Robustification - Robustification
Robustification jest formą optymalizacji przy czym układ jest wykonany mniej wrażliwe na działanie losowej zmienności i hałasu, który jest obecny w zmiennych wejściowych tego systemu i parametrów. Proces ten jest zazwyczaj związane z inżynierii systemów, ale proces ten może być również stosowany do polityki politycznej, strategii biznesowej lub jakiegokolwiek innego systemu, który jest przedmiotem wpływu zmienności losowej.
Zawartość
Wyjaśnienie definicji
Robustification jak to zdefiniowano tutaj jest czasami określany jako parametru projektu i wytrzymała konstrukcja parametrów (RPD) i jest często związany z metod Taguchi . W ramach tej kontekście robustification mogą obejmować proces poszukiwania wejścia, które najbardziej przyczyniają się do zmienności losowej w produkcji i ich kontrolowanie, czy konstrukcja tolerancja. Czasami konstrukcja warunki dla jakości lub Design for Six Sigma (DFSS) mogą być również stosowane jako synonimy.
zasady
Robustification działa poprzez wykorzystanie dwóch różnych zasad.
Nieliniowości
Rozważyć poniższe wykresy zależności między o zmiennej wejściowej x , a wyjście Y , dla których pożądane jest, aby wartość 7 jest podjęte, układu będącego przedmiotem zainteresowania. Można zauważyć, że możliwe są dwie wartości, które x Najpierw może, 5 i 30. Jeżeli tolerancja dla x jest niezależna od wartości nominalnej, to można również zobaczyć, że kiedy x jest równe 30, oczekiwane wahania Y jest mniejszy niż w przypadku x zostały równy 5. powodem jest to, że gradient przy x = 30, jest mniejsza niż przy x = 5, i losowy zmienność x jest tłumiony, ponieważ przepływa Y .
Ta podstawowa zasada leży u podstaw wszystkich robustification, ale w praktyce nie są zazwyczaj szereg wejść i jest odpowiedni punkt z najniższym gradientu na wielowymiarowej powierzchni, która musi zostać znaleziony.
Niestałej zmienność
Rozważmy przypadek, gdy wyjście Z jest funkcją dwóch wejść X i Y , które są pomnożone przez siebie.
Z = XY
Dla każdej wartości docelowej Z istnieje nieskończona ilość kombinacji dla nominalnych wartości x i y , które będą odpowiednie. Jednakże, gdy odchylenie standardowe x jest proporcjonalna do wartości znamionowej, a odchylenie standardowe y była stała, a x może być zredukowane (na ograniczenie losowo zmienności, które przepływa z prawej strony równania w stronę lewej ) i Y będzie zwiększone (bez oczekiwanego wzrostu zmienności losowo, ponieważ odchylenie standardowe jest stałą), aby doprowadzić wartość z do wartości docelowej. W ten sposób, Z musiałby żądaną wartość nominalną i można było oczekiwać, że jego odchylenie standardowe byłoby przynajmniej: robustified.
Dzięki wykorzystaniu tych dwóch zasad określonych powyżej, jedna jest w stanie zoptymalizować system tak, że wartość nominalna wyjścia systemów jest utrzymywana w jej pożądanego poziomu, a jednocześnie minimalizując prawdopodobieństwo jakiegokolwiek odchylenia od tej wartości nominalnej. Dzieje się tak pomimo obecności przypadkowej zmienności w obrębie zmiennych wejściowych.
metody
Istnieją trzy główne sposoby robustification, ale lekarz może wykorzystać mieszankę, która zapewnia najlepszy w wynikach, zasobów i czasu.
Eksperymentalny
Podejście eksperymentalne jest prawdopodobnie najbardziej znana. Polega ona na identyfikację tych zmiennych, które mogą być dostosowane i tych zmiennych, które są traktowane jako dźwięki. Eksperyment jest następnie zaprojektowany w celu zbadania, jak zmiany wartości nominalnej zmiennych regulowanych może ograniczyć przenoszenie hałasu z zmiennych hałasu na wyjście. Takie podejście jest przypisana do Taguchi i często wiąże się z Metoda Taguchi . Chociaż wiele odkryli metodę dostarczenia imponujące wyniki, techniki zostały również krytykowany za to, że statystycznie błędne i nieskuteczne. Również czas i wysiłek wymagany może być znacząca.
Inną metodą eksperymentalną, który został użyty do robustification jest okno robocze. Został on opracowany w Stanach Zjednoczonych , zanim fala metod jakościowych z Japonii przyszedł na Zachodzie, ale nadal pozostaje nieznany dla wielu. W tym podejściu, hałas z wejść jest stale zwiększa się system został zmodyfikowany w celu zmniejszenia wrażliwości na tego hałasu. Zwiększa to wytrzymałość, ale również wyraźniejszy miarą zmienności, która przepływa przez układ. Po optymalizacji losowy zmienność wejść jest kontrolowana i redukcji i systemu wykazuje lepszą jakość.
Analityczny
Podejście analityczne polega początkowo na rozwój analitycznego modelu systemu zainteresowania. Oczekiwana zmienność produkcji jest następnie uzyskać stosując sposób podobny do propagacji błędów lub funkcji zmiennych losowych. Te zazwyczaj wytwarzają algebraiczny ekspresji, które mogą być analizowane w celu optymalizacji i robustification. Takie podejście jest tak dokładne, jak model opracowany i może to być bardzo trudne, jeśli nie niemożliwe dla złożonych systemów.
Podejście analityczne może być również stosowany w połączeniu z jakimś zastępczym modelu opartego na wynikach eksperymentów lub symulacji numerycznych systemu.
Liczbowy
W ujęciu liczbowym model prowadzi się wielokrotnie w ramach symulacji Monte Carlo lub liczbowego propagacji błędów przewidywania zmienność wyjściowych. Metody numeryczne optymalizacji takich jak algorytmy gradientowe lub ewolucyjnych są następnie wykorzystywane w celu znalezienia optymalnych wartości zadanych na wejściach. Takie podejście zwykle wymaga mniej czasu i wysiłku ludzkiego niż dwa pozostałe, ale może być bardzo wymagająca zasobów obliczeniowych podczas symulacji i optymalizacji.
Zobacz też
Przypisy
Referencje
- Clausing (1994) Total Quality Development: Step-By-Step Guide to World-Class Inżynierii współbieżne. American Society of Mechanical Engineers. ISBN 0-7918-0035-0
- Clausing, D. (2004) Okno pracy: środek Technika dla solidności Technometrics. Cz. 46 [1], str. 25-31.
- Siddall (1982) Optymalne Engineering Design. CRC. ISBN 0-8247-1633-7