398689_zh-TW

liliconcom

使用進階統計工具解決工業問題 (2021-US-45MP-854)

級別：初級

 

Matheus Sguissardi，Plana Consultoria e Treinamentos 精實六西格瑪顧問

 

公司可能遇到的最嚴重的問題是客戶不滿意。 本演講探討了客戶裝配線上拆卸和組裝電動機接線盒蓋時發生的問題。 拆卸和組裝概念指定至少 10 個週期，但客戶在第一個週期將電纜連接到購買的電動馬達時遇到了問題。

 

為了解決這個問題，使用了六西格瑪方法論中的一些統計工具和方法，以順序和結構化的方式來驗證和否定問題的主要假設，然後以適當的方式做出流程和產品中的所有決策，所有基於事實和數據分析。

 

 

自動產生的成績單...

 

揚聲器	成績單
尼古拉斯·謝爾頓	好的，我要繼續靜音，一旦我繼續靜音，那麼您準備好後就可以開始，就像我提到的，如果您犯了錯誤或發生任何事情，請不要擔心，請繼續繼續，然後，當我們結束了，我會停止錄音並取消靜音。
	好吧好吧，等你準備好了就可以開始了。
	大家好我今天在這裡跟大家講解一下。
	使用一些先進的統計工具和 JMP 解決了一個工業問題，所以這是我在現代電氣製造商工作時遇到的真實問題。
	那麼我們當時面臨的問題是什麼，我們有這個電動機，所以客戶購買了水的蒸餾物。
	而他要把這些電氣模型連接到自己的機器上，所以他必須在這裡打開這個盒子。
	這個盒子有四個不同的螺絲和四個孔，所以他必須打開這個蓋子，他必須將電纜連接到他自己的機器上，並且他必須再次固定它以將其關閉。
	當客戶嘗試這樣做時，此時他必須用此蓋和這四個不同的蓋子來固定以關閉盒子。
	螺絲有時他會出現這個問題，當螺絲[轉錯了？]。 換句話說，螺絲和鋁孔之間不再有夾緊力。
	依照規範，這個螺絲這個組裝過程，而且這些組裝必須承受至少10次。
	客戶在很長一段時間或不同的時間（或如果他必須的話）這樣做不會有任何問題。
	改變位置改變使用這些電動馬達的機器，他應該只是打開和關閉盒子，沒有任何問題所以這裡我們有一點。
	短片只是很好地說明了問題所在，所以這個工作人員在這裡迷失了，根本沒有抓地力。
	當這些發生時並不是我們每天都會遇到的常見問題，但有時發生時也可能會發生，導演收到。
	主管投訴後，給品質經理打電話，品質經理給我打電話，馬修斯，我們必須解決這個問題，所以把人們聚集在一起開始調查。
	這就是發生的事情，這就是我們開始做的事情。
	與其他情況一樣，我們必須調查其他問題。
	我們總是從一些假設開始，所以至少會做一些假設，什麼會影響這個問題，我們如何解釋這個失敗，所以我們把一些來自不同領域的人聚集在一起，例如產品工程。
	我們在這裡可能做錯了什麼，它可能是產品工程部門的任何問題，導致這些問題，一些設計錯誤，或者我們可能有裝配線錯誤問題變化，可能是擰緊機。
	正在使用高扭矩並產生這些問題或我們正在向該供應商購買的螺絲，他們可能為我們提供了這種螺絲。
	直徑減小，我們不能擁有這種握把，或者我們當時列出的最後一個假設是注射工藝，所以這裡安裝了這個鋁盒。
	這個直徑可以打開，所以即使我們有一個壞的螢幕或一個好的螺絲直徑，我們也可以有一個非常大的直徑，而且螺絲不能有這樣的抓地力。
	整個所以我們可能會遇到問題。
	一旦我們召開了這些會議，列出了這些假設，我們就開始驗證或推翻它們。
	透過一些研究，一些研究有一些數據，我們從這裡開始談論產品工程和組裝線，所以它們都無效了。
	我們檢查了所有的設計，檢查了所有的規格，我們在設計這些組件時所採用的所有標準，螺絲和孔之間的組合，不同的材料，一切都很好，所以我們不需要在這裡做任何事情。
