부적합으로 드리프트되는 매개 변수 식별안녕하세요 커뮤니티,
나는 그것이 부서 질 때까지 실행 횟수와 함께 증가하는 힘의 데이터를 가지고 있습니다.
정시에 수정하여 호감이가는 것을 방지하기 위해 부수기 전에 일부 실행을 식별하는 좋은 통계적 방법은 무엇입니까?
첨부, 데이터 샘플.
BR,
Yoav
해석학데이터 테이블제도법다른Re : 부적합으로 드리프트되는 매개 변수 식별안녕하세요, Yoav!
데이터에서 실행 신호를 보내는 "좋은 통계적 방법"은 매우 많을 것입니다.
한 가지 방법은 분석 풀다운> 품질 및 프로세스> 기존 관리도> Levey Jennings에서 Nelson 규칙을 사용하는 것입니다.변수를 역할로 캐스팅하고 확인을 클릭하면 관리도가 작성됩니다.작은 거꾸로 된 빨간색 삼각형 (LIRT) 아래에서 테스트> 모든 테스트를 선택합니다.다음과 같은 결과가 나타납니다.
나는 모든 규칙을 시연했지만, 당신이 원하는 것을 구체적으로 감지하기 위해 적절하다고 생각하는 규칙을 사용할 수 있습니다. 규칙과 그 정당성을 자세히 설명하는 Lloyd Nelson의 몇 가지 참조 기사가 동봉되어 있습니다.
물론 원하는 경우 자체 규칙을 만들고 JSL로 구현할 수도 있습니다.그리고 앞서 언급했듯이 데이터 실행에 대한 다른 많은 테스트가 있습니다.원하는 것을 안정적으로 감지하는 것을 선택하십시오.
행운을 빕니다!
Re : 부적합으로 드리프트되는 매개 변수 식별소중한 뿡 빵뀨 , SPC 차트에서 볼 수 있듯이 안녕하세요. 힘은 항상 으깨지기 전에 증가합니다. 호감이 가기 전에 호감을 감지하는 규칙을 찾을 수 있습니다. 플랫폼에있는 SPC 규칙으로는 합리적인 결과를 얻을 수 없었지만, 호감이 일어나기 전에 도달 할 상한선을 계산하고 호감이 일어나기 전에이를 사용하여 힘을 고칠 수도 있습니다. 스크린 샷의 예를 참조하십시오.
- 먼저 0 개의 파워 행을 삭제했습니다.
- 그런 다음 해당 단계에서 전력의 평균과 표준 편차를 계산하는 열 공식을 만들었습니다.
- 그런 다음 현재 값과 비교합니다.
- 현재 값> (mean (power) + 2 x stddev (power))이면 충돌 직전입니다.
이것은 현재 데이터에 적용되며이 규칙이 신뢰할 수 있는지 보여주기 위해 더 많은 데이터가 필요할 수 있습니다.
또한 모든 것은 부서진 실행 비용과 이전에 문제를 해결하는 비용에 달려 있습니다.
BR
Re : 부적합으로 드리프트되는 매개 변수 식별안녕 뿡 빵뀨 ,
둘 다 무엇 외에도 안녕하세요. 과 조르그 제공 한 경우 다음을 추가합니다.
또 다른 옵션은 검정력과 함께 제공되는 추가 데이터가있는 경우 모델 기반 다변량 관리도 플랫폼 (분석> 품질 및 프로세스 아래)을 사용할 수 있습니다. 이 플랫폼은 PCA를 사용하여 다차원 데이터 (전력과 함께 기록되는 다른 프로세스 매개 변수가 있다고 가정)를 줄이고 T ^ 2 값을 다시보고하며 이상 값을 살펴보면 프로세스의 어떤 부분이 유출되었는지 확인할 수 있습니다. 통제의. 이는 속도, 온도, 혼합 속도, 전력 등과 같은 프로세스 매개 변수가 모두 프로세스의 일부인 상황에서 종종 유용합니다. 때로는 온도가 변경되어 전류가 더 많이 소모되어 전력이 변경 될 수 있으므로 상황에 따라 여러 요인이 혼합되어있을 수 있으며 MDMVCC 플랫폼이이를 위해 매우 유용합니다.
배치 번호가 올라감에 따라 실패가 발생하는 경향이 있다는 점을 고려하면 시간에 따라 변화하는 프로세스 중에 무언가가 진행되고 있음을 알 수 있습니다. 장애 직전에 두 단계 모두에서 장애가 발생하기 전에 전력이 올라가는 것을 볼 수 있으므로 추가 처리 입력에서 데이터가있는 경우 장애의 근본 원인 인 잠재 요인을 파악하는 데 도움이 될 수 있습니다. 또한 1 단계와 2 단계 사이의 전력 출력에 큰 변화가 있습니다. 설정이 변경되었거나 1 단계의 장애가 2 단계 동안 전원에 영향을 줍니까?
더 많은 데이터를 가져 오면 원인을 파악하는 데 도움이 될 수 있습니다.
행운을 빕니다!,
DS
Re : 부적합으로 드리프트되는 매개 변수 식별자세한 답변에 감사드립니다. 마지막 질문과 관련하여 두 번째 단계는 지문을 설정했으며 phase1 충돌의 영향을받지 않습니다. 첫 번째 단계보다 높을 수도 있습니다.
데이터는 제가 실제로 관리 한 것에 대한 간단한 예입니다. 실제로-수천 행의 데이터를 얻었으며 이전에 설명했듯이 도구가 실패하기 전에 일부 프로세스를 엔지니어에게 경고 할 수있는 테스트를 찾고 있습니다. 런 차트에서도 육안으로 볼 수 있기 때문에 가능하다고 확신합니다.Re : 부적합으로 드리프트되는 매개 변수 식별안녕 뿡 빵뀨 ,
또한 다양한 데이터 소스 (예 : 도구 속도, 도구 온도 등)의 많은 열이 있습니까? 수천 개의 행이 좋지만 다른 데이터를 분석에 가져 오는 것도 도움이 될 수 있습니다. 나에게 그것은 정말로 실패의 근본 원인이되는 잠재적 인 요소가 있고 반드시 전력 자체가 아니라, 궁극적으로 전력이 급등하고 도구가 충돌하는 다른 무언가가 통제를 벗어나는 것처럼 들립니다.
한 가지 할 수있는 일은 마지막 3 ~ 5 개의 측정 값의 이동 평균을 고려하고 마지막 판독 값이 충돌 전의 위치를 추정하고 전력의 상대적 변화를 찾는 것입니다. 전력이 20 % 이상 증가하기 시작한다고 가정 해 보겠습니다. 이는 공구가 고장으로 향하고 있음을 나타냅니다. 2 단계의 평균 설정이 1 단계보다 낮고 여전히 실패하기 때문에 절대적인 변화가 아니라 설정 점에 대한 상대적인 전력 변화 인 것처럼 보입니다.
그러나 다시 말하지만, 다른 데이터를 가져 와서 충돌 지점에서 상관 관계 나 유사한 급증 / 감소를 볼 수 있다면 잠재적 인 요인을 찾는 데 도움이 될 수 있습니다.
당신이 찾은 것을 듣고 싶습니다.
행운을 빕니다!,
DS
