349209_fr-FR

liliconcom

Développement accéléré de tests de durée de vie pour démontrer et quantifier la fiabilité des moteurs de lave-linge (2021-EU-PO-741)

Niveau: avancé

 

André Caron Zanezi, ceinture noire Six Sigma, WEG Electric Equipment
Danilo da Silva Toniato, ingénieur qualité, WEG Electric Equipment

 

L'assurance qualité et les besoins des clients sont des termes rigoureux qui font souvent référence à la fiabilité. L'amélioration des produits en termes de fiabilité met les ingénieurs au défi de multiples façons, notamment la compréhension des relations de cause à effet et le développement de tests qui reproduisent les conditions du client et génèrent correctement des données fiables sans dépasser le délai de lancement du produit. Combinant l'expertise en ingénierie, les données historiques et les ressources du laboratoire, une conception d'expérience (DOE) a été réalisée pour quantifier la durée de vie du produit en fonction du processus, du produit et des variables d'application critiques. En réalisant plusieurs analyses à l'aide des outils JMP, de la plateforme DOE aux modules Fiabilité et Survie, l'équipe a pu décrire la durée de vie du produit en fonction de ses facteurs critiques. En conséquence, un test de durée de vie accéléré a été mis en place, capable de simuler des années d'utilisation du produit en quelques semaines seulement, fournissant des preuves solides de certains modes de défaillance spécifiques. Standardisant ses méthodes et ses procédures, le test est devenu une exigence cruciale pour vérifier et valider les nouvelles technologies mises en œuvre chez les moteurs WEG, en optimisant le processus de développement et en réduisant les délais de mise sur le marché.

 

Cette affiche fournit des informations sur la façon dont nous avons utilisé JMP pour analyser les données et développer un test de durée de vie accéléré. Le projet a suivi l'approche étape par étape:

Charte de projet: Comprenant les objectifs primaires et secondaires, l'équipe multidisciplinaire a été formée pour partager des informations et des connaissances sur les données historiques des clients, les ressources du laboratoire, la fiabilité du moteur, les relations de cause à effet, les conditions d'application environnementales et l'analyse des données de fiabilité.
Analyse des données historiques: connaissant et quantifiant les risques liés à l'analyse des données historiques, l'équipe a ajusté certaines distributions de vie pour comprendre les paramètres d'échelle et de forme des cycles jusqu'à l'échec (CTF). Principalement, le paramètre de forme fait référence au mode de défaillance à reproduire dans les tests de laboratoire, selon la courbe de la baignoire.
Planification et analyse du DOE: Afin de reproduire les pannes, la compréhension de la fiabilité des moteurs a été confirmée par des relations de cause à effet, fournies par une analyse d'arbre de défaillances (FTA). Le FTA était une source de variables critiques combinées dans une expérience conçue (DOE) pour quantifier comment accélérer les cycles de produits jusqu'à la défaillance.
Conclusions: en conséquence, le DOE a fourni à un profileur de surface l'indication de la meilleure condition pour accélérer la durée de vie des produits. Le test accéléré a également fourni un paramètre de forme qui, comparé aux données historiques, montre un chevauchement, ce qui signifie que les mêmes échecs historiques sur le terrain ont été reproduits dans des conditions contrôlées.
Mise en œuvre: avec un test accéléré, le développement et le processus innovant deviendront plus rapides tout en fournissant des informations importantes sur la fiabilité du produit.

 

 

Transcription générée automatiquement ...

 

