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 겪을 수 있는 최악의 문제는 고객의 불만입니다. 이번 강연에서는 고객사 조립라인에서 전동기 연결박스 커버 분해 조립시 발생한 문제에 대해 살펴봅니다. 분해 조립 컨셉은 최소 10사이클 이상으로 명시되어 있었는데, 고객이 구매한 전기 모터에 케이블을 연결할 때 첫 번째 사이클에서 문제가 발생했습니다.

 

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

 

 

자동 생성된 스크립트...

 

스피커	성적 증명서
니콜라스 셸턴	알겠습니다. 음소거 상태로 전환하고 일단 음소거 상태로 전환하면 준비가 되면 시작할 수 있습니다. 앞서 말씀드린 것처럼 실수나 문제가 발생하더라도 걱정하지 말고 계속 진행하세요. 끝났습니다. 녹음을 중지하고 음소거를 해제하겠습니다.
	알았어 알았어 알았어 준비가 되면 시작해도 돼.
	안녕하세요 여러분 저는 오늘 여러분에게 이야기할 내용을 설명하기 위해 왔습니다.
	일부 고급 통계 도구와 JMP를 사용하여 해결한 산업 문제입니다. 이는 제가 현대 전기 제조업체에서 일할 때 직면했던 실제 문제입니다.
	그렇다면 이 전기모터가 있던 당시에 우리가 직면한 문제는 무엇이었습니까? 그래서 고객은 물에서 증류액을 구입합니다.
	그리고 그는 이 전기 모델을 자신의 기계에 연결해야 하므로 여기 있는 이 상자를 열어야 합니다.
	이 상자에는 네 개의 서로 다른 나사와 네 개의 구멍이 있으므로 이 덮개를 열어야 하고 전기 케이블을 자신의 기계에 연결해야 하며 다시 고정하여 닫아야 합니다.
	고객이 이 작업을 시도할 때 이 덮개와 이 네 가지 다른 상자를 닫아야 하는 순간에 그는 이 덮개를 닫습니다.
	나사가 때때로 [거짓으로 바뀌었나요?] 이런 문제가 발생합니다. 즉, 나사와 알루미늄 구멍 사이에 더 이상 그립이 없습니다.
	사양에 따르면 이 나사는 이러한 조립 과정을 거치며, 이러한 조립은 최소 10회 이상 견뎌야 합니다.
	그리고 고객은 오랫동안, 오랜 시간 동안, 또는 필요한 경우 아무런 문제 없이 이 작업을 수행합니다.
	위치를 변경하고 이 전기 모터가 사용되는 기계를 변경합니다. 아무 문제 없이 상자를 열고 닫아야 합니다. 여기에 약간의 정보가 있습니다.
	짧은 비디오는 문제가 무엇인지에 대한 좋은 설명이므로 이 승무원은 여기서 길을 잃었습니다. 그립이 전혀 없습니다.
	이러한 일이 발생하는 것은 우리가 매일 직면하는 일반적인 문제는 아니지만 때로는 발생했을 때 발생할 수 있다고 감독은 말했습니다.
	불만 사항이 접수되면 이사는 품질 관리자를 부르고 품질 관리자는 나를 마테우스라고 불렀습니다. 우리는 이 문제를 해결해야 하므로 사람들을 모아서 조사를 시작합니다.
	그리고 그것이 바로 우리가 시작한 일이었습니다.
	다른 상황과 마찬가지로 우리가 조사해야 할 다른 문제도 있습니다.
	우리는 항상 몇 가지 가설부터 시작할 것이므로 이 문제에 영향을 미칠 수 있는 가설을 최소화하고 이 실패를 어떻게 설명할 수 있는지에 대해 제품 엔지니어링과 같은 다양한 분야의 사람들을 모았습니다.
	여기서 우리가 뭘 잘못하고 있는 걸까요? 제품 엔지니어링 부서에서 이러한 문제가 발생하거나 일부 설계 오류가 발생하거나 조립 라인 오류 문제 변형이 발생할 수 있습니다. 나사 조이는 기계일 수도 있습니다.
