398689_ko-KR

liliconcom

고급 통계 도구를 사용하여 산업 문제 해결(2021-US-45MP-854)

레벨: 초급

 

Matheus Sguissardi, 린 식스 시그마 컨설턴트, Plana Consultoria e Treinamentos

 

기업이 가질 수 있는 가장 큰 문제는 고객 불만입니다. 이 토크는 전기 모터 연결 상자의 덮개를 분해 조립할 때 고객의 조립 라인에서 발생하는 문제를 조사합니다. 분해 및 조립 개념은 최소 10주기 동안 지정되었지만 고객은 구매한 전기 모터에 케이블을 연결할 때 첫 번째 주기에서 문제가 발생했습니다.

 

문제를 해결하기 위해 식스 시그마 방법론의 일부 통계 도구와 방법을 사용하여 문제의 주요 가설을 검증 및 무효화한 다음 프로세스와 제품의 모든 결정을 적절한 방식으로 순차적이고 구조화된 방식으로 수행했습니다. 사실과 데이터 분석을 기반으로 합니다.

 

 

자동 생성된 대본...

 

스피커	성적 증명서
니콜라스 쉘튼	알겠습니다. 음소거 상태로 전환하고 일단 음소거 상태로 전환하면 준비가 되면 시작할 수 있습니다. 제가 언급한 것처럼 실수를 해도 걱정하지 마세요. 녹음을 중지하고 음소거를 해제하겠습니다.
	알겠습니다. 준비가 되면 시작할 수 있습니다.
	안녕하세요 여러분, 저는 오늘 여러분에게 이야기하기 위해 여기에 왔습니다.
	일부 고급 통계 도구와 JMP를 사용하여 해결된 산업 문제이므로 이것은 내가 전기 현대 제조업체에서 일할 때 직면한 실제 문제입니다.
	그래서 우리가 이 전기 모터를 가지고 있었던 당시에 직면한 문제는 무엇이었습니까? 그래서 고객은 물에서 증류액을 구입합니다.
	그리고 그는 이 전기 모델을 자신의 기계에 연결해야 하므로 여기에서 이 상자를 열어야 합니다.
	이 상자에는 4개의 다른 나사와 4개의 구멍이 있습니다. 그래서 그는 이 덮개를 열어야 하고 전기 케이블을 자신의 기계에 연결해야 하고 다시 고정하여 그렇게 해야 합니다.
	고객이 이것을 하려고 할 때, 그리고 그는 이 덮개와 이 4가지 다른 상자로 상자를 닫아야 하는 순간에 수정해야 합니다.
	나사는 가끔 나사가 [거짓으로 바뀌었습니까?] 이 문제가 있습니다. 즉, 나사와 알루미늄 구멍 사이에 더 이상 그립이 없습니다.
	사양에 따르면 이 나사는 이 조립 과정을 거치며 이것들이 조립되는 과정은 최소 10회 이상을 견뎌야 합니다.
	그리고 고객은 장기간, 장기간 또는 다른 시간 동안 또는 필요한 경우 아무 문제 없이 이 작업을 수행합니다.
	위치 변경 이러한 전기 모터가 사용되는 기계의 위치를 변경하면 문제 없이 상자를 열고 닫아야 합니다. 그래서 여기에 약간의 정보가 있습니다.
	짧은 비디오는 문제가 무엇인지에 대한 좋은 예시일 뿐입니다. 그래서 이 승무원은 여기서 길을 잃었고, 전혀 그립이 없습니다.
	이런 일이 우리가 매일 직면하는 일반적인 문제는 아니지만 가끔 일어날 수 있는 일이 있을 때 감독은 받았습니다.
	불만을 품은 이사는 품질 관리자라고 불렀고 품질 관리자는 나를 불렀고 그래서 Matheus, 우리는 이 문제를 해결해야 하므로 사람들을 모아 이 조사를 시작해야 합니다.
	그리고 그것이 우리가 시작한 일입니다.
	다른 상황으로 우리가 조사해야 하는 다른 문제.
	우리는 항상 몇 가지 가설로 시작하므로 이 문제에 영향을 미칠 수 있는 몇 가지 가설은 최소화할 것입니다. 이 실패를 어떻게 설명할 수 있습니까? 그래서 제품 엔지니어링과 같은 다양한 분야의 사람들을 모았습니다.
