TRIZ を使用した DfSS事例 (その2)

更新日

投稿日

 
 前回のその1に続いて解説します。
 

5. D/O(Design and Optimize/設計と最適化)フェーズ

 
 Design and Optimize フェーズでは以下のツールを使いました。
 
  •  Boundary Diagram
  •  Cause & Effect Diagram (Fish Bone Diagram)
  •  Parameter Diagram (P-Diagram)
  •  Design FMEA
  •  Thermal Modeling (熱計算のための数値モデル)
  •  モンテカルロ・シュミレーション
 
 このグリーンベルト・プロジェクトだけで、全ての CTQ について研究することはできないので、AHP や QFD を使って決めた優先順位に基づいて、最も重要な CTQ である温度特性に焦点を当てることにしました。そして Boundary Diagram を使って、装置のどの箇所の温度を調べるのか、研究の対象と範囲を明らかにしました。
 
 もし予想以上の温度上昇があるとすれば、それはどのような現象として現れるのか、どのようなことが原因でその現象が起こりうるのか、Fish Bone Diagram を使って不具合の事象と根本原因を洗い出しました。さらにその不具合の事象(Failure Modes/故障モード)と根本原因(Noise Factors)を P-Diagram に移し、それらの関係付け行いました。
 
 P-Diagram を Design FMEA に変換し、Design FMEA 上で、影響(Severity)や頻度(Occurrence)、検出可能性(Detectability)を検討しました。さらに危険優先指数(RPN: Risk Priority Number)の高い順から対応策を検討し、設計に反映させました。
 
 顧客要求や設計仕様、設計リスク等を理解した後、やっと新しい装置の設計を行いました。
 
 シックスシグマ
 
 一通り設計が完了した後、その設計に基づいて、熱計算のための数値モデルを作りました。この数値モデルを使ってモンテカルロ・シュミレーションを行い、新しい装置の熱容量が、目標値にどれだけ収まっているか、Z値と PNC(Probability of Non-Compliance)という値を使って確認しました。
 
 TRIZ が導き出した多次元移行原理をヒントに、装置内のコンポーネントの位置を調整し、Z値が最大(PNC値 が最小)となる最適なレイアウトを見つけました。そして最終的な Z値と PNC値から、 新しい装置の設計は熱的に妥当なものであると判断しました。
 

6. Verify(確認)フェーズ

 
 Verify フェーズでは以下のツールを使いました。
 
  •  統計分析処理
  •  仮説検定
 
 新しい装置はまだ調査のための設計段階なので、実際の装置はありませんでした。そのため「机上の数値モデル(熱計算)が信用できるのか」ということが問題となりました。
 
 そこで現存する比較的類似した製品(装置)を使って、この数値モデルが実際に使えるものかどうか、検討してみました。行ったことは、類似製品を基に同じ方法を使って熱計算・数値モデルを作り、それと実際の測定値を比較するという統計的分析です。
 
 許容できる測定誤差を基に、サンプルサイズの計算をして、その数の類似製品(装置)を用意しました。同じ条件で装置を運転し、温度データを測定しました。そしてその測定データと数値モデルから得た計算値を統計的に比較しました。行った統計的分析は以下の通りです。
 
  •  Normality Test
  •  Capability Analysis
  •  Equivalent Test
  •  Two Sample t-Test
  •  Linearity Test
 
 ...
 
 前回のその1に続いて解説します。
 

5. D/O(Design and Optimize/設計と最適化)フェーズ

 
 Design and Optimize フェーズでは以下のツールを使いました。
 
  •  Boundary Diagram
  •  Cause & Effect Diagram (Fish Bone Diagram)
  •  Parameter Diagram (P-Diagram)
  •  Design FMEA
  •  Thermal Modeling (熱計算のための数値モデル)
  •  モンテカルロ・シュミレーション
 
 このグリーンベルト・プロジェクトだけで、全ての CTQ について研究することはできないので、AHP や QFD を使って決めた優先順位に基づいて、最も重要な CTQ である温度特性に焦点を当てることにしました。そして Boundary Diagram を使って、装置のどの箇所の温度を調べるのか、研究の対象と範囲を明らかにしました。
 
 もし予想以上の温度上昇があるとすれば、それはどのような現象として現れるのか、どのようなことが原因でその現象が起こりうるのか、Fish Bone Diagram を使って不具合の事象と根本原因を洗い出しました。さらにその不具合の事象(Failure Modes/故障モード)と根本原因(Noise Factors)を P-Diagram に移し、それらの関係付け行いました。
 
 P-Diagram を Design FMEA に変換し、Design FMEA 上で、影響(Severity)や頻度(Occurrence)、検出可能性(Detectability)を検討しました。さらに危険優先指数(RPN: Risk Priority Number)の高い順から対応策を検討し、設計に反映させました。
 
