281488_ja-JP

liliconcom

差異予算（2020-US-45MP-531）

レベル：初心者

 

ロナルドアンドリュース、シニア プロセスエンジニア、Bausch + Lomb

 

主要な製品指標に影響を与える複数のプロセスパラメータがある場合、内部プロセス仕様をどのように設定しますか？許容される変動の合計を個別の、おそらく等しくないバケットに分割するプロセスが必要です。分散は加算的であるため、偏差よりも各プロセスパラメータに分散を割り当てる方がはるかに簡単です。まず、関心のある製品パラメータへの潜在的な貢献者のリストから始めます。因果関係図は便利なツールです。次に、既知の感度情報を収集します。私たちは知っていることと知らないことを整理し、ギャップを埋めるためにいくつかのDOEを計画します。予測子の分散を組み合わせて製品の全分散を予測することにより、予測子の分散をテストできます。製品の変動全体の予測が実際の経験に満たない場合は、TBD係数を追加する必要があります。包括的なモデルができたら、予算編成を開始できます。差異予算は、財務予算と同じように恣意的です。簡単に改善できる、ぶら下がっている果物を探すことができます。差異予算の目標を達成するための要因を改善するプロジェクトに着手するために、いくつかの財源の予算を立てる必要があるかもしれません。

 

 

自動生成されたトランスクリプト...

 

