スピーカー | 成績証明書 |
| アストリッド・ラック | 私の名前はアストリッド・ラックです。 オートリブで働いています |
| Autoliv は 15 年間にわたり、世界をリードするメーカーです。 |
| シートベルト、エアバッグ、予防安全システムなどの自動車安全部品。 そこで今日は曲線データの計測システム解析についてお話したいと思います。 |
| ローラ、クリス、そして私もホワイトペーパーを書きましたが、これは非常に緊急のテーマであると考えているため、同じ種類のタイトルになっています。 |
| なぜなら |
| 私たち自身の知識では、動的試験機で利用できる曲線データの MSA については他に何もありません。 |
| したがって、最初に MSA と機能データ分析についての簡単な紹介から始めて、それから、いわゆるスプリング ガイドラインの目的を動機づけて調査します。 |
| シートベルトを締める動作または快適な動作 |
| JMP Pro を介したゲージ R&R の方法論を説明します。 |
| したがって、通常、測定システム分析はタイプ 2 の研究として賢明です。 |
| それで、 |
| MSA はプロセスです。 このフローチャートでは、タイプ 1 と線形性の検討から始まり、参照部品を使用して実行されることがわかります。 測定システムのバイアスを計算するための基準方法が必要なので、基準部品が必要です。 |
| そして、それが適合する場合、バイアスが十分に良好である場合は、オペレーターの影響があるかどうかを確認します。 |
| オペレータの影響がある場合に限り、再現性を計算できます。 それ以外の場合、他のすべてのステップでは、再現性のみが重要です。 |
| 計算できる変化量。 したがって、この領域では、タイプ 2 およびタイプ 3 の研究、生産部品が使用されます。 AIAG、 |
| 自動車業界のガイドラインでは、テストごとに 1 次元の出力を調査しますが、出力としてデータ曲線を扱う方法については説明されていません。 |
| どうやってするの。 したがって、精度が高ければ不確実性は低くなります。 そしてそれはこのグラフからもわかります。 そして、あなたは、 |
| 不確実性の増大が、部品が許容範囲に近いかどうかの判断に与える影響。 ここには下側規格限界があり、右側には上限規格限界があります。 |
| したがって、精度が高ければ高いほど、より良い決定が下されます。 そして、ここには非常に大きなグレーゾーンがあり、正しい決定を下すのは非常に困難です。 |
| 明らかに、公差の中央にある部品は常に正しい方法で分類されます。 |
| また、統計的プロセス制御とは対照的に、仕様限界にある部品は非常に価値があります。 |
| したがって、MSA に関してできる最善のことは、下側規格限界、すべての上限規格限界で部品を取得することです。 |
| 基準値のプラス/マイナス 10%、この場合の基準値は公差です。 上限規格限界や下限規格限界など、特定の規格限界が 1 つだけある場合は、 |
| 次に、工程能力指数 Ppk を使用して、対応する工程変動 6s を計算できます。これが新しい基準数値になります。 |
| そして、MSA 用の部品を選択するこのアイデアは、仕様限界ではなく出力曲線とその仕様限界にも使用できます。 |
| したがって、データは多くの場合、機能データと呼ばれる関数、曲線、またはプロファイルとして提供されます。 機能データ分析は、機能データ エクスプローラー プラットフォームの JMP Pro で利用できます。 |
| P スプラインを使用して、偽の曲線と遠い曲線の抽出をモデル化し、後で混合モデルを使用してそれらを分析します。 |
| したがって、シートベルトは死亡事故の防止に大きく貢献するため、シートベルトの機能性と快適性を確保する必要があります。 |
| そして、ここの右側には、シートベルトの引き抜き力を青で示し、距離に応じた収縮力を赤で示した図が表示されます。 |
| そしてどちらの力も安全性と快適性の両方に影響を与える重要な要素です。 |
| これらの力と引き出し/収縮力をテストするには、車両内のシートベルトの動作をシミュレートするテスト設定が使用されます。 |
| それでは、これを詳しく見てみましょう。 ここにはテストのセットアップが表示され、ここにはシートベルトが表示されます。 これはトロリーアームで動く小さなトロリーです。シートベルトが付いているのがわかりますね。 |
| 撤回した。そして今、取り出しが始まりました、そしてここの右側に、車の位置に応じて固定されたシートベルトが見えます。 |
| うん。 |
| おっと。 |
| それで、 |
| これらの小さな曲線を見ると、私の抽出力曲線の内側にあることがわかります。 |
| 小さな波がいくつかあり、半周期的な構造をしています。 この半周期構造を次のように当てはめると、 |
| たとえば、多項式を使用すると、再現性が実際に過剰適合してしまいます。 それが私たちが必要とする理由です |
| いくつかの柔軟なモデル。 そして、この小さな波はどこから来るのでしょうか？ これは、シートベルトの内側を見てみると、より明らかになるでしょう。 そしてスピンドルとスプリングがあります。 そして、これはどのように動作しますか |
| このビデオで見ることができます。 ここの内側が私のスピンドルで、ここの右側に私のスプリングがあります。 スプリングのカバーが開いているので中を覗くことができます |
