Vous êtes sur la page 1sur 28

1

CONCEPTION

ROBUSTE

Les concepts et la mthodologie de Taguchi dans le design de produits

Bernard Clment PhD

cole Polytechnique de Montral et Gnistat Conseils Inc.


Novembre 2000

RSUM

Gnichi Taguchi, ingnieur japonais et statisticien, a mis de l'avant une mthodologie appele conception robuste pour aider les ingnieurs durant la phase de conception des produits, phase o les gains en qualit sont les plus significatifs. Le systme intgr de l'ingnierie de la qualit de Taguchi repose sur l'ide de robustesse comme moyen de neutraliser les effets des facteurs incontrlables de bruit. La communaut statistique a critiqu plusieurs concepts et certaines des mthodes proposs par Taguchi. Notre objectif est de faire une prsentation de cette mthodologie, de l'illustrer l'aide d'un exemple et, de contribuer faire le pont entre ingnieurs et statisticiens.

Table des matires


1 2 INTRODUCTION LA PHILOSOPHIE DE TAGUCHI 2.1 L'ingnierie robuste 2.2 Les bnfices 3 LA CONCEPTION ROBUSTE DU PRODUIT 3.1 3.2 3.3 3.4 4 La conception des essais La caractrisation de la robustesse Les sources de bruit Les tapes de conception robuste

L'OPTIMISATION DES PARAMETRES DU PRODUIT - PROCEDE 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 La classification des facteurs La rponse et la mtrique signal-bruit Le choix des valeurs des paramtres Les designs d'valuation Les conditions de bruit L'valuation des designs slectionns Le design optimal La confirmation La conception du procd

5 EXEMPLE 5.1 5.2 5.3 5.4 6 Le circuit RL Les facteurs de bruit Le plan crois des essais La comparaison des designs

LA CONCEPTION DES TOLERANCES 6.1 6.2 6.3 6.4 Les cots technologiques La mthode d'analyse Exemple : le circuit RL Les tolrances de fabrication

7 CONCLUSION

APPENDICE :

quivalence entre le minimiser le l'cart quadratique moyen et maximiser le rapport signal-bruit

REFERENCES

4 1. INTRODUCTION La mthodologie de Taguchi a donn lieu de nombreuses controverses dans la communaut des statisticiens depuis une douzaine d'annes. Plusieurs articles, [1], [5], [6], [10], [14], [15], prsentent des valuations et des critiques sur les concepts introduits par Taguchi. Ces articles proviennent de la communaut statistique. On questionne l'utilisation de concepts et mthodes statistiques qui semblent douteux ou inappropris. Sans tre exhaustif mentionnons, parmi les principales critiques : l'utilisation du rapport signal-bruit, les plans de rsolution III, l'hypothse de l'absence d'interactions sauf quelques-unes trs cibles, l'utilisation de certaines mthodes d'analyse statistiques et d'optimisation. Il n'y a pas de doute, les ides mises de l'avant par Taguchi provoquent de la discussion. L'objectif de notre article est double. En premier, faire une prsentation des concepts principaux mis de l'avant par Taguchi et de les illustrer l'aide d'un exemple. Notre deuxime objectif est de faire le pont entre les ingnieurs et les statisticiens en esprant une plus grande comprhension entre les deux communauts scientifiques. Nous croyons que les uns et les autres tireront des bnfices par l'adoption d'un dialogue constructif. 2. LA PHILOSOPHIE DE TAGUCHI 2.1 L'ingnierie de la qualit Le nouveau paradigme mis de l'avant par Taguchi met l'emphase sur la qualit dans les activits de design, phase o les gains en qualit sont les plus significatifs. Les lments principaux de cette stratgie sont en ordre d'importance l'emphase sur la robustesse, l'optimisation de la robustesse l'tape du design, l'utilisation de la mtrique signal-bruit SB pour mesurer la performance, l'utilisation d'un systme intgr de l'ingnierie de la qualit, l'utilisation des plans statistiques d'essais pour l'optimisation.

L'emphase sur la robustesse est le plus important des lments et non pas, l'utilisation d'essais comme plusieurs croient. Les bnfices de cette stratgie sont : la rduction du temps de dveloppement des produits, une rduction des cots, particulirement ceux lis aux nombreuses mises au point assez typiques dans une approche traditionnelle avant le lancement du produit. Les lments su systme de l'ingnierie de Taguchi sont reprsents la figure A.

