品質設計特論まとめ3 - wakayama universityaratas/quality_des/h27/no3.pdf1...
TRANSCRIPT
1
品質設計特論まとめ3
和歌山大学システム工学研究科
鈴木 新
木曜日 4限目 A203教室
機能性評価の方法(復習)
デジタルカメラの機能は
2
デジカメ 被写体 撮影画像
入力 出力
寸法の転写性
色の転写性
被写体の寸法 撮影画像の寸法
被写体の色 撮影画像の色
yx a
axy
2
デジカメ機能性評価演習を動特性で評価(復習)
• グレースケールのRGB値
• グレースケールにもばらつき有り
• さらにRGB値の正式値は非公開
• とりあえず上の「演習」の値を使用
3
ラベル名 19 M A
演習 33 116 242
前回の演習(転写性)
4
A(33) M(116) 19(242)
y
M
116
242
転写性の場合は入力=出力,つまり傾き1
3
1次式をもとに機能性評価
ケトルにおいて沸騰時間と電力の関係は
を入出力関係に注目し書き直す
一次式(原点比例式)の関係
→ この一般化どんな水量でも評価が可能
これを動特性(動的)SN比
Wmc
tT y
M
My
原点を通る!
動的SN比の考え方
• バネはかり
–測りたいもの(測定対象)とバネの伸びの関係 → 比例関係
2kg 1kg
どのようなはかりが良いか?
4
動的SN比の考え方
• バネはかり
–測りたいもの(測定対象)とバネの伸びの関係 → 比例関係
2kg 1kg
どのようなはかりが良いか?
良いはかりは • 同じ対象は同じ:誤差が小さい • 違う対象は違う:伸び(感度)が大きい
おもりと伸びの関係
伸び
おもり
各おもりにおいて 測定のばらつきは 小さい方が良い
おもさの違いは 大きく現れた方が
良い
大きく
小さく
𝛽
𝑦 = 𝛽𝑀
𝑦
𝑀
5
産業的に有効と考えられるばねはかり
伸び
おもり
𝛽
𝑦
𝑀
先ほどと比べて 明らかに差が大きい
有効かどうか?定量的に評価
y
のとき はどうなる?
)( MyWmc
tT
][500:
][250:
][125:
3
2
1
WWM
WWM
WWM
y傾きは
1M 3M2M
カメラのときに考えた誤差(条件の違い)は考えない
6
実測値と1次式のずれ
より
となる.
しかし,実際は誤差,
が存在
つまり を最小にする
が直線の傾き
(平均的なところを通る) 最小2乗法
y
e
e
):(
0
11 MyexMye
My
My
1M 2M 3M
最小二乗法
で微分
1次式 の形で表現
の2乗和(正負で相殺されないため)
を最小にする係数 が各点からの誤差が
最も少ない直線 → を で微分し0とおけば求まる
n
i
ii Myd
d
1
20
n
i
iie MyS1
2
eS
三乗法でも四乗法でもない
2
i
ii
M
yM
My
Mye
7
最小二乗法cont’d
で微分
022
2
2
1
2
1
1
22
11
2
2
1
2
11
2
1
1
2
n
i
i
n
i
iie
e
n
i
i
n
i
ii
n
i
i
n
i
ii
MyMSd
d
SMyMy
MyMyMy
2
i
ii
M
yM
動特性SN比の重要な特性(前提条件)
𝛽
𝑦
𝑀 • 因果の向き:Mから y へ
対象システムに M を入力して得られる出力 y を評価する
誤差は各 M における推定値と実測値の差(2乗の) • ゼロ点比例式
入力されるエネルギー M が理想とする出力 y に変換されたかを評価する
8
理想関係に近い=利点
y y
どちらが良いデータ(システム)か?