Conférencier	Transcription
André Zanezi	Alors, bonjour tout le monde. Je m'appelle Andre Zanezi. Et comme je suis ceinture noire Six Sigma chez Weg. Et je suis ici aujourd'hui à Discovery Summit pour parler du développement d'un test de durée de vie accéléré pour démontrer et quantifier la fiabilité des moteurs de machine à laver.
	Nous savons que certaines ... toutes les entreprises, lorsqu'elles développent de nouvelles technologies, de nouvelles solutions,
	font face à certains défis lorsqu'ils doivent améliorer la fiabilité de leur produit.
	Nous sommes confrontés au même problème, aux mêmes défis. Et le projet doit analyser et comprendre nos données de fiabilité historiques pour quantifier nos données de fiabilité historiques.
	Et essayez de développer une procédure, un test de durée de vie accéléré dans nos laboratoires internes, laboratoires pour reproduire notre échec ... nos modes de défaillance observés. En gros, nous pourrions développer ...
	développer des modèles dans les deux premiers sens. Donc, à la première étape, nous obtenons des données historiques de nos moteurs.
	Et en utilisant des modules de fiabilité et de survie dans JMP, nous adaptons une répartition de la durée de vie de nos moteurs. Et nous savons que
	En adaptant certaines distributions de durée de vie comme les distributions Weibull, nous pouvons comprendre la fiabilité de nos moteurs, la durée de vie de nos moteurs. Et dans JMP, nous pouvons aussi
	utiliser les distributions à vie et l'ajustement
	distributions différentes pour différents modes de défaillance. Et nous l'avons fait pour quatre principaux modes de défaillance différents. Et nous l'avons comparé, analysé et compris ou compris notre ... durée de vie de nos moteurs, la fiabilité de nos moteurs.
	Et ce faisant, nous étions capables de comprendre et de quantifier nos paramètres d'échelle et de forme et, en gros, combien de cycles étaient nécessaires pour avoir un échec.
	Et aussi, selon le ??? pour savoir à quel type de modes de défaillance nous sommes confrontés. Et nous avons ... nous avons également vérifié avec notre interne ... nos indicateurs de performance clés de validation, en gros
	tracer la survie. Nous avons des graphiques de survie et des vérifications croisées avec les indicateurs de performance clés internes pour comprendre si la probabilité et la plage de défaillance étaient correctes avec ... si nos données étaient fiables. Et en comprenant tous ces modes de défaillance, nous pourrions
	nous pourrions développer un test interne pour accélérer sur ... accéléré notre interne ... notre test interne. Et en gros pour le faire. Nous devons comprendre la physique, l'environnement ...
	que les conditions d'environnement dans lesquelles nos moteurs seront
	travaille dans. Nous l'avons fait grâce à l'analyse de l'arbre de défaillances, en déployant essentiellement
	et comprendre les relations de cause à effet. Ce faisant, nous pourrions définir les variables les plus critiques dans ces relations de cause à effet. Et encore une fois, utilisez JMP pour concevoir une expérience
	afin d'essayer de quantifier l'effet de certaines variables dans notre réponse à nos cycles d'échec. Fondamentalement, nous essayions de reproduire les échecs sur le terrain dans nos laboratoires. Et nous l'avons fait, nous en exécuterons plusieurs
	tests, et à la suite de nos expériences, nous pourrions avoir ... nous pourrions définir et ajuster certains en utilisant un modèle d'ajustement ... ajustements sur des modèles à nos données et comprendre la relation de notre
	les variables d'environnement et de moteurs aux cycles jusqu'à l'échec, et comprendre le tracé de survie, et trier le tracé de surface, comprendre la relation de certaines variables avec les cycles à l'échec,
	et définir un point précis pour accélérer la durée de vie de nos moteurs. Et encore une fois, en exécutant quelques lots d'échantillons, nous pourrions
	définir et ajuster des distributions de durée de vie pour nos résultats internes, pour nos tests internes en test de durée de vie accélérée. UNE
	on voyait quelques échecs mais à la fin de cette expérimentation, ces tests accélérés, il faut s'assurer que l'on est confronté et que l'on provoque les mêmes échecs que nous avions dans les données historiques.
	Nous revenons donc aux distributions à vie dans le module de survie et de fiabilité dans le module de survie.
	Et encore une fois, ajustez maintenant certaines distributions Weibull pour nos résultats internes ... internes pour nos tests de durée de vie accélérés.
	Et nous avons noté que fondamentalement, ils façonnent le paramètre, le paramètre de cela, selon le meilleur moyen, le mode de remplissage et
	on croise ces informations avec nos données historiques et on voit qu'en croisant les deux informations, on a un chevauchement
	entre le paramètre de forme du test interne et le paramètre de forme des données historiques. Et cela signifie essentiellement que nous avons ... nous ne reproduisons pas les mêmes modes de défaillance dans notre test de durée de vie accélérée.
	Et fondamentalement, cela signifie que maintenant nous pouvons développer des produits de manière plus rapide, car chaque fois que nous avons une nouvelle technologie et un nouveau design, nous pouvons les soumettre à ce test de durée de vie accélérée.
	et quantifier si nous améliorons la fiabilité de nos moteurs. Et nous pouvons le rendre plus rapide qu'avant, et développer plus rapidement ... développer des produits plus rapidement.
	Nous avons également effectué des vérifications techniques croisées pour prouver que nous sommes confrontés à la reproduction des mêmes échecs à implémenter dans ce test dans le processus de développement, de sorte que c'est ainsi que nous avons utilisé JMP pour fournir beaucoup d'informations et les mettre sur notre test interne. C'était fabriqué
	par
	vraiment de bonnes équipes. N'hésitez pas à prendre contact et à envoyer un e-mail si vous avez des questions. Et c'est la fin.

Le meilleur du sommetBICHEePosterQualité et fiabilité