スピーカー	トランスクリプト
ロナルド・アンドリュース	さて、場合によってはおはようまたは午後。私の名前はロン・アンドリュースです。今日のトピックは差異予算です。
	ああ、私はする必要があります
	画面を共有します。
	そして、ファイルがあります。
	そして、私たちはから始めましょう
	パワーポイント。
	したがって、差異の予算編成がトピックです。
	私はボシュロムのプロセスエンジニアです。ここで連絡先情報を入手しました。
	私の監督にはこの免責事項が必要です。彼らは必ずしも私が今日言ったことを信用したいとは思わない。
	これからお話しする内容の概要
	差異予算とは何ですか？
	少しの歴史。
	いつ必要ですか？
	いくつかの例があります。
	プロセスの要素、原因と結果の図を確認し、予見を収集し、いくつかのDOEを実行してギャップを埋めます。
	必要に応じて、モンテカルロシミュレーション。
	そして、テストケースが機能するようになりました。
	本当に、差異予算とは何ですか？機械エンジニアは、公差の積み重ねについて話すのが好きです。
	許容誤差の積み重ねは、基本的には当然のマーフィーの法則であり、すべての許容誤差であると、最も害を及ぼす可能性のある方向に単位が追加されます。
	分散バジェットは、パラメーター自体のバジェットの代わりに、分散のバジェット（シグマの二乗）を行うことを除いて、許容範囲のスタックアップに似ています。
	均一な分布ではなく、多かれ少なかれ通常の形状分布に依存しています。
	差異は相加的であり、標準偏差のようなものの予算を立てるよりも、予算編成プロセスがはるかに簡単になります。
	ここに簡単な例があります。
	テストアンドソートまたはテストアンドアジャスト戦略を使用した場合、分布はこれらの一様分布のようになります。
	したがって、幅が1の分布と幅が2の分布があり、他の分布が3の場合、それらをすべて合計すると、幅が6にかなり近い分布になります。
	この場合、分散よりも許容誤差の予算を立てる必要があります。
	...プロセス制御に依存している場合、分散はより正常になります。
	この場合、標準偏差が1、標準偏差が2、標準偏差が3の正規分布がある場合、それらを合計すると、標準偏差は3.7になり、6よりはるかに小さくなります。
	したがって、1の2乗と2の2乗と3の2乗は、基本的に3.7の2乗に相当します。
	公平を期すために、その前のスライドで、これらの分散を合計すると、これらの分散はこの分散に加算されます。
	しかし、正規分布以外のものがある場合は、尾の近くの形状に注意を払う必要があります。それはあなたがあなたのスペックをどこに設定できるかに依存します。
	そう、
	差異予算とは何ですか？
	正規分布以外の分布には特別な注意が必要であり、後で説明します。今のところ、差異予算は一種の財政予算のようなものです。それらは同じように任意にすることができます。
	基本的なルールは3つだけです。
	私たちはすべてを共通の通貨に翻訳します。ここで、対象の製品メジャーごとにこれを実行しますが、関連するすべてのプロセス変数を、対象の製品メジャーへの寄与に変換します。
	ルール2はかなり単純です。許容される差異の100％を超えて予算を組まないでください。ええ、簡単に聞こえます。この規則が複数の会社で複数回違反されているのを見てきました。
	数3。これは、エンジニアリングだけでなく、一般的な生活にも当てはまります。常に最善の判断を下してください。
	リトル
	ちょっとした歴史。これはロケット科学ではありません。他の人も同じようなことをしているに違いありません。私は文献を検索しましたが、これに類似したプロセスの公開されたアカウントを見つけることができませんでした。確かにそこにあると思いますが、公開されているアカウントはまだ見つかりません。
	ですから、私にとって歴史は、1980年代にコダックで経営に挑戦して働いたときに戻ってきました。
	課題は、顧客が知覚する変化のないフィルムを制作することでした。
	実際、彼らが最初に言ったことは、変化のないフィルムを生み出します。
	知覚できる変化はありません。
	彼らは、シックスシグマシフトは丁度可知差異の1つ未満であると定義しています。
	コダックは知覚的なものにかなり優れていて、これらすべての丁度可知差異が定義されていました。私たちはそれらが何であるかを正確に知っていました。
	コダクロームのようなスライドフィルムの場合、私が取り組んでいたのは...
	それが当時私が取り組んでいたことであり、カラーバランスが最大の課題でした。
	ここで、この合理化された原因と結果の図、カラーバランスは、緑の速度、青の速度、および赤の速度の関数です。
	今、私はこれらの足の1つを肉付けしました。赤の速度、シアンの吸収染料、そしてその速度に寄与する要因として乳剤の1つを取得しました。これは、赤の速度に影響し、カラーバランスに影響します。