1M 2M 3M1M 3M
2M
機能が理想関係に近いと
設計しやすい,ロバスト,省エネ,・・・
定量評価へ向けて再びおもりと伸びの関係
伸び
おもり
大きく
小さく
𝛽
𝑦 = 𝛽𝑀
𝑦
𝑀
• おもさの違いは大きく現れた方が良い が大きく
• 各おもりにおいて測定のばらつきは小さい方が良い が小さく
正負で相殺されないように2乗で扱う
𝛽
𝑦 − 𝛽𝑀
9
信号(感度):SN比のS (Signal)
傾き が大きければ良い
相関が負の場合はマイナスに,エネルギーは2乗で扱う,信号とノイズの分離・・・2乗和の分解
傾きの2乗を信号とする
y 3e3y
2y1y
1M 2M 3M𝛽 2
2
2
i
ii
M
yM
𝛽
ノイズ(誤差):SN比のN (Noise)
実測値 と推定値 の差が小さければ良い
積算時に正負で相殺されないように,エネルギーは2乗で扱う,信号とノイズの分離・・・2乗和の分解
誤差の2乗(分散と同じ)をノイズとする
y 3e3y
2y1y
1M 2M 3M𝛽
1
2
n
My ii
𝑦 𝛽𝑀
10
動特性SN比(誤差条件無し)
信号
ノイズ
信号とノイズの比に足し算の関係を成立させるためにlog化
1
2
n
My ii
2
2
2
i
ii
M
yM
1
log10log102
2
22
n
My
M
yM
Vii
i
ii
e
動特性SN比の2乗和を考える
全ての出力 の2乗和は
これはどんな成分に分解できるか?
y 3e3y
2y1y
1M 2M 3M
2
iT yS
iy
𝛽
直線上の点,そこからの誤差。つまり,
全2乗の積算値=直線上の積算値+誤差の積算値
2
iy 22
iM 2
ii My
11
222
iii
eT
MyM
SSS
2乗和の分解
全ての出力 の2乗和は
は比例項変動
は誤差変動
理想値の2乗の項と ばらつきの2乗の項に分解
eiT SSyS 2
iy
S
eS
222 iiieT MyMSSS
2乗和の分解を利用してSN比を表現
1
log10
1
log10log10
2
2
2
22
n
SS
M
S
n
My
M
yM
V T
i
ii
i
ii
e
12
SN比(不偏推定値補正)
• は平均的に大きくも小さくもない推定値
期待値をみると
正のバイアス有
正のバイアスを引いてあげるとSN比は
の不偏推定値は
𝛽
)(22 VE
)(V 2
i
e
M
V
e
i
e
e
i
e
i
V
M
VS
V
M
V
M
S
222
log10log10
補正値の算出
2
2
2
2
22
2
i
ii
i
ii
i
ii
i
ii
iiiii
iii
x
exb
x
exb
x
ex
x
yx
exxyx
exy
2
2
i
e
i
e
M
V
x
V
誤差の直交性を利用
今までの書き方に合わせると
13
静特性SN比
• 望小特性:目標値が負ではなく,小さければ(特に0が)うれしいもの
• 望大特性:目標値が負ではなく,大きければ(特に∞が)うれしいもの
n
yn
i
i 1
2
log10
n
yn
i
i 1
2/1
log10
静特性SN比 cont’d
• 望目特性:誤差因子(誤差条件)を繰り返しとすれば目標値からの変動係数と同じ扱い
• ゼロ望目特性:上記の望目特性と異なりばらつきが平均に依存しないもの
SN比は大きいほど良い
静特性のSN比はS(信号)とN
(ノイズ)の比ではないが,気にせずに使用しましょう
1
,/,/
log10 1
22
1
n
Sy
VnySV
nVS m
n
i
i
e
n
i
im
e
em
eV
1log10
14
タグチメソッドの手順(復習)
1. システム選択 – 仕様(設計対象と機能)を決定
2. パラメータ設計 – 適当なパラメータで実験
– 直交表とSN比を利用
3. 許容差設計 – 損失関数など経済的考え方
タグチメソッドとはこれ!
技術者の独創性は要求されない
発明とはこれ!
技術者の独創性!
企業では重要(お金の話),安全率
消費者のことを考えた設計へ
Wmc
tT
沸騰までの時間は変化する! 季節,地域,・・・
冷蔵庫内で実験,評価
可愛い子には旅をさせよ!
ばらつきの原因はそのまま
従来には無い考え方
15
誤差を考えた(取り入れた)評価
• バネはかりの評価では誤差が無かった
–のびを測る簡単なシステム
–乱れる要因が少ない
• 紙飛行機では?
–投げる人,風,紙,他・・・
• エンジンでは?
–温度,湿度,燃料の質,運転の方法,部品のばらつき,他・・・
• デジカメでは?