	높은 토크로 작업하고 이러한 문제를 생성하거나 우리가 바로 구매하는 이 나사를 생성합니다. 이 공급업체는 아마도 그들이 가지고 있는 나사를 우리에게 제공하고 있습니다.
	직경이 줄어들어 이 그립을 가질 수 없거나 당시 나열한 마지막 가설은 사출 공정이었으므로 여기에 적합한 알루미늄 상자가 있습니다.
	이 직경은 열릴 수 있으므로 스크린이 좋지 않거나 나사 직경이 양호하더라도 매우 큰 직경을 가질 수 있으며 나사는 이것으로 그립을 가질 수 없습니다.
	전체적으로 문제가 발생할 수 있습니다.
	회의를 마친 후에는 이러한 가설이 나열된 것을 검증하거나 무효화하기 시작했습니다.
	일부 연구에서는 일부 데이터가 포함되어 있으며 여기에서 제품 엔지니어링 및 조립 라인에 대해 이야기하기 시작하여 둘 다 무효화되었습니다.
	우리는 모든 설계를 확인합니다. 모든 사양을 확인합니다. 이러한 어셈블리를 설계할 때 우리가 가졌던 모든 표준은 나사와 구멍 사이의 다양한 재료의 조합입니다. 모든 것이 괜찮았으므로 여기서는 아무것도 할 필요가 없었습니다.
	우리가 조립 라인에서 사용하던 나사 조이는 기계가 바로 이것을 얻었습니다.
	실험실에 와서 계측을 하고 공원을 확인하고 기계를 확인했는데 모든 것이 괜찮았으므로 여기에는 문제가 없었으므로 지금 이 문제에 영향을 줄 수 있는 것은 무엇입니까?
	나사와 피팅 구멍만 있으면 이 상자의 알루미늄 부분을 확인할 수 있습니다. 좋습니다. 이 문제의 주요 가설 중 하나인 이스라엘 직경에 대해 이야기해 보겠습니다.
	여기서 우리는 JMP를 사용하기 시작했습니다. 하지만 공장에서 나사 측정을 시작하기 전에 항상 측정 시스템이 승인되었는지 확인해야 합니다.
	여기에 직경, 나사 직경이 있는 간단한 변동성 차트가 있습니다. 각 부품은 5개의 부품으로 구성되어 있으며 각 부품은 두 명의 다른 작업자가 각각 3회씩 측정했습니다.
	여기에는 다양한 구성 요소가 있는데, 여기에서 변동의 93.8%가 부품에 의해 발생했다는 것을 알 수 있습니다. 따라서 이는 우리의 측정 시스템이 훌륭하다는 것을 확신할 수 있는 것 중 하나이며 차별화할 수 있습니다.
	측정 시스템이 승인되었으므로 이제 다음 단계로 넘어갈 수 있습니다. Aaron은 30명입니다. 이것은 나사이므로 평가해 보겠습니다. 프로세스의 목소리는 어떻습니까? 제가 여기에서 여러분에게 제시하는 모든 단계마다 샘플 전략이 있습니다.
	우리는 6시그마 방법론을 사용했기 때문에 이를 어느 정도 따릅니다.
	매우 구조화된 접근 방식은 측정 시스템 평가부터 시작하여 프로세스에 들어가 프로세스의 목소리를 이해하고 마지막에 이루어집니다.
	몇 가지 조합을 수행하고 방금 제시한 가설을 검증하거나 검증하려고 시도하므로 여기서는 샘플링이 전략입니다.
	내부에 나사로 가득 찬 상자가 있었기 때문에 우리가 가진 유일한 정보는 이 나사를 여러 다른 배치로 받았으므로 각 배치에 나사가 붙어 있다는 것뿐이었습니다.
	제조 날짜 또는 제조 순간이 있으므로 우리가 호출할 때마다 세 가지 다른 배치로 분리했습니다.