	これは非常に単純化されたバージョンです。赤のレコードには実際には3つの異なる乳剤があり、緑のレコードにはさらに3つの乳剤があります。青いレコードにはさらに2つあります。すべてを合計すると、それらはすべてカラーバランスに寄与する75の要因です。
	これらは潜在的な貢献者だけではありません。これらは実際に実証された貢献者です。したがって、これはかなり困難な作業です。
	したがって、差異予算が必要な場合に移ります。
	ここで頬の決定木に少し舌を出してください。家がめちゃくちゃですか？そうでなければ、人生は良いです。もしそうなら、
	子供は何人いますか？もしそうなら、私たちはおそらく責任がどこにあるかを知っています。それ以上で、おそらく予算が必要な場合。
	これは、ボシュロムでのコンタクトレンズプロジェクトで数年前に行ったいくつかの作業の例です。
	これは、市場に参入するずっと前のことです。直径の仕様を満たすのに問題がありました。
	プラスマイナス2/10ミリメートル
	私たちはそれに会うのに苦労していました。
	私たちは変動の多くの原因を調べ、それぞれを特徴づけることができました。
	たくさんからたくさん。そして、これは同じ入力材料と同じ設定値で、かなり大きな変動があります。
	レンズ間で多くの範囲内で、変動が少なくなります。
	モノマー成分No.1、時々ロットを交換しますが、
	極端な変動。モノマー成分No.2もかなり大きなばらつきがありました。
	今、私たちはモノマーを一緒に混合し、かなり良い精度でかなり良いプロセスを持っています。それは完全ではなく、そこから変動性を推定することができます。
	それはかなり小さな貢献者です。
	モノマーを型に入れ、硬化ランプの下に置いて???それ
	ランプの強度が違いを生む可能性があります。そこでは、その変動の原因も推定できます。
	これらすべてのディストリビューションを合計します
	これが私たちの全体的な分布です。
	それは属します...両端の仕様制限を超えています。
	.082の標準偏差
	そして、私が述べたように、プラスとマイナス.2のスペック要素は、0.81のPPkを与えます。あまりよくない。
	1.5％と推定される仕様外の割合
	本当に良かったらまずまずだったかもしれませんが、そうではありませんでした。
	この見積もりは、各レンズが独立したイベントであることを前提としています。彼らはそうではありません。レンズをたくさん作っています
	そして...すべてのロットには、特定の開始条件の特定のセットの原材料があります。
	それはたくさんの中に、たくさんの相関関係があります。
	そして
	私が言及した2つの成分、かなりの貢献をした2つのモノマー成分、
	ここを見ると、時々黄色い線とピンク色の線が見えます。これらは、これら2つのモノマー成分によってもたらされる変動性です。
	それらが両方とも中心線の同じ側にある場合、それらは直径を仕様限界に向かって押し出し、可能性を追加する他の変動の原因がいくつかあります。
	もう一つの問題は
	.2の制限は、個々のレンズに対するものです。私たちはこれをしました...私たちはロットに基づいて処分します。したがって、このプロットはロット平均を予測しますが、ロット平均が.175になると、多く失敗した制限を超えて十分なレンズが得られる可能性があります。
	全体として、合計
	私たちの見積もりでは、ロットの4％が廃棄される予定です。
	そして、彼らは束になって来るでしょう。システムを介してロットの半分を取得できない週があります。
	したがって、これは初心者ではありません。いくつかの大きな改善を行う必要があります。
	2つのモノマー成分からのロット間の変動性は、その変動性のかなりの部分に寄与しました。
	調べたところ、モノマー1の全体的な純度が重要な要因であり、モノマー2に含まれる特定の不純物が存在する場合はその原因であることがわかりました。
	私たちの化学者は、これらの成分の合成経路を調べ、不純物の大部分に寄与する単一の出発物質があることを発見しました。
	彼らは、不純物を除去するために、サプライヤーがこの出発成分を蒸留することを推奨しました。
	それはいくつかの大きな改善をしました。
	また、強度を制御するために硬化ランプにバリアックを配置します。
	ランプの強度は大きな要因ではありませんでしたが、これは簡単でした。そして、それが簡単なとき、あなたは改善をします。
	厳密に言えば、これは差異予算ではなく、差異評価でした。各コンポーネントに実際に数値目標を割り当てることはありませんでした。
	これが戻ってきました...私たちは、ぶら下がっている果物を選んでいます。つまり、変動の大部分を占める2つの要因が見つかりました。
	たぶん、より高いブランチに到達するためにもう少し良い構造が必要です。今では、より高いブランチに到達する必要があります。
	レンズ寸法、レンズ径の現状。
	PPkは2.1です。この製品は現在市場に出ており、数年前から販売されています。これはもう問題ではありません。
