SDI Japanは米国Statistical Design Institute LLC.の日本法人です。

SDI Toolsとは、
　顧客要件の整理、優先度付け、設計要件への展開、イノベーション手法TRIZ、
　定性／定量的な設計候補選択手法、FMEA、公差設計／解析、最適化の全てを
　一貫して使えるツールです。

SDI Toolsに含まれるデータ解析手法やツールは、人工知能AIの基礎技術です。これらの手法を
学ばずして最新のデータサイエンスの分析手法を理解することは難しいといえます。
AIを組み込んだ製品設計をする初心者が、基礎知識としてマスターすべき技術です。

SDI ToolsはTriptychとApogeeの2つのモジュールにより構成されており、汎用的な品質管理手法を、MicrosoftR Excelのアドイン機能として10種類のツールに実現しました。製品開発エンジニアリングのプロセスの中で使うことによって、魅力的品質を期待できる設計仕様の決定と設計値のロバスト化が行えます。

製品開発エンジニアリングのプロセスとは、以下のようなものです。目的とするところは、質の高い設計情報を作成することで、設計品質を高めることです。結果として、より魅力的な製品の提供を実現します。また、質の高い設計情報は世界のどこでも、高品質の製品の調達を可能にします。



ツール名をクリックすると、もう少し詳しい説明を見ることができます。
● Triptych …顧客要求に基づく品質仕様から設計品質仕様への展開、選択した仕様の分析と評価が行えます。

1. Affinity （親和図法）
   顧客の声（VOC）を捕捉し、グルーピングします。
2. AHP（階層分析）
   設計要件の重要度付けを行います。
3. QFD（品質機能展開）
   顧客要件から技術要件、技術要件から製造要件など、要件のブレークダウンと展開を行います。
4. TRIZ（イノベーション手法）
   イノベーション手法TRIZを使用して、要件間の技術的矛盾を解決します。
5. Pugh, TOPSIS, SDI（設計候補の選択）
   定性的または定量的に設計候補を評価します。
6. FMEA（故障モード影響解析）
   故障が発生した場合の対策を決めておきます。

● Apogee …実装仕様に関する統計解析が行えます。

7. Statistical Allocation （公差設計）
   製品の目標値から仕様に記述すべき機能の許容値や部品の公差値を算出します。
8. Sensitivity Analysis（公差解析）
   個々の部品の公差設定値からアセンブリとしたときの想定不良率（PNC)を算出します。
9. Monte Carlo（モンテカルロ解析）
   解析的な数学式や実験式が見いだせない場合でも統計的に公差値や想定不良率を求めます。
10. Multi-Objective Optimization（最適化処理）
    シミュレーションにより品質とコストのトレードオフが取れる仕様値を見つけ出します。