–照明,背景,撮影距離,他・・・
意図的に誤差条件を与える
• 例:電気ケトル
–初期水温が低いと遅い→冷水,外気温が低いと遅い→風,冬場,古いヒーターは遅い→劣化(マイナス条件)
–電圧が高いと速い→高電圧(プラス条件)
• これらを誤差因子と呼ぶ
–設計によって(設計者が)変更できない因子
–外乱:気温や風,内乱:部品の劣化やばらつき
16
誤差因子を考える
• まずはばらつきについて考える
• ばらつきの要因は何か?消費者の立場で
• ケトルで湯を沸かすとき
ケトル内部のばらつき 【内乱】
ヒーター消費電力や摩耗劣化,金属板の厚み,部品ばらつき(抵抗値),部品精度(熱の逃げ),他
ケトル外部のばらつき 【外乱】
外気温の変化,水温の変化,風による冷却,他
誤差因子
• 設計パラメータ:設計者が自由に変更可能
• 誤差因子:設計者が変更不可(手出しできない)
例:
1. 季節による温度,湿度の変化 (外乱)
2. 抵抗のばらつきと経時変化 (内乱)
• 単純繰り返しとは違う意図的な誤差を与え評価
– わざとばらつかせるという考え方 → 画期的!
水の量 沸騰までの時間
例:ケトル
誤差(内乱,外乱)
𝛽 𝑀 𝑦
17
誤差因子導入とロバストネス
• 実用誤差を考慮 タグチメソッドの最大の成果
Mが大きくなれば誤差も大きくなる(当たり前)
しかし,誤差が意図したものであれば解釈は異なる(繰返しは無意味)
意図的誤差を与え評価 可愛い子には旅をさせよ!
𝑁1
𝑁2
𝑀1 𝑀2 𝑀3
𝑦
誤差因子の設定(例:ケトル)
• 誤差因子は外気温(初期水温)
– 外気温は設計者が変更できない(使用者によって変化)
外気温が高温
熱の逃げが少ないために,出力(沸騰時間)は小さく(短く)なる
外気温が低温
熱の逃げが多いために,出力(沸騰時間)は大きく(長く)なる
𝑁1
𝑁2
と の差が最小と なる組み合わせを求める
𝑁1 𝑁2
𝑀1 𝑀2 𝑀3
𝑦
18
誤差因子有SN比の概念
𝑁1
𝑁2
𝑀1 𝑀2 𝑀3
𝑦
二乗和の分解 eNT SSSS
誤差因子によるばらつき
NS
本来のエネルギー
S
比例関係からのばらつき
eS
は比例項変動 は誤差変動 は誤差による変動
誤差因子の導入
傾き が変動
全ての出力 の2乗和は
Ne
ijT
SSS
yS 2
SeS NS
𝑁1
𝑁2
𝑀1 𝑀2 𝑀3
𝑦
𝑦11
𝑦21
𝑦23
𝑦12
𝛽
𝑦𝑖𝑗
𝑦22
𝑦13
19
二乗和の分解1
2
2
2
2
1
1
22
j
jj
j
jj
j
ijj
M
yM
M
yM
M
yM
3,2,12,1 ji
回帰直線上の点
NeT SSSS
222 jMS
𝑀1 𝑀2 𝑀3
𝑦 𝛽
𝑁1
𝑦11
𝑦12 𝑦13
𝛽1
𝑁2
𝑦21
𝑦23
𝑦22
𝛽2
22
2
ij
jij
N
M
MM
S
二乗和の分解2
誤差因子による変化
原点比例式の
•傾きが共通 の回帰変動と
•傾きが異なる 回帰変動の差
【誤差因子による変動成分】
NeT SSSS
𝑀1 𝑀2 𝑀3
𝑦 𝛽
𝑁1
𝑦11
𝑦12 𝑦13
𝛽1
𝑁2
𝑦21
𝑦23
𝑦22
𝛽2
𝛽
𝛽1,2
20
二乗和の分解3
を自由度で割る(不偏分散)
3個のデータから1個の直線
それらが2個あるので
NeT SSSS
2
jiji
NTe
My
SSSS
eS
𝑀1 𝑀2 𝑀3
𝑦 𝛽
𝑁1
𝑦11
𝑦12 𝑦13
𝛽1
𝑁2
𝑦21
𝑦23
𝑦22
𝛽2
𝑗 = 1,2,3 𝑖 = 1,2 132 e
e
SV
誤差因子SN比1
不偏推定値補正をしたSN比(誤差因子数:I,信号水準:J)
シグナルは傾き
ノイズはばらつきをすべて合計し自由度で割る
を自由度 で割る
全ノイズの自由度は
の自由度は
2
2
22
j
j
MI
S
MIS
eN SS 1IJ
1IJ
)1( JIeS
1
IJ
SSN
eN
21
誤差因子SN比2
誤差無と同じく分子は不偏推定値
分子は正のバイアスを引いた形
海外では単なる傾きの2乗が多い