DESIGN - CONCEPTION

CONCEPT ET ARCHITECTURE

PARAMTRES PRODUIT

PARAMTRES TOLRANCES

PARAMTRES PROCD

FABRICATION - PRODUCTION

FACTEURS DE BRUIT

VARIATIONS CONDITIONS D'UTILISATION

VARIATIONS CONDITONS PRODUCTION

USURE ET AUTRES FORMES DTRIORATION

DGRADATIONS DE PREFORMANCE

PERTES

DE

QUALIT

Figure A : ingnierie de la qualit

6 2.2 . Les bnfices de la robustesse La robustesse a de nombreux bnfices. En premier lieu, la performance du produit est proche de la performance idale dans des conditions d'utilisation varies. Deuximement, il y a une rduction des cots car on a attnu la sensibilit aux variations dans les conditions d'opration en cours de fabrication. On a donc besoin de moins de prcision pour les caractristiques de matriaux et le maintien rigoureux des paramtres d'opration. Donc moins de pices rebutes, moins d'inspection et consquemment, moins de pices retravailles. Finalement, le cycle de dveloppement de produit est raccourci. Dans une approche plus traditionnelle de design, les sous-systmes sont dvelopps un stade assez avanc de faisabilit afin de pouvoir les mettre l'preuve dans le systme complet. C'est alors que surgissent de nouveaux problmes causs par les interactions entre les sous-systmes lors de l'tape de leur intgration. Ces problmes sont la manifestation d'un manque de robustesse. Lorsque le sous-systme A est intgr avec les sous-systmes B, C, D,pour la premire fois, le sous-systme A est mis dans un nouvel environnement de bruit que sont les sous-systmes B, C, D,. Si le sous-systme A n'est pas robuste alors la performance ne sera pas satisfaisante. Par contre dans un contexte de dveloppement robuste, les sous-systmes A, B, C, ... seront robustes et les effets ngatifs de leur intgration seront grandement attnus. En effet, le soussystme A est robuste vis vis les autres sous-systmes B, C, D, ... tandis que la grandeur des bruits causs par B, C, D, ... a t rduit. Combins ces effets rduisent les problmes de performance erratique aprs l'intgration des sous-systmes. C'est de la prvention son meilleur. 3. LA CONCEPTION ROBUSTE DU PRODUIT 3.1 La conception des essais Aprs la phase initiale du choix d'un concept suprieur, l'quipe de design fait face des dcisions critiques qui vont au-del de l'expertise collective pour l'optimisation des caractristiques Y critiques pour la qualit (CPQ) L'quipe doit identifier les facteurs (ou paramtres) de contrle critiques X et dfinir leur meilleur intervalle de variation. Par exemple, l'quipe pourrait identifier le coefficient de friction X comme un paramtre critique et leur exprience collective pourrait leur dicter que la valeur nominale (ou cible) devrait tre entre 2 et 3. Cela est typique de l'activit de l'ingnierie traditionnelle. Toutefois le problme est beaucoup plus difficile et l, leur exprience collective fait face des difficults qui vont bien au-del de leur vcu collectif. En effet, l'quipe pourrait facilement identifier une douzaine de paramtres critiques parmi plusieurs dizaines de paramtres de design. Bien sr le choix judicieux de la douzaine de paramtres repose sur leur jugement et leur expertise commune. Jusque l, le processus de design est matris. Maintenant, il semblerait prudent d'valuer, disons, 3 possibilits pour chaque paramtre X : les extrmits de l'intervalle de variation ainsi que le point milieu de l'intervalle. Avec 12 paramtres par exemple, il y a un trs grand nombre de possibilits : 312 = 531 441. Cela exige trop de ressources : dure pour les valuations numriques, cot des prototypes, etc. Une autre difficult rside dans le choix de la mtrique pour faire l'valuation des prototypes alors que l'on est trs tt dans la phase de dveloppement. Il est donc exclut d'valuer toutes les possibilits. Mais cela pose la question : comment valuer un nombre restreint de possibilits et obtenir une rponse satisfaisante qui repose sur une dmarche que l'on peut rsumer par : construire - tester - rparer. Ici, la dmarche de design traditionnel a besoin d'un outil provenant de la statistique : la planification des essais. Cet outil permet de dfinir d'une

7 manire optimale l'ensemble restreint des tests raliser autrement que par la stratgie traditionnelle employe en design : faire varier un paramtre la fois. Cette stratgie exprimentale est inefficace et inefficiente. Elle ne permet pas de bien sparer les effets des paramtres, les effets ne sont pas estims avec une prcision gale et finalement, elle exige un nombre suprieur de tests en comparaison avec les plans statistiques. 3.2 La caractrisation de la robustesse La robustesse pourrait se dfinir simplement par petite variabilit autour d'une cible. Les statisticiens ont depuis longtemps propos le concept d'cart quadratique moyen (EQM) pour mesurer la performance d'une caractristique Y visant une cible. L'indicateur de performance de Y est la somme de deux contributions dfinies par l'quation (1) : EQM = Y 2 + ( Y ) 2 o Y 2 reprsente la variance de la caractristique Y Y reprsente la moyenne de Y reprsente la cible nominale vise (1)

Par exemple, la thorie de l'estimation des paramtres statistiques utilise le concept du EQM pour dfinir les concepts de prcision et de biais d'un estimateur. Ici, il ne faut pas confondre le terme paramtre avec l'usage qu'en font les ingnieurs et scientifiques. Dans le cas de l'estimation, la performance Y est l'estimateur et la cible est le paramtre statistique inconnu que l'on veut estimer. On s'accorde pour dire que l'tape difficile dans la minimisation du EQM est la rduction de 2 et que, l'ajustement la cible ( )2 constitue la deuxime tape, gnralement plus facile. D'autre part, la minimisation du EQM doit tenir en compte les sources de bruit, c'est dire des facteurs incontrlables. Cela ajoute une difficult additionnelle rendant l'optimisation plus difficile. 3.3 Les sources de bruit Les bruits sont les causes des variations de performance. Elles sont de trois catgories: les variations dans les conditions d'utilisation par les consommateurs; ce sont les plus importantes; les variations dans les conditions de production; les variations d'usure et autres formes de dtrioration.

La troisime catgorie est semblable la deuxime; le temps entre en compte car la deuxime catgorie se ralise l'tape de production tandis que la troisime est postrieure et est lie la fiabilit de performance. Il existe un certain contrle durant la phase de production ainsi qu'un certain contrle sur l'usure et autres dtriorations durant la phase de design. Mais il faut accepter que ce contrle est partiel car les sources de bruit ne peuvent tre compltement limines. Le dfi consiste neutraliser le plus possible ces sources de bruit, l'objectif fondamental de la l'ingnierie robuste. Un moyen d'obtenir la robustesse est de dterminer des valeurs nominales pour lesquelles la mesure de performance varie peu dans le voisinage de chacune des valeurs nominales. Par exemple, sur la figure B, on a le voltage d'une source de courant qui est une fonction de la rsistance. La cible vise pour le voltage Y est 115. Le design initial pour la rsistance est de 200 ohms donnant un voltage de 100, une valeur infrieure la cible. Si d'autre part, on utilise une rsistance de 250 ohms on obtient un voltage de 115. Mais si on examine la relation entre

8 la rsistance et le voltage sur la figure B, on constate que la fonction a une pente raide sur l'intervalle de 100 250, disons. Si on utilise la rsistance de 250 ohms il faudra exiger une petite tolrance sur la rsistance, donc un cot suprieur pour obtenir le voltage dsir. Par contre, si l'on utilise l'intervalle de 300 400, la courbe de rponse du voltage a un comportement plat avec peu de variabilit. L'inconvnient c'est que le voltage est suprieur a la cible dsire. Il faut se rappeler qu'il est toujours plus facile d'atteindre la cible aprs avoir matriser la variabilit. Dans le cas de la source de courant cela peut, par exemple, utiliser une deuxime rsistance cot rduit et tolrance relche pour atteindre la cible dsire.

voltage

115

200

300

400

rsistance (ohm)

Figure B : concept de robustesse 3.4. Les tapes de conception robuste Nous avons besoin d'une approche directe pour dterminer les zones planes de la rponse dans un contexte de plusieurs paramtres critiques, disons moins d'une quinzaine, qui rgissent et contrlent les procds. La conception paramtrique est l'optimisation des valeurs nominales afin de raliser la robustesse dans le plus court laps de temps. Les tapes du processus de conception paramtrique sont : 1. 2. 3. 4. 5. 6. 7. Dfinir la mtrique de performance. Dfinir les valeurs possibles de chaque paramtre critique. Slectionner des alternatives pour fin d'valuation. Imposer des conditions de bruit. valuer la performance des alternatives. Choisir le meilleur design. Confirmer la robustesse du meilleur design.

