스피커 | 성적 증명서 |
| 케빈 | 안녕하세요, 제 이름은 케빈 갤러거입니다. |
| 오늘은 견고한 제품 설계에 대해 이야기하겠습니다. |
| 저는 펜실베이니아주 피츠버그에 본사가 있는 PPG 산업에서 근무하고 있으며 본사는 슬라이드 오른쪽에 표시되어 있습니다. PPG는 다양한 응용 분야를 위한 페인트 및 코팅 개발 분야의 글로벌 리더이며 그 중 일부는 여기에 표시됩니다. |
| 그리고 개인적으로 Pittsburgh 북부 교외에 있는 Coatings Innovation Center에서 일하면서 혁신적인 신제품 개발에 주력하고 있습니다. |
| 지난 10년 동안 이 시설의 사람들은 600개 이상의 미국 특허를 개발했으며 여러 고객 및 업계 상을 받았습니다. |
| 실험계획법과 JMP를 사용하여 견고한 제품을 개발하는 방법에 대해 이야기하고 싶습니다. 첫 번째 질문은 견고한 제품이란 무엇을 의미합니까? |
| 그리고 그것은 일관된 결과를 제공하는 제품입니다. 견고한 제품을 설계하는 전략은 의도적으로 |
| 프로세스에 작용하는 노이즈 요인에 대해 제품 또는 프로세스를 둔감하게 하기 위해 X라고 하는 프로세스에 대한 입력에 대한 제어 요소를 설정합니다. 따라서 노이즈 요인은 |
| 잠재적으로 Y에 영향을 미칠 수 있지만 일반적으로 특히 제품 또는 프로세스 단계의 설계에서 거의 제어할 수 없는 프로세스에 대한 입력 요소입니다. |
| 생각하다 |
| 견고한 디자인. 각 프로세스 단계의 입력 및 출력과 관련된 변수로 보강된 프로세스 맵으로 시작하는 것이 좋습니다. |
| 따라서 자동차 응용 분야를 위한 코팅 개발의 예를 생각한다면 먼저 해당 코팅 제형을 설계한 다음 제조합니다. |
| 그런 다음 고객에게 전달되고 차량에 코팅을 적용한 다음 구매하여 집으로 가져가 차량을 운전합니다. |
| 따라서 견고성에 대해 생각할 때 세 가지를 생각해야 합니다. 우리에게 중요한 출력에 대해 생각해야 합니다. 이 예에서는 프리미엄 외관 개발에 대해 생각하고 있습니다. |
| 자동차용 코팅. 우리는 노이즈 변수 중 일부에 대해 생각해야 합니다. |
| 노이즈 변수로 인한 Y. |
| 그리고 이 특별한 경우에 저는 실제로 고객 시설에 있는 변수에 초점을 맞추고 싶습니다. 두께와 부스 온도를 제어할 수 없다는 것이 아니라 |
| 애플리케이터 설정이지만 이러한 모든 매개 변수에는 항상 자연스러운 변형이 있습니다. 그리고 우리는 다음에 집중할 수 있기를 원합니다. |
| 제품 디자인에서 제어할 수 있는 요소를 통해 제품이 고객 프로세스의 변수에 영향을 받지 않고 지속적으로 좋은 외관을 얻을 수 있도록 합니다. |
| 따라서 그러한 변동성을 유발하는 것으로 알려진 일부 요인에 대해 설계된 실험을 실제로 실행하는 한 가지 방법입니다. |
| 이 특정 예에서는 부스 습도, 애플리케이터 설정 및 두께에 대한 요인 설계를 설계할 수 있습니다. |
| 물론 이것은 실험실에서 이러한 노이즈 변수를 시뮬레이션할 수 있다고 가정하며 이 경우에는 가능합니다. 따라서 동일한 실험을 실행할 수 있습니다. |
| 여러 프로토타입 제형 각각에 대해; 그것은 단지 비교를 위한 두 가지일 수도 있고 다른 제형 설계를 살펴보는 전체 실험 설계일 수도 있습니다. |