	20개의 부품과 각 부품은 0도와 90도 정사각형의 서로 다른 두 위치에서 측정되었습니다.
	왜 이런가요? 이 직경에 순환성 문제가 있을 수 있는지 알아보기 위해 이 샘플링 전략을 사용하여 데이터 수집을 시작했고 JMP에서 분석할 점이 120개 있었습니다. 그래서 다시.
	여기에 120개 점을 모두 넣는 변동성 차트를 실행하는 매우 실용적인 분석에서는 모든 것이 사양 한계 내에 있음을 알 수 있습니다.
	여기의 각 점은 나사의 하나의 측정값입니다. 이 파란색 선은
	이 나사의 위치 1과 2를 연결하는 것이므로 여기에 매우 큰 파란색 선이 있으면 원형 오류가 매우 크다는 의미입니다.
	이는 이 두 가지 직경의 다른 위치가 매우 다르다는 것을 의미합니다.
	평균적으로 직경은 좋을 수 있지만 이들 직경의 차이는 잘못될 수 있으며 이는 알루미늄 상자에 나사를 조이는 순간 문제에 영향을 미칠 수 있습니다.
	이것은 나사의 두 가지 서로 다른 위치를 비교하는 그래픽 분석에서 모든 것이 양호해 보였던 이 나사에 대한 매우 실용적인 분석입니다. 우리는 원형성 오류에 대한 가설을 무효화할 수 있음을 알 수 있습니다.
	영향을 미칠 수 있으므로 위치 1과 위치 2의 평균이 거의 동일했습니다. 여기 이 막대의 크기는 별거 없습니다. 두 개나 하나의 위치가 매우 다르기 때문에 그렇습니다.
	이 그래프 분석은 위치와 직경을 비교하는 가변성 차트를 통해 모든 것을 볼 수 있습니다.
	이제 JMP의 이러한 프로세스 기능을 사용한 정량적 분석을 통해 우리에게 이러한 나사를 전달하는 공급업체 프로세스의 목소리가 어떻게 전달되는지 알 수 있습니다. 과정은 어떻게 되나요? 오른쪽.
	여기에 약 1.47의 CPK, 약 1.014의 PPK가 있습니다. 불안정성은 약 1.45가 걸리므로 우리가 가지고 있는 최고의 프로세스는 아닙니다.
	봤지만.
	PPK 1.33을 고려하고 이상적입니다. 그리고 여기서 품질 특성이나 차원에 중요한 요소에 대해 생각합니다.
	우리는 이 나사가 장기적으로 문제에 영향을 미칠 수 있다고 가정할 수 있습니다. 현재 나사는 모두 이 사양 내에 있지만 PPK 값을 기반으로 한 통계를 기반으로 합니다.
	1.33 미만이면 앞으로 문제가 될 수도 있습니다.
	하지만 공급업체를 비난하기 전에 우리는 사출 과정, 즉 우리의 프로세스를 이해해야 합니다. 이러한 나사 변형에 대해 견고할 수 있다면 그럴 필요가 없기 때문에 우리에게 더 좋습니다.
	공급업체에서 무엇이든 시작하면 괜찮습니다.
	그래서 이 가설.
	보류 중이었습니다. 이것을 제쳐두고 주입 과정에 대한 연구를 기다려 봅시다.
	우리가 어떻게 그렇게 했는지 봅시다.
	이 상자를 주입하기 위해 금형이 있습니다.
	이 금형에는 4개의 서로 다른 구멍이 있습니다. 그래서 주사를 놓을 때마다
	이 과정에서 우리는 네 가지 다른 부분을 얻게 됩니다. 그렇죠? 각 부품에는 4개의 구멍이 있는데, 이 구멍은 고객이 커버를 고정하는 데 사용됩니다. 그리고 각 부분마다 다른 위치에서 측정을 하게 됩니다. 위치 1과 위치 2입니다.
	따라서 다시 한번 말씀드리지만, 이 프로세스를 측정하기 시작하고 원래의 실제 프로세스에서 무슨 일이 일어나고 있는지 확인하기 전에 우리의 측정 시스템이 좋은지 승인되었는지 확인해야 합니다.
