스피커 | 성적 증명서 |
| 아스트리드 럭 | 제 이름은 Astrid Ruck입니다. 저는 Autoliv에서 일하고 있습니다. |
| Autoliv는 15년 동안 |
| 안전 벨트, 에어백 및 능동 안전 시스템과 같은 자동차 안전 부품. 그래서 오늘은 곡선 데이터에 대한 측정 시스템 분석에 대해 이야기하고자 합니다. |
| 그리고 Laura, Chris, 그리고 저 또한 백서를 작성했으며 매우 긴급한 주제라고 생각하기 때문에 같은 유형의 제목을 가지고 있습니다. |
| 왜냐하면 |
| 동적 테스트 기계에 사용할 수 있는 곡선 데이터에 대한 MSA에 대한 자체 지식에는 다른 것이 없습니다. |
| 따라서 먼저 MSA 및 기능적 데이터 분석에 대한 간략한 소개로 시작한 다음 스프링 가이드라인이라는 목표를 조사하는 동기를 부여할 것입니다. |
| 고정 행동 또는 편안한 행동 안전벨트를 매면 Laura는 |
| JMP Pro를 통한 Gage R&R 방법론을 설명합니다. |
| 따라서 일반적으로 측정 시스템 분석은 기민한 유형 2 연구입니다. |
| 그래서, |
| MSA는 프로세스입니다. 여기 이 순서도에서 유형 1 및 선형성 연구로 시작하여 참조 부품으로 완료되는 것을 볼 수 있습니다. 측정 시스템의 편향을 계산하기 위한 참조 방법이 필요하기 때문에 참조 부품이 필요합니다. |
| 그리고 그것이 맞다면, 편향이 충분히 좋다면, 운영자의 영향이 있는지 여부를 확인합니다. |
| 운영자의 영향력이 있는 경우에만 재현성을 계산할 수 있습니다. 그렇지 않으면 다른 모든 단계에서 반복성은 유일한 |
| 계산할 수 있는 편차. 따라서 이 분야에서는 유형 2 및 유형 3 연구에서 생산 부품이 사용됩니다. AIAG, |
| 자동차 산업 지침, 테스트당 1차원 출력을 조사하지만 데이터 곡선을 출력으로 처리하는 방법을 설명하지 않으며 어떻게 해야 하는지에 대한 통찰력을 제공합니다. |
| 그것을하는 방법. 따라서 정확도가 좋으면 불확실성이 낮습니다. 그리고 이것은 이 그래프에서 볼 수 있습니다. 그리고 당신은 |
| 양호 또는 불량 부품이 공차 근처에 있는지 여부를 결정할 때 증가하는 불확실성의 영향. 그래서 여기에 규격 하한이 있고 오른쪽에는 규격 상한이 있습니다. |
| 따라서 정확도가 높을수록 더 나은 결정을 내릴 수 있습니다. 그리고 여기에는 매우 큰 회색 영역이 있으며 올바른 결정을 내리기가 매우 어려울 것입니다. |
| 분명히 공차 중간에 있는 부품은 항상 올바른 방식으로 분류됩니다. |
| 그리고 사양 한계에 있는 통계적 프로세스 제어 부품과 달리 매우 가치가 있습니다. |
| 따라서 MSA에 대해 할 수 있는 최선의 방법은 사양 하한, 모든 사양 상한에서 부품을 가져오는 것입니다. |
| 기준 수치의 플러스/마이너스 10%이며, 이 경우 기준 수치는 공차입니다. 규격 상한 또는 하한과 같은 특정 규격 한계가 하나만 있는 경우 |
| 그런 다음 공정 능력 지수 Ppk를 사용하여 해당 공정 변동 6s를 계산할 수 있으며 이것이 새로운 참조 수치입니다. |
| 그리고 MSA용 부품을 선택하는 방법에 대한 이 아이디어는 사양 제한 대신 출력 곡선과 해당 사양 범위에도 사용할 수 있습니다. |
| 따라서 데이터는 기능 데이터를 나타내는 함수, 곡선 또는 프로필로 제공되는 경우가 많습니다. 기능적 데이터 탐색기 플랫폼의 JMP Pro에서 기능적 데이터 분석을 사용할 수 있습니다. |
| P 스플라인을 사용하여 잘못된 곡선과 먼 곡선의 추출을 모델링하고 나중에 혼합 모델을 사용하여 이를 분석할 것입니다. |
| 따라서 안전벨트는 사망자를 예방하는 데 크게 기여하며 결과적으로 안전벨트의 기능성과 편안함이 보장되어야 합니다. |