	여기서 우리가 잘못하고 있는 것은 문제가 될 수 있으며 제품 엔지니어링 부서에서 이러한 문제, 일부 설계 오류 또는 조립 라인 오류 문제를 일으킬 수 있습니다.
	는 높은 토크로 작업하고 이러한 문제를 생성하거나 우리가 이 공급업체에서 바로 구매한 이 나사를 생성합니다.
	직경이 줄어들고 이 그립을 가질 수 없거나 당시에 나열한 마지막 가설이 사출 프로세스였으므로 여기에 맞는 알루미늄 상자가 있습니다.
	이 직경은 열릴 수 있으므로 우리가 나쁜 스크린이나 좋은 나사 직경을 가지고 있더라도 우리는 매우 큰 직경을 가질 수 있고 나사는 이것으로 이 그립을 가질 수 없습니다.
	문제가 있을 수 있습니다.
	이러한 회의가 열리면 이러한 가설이 나열되어 검증 또는 무효화를 시작했습니다.
	일부 연구에서 일부 데이터와 함께 우리는 여기에서 제품 엔지니어링 및 조립 라인에 대해 이야기하기 시작하여 둘 다 무효화되었습니다.
	우리는 모든 설계를 확인합니다. 모든 사양을 확인합니다. 우리가 이 어셈블리를 설계할 때 가지고 있었던 모든 표준을 확인합니다. 나사와 구멍이 서로 다른 재료의 조합, 모든 것이 괜찮았으므로 여기서 아무 것도 할 필요가 없었습니다.
	우리가 조립 라인에서 사용하던 나사를 조이는 기계가 바로 이것을 얻었습니다.
	실험실에 와서 계측을 하고 공원을 확인했고 기계를 확인했고 모든 것이 정상이었습니다. 그래서 여기에서는 문제가 없었습니다. 그래서 지금 이 문제에 영향을 미칠 수 있는 것은 무엇입니까?
	나사와 피팅 구멍이 있는 이 알루미늄 부품은 여기에서 확인할 수 있습니다. 확인을 해보자. 이 문제의 주요 가설 중 하나인 이스라엘 직경에 대해 이야기해 보겠습니다.
	여기에서 JMP를 사용하기 시작했지만 공장에서 나사 측정을 시작하기 전에 측정 시스템이 승인되었는지 항상 확인해야 합니다.
	여기에 직경, 나사 직경이 있는 간단한 변동성 차트가 있습니다. 각 부품은 5개의 부품이 있습니다. 각 부품은 두 명의 다른 작업자가 각각 세 번씩 측정했습니다.
	여기 다양한 구성 요소가 있습니다. 여기에서 93.8%의 변동 변동이 부품에 의해 발생했음을 알 수 있습니다. 따라서 이것은 우리의 측정 시스템이 양호하고 차별화할 수 있다는 것을 확신할 수 있는 것 중 하나입니다.
	측정 시스템이 승인되었으므로 이제 계속 진행할 수 있습니다. 프로세스로 이동할 수 있습니다. Aaron 우리가 할 수 있는 것은 30세입니다. 평가할 수 있는 것은 나사이므로 합시다. 프로세스의 목소리가 옳고 우리는 내가 여기에서 제시하는 모든 단계마다 샘플 전략이 있습니다.
	우리는 6시그마 방법론을 사용했기 때문에 일부를 따릅니다.
	매우 구조화된 접근 방식은 측정 시스템 평가로 시작하여 프로세스로 이동하여 프로세스의 목소리를 이해하고 결국에는 프로세스의 목소리를 이해하는 것입니다.
	몇 가지 조합을 수행하고 방금 제시한 가설을 검증하거나 검증하여 샘플링이 여기에서 전략입니다.
	내부에 나사로 가득 찬 상자가 있었습니까? 그래서 우리가 가지고 있는 유일한 정보는 이 나사를 다른 배치로 받았기 때문에 각 배치가 켜져 있다는 것뿐이었습니다.
	그들은 제조 날짜 또는 제조 시점이므로 우리가 호출한 각 배치를 세 개의 다른 배치로 분리했습니다.
	20개의 부품과 각 부품은 0도와 90도 같은 정사각형의 두 가지 다른 위치에서 측정했습니다.
	왜? 확인하기 위해 이 지름에 원형성 문제가 있을 수 있는지 이해하기 위해 이 샘플링 전략을 사용하여 데이터 수집을 시작했고 JMP에서 분석할 120개 포인트가 있었습니다. 그래서 다시.