	우리는 다섯 가지 나쁜 부분과 좋은 부분을 구분하는 방법을 알고 있는지 확인해야 합니다. 그래서 하나의 부품, 하나의 상자로 이것을 실행했습니다.
	이러한 네 가지 구멍의 변화 측정 시스템입니다. 각 홀은 두 명의 다른 작업자가 각각 세 번씩 측정합니다. 따라서 우리는 이 측정 시스템의 가장 큰 변형이 홀 95%로 인해 발생한다는 것을 알게 되었습니다.
	여기서 말씀드리고 싶은 것은 승인하기가 매우 어려웠다는 점입니다.
	우리가 실행한 세 번째 MSA와 같았습니다. 이 내부 직경을 측정하려면 여기서 새 가드를 구입해야 합니다. 사양은 매우 엄격했고 해상도는
	처음에 할당되지 않은 게이지에 대해 그래서 우리는 이 세 번째 MSA를 승인했습니다. 그래서 승인이 나면
	이제 계속해서 프로세스의 부품을 측정할 수 있고, 사출 프로세스가 어떻게 변화하는지 이해할 수 있습니다. 그리고 그것이 우리의 문제에 어떤 영향을 미칠 수 있습니까? 그래서 우리는 4개의 서로 다른 구멍이 있는 모드를 얻는 과정을 진행했습니다.
	각 캐비티에서 5개 부품.
	그래서 우리는 그 과정에서 5번만 주입했고, 각 캐비티는 우리에게 5개의 부품을 제공했습니다. 각 부분에는
	4개의 서로 다른 구멍과 각 구멍을 서로 다른 위치로 측정하므로 이것이 우리가 호출하는 6시그마 도구에 대한 샘플 전략입니다.
	이러한 변동 구성 요소를 사용하면 프로세스의 의견이 어떤지 이해할 수 있고, 프로세스의 의견과 고객의 의견을 비교할 수 있으며 JMP의 프로세스 기능을 사용하면 문제가 얼마나 큰지 이해할 수 있습니다. 그래서,
	여기에 COV 실제 분석이 있습니다. 그리고 우리가 수집한 모든 데이터가 여기에 있습니다.
	따라서 이 가변성 차트에는 4개의 서로 다른 구멍이 있습니다. 여기 첫 번째 구멍, 여기 두 번째 구멍, 여기 세 번째 구멍, 여기 네 번째 구멍입니다. 그래서 우리는 여기에서 매우 다양한 상황을 많이 볼 수 있습니다.
	우리에게 매우 중요한 정보입니다. 예를 들어, 이 가변성 차트에서 볼 수 있는 최악의 캐비티는 2번 캐비티입니다.
	예를 들어 여기서 부품 번호 6을 얻을 수 있기 때문에 이 사양 내부에 첫 번째 구멍인 두 번째 구멍이 있습니다.
	본 사양 외의 경우, 사양 내부의 세 번째 홀과 네 번째 홀은 외부 위치와 내부 위치 중 하나를 보유합니다. 그래서 이것은 좋지 않습니다.
	이로 인해...이 데이터에 많은 변화가 발생하고 있으며 아마도 여기에 문제의 근본 원인이 있을 것입니다. 그렇죠?
	그리고 이 금형은 왜 똑같은 4개의 서로 다른 구멍이고, 왜 3번 구멍은 그렇게 좋고, 2번 구멍은 그렇게 나쁘고, 1번과 4번은 어느 정도인지, 그렇죠?
	홀에서 이 두 위치 사이에는 많은 차이가 있습니다. 구멍이 원형이 아니라는 뜻입니다. 우리는
	문제에 영향을 미칠 수 있는 순환성 오류입니다. 따라서 이것은 매우 실용적인 분석입니다. JMP에서 이러한 변동성 차트를 통해 많은 것을 볼 수 있습니다.