	我們在裝配線上使用的擰緊機剛剛得到這個。
	來到實驗室、計量部門，我們檢查了公園，檢查了機器，一切都很好，所以我們這裡沒有出現問題，那麼現在是什麼影響了這個問題？
	這個盒子裡只有螺絲和安裝孔這個鋁製零件，我們可以檢查一下，好吧，讓我們來談談以色列直徑，這是這個問題的主要假設之一。
	在這裡，我們開始使用 JMP，但在我們開始在工廠測量螺絲之前，我們始終需要確保測量系統已獲得批准。
	這是一個簡單的變異性圖表，其中有直徑、螺桿直徑，我們有五個零件，每個零件由兩個不同的操作員測量三次。
	我們這裡有各種組件，我們可以看到這 93.8% 的變化是由零件引起的，所以這是我們可以確定我們的測量系統良好、我們可以區分的事情之一。
	零件在流程中，因此測量系統已獲得批准，現在我們可以繼續前進，我們可以轉到流程 Aaron 我們可以是 30 評估這是螺絲，所以讓我們這樣做，流程的聲音如何正確，我們有我在這裡向您展示的每一步策略範例。
	我們使用了六西格瑪方法，所以我們遵循它一些。
	非常結構化的方法是從測量系統評估開始，進入流程並了解流程的聲音，最後。
	進行一些組合併嘗試驗證或驗證我剛剛提出的那些假設，因此這裡的抽樣是策略。
	我們有一個盒子，裡面裝滿了螺絲，所以我們知道我們擁有的唯一資訊是我們收到了不同批次的這些螺絲，所以每個批次都有它們的螺絲。
	他們是製造日期或製造時刻，所以我們只是將其分為三個不同的批次，每個批次我們稱之為。
	20 個零件，每個零件我們在正方形上的兩個不同位置（例如 0 度和 90 度）進行測量。
	為什麼這個？ 為了查看、了解我們是否會在該直徑上出現一些圓度問題，因此透過這種採樣策略，我們開始收集數據，並在 JMP 中分析了 120 個點。 再次如此。
	在一個非常實際的分析中，運行變異性圖表，只輸入所有 120 個點，我們可以看到一切都在規格限制內。
	這裡的每個點都是螺絲中的一個尺寸。 這些藍線
	它連接著該螺絲的一號位置和二號位置，所以如果這裡有一條非常大的藍線，則表示我們有一個非常大的圓度誤差。
	這意味著這兩個位置的直徑不同，所以它們有很大不同。
	平均而言，直徑可能是好的，但是這些直徑和這些直徑之間的差異可能是錯誤的，這可能會影響我們將其擰入鋁盒時的問題，好吧。
	這是關於該螺絲的非常實用的分析，在圖形分析中，一切似乎都很好，比較螺絲的這兩個不同位置，我們可以看到，我們可以使圓度誤差的假設無效。
	我們可能會產生影響，因此位置一和位置二的平均值幾乎相同。 這裡這些條的大小，沒有什麼好的，兩個或一個的位置非常不同，所以。
	這裡的圖形分析與變異性圖表只是將位置與直徑進行比較，我們可以看到任何東西。
	現在我們應該注意，在使用JMP中的這些流程能力進行定量分析時，我們可以看到供應商流程的聲音是如何正確的，也就是為我們提供這些螺絲的供應商。 流程如何？ 正確的。
	我們這裡的 CPK 約為 1.47，PPK 約為 1.014。 我們的不穩定程度約為 1.45，因此這不是我們擁有的最佳流程。
	見過但是。
	考慮理想的 PPK 1.33。 並在此思考對品質特徵或尺寸的關鍵。
	我們可以假設這些螺絲可能會在我們的長期基礎上影響問題，現在，它們都在這個規格之內，但基於統計數據，基於 PPK 值。
	低於1.33也許將來會出現問題吧。
	但在指責供應商之前，我們需要了解注射過程，我們的流程。 如果我們能夠穩健地應對螺絲的這種變化，對我們來說更好，因為我們不需要這樣做。
	開始在供應商中做任何事情就可以了。
	所以這個假設。
	它被擱置了。 讓我們把這個放在一邊，等待有關我們注射過程的研究。
	讓我們看看我們是如何做到的。
	為了注射這些盒子，我們有一個模具。