	여기에서 변동성 차트를 실행하는 매우 실용적인 분석에서 120개 포인트를 모두 입력하면 모든 것이 사양 한계 내에 있음을 알 수 있습니다.
	여기에 있는 각 점은 나사의 한 측정값입니다. 이 파란색 라인
	이것은 이 나사의 위치 1과 2를 연결하고 있으므로 여기에 매우 큰 파란색 선이 있으면 매우 큰 원형 오류가 있음을 의미합니다.
	이것은 직경의 두 위치가 다르므로 매우 다릅니다.
	직경은 평균적으로 좋을 수 있지만 이들과 이러한 직경의 차이는 틀릴 수 있으며 이것은 알루미늄 상자에 나사를 조이는 순간 문제에 영향을 줄 수 있습니다.
	이것은 나사의 이 두 가지 다른 위치를 비교하는 그래픽 분석에서 모든 것이 좋은 것으로 보인 이 나사에 대한 매우 실용적인 분석입니다. 우리는 볼 수 있습니다. 원형도 오류라는 가설을 무효화할 수 있습니다.
	영향을 미칠 수 있으므로 위치 1과 위치 2의 평균이 거의 동일했습니다. 여기 이 막대의 크기는 아무 것도 없습니다. 좋습니다. 위치 2 또는 1은 매우 다릅니다.
	이 그래프 분석은 직경에 대한 위치를 비교하는 가변성 차트를 사용하여 무엇이든 볼 수 있습니다.
	이제 JMP에서 이러한 프로세스 기능을 사용하여 정량적 분석에서 주의를 기울여야 합니다. 우리는 이러한 나사를 제공하는 공급업체의 프로세스의 목소리가 어떻게 올바른 공급업체인지 알 수 있습니다. 과정은 어떻습니까? 오른쪽.
	CPK는 약 1.47, PPK는 약 1.014입니다. 불안정성은 약 1.45가 걸리므로 우리가 가진 최고의 프로세스는 아닙니다.
	보았지만.
	고려하고 이상적인 PPK 1.33. 그리고 여기에서 품질 특성 또는 치수에 대한 중요도에 대해 생각합니다.
	우리는 이 나사가 장기적으로 문제에 영향을 줄 수 있다고 가정할 수 있습니다. 지금 당장은 모두 이 사양 내에 있지만 PPK 값을 기반으로 한 통계를 기반으로 합니다.
	1.33미만이면 나중에 문제가 될 수도 있습니다.
	그러나 공급자를 비난하기 전에 우리는 주입 과정, 우리 과정을 이해해야 합니다. 나사의 이러한 변형에 대해 견고할 수 있다면 필요하지 않기 때문에 더 좋습니다.
	공급자에서 무엇이든 시작하고 좋습니다.
	그래서 이 가설.
	보류 중이었습니다. 이것을 제쳐두고 우리의 주입 과정에 대한 연구를 기다리자.
	어떻게 그렇게 했는지 봅시다.
	이 상자를 주입하기 위해 금형이 있습니다.
	이 금형에는 4개의 다른 구멍이 있습니다. 그래서 주사할 때마다
	이 과정에서 우리는 4개의 다른 부분을 얻습니다. 맞죠? 각 부품에는 고객이 덮개를 고정하는 데 사용하는 4개의 다른 구멍이 있습니다. 그리고 각 부분은 다른 위치에서도 측정합니다. 위치 1과 위치 2.
	다시 말하지만, 이 프로세스를 측정하기 시작하고 원래의 실제 프로세스에서 무슨 일이 일어나는지 보기 전에 측정 시스템이 승인된 상태인지 확인해야 합니다.
	우리는 다섯 가지 나쁜 부분과 좋은 부분을 처리하는 방법을 알고 있는지 확인해야 합니다. 그래서 우리는 이것을 한 부품, 한 상자로 실행했습니다.
	네 개의 다른 구멍에서 이러한 측정 시스템의 변화. 두 명의 다른 작업자가 각 구멍을 각각 세 번씩 측정합니다. 그래서 우리는 이 측정 시스템의 가장 큰 변화가 95% 홀에 의해 발생했습니다.
	나는 그것을 승인하기가 매우 어렵다고 여기에서 말해야 한다.
	그것은 우리가 실행한 세 번째 MSA와 같았습니다. 이 내경을 측정하려면 여기에서 새 가드를 구입해야 합니다. 사양이 매우 엄격했고 해상도에 대한
