Robustes Design und Parameter Design

Robustes Design

Ziel des Robust-Designs ist es, das Produkt bzw. den Prozess, was im Ganzen ein so genanntes „System“ bildet, gegenüber Schwankungseinflüssen unempfindlich bzw. gering empfindlich zu machen. Die Funktionalität des Produktes steht dabei im Vordergrund, da meistens ein breiter Produktanwendungsbereich anvisiert wird. [1] 

Robust-Design ist ein Entwicklungsprozess, der auf den Bedürfnissen und Erwartungen der Kunden basiert. Die Hauptidee ist durch den Einsatz der Robust-Design-Methoden Kosten zu minimieren, die Entwicklungsqualität zu erhöhen und die „time to market“-Termine zu sichern.

Problemstellung

Der Kunde stellt gewisse technische Anforderungen an das ihm gelieferte Produkt. Er vergleicht seine Erwartungen mit den, ihm gebotenen Produkteigenschaften (Bild 1).

Bild 1

Leider ist der Kunde selten in der Lage seine Wünsche oder die Bewertung des Produktes in technischer Sprache auszudrücken. An den, am Entwicklungsprozess beteiligten Ingenieur wird die Aufgabe gestellt unter Berücksichtigung dieser Wünsche das optimale Ergebnis zu erzielen. Der Ingenieur betrachtet dabei diesen Prozess als einen „Energieumwandlungsmechanismus“ (Rolf Rehbehn und Zafer Bülent Yurdakul. Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele. 2. Auflage, 2005. Publicis Corporate Publishing, Erlangen. S. 221, Zeile23f). Die Erwartungen der Kunden werden als Eingangssignale aufgenommen und mit Rücksicht auf Störgrößen in den „idealen System-Output“ (ebenda) transformiert (Bild 2), wobei das Augenmerk stark auf den Kundenanforderungen beruht.

Die Nutzung der Produkte hat zur Folge, dass Produkteigenschaften variieren. Diese Variation wird hervorgerufen durch Störfaktoren, auch „noise factors“ genannt. Die Störfaktoren sind nachträglich schwer oder gar nicht mehr zu eliminieren. Sie verursachen somit hohe Kosten.

Bild 2 (Welt der Ingenieure) [2] 

Störgrößen lassen sich in zwei Kategorien aufteilen[3] :

Innere Störgrößen:
  • Teil-zu-Teil-Variation (Variation einer Lackschichtdicke, Variation der Kontaktkraft einer Kontaktfeder)
  • Veränderung über Zeit (Verschleiß, Alterung)
Äußere Störgrößen:
  • Unterschiede im Nutzungsprofil (Kunde)
  • Umweltbelastung (durch Temperatur, Feuchtigkeit, Staub) oder mechanische Beanspruchungen
  • Störeinflüsse benachbarter Systeme (Wärmeeinwirkungen, Emissionsstrahlungen)

Zielstellung

Die Steuerungsfaktoren, auch genannt Control Factors, sind so vom Entwicklungsteam zu regeln, dass trotz vorhandener Störungen die Streuung der Produkt- bzw. Prozesseigenschaften minimal ist. Das hat zu Folge, dass die wichtigen erforderlichen Funktionen des Produktes bzw. Prozesses optimal erfüllt werden.[4]  -> Robustheit des Systems.

Off-line Engineering

Robust-Design gliedert sich in drei Phasen, Konzept-Selektion, Parameter-Design und Toleranz-Design. Diese kommen in zeitlicher Abfolge im Produktentwicklungsprozess zur Anwendung.

Taguchi nannte diese Phasen „Off-line engineering“
(Bild 3).

Bei der Konzept-Selektion geht es darum ein optimales Konzept auszuwählen, das mit einer bekannten und robusten Technologie entwickelt wird und dabei die Flexibilität des Systems garantiert.

Bild 3

Parameter-Design ist ein Methodenverfahren, das das Ziel verfolgt Abweichungen bei Produkten oder Prozessen zu reduzieren. Dabei werden die Steuerungsfaktoren ermittelt, die das System robust machen bzw. Störgrößenstandhaft.

Das Toleranz-Design zielt auf die Ausbalancierung von Qualität und Kosten, deren Soll-Werte bereits im Voraus innerhalb des Parameter-Designs bestimmt wurden. Die Toleranzen werden hierzu verschärft oder erweitert.

Vor- und Nachteile

  • schnelle, effektive und robuste Produkt- bzw. Prozessentwicklung
  • Produkt- bzw. Prozessgruppen werden optimiert, indem eine bereits angewandte Technologie robust gemacht wird
  • Robustheit führt zur kürzeren Entwicklungszeiten von neuen Prozessen bzw. Produkten
  • Entwicklungskosten, Entwicklungsdurchläufe und „time-to-market“-Zeiten werden minimiert

Parameter Design

Ist eine wichtige Schwerpunktmethode in der Entwicklungsphase neben Konzept- und Toleranz-Design. Sie ermöglicht die Optimierung von Prozess- und Produktparametern noch vor Beginn der Produktion. Das Ziel dabei ist das System (Produkt und Prozess) möglichst unempfindlich bzw. nur stark reduziert empfindlich gegenüber Störgrößen zu machen. [5] 

Zielsetzung

Produkte und Prozesse robust machen, in dem Steuerungsparameter optimal konzipiert werden.

Methodisches Vorgehen

Der detaillierte Ablauf ist unter Bild 1 zu finden.

Bild 4 (Ablauf Parameter-Design) [6] 

Sofern Versuchswerte vorliegen wird beim Parameter-Design zwischen drei Qualitätscharakteristiken unterschieden[7] :

  • Fall1: Der Sollwert ist am Besten.
  • Fall 2: Der kleinere Wert ist am Besten.
  • Fall 3: Der höhere Wert ist am Besten.