| 일단 우리가 |
| 이에 대한 데이터, |
| 제품의 견고성을 시각화하는 가장 좋은 방법 중 하나는 박스 플롯을 만드는 것입니다. 그래서 열어볼게 |
| 다양한 범위에서 테스트된 두 가지 프로토타입 공식을 비교하는 데이터 세트 |
| 적용 조건이며, 이 경우 외관은 다음과 같이 측정됩니다. |
| 외관 값이 높을수록 좋습니다. 그래서 이상적으로 우리는 높은 값의 외관을 원하고 모든 다른 노이즈 조건에서 일관되게 좋은 것을 원합니다. 그래서 |
| 그래프 빌더로 갈 수 있습니다. |
| 그리고 우리는 외형을 취하여 그것을 우리의 y 값으로 만들 수 있습니다. 프로토타입 수식은 X 값입니다. 상자 그림을 켜고 점을 다시 추가하면 |
| 한 제품이 다른 제품보다 편차가 훨씬 적다는 것을 분명히 알 수 있습니다. 따라서 더 강력하고 그 위에 평균이 더 좋습니다. |
| 이제 박스 플롯이 데이터의 중간 50%를 캡처하고 위스커가 이상값을 제외한 최대값과 최소값으로 이동하기 때문에 상자 플롯이 좋습니다. 그래서 그것은 매우 멋진 시각적 표시를 만듭니다. |
| 제품의 견고함. |
| 이제 우리는 실험 설계를 사용하여 다음과 같은 설정을 찾는 방법에 대해 이야기하고 싶습니다. |
| 견고한 제품 개발에 가장 적합합니다. 아시다시피 실험을 설계할 때 이를 분석하는 가장 좋은 방법은 모델을 구축하는 것입니다. Y는 오른쪽 상단에 표시된 것처럼 x의 함수입니다. |
| 그런 다음 해당 모델이 구축되면 다음을 사용하여 Y와 X 사이의 관계를 탐색할 수 있습니다. |
| JMP의 다양한 도구, 예를 들어 오른쪽 하단 모서리에는 등고선 플롯과 그 아래에는 예측 프로파일러가 있습니다. 이를 통해 응답 표면이라고 하는 것이 무엇인지 또는 X 요인의 변화하는 값에 따라 응답이 어떻게 달라지는지를 탐색할 수 있습니다. |
| 견고한 제품을 찾는 열쇠는 표면이 상대적으로 평평한 반응 표면 영역을 찾는 것입니다. |
| 해당 영역에서는 입력 변수의 작은 변화에 매우 둔감합니다. 여기에 있는 예는 하나의 y와 하나의 x가 있는 매우 간단한 예입니다. |
| 그리고 그 관계는 여기에 일종의 포물선 함수로 표시됩니다. 여기에서 X를 더 높은 값으로 설정하면 함수가 약간 더 평평한 곳에서 |
| 그리고 우리는 입력 변수에 일종의 공통 원인 변동이 있습니다. 그 변동은 빨간색 점선으로 표시된 것처럼 x 설정을 더 낮은 설정으로 설정한 경우보다 y에서 더 적은 양의 변동으로 변환됩니다. |
| 비슷한 방식으로 더 많거나 적은 변화를 전달하는 상호 작용을 할 수 있습니다. 이 예에서는 노이즈 변수와 제어 변수 x 사이의 상호 작용이 있습니다. |
| 그리고 이 시나리오에서 해당 노이즈 변수와 관련된 일반적인 원인 변동이 다시 있는 경우 X 계수를 낮은 설정으로 설정하면 y 변수에 더 적은 변동이 전달됩니다. |
| 이제 두 번째 사례 연구를 공유하고 싶습니다. 여기서 모델을 구축하는 방법을 시연하고, 견고한 제품을 갖도록 설정을 만들 수 있는 평평한 영역의 반응 표면을 탐색하고, 마지막으로 견고성을 평가합니다. 몇 가지 예측 기능 분석을 사용합니다. |