	これらのmomoerコンポーネントに大きな...大きな改善を加えました。私たちはまだそれらに取り組んでいます。それらはまだ検出可能な変動性を持っています。検出可能ですが、長い間問題にはなりませんでした。
	だから基本的な質問は、私たちは何をするのかということです
	データを差異予算に適用するには？
	たぶん、その恣意性を少し減らしてください。
	まず、改善が必要な製品対策を選択する必要があります。
	潜在的な貢献者、原因と結果の図、便利なツールを特定する必要があります。
	いくつかの予見を集める必要があります。感度を知る必要があります。
	製品メジャーをプロセスメジャーで割ったもの。その線の傾きは何ですか？
	私たちは、ギャップを埋めるためにいくつかのDOEが必要になります。
	これらの要因のいくつかを改善するための難易度を見積もる必要があります。
	そして
	各コンポーネントから分散を推定し、その分散、つまり貢献者間の分散の合計目標を除算します。
	簡単そうですね。
	例を見てみましょう。
	新しいプロジェクトに取り組んでいるとしましょう。その過程で、全体的な画像の鮮明度を測定するためのCMT（カスケード変調転送の略）と呼ばれる新製品の測定値があります。コンタクトレンズにとって重要な種類です。
	目標は100プラスマイナス10です。
	少なくとも1.33のPPKが必要です
	つまり、標準偏差は2.5以下でなければなりません。
	分散は6.25以下でなければなりません。
	どのような要因が関係している可能性がありますか？
	原因と結果の図について考えてみましょう。
	JMPに入り、テーブルを作成できます。CMTをリストすることから始めます
	親列にあります。次に、各製造ステップを子列にリストします。
	次に、これらの子ファクターを親側にリストし始め、次にサブファクターのリストを開始します。これらのサブファクターは明らかに一般的で恣意的であり、全体が仮説です。
	そして、私たちは好きなだけレベルを上げることができます。ダイアグラムには、必要な数のブランチを含めることができますが、
	ここでは、14の潜在的な要因を特定しました。
	したがって、適切なダイアログボックスに移動し、親列と子列を識別します。[OK]ボタンをクリックすると、原因と結果の図が表示されます。
	ここで簡単に説明します。私はJMPを30年間使用しています。後悔はほとんどありません。これはそのうちの1つです。そして、残念ながら、これは昨年しか見つかりませんでした。
	実際、このツールがいつ実装されたのかはわかりません。これが原因と結果の図を生成するために見つけた最も簡単な方法であるため、以前に見つけていればよかったのですが。
	したがって、感度データを収集する必要があります。
	物理学は時々私たちに答えを与えるでしょう。
	光学では、屈折率と曲率半径がわかれば、レンズの屈折力に関する情報が得られます。
	物理学の場合もあれば、実験データが必要な場合もあります。
	そう、
	対象分野の専門家に質問してください。たぶん誰かが私たちにアイデアを与えるいくつかの実験をしました。
	これらの14の要素すべてを網羅しているわけではないため、適切に設計された実験が必要になります。
	私の意見では、リストのいくつかのノッチは履歴データです。
	また、履歴データを使用してモデルを生成したことがある場合は、私が心配している懸念事項がいくつかあります。これには非常に注意する必要があります。歴史的なデータ、
	それは通常厄介です。それは持っています
	多くの誤認された数字、時には間違った列にあるもの、それは多くの掃除を必要とします。要因間の相関関係もたくさんあります。
	標準的な方法は、データポイントの25％をランダムに予約し、確認のためにそのデータを予約し、75％のデータでモデルを生成してから、25％の予約データでテストすることです。
	それが機能する場合は、使用する価値のあるものがあるかもしれません。そうでない場合は、触れないでください。
	したがって、事前の知識を収集して、対象分野の専門家に、彼らが持っている機密データを提供するように独立して依頼したいと思います。
	昨年のディスカバリーサミットでのCyWegmanとWayneLevinによるプレゼンテーションのページを取り上げています。
	これは、ルームルール症候群で最も大きな声を避けるために予見を集める際の彼らの提案です。
	時々、後ろに座っている静かなエンジニアがいて、伝えるべき重要な情報を持っているかもしれません。
	発言する場合としない場合があります。そのため、その情報を取得したいと思います。みんなに独立して始めてもらいましょう。
	次に、人々を集めて、矛盾について話し合います。いくつかあります。
	ギャップはどこにありますか？どのパラメーターがまだ感度または分布情報を必要としますか？
	どのパラメータを割り引くことができますか？
	これらを見つけたいのですが。
	どのパラメータが条件付きですか？