	초기에 적절하지 않은 게이지에 대해 우리는 이 세 번째 MSA를 승인했습니다. 그래서 승인되면
	이제 계속 진행할 수 있고 프로세스의 부품을 측정할 수 있으며 사출 프로세스가 어떻게 변하는지 이해할 수 있습니다. 그리고 그것이 우리의 문제에 어떤 영향을 미칠 수 있습니까? 그래서 우리는 4개의 다른 캐비티가 있는 모드를 얻는 과정을 진행했습니다.
	각 캐비티에서 5개의 부품.
	그래서 우리는 이 과정에서 5번만 주입했고, 각 캐비티는 5개의 부품을 제공했습니다. 각 부분에는
	4개의 다른 구멍과 각 구멍을 다른 위치로 측정하므로 이것이 우리가 호출하는 6시그마 도구에 대한 샘플 전략입니다.
	이러한 변화의 구성 요소와 함께 우리는 프로세스의 목소리가 어떤지 이해할 수 있고, JMP의 프로세스 기능을 사용하여 프로세스의 목소리와 고객의 목소리를 비교할 수 있고 문제가 얼마나 큰지 이해할 수 있습니다. 그래서,
	여기에 COV 실제 분석이 있습니다. 그리고 우리가 수집한 모든 데이터가 여기에 있습니다.
	따라서 이 변동성 차트에는 4개의 다른 구멍이 있습니다. 여기에서 첫 번째 구멍, 여기에서 두 번째 구멍, 여기에서 세 번째 구멍, 여기에서 네 번째 구멍. 그래서 우리는 여기에서 많은 다른 상황을 많이 볼 수 있습니다.
	우리에게 매우 중요한 정보. 예를 들어, 이 변동성 차트에서 볼 수 있는 최악의 공동은 공동 번호 2입니다.
	예를 들어 여기에서 부품 번호 6을 얻을 수 있기 때문에 이 사양의 첫 번째 구멍, 두 번째 구멍이 있습니다.
	이 사양 외부의 세 번째 구멍은 사양 내부에 있고 네 번째 구멍은 외부 위치 중 하나와 내부 위치 중 하나를 유지합니다. 그래서 이것은 좋지 않습니다.
	이것은 ... 이 데이터에 많은 변화를 일으키고 있으며 아마도 여기에 문제의 근본 원인이 있습니다. 맞습니까?
	그리고 왜 이 몰드, 이것은 같은 오래된 4개의 다른 캐비티이고 왜 3번 캐비티는 그렇게 좋고 2번 캐비티는 그렇게 나쁘고 1번과 4번은 더 많거나 적습니까?
	홀에서 이 두 위치 사이에는 많은 변화가 있습니다. 구멍이 원형이 아니라는 뜻입니다. 우리는
	문제에 영향을 줄 수 있는 순환성 오류입니다. 이것은 매우 실용적인 분석입니다. JMP에서 이러한 변동성 차트를 통해 많은 것을 볼 수 있습니다.
	좀 더 그래픽적인 분석을 통해 그녀의 위치 구멍을 제거했는데 이제 이 파란색 선이 이 막대 안에 있습니다. 따라서 막대가 클수록 원형도 문제가 커집니다.
	우리는 공동 3을 다시 볼 수 있습니다. 우리는 그 문제를 보지 못하지만 캐비티 1, 캐비티 4 및 캐비티 2에서는 여전히 문제를 볼 수 있습니다.
	아주, 아주 크죠? 지금 우리의 공정 능력을 사용하는 정량적 분석에서 우리는 100개의 60개 데이터를 모두 넣었을 때 볼 수 있습니다.
	동일한 배치 내부 동일한 평가, 동일한 분포에서 CPK 및 PPK가 거의 0에 가까운 매우 나쁜 프로세스를 볼 수 있으므로 매우 나쁜 프로세스입니다.
	장기적 또는 단기적으로 부적합에 대한 생각
	기준에 부합하지 않는 부품이 300,000개가 넘는다고 합니다.
	사양에 반해 100만 개를 사면 그 상자에 100만 개를 주입하면 미안하고,
	알루미늄 상자, 우리는 그 중 300 또는 30% 이상이 사양의 우리가 될 것이므로 아마도 우리는 문제를 발견했을 것입니다. 그리고 여기서 JMP가 우리에게 제공하는 매우 흥미로운 또 다른 사실은 이 160
