Identifizieren von Parametern Drift in NichtkonformitätHallo Community,
Ich habe Leistungsdaten, die mit der Laufnummer zunehmen, bis sie zerquetschen.
Was sollte eine gute statistische Methode sein, um einige Läufe vor dem Quetschen zu identifizieren, um das Quetschen zu vermeiden, wenn es rechtzeitig repariert wird?
beigefügt, Datenprobe.
BR,
Yoav
AnalytikDatentabelleGrafikAndereBetreff: Identifizieren von Parametern Drift in NichtkonformitätHallo Yoav!
Es gibt wahrscheinlich eine sehr große endliche Anzahl von "guten statistischen Wegen", um Läufe in Daten zu signalisieren.
Eine Möglichkeit besteht darin, die Nelson-Regeln im Pulldown-Fenster "Analyse"> "Qualität und Prozess"> "Legacy Control Charts"> "Levey Jennings" zu verwenden.Nachdem Sie die Variablen in ihre Rollen umgewandelt und auf OK geklickt haben, wird ein Kontrolldiagramm erstellt.Wählen Sie unter dem kleinen umgekehrten roten Dreieck (LIRT) Tests> Alle Tests.Sie erhalten etwas, das so aussieht:
Ich habe alle Regeln demonstriert, aber Sie können alle Regeln verwenden, die Sie für angemessen halten, um genau zu erkennen, was Sie wünschen. Anbei einige Referenzartikel von Lloyd Nelson, in denen die Regeln und ihre Rechtfertigungen aufgeführt sind.
Natürlich können Sie auf Wunsch auch eigene Regeln erstellen und diese mit JSL implementieren.Und wie ich bereits erwähnt habe, gibt es viele andere Tests für Datenläufe.Wählen Sie eine, die zuverlässig erkennt, was Sie wünschen.
Viel Glück!
Betreff: Identifizieren von Parametern Drift in Nichtkonformitätsehr geehrter @ YGerchman , wie wir in der SPC-Tabelle von sehen können @ Kevin_Anderson Die Leistung steigt immer vor dem Quetschen. Sie können eine Regel finden, um den Schwarm zu erkennen, bevor er auftritt. Ich konnte mit den SPC-Regeln auf der Plattform kein vernünftiges Ergebnis erzielen, aber Sie können auch eine Obergrenze berechnen, die erreicht werden muss, bevor der Crush auftritt, und diese verwenden, um die Leistung vor dem Crush festzulegen. Siehe Beispiel im Screenshot.
- Ich habe zuerst die 0 Potenzzeilen gelöscht (weil Sie sie nicht kennen, bevor sie zerquetscht werden).
- Dann habe ich eine Spaltenformel erstellt, um den Mittelwert und die Stärke der Leistung in dieser Phase zu berechnen
- dann vergleiche ich es mit dem aktuellen Wert
- Wenn der aktuelle Wert> (Mittelwert (Leistung) + 2 x stddev (Leistung)) ist, ist dies kurz vor dem Absturz
Dies funktioniert für die aktuellen Daten. Möglicherweise werden viel mehr Daten benötigt, um zu zeigen, ob diese Regel zuverlässig ist.
Außerdem hängt alles von den Kosten für einen Crushed Run und den Kosten für die vorherige Behebung des Problems ab.
BR
Betreff: Identifizieren von Parametern Drift in NichtkonformitätHallo @ YGerchman ,
Neben was beides @ Kevin_Anderson und @Georg zur Verfügung gestellt hätte, würde ich folgendes hinzufügen:
Eine andere Option ist, wenn Sie zusätzliche Daten haben, die mit der Leistung einhergehen, können Sie die modellgesteuerte Plattform für multivariate Regelkarten verwenden (unter Analysieren> Qualität und Prozess). Diese Plattform reduziert die mehrdimensionalen Daten (vorausgesetzt, Sie haben andere Prozessparameter, die zusammen mit der Leistung aufgezeichnet werden) mithilfe von PCA und meldet den T ^ 2-Wert zurück. Wenn Sie sich die Ausreißer ansehen, können Sie herausfinden, welcher Teil Ihres Prozesses abgelaufen ist der Kontrolle. Dies ist häufig hilfreich, wenn viele Prozessparameter wie Geschwindigkeit, Temperatur, Mischrate, Leistung usw. Teil des Prozesses sind. Manchmal kann es sein, dass sich die Temperatur ändert, was zu einer größeren Stromaufnahme führt, wodurch sich die Leistung ändert. Je nach Situation kann es sich also um eine Mischung von Faktoren handeln, und die MDMVCC-Plattform ist dafür sehr hilfreich.
