Controllo statistico di qualità offline
Transcript
Controllo statistico di qualità offline
24/01/2013 Progettazione del processo produttivo Il miglioramento della qualità e della produttività ha maggiore efficacia quando è parte integrante del processo di realizzazione del prodotto. In particolare l’uso del cosiddetto DOE (design of experiments) in uno stadio antecedente allo sviluppo di tutto il ciclo in fase di progettazione di un nuovo prodotto, o del miglioramento di un processo esistente, è talvolta la chiave del successo su tutta la produzione successiva. La progettazione di un esperimento consiste nell’eseguire una serie di test in cui vengono fatte modifiche sostanziali a quelle variabili (dette di controllo) che si pensa influenzino il processo, con l’obbiettivo di individuare e identificare le corrispondenti risposte che queste variazioni comportano sul processo. • determinare quali variabili influenzano maggiormente la risposta; • determinare quali variabili influenzano maggiormente la risposta media; • determinare quali variabili influenzano maggiormente la variabilità della risposta; • determinare come fare a ridurre l’effetto dei fattori Incontrollabili. 1 24/01/2013 IL CONTROLLO STATISTICO DI QUALITA’ (on line) è un metodo statistico passivo. Il DOE è un metodo statistico attivo. Esempio: un ingegnere ha applicato il CSQ al processo che prevede la saldatura di componenti elettronici su dei circuiti stampati. Attraverso una u-carta ha stabilito che il flusso del processo di saldatura è in controllo statistico, con un numero medio di errori per circuito pari all’1%. Ritiene però che questa percentuale sia troppo alta (poiché un circuito stampato necessita in media di 2000 saldature). Il processo ha varie variabili che possono essere controllate come: la temperatura della saldatrice, la temperatura del preriscaldamento, la velocità del nastro trasportatore, il tipo di flusso, il coefficiente di gravità specifico, etc. Il processo ha anche una serie di variabili che non sono facilmente controllabili: lo spessore del circuito stampato, il tipo di componente usato sul circuito, l’operatore. In tal caso un piano degli esperimenti dovrebbe evidenziare la grandezza e la direzione degli effetti di questi fattori. Esperimenti fattoriali VANTAGGI: Riduzione dei costi Strategia del Taguchi SVANTAGGI: confounding factors 2 24/01/2013 A -1 1 1 -1 B -1 -1 1 1 C -1 1 -3,-1 -1;0 0;1 1;3 2;3 6;5 -1,0 1;1 Se si è appurata la mancanza di interazioni, è possibile proseguire (o ripetere) la sperimentazione usando i piani ortogonali. …quindi si vuole ripetere la sperimentazione ma con un numero inferiore di combinazioni! Dal punto di vista geometrico…. Attenzione, perché si perdono tutte le Informazioni sulle interazioni!!! 3 24/01/2013 Si può anche fare l’operazione inversa. Ossia supponiamo di aver costruito il piano sperimentale per i fattori A e B, e di aver appurato la mancanza di interazione A -1 1 1 -1 B -1 -1 1 1 Per aggiungere un terzo fattore C, possiamo procedere con la regola del prodotto: A -1 1 1 -1 B -1 -1 1 1 C -1*-1 1*-1 1*1 -1*1 Piano sperimentale 2^3 ridotto a metà. Ovviamente per completare il piano basta aggiungere la colonna che manca. Confounding factors A -1 -1 -1 -1 +1 +1 +1 +1 B -1 -1 +1 +1 -1 -1 +1 +1 C -1 +1 -1 +1 -1 +1 -1 +1 A -1 -1 +1 +1 B -1 +1 -1 +1 C -1 +1 +1 -1 AB +1 +1 -1 -1 -1 -1 +1 +1 AB +1 -1 -1 +1 AC +1 -1 +1 -1 -1 +1 -1 +1 AC +1 -1 +1 -1 BC +1 -1 -1 +1 +1 -1 -1 1 BC +1 +1 -1 -1 ABC -1 +1 +1 -1 +1 -1 -1 1 ABC -1 -1 -1 -1 4 24/01/2013 Esempio Scopo dell’esperimento: trovare le migliori condizioni per la saldatura elettrica di due lastre di ferro. A: marca del saldatore (Ij100,B17) B: