부적합으로 표류하는 매개변수 식별커뮤니티 안녕하세요.
뭉개질 때까지 실행 횟수와 함께 증가하는 힘의 데이터가 있습니다.
정시에 수정하여 호감을 피하기 위해 호감이 가기 전에 일부 실행을 식별하는 좋은 통계적 방법은 무엇입니까?
첨부, 데이터 샘플.
BR,
요아브
소비자 및 시장 조사Re: 부적합으로 흘러가는 매개변수 식별안녕하십니까?
마지막 5포인트의 이동 평균이 꽤 좋은 경고를 줄 수 있는 것 같습니다. 여전히 경보에 대한 정확한 변경 설정점을 찾아야 하지만 이것이 좋은 방법인 것 같습니다. 아쉽게도 자세한 데이터를 온라인으로 공유할 수 없습니다.
할 수 있다고 생각하는 또 다른 옵션은 이동 평균을 사용하여 "추세 힘"을 찾고 강한 추세 파손(추세의 강한 변화, 증가, 증가)을 찾는 것입니다.
친애하는,
요아브
Re: 부적합으로 흘러가는 매개변수 식별안녕 @YGerchman ,
예를 들어 공구 속도, 공구 온도 등 다양한 데이터 소스의 열이 많이 있습니까? 수천 개의 행도 좋지만 분석에 가져올 다른 데이터가 있으면 도움이 될 수 있습니다. 나에게 그것은 전원 자체가 아니라 고장의 근본 원인인 잠재적인 요인이 있는 것처럼 들립니다. 궁극적으로 전원이 급증하고 도구가 충돌하는 원인이 되는 다른 무언가가 통제 불능 상태가 되는 것과 같습니다.
할 수 있는 한 가지는 마지막 3~5회 측정의 이동 평균을 고려하고 마지막 판독값이 충돌 전의 위치를 추정하고 전력의 상대적 변화를 찾는 것입니다. 이는 도구가 실패로 향하고 있음을 나타냅니다. 2단계의 평균 설정이 1단계보다 낮고 여전히 실패하기 때문에 절대적인 변화보다는 설정값에 대한 전력의 상대적인 변화인 것 같습니다.
그러나 다시 말하지만, 다른 데이터를 가져와 크래시 지점에서 상관관계 또는 유사한 급증/하락을 볼 수 있다면 잠재 요인을 찾는 데 도움이 될 수 있습니다.
나는 당신이 찾은 것을 듣고 싶습니다.
행운을 빌어요!,
DS
Re: 부적합으로 흘러가는 매개변수 식별자세한 답변 감사합니다. 마지막 질문과 관련하여 - 두 번째 단계에서는 지문을 설정했으며 1단계 충돌의 영향을 받지 않습니다. 그것은 또한 첫 번째 단계보다 높을 수 있습니다.
데이터는 내가 실제로 관리한 것에 대한 간단한 예입니다. 사실 - 우리는 수천 행의 데이터를 얻었고 이전에 설명했듯이 도구가 실패하기 전에 일부 프로세스를 엔지니어에게 경고할 수 있는 일부 테스트를 찾고 있습니다. 육안으로도 런 차트에서 볼 수 있기 때문에 가능하다고 확신합니다.Re: 부적합으로 흘러가는 매개변수 식별안녕 @YGerchman ,
게다가 둘 다 @Kevin_Anderson 그리고 @게오르그 다음을 추가하겠습니다.