	此模具有四個不同的型腔。 所以每次我們注入
	這個過程我們得到四個不同的部分，對吧？ 每個部件都有四個不同的孔，客戶用這些孔來固定蓋子。 而每個部分，我們也會在不同的位置進行測量。 位置一和位置二。
	因此，在我們開始測量這個過程並查看原始實際過程中發生的情況之前，我們必須確保我們的測量系統良好並且得到批准。
	我們必須確保我們知道如何處理五個壞部分和五個好部分。 所以我們用一個零件、一個盒子來運作這個。
	這些測量系統在這四個不同的孔中存在差異。 每個孔由兩名不同的操作員各測量三次。 因此，此測量系統的最大變化是由 95% 的孔引起的。
	在這裡我不得不說，批准是非常困難的。
	這就像我們運行的第三個 MSA。 我們必須在這裡購買一個新的防護罩來測量這個內徑。 該規範非常嚴格，並且相關的分辨率
	關於一開始沒有分配的儀表，所以我們批准了第三個 MSA。 所以一旦獲得批准
	現在我們可以繼續前進，我們可以測量過程中的零件，我們可以了解我們的注射過程如何變化。 它如何影響我們的問題。 所以我們進入了這個過程，我們得到了具有四個不同腔體的模式。
	每個腔體有五個零件。
	所以我們在這個過程中只注射了五次，每個型腔給了我們五個零件。 每個部分都有
	四個不同的孔，每個孔我們測量到不同的位置，所以這是我們稱為六西格瑪工具的範例策略
	透過這些變化的組成部分，我們可以了解流程的聲音如何，我們可以將流程的聲音與客戶的聲音進行比較，並使用 JMP 中的流程能力，我們可以了解問題有多大。 所以，
	這裡我們有COV實際分析。 而且，我們收集的所有數據都在這裡。
	所以我們在這個變異性圖表中有四個不同的空腔。 這裡是第一個空腔，這裡是第二個空腔，這裡是第三個空腔，這裡是第四個空腔。 所以我們可以在這裡看到很多很多不同的情況
	對我們非常重要的資訊。 例如，我們在此變異性圖表中看到的最糟糕的空腔是第二個空腔。
	因為我們可以例如讓我們在這裡獲得零件號 6，我們在該規範內有第一個孔，第二個孔。
	在本規格之外，規格內的第三個孔和第四個孔保持外側位置之一和內側位置之一。 所以，這不好。
	這導致......它導致這些數據發生很大的變化，也許，這裡我們找到了問題的根本原因，對吧？
	為什麼這個模具，這是同樣的老四個不同的腔，為什麼三號腔那麼好，而二號腔那麼糟糕，而一號和四號或多或少，對嗎？
	球洞上的這兩個位置之間存在很大差異。 這意味著該孔不是圓形的。 我們有
	這裡的循環誤差可能會影響問題。 所以，這是一個非常實用的分析，我們可以透過這些變異性圖表在 JMP 中看到很多東西。
	進行更圖形化的分析，我剛剛去掉了位置孔 she,e 和那些藍線，現在它們位於該條形圖的內部。 因此，條形越大，圓度問題就越大。
	我們可以再次看到第三個空腔。 我們沒有看到這個問題，但是，在第一腔、第四腔和第二腔中我們仍然可以看到這個問題。
	非常非常大，對嗎？ 在使用現在我們的處理能力的定量分析中，我們可以看到，當我們將所有 100 60 個數據
	在同一個批次裡面，同樣的評價，同樣的分佈，我們可以看到一個非常糟糕的過程我們的CPK和PPK幾乎等於0，所以是一個非常糟糕的過程。
	考慮長期或短期的不合格情況
	基礎上，我們談論的是超過 30 萬個不合格零件
	違反我們的規範，這意味著如果我們購買 100 萬個，我們很抱歉如果我們注入 100 萬個這樣的盒子，
	鋁盒，我們將有超過 300 或 30% 是我們的規格，所以也許我們剛剛發現問題。 JMP 向我們提供的另一件事非常有趣，我們有這個 160
	這裡有數據，但我們知道正在調查這個的人，正在分析這個的人，