Beispiel:

  • Fall1: Qualitätsmerkmal HDTV ist Hochauflösung. Bedeutet, dass maximale Kundenzufriedenheit erreicht wird, wenn die Hochauflösung seinem Sollwert entspricht. Damit besitzt der Sollwert die Priorität.
  • Fall 2: Geringer Kontaktwiderstand ist ein wesentliches Funktionsmerkmal vom Akku-Konnektor. Die Priorität liegt hier beim kleineren Wert.
  • Fall 3: Qualitätsmerkmal eines Produktes ist seine Lebensdauer. Je höher die Lebensdauer eines Produktes, desto besser. Die Priorität liegt hier beim höheren Wert.

Um diese drei Charakteristiken zu bestimmen werden der Mittelwert und die Standardabweichung der Zielgröße zu einer Konstanten zusammen gefasst. Hierzu bedient sich Taguchi des Rauschfaktors aus der Nachrichtentechnik.[8] 

Signal to Noise Ratio

Das Verhältnis der Signalleistung S zu Rauchleistung N ist der Rauschfaktor (S/N-Wert). Er symbolisiert hier das Maß der Robustheit des Systems.

Daraus lässt sich schließen, dass wenn durch die Transformation S erhöht wird und N reduziert wird, so wird die Robustheit eines Systems maximiert.

ANOVA – Analysis of Varianz

Dieses Verfahren verfolgt das Ziel den Zusammenhang zwischen einer diskreten, unabhängigen Einflussvariablen auf eine stetige, abhängige Outputgröße zu untersuchen.

Hierbei sind unabhängige Variablen Faktoren und ihre Ausprägungen Faktorstufen. Je nach Anzahl der Faktoren unterscheidet man zwischen:

Einfaktorielle Varianzanalyse – One Way ANOVA
Zweifaktorielle Varianzanalyse – Two Way ANOVA

Bei der One Way ANOVA wird mit Hilfe einer Prüfgröße getestet, wie groß die Variabilität zwischen den Faktorstufen und innerhalb der Faktorstufen ist. Es erfolgt die Zerlegung der gesamten Variation. Sie lässt sich auf die Summe der Gesamtabweichungen aller erhaltenen Versuchsergebnisse übertragen.[9] 

Bild 5 [10] 

Bild 6[11] 

Bei der Two Way ANOVA wird anschließend zur der One Way ANOVA das Vorhandensein von Wechselwirkungen zwischen den Faktoren getestet.[12] 

Bild 7 [13] 

Störgrößen im statischen System

Hier wird nur eine Einstellung der Signalgröße M1 berücksichtigt. Die Störgrößen CNF1 du CNF2 zusammengefasst verursachen eine Variation (y1 bis y4) im Ergebnis. Diese umgibt den Sollwert (Bild 8).

Bild 8 [14] 

Störgrößen im dynamischen System

Zwischen dem Ergebnis und der Signalgröße besteht ein linearer Zusammenhang. Die Signalgröße (M1, M2, M3)besitzt hier mehrere Stufen. Ist der Zusammenhang nicht linear, so wird der Versuchsdurchlauf wiederholt. Taguchi bezeichnet die Steigung der Kurve (ß) als Sensivity (Empfindlichkeit). Linearer Zusammenhang[15] :

Y = ß * M

Ergebnis = Empfindlichkeit * Signal

Vorteile von Parameter Design

  • Kürzere Entwicklungszeiten und optimale time-to-market-Termine
  • Gewährleistung der Robustheit
  • Keine unnötigen und treueren Verschärfung der Toleranz

 

Quellennachweise

1.  Vgl. JHP. Robust Design, Abgerufen auf: http://www.jhp-beratung.de/de/methoden/robust-design/index.html am 29.05.2012 [↑]

2.  Vgl. Rolf Rehbehn und Zafer Bülent Yurdakul: Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 222 [↑]

3.  Rolf Rehbehn und Zafer Bülent Yurdakul. Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 222 [↑]

4.  Vgl. OptiY ®. Robust Design Optimierung, Abgerufen auf: http://www.optiy.eu/RobustOptimierung.htm am 29.05.2012 [↑]

5.  Vgl. Matthias Kummer. Versuchsmethodik nach Taguchi, Seite 3, Zeile 7f. Abgerufen auf: http://www-classic.uni-graz.at/inmwww/vorbach/qm/taguchi.pdf, am 29.04.2012 [↑]

6.  Vgl.Rolf Rehbehn und Zafer Bülent Yurdakul: Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 228 [↑]

7.  Rolf Rehbehn und Zafer Bülent Yurdakul: Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 227 [↑]

8.  Rolf Rehbehn und Zafer Bülent Yurdakul: Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 229 [↑]

9.  Alexander John, Renata Meran, Olin Roenpage, Christian Staudter: Six Sigma+Lean Toolset. Seite 147 [↑]

10.  Alexander John, u.a. Six Sigma+Lean Toolset. Seite 147 [↑]

11.  Alexander John, u.a. Six Sigma+Lean Toolset. Seite 147 [↑]

12.  Alexander John, Renata Meran, Olin Roenpage, Christian Staudter: Six Sigma+Lean Toolset, Seite 150 [↑]

13.  Alexander John, u.a. Six Sigma+Lean Toolset. Seite 150 [↑]

14.  Vgl. Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele von Rolf Rehbeh u.a. Seite 236 [↑]

15.  Rolf Rehbeh u.a.: Mit Six Sigma Zu Business Excellence: Strategien, Methoden, Praxisbeispiele, Erlangen 2005, S. 235f [↑]