강건화

이 기사는 검증을 위해 추가적인 인용이 필요합니다. 신뢰할 수 있는 자료에 인용문을 추가하여 이 기사를 개선하는 데 도움을 주시기 바랍니다. 출처가 밝혀지지 않은 자료에 이의를 제기하여 제거할 수 있습니다.출처 찾기 : "Robustification" – 뉴스 · 신문 · 서적 · 학자 · JSTOR (2022년 9월) (이 템플릿 메시지를 제거하는 방법 및 시기 알아보기)

강건화는 시스템이 해당 시스템의 입력 변수 및 매개 변수에 존재하는 무작위 변동성 또는 잡음의 영향에 덜 민감하게 반응하도록 최적화하는 한 형태입니다.프로세스는 일반적으로 엔지니어링 시스템과 관련되어 있지만, 프로세스는 정치 정책, 비즈니스 전략 또는 임의 변동성의 영향을 받는 다른 시스템에도 적용될 수 있습니다.

정의에 대한 명확화

여기서 정의되는 강건화는 때때로 매개변수 설계 또는 강건한 매개변수 설계(RPD)라고 불리며 종종 Taguchi 방법과 관련됩니다.이러한 맥락에서 강건화에는 출력의 무작위 변동성에 가장 큰 기여를 하는 입력을 찾아 제어하는 과정, 또는 공차 설계 등이 포함될 수 있습니다.때로는 품질에 대한 디자인(Design for Quality) 또는 DFFS(Design for Six Sigma)라는 용어도 동의어로 사용될 수 있습니다.

원칙

강건화는 두 가지 서로 다른 원리를 활용하여 작동합니다.

비선형성

관심 있는 시스템의 입력 변수 x와 출력 Y 사이의 관계에 대한 아래 그래프를 생각해 보십시오.x가 취할 수 있는 값은 5와 30 두 가지가 있음을 알 수 있습니다.x에 대한 허용 오차가 공칭값과 독립적이면 x를 30과 동일하게 설정할 때 Y의 예상 변동이 x를 5와 동일하게 설정할 때보다 작다는 것도 알 수 있습니다.그 이유는 x = 30에서의 기울기가 x = 5에서의 기울기보다 작으며, x의 랜덤 변동성이 Y로 흐를수록 억제되기 때문입니다.

이 기본 원리는 모든 강건화의 기초가 되지만 실제로는 일반적으로 많은 입력이 있으며 반드시 찾아야 하는 다차원 표면에서 가장 낮은 구배를 가진 적합한 지점입니다.

비정규 변동성

출력 Z가 서로 곱해지는 두 입력 x와 y의 함수인 경우를 생각해 보십시오.

Z = xy

Z의 모든 목표 값에 대해 적합한 x와 y의 공칭 값에 대해 무한한 수의 조합이 있습니다.그러나 x의 표준편차가 공칭값에 비례하고 y의 표준편차가 일정하다면,그러면 x가 감소하고(방정식의 오른쪽에서 왼쪽으로 흐르는 랜덤 변동성을 제한하기 위해) y가 증가하여(표준 편차가 일정하므로 예상되는 증가 랜덤 변동성이 없음) Z 값을 목표 값으로 가져옵니다.이렇게 함으로써 Z는 원하는 공칭값을 갖게 되고 표준 편차는 최소값(강성화)이 될 것으로 예상됩니다.

위에서 다룬 두 가지 원리를 활용하면 시스템 출력의 공칭값이 원하는 수준으로 유지되도록 시스템을 최적화하는 동시에 해당 공칭값에서 편차가 발생할 가능성을 최소화할 수 있습니다.이는 입력 변수 내에 랜덤 변동성이 존재함에도 불구하고 발생합니다.

방법들

강건화에는 세 가지 방법이 있지만 결과, 리소스 및 시간 면에서 최고를 제공하는 조합을 사용할 수 있습니다.

실험적인

실험적 접근법은 아마도 가장 널리 알려진 방법일 것입니다.여기에는 조정할 수 있는 변수와 노이즈로 처리되는 변수의 식별이 포함됩니다.그런 다음 실험을 통해 조절 가능한 변수의 공칭값을 변경하면 노이즈 변수에서 출력으로 노이즈가 전달되는 것을 제한할 수 있는 방법을 조사할 수 있습니다.이 접근 방식은 Taguchi에 기인하며 종종 Taguchi 방법과 관련됩니다.많은 사람들이 인상적인 결과를 제공하는 접근법을 찾았지만, 이 기법들은 통계적으로 오류가 있고 비효율적이라는 비판을 받아왔습니다.또한, 소요되는 시간과 노력이 상당할 수 있습니다.

강건화를 위해 사용된 또 다른 실험 방법은 운영 창(Operating window.그것은 일본에서 온 품질 방법의 물결이 서양에 오기 전에 미국에서 개발되었지만,^[1] 아직도 많은 사람들이 알지 못합니다.이 접근 방식에서는 시스템이 해당 노이즈에 대한 민감도를 줄이기 위해 수정됨에 따라 입력의 노이즈가 지속적으로 증가합니다.이를 통해 견고성이 향상될 뿐만 아니라 시스템에 흐르는 변동성을 보다 명확하게 측정할 수 있습니다.최적화 후 입력의 임의 변동성이 제어되고 감소되며, 시스템의 품질이 향상됩니다.

분석적

분석적 접근법은 처음에는 관심 시스템의 분석 모델 개발에 의존합니다.그런 다음 오차 전파나 랜덤 ^[2]변수의 함수와 같은 방법을 사용하여 출력의 예상 변동성을 찾습니다.이들은 일반적으로 최적화 및 강건화를 위해 분석할 수 있는 대수적 표현을 생성합니다.이 접근 방식은 모델이 개발한 것만큼 정확할 뿐이며 복잡한 시스템에서는 불가능하지 않더라도 매우 어려울 수 있습니다.

분석적 접근법은 ^{[citation needed]}또한 시스템의 실험 또는 수치 시뮬레이션의 결과를 기반으로 하는 일종의 대리 모델과 함께 사용될 수 있습니다.

수치상의

수치 접근 방식에서 모델은 몬테카를로 시뮬레이션의 일부로 여러 번 실행되거나 출력의 변동성을 예측하기 위해 오류의 수치 전파로 실행됩니다.그런 다음 언덕 오르기 또는 진화 알고리즘과 같은 수치 최적화 방법을 사용하여 입력에 대한 최적 공칭값을 찾습니다.이 접근 방식은 일반적으로 다른 두 방식에 비해 인적 시간과 노력이 덜 필요하지만 시뮬레이션 및 최적화 과정에서 계산 자원이 매우 까다로울 수 있습니다.

참고 항목

• 민감도 분석

각주

참고문헌

• Clause (1994) Total Quality Development: 세계적 수준의 동시공학에 대한 단계별 가이드미국기계공학회. ISBN0-7918-0035-0
• Clause, D. (2004) 작동창: 강건성 기술계측을 위한 공학적 방안제46권 [1] 페이지 25-31
• Siddall (1982) 최적 공학 설계CRC. ISBN 0-8247-1633-7
• Dodson, B., Hammett, P. and Klerx, R. (2014) 엔지니어의 최적화 및 견고성을 위한 확률적 설계 John Wiley & Sons, Inc.ISBN 978-1-118-79619-1

외부 링크

• 확률적 설계