 顧客要求や設計仕様、設計リスク等を理解した後、やっと新しい装置の設計を行いました。
 
 シックスシグマ
 
 一通り設計が完了した後、その設計に基づいて、熱計算のための数値モデルを作りました。この数値モデルを使ってモンテカルロ・シュミレーションを行い、新しい装置の熱容量が、目標値にどれだけ収まっているか、Z値と PNC(Probability of Non-Compliance)という値を使って確認しました。
 
 TRIZ が導き出した多次元移行原理をヒントに、装置内のコンポーネントの位置を調整し、Z値が最大(PNC値 が最小)となる最適なレイアウトを見つけました。そして最終的な Z値と PNC値から、 新しい装置の設計は熱的に妥当なものであると判断しました。
 

6. Verify(確認)フェーズ

 
 Verify フェーズでは以下のツールを使いました。
 
  •  統計分析処理
  •  仮説検定
 
 新しい装置はまだ調査のための設計段階なので、実際の装置はありませんでした。そのため「机上の数値モデル(熱計算)が信用できるのか」ということが問題となりました。
 
 そこで現存する比較的類似した製品(装置)を使って、この数値モデルが実際に使えるものかどうか、検討してみました。行ったことは、類似製品を基に同じ方法を使って熱計算・数値モデルを作り、それと実際の測定値を比較するという統計的分析です。
 
 許容できる測定誤差を基に、サンプルサイズの計算をして、その数の類似製品(装置)を用意しました。同じ条件で装置を運転し、温度データを測定しました。そしてその測定データと数値モデルから得た計算値を統計的に比較しました。行った統計的分析は以下の通りです。
 
  •  Normality Test
  •  Capability Analysis
  •  Equivalent Test
  •  Two Sample t-Test
  •  Linearity Test
 
 統計的分析の結果、数値モデルと実際の測定値が違うという十分な証拠は得られず、従って数値モデルは十分実用可能と判断し、その結果を基に新しい装置の設計を進めました。
 
 ・ ・ ・ ・ ・ ・ ・
 
 DfSS を使うことで、実際に装置を作る前に、顧客要求や設計仕様を満たすことを確認できました。また設計リスクも同時に減らすことができました。もし DfSS を使っていなかったら、きっと装置を作っては不具合を発見し、手直しを繰り返す、ということをしていたと思います。DfSS を使うことでコストを削減し、開発期間を短縮し、また性能や安全性を高めることができました。
 

   続きを読むには・・・


この記事の著者

津吉 政広

リーンやシックスシグマ、DFSSなど、問題解決のためのフレームワークを使った新製品の開発や品質の向上、プロセスの改善を得意としています。「ものづくり」に関する問題を一緒に解決してみませんか?

リーンやシックスシグマ、DFSSなど、問題解決のためのフレームワークを使った新製品の開発や品質の向上、プロセスの改善を得意としています。「ものづくり」に関...


「シックスシグマ」の他のキーワード解説記事

もっと見る
リーンシックスシグマでプログラム言語 Rを使う理由とは

        最近、プログラム言語 R をリーンシックスシグマで使うようになりました。ビッグデータ時代を迎...

        最近、プログラム言語 R をリーンシックスシグマで使うようになりました。ビッグデータ時代を迎...


Analyzeフェイズの目的 シックスシグマ (その6)

 前回のその5に続いて解説します。Analyzeフェイズでは収集したデータを分析し、特性Yのばらつきに影響を与えている因子を推測します。さらに問題の原因を...

 前回のその5に続いて解説します。Analyzeフェイズでは収集したデータを分析し、特性Yのばらつきに影響を与えている因子を推測します。さらに問題の原因を...


業務プロセスのモデル化(DOE)とシミュレーション

        業務プロセスや製造プロセスを、フローチャートやVSM(Value Stream Map)を使...

        業務プロセスや製造プロセスを、フローチャートやVSM(Value Stream Map)を使...


「シックスシグマ」の活用事例

もっと見る
あえて意思決定を遅らせるとは

   リーンシックスシグマで使うツールの多くは意思決定を助けます。優先順位をつけて意思決定を助けたり、システマチックな思考順序が意思決定に導い...

   リーンシックスシグマで使うツールの多くは意思決定を助けます。優先順位をつけて意思決定を助けたり、システマチックな思考順序が意思決定に導い...


コスト重視のシックスシグマ

 シックスシグマとは品質管理での対日本戦略として生み出され、顧客にほぼ欠陥の無いサービスを提供するというビジョンに基づいた経営管理体系です。シグマ(=σ)...

 シックスシグマとは品質管理での対日本戦略として生み出され、顧客にほぼ欠陥の無いサービスを提供するというビジョンに基づいた経営管理体系です。シグマ(=σ)...


事例: 累積公差分析(Tolerance Stack-up Analysis)

   先日、ある質問を受けました。質問内容は、「射出成型機を使って製作する 4 つの部品を設計する際、その4つの部品がちゃんと組み合わさるため...

   先日、ある質問を受けました。質問内容は、「射出成型機を使って製作する 4 つの部品を設計する際、その4つの部品がちゃんと組み合わさるため...