	知道我們有四個不同的型腔，每個型腔有大約 40 個數據點，那麼為什麼不將這些分析分成不同的型腔呢？ 所以，這就是我們在這裡所做的。 所以我們對型腔一進行了製程能力分析。
	過程非常不穩定。 型腔二再次非常不穩定的過程，我們有負的 PPK 和 CPK 值。
	這意味著這個衡量標準、這個過程的意義是在規範之外的其中之一。 所以，我們可以在這裡看到樣本平均數是 4.50075，
	而規格上限為 4.5000。 所以我們超出了我們的規格。 這意味著我們的 PPK 為負。 所以，
	是非常糟糕非常糟糕的工藝，比空腔工藝還糟糕。 第三腔就是很好的一個。 所以，我們可以看到一個非常穩定的過程。 穩定性指數接近1。
	CPK和PPK值非常好。 正常形式的期望非常好。 所以，腔四，我們也有一個不好的過程。
	CPK和PPK不好，逐年比較現在就很清楚我們的問題在哪裡，對吧？ 是在腔體 1、2、3 還是 4 中？
	因此，如果我們必須在我們的過程中開始行動，我們必須評估第二個、第一、第四個空腔的尺寸、情況和特徵，而我們不需要在第三個空腔中做任何事情。
	因此，關於我們的注射過程的假設得到了驗證。
	我們仍然擱置螺桿直徑假設。 那麼，為什麼我要擱置這個問題，因為我們可以一起評估它們。
	螺絲和安裝孔之間存在干涉。 我們如何評估它們在產品過程中如何相互作用。
	一旦我們掌握了這兩個過程的信息，它們有多好或多壞，對嗎？ 我們有每個過程的平均值和標準差，因此我們可以將它們放在一起。 那麼讓我們從這裡開始運行吧。
	孔徑與螺絲直徑的二元擬合。 我在這裡做了什麼？
	我剛剛進入 JMP，在這些 Fit Y by X 中，我只是在 Y 中輸入孔徑，在 X 中輸入螺絲直徑。 這裡，
	這裡的藍色陰影是規格限制。 因此，我們有篩網直徑的規格限制，也有安裝孔徑的規格限制。 這裡的所有這些單點都是螺絲和孔徑之間的組合。 所以，
	一旦我在這個過程中測量了這一點，我就識別出每個零件，例如零件號一、零件號五和我[無法理解]。
	零件號 25 零件號 30，用於螺絲和鋁盒。 例如，這裡的這個點，這裡的這個點，這是六號盒子、二號孔和九號螺絲。 螺絲號在這裡，孔徑在這裡。 對於這裡的每一點。
	我以策略性的方式結合起來，因為我想看到
	當我使用較小的螺桿直徑並以較小的孔徑組裝在一起時，這些零件、這些組件會表現出什麼情況。 但是如果我有一個小螺絲和一個大螺絲會發生什麼事？
	整體合適吧？ 如果螺桿直徑和孔徑都很大，會發生什麼事？ 如果我有的話，在這個過程中我能得到什麼？
	螺桿直徑很大而孔徑很小嗎？ 我們還有很多介於兩者之間的點。 所以我們這裡有大約 60 種不同的數據組合
	我在這裡得到了每一個組合。 試圖重現這個失敗嗎？ 正確的？ 因為，一旦我們重現故障，我們就可以了解過程中發生的情況。 什麼
	可能會影響該過程。 根本原因是什麼。 是螺絲嗎？還是安裝孔。 我們應該從什麼維度來避免這個問題呢？ 所以，
	例如這裡的這個，當他們將九號螺絲放入六號盒子的整個二號中時，我使用那台機器來組裝它
	我們在此過程中使用的。 而且，我拆解了這個。 當我嘗試
	再做一次，我做不到。 所以我遇到了問題。 這裡的集會次數等於一次，也就是說我只能進行一次。
	讓我們來看另一種情況。 這個點，就在這裡。 當我拿到 15 號螺絲時，螺絲直徑約為 4.73
	對比14號盒子的二號孔，孔徑約為4.43，這意味著螺絲與整個直徑之間的過盈量約為0.3毫米。 那麼多少次
	我可以做到這一點，對嗎？ 所以，我可以重複這個打開和關閉盒子、打開和關閉、打開和關閉的過程，30次。 這樣的情況在這裡，已經發生過五次了。 這裡的情況，21次。 因此，對於這些要點中的每一點，我們都會執行此組裝過程，直到出現問題為止。 所以我們可以。
