 9,96 mm i 10,04 mm są oba „zgodne” i traktowane jako jednakowo akceptowalne. Taguchi twierdził, że to fałsz.
Wałek o średnicy 10,04 mm gorzej się łączy, szybciej się zużywa i powoduje więcej problemów dalej w procesie niż wałek o dokładnie 10,00 mm, mimo że oba przechodzą kontrolę. Strata nie jest funkcją skokową przy krawędzi tolerancji. To gładka krzywa skoncentrowana wokół wartości docelowej, która rośnie im dalej od niej odchodzimy w którąkolwiek stronę.
Taguchi ujął to kwadratową funkcją strat jakości , zapisaną jako L = k(y - m)^2. Tutaj y to zmierzona wartość cechy, m to wartość docelowa (nominalna), a k to współczynnik strat, stała przeliczająca kwadrat odchylenia na pieniądze. Ponieważ odchylenie jest podnoszone do kwadratu, strata rośnie gwałtownie: podwojenie odchylenia poczwórnie zwiększa koszt.
Matematycznie koduje to intuicję, że niewielkie odchylenie jest tanie, a duże bardzo kosztowne. Funkcja zakłada „wartość nominalna jest najlepsza”, chociaż Taguchi zdefiniował warianty dla sytuacji „mniejsze jest lepsze” (np. zanieczyszczenie) i „większe jest lepsze” (np. wytrzymałość spoiny).
Załóżmy, że komponent ma wartość docelową m = 10,00 mm z tolerancją funkcjonalną ± 0,05 mm. Przy granicy tolerancji (odchylenie 0,05 mm) średni koszt dla klienta, wynikający z naprawy, poprawy lub złomu, zmierzono na 8,00 euro. Najpierw oblicz k:
Teraz użyj tego k, aby wycenić część mierzącą 10,02 mm, odchylenie tylko 0,02 mm i wygodnie mieszczącą się w specyfikacji:
Tak więc „akceptowalna” część mieszcząca się w specyfikacji nadal niesie ze sobą stratę jakości 1,28 euro. Część o wymiarze 10,04 mm (odchylenie 0,04 mm) niesie 3200 × 0,0016 = 5,12 euro, czterokrotnie więcej niż część z odchyleniem 0,02 mm mimo tylko dwukrotnie większego odchylenia.
To efekt relacji kwadratowej i dlatego dążenie do wartości docelowej zamiast jedynie do spełnienia tolerancji się opłaca. Jeśli produkujesz 200 000 takich części rocznie ze średnim kwadratem odchylenia 0,0004 mm^2, oczekiwana roczna strata to 3200 × 0,0004 × 200 000 = 256 000 euro. Zmniejszenie zmienności o połowę redukuje tę kwotę więcej niż proporcjonalnie.
Funkcja strat pokazuje, że zmienność kosztuje. Odporne projektowanie, sedno metody Taguchiego, mówi jak ją tanio redukować. Każdy proces ma czynniki sterujące , które możesz ustawić (temperatura, prędkość podawania, ciśnienie) oraz czynniki szumowe , których nie możesz łatwo kontrolować (wilgotność otoczenia, zmienność partii materiału, zużycie maszyny).
Celem projektowania parametrów jest znalezienie ustawień czynników sterujących, które czynią wynik niewrażliwym na szum, tak aby proces pozostawał na wartości docelowej nawet przy zmienności czynników szumowych. Co istotne, kupujesz odporność poprzez wybór lepszych ustawień, a nie przez zakup droższych, ściślej tolerowanych komponentów.
To bezpośrednio atakuje źródła nieplanowanych przestojów i niespójnej produkcji, które erodują ogólną efektywność urządzeń linii .
Aby mierzyć odporność, Taguchi używał stosunku sygnału do szumu (S/N) , który łączy średnią (sygnał) i zmienność (szum) w jedną liczbę, którą maksymalizujesz. Wyższy współczynnik S/N oznacza, że odpowiedź jest zarówno blisko celu, jak i stabilna przy różnych warunkach szumowych.
Aby efektywnie znaleźć najlepsze ustawienia, zaadaptował tablice ortogonalne : sprytnie zbalansowane fragmenty pełnego planu czynnikowego, które pozwalają badać wiele czynników w kilku przebiegach. Pełny test siedmiu czynników dwupoziomowych wymagałby 128 kombinacji; tablica ortogonalna L8 bada wszystkie siedem w zaledwie 8 przebiegach.