Le choix de la mesure de performance Y est critique. La rponse Y doit reprsenter le plus fidlement possible le transfert d'nergie venant du signal d'entre. Des variables de rponse Y comme le rendement, le pourcentage de non-conformit, le nombre de dfauts par millions d'opportunits DPMO, ne sont pas, en gnral, de bonnes mesures de performance car elles brisent l'addition des effets et consquemment, complique le choix du design optimal. Gnralement on utilise trois valeurs possibles pour chacun des paramtres critiques. Comme nous l'avons vu prcdemment le nombre total de possibilits croit de faon exponentielle et il faut trouver un moyen de limiter le nombre d'alternatives tester. Heureusement l'utilisation des plans d'essais conus avec des principes statistiques vient apporter une rponse pour slectionner des alternatives. Les plans hyper Greco Latin (arrangements orthogonaux) de 18 essais et de 27 essais sont trs employs pour le choix des tests raliser. La proprit d'orthogonalit et d'quilibre des diffrentes combinaisons est fondamentale ici. En particulier, cela permet de sparer les effets principaux de chaque paramtre indpendamment des autres. De plus, les combinaisons partielles de deux ou plusieurs paramtres apparaissent le mme nombre de fois dans le design exprimental. Cette proprit est essentielle car les effets sont calculs avec des moyennes sur les rponses rendant les comparaisons quilibres.

9 On impose les bruits l'aide d'un deuxime design exprimental appel plan externe (outer array). Chaque combinaison de paramtres dfinie par le premier design exprimental (plan interne ou inner array) est value sous les conditions de bruit du plan externe et donne le rapport signal-bruit SB. Par exemple, on retient sept facteurs de bruit que l'on fait varier deux valeurs extrmes selon un plan de 8 essais. Si le plan interne contient 27 combinaisons et le plan externe contient 8 combinaisons, il faudra valuer un grand total de 27 x 8 = 216 mesures de la rponse et 27 rapports signal-bruit SB. En comparant les valeurs du SB on identifie la meilleure des 27 possibilits, celle qui maximise le rapport SB. Il est assez improbable que cette meilleure possibilit se retrouve parmi les 27 combinaisons initiales. On peut facilement interpoler parmi les 531 441 autres options. Il reste alors valuer la performance de la combinaison optimale. En effet, le processus d'optimisation n'est pas infaillible et des incertitudes subsistent. La prsence d'interactions peut faire que la combinaison optimale n'est pas celle qui a t dtermin en supposant un modle additif des effets principaux. 4 L'OPTIMISATION DES PARAMTRES DU PRODUIT 4.1 La classification des facteurs On distingue cinq types de facteur : Fonctionnel : Contrle : Bruit : Signal : Ajustement : mesure la sortie du procd (systme) paramtres de design pour lesquels on peut choisir les valeurs nominales variations indsirables causant la dgradation de la fonction variable principale l'entre du procd permet de modifier la rponse sans affecter la variabilit

et deux types de systme Statique : signal d'entre constant Dynamique : signal d'entre variable Un exemple d'un systme dynamique est la direction d'une voiture; la rponse est le rayon de courbure de la voiture et le signal est l'angle du volant. 4.2 La rponse Y et la mtrique fonctionnelle SB On recherche une fonction Y qui capture les lments essentiels de la physique de la transformation entre le signal d'entre et la sortie. La tendance naturelle est d'employer des variables lies la performance sur le terrain d'utilisation du produit. Par exemple, le taux de panne est trs employ comme mesure de performance finale du produit durant l'utilisation. Toutefois, cette mesure de performance est une pitre mesure de performance dans un contexte de dveloppement de produit. Mentionnons deux dfauts de cette mesure. Elle n'incorpore pas la possibilit de faire des ajustements. De plus elle ne vrifie pas la proprit d'addition des effets. Les pannes sont gnralement causes quand un paramtre excde une valeur limite. Par exemple, si deux lignes d'un circuit VLSI sont trop larges, cela produira un court-circuit. Il est donc prfrable de mesurer la distance entre les deux lignes plutt que la panne occasionnelle.

10 La mtrique de comparaison des diffrents designs incorpore l'effet des facteurs de bruit. La mtrique utilise toute l'information et reflte la fonction de perte quadratique. On suppose l'existence d'au moins un facteur d'ajustement. On suppose que les effets sont additifs. si le facteur de contrle A cause une amlioration de 20% et que le facteur B produit une amlioration de 10 % alors l'effet combin de A et de B gnre une amlioration de 30 %. Les rapports signal-bruit SB les plus souvent utiliss sont de quatre types valeur nominale vise valeur minimale vise valeur maximale vise valeur proportionnelle vise

4.3 Le choix des valeurs et du nombre de paramtres Sur la base d'un jugement collectif, l'quipe doit choisir pas plus d'une douzaine de paramtres critiques. Il faut aussi limiter le nombre de modalits de chaque paramtre Il faut au moins deux valeurs et prfrablement trois valeurs pour couvrir l'intervalle de faisabilit. Si on choisit trois valeurs, il est recommand de pendre une valeur infrieure et une valeur suprieure la valeur nominale envisage. Si le paramtre prend des valeurs discrtes, on peut envisager plus de trois possibilits. En gnral, les valuations sont ralises exprimentalement et il faut limiter le nombre d'essais. Par exemple, si on considre le cas de 10 facteurs, chacun variant 3 valeurs, alors le nombre d'essais ou de tests est de 59 049, ce qui n'est pas envisageable. 4.4 Le choix des designs d'valuation Si le un nombre de facteurs est faible, disons 4 ou moins, alors il peut tre possible de construire tous les prototypes possibles et d'effectuer tous les tests. Mais cette solution risque de ne pas tre pratique pour des raisons de cots ou de temps. On vient rapidement la conclusion que la seule alternative est l'utilisation des plans d'essais conus sur la base de principes statistiques. Taguchi propose l'utilisation des plans exprimentaux dits arrangements orthogonaux ayant la proprit fondamentale de sparer les effets principaux indpendamment les uns des autres. Le plan 18 essais et le plan 27 essais sont parmi les designs statistiques les plus employs. Le principe de la conduite des essais dans un ordre alatoire (randomisation) n'est pas toujours ralis car dans les expriences d'optimisation de robustesse on impose un contrle sur les facteurs de bruit en imposant de grandes variations. 4.5 Les conditions de bruit Le principe de base est de se placer dans des conditions qui vont provoquer les modes de dfaillance. Les arrangements orthogonaux sont encore utiliss. Le plus souvent les facteurs de bruit varient deux modalits et on recherche les combinaisons de facteurs qui sont susceptibles de provoquer des modes de dfaillance.

