Werkzeug-zu-Werkzeug-Abstimmung<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo.Ich habe mich nach Best Practices zum Nachweis der Werkzeug-zu-Werkzeug-Übereinstimmung mit vielen Faktoren gefragt.
Ich habe zum Beispiel 3 Werkzeuge, 2 Köpfe pro Werkzeug (einen linken und einen rechten).Ich möchte 4 Bedingungen für 10 Teile pro Bedingung zuordnen, jeweils 10 Mal gemessen.
Normalerweise würde ich eine GRR durchführen, wenn sie nur drei Faktoren hätte.Sollte ich einfach das Modell anpassen und die Varianzkomponenten als Metriken verwenden?
Sollte ich einfach für jede Bedingung eine separate GRR erstellen und sie dann vergleichen?
Die Informationen, die ich daraus wirklich gewinnen möchte, sind, ob die Messgeräte übereinstimmen und unter jeder Bedingung geeignet sind (bis zu einer bestimmten Spezifikation).
In Wirklichkeit wird das Teil bei den Wiederholungen der Messung während der Bewegung nicht an der gleichen Stelle gemessen.Und L&R wird auch nicht von Werkzeug zu Werkzeug genau die gleichen Stellen ausrichten.Ich denke, ich kann diese einfach verschachteln, weiß aber nicht, ob eine andere Methode bevorzugt wird.
Ich habe eine Scheintabelle angehängt, falls nicht klar ist, was ich frage.
Selbst eine nur empfohlene Lektüre wäre dankbar.
Danke,
Vince
Betreff: Werkzeug-zu-Werkzeug-ZuordnungIch mag das.Das hilft mir, die Informationen zu bekommen, die ich suche.Danke für die Hilfe.
Betreff: Werkzeug-zu-Werkzeug-ZuordnungHier laut nachzudenken ... in einem öffentlichen Forum ist es immer gefährlich ... was wäre, wenn Sie für jedes Level eine Art normalisierende Reaktion berechnen würden ... wie einen z-Wert für das Level, da es sich einfach so anhört, als würden Sie versuchen, Wiederholbarkeit/Reproduzierbarkeit herzustellen über den gesamten Nominalwertbereich. Dann würden sich die Durchschnitts- und Bereichsdiagramme in Wheelers Methode nicht um die pseudofalsche Teil-zu-Teil-Variation kümmern?
Betreff: Werkzeug-zu-Werkzeug-ZuordnungMir gefällt das, aber das Problem, auf das ich wiederkomme, besteht darin, es einfach unter jeder Nominalbedingung zu machen?Nehmen wir an, ich versuche die Länge von etwas zu messen.Ich möchte wissen, wie gut es sich bei 4 verschiedenen Längen steuern lässt.Wenn ich einfach alles an den MSA anschließe, erhalte ich einen Durchschnitt des Ganzen, aber ich führe falsche Teil-zu-Teil-Variationen ein.Ich kann es also für jede Länge separat ausführen, erhalte dann aber eine Klassifizierung für jede Bedingung.Gibt es eine Möglichkeit, eine einzige Klassifizierung des Werkzeugs für den gesamten Bereich von Bedingungen zu erhalten? Wenn ich also die Mittelwertanalyse durchführe, würde es für jede Nominalbedingung einen UDL/LDL geben?
Betreff: Werkzeug-zu-Werkzeug-ZuordnungVince: Vielleicht möchten Sie sich auch den EMP-Algorithmus von Don Wheeler zur Datenanalyse in diesem Zusammenhang ansehen. Ich mag Wheelers Methode gegenüber dem traditionellen Gage R&R-Ansatz vor allem deshalb, weil es viele verschiedene grafische Mittel gibt, mit denen Wheelers Methode die verschiedenen traditionellen Fragen rund um Wiederholbarkeit, Auflösung, Reproduzierbarkeit, Wechselwirkungen usw. beantwortet. Hier ist ein Link in der JMP-Onlinedokumentation, der dies veranschaulicht der EMP-Ansatz, wie er in JMP eingesetzt wird: Analyse von Messsystemen
Betreff: Werkzeug-zu-Werkzeug-ZuordnungVince,
Hier haben Sie mehrere Möglichkeiten ... Zunächst werden nur die Komponenten der Varianzanalyse (unter Variabilitätsstudie) verwendet.Eine weitere Option mit mehreren Übereinstimmungskriterien besteht darin, in „Modell anpassen“ ein Modell mit den Bedingungen zu erstellen und zu prüfen, ob einige davon auf einer bestimmten Alpha-Ebene signifikant sind.Wenn sie nicht signifikant sind, sind die Tools effektiv aufeinander abgestimmt.
Am besten,
M