| 여기 오른쪽에는 파란색으로 표시된 안전벨트의 당기는 힘과 빨간색으로 표시된 거리에 따른 수축력의 그림이 표시됩니다. |
| 그리고 두 힘 모두 안전과 편안함에 모두 영향을 미치는 중요한 요소입니다. |
| 그리고 이러한 힘과 추출/수축력 테스트 설정을 테스트하기 위해 차량의 안전 벨트 동작을 시뮬레이션합니다. |
| 이에 대해 자세히 살펴보겠습니다. 여기 테스트 설정이 있고 여기 안전 벨트가 있습니다. 그리고 여기 트롤리 팔로 움직이는 작은 움직이는 트롤리가 있습니다. 이제 안전벨트가 매여 있는 것을 볼 수 있습니다. |
| 철회. 이제 추출이 시작되었고 여기 오른쪽에 자동차 위치에 따라 고정된 안전벨트가 보입니다. |
| 응. |
| 이런. |
| 그래서, |
| 이 작은 곡선을 보면 추출력 곡선 내부에서 |
| 작은 파도가 있고 반주기 구조를 가지고 있습니다. 그리고 이 반주기적 구조를 |
| 예를 들어 다항식인 경우 반복성을 과대적합하게 됩니다. 그것이 우리에게 필요한 이유입니다. |
| 일부 유연한 모델. 이 작은 파도는 어디에서 왔습니까? 내 안전 벨트 내부를 보면 더 명확해집니다. 그리고 스핀들이 있고 스프링이 있습니다. 그리고 이것은 어떻게 작동합니까 |
| 이 비디오에서 볼 수 있습니다. 여기 안에는 내 스핀들이 있고 여기 오른쪽에는 스프링이 있습니다. 그리고 내부를 볼 수 있도록 스프링의 덮개가 열려 있습니다. |
| 덮개, 스프링의 작동 방식. 그리고 전체 웨빙이 스피너에 있을 때 처음에는 내 스프링이 완전히 이완됩니다. 그리고 이제 내 웨빙이 추출되고 동시에 스프링이 감깁니다. 그래서 이제 우리는 후퇴가 있고 내 스프링은 다시 이완됩니다. |
| 그리고 이러한 작은 움직임은 물결 모양의 구조로 이어지며 이것이 FDE를 기반으로 하는 유연한 모델이 정말로 필요한 이유입니다. |
| 따라서 특정 고정 동작이 필요한 스프링 가이드라인을 만드는 것이 우리의 목표입니다. |
| 따라서 체결 동작은 내 추출력 곡선에 의해 제공됩니다. 여기 이 사진에서 5개의 다른 그룹을 볼 수 있습니다. |
| 안전 벨트 유형 및 해당 스프링 두께. 내 스프링 두께가 작으면 내 추출력도 작다는 것을 알 수 있고 내 스프링이 |
| 두께가 내 추출력보다 크면 거리에 따른 힘도 커집니다. 그리고 여기에 다른 색상이 있고 어두운 색상이 있는 것을 볼 수 있습니다. 그리고 어두운 색은 각각 세 명의 작업자가 실제 측정한 결과입니다. |
| 모든 작업자는 안전벨트당 5번의 복제를 수행했으며 정말 훌륭하게 작업을 수행했음을 알 수 있습니다. 그리고 밝은 색상은 FDE에서 제공한 p 스플라인의 모델입니다. 따라서 스프링 가이드라인이 우리의 목표이므로 어떤 스프링을 얻을 수 있는지 알고 싶습니다. |
| 그러나 프로젝트를 시작하기 전에 항상 MSA로 시작하십시오. |
| 그래서, |
| Autoliv의 절차에 따라 우리는 5개의 다른 안전벨트, 3명의 숙련된 작업자 및 5개의 복제본을 사용합니다. |
| 이전 그래프. 그리고 우리의 관찰 y는 실제 값과 임의의 노이즈에 의해 제공되므로 연산자, 부품, 연산자와 부품의 상호 작용 및 해당 |
| 반복성 그리고 내 Gage R&R은 6배로 정의됩니다. |
| 내 재현성과 반복성에 의해 주어진 측정 오류의 공정 변동. |
| 그리고 이제 우리는 내 Gage R&R이 허용 가능한 최소 허용 오차가 무엇인지 알고 싶습니다. 허용 가능한 것은 백분율 Gage R&R이 20% 미만임을 의미합니다. 내 Gage R&R이 |
| 내 최소 공차의 0.2배, 그러면 우리는 또한 당신이 본 내 곡선에 대한 범위를 얻을 것이며 이 플러스/마이너스 3s 오류 범위 |
| 특정 고정 동작에 대한 올바른 스프링을 찾는 데 많은 도움이 됩니다. 그래서 |
| 우리의 방법론은 |