	좀 더 그래픽적으로 분석해 보면 방금 위치 구멍을 떼어냈고 파란색 선이 이제 이 막대 안에 있습니다. 따라서 막대가 클수록 순환성 문제가 커집니다.
	우리는 다시 캐비티 3을 볼 수 있습니다. 우리는 그 문제를 보지 못하지만 캐비티 1, 캐비티 4, 캐비티 2에서는 여전히 문제를 볼 수 있습니다.
	아주 아주 크죠? 이제 우리의 프로세스 능력을 이용한 정량적 분석에서 우리는 100개의 데이터를 모두 넣어서 볼 수 있습니다.
	동일한 배치 내부, 동일한 평가, 동일한 분포 내에서 매우 나쁜 프로세스를 볼 수 있습니다. CPK와 PPK는 거의 0이므로 매우 나쁜 프로세스입니다.
	장기간 또는 단기적으로 부적합에 대해 생각
	기본적으로 우리는 300,000개 이상의 부품이 부적합하다고 이야기하고 있습니다.
	우리 사양에 반하면, 100만개를 사면 그 상자 중 100만개를 주입하면 미안하다는 뜻입니다.
	알루미늄 상자의 경우 그 중 300~30% 이상이 우리 사양에 포함되므로 방금 문제를 발견했을 수도 있습니다. 그리고 JMP가 우리에게 제공하는 또 다른 매우 흥미로운 점은 바로 이 160도라는 것입니다.
	여기에 데이터가 있지만 우리는 이것을 조사하는 사람, 분석하는 사람이
	4개의 서로 다른 캐비티가 있고 각 캐비티에 대해 약 40개의 데이터 포인트가 있다는 것을 알고 있습니다. 그렇다면 이러한 분석을 서로 다른 캐비티로 분리해 보는 것이 어떨까요? 그래서 우리가 여기서 한 일이 그것입니다. 따라서 캐비티 1에 대한 공정 능력 분석이 있습니다.
	매우 불안정한 프로세스. 캐비티 2는 다시 매우 불안정한 프로세스로 음의 PPK 및 CPK 값을 갖습니다.
	이것의 척도, 이 과정의 의미는 그 중 하나의 사양을 벗어나는 것을 의미합니다. 여기서는 표본 평균이 4.50075인 것을 볼 수 있습니다.
	규격 상한은 4.5000입니다. 그래서 우리는 우리의 사양을 벗어났습니다. 이는 우리 PPK가 부정적이라는 것을 의미합니다. 그래서,
	캐비티 프로세스보다 매우 나쁜 프로세스가 매우 나쁩니다. 캐비티 3은 정말 좋은 것입니다. 그래서 우리는 매우 안정적인 과정을 볼 수 있습니다. 안정성 지수는 1에 가깝습니다.
	CPK와 PPK 값이 매우 좋습니다. 정규형 기대는 매우 좋습니다. 따라서 캐비티 4에도 나쁜 프로세스가 있습니다.
	CPK와 PPK가 나쁘고 매년 비교하면 이제 문제가 어디에 있는지 매우 명확해졌습니다. 그렇죠? 공동 1, 2, 3 또는 4에 있습니까?
	따라서 프로세스에서 작업을 시작해야 한다면 캐비티 2, 1, 4의 크기, 상황, 특성을 평가해야 하며 캐비티 3에서는 아무것도 할 필요가 없습니다.
	따라서 주입 프로세스에 대한 가설이 검증되었습니다.
	그리고 우리는 여전히 나사 직경 가설을 유지하고 있습니다. 그렇다면 함께 평가할 수 있기 때문에 왜 이것을 보류한 것입니까?
	나사와 피팅 구멍 사이에 간섭이 있습니다. 제품의 프로세스에서 이들이 어떻게 상호 작용하는지 어떻게 평가할 수 있습니까?
	그리고 이 두 가지 프로세스에 대한 정보를 얻은 후에는 그것이 얼마나 좋거나 얼마나 나쁜가요? 각 프로세스의 평균과 표준편차가 있으므로 이를 종합할 수 있습니다. 그럼 여기서 달리기 시작해 볼까요?