corrente elettrica (100A, 50A) C: metodo di manipolazione (intrecciato, singolo) D: condizioni di preriscaldamento (pre-riscaldato, non pre-riscaldato) Efficacia meccanica delle parti saldate, misurata con la forza (kg/mm^2) A -1 -1 -1 -1 +1 +1 +1 +1 B -1 -1 +1 +1 -1 -1 +1 +1 AB -1 -1 +1 +1 +1 +1 -1 -1 C -1 +1 -1 +1 -1 +1 -1 +1 AC -1 +1 -1 +1 +1 -1 +1 -1 BC +1 -1 -1 +1 +1 -1 -1 +1 >> x=[15, 20, 4, 9, 25, 29, 10, 8]; >> A=[-1 -1 -1 -1 1 1 1 1]; >> B=[-1 -1 1 1 -1 -1 1 1]; >> C=[-1 1 -1 1 -1 1 -1 1]; >> group={A,B,C}; >> [p, tab, stats]=anovan(x,group,'full’)') D -1 +1 +1 -1 +1 -1 -1 +1 Valori di Y 15 20 4 9 25 29 10 8 Pooling error: somma devianze inferiori al 4 o 5% IN MATLAB Non ci sono repliche 5 24/01/2013 A B C D AB AC BC Totale SS 72 420,5 18 4,5 24,5 8 4,50 552 Errore 35,00 %SS 13,04% 76,18% 3,26% 0,82% 4,44% 1,45% 0,82% DF 1 1 1 1 1 1 1 Stat test P-value 8,228571 0,0456 48,05714 0,0023 2,8 0,1696 4 • ad esempio 3,26% proviene da 18/552 (% variabilità di C rispetto a variabilità totale) • l’errore corrisponde alla somma delle variabilità in rosso (inferiori a 4 o 5%) • ad esempio 8,22 proviene da 72/(35/4) (distribuzione di Fisher) >> 1-fcdf(8.22,1,4), ans = 0.0456 6 24/01/2013 ROBUST DESIGN (PROGETTAZIONE ROBUSTA) PROGETTAZIONE ROBUSTA ZERO DIFETTI All’interno dei limiti di specifica Quando una caratteristica di qualità devia dal valore obiettivo, provoca una perdita; in altre parole è l’antitesi di qualità. Qualità vuol dire semplicemente nessuna variabilità o variazioni molto piccole dal valore obiettivo. La perdita è possibile rappresentarla in termini di una relazione matematica mediante l’utilizzo dello sviluppo in serie di Taylor con punto iniziale x0: 7 24/01/2013 L’equazione così ottenuta è l ’equazione di una parabola Si può pensare alla prestazione effettiva x come ad una v.a. X = µ + Z , dove Z ≈ N (0, σ 2 ) monitorato con il CSQ Monitorato con la progettazione robusta L’approccio del Taguchi parte con l’individuazione dei fattori di controllo che hanno più influenza sulla varianza e dopo con quelli che influenzano la media della risposta . Tale individuazione viene effettuata usando una funzione che è legata alla funzione perdita. 8 24/01/2013 Per la misura del rumore sono stati proposti molti indici, fra i quali Taguchi preferisce quelli denominati “Signal to noise ratios” ovvero rapporti segnali/rumore. x0 ≠ 0 ⇒ massimo di S/N=10log10 ( x 2 / S 2 ) Normal is better Lower is better Riduzione impurità oppure emissioni nocive higher is better Capacità di accelerazione, resistenza di una biella 9 24/01/2013 Usando la funzione rapporto segnale/rumore, si individuano quei fattori che agiscono sulla media della prestazione. Questi fattori prendono il nome di LEVELING FACTORS Usando la funzione rapporto segnale/rumore, si individuano quei fattori che agiscono sulla variabilità della prestazione. Questi fattori prendono il nome di SCALING FACTORS Nella scelta dei parametri, è molto importante identificare e dividere i fattori di controllo da quelli di disturbo (o incontrollabili), perché vanno trattati in modo diverso anche se tale divisione è spesso soggettiva e legata alla conoscenza del fenomeno In particolare Taguchi si concentra sulla riduzione di variabilità generata dai fattori non controllabili che chiama fattori di rumore. Il rumore, o disturbo, può essere esterno o interno. Le sorgenti esterne di disturbo (outer noise) sono le deviazioni delle condizioni ambientali, quelli interne (inner noise) sono le deviazioni delle caratteristiche dei loro valori nominali dovute alle imperfezioni di lavorazione o al loro deterioramento. 