또 다른 옵션은 힘과 관련된 추가 데이터가 있는 경우 모델 기반 다변량 컨트롤 차트 플랫폼(분석 > 품질 및 프로세스 아래)을 사용할 수 있습니다. 이 플랫폼은 PCA를 사용하여 다차원 데이터(전력과 함께 기록되는 다른 프로세스 매개변수가 있다고 가정)를 줄이고 T^2 값을 다시 보고하며 이상값을 살펴봄으로써 프로세스의 어떤 부분이 문제가 되었는지 확인할 수 있습니다. 통제의. 이것은 프로세스의 일부인 속도, 온도, 혼합 속도, 전력 등과 같은 많은 프로세스 매개변수가 있는 상황에서 종종 유용합니다. 때로는 온도가 변하여 더 큰 전류 소모로 인해 전력이 변경될 수 있으므로 상황에 따라 요인이 혼합될 수 있으며 MDMVCC 플랫폼은 이에 매우 도움이 됩니다.
배치 번호가 높아질수록 실패가 발생하는 경향이 있다는 점을 고려하면 시간이 지남에 따라 변화하는 프로세스 중에 무언가가 진행되고 있음을 시사합니다. 장애 직전 두 단계 모두 장애 직전에 전력이 올라가는 것을 볼 수 있으므로 추가 처리 입력 데이터가 있는 경우 장애의 근본 원인인 잠재 요인을 파악하는 데 도움이 될 수 있습니다. 또한 1단계와 2단계 사이에 전력 출력에 큰 변화가 있습니다. 설정이 변경되었거나 1단계의 오류가 2단계 동안 전원에 영향을 미쳤습니까?
더 많은 데이터를 가져오면 원인을 파악하는 데 도움이 될 수 있습니다.
행운을 빌어요!,
DS
Re: 부적합으로 흘러가는 매개변수 식별~에게 @YGerchman 의 SPC 차트에서 볼 수 있듯이 @Kevin_Anderson 힘은 항상 호감 전에 증가합니다. 짝사랑이 일어나기 전에 감지하는 규칙을 찾을 수 있습니다. 플랫폼에 있는 SPC 규칙으로는 합리적인 결과를 얻을 수 없었지만 크러쉬가 발생하기 전에 도달할 상한선을 계산하고 이를 사용하여 크러쉬가 발생하기 전에 전력을 고정할 수도 있습니다. 스크린샷의 예를 참조하십시오.
- 0개의 파워행을 먼저 삭제했습니다(으스러지기 전에는 모르기 때문에)
- 그런 다음 해당 단계에서 전력의 평균과 stddev를 계산하는 열 공식을 만들었습니다.
- 그런 다음 현재 값과 비교합니다.
- 현재 값 > (mean(power) + 2 x stddev(power))이면 충돌 직전입니다.
이것은 현재 데이터에 대해 작동하며 이 규칙이 신뢰할 수 있는지 보여주기 위해 훨씬 더 많은 데이터가 필요할 수 있습니다.
또한 모든 것은 중단된 실행 비용과 이전에 문제를 해결하는 비용에 달려 있습니다.
BR
Re: 부적합으로 흘러가는 매개변수 식별안녕 요아브!
데이터에서 실행 신호를 보내는 "좋은 통계적 방법"은 매우 한정되어 있을 수 있습니다.
한 가지 방법은 Analyze 풀다운 >Quality and Process>Legacy Control Charts>Levey Jennings에서 Nelson 규칙을 사용하는 것입니다.변수를 역할에 캐스팅하고 확인을 클릭하면 컨트롤 차트가 만들어집니다.작은 역삼각형(LIRT) 아래에서 테스트>모든 테스트를 선택합니다.다음과 같은 결과가 나타납니다.
나는 모든 규칙을 시연했지만 원하는 것을 구체적으로 감지하는 데 적절하다고 생각되는 모든 규칙을 사용할 수 있습니다. 규칙과 정당성에 대해 자세히 설명하는 Lloyd Nelson의 몇 가지 참조 기사가 동봉되어 있습니다.
물론 원하는 경우 고유한 규칙을 만들어 JSL로 구현할 수도 있습니다.그리고 앞서 언급한 것처럼 데이터 실행에 대한 다른 많은 테스트가 있습니다.원하는 것을 안정적으로 감지하는 것을 선택하십시오.
행운을 빌어요!