	나사 직경에 따른 구멍 직경의 이변량 맞춤. 내가 여기서 뭘 한 거지?
	방금 Fit Y by X에서 JMP를 실행했습니다. Y에 구멍 직경을, X에 나사 직경을 입력했습니다. 여기,
	여기 있는 파란색 그림자가 사양 한계입니다. 따라서 스크린 직경의 사양 한계와 피팅 구멍 직경의 사양 한계가 있습니다. 여기 있는 모든 단일 점은 나사와 구멍 직경의 조합입니다. 그래서,
	이 과정에서 이것을 측정하면 부품 번호 1, 부품 번호 5, 그리고 [이해할 수 없음]과 같은 각 부품을 식별했습니다.
	부품 번호 25 부품 번호 30, 나사 및 알루미늄 상자용. 예를 들어, 여기 이 점, 여기 이 점이 상자 번호 6, 구멍 번호 2, 나사 번호 9입니다. 나사 번호는 여기에 있고 구멍 직경은 여기에 있습니다. 그리고 여기의 각 지점에 대해.
	보고 싶었기 때문에 전략적으로 결합했습니다.
	나사 직경이 작고 구멍 직경이 작을 때 부품, 부품의 동작은 어떻게 될까요? 하지만 작은 나사와 큰 나사가 있으면 어떻게 될까요?
	완전 딱 맞죠? 나사 직경과 구멍 직경이 크면 어떻게 됩니까? 그리고 그 과정에서 내가 가질 수 있는 것은 무엇입니까?
	나사 직경은 매우 크고 구멍 직경은 매우 작습니까? 그리고 그 사이에는 많은 점이 있습니다. 그래서 우리는 이 데이터의 60가지 다른 조합을 얻었고
	여기에 모든 조합이 있습니다. 이 실패를 재현하려고 하는 거죠? 오른쪽? 왜냐하면 일단 실패를 재현하면 그 과정에서 무슨 일이 일어나고 있는지 이해할 수 있기 때문입니다. 무엇
	프로세스에 영향을 미칠 수 있습니다. 근본 원인은 무엇입니까? 나사인가요? 아니면 피팅 구멍인가요? 이 문제를 피하기 위해서는 어떤 차원을 갖춰야 할까요? 그래서,
	예를 들어 여기 있는 것은 상자 번호 6의 전체 번호 2에 이 나사 9번을 넣으면 그 기계를 사용하여 조립합니다.
	우리가 그 과정에서 사용했던 것입니다. 그리고, 이것을 분해합니다. 그리고 내가하려고했을 때
	다시 해봐, 난 할 수 없었어. 그래서 문제가 생겼습니다. 여기서 이 집회의 횟수는 1회였습니다. 이는 제가 한 번만 할 수 있다는 것을 의미합니다.
	여기서 또 다른 상황을 살펴보겠습니다. 바로 이 지점입니다. 나사 직경이 약 4.73인 나사 번호 15를 얻었을 때
	구멍 직경이 약 4.43인 상자 번호 14의 구멍 2번에 대해 이는 나사와 전체 직경 사이의 간섭이 약 0.3mm 지점이라는 것을 의미합니다. 그래서 몇 번이나
	나는 이것을 할 수 있다, 그렇지? 그래서 저는 상자를 열고 닫고, 열고 닫고, 열고 닫는 과정을 30번 반복할 수 있었습니다. 이런 상황이 다섯 번이나 발생했습니다. 여기 상황은 21번입니다. 따라서 이러한 각 지점에서 문제가 발생할 때까지 이 조립 프로세스를 실행했습니다. 그래서 우리는 할 수 있었습니다.
	이 과정을 반복한 횟수를 세어보세요. 따라서 데이터 테이블에 다음과 같은 열이 있습니다.
	이러한 어셈블리로서 이들의 양 또는 수량은 여기에 범례를 넣을 수 있으며 예를 들어 여기에 빨간색에서 녹색까지의 점이 있습니다. 여기 빨간 점들은 나쁜 것입니다. 그들은.