	計算我們重複這個過程的次數。 因為我們的資料表中有一個名為
	作為這些組件的數量或數量，我們可以在這裡放置一個圖例，例如，點從紅色到綠色。 這裡的紅點是壞的。 他們是。
	0 到 10 之間。 請記住，規格下限為 10。 我們必須能夠重複這個過程至少 10 次。 所以這裡所有的紅點都是壞的。
	我們在 JMP 中使用的另一個非常有趣的工具是預測刻畫器。 此時我使用擬合模型，其中放置了它們的三個自由度：孔徑、螺絲直徑以及它們之間的相互作用。 我有過。
	R 平方約為 0.88。 所以，這很好，對吧？ 我們可以很好地代表這些模型。 那麼，在這裡我們可以開始處理我們的數據中的一些不同情況，對吧？
	因為我們有
	這裡是孔徑，這裡是螺桿直徑，這裡有結果，我們的 Y，我們的目的，我們的目標。 也就是我們在這個過程中能夠擁有的這個組件的數量。
	因此，如果我們解決第一個問題，我在這裡運行的第一個場景是，如果我們將螺桿直徑固定為供應商提供給我們的平均值
	今天，整個直徑的平均值應該是多少，才能保證至少11個拆卸，對嗎？ 這意味著應該是 4.50 毫米，對吧？ 哦，那很好。 我們有了第一個場景，但是流程變化怎麼樣，對嗎？
	請記住我們測量了
	160.
	零件，鋁盒。 我們測量了 120 個直徑。 那麼，我們有這些產品的標準差，對嗎？ 當我們在預測刻畫器中使用模擬器時
	放在這裡，保存規格下限，加入我們的隨機變化。
	圍繞這個孔徑。 將我們在過程中得到的標準偏差和我們在過程中得到的螺桿的標準偏差，我們可以進行模擬。 我這裡只是模擬了10000
	不同的組合，我們的失敗率約為 44%，所以這是非常非常大的，所以讓我們從一些不同的場景開始。
	假設我們在註射過程中沒有做任何事情，並要求供應商
	將其具體結果放入規範標稱中的規範限值平均值中
	並減少一點變化。 因此，我將更改此處的值。 因此，我只是將螺桿直徑的平均值放入標稱值中，以減少變化。 所以這個綠色
	曲線這裡綠色分佈減少了。 我再次模擬，結果從 44% 降到了 32%。 所以，
	好處很少，付出的努力太多，但是因為我們會要求供應商給我們一個更好的結果，但他們的結果已經很好了，對嗎？ 一切都在規範之內。 所以，
	發生了什麼，我們在我們的流程中工作，讓我們看看如果我們只是這樣做會發生什麼
	再次將螺桿直徑表示為它們現在提供的平均值和標準偏差。 我們只是減少了一點過程中的變化，而且，
	處理名目值的平均值為 4.45。 請記住，這些型腔的變化非常非常大，所以我們假設我們修正、修復了我們的流程。
	將處理的平均值設為名目值並減少變異。 我們可以進行多少次拆卸？ 為什麼？ 因此，預測分析器只是將 20 次重複反彙編的結果放在這裡。 率、故障率
	下降到 0.009% 這對我們來說非常非常好。 所以，
	即使存在這種群體差異，該過程也需要 20 次拆卸。 這很好。 那麼我們剛剛驗證了注入過程問題，對吧？ 如果假設的話。 我們沒有螺桿直徑工藝，但我們的注射工藝有問題。
	一旦我們看到這一點，我們就制定了行動計劃。 我們寫了這些，並將其提交給經理、品質經理、工程經理、總監和
	注射過程管理器，對嗎？ 那台注塑機的擁有者，那個模具的擁有者。 所以，在向領導者分享結果和預測後
	鋁注塑模具已採取行動。 用於建立裝配孔的銷釘已更換為新銷釘。 修改後的模具提供了以下結果以供驗證。 所以，
	一旦我們修復了我們正在交付的引腳。
	在盒子上打孔後，我們進行了另一項 COV 驗證研究。 而且，我們在這裡得到了這個結果。 因此，另外 20 個零件位於相同的四個不同孔腔、兩個不同位置。 我們現在有