本講義では正のバイアスを引いた形を用いる
不偏推定値補正をしたSN比(誤差因子数:I,信号水準:J)
)1(
,1/
/log10
2
JI
SV
IJSS
MIVSe
e
eN
je
を求める
を求めなければいけない
は既知の値
(実測値)なので求めること可能
なので
を求める
は全データIJ個の傾き
誤差因子有SN比計算法1
eN
e
j
SSIJ
VSMI
1
1
1
log10
2
)1(
JI
SV e
e
𝑆𝑒
NTe SSSS
2
ijT yS
22
jMIS
𝛽2
𝛽
22
となり,次に を考える
を得たので
も求まるので
これによりSN比が算出できた
誤差因子有SN比計算法2
2
22
j
ijj
j
MI
yM
MIS
NS
2
2
1
12
jijN
j
jj
j
ijj
i
MMS
M
yM
M
yM
NT SSS ,,
NTe SSSS
)1(
JI
SV e
e
eN
e
j
SSIJ
VSMI
1
1
1
log10
2
信号水準 𝐽 誤差水準 𝐼
SN比(誤差因子有無の比較)
不偏推定値補正をした推定値(誤差因子無し) I は繰り返し数
不偏推定値補正をした推定値(誤差因子有り) I は誤差因子数
)1(
,1/
/log10
2
JI
SV
IJSS
MIVSe
e
eN
je
1
,/
log10
2
IJ
SV
V
MIVSe
e
e
je
信号 𝑗 = 1,2,⋯ , 𝐽 誤差or繰り返し 𝑖 = 1,2,⋯ , 𝐼
23
SN比について
• 機能性の評価や誤差因子の考え方など(聞いてしまえば)当たり前に感じるが最初に提案することは難しい → 独創的
• 設計法が体系的にまとめられ誰でも(それなりの)解を得ることができる
• ただSN比についてはまだ議論の余地がある(期待値のバイアスなど)というか必要だ
• 新しいSN比を考えていく必要がある(例えばエネルギー比型など)
• SN比は理解できた(?)
• どうやってSN比が高いシステムを設計するか?
• 設計の手順も規定されている(おせっかい?)
• タグチメソッドの流れを思い出す
• システム選択
– 技術者の知恵,創造
• パラメータ設計
– タグチメソッドが提供する設計手順
• 許容差設計
– タグチメソッドが提供する安全率,コストの設定
実験計画
創造したものを調節する方法 つまり最適化 調節には直交表を利用
24
• 直交とはすべてがバランス良く組み合わされる
• 直交表の作成には一貫した理論は無い
問題 大佐,中佐,少佐が3人ずついる。 3×3配列にバランスよく並べよ。
直交表
大 中 少
中 少 大
少 大 中
A B C L1 1 1 1 L2 1 2 2 L3 2 1 2 L4 2 2 1
直交表
直交とは
A列の1に対して,
B列の1,2が
同じ回数出現
すること
L4直交表(4行,3変数)
目的は
効率化と
組み合わせ効果
25
L9直交表
A B C D1 1 1 1 12 1 2 2 23 1 3 3 34 2 1 2 35 2 2 3 16 2 3 1 27 3 1 3 28 3 2 1 39 3 3 2 1
•直交
•目的は効率化と組み合わせ効果
•本来の組み合わせ数は
3×3×3×3=81
•作成法:一貫した理論は無い
→ 技術者は利用する立場
•従来実験は任意の設計パラメータを固定して条件出し(例:モータを決めて他の条件を変更していく)
L18直交表
A B C D E F G H1 1 1 1 1 1 1 1 12 1 1 2 2 2 2 2 23 1 1 3 3 3 3 3 34 1 2 1 1 2 2 3 35 1 2 2 2 3 3 1 16 1 2 3 3 1 1 2 27 1 3 1 2 1 3 2 38 1 3 2 3 2 1 3 19 1 3 3 1 3 2 1 210 2 1 1 3 3 2 2 111 2 1 2 1 1 3 3 212 2 1 3 2 2 1 1 313 2 2 1 2 3 1 3 214 2 2 2 3 1 2 1 315 2 2 3 1 2 3 2 116 2 3 1 3 2 3 1 217 2 3 2 1 3 1 2 318 2 3 3 2 1 2 3 1
