扬声器 | 成绩单 |
| 阿斯特丽德·鲁克 | 我的名字是阿斯特丽德·鲁克。 我在奥托立夫工作 |
| 15 年来，奥托立夫是全球领先的制造商 |
| 汽车安全部件，如安全带、安全气囊和主动安全系统。 那么今天我们想谈谈曲线数据的测量系统分析。 |
| 劳拉、克里斯和我也写了一份白皮书，它有相同类型的标题，因为我们认为这是一个非常紧迫的话题 |
| 因为 |
| 我们自己对 MSA 的了解中没有其他可用于动态测试机的曲线数据。 |
| 因此，首先我们将从 MSA 和功能数据分析的简短介绍开始，然后我们将激发我们的目标，即所谓的 Spring 指南，该指南调查 |
| 系紧行为或舒适行为 系紧安全带，然后劳拉会 |
| 通过 JMP Pro 解释我们的 Gage R&R 方法。 |
| 因此，通常测量系统分析是一种精明的类型 2 研究。 |
| 所以， |
| MSA 是一个过程。 在此流程图中，您可以看到它从类型 1 和线性研究开始，并通过参考部件完成。 需要参考部件，因为我们需要一种参考方式来计算测量系统的偏差。 |
| 如果它适合，如果偏差足够好，那么我们检查是否有操作员的影响。 |
| 当且仅当我们有操作员的影响时，我们才能计算再现性。 否则，在所有其他步骤中，重复性是唯一的 |
| 可以计算的变化。 因此，在这个领域，类型 2 和类型 3 研究、生产零件被使用。 美国航空工业协会， |
| 汽车行业指南，调查每次测试的一维输出，但它们没有描述如何将数据曲线作为输出处理，我们将让您了解如何 |
| 怎么做。 因此，如果准确度很高，那么不确定性就会很低。 这可以从这张图中看出。 你会看到 |
| 不断增加的不确定性对决定好零件还是坏零件是否接近公差的影响。 所以这里我们有一个规格下限，在右边我们有一个规格上限。 |
| 因此，我的准确性越高，我的决定就越好。 这里我们有一个非常大的灰色地带，很难做出正确的决定。 |
| 显然，位于公差中间的零件始终会以正确的方式进行分类。 |
| 与统计过程控制相比，处于规格限制的零件非常有价值。 |
| 因此，对于 MSA，您可以做的最好的事情就是按照规格下限和规格上限购买零件， |
| 参考值的正/负 10%，在这种情况下，参考值是一个公差。 如果您只有一个特定的规格限值，例如规格上限或规格下限， |
| 然后您可以使用过程能力指数 Ppk 来计算相应的过程变化 6s，这就是您的新参考数字。 |
| 这种如何为 MSA 选择零件的想法也可用于输出曲线及其规格范围，而不是规格限制。 |
| 因此，数据通常以函数、曲线或轮廓（称为功能数据）的形式出现。 JMP Pro 的功能数据浏览器平台中提供功能数据分析。 |
| 我们将使用 P 样条来模拟我们提取的假曲线与远曲线，稍后我们将使用混合模型来分析它们。 |
| 因此，安全带对于预防死亡有着显着的贡献，因此必须确保安全带的功能性和舒适性。 |
| 在右侧，您可以看到安全带的抽出力（以蓝色表示）和随距离的回缩力（以红色表示）的图片。 |
| 这两种力都是影响安全性和舒适性的重要因素。 |
| 为了测试这些力，使用抽出/缩回力测试装置，这模拟了车辆中的安全带行为。 |
| 让我们仔细看看这一点。 在这里您可以看到测试设置，在这里您可以看到安全带。 这是一个小移动手推车，由手推车臂驱动，现在您可以看到安全带是 |
| 撤回。现在提取开始了，在右手边你可以看到安全带，它根据汽车的位置是固定的。 |
| 是的。 |
| 哎呀。 |
| 所以， |
| 当你观察这些小曲线时，你会发现在我的提取力曲线中， |
| 有一些小波，它们具有半周期结构。 如果你愿意用这个半周期结构来拟合 |
| 例如，多项式，那么您将真正过度拟合重复性。 这就是我们需要的原因 |
| 一些灵活的模型。 这些小波浪从哪里来？ 当我们查看我的安全带内部时，这一点会更清楚。 还有一个主轴和一个弹簧。 这是如何表现的 |