| 이 특정 예에서 화학자는 제품의 황색도에서 허용할 수 없는 변동에 기여하는 변수를 찾는 데 초점을 맞추고 있으며 그 황색도는 미터법 b*를 사용하여 스펙트럼 광도계로 측정됩니다. |
| 팀은 황변에 영향을 미치는 중요한 요인을 식별하기 위해 일련의 실험을 수행했으며, 그들이 발견한 가장 영향력 있는 두 가지 요인은 반응 온도였습니다. |
| 중요한 성분 중 하나의 첨가율. 그래서 그들은 오른쪽 모서리에 표시된 것처럼 일부 복제된 중심점을 사용하여 완전 요인 설계를 개발하기로 결정했습니다. |
| 이제 팀은 황색도 값(b*)을 |
| 목표 값 2로 설정하지만 1~3의 사양 내에서. |
| JMP로 돌아가겠습니다. |
| 두 번째 사례 연구 예시를 엽니다. |
| 여기 작은 실험이 있습니다. 계승 실행은 파란색으로 표시되고 중심점은 빨간색으로 표시됩니다. 그리고 다시 관심 메트릭(B*)도 여기에 나열됩니다. |
| 이제 우리가 일반적으로 하는 첫 번째 일은 해당 디자인에 가장 적합한 모델에 실험을 맞추는 것입니다. |
| 그리고 이 특별한 경우에 우리는 황색도와 |
| 우리가 연구하고 있는 요인과 모든 요인이 통계적으로 유의미한 것으로 보입니다. |
| 따라서 이러한 경우 JMP 내의 다른 도구를 사용하여 응답 표면을 탐색할 수 있습니다. |
| 자주 사용하는 도구 중 하나는 예측 프로파일러입니다. 이 도구를 사용하면 다양한 설정을 탐색하고 노란색을 얻을 설정을 찾을 수 있기 때문입니다. |
| 우리가 원하는 위치, 값 2로 예상됩니다. |
| 그러나 강력한 설정을 찾을 때 사용하기에 정말 좋은 도구는 윤곽 프로파일러입니다. 팩터 프로파일링 중입니다. |
| 사양 제한이 1에서 3까지라고 말했기 때문에 여기 3에 등고선을 입력하겠습니다. 이 등고선을 따라 어디에서든 예측값은 3이 됩니다. |
| 이 값 이상에서 음영 영역은 사양 범위를 벗어난 3 이상입니다. 즉, 흰색의 모든 것이 사양 제한 내에 있을 것으로 예상됩니다. |
| 그래서 지금 우리가 설정한 방식으로 80도 미만의 온도와 1.5에서 4 사이의 속도는 평균 사양을 충족하는 제품을 제공해야 합니다. |
| 하지만 이 제품을 확장할 때 프로세스의 온도가 완전히 정확하게 제어할 수 없는 것이라면 어떨까요? 따라서 온도에 약간의 변화가 있을 것입니다. 그렇다면 어떻게 제품을 개발하고 이러한 설정값을 제시하여 |
| 제품은 |
| 온도 변화에 민감하지 않습니까? |
| 그래서 그렇게 하기 위해, 또는 그것에 대해 생각하기 위해 여기 등고선 플롯 오버레이에 일부 등고선 격자선을 추가하는 것이 종종 유용합니다. |
| 그리고 윤곽선이 좋은 짝수 1.5가 되도록 증분에서 낮은 값을 반올림하는 것을 좋아합니다. 2, 2.5, 3, 왼쪽에서 오른쪽으로. 따라서 여기 이 윤곽선을 따라 어디든 |
| 예측 값 2. |
| 그러나 우리는 등고선이 서로 가까운 여기 아래에 있거나 온도와 관련하여 더 떨어져 있는 여기 위에 있기를 원합니다. |
| 등고선이 더 멀어지면 평면에서 평평한 지점에 가까워지고 있음을 나타냅니다. |