•18行(実験回数18回,信号や誤差によってこれよりも多くなる)
•本来の組み合わせ数は
2^1×3^7=4374
•2水準が1,3水準が7
•8個の設計パラメータが割付可能
•複雑なシステムでなければ改善の余地無し,競争力無し
26
L18直交表の活用
A B C D E F G H1 1 1 1 1 1 1 1 12 1 1 2 2 2 2 2 23 1 1 3 3 3 3 3 34 1 2 1 1 2 2 3 35 1 2 2 2 3 3 1 16 1 2 3 3 1 1 2 27 1 3 1 2 1 3 2 38 1 3 2 3 2 1 3 19 1 3 3 1 3 2 1 210 2 1 1 3 3 2 2 111 2 1 2 1 1 3 3 212 2 1 3 2 2 1 1 313 2 2 1 2 3 1 3 214 2 2 2 3 1 2 1 315 2 2 3 1 2 3 2 116 2 3 1 3 2 3 1 217 2 3 2 1 3 1 2 318 2 3 3 2 1 2 3 1
•タグチメソッドでは通常L18を使用
•基本的には3水準で「大 or 中 or 小」が分かる
•設計パラメータが6以下のときはC列以降に割り付け
•もっと細かくしたいときはA,Bをひとつに → 6水準
•そうすればABの6水準がその他のパラメータと直交していることが分かる
①
②
⑥
・
・
・
A B C L1 1 1 1 L2 1 2 2 L3 2 1 2 L4 2 2 1
直交表実験(設計)方法
• 適当に組み合わせて実験,良いのを選ぶ
• どう組み合わせるのか? → 直交表
• 通常2^3=8通り,直交表4通り
A1:ヒーター1
B1:プレート5mm
C1:胴形状1
A2:ヒーター2
B1:プレート5mm
C2:胴形状2
27
直交表にて(主)効果を確認
A1:×○,A2:○×
B1:×○,B2:○×
C1:××,C2:○○
C2は他のパラメータの影響を受けにくい
→ ロバスト
この考え方は後で説明する誤差実験で重要
A B C L1 1 1 1 L2 1 2 2 L3 2 1 2 L4 2 2 1
×
○
○
×
設計パラメータの割り付け
No A B C M1 M2 M3 M1 M2 M31 1 1 12 1 2 23 2 1 24 2 2 1
SNR
N1 N2
A: ヒーターの種類
B: 底の種類
C: 胴の形 ケトルでは
それぞれの行で結果がでる
それを静的な評価指標(静特性SN比)で評価する
設計パラメータごとの結果
ex, A1>A2, B1<B2, …
誤差Nは?信号Mは?(動特性SN比)
28
誤差因子と信号因子の割り付け
No A B C M1 M2 M3 M1 M2 M31 1 1 12 1 2 23 2 1 24 2 2 1
SNR
N1 N2
誤差因子と信号因子の外側配置:外側直交表
N1の回帰直線 N2の回帰直線
全データの回帰直線
全ての設計パラメータ(行)のSN比を得る
SN比は行で1つ
内側直交表と外側直交表
No A B C M1 M2 M3 M1 M2 M31 1 1 12 1 2 23 2 1 24 2 2 1
SNR
N1 N2
外側直交表
内側(設計パラメータ)と外側(誤差と信号)は直交している
誤差と信号も直交している
つまり分離可能 → 2乗和の分解
内側直交表
29
誤差因子の配置と調合
No A B C N1 N21 1 1 12 1 2 23 2 1 24 2 2 1
SNR
誤差因子は直交表の外側に配置:外側直交表
SN比小 SN比大
路面 wet dryタイヤ 古 新モーター古 新
誤差1 誤差2
SN比が大,SN比が小
の両極端な条件設定
→ 誤差因子の調合
意図した誤差条件!