	여기에 데이터가 있지만 우리는 이것을 조사하는 사람, 이것을 분석하는 사람,
	4개의 다른 캐비티가 있고 각 캐비티에 대해 약 40개의 데이터 포인트가 있다는 것을 알고 있으므로 이러한 분석을 다른 캐비티로 분리하지 않는 이유는 무엇입니까? 그래서 우리가 여기서 한 일. 따라서 캐비티 1에 대한 공정 능력 분석이 있습니다.
	매우 불안정한 프로세스. Cavity 2는 다시 매우 불안정한 프로세스로 PPK 및 CPK 값이 음수입니다.
	이것의 척도, 이 과정의 의미가 그 중 하나의 명세 밖에 있다는 것을 의미한다. 따라서 표본 평균이 4.50075인 것처럼 여기에서 볼 수 있습니다.
	사양 상한은 4.5000입니다. 그래서 우리는 우리의 사양을 벗어났습니다. 그것은 우리의 PPK가 음수임을 의미합니다. 그래서,
	캐비티 프로세스보다 매우 나쁜 매우 나쁜 프로세스입니다. 캐비티 3은 좋은 것입니다. 따라서 매우 안정적인 프로세스를 볼 수 있습니다. 안정성 지수는 1에 가깝습니다.
	CPK 및 PPK 값은 매우 좋습니다. 정규형 기대치가 매우 좋습니다. 그래서, 공동 4, 우리는 또한 나쁜 과정을 가지고 있습니다.
	CPK와 PPK가 나쁘고, 1년을 비교하면 너무 명확해져서 이제 우리의 문제가 어디에 있습니까? 캐비티에 1, 2, 3 또는 4가 있습니까?
	따라서 우리가 우리의 과정에서 행동을 시작해야 한다면, 우리는 치수, 상황, 특성 2와 1, 4를 평가해야 하며 우리는 3과 같이 아무 것도 할 필요가 없습니다.
	따라서 주입 프로세스에 대한 가설이 검증되었습니다.
	그리고 우리는 여전히 그 나사 직경 가설을 보류하고 있습니다. 그렇다면 함께 평가할 수 있기 때문에 보류한 이유는 무엇입니까?
	나사와 피팅 구멍 사이에 간섭이 있습니다. 제품의 프로세스에서 이들이 상호 작용하는 방식을 어떻게 평가할 수 있습니까?
	그리고 일단 우리가 이 두 프로세스에 대한 정보를 갖게 되면 그것들이 얼마나 좋은지 나쁜지, 맞습니까? 각 프로세스의 평균과 표준 편차가 있으므로 이를 합칠 수 있습니다. 그럼 여기서 실행을 시작해 보겠습니다.
	나사 직경에 의한 구멍 직경의 이변량 맞춤. 내가 여기서 무엇을 했는가?
	저는 이 Fit Y by X에서 JMP에 들어갔고, Y에 구멍 직경을, X에 나사 직경을 입력했습니다. 여기,
	여기 이 파란색 그림자는 사양 제한입니다. 그래서 우리는 스크린 직경의 사양 한계가 있고 피팅 구멍 직경의 사양 한계가 있습니다. 이 모든 단일 점은 나사와 구멍 직경의 조합입니다. 그래서,
	일단 제가 이 과정에서 이것을 측정하고 나면 이렇게 부품 각각을 부품 번호 1, 부품 번호 5, 그리고 [이해할 수 없음]으로 식별했습니다.
	부품 번호 25 부품 번호 30, 나사 및 알루미늄 상자용. 예를 들어, 여기 이 점, 여기 이 점이 상자 번호 6입니다. 구멍 번호 2와 나사 번호 9입니다. 나사 번호는 여기에, 구멍 직경은 여기에 있습니다. 그리고 여기 각 지점에 대해.
	보고 싶었기 때문에 전략적으로 결합
	나사 직경이 작고 구멍 직경이 작은 경우 이러한 부품, 이러한 구성 요소의 동작은 어떻게 될까요? 그러나 큰 나사와 작은 나사가 있으면 어떻게 될까요?
	전체 피팅 맞죠? 나사 직경이 크고 구멍 직경이 큰 경우 어떻게 됩니까? 그리고 그 과정에서 내가 가질 수 있는 것이 있다면
	매우 큰 것은 구멍 직경이 매우 작은 나사 직경입니까? 그리고 우리는 그 사이에 많은 포인트를 가지고 있습니다. 그래서 우리는 이 데이터와