	それほど頻繁には発生しませんが、コンタクトレンズプロセスでは、すべての滅菌サイクルに生物学的指標を含めています。
	これらの指標は意図的にバイアスされているため、誤検知は誤検知よりもはるかに可能性が高くなります。このテストで失敗した場合、
	再度滅菌します。滅菌ルーチンがおそらく正しいことはわかっていますが、再度滅菌します。ですから時々2回滅菌します それは私たちの寸法に小さな影響を与える可能性があります。小さいですが、測定可能です。
	したがって、私たちが知らないことに対する感度を収集するために、いくつかの実験を計画する必要があります。
	そして、生産分布データを見ていきます。感度を上げるために注意して使用してください。これを使用して、各コンポーネントの変動性および対象の積測度の全体的な変動性に関する情報を生成できます。
	途中で記録管理を行う必要があります。原因と結果の図を生成するために使用したテーブルから始めて、さらにいくつかの列を追加できます。
	感度、測定単位、さまざまな列に入力します。どんな種類のテーブルでもかまいません。記録を保持し、最新の状態に保つだけです。
	ギャップを埋めるためにいくつかのDOEが必要になります。
	いくつかの新しい手法があります-決定的なスクリーニング設計、グループ直交超飽和設計-
	状況に応じて、大金を稼ぎましょう。
	この特定の状況では、14の要因があります。
	対象分野の専門家に質問しました。
	それらのいくつかは、いくつかの方向情報を予測するのに十分な経験を持っていますが、実際の傾斜を正確に推定できる人は誰もいません。したがって、14の要因を評価する必要があります。33回の実行を必要としないDSDを実行したいのですが、予算がありません。
	したがって、カスタムDOEに頼ります。
	そう、
	カスタムDOE機能に移動してから... PowerPointを十分長い間使用してきました... JMPでいくつかのことを実演しました。
	それはDOEカスタムデザインに行きます。
	そして
	必ずしもそうする必要はありませんが、応答情報を入力することをお勧めします。
	（正しく入力できれば）。
	ターゲットを一致させる
	90から110まで。
	重要度1は、複数の応答がある場合にのみ違いがあります。要因。
	私は自分のファイルを持っているので、そこにすばやくロードできます。ここに14個すべてがあります
	要因の。
	この要因の制約、
	私はそれを使ったことがありません。しかし、いくつかの要因の組み合わせが危険である場合、それはそこにあることを私は知っています。私たちはそれを禁止できることを知っています。
	モデル仕様。これはおそらく最も重要な部分です。
	これは基本的にスクリーニング操作です。主な効果を見ていきます。
	現在、対象分野の専門家は、相互作用の可能性は低いと示唆しています。
	そして
	非線形性は可能ですが、強くなる可能性は低いです。
	したがって、少なくともスクリーニング実験では、今のところそれらを無視します。
	これをブロックする必要はありません。
	余分な中心点は必要ありません。
	14の主な効果について、JMPは最低15と言います。これは、与えられたデフォルトの20です。
	デフォルトを実行できる予算がある場合は、そこから始めるのがよいことを学びました。私は20回実行できます。33が多すぎた。私は20を管理することができます。
	このデザインを作りましょう。
	これはデザインユニットに残しました。架空の例があります。これらの任意のユニットを他の任意のユニットに置き換える気はしませんでした。
	設計された評価ツールのスイート全体を手に入れました、
	私が普段見ているカップル。検出力分析。
	1の二乗平均平方根誤差推定値が球場のどこかにある場合、これらの電力推定値は球場のどこかになります。.9以上、かなり良い。私はすきです。
	私が普段見ているもう1つのことは、相関関係のカラーマップです。
	実際にカラーマップにするのが好きです。
	そして、それはちょっと複雑です。14の主な効果がありましたが、正直なところ、双方向の交互作用すべてを数えていません。私たちが探しているのは交絡効果であり、同じ行のブロックを赤くする必要があります。
	まあ、それはわかりません。それは良い。相関関係のない濃い青があります。わずかな相関関係がある水色があります。そして、私たちはいくつかの淡いピンクを持っています
	多分それは.6相関係数です。
	これは許容範囲です。完全な交絡がない限り、何が何で、何が影響を引き起こしているのかを推定することができます。
	今これは良いです。先に進み、テーブルを作ります。
	さて、これが私たちのデザインです。
	結果を記入するスペースを確保しました。
	ジュリアチャイルド料理学校からページを取ります。
	あなたのために準備をして、それをオーブンに入れて、それから、すでに実行された実験を持っているオーブンから前に準備されたファイルを取り出してください。これらが結果です。
	CMT値は、90から110の間でした。
