Identifizierende Parameter driften in die NichtkonformitätHallo Community,
Ich habe eine Leistungsangabe, die mit der Laufzahl zunimmt, bis sie zusammenbricht.
Was sollte eine gute statistische Methode sein, um es einige Läufe vor dem Zusammenbruch zu identifizieren, um den Zusammenbruch zu vermeiden und es rechtzeitig zu reparieren?
beigefügt, Beispieldaten.
BR,
Yoav
Verbraucher- und MarktforschungBetreff: Identifizieren von Parametern driftet in die NichtkonformitätHallo DS,
Es sieht so aus, als ob der gleitende Durchschnitt der letzten 5 Punkte mir eine recht gute Warnung geben kann. Ich muss noch den genauen Änderungssollwert für die Alarmierung finden, aber es scheint, dass dies ein guter Weg ist. Leider kann ich nicht viele detaillierte Daten online teilen.
Eine andere Option, die meiner Meinung nach machbar ist, besteht darin, die „Trendkraft“ mit dem gleitenden Durchschnitt zu finden und nach einem starken Trendbruch (starke Änderung, Zunahme des Trends) zu suchen.
Mit freundlichen Grüßen,
Yoav
Betreff: Identifizieren von Parametern driftet in die NichtkonformitätHallo @YGerchman ,
Haben Sie auch viele Spalten mit verschiedenen Datenquellen: z. B. Werkzeuggeschwindigkeit, Werkzeugtemperatur oder so? Die Tausenden von Zeilen sind gut, aber es könnte hilfreich sein, auch andere Daten in die Analyse einzubeziehen. Für mich hört es sich wirklich so an, als gäbe es einen latenten Faktor, der die Ursache des Ausfalls ist, und nicht unbedingt die Leistung selbst, sondern 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 könnten, wäre, einen gleitenden Durchschnitt der letzten drei oder fünf Messungen zu betrachten und abzuschätzen, wo sich der letzte Messwert vor einem Absturz befindet, und die relative Änderung der Leistung zu ermitteln – sagen wir, wenn die Leistung um mehr als 20 % ansteigt Wenn der Sollwert unterschritten wird, weist dies darauf hin, dass das Werkzeug kurz vor dem Ausfall steht. Da die durchschnittliche Einstellung in Phase 2 niedriger ist als in Phase 1 und es trotzdem fehlschlägt, scheint es sich eher um eine relative Leistungsänderung zum Sollwert als um eine absolute Änderung zu handeln.
Aber auch hier gilt: Wenn Sie andere Daten einbeziehen und Korrelationen oder ähnliche Spitzen/Abfälle an einem Absturzpunkt untersuchen können, könnte dies dabei helfen, einen latenten Faktor zu finden.
Ich bin gespannt, was Sie finden.
Viel Glück!,
DS
Betreff: Identifizieren von Parametern driftet in die Nichtkonformitätdanke für deine ausführliche Antwort. Bezüglich der letzten Frage: Die zweite Phase hat ihren Setup-Fingerabdruck erhalten und ist vom Absturz in Phase 1 nicht betroffen. es könnte auch höher sein als in der ersten Phase.
Die Daten sind ein vereinfachtes Beispiel dafür, was ich wirklich geschafft habe. Tatsächlich haben wir Tausende von Datenzeilen erhalten, und wie ich bereits erklärt habe, suche ich nach einem Test, der die Ingenieure vor einigen Prozessen warnen könnte, bevor das Tool ausfällt. Ich bin mir sicher, dass es machbar ist, weil man es anhand des Laufdiagramms auch mit bloßem Auge sehen kann.Betreff: Identifizieren von Parametern driftet in die NichtkonformitätHallo @YGerchman ,
Zusätzlich zu dem, was beides @Kevin_Anderson Und @Georg bereitgestellt habe, würde ich Folgendes hinzufügen:
Eine weitere Option besteht darin, dass Sie, wenn Sie über zusätzliche Daten verfügen, die mit der Leistung einhergehen, die modellgesteuerte Plattform für multivariate Kontrolldiagramme verwenden können (unter Analysieren > Qualität und Prozess). Diese Plattform reduziert die mehrdimensionalen Daten (vorausgesetzt, Sie verfügen über andere Prozessparameter, die zusammen mit der Leistung aufgezeichnet werden) mithilfe von PCA und meldet den T^2-Wert zurück. Durch die Betrachtung der Ausreißer können Sie herausfinden, welcher Teil Ihres Prozesses ausgefallen ist der Kontrolle. Dies ist oft 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 und damit zu einer Änderung der Leistung führt. Je nach Situation kann es sich also um eine Mischung verschiedener Faktoren handeln, und die MDMVCC-Plattform ist dabei sehr hilfreich.
Wenn man bedenkt, dass der Fehler tendenziell auftritt, wenn die Chargennummer steigt, würde das darauf hindeuten, dass während des Prozesses etwas passiert, das sich mit der Zeit ändert. Sie können sehen, dass kurz vor dem Ausfall die Leistung in beiden Phasen ansteigt, bevor es zum Absturz kommt. Wenn Sie also Daten von zusätzlichen Verarbeitungseingaben haben, kann dies dabei helfen, einen latenten Faktor zu erkennen, der die Ursache des Ausfalls ist. Außerdem gibt es eine große Änderung bei der Leistungsabgabe zwischen Phase 1 und 2. Haben sich die Einstellungen geändert oder hat der Fehler aus Phase 1 Auswirkungen auf die Stromversorgung während Phase 2?
Die Einbeziehung weiterer Daten könnte bei der Ermittlung der Ursache hilfreich sein.
Viel Glück!,
DS
Betreff: Identifizieren von Parametern driftet in die NichtkonformitätLiebling @YGerchman , wie wir im SPC-Diagramm von sehen können @Kevin_Anderson Die Kraft steigt immer vor dem Zerquetschen. Sie können eine Regel finden, um den Schwarm zu erkennen, bevor er auftritt. Mit den in der Plattform enthaltenen SPC-Regeln konnte ich 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 festzulegen, bevor der Crush auftritt. Siehe Beispiel im Screenshot.
- Ich habe zuerst die 0-Potenz-Zeilen gelöscht (weil Sie sie nicht kennen, bevor es zerquetscht wird).
- Dann habe ich eine Spaltenformel erstellt, um den Mittelwert und die Standardabweichung 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, liegt der Absturz kurz vor dem Absturz
Dies funktioniert für die aktuellen Daten. Möglicherweise sind noch viel mehr Daten erforderlich, um zu zeigen, ob diese Regel zuverlässig ist.
Außerdem hängt alles von den Kosten ab, die durch einen kaputten Lauf verursacht werden, und von den Kosten, die für die vorherige Behebung des Problems anfallen.
BR
Betreff: Identifizieren von Parametern driftet in die NichtkonformitätHallo, Yoav!
Es gibt wahrscheinlich eine sehr große endliche Anzahl „guter statistischer Möglichkeiten“, um Datenläufe zu signalisieren.
Eine Möglichkeit besteht darin, Nelson-Regeln im Pulldown-Menü „Analysieren“ unter „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 herauszufinden, was Sie wollen. Anbei finden Sie einige Referenzartikel von Lloyd Nelson, in denen die Regeln und ihre Begründungen detailliert beschrieben werden.
Natürlich können Sie bei Bedarf auch Ihre eigenen Regeln erstellen und diese mit JSL implementieren.Und wie ich bereits erwähnt habe, gibt es viele andere Tests für Datenläufe.Wählen Sie eines, das zuverlässig erkennt, was Sie wünschen.
Viel Glück!