| Laura Langcaster가 보여줍니다. 따라서 평균 추출력 곡선을 추정하기 시작하고 FDE에 의한 유연한 모델을 사용할 것입니다. |
| 그런 다음 잔류 추출력이 계산되고 그 후 플랫폼 혼합 모델을 통해 임의 효과 모델이 추정되고 최종적으로 Gage R&R이 계산됩니다. 자, 로라, 시작할래? |
| 로라 | 예, 내 화면을 공유하겠습니다. 응. |
| 엄청난. |
| 로라 | 좋아요. |
| 네, 감사합니다, Astrid. 그래서 JMP Pro 15를 사용하는 방법을 시연하고 싶었습니다. |
| 곡선 데이터로 이 측정 시스템 분석을 수행합니다. 그래서 먼저 우리가 가지고 있는 데이터를 보여드리고 싶습니다. 그리고 일반 MSA 데이터와 많이 비슷해 보입니다. |
| 정기적으로 측정하면 실제로 곡선이 있습니다. 그래서 우리는 거리 면에서 이 힘의 함수를 가지고 있습니다. 그래서 우리가 하고 싶은 첫 번째 일은 |
| 기능 데이터 탐색기를 사용하여 부품 힘 추출 곡선을 만듭니다. 기능 데이터를 열겠습니다. |
| 탐색기, 분석 메뉴로 이동한 다음 전문 모델링, 기능적 데이터 탐색기로 이동합니다. 따라서 힘은 내 출력이고 거리는 내 입력이며 각 부품 또는 안전 벨트 유형에 하나씩 장착하고 싶습니다. 이것이 내 ID가 되고 확인을 클릭합니다. |
| 그리고 많은 요약 정보와 요약 그래프를 얻었고 이것을 확대할 것입니다. 이것이 제 곡선이며 각 부분에 대해 서로 다른 색상의 매우 뚜렷한 곡선이 있음을 알 수 있습니다. |
| 그리고 Astrid가 이야기한 반주기적 행동도 볼 수 있습니다. 이제 나는 이미 |
| 이 데이터에 적합하므로 300노드 선형 p 스플라인이 정말 잘 맞는다는 것을 알고 있습니다. 그래서 저는 계속해서 특정 모델에 맞출 것입니다. 그래서 모델, 모델 제어, p 스플라인 모델 제어로 이동하고 |
| 이 노드를 모두 제거하십시오. |
| 잘 작동하는 노드 구조라는 것을 알고 있기 때문에 300을 추가하십시오. 저는 선형 피팅만 할 것입니다. 이동을 클릭하면 이 300노드 선형 p 스플라인을 이 데이터에 맞추는 데 너무 오래 걸리지 않습니다. |
| 그리고 저는 이 FDE 플랫폼의 기능 중 일부만 보여줄 것이라는 점을 빠르게 언급하고 싶었습니다. 그것은 제가 여러분에게 보여줄 시간이 있거나 이 측정 시스템 분석에 사용한 것보다 훨씬 더 많은 일을 합니다. |
| 하지만, 꼭 보시길 권합니다. JMP 15에는 많은 기능이 추가되었습니다. |
| 따라서 이에 대한 다른 이야기도 확인하는 것이 좋습니다. 좋아, 이것이 우리의 적합성입니다. 그리고 다시 한번, 우리는 우리의 곡선과 핏에 대한 멋진 그래프를 얻습니다. |
| 그리고 이것이 잘 맞는지 확인하고 확인하고 싶습니다. 그래서 저는 진단 플롯으로 가서 예측된 플롯으로 실제를 볼 것입니다. 정말 멋져 보입니다. 좋은 선형 및 잔차는 정말 작습니다. 그래서 저는 이 핏에 매우 만족합니다. |
| 이제 이 피팅을 수행할 때 연산자와 복제 오류를 함께 결합해야 했습니다. 따라서 이러한 곡선에는 변동 평균이 있지만 우리는 |
| Gage R&R 연구를 실제로 수행하기 위한 변형입니다. 그래서 우리가 하려는 것은 실제로 힘 잔류물을 생성하는 것입니다. 일단 원래 힘 함수에서 이 부분 힘 함수를 빼면 |
| 연산자와 그들의 복제 오류를 포함할 잔차가 있습니다. 그래서 데이터 테이블로 돌아가겠습니다. |
| 그리고 저는 이것을 쉽게 하기 위해 이미 스크립트를 만들었습니다. 그래서 데이터 테이블에 내 예측 공식을 추가하는 스크립트를 만들었습니다. 정말 빠르게 보여드리겠습니다. 이것은 기능적 데이터 탐색기에서 바로 제공됩니다. 이것은 각 부품에 맞는 p 스플라인에 대한 제 공식입니다. |
| 그런 다음 잔류 열을 생성하는 스크립트도 있습니다. |