2条件としたほうが実験が楽,さらにより厳しい条件となる
実験結果の評価(行)
No A B C M1 M2 M3 M1 M2 M31 1 1 12 1 2 23 2 1 24 2 2 1
SNR
N1 N2SNR
外側直交表:yijは実験結果(評価値)
1行目のSNRを計算する
𝑦21 𝑦22 𝑦23 𝑦11 𝑦12 𝑦13 𝜂1
𝜂4
⋮
2, 3, 4行目のSNR
432 ,,
3,2
,1/
/log10
2
1
JI
IJSS
MIVS
eN
je
30
実験結果の評価
No A B C SNR1 1 1 1 η 12 1 2 2 η 23 2 1 2 η 34 2 2 1 η 4
SNR
2
211
A
A1のSNR
2
432
A
A2のSNR
以下,同様にSN比を計算
最適水準の組み合わせ
1A
2B
21 AA の場合, を選択
の場合, を選択 21 BB
No A B C SNR1 1 1 1 η 12 1 2 2 η 23 2 1 2 η 34 2 2 1 η 4
SNR
31
最適水準のグラフ化(要因効果図)
• 得られた結果をもとに平均値間の差(要因効果)を求める → 難しいことは後,とりあえずプロット
A1 A2 B1 B2 C1・・・
11
10
9
dB SN比の一番高いところが最適条件
要因効果図
No A B C SNR1 1 1 1 η 12 1 2 2 η 23 2 1 2 η 34 2 2 1 η 4
SN比をプロット
SN比の高い パラメータを探す
2
211
A
2
432
A
𝜂𝐴1 𝜂𝐴2 𝜂𝐵1 𝜂𝐵2⋯ 𝜂𝐴1 𝜂𝐴2 𝜂𝐵1 𝜂𝐵2⋯
32
交互作用(ケトルの例)
• ヒーター1とヒーター2の良いほうを選択したい
– 板厚1,センサー1,・・・ヒーター以外の条件を固定
– 問題点は板厚とヒーターとの関係が変化
– ヒーター1,2で板厚1,2の差(傾き)が違う
ヒータ1 ヒータ2 板厚1 板厚2
板厚1
板厚2
ヒータ1 ヒータ2
【交互作用無し】 【交互作用有り】
𝑦 𝑦
交互作用をもとにパラメータ選択
• 交互作用を考えた選択では
– ノイズ(誤差,ばらつき)を減らす
– ヒーター1とヒーター2はどちらが良いか?
–板厚1と板厚2はどちらが良いか?
ヒータ1 ヒータ2
板厚1
板厚2
板厚1 板厚2
ヒータ1
ヒータ2
ヒーター2がばらつき小
板厚1がばらつき小
𝑦 𝑦
33
パラメータとばらつき
パラメータの変化によって出力は大きな影響を受ける 𝑦2
𝑦1
𝐴1 𝐴2
のほうが出力の ばらつきが小さい
𝐴2
ばらつき低減 → 目標値
• ばらつきは低減できそうだ,目標値は?
目標値
ばらつきは減る,しかし出力が大きすぎる
線形なパラメータを利用して出力を小さく!
𝑦2 𝑦2
𝑦1
𝑦1
𝐴1 𝐴2 𝐵1 𝐵2
34
ばらつき低減 → 目標値
• ばらつきは低減できそうだ,目標値は?
目標値
ばらつきは減る,しかし出力が大きすぎる
線形なパラメータを利用して出力を小さく!
𝑦2 𝑦2
𝑦1
𝑦1
𝐴1 𝐴2 𝐵1 𝐵2
まずばらつきの低減,つぎに目標値へ合わせる 2段階設計!
2段階設計の方法 • 設計パラメータによる方法(前述)
• 出力のオフセット
の目標値
の目標値
𝛼 𝑦1
𝑦1
𝑦1
𝑀1 𝑀2 𝑀3
𝑀2
𝑀3
𝑦 = 𝛽(𝑀 + 𝛼) or 𝑦 = 𝛽𝑀 + 𝛼
35
最適水準を確認する
A1 A2 B1 B2 C1 C2
11
10
9
dB
最適条件はA2,B1,C1
直交表内には無い条件
確認実験によってSN比を確認
No A B C1 1 1 12 1 2 23 2 1 24 2 2 1
No A B C SNR1 1 1 1 η 1
2 1 2 2 η 2
3 2 1 2 η 3
4 2 2 1 η 4
SNR η A η B η C
確認実験
例えば1行目は
T
T
CBA
AAA
2
2
2
2
2
2/)(2/)(
42
1
43211
413121
111
4321
432121
36
確認実験の再現性
なので
No A B C1 1 1 12 1 2 23 2 1 24 2 2 1
では,最適設計が全て水準2であればどうする?
