Робустификация - это форма оптимизации, при которой система становится менее чувствительной к эффектам случайной изменчивости или шума, присутствующих во входных переменных и параметрах этой системы. Процесс обычно связан с инженерными системами, но процесс также может применяться к политической политике, бизнес-стратегии или любой другой системе, подверженной эффектам случайной изменчивости.
Разъяснение по определению [ править ]
Робастизация, как она определена здесь, иногда называется расчетом параметров или надежным расчетом параметров (RPD) и часто связана с методами Тагучи . В этом контексте робастизация может включать в себя процесс поиска входных данных, которые больше всего способствуют случайной изменчивости выходных данных, и управление ими или расчет допусков. Иногда термины «дизайн для качества» или « Дизайн для шести сигм» (DFSS) также могут использоваться как синонимы.
Принципы [ править ]
Робастизация работает, используя два разных принципа.
Нелинейности [ править ]
Рассмотрим приведенный ниже график взаимосвязи между входной переменной x и выходной Y , для которой желательно, чтобы было взято значение 7, интересующей системы. Можно видеть, что есть два возможных значения, которые может принимать x : 5 и 30. Если допуск для x не зависит от номинального значения, то также можно увидеть, что, когда x установлен равным 30, ожидаемое изменение у меньше , чем если бы х было установлено равным 5. причина заключается в том, что градиент при х = 30 меньше , чем при х = 5, а случайная изменчивость х подавляется , как она течет в Y .
Этот основной принцип лежит в основе всей робастификации, но на практике обычно существует несколько входных данных, и необходимо найти подходящую точку с наименьшим градиентом на многомерной поверхности.
Непостоянная изменчивость [ править ]
Рассмотрим случай, когда выход Z является функцией двух входов x и y , умноженных друг на друга.
Z = ху
Для любого целевого значения Z существует бесконечное количество подходящих комбинаций номинальных значений x и y . Однако, если стандартное отклонение x было пропорционально номинальному значению, а стандартное отклонение y было постоянным, тогда x был бы уменьшен (чтобы ограничить случайную изменчивость, которая будет течь из правой части уравнения в левую часть. ) и y будет увеличиваться (без ожидаемого увеличения случайной изменчивости, поскольку стандартное отклонение постоянно), чтобы привести значение Z к целевому значению. Делая это, Z будет иметь желаемое номинальное значение, и ожидается, что его стандартное отклонение будет минимальным: робастифицированным.
Воспользовавшись двумя принципами, описанными выше, можно оптимизировать систему таким образом, чтобы номинальное значение выхода системы поддерживалось на желаемом уровне, а также минимизировало вероятность любого отклонения от этого номинального значения. И это несмотря на наличие случайной изменчивости входных переменных.
Методы [ править ]
Существует три различных метода роботизации, но практикующий может использовать сочетание, обеспечивающее наилучшие результаты, ресурсы и время.
Экспериментальный [ править ]
Экспериментальный подход, вероятно, наиболее широко известен. Он включает в себя идентификацию тех переменных, которые могут быть скорректированы, и тех переменных, которые рассматриваются как шумы. Затем проводится эксперимент, чтобы исследовать, как изменения номинального значения регулируемых переменных могут ограничить передачу шума от шумовых переменных к выходному сигналу. Этот подход приписывается Тагучи и часто ассоциируется с методами Тагучи . Хотя многие пришли к выводу, что этот подход дает впечатляющие результаты, методы также подвергались критике за статистическую ошибочность и неэффективность. Кроме того, могут потребоваться много времени и усилий.
Еще один экспериментальный метод, который использовался для робастизации, - это рабочее окно. Он был разработан в Соединенных Штатах до того, как волна качественных методов из Японии пришла на Запад, но все еще остается неизвестным для многих. [1] В этом подходе шум входов постоянно увеличивается, поскольку система модифицируется для снижения чувствительности к этому шуму. Это увеличивает надежность, но также обеспечивает более четкое измерение изменчивости, протекающей через систему. После оптимизации случайная изменчивость входных данных контролируется и уменьшается, и система демонстрирует улучшенное качество.
Аналитический [ править ]
Аналитический подход изначально основан на разработке аналитической модели интересующей системы. Ожидаемая изменчивость выходных данных затем определяется с помощью такого метода, как распространение ошибки или функций случайных величин. [2] Обычно они производят алгебраическое выражение, которое может быть проанализировано для оптимизации и робастизации. Этот подход настолько точен, насколько точна разработанная модель, и для сложных систем он может быть очень трудным, если не невозможным.
Аналитический подход может также использоваться в сочетании с какой-либо суррогатной моделью, основанной на результатах экспериментов или численного моделирования системы.
Числовой [ править ]
При численном подходе модель запускается несколько раз в рамках моделирования методом Монте-Карло или численного распространения ошибок для прогнозирования изменчивости выходных данных. Затем используются численные методы оптимизации, такие как восхождение на холм или эволюционные алгоритмы, чтобы найти оптимальные номинальные значения для входных данных. Этот подход обычно требует меньше человеческого времени и усилий, чем два других, но он может быть очень требовательным к вычислительным ресурсам во время моделирования и оптимизации.
См. Также [ править ]
Сноски [ править ]
Ссылки [ править ]
- Клаузинг (1994) Total Quality Development: пошаговое руководство по параллельной разработке мирового класса. Американское общество инженеров-механиков. ISBN 0-7918-0035-0
- Клаузинг, Д. (2004) Рабочее окно: инженерная мера для технометрики надежности. Vol. 46 [1] стр. 25–31.
- Сиддалл (1982) Оптимальный инженерный дизайн. CRC. ISBN 0-8247-1633-7
- Додсон, Б., Хэммет, П., и Клеркс, Р. (2014) Вероятностный дизайн для оптимизации и устойчивости для инженеров John Wiley & Sons, Inc. ISBN 978-1-118-79619-1
Внешние ссылки [ править ]
- Вероятностный дизайн
