ГОСТ Р 56431—2015
Пяраниммм аармацм!
Вход
Рисунок А.7 — Перенос вариации (от входных данных к выходным)
Уменьшение вариации требует идентификации ключевых входных переменных, влияющих на выходные
переменные, правильного проектирования процесса с учетом преимуществ относительной чувствительности
входных переменных (соотношение между радиусом цилиндра, длиной хода, скоростью двигателя и выходными
данными) и обеспечения управления вариацией входных данных (износ, скорость электродвигателя, температура/
влажность и др.) для обеспечения соответствия выходных данных установленным техническим требованиям. В
общем случав необходимо идентифицировать ключевые входные переменные, понять влияние этих переменных
на выходные данные, понять природу изменения входных переменных и. в итоге, использовать эту информацию
для установления целей (номинальных значений) и допусков (интервалов) для входных переменных. При этом
могут быть использованы различные методы.
Один из видов планирования эксперимента называется отсеивающим экспериментом, который может быть
применен для идентификации ключевых входных данных. Другой тип планирования эксперимента, называемый
анализом поверхности отклика, может быть использован для получения детального понимания влияния ключевых
входных данных на выходные. Анализ возможностей применим для понимания изменений ключевых входных дан
ных. Вооружившись такими знаниями, можно использовать методы робастного проектирования для идентифика
ции оптимальных целей для входныхданных, а анализ допусков применять для установления рабочих интервалов
или схем управления, которые гарантируют, что выходные данные будут стабильно соответствовать требованиям.
Очевидным подходом для уменьшения вариации является ужесточение допусков в отношении входных
данных. Это улучшает качество, но в общем случав приводит к увеличению затрат. Методы робастного проекти
рования предлагают альтернативный вариант. При робастном проектировании (см. рисунок А.8) выбирают такие
целевые значения входных данных, при которых выходные данные менее чувствительны (более робастны) к из
менению входных данных, как это показано ниже. Выходные данные характеризуются меньшей вариацией и более
высоким качеством, но без дополнительных затрат. Среди подходов робастного проектирования можно выделить
следующие: методы Тагути, подход двойного отклика и робастный анализ допусков.
CytMunaотидма
Вход
Рисунок А.8 — Робастное проектирование
13