	一個新的蛀牙，效果非常非常好。 甚至比我們在預測刻畫器中預測的結果還要好。
	一個非常小的變化。 那麼，讓我們看看當我們談論穩定性時會發生什麼，對嗎？ 這是一個非常好的工藝能力。 我們有。
	零不符合[無法理解]，所以這就是全部。
	幾乎是零吧，這是一個非常好的新流程。 而且，我們現在可以在這裡比較之前和之後的操作
	透過我們的新流程。 所以，我在調查開始時使用的同一個二變量圖，現在我在這裡展示新的值，因為我們所做的，在這裡我們得到了這些新的 20 個部分。
	我們測量新螺絲。 並且，我們將不同的情況再次組合在一起。 螺絲直徑和孔直徑的不同值
	我們去了流程，拿到那台機器，開始拆解、組裝、拆解、組裝，重複這個過程，直到出現故障。 所以，
	正如您在這裡所看到的，對於此處的兩個特性，所有點現在都位於此規範內。 而且，這裡紅色的最糟糕的一點是有 10、11、12、15 次拆卸。 所以現在我們遇到了問題
	解決了，對吧？ 我們不再有問題了。 我們只是投入這個過程。
	工廠裡有一些控制計劃，所以他們必須控制
	現在確定銷釘的直徑
	在特定時刻，他們必須更換這些銷釘。 以確保孔徑。 為了確保客戶不會出現這個問題，對嗎？所以這就是問題所在。 問題解決了。
	就是這樣，夥計們。 我將在這裡用幾分鐘的時間向您展示我是如何正確做到這一點的
	JMP。 所以，我這裡有我們的數據表，其中有我使用的盒子，我使用的孔，每個孔，我們有直徑。
	每個螺絲都會在這裡測量直徑，以及該螺絲所有組合的數量，我們這裡有 60 個組合，並且我們有每個組合的拆卸數量。 所以，
	我在這裡做的事情之一是分析 -> 透過 X 擬合 Y。 我將孔徑放在 Y 中，將螺桿直徑放在 X 中。
	我這裡有這個圖表，所以這與我展示的不同，因為我有規格限制，對嗎？ 因此，我在這裡放置了規格限制的允許範圍。 我放在這裡
	這是螺絲，所以這是 4.617 到 4.8 我只是在這裡放藍色並添加。所以，我們有相關的規範。
	螺桿直徑，這裡有 4.4、4.5。
	而且，我會把這裡
	孔規格也是如此。
	孔規格。
	就這樣到這裡了。
	我會起飛。
	所以。
	哎呀。
	範圍又是4.4、4.5。
	現在我們有了該圖。 所以，我們那裡有所有的點。
	而圖例我只需右鍵單擊此處，行圖例
	拆卸。我選擇這裡，這些綠色到紅色。
	我在這裡選擇了反向比例，因為綠色，我想成為最好的。 所以，他們在這裡。 好吧，我也可以，
	在這裡得到更大的點。 這是我使用的圖表之一。
	我所做的另一件事是讓我們清除此處的行狀態，即分析->擬合模型。 所以，我的 Y，我的目標是拆卸的數量。 我剛剛放在這裡的總直徑和螺桿直徑。 而且，我也把他們之間的互動也放進去，然後我就跑了。
	而我這裡有，
	我的 R 方擬合總結如下：
	分析器就在這裡。 所以，
	這裡是我把直徑放在這裡的地方，我在這裡改變了這個孔徑，這裡使用的是模擬器II，所以我在這裡保存了規格限制，所以我知道10是拆卸數量的規格下限。
	我在這裡圍繞這些平均值放置了一個隨機變化。 所以，一旦我有了這個，我就...
	我可以選擇 5000 次運行，我在這裡進行了模擬，我在這裡得到了這個失敗率。 這是不同的，因為我沒有使用與演示相同的值。 因此，我們可以在這裡運行不同的場景。 假設我們在 4.43 開始提供漏洞。
	因此，拆卸次數將為 24 次，其平均值與
	螺桿直徑。 這是 JMP 中一個非常非常好的工具，我在演示中經常使用它。 所以，
	謝謝你們的觀看，就這樣吧。 就這樣結束了。

爆發數據視覺化品質和可靠性統計和建模回覆：使用進階統計工具解決工業問題 (2021-US-45MP-854)

馬修斯：非常棒的演講！ 我將與我的同事分享這一點。