تعزيز المتانة

انظر إلى الرسم البياني أدناه الذي يوضح العلاقة بين متغير الإدخال x ومتغير الإخراج Y ، حيث يُراد أن تكون قيمته 7، لنظام قيد الدراسة. يتضح أن هناك قيمتين محتملتين لـ x ، وهما 5 و30. إذا كان هامش الخطأ المسموح به لـ x مستقلاً عن القيمة الاسمية، فإنه يتضح أيضاً أنه عند ضبط x على 30، يكون التباين المتوقع لـ Y أقل مما لو تم ضبط x على 5. والسبب هو أن الميل عند x = 30 أقل منه عند x = 5، وبالتالي يتم كبح التباين العشوائي في x أثناء انتقاله إلى Y.

هذا المبدأ الأساسي هو أساس كل عملية تقوية، ولكن من الناحية العملية، هناك عادةً عدد من المدخلات، ويجب إيجاد النقطة المناسبة ذات التدرج الأدنى على سطح متعدد الأبعاد.

لنفترض حالة يكون فيها الناتج Z دالة لمدخلين x و y مضروبين في بعضهما البعض.

Z = xy

لأي قيمة مستهدفة لـ Z ، يوجد عدد لا نهائي من التوليفات المناسبة للقيم الاسمية لـ x و y . مع ذلك، إذا كان الانحراف المعياري لـ x متناسبًا مع القيمة الاسمية، وكان الانحراف المعياري لـ y ثابتًا، فسيتم تقليل x (للحد من التباين العشوائي الذي ينتقل من الطرف الأيمن للمعادلة إلى الطرف الأيسر)، وسيتم زيادة y (دون توقع زيادة في التباين العشوائي نظرًا لثبات الانحراف المعياري) للوصول بقيمة Z إلى القيمة المستهدفة. وبذلك، ستحصل Z على القيمة الاسمية المطلوبة، ومن المتوقع أن يكون انحرافها المعياري في حده الأدنى: أي أنها ستكون أكثر استقرارًا.

من خلال الاستفادة من المبدأين المذكورين أعلاه، يُمكن تحسين النظام بحيث تبقى القيمة الاسمية لمخرجاته عند المستوى المطلوب، مع تقليل احتمالية أي انحراف عنها إلى أدنى حد. ويتحقق ذلك على الرغم من وجود تباين عشوائي في متغيرات الإدخال.

ربما يكون النهج التجريبي هو الأكثر شيوعًا. يتضمن هذا النهج تحديد المتغيرات القابلة للتعديل والمتغيرات التي تُعامل كضوضاء . ثم تُصمم تجربة لدراسة كيفية الحد من انتقال الضوضاء من متغيرات الضوضاء إلى المخرجات عن طريق تغيير القيمة الاسمية للمتغيرات القابلة للتعديل. يُنسب هذا النهج إلى تاغوشي ، وغالبًا ما يُربط بأساليب تاغوشي . على الرغم من أن الكثيرين وجدوا أن هذا النهج يُحقق نتائج مبهرة، إلا أن تقنياته وُجهت إليها انتقادات لكونها خاطئة إحصائيًا وغير فعالة. كما أن الوقت والجهد المطلوبين قد يكونان كبيرين.

من الطرق التجريبية الأخرى المستخدمة لتعزيز المتانة طريقة "نافذة التشغيل". طُوّرت هذه الطريقة في الولايات المتحدة قبل انتشار أساليب الجودة اليابانية في الغرب ، لكنها لا تزال غير معروفة للكثيرين. ^{[ 1 ]} في هذه الطريقة، يُزاد تشويش المدخلات باستمرار مع تعديل النظام لتقليل حساسيته لهذا التشويش. هذا يزيد من متانة النظام، كما يوفر قياسًا أوضح للتباين الذي يمر عبره. بعد التحسين، يُتحكم في التباين العشوائي للمدخلات ويُقلل، ويُظهر النظام جودةً مُحسّنة.

يعتمد النهج التحليلي مبدئيًا على تطوير نموذج تحليلي للنظام قيد الدراسة. ثم يُحدد التباين المتوقع للمخرجات باستخدام طريقة مثل انتشار الخطأ أو دوال المتغيرات العشوائية. ^{[ 2 ]} ينتج عن ذلك عادةً تعبير جبري يمكن تحليله لتحسين الأداء وتعزيزه. تعتمد دقة هذا النهج على دقة النموذج المُطور، وقد يكون تطبيقه صعبًا للغاية، إن لم يكن مستحيلاً، على الأنظمة المعقدة.

يمكن أيضًا استخدام النهج التحليلي بالاقتران مع نوع من النماذج البديلة التي تستند إلى نتائج التجارب أو المحاكاة العددية للنظام.

في النهج العددي، يُشغَّل النموذج عدة مرات كجزء من محاكاة مونت كارلو أو نشر عددي للأخطاء للتنبؤ بتغيرات المخرجات. ثم تُستخدم طرق التحسين العددي، مثل خوارزمية تسلق التلال أو الخوارزميات التطورية، لإيجاد القيم الاسمية المثلى للمدخلات. يتطلب هذا النهج عادةً وقتًا وجهدًا بشريًا أقل من النهجين الآخرين، ولكنه قد يكون مُرهِقًا جدًا للموارد الحاسوبية أثناء المحاكاة والتحسين.