11 4.6 L'valuation des designs slectionns Pour chaque combinaison des facteurs contrlables de design, on value le rapport signal -bruit SB sur l'ensemble des conditions de facteurs de bruit. 4.7 L'identification du design optimal On value le rapport SB qui sera utilis pour identifier le design optimal. Les valeurs du rapport SB n'ont pas d'interprtation absolue car leurs valeurs changent si on change les conditions de bruit. Mais les valeurs relatives du rapport SB seront inchanges et les plus grandes valeurs permettront d'identifier le ou les designs optimaux. On peut estimer l'effet de chaque facteur sur le rapport SB en effectuant une analyse de la variance. On peut donc ainsi identifier les facteurs de design les plus importants . De plus on peut dterminer la modalit optimale de chaque facteur. On se rappellera que l'on fait l'hypothse d'addition des effets principaux en adoptant un modle du premier ordre entre la rponse et les facteurs de design. Gnralement, moins de la moiti des facteurs de design sont critiques pour le choix de leurs modalits optimales. Pour les autres facteurs on choisit la modalit la plus conomique. La robustesse recherche ayant ainsi t obtenue, il faut identifier au moins un facteur d'ajustement qui permet de se rapprocher de la cible. Il s'agit d'un facteur qui n'a pas ou peut d'effet sur le rapport SB , c'est dire qui se retrouve parmi les facteurs les moins influents. Une analyse de la variance sur la rponse moyenne de chaque design permettra d'identifier les facteurs pouvant jouer le rle d'ajustement. Cette optimisation en deux tapes s'applique uniquement dans le cas ou l'on vise une valeur nominale. Dans le cas de valeur minimale vise ou dans le cas de valeur maximale vise, le concept de facteur d'ajustement ne s'applique pas. Par exemple, si l'on vise une cible de zro , il est vident qu'elle ne pourra pas tre obtenue. 4.8 La confirmation Aprs avoir dterminer le design qui semble optimal, on peut faire une prdiction de sa performance. Il est presque certain que le design optimal identifi n'est pas parmi la liste des designs d'valuation. On doit confirmer sa supriorit en effectuant des essais avec ce design. Ces essais devraient donner une performance assez prs de la valeur de performance prdite. Sinon on doit conclure que certaines hypothses comme l'absence d'interaction entre les facteurs ne se sont pas valides. Mais en gnral on a ralis une amlioration significative dans le design du produit. 4.9 La conception du procd Il s'agit d'optimiser la robustesse du procd de fabrication vis vis la variabilit des paramtres du procd, le second type de facteurs de bruit tels les variations des proprits des matriaux, les conditions ambiantes d'oprations, la variabilit dans la maintenance et l'usure des quipements et l'impact des oprateurs. Le processus d'optimisation est le mme que celui employ pour le produit. En effet, on peut considrer le procd de fabrication comme un produit unique servant fabriquer les produits. Toutefois, il y a une diffrence : il n'est pas ncessaire de solliciter le procd en imposant des facteurs de bruit avec des modalits extrmes comme on le fait pour les produits. En effet, les conditions en production sont quasiment idales contrairement aux conditions d'utilisation chez le client, ce qui nous oblige simuler celles-ci pour assurer la robustesse du produit.

12 Dans le cas du procd il suffit de recueillir des donnes lorsque le procd est en mode d'opration normale et ainsi obtenir le rapport SB. La diffrence se rsume donc ainsi : pour le produit, on obtient les donnes en mode actif sollicit par le plan externe tandis qu'avec le procd, les donnes sont des observes en mode passif. 5 EXEMPLE 5.1 Le Circuit lectrique RL La figure C reprsente un circuit lectrique trs simple. Un voltage V est appliqu travers une rsistance de R ohms connect en srie une bobine d'inductance L

R V L

Figure C : circuit RL Les facteurs de ce design sont Y V f R L le courant lectrique, 10 ampres (A) le voltage d'entre, 100 V (AC) la frquence AC, 50 Hz ou 60 Hz la rsistance, avec coefficient de variation de 16 % l'inductance, avec coefficient de variation de 16 %

Supposons que l'on vise une cible de 10A pour le courant. Le voltage est de 100 V (au Japon) on sait qu'il y a de la variabilit autour de cette valeur nominale. Pour des raisons historiques une partie du Japon est aliment avec une puissance lectrique 50 Hz et une autre partie avec une alimentation 60 Hz. Pour des raisons conomiques il est avantageux d 'avoir des appareils lectriques qui oprent aussi bien 50 Hz qu' 60 Hz. (cas du Japon.). Identifions le rle des facteurs : Y V f R est un facteur fonctionnel (rponse) avec une cible de 10 A est un facteur de bruit avec des variations autour de la valeur nominale de 100V est un facteur de bruit avec des valeurs de 50 ou de 60 Hz est un facteur de contrle ; on a la libert de choisir une valeur optimale afin d'avoir la meilleure performance L est un facteur d'ajustement car lorsque les valeurs de Y, V, R et f sont spcifis on peut calculer la valeur de L pour obtenir une valeur de 10 A pour Y La premire tape est de dfinir l'objectif; dans notre cas c'est de maintenir le courant 10, qui constitue la cible. On veut une petite variation autour de la cible. Pour caractriser l'ide de petite variation quel critre doit-on utiliser ? Le concept de variation relative bas sur le coefficient de variation CV vient tout naturellement l'esprit. Cela constitue la base du rapport signal-bruit SB une transformation d'chelle prs :