	여기에서 모든 단일 조합을 얻었습니다. 이 실패를 재현하려는 것이 맞습니까? 오른쪽? 실패를 재현하면 그 과정에서 무슨 일이 일어나고 있는지 이해할 수 있기 때문입니다. 뭐
	프로세스에 영향을 줄 수 있습니다. 근본 원인은 무엇입니까? 나사입니까?아니면 피팅 구멍입니다. 이 문제를 피하려면 어떤 차원이 있어야 합니까? 그래서,
	예를 들어 여기 이 나사를 6번 상자의 정수 2에 9번 나사를 넣을 때 저는 그 기계를 사용하여 조립합니다
	우리가 그 과정에서 사용하고 있었던 것입니다. 그리고, 이것을 분해합니다. 그리고 내가 시도했을 때
	다시 해봐, 난 할 수 없어. 그래서 나는 문제가 있었다. 여기에서 이 어셈블리의 수는 1과 같았습니다. 그것은 내가 한 번만 할 수 있다는 것을 의미합니다.
	여기서 또 다른 상황을 살펴보자. 이 지점, 바로 여기. 나사 직경이 약 4.73인 나사 번호 15를 얻었을 때
	구멍 직경이 약 4.43인 상자 번호 14의 구멍 번호 2에 대해 여기에서 나사와 전체 직경 사이의 간섭이 약 0.3mm 지점임을 의미합니다. 그래서 몇 번이나
	내가 할 수 있지, 그렇지? 그래서 이 상자를 열고 닫고, 열고 닫고, 열고 닫는 과정을 30번 반복할 수 있었습니다. 여기 이 상황이 5번입니다. 여기 상황, 21번. 그래서 이 점들 각각에 문제가 생길 때까지 이 조립 프로세스를 실행했습니다. 그래서 우리는 할 수 있습니다.
	이 과정을 반복한 횟수를 센다. 따라서 데이터 테이블에
	이 어셈블리의 양이나 수량, 여기에 범례를 넣을 수 있습니다. 예를 들어 포인트가 빨간색에서 녹색으로 변하는 것과 같습니다. 여기 빨간 점들은 나쁘다. 그들은.
	0과 10 사이. 규격 하한은 10입니다. 이 과정을 최소 10번 이상 반복할 수 있어야 합니다. 그래서 여기 있는 모든 빨간 점들은 나쁜 것입니다.
	여기 JMP에서 사용하는 또 다른 매우 흥미로운 도구는 예측 프로파일러입니다. 이 순간에 저는 세 가지 자유도, 구멍 직경, 나사 직경 및 이들 사이의 상호 작용을 입력하는 맞춤 모델을 사용합니다. 나는 가지고 있었다.
	R 제곱은 약 0.88입니다. 그래서, 이것은 아주 좋은 것입니다. 우리는 이러한 모델을 잘 표현할 수 있습니다. 자, 여기에서 우리는 데이터를 가지고 우리의 몇 가지 다른 상황을 가지고 놀 수 있습니다. 맞죠?
	왜냐하면 우리는
	여기 구멍 지름, 여기 나사 지름, 그리고 여기에 결과, Y, 목표, 목표가 있습니다. 즉, 이 프로세스에서 가질 수 있는 이 어셈블리의 양입니다.
	따라서 여기에서 실행한 첫 번째 시나리오를 수정하면 공급자가 우리에게 제공하는 평균 나사 직경을 고정하는 것입니다.
	오늘은 분해로 최소 11개를 보장하려면 전체 직경의 평균이 얼마가 되어야 할까요? 이 평균은 4.50밀리미터여야 합니다. 맞죠? 오 멋지네요. 첫 번째 시나리오가 있지만 프로세스 변동은 어떻습니까?
	우리가 측정했다는 것을 기억하십시오
	160.
	부품, 알루미늄 상자. 우리는 120개의 직경을 측정했습니다. 그래서 우리는 그 제품들의 표준편차를 가지고 있죠, 맞죠? 예측 프로파일러에서 시뮬레이터를 사용할 때
	여기에서 사양 하한을 저장하고 무작위 변동을 추가합니다.
	이 구멍 직경 주위. 과정에서 얻은 표준편차와 과정에서 얻은 나사의 표준편차를 대입하면 시뮬레이션할 수 있습니다. 방금 여기에서 10,000을 시뮬레이션했습니다.
	다른 조합과 약 44%의 실패율이 있으므로 이것은 매우, 매우 크므로 몇 가지 다른 시나리오부터 시작하겠습니다.
	우리가 주입 과정에서 아무 것도 하지 않고 공급업체에
