Quality improvement of mixed-type problems involving multiple quality charcteristics

국문 초록 (Abstract)

1970년대 후반이후로 제조품의 품질 개선과 원가 절감을 위하여 미국의 많은 주요회사들에 다구치 방법이 소개되어 많은 연구가 수행되어 오고 있다. 이들 대다수의 연구들은 비록 모든 제조품들이 다수의 품질 특성들을 갖고 있음에도 불구하고 하나의 품질 특성을 개선하는 방안에 치중되어 왔다. 대부분의 실 제조품 설계시 이들 다수의 품질 특성들은 망소, 망대, 혹은 망목 특성의 품질 특성들로 혼재되어 있다.
제조품 설계시 혼재되어 있는 다수의 품질 특성들을 동시에 고려할 때, 각각의 품질 특성은 독자적이 아닌 서로 상호간에 연관지어 조사되어야만 하며 이들 다수의 품질 특성들중 하나의 품질 특성을 만족하는 최적의 제조품 설계는 다른 품질 특성에 나쁜 결과를 초래할 수 도 있다. 따라서 이들 과제는 제조품 설계시 고려되는 모든 품질 특성들을 만족하는 전체 최적화 문제로 귀결되어 질 수 있다.
품질 공학에 있어 다구치 사상은 매우 넓게 공학 문제들에 적용되어 질 수 있고 그의 사상은 실험 설계나 통계학적 데이터 해석방법에 보다 효율적으로 결합될 수 있다. 그러나 다구치 방법은 현재 다수의 품질 특성들이 혼재된 문제를 취급하기에는 적합치 않다. 본 논문의 목적은 품질공학에서 다수의 품질 특성들이 혼재된 문제에서 품질 개선방안을 위해 효과적이고 수치적으로 효율적인 통계학적 최적 기법을 개발하는데 있고 본 논문에서 취급한 과제는 다음과 같다.
첫째, 다구치 방법의 주요 문제점 및 이론적인 약점들을 다구치가 그의 방법에서 추구하고자 하는바에 따라 고려하고, 평가하고 수정하였다. 또한 품질개선을 추구하는 엔지니어들을 지원하기 위해 실험을 계획하고 해석하는 도구들을 개발하였다. 둘째, 다구치 방법의 대안으로서 실험계획법에 근거한 품질 특성의 목표 특성값과 관련 분산치에 대한 수학적인 모델을 유도하였다. 이들 모델은 내란 혹은 외란 인자들에 의해 영향받지 않는 강건한 최적의 제어인자들의 조합을 구하는데 사용된다. 셋째, 제조품과 제조공정의 품질을 개선키위해, 일반적으로 세가지로 분류된 접근 방법(손실 모델, 응답 모델, 우선 모델)을 좀 더 깊이 토의하고 다수의 품질 특성이 혼재하는 강건 설계 문제에 있어 최적의 절충화된 제어 인자 조합을 구하기 위해 확장하였다. 마지막으로 다수의 품질 특성들이 혼재된 문제의 품질 개선을 위해 적용된 목적 함수로 1) 합산된 다구치 S/N비, 2) Desirability함수, 3) Compromise 함수들에 대해 실례를 들어 비교하였고 그 절차를 기술하였다. 그리고 상기 품질 개선을 위한 절차들은 다수의 혼재된 품질 특성들로 인한 여러 제약조건을 해결하기 위해 수정하였고 확장하였다.

다국어 초록 (Multilingual Abstract)

Taguchi methods(TM) have been introduced in many major American industries since the end of the 1970s, and a great deal of research has been conducted to examine and improve product quality and cost savings. Much of this research has been concentrated on determining how to improve a single quality characteristic, although all manufactured products have more than one quality characteristic of interest. These multiple quality characteristics are mixed in most real product design problems, where nominal-the-best(NTB) may be better for one, while smaller-the-better(STB) may be better for another and larger-the-better(LTB) for yet another, etc.
When several quality characteristics are considered simultaneously, an investigation of one quality characteristic should not be carried out independently of the others. A design optimized for one quality characteristic may result in undesirable settings for the others. The task is then to arrive at some compromise conditions involving overall optimization of all quality characteristics.
Taguchi's philosophy of quality engineering may be applied to a very broad range of problems. It is possible to combine his philosophy with more efficient and effective experimental design and statistical data analysis methods. However, Taguchi methods are not presently adequate to handle multiple quality characteristics. The purpose of this research is to develop more effective, numerically efficient, and user-friendly statistical techniques for optimization of multiple quality characteristics in quality engineering. The following topics are discussed and updated.
First, some major limitations of the Taguchi methods are considered, evaluated, and modified according to Taguchi's objective. Also, tools for planning and analyzing experiments have been developed to support engineers in seeking quality improvements. Second, as an alternative of the Taguchi approach, models of the performance characteristic and its variance through the design of experiments have been derived. These models are used to find the optimum setting of control factors that are robust to variations due to internal of external noises. Third, approaches for improving the quality of products and processes, classified into three general categories -- the Loss Model(LM)-based approach, the Response Model(RM)-based approach, and the Priority-based approach, are discussed in more detail and extended to find the best compromise set of control factors in robust engineering problems with multiple quality characteristics of interest. Finally, procedures and an illustrative example are given for i) addition of Taguchi's signal-to-noise(S/N) ratios, ii) desirability function, and iii) compromise programming for multiple quality characteristics. Also, these procedures are extended and modified by considering several requirements of mixed-type multiple quality characteristics.