13 CV = / SB = -10 log10 (CV 2) Les valeurs de et de seront estimes avec (2) (3)

1 n

y
i =1

1 = s = n 1

1 ( yi y ) 2 2

o y 1 , y 2 ,, y n sont des donnes provenant de la ralisation d'un plan d'essais. Dans le cas de design de produit, les n valeurs sont associes au plan externe sur les facteurs de bruit pour chaque combinaison des facteurs de design du plan interne. La deuxime tape consiste choisir 3 valeurs pour les variables V, R, L et f. En gnral, la fonction qui relie Y aux autres facteurs est inconnue. Exceptionnellement, c'est le cas ici dans cet exemple, la thorie des circuits lectriques nous permet d'crire:

Y = V [R 2 + (2fL) 2] 0. 5

(4)

Lorsque les facteurs V, R, f et L prennent leurs valeurs nominales, la rponse de Y est 10 A, la valeur cible vise. Mais les facteurs V, R, f et L varient autour de leurs valeurs nominales. Le facteur R ayant t identifi comme paramtre de contrle, on veut choisir la valeur nominale de R qui minimise la variation du courant Y. On commence par choisir 3 valeurs possibles de R. Supposons que la valeur nominale initiale de R est 5 ohms. Nous utilisons deux autres valeurs, une valeur plus petite et une valeur plus grande. Nous considrons les trois valeurs suivantes : 2.78, 5.00 et 9.00. Ces valeurs sont dans un rapport constant de 1.8. Les valeurs des paramtres de contrle sont gnralement choisies intervalles gaux sur l'chelle arithmtique ou sur l'chelle gomtrique. En utilisant ces trois valeurs de R, en fixant Y 10 et f 55, on obtient avec l'quation (3), le trio de valeurs pour R et L: L = 0.0278 Henry L = 0.0251 Henry L = 0.0126 Henry 5.2 Les facteurs de bruit Valeur Basse Nominal Haute V(volt) 90 100 110 R(ohms) 0.8 x nominal nominal 1.2 x nominal L(Henry) 0.8 x nominal nominal 1.2 x nominal f(Hz) 50 55 60 avec R = 2.78 ohms avec R = 5.00 ohms avec R = 9.00 ohms

Remarque : Les trois valeurs choisies des facteurs de bruit sont gnralement nominal - (3/2)0 .5 x sigma, nominal, nominal + (3/2)0 .5 x sigma (5)

14 Un calcul direct montre que l'cart type de ces trois points est gal sigma, l'indicateur de variabilit du paramtre de bruit. Dans notre cas nous avons suppos que sigma = 0.16 x nominal ce qui donne nominal 1.2 x 0.16 x nominal = 0.8 x nominal nominal + 1.2 x 0.16 x nominal = 1.2 x nominal 5.3 Le plan crois des essais Les possibilits sont formes de : 3 valeurs de R formant la matrice interne 3 4 = 81 valeurs des 4 valeurs de (V, R, L, f) pour la matrice externe

Nous devons valuer les 3 x 81 = 243 cas de la fonction Y. Notons trois caractristiques de cet exemple. Tout d'abord, la fonction reliant la sortie aux entres est connue, ce qui est trs rare. En gnral, la fonction est inconnue et il faut en faire l'approximation par une srie d'essais. Les plans d'essais statistiques sont alors d'une trs grande utilit. La deuxime caractristique est le fait de la prsence d'un facteur, R dans notre cas, jouant le rle de paramtre de design et de paramtre de bruit. Dans ce cas, il s'agit d'une analyse de sensibilit autour de la valeur optimale. Finalement le facteur L joue le rle de paramtre d'ajustement car ses valeurs ont t choisies afin que Y = 10 avec chacune des trois valeurs de design de R. Le tableau A prsente l'ensemble des 81 valuations pour chacun des 3 designs. Tableau A : rsultats du plan crois 3 x 81 Design 1 : R nominal = 2.78 Ohms L nominal = 0.0278 H
ESSAI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 V 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 F 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 R 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 L 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 Y 12.19 9.99 8.40 11.89 9.82 8.30 11.56 9.63 8.18 11.17 9.13 7.67 10.94 9.00 7.59 10.68 8.85 7.50 10.31 8.40 7.05 10.12 8.30 6.99 9.91 8.18 6.92

15
28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 2.224 2.224 2.224 2.780 2.780 2.780 3.336 3.336 3.336 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 0.0224 0.0278 0.0334 13.55 11.10 9.33 13.22 10.91 9.22 12.84 10.70 9.09 12.42 10.14 8.52 12.16 10.00 8.43 11.86 9.83 8.33 11.45 9.33 7.83 11.25 9.22 7.76 11.01 9.09 7.69 14.90 12.21 10.27 14.54 12.00 10.14 14.12 11.77 10.00 13.66 11.15 9.37 13.37 11.00 9.28 13.05 10.82 9.17 12.60 10.27 8.61 12.37 10.14 8.54 12.11 10.00 8.45

16 Design 2 : R nominal = 5.00 Ohms


1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000

L nominal = 0.0251 H
0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 12.05 10.18 8.76 11.18 9.64 8.41 10.34 9.08 8.03 11.24 9.42 8.07 10.52 8.99 7.79 9.81 8.53 7.49 10.51 8.76 7.48 9.92 8.41 7.25 9.32 8.03 7.01 13.39 11.31 9.73 12.42 10.71 9.34 11.49 10.09 8.93 12.49 10.47 8.97 11.69 9.99 8.66 10.90 9.48 8.32 11.68 9.73 8.31 11.02 9.34 8.06

17
52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 100 100 100 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 60 60 60 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 4.000 4.000 4.000 5.000 5.000 5.000 6.000 6.000 6.000 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 0.0201 0.0251 0.0301 10.35 8.93 7.79 14.73 12.44 10.71 13.67 11.78 10.28 12.63 11.10 9.82 13.73 11.52 9.86 12.86 10.99 9.53 11.99 10.43 9.16 12.85 10.71 9.14 12.12 10.28 8.87 11.39 9.82 8.57

Design 3 : R nominal = 9.00 Ohms


ESSAI 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 V 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 90 F 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 R 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200

L nominal = 0.0126 H
L 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 Y 11.44 10.95 10.43 9.43 9.15 8.84 8.00 7.82 7.63 11.25 10.70 10.12 9.33 9.00 8.65 7.93 7.73 7.50 11.05