Wenn man bedenkt, dass der Fehler tendenziell mit steigender Chargennummer auftritt, deutet dies darauf hin, dass während des Prozesses, der sich mit der Zeit ändert, etwas passiert. Sie können sehen, dass unmittelbar vor dem Ausfall die Stromversorgung für beide Phasen vor dem Absturz ansteigt. Wenn Sie also Daten von zusätzlichen Verarbeitungseingaben haben, kann dies dazu beitragen, einen latenten Faktor zu ermitteln, der die Hauptursache für den Ausfall ist. Außerdem ändert sich die Ausgangsleistung zwischen Phase 1 und 2 stark. Haben sich die Einstellungen geändert oder hat sich der Fehler aus Phase 1 auf die Leistung in Phase 2 ausgewirkt?
Das Einbringen weiterer Daten kann dazu beitragen, die Ursache zu ermitteln.
Viel Glück!,
DS
Betreff: Identifizieren von Parametern Drift in NichtkonformitätVielen Dank für Ihre ausführliche Antwort. In Bezug auf die letzte Frage - die zweite Phase hat den Fingerabdruck des Setups erhalten und ist vom Absturz der Phase 1 nicht betroffen. es könnte auch höher sein als die erste Phase.
Die Daten sind ein vereinfachtes Beispiel für das, was ich wirklich geschafft habe. Tatsächlich - wir haben Tausende von Datenzeilen und wie ich zuvor erklärt habe - suche ich nach einem Test, der den Ingenieuren einige Prozesse warnen könnte, bevor das Tool ausfällt. Ich bin sicher, dass es getan werden kann, weil es vom Laufdiagramm auch mit bloßem Auge sehen kann.Betreff: Identifizieren von Parametern Drift in NichtkonformitätHallo @ YGerchman ,
Haben Sie auch viele Spalten mit verschiedenen Datenquellen: z. B. Werkzeuggeschwindigkeit oder Werkzeugtemperatur oder so? Die Tausenden von Zeilen sind gut, aber es könnte auch hilfreich sein, andere Daten in die Analyse einzubeziehen. Für mich klingt es wirklich so, als ob es einen latenten Faktor gibt, der die Hauptursache für den Fehler ist und nicht unbedingt die Leistung selbst. Es ist eher so, als ob etwas anderes außer Kontrolle gerät, was letztendlich dazu führt, dass die Leistung ansteigt und das Werkzeug abstürzt.
Eine Sache, die Sie tun können, ist, einen gleitenden Durchschnitt der letzten drei oder fünf Messungen zu berücksichtigen und zu schätzen, wo der letzte Messwert vor einem Absturz liegt, und die relative Änderung der Leistung zu ermitteln - sagen wir, wenn die Leistung um mehr als 20% zunimmt Der Sollwert zeigt an, dass das Werkzeug auf einen Fehler zusteuert. Da die durchschnittliche Einstellung in Phase 2 niedriger als in Phase 1 ist und immer noch fehlschlägt, scheint es sich eher um eine relative Änderung der Leistung zum Sollwert als um eine absolute Änderung zu handeln.
Wenn Sie jedoch andere Daten einbringen und Korrelationen oder ähnliche Spitzen / Abfälle an einem Absturzpunkt untersuchen können, kann dies hilfreich sein, um einen latenten Faktor zu finden.
Ich bin interessiert zu hören, was Sie finden.
Viel Glück!,
DS