| 응답 표면에서. 따라서 온도에서 가장 견고하기 위해 여기에서 상단 근처에 있어야 합니다. 따라서 거의 75도의 설정과 약 4의 속도가 가장 이상적일 수 있습니다. |
| 이러한 프로파일러가 연결되어 있으면 예측 프로파일러에서도 이를 볼 수 있습니다. 이 설정에서는 |
| 우리는 b*를 2로 예측하고 있습니다. 그러나 b*와 온도 사이의 관계는 상대적으로 평탄하지만 이 낮은 수준으로 클릭하면 이제 b*가 여전히 2이지만 b*와 온도 사이의 관계는 매우 가파릅니다. |
| 따라서 이 제품을 확장할 때 온도에서 얼마나 많은 변동이 발생할 가능성이 있는지 알고 있다면 DOE에서 구축한 모델을 실제로 사용하여 미래의 공정 능력을 시뮬레이션할 수 있습니다. |
| JMP로 그렇게 할 수 있는 방법은 |
| 시뮬레이터 옵션. |
| 그리고 다양한 방법으로 모델에 임의의 변형을 입력할 수 있습니다. 그런 다음 모델을 사용하여 해당 출력을 계산합니다. |
| 선택한 입력 조건. 측정 변동 등으로 인해 발생할 수 있는 일반적인 원인 변동과 같은 무작위 노이즈를 설계에 추가할 수 있습니다. |
| 임의의 요인에 임의의 변형을 넣을 수도 있습니다. 이 경우 생산 과정에서 온도를 제어하는 데 문제가 있을 수 있다는 점에 대해 이야기하고 있습니다. |
| 그것을 랜덤 변수로 만드십시오. |
| 그리고 그것은 내가 설정한 곳으로 평균을 설정합니다. 그래서 맨 아래로 조금 끌어 내려보겠습니다. 그래서 평균 70정도 됩니다. |
| 그리고 JMP의 표준 편차는 기본적으로 10입니다. 공부하고 있는 과정에 맞는 것으로 변경할 수 있습니다. 하지만 지금은 10으로 두고 원하는 분포에서 무작위로 선택할 수 있습니다. |
| 그리고 정규분포로 남겨두겠습니다. |
| 비율을 고정해 두겠습니다. 따라서 이 시나리오에서는 속도를 매우 정확하게 제어할 수 있지만 온도는 그만큼 제어할 수 없습니다. 그래서 우리는 속도와 온도에 대한 설정 포인트를 선택하고 있는지 확인하고 싶습니다. |
| 황색도에 대한 온도 변화의 영향이 거의 없습니다. |
| 따라서 테이블로 시뮬레이션, 테이블 만들기 버튼을 클릭하여 이 시뮬레이션의 결과를 평가할 수 있습니다. |
| 이제 우리가 가진 것은 모든 행입니다. 여기 시뮬레이션된 5,000개의 행이 있습니다. 모든 행은 여기에 표시된 분포에서 임의로 선택한 온도입니다. |
| 그런 다음 이 제품에 대한 요금 위치 제한이 있습니다. 그리고 우리는 공정 능력으로 그것을 할 수 있습니다. |
| 그리고 이미 열 속성으로 사양 제한이 있으므로 자동으로 채워지지만 입력하지 않은 경우 여기에 입력할 수 있습니다. |
| 확인을 클릭하면 이 특정 제품에 대한 기능 분석이 표시됩니다. 사양 하한, 사양 상한, 목표 값 및 |
| 시뮬레이션의 응답 분포를 오버레이합니다. |
| 이 특별한 경우에는 사양을 벗어난 것으로 보이는 제품의 비율이 높기 때문에 결과가 그다지 유망해 보이지 않습니다. 실제로 그것의 30%는 외부에 있습니다. 그리고 사양 범위를 다음의 범위와 비교하는 능력 지수 Cpk를 사용하면 |
| 공정 변동에 따라 Cpk가 .3에서 그다지 좋지 않음을 알 수 있습니다. |