18
20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 90 90 90 90 90 90 90 90 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 110 60 60 60 60 60 60 60 60 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 60 60 60 60 60 60 60 60 50 50 50 50 50 50 50 50 50 55 55 55 55 55 55 55 55 55 60 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 7.200 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 10.43 9.80 9.21 8.84 8.45 7.86 7.63 7.37 12.71 12.17 11.59 10.48 10.17 9.83 8.89 8.69 8.48 12.50 11.88 11.24 10.36 10.00 9.61 8.81 8.59 8.34 12.28 11.59 10.89 10.24 9.83 9.39 8.73 8.48 8.19 13.98 13.39 12.75 11.53 11.19 10.81 9.77 9.56 9.32 13.75 13.07 12.36 11.40 11.00 10.57 9.69 9.45 9.17 13.51

19
74 75 76 77 78 79 80 81 110 110 110 110 110 110 110 110 60 60 60 60 60 60 60 60 7.200 7.200 9.000 9.000 9.000 10.800 10.800 10.800 0.0126 0.0151 0.0101 0.0126 0.0151 0.0101 0.0126 0.0151 12.75 11.98 11.26 10.81 10.33 9.61 9.32 9.01

5.4 La comparaison des designs Le tableau B prsente les principales caractristiques numriques des trois designs. Tableau B : caractristiques des designs cible nominale de 10
DESIGN design 1 design 2 design 3 MIN 6.92 1 7.01 1 7.37 1 MAX 4.905 4.726 3.985 MOYENNE 10.233 10.133 10.147 ET 1.901 1.677 1.649 VAR 3.614 2.812 2.719 CV 0.186 0.165 0.163 EQM 3.668 2.830 2.741 SB 14.620 15.624 15.782

ET : cart type VAR = ET 2 : variance EQM : cart quadratique moyen

CV : coefficient de variation SB : signal-bruit

Les valeurs de EQM, SB et CV sont calculs avec les quations (1), (2) et (3).Les trois designs sont reprsents par les figures D1, D2 et D3. Le design no 3 est le meilleur selon les critres du EQM et du rapport signal-bruit SB. C'est le plus robuste parmi les trois designs considrs. On trouvera en appendice la dmonstration de l'quivalence entre le critre de maximisation du rapport signal-bruit SB et la minimisation de l'cart quadratique moyen EQM sous l'hypothse de l'existence de facteurs dajustement.

20
11 10 9 8 7 No of obs 6 5 4 3 2 1 0 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 11.0 12.0 13.0 14.0 15.0 10.5 11.5 12.5 13.5 14.5 R = 2.78 ohms L = 0.0278 h design no 1 moyenne = 10.233 cart type = 1.901 EQM = 3.668 SB = 14.620

Figure D 1 : design no 1
11 10 9 8 7 No of obs 6 5 4 3 2 1 0 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 11.0 12.0 13.0 14.0 15.0 10.5 11.5 12.5 13.5 14.5 R = 5.00 ohms L = 0.0251 h design no 2 moyenne = 10.133 cart type = 1.677 EQM = 2.830 SB = 15.624

Figure D 2 : design no 2
13 12 11 10 9 8 No of obs 7 6 5 4 3 2 1 0 6.0 6.5 7.0 7.5 8.0 8.5 9.0 9.5 10.0 11.0 12.0 13.0 14.0 15.0 10.5 11.5 12.5 13.5 14.5 R = 9.00 ohms L = 0.0126 h design no 3 moyenne = 10.147 cart type = 1.649 EQM = 2.741 SB = 15.782

Figure D 3 : design no 3

21 6 LA CONCEPTION DES TOLRANCES 6.1 Les cots technologiques l'tape du design des paramtres, les meilleures valeurs nominales ont t choisies. l'tape du design des tolrances on doit dterminer la prcision dsire autour de ces valeurs. Cela demande de raliser deux activits: choisir les quipements appropris et de mettre les valeurs de tolrance sur les dessins. Le choix des quipements dterminera les procd de fabrication ayant la meilleure combinaison de cot unitaire de fabrication et d'cart type (prcision). L'analyse des tolrances est principalement une question d'analyse conomique : choisir les niveaux de prcision les plus conomiques. En effet, il y a toujours une relation inverse entre le niveau de prcision dsir et le cot de fabrication tel qu'il illustr la figure E.

Cot enveloppe

Prcision : sigma Figure E : conception des tolrances - choix entre divers procds

6.2 La mthode d'analyse La relation entre la variable de rponse Y et les paramtres de design X peut se mettre sous forme d'un polynme du premier ordre en considrant le dveloppement limit du Taylor autour des valeurs nominales des paramtres de design. Cela est d'autant plus vrai que nous sommes intresss par de lgres variations autour de celles-ci. Nous avons donc Y = y + 1 (X 1 1) + + k (X k k) o (6)

y est la valeur nominale (et la moyenne) de Y i est la valeur nominale (et la moyenne) de X i i est la drive partielle de Y par rapport X i
Si l'on suppose que les facteurs X i sont indpendants, alors Var (Y) = 2y = 2i 2i o

i = 1, 2, 3,

(7)

y i

est l'cart type de Y est l'cart type de X i

La relation entre le EQM et la perte quadratique moyenne PM de Y est PM = k EQM = k [


2 y

+( y - ) 2 ]

(8)

o k est une constante que l'on peut valuer en connaissant la perte P une valeur Y = y 0.

22 Par exemple, y 0 pourrait tre cette valeur se situant la limite de l' intervalle de tolrance o la caractristique est dclare de qualit satisfaisante. Lorsque Y = y0 on a P ( Y = y0) = k o k correspond un cot de rparation ou de mise au rebut dun produit non satisfaisant. L'analyse des tolrances est une analyse conomique qui compare la rduction de la perte moyenne PM, note PM, avec le cot additionnel C en choisissant une technologie suprieure avec des carts types nouveaux i 1 plus petits que l'cart type initial i 1 i 0. La rduction de perte moyenne avec l'adoption de l'cart type i1 est donne par PM i = k 2i ( 2i 0 2i 1) (10) (9)

Les calculs ncessaires sont prsents dans le tableau C.