	0과 10 사이. 규격 하한은 10이라는 점을 기억하세요. 이 과정을 최소한 10번 이상 반복할 수 있어야 합니다. 따라서 여기의 모든 빨간색 점은 나쁜 것입니다.
	JMP에서 사용하는 또 다른 매우 흥미로운 도구는 예측 프로파일러입니다. 이 순간 저는 Fit Model을 사용하여 세 가지 자유도, 구멍 직경, 나사 직경 및 이들 사이의 상호 작용을 입력합니다. 나는 그랬다.
	R 제곱은 약 0.88입니다. 그럼 이거 꽤 괜찮은 것 같죠? 우리는 이러한 모델을 잘 표현할 수 있습니다. 자, 여기서 우리는 데이터를 가지고 다양한 상황을 가지고 놀 수 있습니다. 그렇죠?
	왜냐하면 우리는
	여기에 구멍 직경, 여기에 나사 직경이 있고 여기에 결과, Y, 목표, 목표가 있습니다. 즉, 이 과정에서 우리가 가질 수 있는 조립품의 수량입니다.
	그래서 제가 여기서 실행한 첫 번째 시나리오를 수정한다면 공급업체가 우리에게 제공하는 평균값으로 나사 직경을 수정하는 것이었습니다.
	오늘은 최소 11개를 분해로 보장하려면 전체 직경의 평균이 얼마가 되어야 합니까? 이 평균은 4.50밀리미터여야 합니다. 그렇죠? 아 그거 좋네요. 첫 번째 시나리오가 있지만 프로세스 변형은 어떻습니까?
	우리가 측정했다는 것을 기억하세요
	160.
	부품, 알루미늄 상자. 우리는 120개의 직경을 측정했습니다. 그러면 우리는 그 제품들의 표준편차를 가지고 있습니다. 그렇죠? 예측 프로파일러에서 시뮬레이터를 사용하는 경우
	여기에 넣어 규격 하한을 저장하고 무작위 변형을 추가합니다.
	이 구멍 직경 주위에. 공정에서 얻은 표준편차와 공정에서 얻은 나사의 표준편차를 대입하면 시뮬레이션이 가능합니다. 방금 여기서 10,000을 시뮬레이션했습니다.
	다양한 조합을 사용하면 실패율이 약 44%이므로 이는 매우 크므로 몇 가지 다른 시나리오부터 시작해 보겠습니다.
	주입 과정에서 아무 것도 하지 않고 공급업체에 다음을 요청한다고 가정해 보겠습니다.
	특정 결과를 사양의 명목상 사양 한계의 평균에 넣습니다.
	변동을 조금 줄이세요. 따라서 여기서 값을 변경하겠습니다. 그래서 저는 나사 직경의 평균을 공칭값에 넣어 변동을 줄였습니다. 그래서 이 녹색
	여기 곡선에서는 이 녹색 분포가 감소했습니다. 다시 시뮬레이션해 보니 44%에서 32%로 나왔습니다. 그래서,
	이득이 적고 노력이 너무 많이 들기 때문에 공급자에게 더 나은 결과를 달라고 요청할 것이기 때문에 결과는 이미 좋았습니다. 모든 것이 사양 내에 있었습니다. 그래서,
	무슨 일이 일어났나요? 우리는 우리의 과정을 진행 중입니다. 그렇죠. 만약 우리가 그냥 하면 무슨 일이 일어나는지 봅시다
	표준편차로 현재 납품하고 있는 평균 나사 직경을 다시 입력합니다. 그리고 우리는 과정의 변화를 조금 줄였습니다. 그리고 둘 다,
	공칭 처리 평균 4.45. 이러한 공동의 변화는 매우 컸다는 것을 기억하십시오. 따라서 우리가 프로세스를 수정하고 수정한다고 가정해 봅시다.