| カバー、スプリングの動作。 そして、最初に完全なウェビングがスピナーにかかると、私のスプリングは完全にリラックスします。 そして今、ウェビングが引き抜かれ、同時にスプリングが巻き取られています。 これで、収縮が完了し、私のバネは再びリラックスしました。 |
| そして、これらの小さな動きによってこの波状の構造が形成されます。これが、FDE に基づく柔軟なモデルが本当に必要な理由です。 |
| したがって、特定の締結動作を必要とする私たちの目的は、スプリング ガイドラインの作成です。 |
| したがって、締結動作は私の抽出力曲線によって与えられます。 そして、この写真では、異なる 5 つの異なるグループが見られます。 |
| シートベルトの種類とそれに対応するスプリングの太さ。 ばねの厚さが小さい場合、引き抜く力も小さいことがわかります。 |
| 厚みが大きいと、距離にわたる抽出力も大きくなります。 そして、ここにはさまざまな色があり、暗い色もあります。 そして、暗い色は、3 人のオペレーターがそれぞれを使用して実際に測定した結果です... |
| 各オペレーターはシートベルトごとに 5 回の複製を行い、本当に素晴らしい仕事をしたことがわかります。 そして、明るい色、これは FDE によって与えられた p スプラインからのモデルです。 したがって、春のガイドラインが私たちの目標であるため、どの春に入手できるかを知りたいと考えています。 |
| 対応するシートベルトの締め付け動作ですが、プロジェクトを開始する前に、必ず MSA から始めてください。 |
| それで、 |
| Autoliv の手順に従って、ご覧のとおり、5 つの異なるシートベルト、3 人の経験豊富なオペレーター、および 5 人の複製を使用します。 |
| 前のグラフ。 そして、私たちの観測値 y は、実際の値にランダムなノイズを加えたものによって与えられます。つまり、オペレーター、部品、オペレーターと部品の相互作用、および対応するものからのノイズです。 |
| 再現性。そして、私のゲージ R&R は、 |
| 測定誤差のプロセス変動。これは私の再現性と再現性によって与えられます。 |
| ここで、私のゲージ R&R が許容される最小許容範囲がどのくらいかを知りたいと思います。許容できるとは、ゲージ R&R の割合が 20% より小さいことを意味します。 私のゲージ R&R が |
| 私の最小許容誤差の 0.2 倍であれば、これまでに見た曲線の限界も得られ、このプラス/マイナス 3 秒の誤差限界も得られます。 |
| 特定の締め付け動作に適したスプリングを見つけるのに非常に役立ちます。 それで |
| 私たちの方法論は |
| ローラ・ラングカスターによって示されます。 そこで、平均抜去力曲線の推定を開始し、FDE による柔軟なモデルを使用します。 |
| 次に、残留抽出力が計算され、その後、プラットフォーム混合モデルを介して変量効果モデルが推定され、最後にゲージ R&R が計算されます。 それで、ローラ、始めますか？ |
| ローラ | はい、画面を共有させてください。 うん。 |
| 素晴らしい。 |
| ローラ | わかった。 |
| はい、ありがとう、アストリッド。 そこで、JMP Pro 15 の使用方法をデモンストレーションしたいと思いました。 |
| 曲線データを使用してこの測定システム分析を実行します。 そこでまず、私たちが持っているデータをお見せしたいと思います。 そして、それは通常の MSA データとよく似ていますが、 |
| 通常の測定では、実際には曲線が存在します。 したがって、距離に関して力の関数が得られます。 そこで私たちが最初にやりたいことは、 |
| ファンクショナル データ エクスプローラーを使用して、部品力抽出曲線を作成します。 それで機能データを公開します |
| エクスプローラー、分析メニューに移動し、次に特化したモデリング、関数データ エクスプローラーに移動します。 したがって、力が出力、距離が入力となり、各部品またはシートベルトの種類に 1 つを適合させたいと考えています。 それが私の ID になるので、[OK] をクリックします。 |
| そして、たくさんの概要情報と概要グラフを取得したので、これを拡大してみます。 これらは私の曲線であり、パーツごとに異なる色で非常に特徴的な曲線を持っていることがわかります。 |
| そして、アストリッドが話していた半周期的な行動もわかります。 今、私はすでに |
| このデータは適合するため、300 ノードの線形 P スプラインが非常によく適合することがわかります。 したがって、先に進んでその特定のモデルを当てはめることにします。 そこで、モデル、モデル コントロール、P スプライン モデル コントロール、および |
| これらのノードをすべて削除します。 |
| 300 を追加します。これが適切に機能するノード構造であることがわかっているためです。 線形フィットのみを実行します。 [実行] をクリックすると、この 300 ノードの線形 P スプラインをこのデータに適合させるのにそれほど時間はかかりません。 |
| そして、この FDE プラットフォームの機能のほんの一部だけを紹介するつもりであることを簡単に述べておきたいと思います。 それは、私が皆さんに紹介する時間がないほど、あるいはこの測定システムの分析に使用したものよりも、はるかに多くのことを実行します。 |
| しかし、ぜひチェックしてみることをお勧めします。 JMP 15 では多くの機能が追加されました。 |