Tableau C : analyse conomique des tolrances Paramtre X 1 2 i n perte cart type 0 initial 1 0 20 i0 n0 PM initial cart type cot rduction conomie 1 nouveau additionnel C PM E = PM - C 11 20 i1 n1 PM nouveau C1 C2 Ci Cn E 1 = PM 1 C 1 E 2 = PM 2 C 2 E i = PM i C i E n = PM n C n

6.3 Exemple numrique : le circuit RL Illustrons les calculs avec le circuit RL dj prsent lors de la prsentation du concept de robustesse. La relation entre Y et les paramtres du circuit est donne par l'quation (4) :

Y = V [R2 + (2fL)2 ] 0. 5
On peut faire un dveloppement de Taylor d'ordre 1 autour des valeurs nominales du design no 3 : V = 100, R = 9.00, L = 0.0126, f = 55. Le calcul des drives partielles de Y par rapport R et par rapport L donne Y = -V R [R2 + (2fL)2 ] 1. 5 R Y = -V L [R2 + (2fL)2 ] 1. 5 (2f )2 L (11)

(12)

23 Y = R - 0.90 (13)

Y = - 150.56 L

(14)

Autour des valeurs nominales R = 9 et L = 0.0126, on a l 'approximation du premier ordre suivante pour Y Y = 10 - 0.90 * (R - 9) - 150.56 * (L - 0.0126) La variance de Y et la perte moyenne sont donns par les quations (16) et (17) 2y = Var (Y) = (- 0.90)2 R2 + (- 150.56)2 L2 PM = k [ 2 y + (10.147 - 10) 2 ] (16) (17) (15)

Le tableau D prsente les calculs bass sur les hypothses d' carts types et de cots sur R et L. Nous supposerons que la perte P est gale 100 $ si Y = y0 = 6 ou 14. On obtient k = 6.25 Tableau D : analyse conomique des tolrances - circuit RL cart type initial 0 0.300 0.002 cart type nouveau 1 0.150 0.001 0.0487 0.44 cot additionnel C 0.10 $ 0.40 $ ----0.50 rduction conomie PM E =PM - C 0.34 0.42 ----0.72 0.24 0.02 ----0.22

paramtre R L

2y
PM ($)

0.1635
1.16

L'analyse prcdente montre que le choix des meilleurs quipements de production est essentiellement une analyse conomique. Les tolrances, c'est dire les nombres apparaissant sur les dessins, refltent le rle plus traditionnel et plus connu de celles-ci : un moyen de communication entre des fonctions spares de design et de fabrication; classement des pices avec des jauges go/no go , une mthode dinspection rpandue.

Les jauges doivent tre remplaces par des mesures qui permettent de substituer la fonction de perte traditionnelle de forme carre par la fonction quadratique de perte de Taguchi.

24 6.4 Les tolrances de fabrication Il est ncessaire de dterminer la meilleure tolrance, cette valeur qui apparat sur les dessins. Taguchi utilise un systme de tolrance trois paliers. Tout d'abord il y a la tolrance TC du client, valeur telle que 50% ou plus (disons) des clients ne seront pas satisfaits. A cette valeur correspond une perte PC selon le modle de fonction quadratique tel qu ' illustr la figure F.

Perte PC

nominal

PM y D

TM TC Figure F : le systme trois tolrances En deuxime lieu il y a la tolrance du manufacturier T M et la perte associe P M . Cette tolrance est plus petite que la tolrance du client. La perte P M est plus petite que la perte P C car il cote moins cher d'implanter des actions l'usine pour contrecarrer les effets de la mauvaise qualit. La tolrance TM est celle que l'on retrouve dans les dessins. Enfin il y a une troisime tolrance note D, une limite d'ajustement pour limiter les variations en cours de production. Cette dernire tolrance limite encore les pertes. L'quation qui relie la valeur de TM aux autres valeurs TC , PM et PC est T M = [ PM / PC ] 0. 5 T C (18)

Cette tolrance T M devient la frontire entre les produits retravailler ( y T M ) et ceux que l'on peut livrer. Enfin la troisime limite de tolrance D est employe durant le contrle en cours de fabrication. Les tolrances client pour les composants X s'obtiennent par l'quation (19) T C,X = T C /

(19)

o T C reprsente la tolrance client sur la rponse Y et est le coefficient de sensibilit du composant X sur la rponse Y tel que dfini par l'quation (6). Par exemple dans le cas du circuit RL on a

25 T C , R = 4 / 0.90 = 4.44 ohms T C , L = 4 / 150.56 = 0.0266 henry Bien sr le client ne connat pas explicitement ces tolrances Il ne peut que prciser la tolrance sur la rponse Y. Si on suppose que le cot des contre mesures pour le manufacturier est de 5 $ (disons) lorsque que ces composants sont hors tolrance, alors on peut dterminer les tolrances du manufacturier pour le composant X , not T M , X l 'aide de la mme quation de relation qui s'appliquait sur la performance Y en utilisant l'quation (18) Nous avons donc T M , R = ( 5 / 100 ) T M , L = ( 5 / 100 )
0.5 0.5

4.44 = 0.99 ohm 0.0266 = 0.0059 henry

Si les procds de fabrication des composants ont des indices de capabilit CP et CPK assez grands, disons 1.5 et plus comme dans la philosophie six sigma, alors la ncessit d'avoir recours des contrle l'aide de tolrances devient une activit sans valeur ajoute. Par contre, si ces niveaux de capabilit ne sont pas atteints, il faut continuer y avoir recours avec des activits d'inspection en cours de fabrication. Encore ici, Taguchi a propos une mthode mais nous ne l'exposerons pas car elle touche la fabrication. Nous avons choisi de prsenter uniquement la contribution la plus importante de Taguchi c'est dire le concept de robustesse durant la phase de conception. 7. CONCLUSION La controverse sur l'approche Taguchi existe encore aujourd'hui. La communaut statistique critique les mthodes proposes par Taguchi comme n'tant pas de la bonne statistique tandis que d'autre part, la communaut des ingnieurs avance le postulat que la statistique n'est pas de l'ingnierie respectable. Nous croyons que la controverse est plutt le rsultat d'un manque de comprhension sur la nature des activits de l'ingnieur et du statisticien. Ce manque de comprhension n'est pas nouveau par ailleurs. Taguchi s'intresse aux activits de design et adapte les concepts statistiques pour les circonstances. Les statisticiens sont, en gnral, trs peu impliqus dans ces activits de design. Ils sont plutt impliqus dans des activits et projets relis l'acquisition de connaissances et de donnes et, leur produit principal est la mthodologie scientifique et les mthodes d'analyse pour interprter les donnes.