	특정 결과를 사양의 명목상의 사양 한계의 평균에 넣습니다.
	그리고 약간의 변화를 줄입니다. 여기에서 값을 변경하겠습니다. 그래서 공칭에 나사 직경의 평균을 넣어 편차를 줄였습니다. 그래서 이 녹색
	이 녹색 분포가 감소했습니다. 다시 시뮬레이션을 해보니 44%에서 32%가 되었습니다. 그래서,
	이익은 적고 노력은 많이 들지만 공급자에게 더 나은 결과를 달라고 요청하기 때문에 이미 결과가 좋았죠? 모든 것이 사양 안에 있었습니다. 그래서,
	무슨 일이 있었는지 우리는 우리의 과정에서 일하고 있습니다.
	표준 편차와 함께 현재 제공하고 있는 평균에 나사 직경을 다시 입력합니다. 그리고 우리는 과정에서 우리의 변화를 약간 줄였습니다. 그리고 둘 다,
	공칭 처리의 평균 this 4.45. 이 충치의 변화가 매우 매우 컸음을 기억하십시오. 그래서 우리가 우리의 과정을 수정하고 고친다고 가정해 봅시다.
	공칭 처리의 평균을 입력하고 변동을 줄입니다. 얼마나 많은 분해를 할 수 있습니까? 왜요? 그래서, 예측 프로파일러는 결과적으로 20번의 반복된 분해를 여기에 넣었습니다. 비율, 실패율
	0.009%까지 내려갑니다. 이것은 우리에게 매우 좋은 것입니다. 그래서,
	이 그룹 변형이 있더라도 프로세스는 20개의 분해 수단으로 작동합니다. 아주 좋아. 그래서 우리는 이제 사출 공정 문제를 검증했습니다. 맞죠? 만약 가설. 우리는 나사 직경 프로세스가 없지만 예, 사출 프로세스에 문제가 있습니다.
	우리가 이것을 본 후에 우리는 행동 계획에 갔다. 우리는 이것을 관리자, 품질 관리자, 엔지니어링 관리자, 이사 및
	사출 공정 관리자, 맞죠? 그 사출기의 소유자, 그 금형의 소유자. 그래서 리더들에게 결과와 예측을 공유한 후
	알루미늄 사출 금형에서 조치가 취해졌습니다. 피팅 구멍을 만드는 데 사용된 핀은 새 것으로 교체되었습니다. 수정된 금형은 검증을 위해 다음과 같은 결과를 제공했습니다. 그래서,
	일단 우리가 제공하는 핀을 수정했습니다.
	상자에 구멍을 뚫고 또 다른 COV 검증 연구를 실행했습니다. 그리고 여기에서 이런 결과를 얻었습니다. 따라서 동일한 4개의 구멍에 20개의 부품을 추가하여 구멍을 2개 다른 위치로 만듭니다. 우리는 지금
	아주 좋은 결과를 가진 새로운 충치. 예측 프로파일러에서 예측한 결과보다 훨씬 좋습니다.
	아주 작은 변형입니다. 그렇다면 안정성에 대해 이야기할 때 어떤 일이 일어나는지 볼까요? 이것은 매우 우수한 프로세스 기능입니다. 우리는 가지고 있습니다.
	[이해할 수 없음]에 대한 비순응성이 0이므로 이것이 전부입니다.
	거의 제로입니다. 이것은 아주 좋은 새로운 프로세스입니다. 이제 여기에서 작업 전후를 비교할 수 있습니다.
	우리의 새로운 프로세스와 함께. 그래서, 제가 조사 초기에 사용한 것과 동일한 이변량 그래프를 지금 여기에 새로운 값으로 제시하고 있습니다. 왜냐하면 우리가 한 일은 여기에서 이 새로운 20개 부분을 얻었기 때문입니다.
	우리는 새로운 나사를 측정합니다. 그리고 우리는 서로 다른 상황을 다시 합쳤습니다. 나사 직경 및 구멍 직경에 대한 다른 값 및
	우리는 공정에 가서 그 기계를 가지고 분해를 시작했고 조립, 분해, 조립을 이 과정을 반복하면서 고장이 날 때까지. 그래서,
	여기에서 볼 수 있듯이 모든 점은 이제 여기 두 가지 특성에 대해 이 사양 안에 있습니다. 그리고 여기서 가장 나쁜 점은 빨간색 부분이 10, 11, 12, 15번 분해된다는 점입니다. 그래서 이제 우리는 문제가 있습니다