| したがって、それに関する他のトークもチェックすることを強くお勧めします。 よし、これが私たちにぴったりだ。 そしてもう一度、曲線とフィットの素晴らしいグラフが得られました。 |
| そして、これが適切であることを確認して確認したいと思います。 それで、診断プロットに行き、実際の予測プロットを見てみると、非常に素晴らしく見えます。 線形性が高く、残差は非常に小さいです。 なので、このフィット感にはとても満足しています。 |
| さて、この適合を行うときは、演算子と複製エラーを組み合わせる必要がありました。 したがって、これらの曲線では変動が平均化されますが、次のことが必要です。 |
| 実際にゲージ R&R 研究を行うためのバリエーションです。 それで、私たちがやろうとしていることは、実際に力の残差を作成することであり、それを行うと、元の力の関数からこれらの部分の力の関数を差し引くことによって、 |
| オペレーターとその複製エラーを含む残差が得られます。 それで、データテーブルに戻ります。 |
| これを簡単にするスクリプトをすでに作成しました。 そこで、予測式をデータテーブルに追加するスクリプトを作成しました。 それを早速お見せします。 これは、Functional Data Explorer から直接取得されたものです。 これは、各パーツの P スプライン フィットの私の公式です。 |
| そして、残りの列を作成するスクリプトもあります。 |
| その計算式は、単に力とそれらの部分力抽出関数との差です。 |
| 右。 そして今、私はこの残りを持っています |
| 演算子と複製誤差を含む式を使用すると、変量効果モデルを当てはめて、部品ごとの演算子と複製誤差を推定できます。 |
| そのために、実際には混合モデル プラットフォームを使用します。なぜなら、部分分散をフィッティングするつもりはないからです。 |
| 残差を作成し、部分力関数を減算することで、この問題を考慮しました。 |
| そのため、混合モデル プラットフォームを起動するスクリプトをすでに作成しました。 そして、私の応答として残留抽出力があることがわかります。 |
| そして、ランダム効果として演算子と部分ごとの演算子を持っています。 これを実行します。 |
| 演算子、部分ごとの演算子 (ゼロ)、および残差。 |
| また、ゲージ R&R を計算するには、スプレッドシートのような JMP データ テーブルを使用するだけで簡単だと思います。 |
| 簡単になります。 列式を使用するだけです。 そこで、分散成分を表に入力しました。 |
| そして、ゲージ R&R を計算する式を作成するだけです。これは、部品を除いた合計変動の平方根の 6 倍です。 そして、私のゲージ R&R が .4385 であることがわかり、それを春のガイドラインに適用できます。 |
| 私の仕様範囲内では。 また、最小許容誤差を逆算することもできます。 |
| それで、これをアストリッドに渡して、これがどのように適用されたかについて話を続けるつもりです。 |
| アストリッド・ラック | はい、ありがとう、ローラ。 それは、素晴らしいです。 しかし、視聴者にとっては、もちろん、これはデータのオリジナルではありません。 |
| それで、 |
| はい。 |
| ローラが説明したように、今私たちは知っています |
| Gage R&R は、私の測定システムが対応できる最小許容誤差も知っています。 ここに部品抽出力関数が表示されます。 |
| また、プラス/マイナス 3 秒のエラー境界も表示され、境界が重なっていないためパーツが非常に適切に選択されていることがわかります。 |
| それらは大きく異なります。 そしてそれを使って適切なものを見つけることができます |
| 春。そして、ここでは黒で示されている最小許容誤差が... |
| 緑の線を使用して中心に配置します。 |
| これで Gage R&R が完成しましたが、一方で FDE を使用することもできます。 |
| ゴールデンカーブをターゲット関数としてロードします。 先ほども言いましたが、はい、スプリングのガイドラインに興味がありますが、どのようなスプリングを使用すればよいでしょうか? したがって、FDE を使用して次のこともできます。 |
| この黄金関数をロードすると、対応するスプリングの厚さが計算されて特定の動作が得られます。 |
| したがって、FDE は優れたツールです。 また、オペレーターから独立したカメラ用のタイプ 3 の研究にも使用しました。 |
| また、インフレータブル シートベルトの縫い目と刃先の間の距離と切断プロセスを測定するもので、これも FDE を使用した大きな成功事例でした。 |
| 最後に、私たちのプロセスとテストのほとんどには出力として曲線があると言いたいと思います。 |
| そして今まで、完全な曲線データを使用して MSA 手順を標準化することは不可能であったため、次の点に制限する必要がありました。 |
| 抜去力曲線からの最大値、つまり抜去と抜去の間のすべての領域であるため、私たちは自分自身を減らし、多くのものを失いました。 |
| かなりの量の情報。 なので、カーブデータ用のMSAを作ることができて本当に嬉しいです。 そして、私たちが知っている限りでは、 |
| 他の商用ソフトウェアを使用した曲線データのこのタイプの MSA 一般化について説明している出版物は他にありません。 最後に、対応する論文がインターネットでも入手できることを紹介したいと思います。 ご注目いただきありがとうございます。 |