Nous croyons que les distinctions sur le rle et la nature des paramtres d'un systme est essentiel pour apprcier la contribution de Taguchi. Nous ne prtendons pas avoir donner une rponse dfinitive cette controverse mais esprons que cette prsentation saura rallier les points de vue et de faire le pont entre les deux communauts. Le compromis doit, s'il existe, tenir compte invitablement des ides de Taguchi.

26 RFRENCES
[1] Box, G. E. P., S. Bisgaard, C. Fung (1988). An explanation and Critique of Taguchi's Contributions to Quality Engineering. Quality and Reliability Engineering International, Vol 4, no 2, april-june 1988 : 123-133 [2] Bajaria, H. J. (1996). TQM in Action Conference, Sheffield, July 8-10,United Kingdom. [3] Box, G. E. P. (1988). Signal to Noise Ratios, Performance Criteria and Transformations. Technometrics , vol 30 : 1-40, with discussion. [4] Clausing, Don (1994). Total Quality Development : Step - by - Step guide to World- Class Concurrent Engineering, : ASME Press, New York. [5] Lochner, R. H. (1991). Pros and Cons of Taguchi. Quality Engineering vol. 3 : 537-550. [6] Leon, R. V., A.,C. Shoemaker, K. N. Kacker.(1987) Performance Measures Independent of Adjustement An Explanation and Extensio's of Taguchi's Signal-to-Noise Ratios. Technometrics, vol 29 : 253-265. [7] Myers, R. H. and D. C. Montgomery ( 1995). Response Surface Methodology. Process and Product Optimization Using Designed Experiments. John Wiley & Sons, Inc., New York. [8] Nair, V. N.(1986). Testing in Industrial Experiments with Ordered Categorical Data. Technometrics, vol 28 : 295-301, with discussion. [10] Nair, V. N. et all (1992). Taguchi's Parameter Design : A Panel Discussion. Technometrics, vol 34 : 127-161. [11] Phadke, Madhav S. (1989) Quality Engineering Using Robust Design, Englewood Cliffs, N. J., : Prentice- Hall [12] Phadke, Madhav S. and Genichi Taguchi, (1987). Selection of Quality Characteristics and S/N Ratios for Robust Design. Proceeding of the IEEE GLOBECOM-87 Conference, Tokyo : 1002-1007 [13] Pugh, Stuart (1991). Total Design. Reading, Mass :Addison-Westley. [14] Pignatiello J. and J. Ramberg (1991). Top Ten Triumphs and Tragedies Of Genichi Taguchi. Quality Engineering, vol. 4 : 211-225. [15] Shoemaker A. C. and R.N. Kacker (1988). A Methodology for Planning Experiments in Robust and Process Designs. Quality and Reliability Engineering International, Vol 4, , april-june 1988 : 95-103. [16] Taguchi, Genechi (1986). Introduction to Quality engineering :Designing Quality into Products and Processes. UNIPUB/Kraus International Publications, White Plains, N.Y. [17] Taguchi, Genechi and Don Clausing. (1990) Robust Quality. Harvard Business Review 68, jan-feb : 65-75. [18] Taguchi,G., S Choudhury and Shin Taguchi (2000) Robust Engineering, McGraw-Hill, New York, N.Y. [19] Wheeler, Donald (1988). Understanding Industrial Experimentation, 2nd ed. SPC Press Inc., Knoxville, TE

27

Appendice

quivalence entre minimiser EQM et maximiser SB cas nominal : 0 < < il existe des facteurs d'ajustement

Notation 1 2 .J matrice facteurs bruit donnes y ij N xJ

x1 x 2 KK 1 matrice facteurs contrle x = ( x1 , x 2 , K )


~

Z1 Z2 M

1 yi = J s i2

J j =1

y ij
J

1 = J 1

j =1

( yij y i ) 2

Modle des donnes y ij = ( x ) + ( x ) ij


~ ~

ij ~ N (0,1) Critres et estimation moyenne variance

i = 1, 2, K N ,

j = 1, K J

( x) =
~

2 ( x) =
~

yf Y ( y ( x) dy
~

( y ( x ) ) 2 f Y ( y / x ) dy
~ ~

signal-bruit SB cart quadratique moyen EQM

SB = ln ( 2 ( x ) / 2 ( x ) = ln ( 2 ( x ) / 2 ( x ) )
~ ~ ~

EQM ( ) = 2 ( x) + ( ( x) ) 2
~ ~

SB et EQM sont des fonctions de x et elles seront estimes par SB = ln ( y i2 / s i2 ) EQM ( ) = s i2 + ( yi ) 2 Hypothse

x = (d,a )
~ ~ ~

a : facteurs d' ajustement


~
~ ~

cest dire influencent mais pas


~

SB ( x ) = SB ( d ) ne dpend pas de a ( x ) = ( d, a )
2 2 ~ ~ ~

( x ) = (d, a )
~ ~ ~

28 EQM ( ) = 2 ( d , a ) + ( d , a )
~ ~ ~ ~

[
2

= 2 (d, a )
~ ~

( d, a )
~ ~ ~

+ ( d , a ) 2 (d, a ) ~ ~
ln 2 2

= (d,a ) e
2 ~ ~

+ ( d , a ) ~ ~

= 2 (d,a ) e
~

SB ( d )
~

+ ( d , a ) ~ ~

Le minimum de EQM est obtenu par SB ( d ) ~ EQM ( ) = 2 e + 2 ( d , a ) =0 ~ a a a


~ ~ ~

2 c'est--dire

(1 + e SB ) = 2 a a
~ ~

* = Alors Min a = * =
~

1 + e SB
SB ( d )
~

EQM ( )

= *2 e

+ ( * )2

2 e SB + ( ) 2 SB 2 SB (1 + e ) 1+ e

e SB 1 =2 +( 1) 2 SB 2 SB 1+ e (1 + e ) e SB e 2 SB =2 + SB 2 SB 2 (1 + e ) (1 + e ) = = = 2 (1 + e (1 + e
2 SB

) )

[e

SB

+ e 2 SB

2
SB 2 SB

e SB (1 + e SB )

e 2 = 1 + e SB 1 + e SB

C'est une fonction dcroissante de SB. Donc minimiser EQM est quivalent maximiser SB la condition qu'il existe des facteurs d'ajustement.