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。
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。