	私たちは80年代にここにカップルを迎えました。110.5があり、ここに111があります。
	やるべきことが少しあるようです。
	しましょう
	データを分析します。
	すべてが私たちのために行われます。応答があります。これがすべての要因です。スクリーニングレポートが欲しいです。[実行]をクリックします。
	rの2乗.999。
	ええ、これは偽のデータであることがわかります。おそらくこれより少し高い雑音指数を設定すべきだったでしょう。
	最初の6つの要素は非常に重要です。次の8つはそれほど多くはありません。
	それを生成したとき、私は怠惰でした。
	最初の6つはそこに何かを入れました。
	現在、通常、重要でない要素を排除します。
	したがって、それらをすべて一度に排除することができます。
	私は一度に1つずつそれをする傾向があります。
	毎回最下位の要因を排除し、それが他の数値にどのように影響するかを確認します。変わることもあれば、変わらないこともあります。
	これを削除すると、Cure1がワイヤーの下に滑り込んだように見えます（.0478）。
	.05を少し下回っています。大したことではないかと思いますが、そのままにしておきます。
	そこで、残差を調べます。それは一種のランダムです、それは良いことです。スチューデント化残差、これも一種のランダム。
	パラメータ推定値を確認する必要があります。
	これは私たちが支払ったものです。
	これらは
	...回帰係数は、私たちが探していた勾配です。これらは感度です。
	それが私たちが実験をした理由です。私は視覚的な人なので、常に予測プロファイラーを調べます。
	そして、私がここで好きなものの1つ...まあ、私はいつも...斜面のプロットを見て...
	かなり小さい信頼区間を調べます。ここでは、青い影付きの間隔があることがほとんどわかりません。また、入力に関する情報があり、それぞれの変動性を入力できる場合は、シミュレーターを使用するのが好きです。
	もう一度許可していただければ、ジュリアチャイルドのアプローチを使用して、
	私がすでに入力した以前に準備された例
	これらのそれぞれのバリエーション。モールドツール1から、バイモーダル分布になる式を入力します。
	また、モールドツール2の場合は、均一な分布を入力します。
	そして、私は、ツールルームで私の友人を守るために、言わなければなりません、
	バイモーダル分布は、ある状況でのみ発生します...先月何が起こったのか、
	使用したいツールが生産現場で忙しかったので、実験のために、いくつかの古いイテレーションを使用します。実際に反復を混合しました。
	その場合、バイモーダル分布を得ることができます。
	この均一な分布は、これらの人には決して起こりません。彼らは常に中心点を狙っており、通常は数ミクロン以内に収まります。他の分布はすべて正常です。
	さまざまな幅。あるケースでは、私たちはそれに少し偏見を持っていました。
	これらは入力分布です。これが予測される出力です。
	いくつかの非正規の開始分布がありましたが、ほぼ正常な出力分布があります。
	それは私たちの目標を超えています。
	私たちはそれを知っていました。
	ここで開始するときのデフォルトは5,000回です。私は通常それを増やします、これを100,000のようなものに増やします。実行に余分な時間はかからず、少しスムーズな配布が可能です。
	ここにもテーブルが作成されます。テーブルを作成できます。
	これをここに移動します。これの大きな利点
	私たちが得ることができるということです
	（このCMTはまだ必要ありません）...入力要素の分布を見てみましょう。
	これは、より大きなプロットです。これは私たちのバイモーダル分布、均一、これらのさまざまな正規分布、さまざまな幅であり、これには一種のバイアスがあります。
	だから私たちはそれらすべてを取ることができます
	それらを合計しました。
	これを見て
	ディストリビューションがあります。
	それはかなり正常に見えます。一部の入力は正常ではありませんでしたが。
	これには従来の手法を使用できます。したがって、仕様の設定を開始すると、
	仕様の制限を超えています。したがって、改善する必要があります。これにいくつかの改善を加えます。ここを下にスクロールします。機能情報を見てください。
	PPk a.6。
	それは初心者ではありません。製造業がこのようなプロセスを受け入れる方法はありません。
	したがって、いくつかの重要な改善を行う必要があります。
	だからに戻って
	PowerPointファイル。
	問題が発生した場合に備えて、バックアップであるスライドをスクロールします
	JMPのライブバージョン。
	私が問題を抱えているので、JMPではありません。
	だからここに要因があります。
	標準偏差は、試作段階の試験から得られたものであり、変動性を推定します。感度、これらは私たちのDOEからの結果です。

 

起こる予測モデリング品質と信頼性