	해결됐죠? 더 이상 문제가 없습니다. 이 과정만 넣었습니다.
	공장의 일부 제어 계획을 제어해야 하므로
	이제 핀의 직경이
	특정 순간에 이 핀을 교체해야 합니다. 구멍 직경을 보장합니다. 고객에게 이런 문제가 없다는 보장이겠죠?T 그래서 문제였습니다. 문제가 해결되었습니다.
	그리고 그게 다야. 여기에서 몇 분을 사용하여 이 작업을 바로 수행한 방법을 보여 드리겠습니다.
	제이엠피. 그래서 저는 여기에 제가 사용하는 구멍을 사용하는 상자가 있고 각 구멍에 직경이 있는 데이터 테이블이 있습니다.
	각 나사의 직경은 여기에서 측정되고 이 나사의 수는 모든 조합이며 여기에는 60개의 조합이 있으며 각 나사에 대한 분해량이 있습니다. 그래서,
	내가 여기서 한 일 중 하나는 이러한 분석 -> X에 의한 Y 맞춤이었습니다. 구멍 지름을 Y로, 나사 지름을 X로 표시한 곳입니다.
	여기에 이 그래프가 있습니다. 그래서 이것은 제가 제시한 것과 다릅니다. 거기에 사양 한계가 있기 때문입니다. 맞죠? 따라서 사양 제한은 여기에 허용 범위를 지정합니다. 나는 여기에 넣었다
	이것은 나사이므로 이것은 4.617에서 4.8입니다. 여기에 파란색을 넣고 추가합니다. 그래서, 우리는 사양이 있습니다.
	나사 직경과 여기에 4.4, 4.5가 있습니다.
	그리고, 나는 여기에 넣을 것이다
	구멍 사양도.
	구멍 사양.
	여기까지입니다.
	나는 이륙할 것이다.
	그래서.
	이런.
	다시 범위 4.4, 4.5.
	이제 그 그래프가 있습니다. 그래서, 우리가 거기에 있는 모든 점들입니다.
	그리고 여기를 마우스 오른쪽 버튼으로 클릭하면 범례 행 범례가 표시됩니다.
	분해. 저는 여기에서 녹색에서 빨간색으로 선택했습니다.
	저는 여기에서 역 눈금을 선택했습니다. 녹색이 최고이기 때문입니다. 그래서 그들은 여기에 있습니다. 좋아, 나도 할 수 있어,
	여기에서 더 큰 점을 얻으십시오. 그래서 이것은 제가 사용한 그래프 중 하나입니다.
	여기서 행 상태를 지우도록 한 또 다른 작업은 분석->모델 적합입니다. 그래서, 나의 Y, 여기서 나의 목표는 분해의 양, 수량입니다. 여기에 방금 넣은 전체 직경과 나사 직경입니다. 그리고, 그들 사이의 상호 작용도 넣고 달렸습니다.
	그리고 나는 여기,
	여기에서 우리 R-square를 사용한 Fit 요약 및
	바로 여기에 프로파일러가 있습니다. 그래서,
	여기에서 직경을 입력했습니다. 여기서 이 구멍 직경을 변경했고 시뮬레이터 II는 여기에 사용했기 때문에 여기에 사양 제한을 저장했습니다. 그래서 10이 분해 수량에 대한 사양 하한인 것으로 알고 있습니다.
	저는 여기에 이러한 수단에 대한 무작위 변형을 넣었습니다. 그래서 일단 이걸 먹었는데...
	저는 5000번의 실행을 선택할 수 있고 여기에서 시뮬레이션했고 여기에 이 실패율이 있습니다. 프레젠테이션과 동일한 값을 사용하지 않았기 때문에 다릅니다. 따라서 여기에서 다른 시나리오에서 실행할 수 있습니다. 4.43에서 구멍을 제공하기 시작했다고 가정해 봅시다.
	따라서 분해의 양은 24의 동일한 평균으로 24가 됩니다.
	나사 직경. 그리고 이것은 JMP에서 매우 훌륭한 도구이며 프레젠테이션에서 많이 사용합니다. 그래서,
	시청해주셔서 감사합니다. 그게 끝이야.

브레이크아웃데이터 시각화품질 및 신뢰성통계 및 모델링Re: 고급 통계 도구를 사용하여 산업 문제 해결(2021-US-45MP-854)

마테우스: 훌륭한 프레젠테이션입니다! 이것을 동료들과 공유할 것입니다.