| 이에 대한 공식은 단순히 힘과 해당 부분 힘 추출 함수의 차이입니다. |
| 오른쪽. 이제 이 잔차가 있으므로 |
| 연산자와 복제 오류가 포함된 공식을 사용하여 임의 효과 모델을 적합하고 내 연산자...부분별 연산자와 내 복제 오류를 추정할 수 있습니다. |
| 그렇게 하기 위해 저는 실제로 혼합 모델 플랫폼을 사용할 것입니다. 왜냐면 우리는 부품 분산을 맞추지 않을 것이기 때문입니다. 왜냐하면 우리는 이미 |
| 잔차를 생성하고 부품 힘 함수를 빼서 이를 제외했습니다. |
| 그래서 이미 혼합 모델 플랫폼을 시작하기 위한 스크립트를 만들었습니다. 그리고 내 응답으로 잔류 추출력이 있음을 알 수 있습니다. |
| 그리고 임의 효과로 부분별로 연산자와 연산자가 있습니다. 나는 이것을 실행할 것이다. |
| 연산자, 부분별 연산자(0) 및 잔차. |
| 그리고 Gage R&R을 계산하려면 스프레드시트와 같은 JMP 데이터 테이블을 사용하는 것이 쉽습니다. |
| 쉽게 만듭니다. 열 수식을 사용할 수 있습니다. 그래서 표에 분산 구성 요소를 입력했습니다. |
| 그리고 Gage R&R을 계산하는 공식을 만들었습니다. 이는 부품이 없는 총 변동의 제곱근의 6배에 불과합니다. 그런 다음 Gage R&R이 .4385임을 확인하고 이를 스프링 가이드라인에 적용할 수 있습니다. |
| 내 사양 범위에서. 그리고 최소 허용오차를 역으로 구할 수도 있습니다. |
| 그래서 이제 저는 이것을 Astrid에게 다시 넘겨 이것이 어떻게 적용되었는지에 대해 계속 이야기할 것입니다. |
| 아스트리드 럭 | 네, 감사합니다, 로라. 그것은 훌륭합니다. 그러나 청중에게는 물론 이것은 데이터의 원본이 아닙니다. |
| 그래서, |
| 예. |
| 이제 Laura가 설명했듯이 이제 우리는 |
| Gage R&R과 우리는 또한 내 측정 시스템이 가능하도록 내 최소 공차도 알고 있습니다. 여기에서 부품 추출력 기능을 볼 수 있습니다. |
| 그리고 플러스/마이너스 3s 오류 범위를 볼 수 있으며 범위가 겹치지 않기 때문에 부품이 매우 잘 선택되었음을 알 수 있습니다. |
| 그것들은 상당히 다릅니다. 그리고 우리는 그것을 사용하여 올바른 것을 찾을 수 있습니다 |
| 봄. 여기 검은색으로 표시된 최소 허용 오차는... |
| 녹색 선을 사용하여 중심을 맞춥니다. |
| 이제 Gage R&R이 있지만 다른 한편으로 FDE를 사용할 수 있습니다. |
| 골든 커브를 대상 함수로 로드합니다. 예, 우리는 스프링 지침에 관심이 있지만 어떤 종류의 스프링을 사용해야 합니까? 따라서 FDE를 사용하여 |
| 이 황금 함수를 로드하면 해당 스프링의 두께가 계산되어 특정 동작을 얻습니다. |
| 따라서 FDE는 훌륭한 도구입니다. 그리고 운영자와 독립적인 Type 3 연구에도 사용했으며 카메라에 사용됩니다. |
| 그리고 팽창식 안전벨트의 솔기와 절단면 사이의 거리를 측정하고 절단 공정도 FDE를 사용한 큰 성공 사례였습니다. |
| 결론적으로 대부분의 프로세스와 테스트에는 곡선이 출력으로 포함되어 있다고 말하고 싶습니다. |
| 그리고 지금까지는 완전한 곡선 데이터를 사용하여 MSA 절차를 표준화하는 것이 불가능했기 때문에 우리는 |
| 추출력 곡선의 최대값, 추출과 수축 사이의 모든 영역, 따라서 우리는 스스로를 줄이고 많은 것을 잃었습니다. |
| 상당한 양의 정보. 곡선 데이터용 MSA를 만들 수 있어서 정말 기쁩니다. 그리고 우리가 아는 한, |
| 다른 상용 소프트웨어를 사용하여 곡선 데이터에 대한 이러한 유형의 MSA 일반화를 논의하는 다른 간행물은 없습니다. 그리고 마지막으로 해당 논문은 인터넷에서도 구할 수 있음을 보여드리고자 합니다. 많은 관심 부탁드립니다. |