10 24/01/2013 L’altro contributo dato dal Taguchi è nell’ambito della sperimentazione fattoriale. USO DI PIANI ORTOGONALI RIDOTTI L’approccio classico prevede l’uso di due piani fattoriali. Uno per i fattori controllabili e l’altro per i fattori non controllabili. Se ipotizziamo due livelli per i fattori , si tratta di due piani 2^2. Bisognerebbe studiarli separatamente. Il Taguchi propone di considerare i fattori assieme. Bisognerebbe costruire un piano 2^4. 11 24/01/2013 A -1 1 -1 -1 -1 1 1 1 -1 -1 -1 1 -1 1 1 1 B -1 -1 1 -1 -1 1 -1 -1 -1 1 1 1 1 -1 1 1 C -1 -1 -1 1 -1 -1 1 -1 1 -1 1 -1 1 1 -1 1 D -1 -1 -1 -1 1 -1 -1 1 1 1 -1 -1 1 1 1 -1 Se dovessimo operare un taglio a metà la scelta dovrebbe seguire la regola del prodotto E invece viene usato un piano sperimentale incrociato Matrice interna: ogni riga rappresenta una prova sperimentale – fattori di controllo – (effetti fissi) Matrice esterna: relativa ai fattori di disturbo (spesso frazionata) – effetti casuali Prodotto diretto tra matrici: 4 combinazioni per 2 replicazioni (esterna) 2 replicazioni per 2 fattori di disturbo. Esempio Si vuole sviluppare il progetto di un giocattolo, un aereo di carta, la cui prestazione è la lunghezza di volo in metri misurando la distanza tra il punto in cui si lancia e il punto in cui si ferma al suolo dalla sua punta anteriore. Vengono utilizzati 4 lanciatori che operano in maniera standard (l’altra mano tiene il gomito fermo ed aderente al busto). Gli esperimenti si svolgono in un locale ampio, senza correnti d’aria e con pavimentazione liscia ed uniforme. 12 24/01/2013 Se si volesse utilizzare l’ANOVA, avremmo avuto la necessità di realizzare un piano sperimentale 3^4 = 81 aerei con un complessivo di 81*4=244 prove. 13 24/01/2013 14 24/01/2013 15 24/01/2013 ESERCIZIO Descrivere il piano fattoriale completo, adottato per le prove delle batterie, seguendo il seguente ordine: fissato il livello +1 per A e il livello +1 per B, far variare i livelli di C (da +1 a -1); fissato il livello +1 per A e il livello -1 per B, far variare i livelli di C; ripetere i due passi precedenti fissando il livello -1 per A. 16 24/01/2013 Le batterie ad alto costo confermano la loro durata superiore. Per queste il migliore trattamento è T4. Per quelle a basso costo il migliore trattamento è il T7. (c) Effettuare una analisi delle interazioni (sia grafica che numerica). A 1 B 1 C 1 Conv abc 1 536 2 542 3 464 4 565 5 314 Somma 2421 1 1 1 -1 -1 -1 -1 1 -1 -1 1 1 -1 -1 -1 1 -1 1 -1 1 -1 ab ac a bc bc c (1) 516 487 683 106 55 118 65 517 475 608 99 58 103 63 423 346 529 86 77 103 76 515 507 704 61 102 95 104 531 558 635 100 84 80 89 2502 2373 3159 452 376 499 397 a + ab + ac + abc (1) + b + c + bc − = 436.55 4n 4n b + ab + bc + abc (1) + a + c + ac effB = − = −33.85 a + b + c + abc 4n 4n effABC = c + ac + bc + abc (1) + a + b + ab 4n effC = − = −34.45 4n 4n effA = effAB = (1) + c + ab + abc a + b + bc + ac − = −27.05 4n 4n effAC = (1) + b + ac + abc a + c + bc + ab − = −52.25 4n 4n effBC = − (1) + ac + bc + ab = 36.55 4n (1) + a + bc + abc b + c + ac + ab − = 33.95 4n 4n 17 24/01/2013 INTERAZIONE A DUE FATTORI Interazione AB A 1 1 -1 -1 B 1 -1 1 -1 600 +1 -1 492,3 553,2 82,8 89,6 A 1 1 -1 -1 500 400 300 C 1 -1 1 -1 479,4 566,1 95,1 77,3 200 100 0 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 Interazione AC 600 +1 -1 Interazione BC 360 +1 -1 350 500 340 400 B 1 1 -1 -1 330 320 310 300 290 280 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 C 1 -1 1 -1 287,3 287,8 287,2 355,6 300 200 100 0 -1 1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1 INTERAZIONE TRA FATTORI Effettuando l’Anova a 3 fattori dovremmo trovare che le interazioni sono significative 800 600 400 200 -1 0 -1 -0.5 -0.5 0 0 0.5 0.5 1 1 E infatti… 18