| 可以在这个视频中看到。 里面是我的主轴，右手边是我的弹簧。 弹簧的盖子是打开的，我们可以看到里面 |
| 盖子，弹簧的行为方式。 一开始，当整个织带位于旋转器上时，我的弹簧完全放松。 现在我的织带被抽出，同时弹簧也被上紧了。 现在我们已经缩回了，我的弹簧又变得放松了。 |
| 这些微小的运动导致了这种波浪结构，这就是我们真正需要基于 FDE 的灵活模型的原因。 |
| 因此，创建弹簧指南是我们的目标，它需要特定的紧固行为。 |
| 因此，紧固行为由我的拔出力曲线给出。 在这张照片中你可以看到，不同的组有五个不同的组 |
| 安全带类型和相应的弹簧厚度。 如果我的弹簧厚度很小，那么你可以看到我的拔出力也很小，如果我的弹簧 |
| 厚度比我的拔出力大，距离也会大。 然后你会看到我们这里有不同的颜色，我们有深色。 深色是由三名操作员在现实生活中测量得出的结果...... |
| 每个操作员对每条安全带进行了五次复制，您可以看到他们确实做得非常出色。 浅色，即 FDE 给出的 p 样条线的模型。 因此，由于春季指南是我们的目标，我们想知道我们将获得哪个春季 |
| 安全带相应的紧固行为，但在开始该项目之前，请始终从 MSA 开始 |
| 所以， |
| 根据奥托立夫的程序，我们使用五种不同的安全带、三名经验丰富的操作员和五种复制品，正如您在 |
| 上一张图。 我们的观测值 y 是由实际值加上一些随机噪声给出的，因此来自操作员、零件、操作员和零件的相互作用以及相应的噪声 |
| 重复性。然后我的量具 R&R 定义为六倍 |
| 测量误差的过程变化，由我的再现性和重复性给出。 |
| 现在我们想知道我的最小公差是多少，这样我的量具 R&R 是可以接受的，可接受意味着量具 R&R 百分比小于 20%。 如果我的 Gage R&R 是 |
| 0.2 倍我的最小公差，那么我们也会得到你所看到的我的曲线的界限，这个正负 3 秒的误差界限 |
| 将极大地帮助我们找到适合特定紧固行为的正确弹簧。 所以 |
| 我们的方法论将 |
| 由劳拉·兰卡斯特展示。 因此，我们将开始估计平均拔出力曲线，并通过 FDE 使用灵活的模型。 |
| 然后计算残余拔出力，然后通过平台混合模型估计随机效应模型，最后计算量具 R&R。 那么，劳拉，你可以开始吗？ |
| 劳拉 | 是的，让我分享我的屏幕。 是的。 |
| 伟大的。 |
| 劳拉 | 好的。 |
| 所以，是的，谢谢你，阿斯特丽德。 所以我想演示我们如何使用 JMP Pro 15 |
| 使用曲线数据执行此测量系统分析。 首先我想向您展示我们拥有的数据。 它看起来很像常规 MSA 数据，只不过不只是 |
| 定期测量，我们实际上有曲线。 所以我们有了力的距离函数。 所以我们要做的第一件事就是 |
| 使用功能数据浏览器创建零件力提取曲线。 所以我要打开功能数据 |
| 资源管理器，我将转到分析菜单，然后是专业建模、功能数据资源管理器。 因此，力将是我的输出，距离是我的输入，我想为每个零件或安全带类型安装一个。 这就是我的 ID，然后单击“确定”。 |
| 我得到了一堆摘要信息、摘要图表，我将放大这个。 这些是我的曲线，你可以看到我的每个部分都有非常明显的曲线，它们有不同的颜色。 |
| 我还可以看到阿斯特丽德所说的半周期性行为。 现在我已经 |
| 拟合此数据，所以我知道 300 节点线性 p 样条曲线非常适合。 所以我将继续并适合该特定模型。 所以我转到模型、模型控件、p 样条模型控件，然后 |
| 删除所有这些节点。 |
| 添加 300 因为我知道这是运行良好的节点结构。 我只会进行线性拟合。 我单击“开始”，不需要太长时间即可将这个 300 节点线性 p 样条曲线拟合到该数据。 |
| 我只是想快速提一下，我只会展示这个 FDE 平台的一点功能。 是的，它做的很多事情比我有时间向您展示的或者我们用于测量系统分析的要多得多。 |
| 但是，我强烈建议您检查一下。 我们为 JMP 15 添加了很多内容。 |