最適設計と1行目(初期設計)の差を計算
初期よりどれだけ改善されたか確認
実際に実験したときのSN比と比較!
),()()(
)()()(2
2
1212
1111111
1111
TTTT
TTTTT
T
CBA
CBACBA
CBA
T
TTTT
CBA
CBAopt
2
)()()(
222
222
11 optopt
確認実験L18の場合
の推定値は以下のように一般化できる
最適値 も同様にして推定可能
3
6/6/6/
183
182
9/9/
2
18715412111
181321
18118109121
CABBB
B
AAA
T
)()()(
7ˆ
111
1111
TTTT
T
HBA
HBA
1
opt
37
dBを使う意味
• 通信で利用されるSN比に合わせて
–信号(技術の働き)とノイズ(誤差)の比
• それぞれのSN比の効果を足し算で計算
L9直交表の場合,A1は3個(3行の実験結果)得られた
これらを単純に足して平均化した理由はSN比(dB値)による
𝐴1 =1
𝑛 𝐴1_𝑛 𝐴1_1 𝐴1_2 𝐴1_3
対数(log)の評価
• 製品開発で欲しい情報例
温度変化の影響度 a% 湿度変化の影響度 b%
電圧変化の影響度 c% 材料のばらつきの影響度 d%
• 総合的な安定性は次式となる
総合評価=(1+a/100)・(1+b/100)・(1+c/100)・(1+d/100)
• 両辺の対数を取ると足し算で表される
log(総合評価)
=log(aの影響)+ log(bの影響) + log(cの影響)+ log(dの影響)
総合的な評価や個別の影響も分析しやすくなる
38
静特性SN比
• 望小特性:目標値が負ではなく,小さければ(特に0が)うれしいもの
• 望大特性:目標値が負ではなく,大きければ(特に∞が)うれしいもの
n
yn
i
i 1
2
log10
n
yn
i
i 1
2/1
log10
静特性SN比 cont’d
• 望目特性:誤差因子(誤差条件)を繰り返しとすれば目標値からの変動係数と同じ扱い
• ゼロ望目特性:上記の望目特性と異なりばらつきが平均に依存しないもの
SN比は大きいほど良い
静特性のSN比はS(信号)とN
(ノイズ)の比ではないが,気にせずに使用しましょう
1
,/,/
log10 1
22
1
n
Sy
VnySV
nVS m
n
i
i
e
n
i
im
e
em
eV
1log10
39
動特性SN比
• 動特性:誤差有り:信号因子j=1,・・,J,誤差因子i=1,・・,I
• 動特性:誤差無し:信号因子j=1,・・,J,繰り返し数i=1,・・,I
1/
/log10
2
IJSS
MIVS
eN
je
e
je
V
MIVS
2/log10
動特性と静特性
• パラメータ設計において
• システムの入力と出力の関係を調べたい
→ 動特性(原点を通る比例式)
(例)入力電圧における回転数:エネルギーの変換
𝑀1 𝑀2 𝑀3
𝑦
𝑀1 𝑀2 𝑀3
𝑦
パラメータ設計
40
動特性と静特性
• 入力:固定,出力を安定化 → 静特性
(例)規定時間での処理量:理想値へ近づける
静特性:「望目特性」・「望大特性」・「望小特性」
目標値に揃うほど良い
寸法,出力電圧など
大きいほど良い
強度,寿命など
非負で小さいほど良い
騒音,振動など
𝑦
パラメータ設計
𝑦
2段階設計
①ばらつきを抑える ②目標へ近づける
傾き
41
手順まとめ
1. システム選択
– 設計の目的,基本機能,評価方法(SN比含む)を決定
2. パラメータ設計
– パラメータと水準決定(設計,誤差,信号)
– 直交表実験,最適水準の探索
– 確認実験により初期値と最適値比較,再現性確認
• 重要なことは「最初に良く考える」,「仕様が決まればとにかく実験をする」,「確認実験で再現性チェック」,「活用しやすいデータを取る」