Progettazione del processo produttivo - old · IL CONTROLLO STATISTICO DIQUALITA’ (on line) è un metodo statistico passivo. Il DOE è un metodo statistico attivo. Esperimenti fattoriali

24/01/2013

1

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 cosid-

detto DOE (design of experiments) in uno stadio antecedente allo sviluppo di tutto il ci-

clo in fase di progettazione di un nuovo prodotto, o del miglioramento di un processo esi-

stente, 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.

24/01/2013

2

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 con-

trollabili: lo spessore del circuito stampato, il tipo di componente usato

sul circuito, l’operatore.

In tal caso un piano degli esperimenti dovrebbe evidenziare la gran-

dezza e la direzione degli effetti di questi fattori.

IL CONTROLLO STATISTICO DI QUALITA’ (on line) è un metodo

statistico passivo. Il DOE è un metodo statistico attivo.

Esperimenti fattoriali Strategia del Taguchi

VANTAGGI: Riduzione dei costi SVANTAGGI: confounding factors

24/01/2013

3

C

A B -1 1

-1 -1 -3,-1 -1;0

1 -1 0;1 1;3

1 1 2;3 6;5

-1 1 -1,0 1;1

Se si è appurata la mancanza di interazioni, è possibile

proseguire (o ripetere) la sperimentazione usando i pia-

ni 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!!!

24/01/2013

4

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 B

-1 -1

1 -1

1 1

-1 1

Per aggiungere un terzo fattore C, possiamo procedere con la regola del prodotto:

A B C

-1 -1 -1*-1

1 -1 1*-1

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 B C AB AC BC ABC

-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

A B C AB AC BC ABC

-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

24/01/2013

5

Esempio

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)

Scopo dell’esperimento: trovare le migliori condizioni

per la saldatura elettrica di due lastre di ferro.

Efficacia meccanica delle parti saldate, misurata con la forza (kg/mm^2)

A B AB C AC BC D

Valori di

Y

-1 -1 -1 -1 -1 +1 -1 15

-1 -1 -1 +1 +1 -1 +1 20

-1 +1 +1 -1 -1 -1 +1 4

-1 +1 +1 +1 +1 +1 -1 9

+1 -1 +1 -1 +1 +1 +1 25

+1 -1 +1 +1 -1 -1 -1 29

+1 +1 -1 -1 +1 -1 -1 10

+1 +1 -1 +1 -1 +1 +1 8

Pooling error:

somma devianze

inferiori al 4 o 5%

>> 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’)')

IN MATLAB

Non ci sono repliche

24/01/2013

6

SS

A 72

B 420,5

C 18

D 4,5

AB 24,5

AC 8

BC 4,50

Totale 552

%SS DF

13,04% 1

76,18% 1

3,26% 1

0,82% 1

4,44% 1

1,45% 1

0,82% 1

• ad esempio 3,26% proviene da 18/552 (% variabilità di C rispetto a

variabilità totale)

Errore 35,00 4

Stat test P-value

8,228571 0,0456

48,05714 0,0023

2,8 0,1696

• ad esempio 8,22 proviene da 72/(35/4) (distribuzione di Fisher)

• l’errore corrisponde alla somma delle variabilità in rosso (inferiori

a 4 o 5%)

>> 1-fcdf(8.22,1,4), ans = 0.0456

24/01/2013

7

ROBUST DESIGN

(PROGETTAZIONE ROBUSTA)

ZERO DIFETTI

All’interno dei limiti

di specifica

PROGETTAZIONE ROBUSTA

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:

24/01/2013

8

L’equazione così ottenuta è l ’equazione di una parabola

2

Si può pensare alla prestazione effettiva come ad una v.a.

, dove (0, )

x

X Z Z Nµ σ= + ≈

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.

24/01/2013

9

Normal is better

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.

( )0

2 2

10

0

massimo di S/N=10log /

x

x S

≠ ⇒

Lower is better

higher is better

Capacità di accelerazione, resistenza di una biella

Riduzione impurità oppure emissioni nocive

24/01/2013

10

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.

24/01/2013

11

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.

24/01/2013

12

Se dovessimo operare un taglio a metà

la scelta dovrebbe seguire la regola del

prodotto

A B C D

-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

1 1 -1 1

1 1 1 -1

E invece viene usato un piano sperimen-

tale 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 com-

binazioni 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.

24/01/2013

13

Se si volesse utilizzare l’ANOVA, avremmo avuto la necessità di realizzare un piano speri-

mentale 3^4 = 81 aerei con un complessivo di 81*4=244 prove.

24/01/2013

14

24/01/2013

15

24/01/2013

16

ESERCIZIO

Descrivere il piano fattoriale completo,

adottato per le prove delle batterie, se-

guendo il seguente ordine: fissato il li-

vello +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.

24/01/2013

17

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 B C Conv 1 2 3 4 5 Somma

1 1 1 abc 536 542 464 565 314 2421

1 1 -1 ab 516 517 423 515 531 2502

1 -1 1 ac 487 475 346 507 558 2373

1 -1 -1 a 683 608 529 704 635 3159

-1 1 1 bc 106 99 86 61 100 452

-1 1 -1 bc 55 58 77 102 84 376

-1 -1 1 c 118 103 103 95 80 499

-1 -1 -1 (1) 65 63 76 104 89 397

(1)436.55

4 4

a ab ac abc b c bceffA

n n

+ + + + + += − =

(1)33.85

4 4

b ab bc abc a c aceffB

n n

+ + + + + += − = −

(1)34.45

4 4

c ac bc abc a b abeffC

n n

+ + + + + += − = −

(1)27.05

4 4

c ab abc a b bc aceffAB

n n

+ + + + + += − = −

(1)52.25

4 4

b ac abc a c bc abeffAC

n n

+ + + + + += − = −

(1)33.95

4 4

a bc abc b c ac abeffBC

n n

+ + + + + += − =

4

(1)36.55

4

a b c abceffABC

n

ac bc ab

n

+ + +=

+ + +− =

24/01/2013

18

A B

1 1 492,3

1 -1 553,2

-1 1 82,8

-1 -1 89,6

A C

1 1 479,4

1 -1 566,1

-1 1 95,1

-1 -1 77,3

B C

1 1 287,3

1 -1 287,8

-1 1 287,2

-1 -1 355,6

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10

100

200

300

400

500

600

Interazione AB

+1

-1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1280

290

300

310

320

330

340

350

360

Interazione BC

+1

-1

-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 10

100

200

300

400

500

600

Interazione AC

+1

-1

INTERAZIONE A DUE FATTORI

-1

-0.5

0

0.5

1

-1

-0.5

0

0.5

1

0

200

400

600

800

INTERAZIONE TRA FATTORI

Effettuando l’Anova a 3

fattori dovremmo trovare

che le interazioni sono signifi-

cative

E infatti…