Abstract
Taguchi has used the signal-to-noise ratio (SN) to achieve the appropriate set of operating conditions where variability around target is low in the Taguchi parameter design. Many Statisticians criticize the Taguchi techniques of analysis, particularly those based on the SN. Moreover, there are difficulties in practical application, such as complexity and nonlinear relationships among quality characteristics and design (control) factors, and interactions occurred among control factors. Neural networks have a learning capability and model free characteristics. There characteristics support neural networks as a competitive tool in processing multivariable input-output implementation. In this paper we propose a substantially simpler optimization procedure for parameter design using neural network without resorting to SN. An example is illustrated to compare the difference between the Taguchi method and neural network method.
다구찌는 파라미터 설계에서 설계인자의 최적조건을 구하는데 필요한 수행측도로서 신호대 잡음비를 이용하여 자료 분석을 하였다. 다구찌 품질공학은 품질을 개선하는데 있어서 큰 기여를 하였으나 자료 분석하는데 있어서 망목특성에서의 신호대 잡음비의 사용은 많은 문제점이 지적되었고 여러 학자들에 의하여 대체방안 연구되었다. 제품의 설계단계에서 품질특성과 여러 개의 설계인자와의 관계는 복잡한 비선형 형태를 가지는 경우가 대부분이다. 신경망은 유연한 모형 선택과 학습능력은 알수 없는 복잡한 비선형 형태를 파악하는데 아주 유용한 도구이다. 본 논문은 파라미터 설계에서 설계인자의 최적조건을 찾는데 있어서 문제가 되는 신호대 잡음비을 사용하지 않고 신경망을 이용한 최적화 방안을 제안하고자 한다. 아울러 예제를 들어 기존의 다구찌 방법과 새로이 제안한 대체방안을 비교하고자 한다.