Ta efektywność sprawiła, że eksperymenty projektowane stały się praktyczne na rzeczywistej hali produkcyjnej. Ta dyscyplina eksperymentalna uzupełnia statystyczną kontrolę procesu i wpisuje się w cykl poprawy DMAIC .
Myślenie skoncentrowane na celu Taguchiego dobrze łączy się z zdolnością procesu (Cp i Cpk), ponieważ Cpk już karze proces przesunięty względem celu. Redukcja zmienności poprzez odporne projektowanie podnosi Cpk i, ponieważ strata spada z kwadratem odchylenia, szybciej zmniejsza twój wskaźnik złomowania niż sugerowałaby intuicja liniowa. W połączeniu z dyscypliną proaktywnego utrzymania ruchu, które zapobiega dryfowi maszyn, krzywa strat staje się wspólnym językiem inżynierii i finansów.
Dla jasności i dokładności: Fabrico nie przeprowadza zaprojektowanych eksperymentów, nie oblicza współczynników S/N, nie generuje tablic ortogonalnych ani nie wykonuje analizy DOE za ciebie. Te zadania leżą w gestii dedykowanego oprogramowania statystycznego i inżynierskiego osądu twoich specjalistów.
To, czego metody Taguchiego absolutnie wymagają, a czego większości fabryk brakuje, to wiarygodne dane produkcyjne: co proces faktycznie wyprodukował, przebieg po przebiegu, maszyna po maszynie, wraz ze stratami, postojami i zdarzeniami jakościowymi, które ujawniają, z jak dużą zmiennością i szumem naprawdę walczysz. Fabrico jest tym fundamentem danych produkcyjnych w czasie rzeczywistym .
Jego monitorowanie OEE i produkcji w czasie rzeczywistym rejestruje rzeczywiste wydajności i straty ciągłe, włącznie z nadzorem wizyjnym na maszynach bez PLC, więc wartości odchylenia zasilające twoją funkcję strat są mierzone, a nie zgadywane.
W połączeniu z CMMS dla zleceń pracy, zasobów i harmonogramowania prewencyjnego otrzymujesz czystą, hostowaną w UE podstawę, od której zależy każde przedsięwzięcie w zakresie odpornego projektowania.
Zwykłe limity tolerancji traktują każdą część wewnątrz pasma jako jednakowo dobrą, a każdą część poza nim jako jednakowo złą, to skokowa zmiana przy krawędzi specyfikacji. Funkcja strat Taguchiego zastępuje to gładką krzywą kwadratową skupioną wokół wartości docelowej, więc strata rośnie ciągle, im dalej część odchodzi od nominału, nawet jeśli nadal mieści się w specyfikacji. Nagradza trafienie w cel, a nie tylko przejście kontroli.
Czynniki sterujące to ustawienia procesu, które możesz określić i utrzymać, takie jak temperatura, prędkość podawania czy ciśnienie. Czynniki szumowe to źródła zmienności, których nie możesz łatwo kontrolować, takie jak wilgotność otoczenia, różnice między partiami surowca czy zużycie maszyn. Odporne projektowanie parametrów szuka ustawień czynników sterujących, które czynią wynik niewrażliwym na czynniki szumowe, zapewniając stabilną jakość bez kosztownego zaostrzania tolerancji wszystkich wejść.
Potrzebujesz oprogramowania statystycznego lub kompetentnego analityka, aby zaprojektować eksperymenty z tablicami ortogonalnymi, obliczyć współczynniki sygnału do szumu i zinterpretować wyniki. Fabrico tego typu analizy nie wykonuje. Dostarcza jednak dokładne, danych produkcyjnych w czasie rzeczywistym (rzeczywista produkcja, straty, postoje i zdarzenia jakościowe), od których zależą te obliczenia, dzięki czemu twoje współczynniki strat i szacunki zmienności odzwierciedlają rzeczywistość, a nie założenia.
Gotowy zbudować odporne projektowanie na danych, którym możesz zaufać? Zarezerwuj demo Fabrico i zobacz, jak OEE w czasie rzeczywistym oraz CMMS dają twojej inżynierii jakości rzetelną podstawę produkcyjną.
Zaloguj
Blog