| 因此，我强烈建议您也查看其他相关讨论。 好的，这就是我们的适合。 我们再次得到了曲线和拟合的漂亮图表。 |
| 我想检查并确保这是否合适。 因此，我将查看诊断图，并根据预测图查看实际情况，我发现它看起来非常好。 线性很好，残差非常小。 所以我对这个搭配非常满意。 |
| 现在，当我们进行此拟合时，我们必须将运算符和复制错误组合在一起。 所以这些曲线的变化是平均的，但我们需要 |
| 实际进行量具 R&R 研究的变体。 所以我们要做的实际上是创建一个力残差，一旦我们通过从原始力函数中减去这些部分力函数来做到这一点， |
| 我们将得到包含操作员及其复制错误的残差。 所以我要回到数据表。 |
| 我已经创建了脚本来简化这一切。 因此，我创建了一个脚本来将预测公式添加到数据表中。 我会很快地向您展示它。 这直接来自功能数据浏览器。 这是我为每个零件拟合 p 样条的公式。 |
| 然后我还有一个脚本来创建我的剩余列等等 |
| 其公式只是力与部分力提取函数之间的差。 |
| 正确的。 现在我有了这个剩余 |
| 包含运算符和复制误差的公式，我可以拟合随机效应模型并按部分估计我的运算符...运算符和我的复制误差。 |
| 为此，我实际上将使用混合模型平台，因为我们不会拟合部分方差，因为我们已经 |
| 通过创建残差并减去部分力函数将其分解出来。 |
| 所以我已经创建了一个脚本来启动混合模型平台。 您可以看到我的响应是残余拔除力。 |
| 我有运算符和运算符作为我的随机效果。 我要运行这个。 |
| 运算符、按部分运算符（为零）和残差。 |
| 为了计算量具 R&R，我发现只需使用 JMP 数据表（如电子表格）即可轻松完成。 |
| 让一切变得简单。 我可以只使用列公式。 所以我在表中输入了方差分量。 |
| 我只是创建了一个公式来计算量具 R&R，它只是不含零件的总变化平方根的 6 倍。 然后我看到我的 Gage R&R 是 0.4385，我可以将其应用到我的弹簧指南中 |
| 在我的规格范围内。 我还可以求解最小公差。 |
| 所以现在我要把这个问题交还给阿斯特丽德继续讨论它是如何应用的。 |
| 阿斯特丽德·鲁克 | 是的，谢谢你，劳拉。 真是，太棒了 但对于观众来说，这当然不是数据的原汁原味。 |
| 所以， |
| 是的。 |
| 现在正如劳拉解释的那样，现在我们知道了 |
| Gage R&R，我们还知道我的最小公差，以便我的测量系统能够胜任。 在这里您可以看到零件拔出力函数。 |
| 您还可以看到正/负 3 秒的误差范围，并且您会发现这些部件选择得非常好，因为边界不重叠，因此 |
| 它们有显着的不同。 我们可以用它来找到正确的 |
| 春天。在这里你可以看到黑色的，最小公差是...... |
| 我们使用绿线将其置于其周围。 |
| 现在我们有了 Gage R&R，但另一方面，我们可以使用 FDE |
| 加载黄金曲线作为目标函数。 所以我已经告诉过你，是的，我们对弹簧指南感兴趣，但是我们应该使用什么样的弹簧呢？ 所以我们也可以使用FDE |
| 加载这个黄金函数，然后计算相应的弹簧厚度以获得特定的行为。 |
| 所以 FDE 是一个很棒的工具。 我们还将它用于独立于操作员的 3 类研究，并且用于相机。 |
| 它测量充气安全带接缝和切割边缘之间的距离以及切割过程，这也是使用 FDE 的一个巨大成功案例。 |
| 最后，我想说的是，我们的大多数流程和测试都有曲线作为输出。 |
| 到目前为止，还不可能使用完整的曲线数据来标准化 MSA 程序，因此，我们必须限制自己 |
| 拔出力曲线上的最大值，拔出和缩回之间的所有区域，因此我们减少了自己并损失了很多很多 |
| 大量的信息。 所以我真的很高兴我们能为曲线数据制作 MSA。 据我们所知， |
| 没有其他出版物讨论这种类型的 MSA 泛化曲线数据与其他商业软件。 最后，我想向您展示相应的论文也可以在互联网上找到。 所以感谢您的关注。 |