	처리의 평균을 명목상에 놓고 변동을 줄입니다. 우리는 얼마나 많은 분해를 가질 수 있습니까? 왜? 따라서 예측 프로파일러는 여기에 20번의 반복된 분해 결과를 입력했습니다. 비율, 실패율
	0.009%까지 내려갑니다. 이는 우리에게 매우 좋은 일입니다. 그래서,
	이 그룹 변형을 사용하더라도 프로세스는 20번의 분해 수단으로 작동합니다. 아주 좋아요. 이제 우리는 주입 프로세스 문제를 검증했습니다. 그렇죠? 가설이라면. 우리는 나사 직경 프로세스가 없지만, 그렇습니다. 사출 프로세스에 문제가 있습니다.
	이것을 본 후 우리는 실행 계획을 세웠습니다. 우리는 이것을 작성하여 관리자, 품질 관리자, 엔지니어링 관리자, 이사 및
	사출 공정 관리자 맞죠? 그 사출기의 주인, 그 금형의 주인. 그래서 결과와 예측을 경영진에게 공유한 후
	알루미늄 사출 금형에서 조치가 취해졌습니다. 피팅 구멍을 만드는 데 사용된 핀이 새 핀으로 교체되었습니다. 수정된 금형은 검증을 위해 다음과 같은 결과를 제공했습니다. 그래서,
	우리가 전달하는 핀을 고치면.
	상자에 구멍을 뚫고 또 다른 COV 검증 연구를 진행했습니다. 그리고 우리는 여기서 이런 결과를 얻었습니다. 따라서 구멍을 위한 동일한 4개의 다른 구멍, 2개의 다른 위치에 또 다른 20개 부품이 있습니다. 우리는 지금
	아주 아주 좋은 결과를 가진 새로운 충치. 예측 프로파일러에서 예측한 결과보다 훨씬 더 좋습니다.
	아주 작은 변형입니다. 그럼 안정성에 관해 이야기하면 어떤 일이 일어나는지 살펴볼까요? 이는 매우 우수한 처리 능력입니다. 우리는 가지고 있습니다.
	[이해할 수 없음]에 대한 부적합이 0이므로 이것이 전부입니다.
	거의 0에 가깝습니다. 이것은 아주 좋은 새로운 프로세스입니다. 이제 여기에서 작업 전후를 비교할 수 있습니다.
	우리의 새로운 프로세스로. 그래서 제가 조사 초기에 사용한 것과 동일한 이변량 그래프를 이제 여기에 새로운 값으로 제시하고 있습니다. 왜냐하면 우리가 한 일로 여기에 새로운 20개의 부분이 있기 때문입니다.
	새로운 나사를 측정합니다. 그리고 우리는 서로 다른 상황을 결합하고 다시 결합했습니다. 나사 직경과 구멍 직경에 대한 서로 다른 값
	우리는 프로세스에 가서 그 기계를 구입하고 분해하기 시작했고, 조립하고, 분해하고, 조립하는 과정을 실패할 때까지 반복했습니다. 그래서,
	여기에서 볼 수 있듯이 이제 여기의 두 특성 모두에 대한 모든 점이 이 사양 내부에 있습니다. 그리고 여기서 가장 나쁜 점은 빨간색이 10, 11, 12, 15번의 분해가 있다는 것입니다. 이제 문제가 생겼습니다.
	해결됐지? 더 이상 문제가 없습니다. 우리는 이 과정을 넣었을 뿐입니다.
	공장의 일부 통제 계획이 있기 때문에 그들은
	이제 핀의 직경을 확인하세요.
	특정 순간에는 이 핀을 교체해야 합니다. 구멍 직경을 보장합니다. 고객에게 이런 문제가 발생하지 않도록 보장하는 것이겠죠?T 그래서 이것이 문제였습니다. 문제가 해결되었습니다.
	그게 다야. 여기서는 제가 이 작업을 어떻게 수행했는지 보여드리기 위해 잠시 시간을 할애하겠습니다.
	JMP. 여기에 데이터 테이블이 있습니다. 여기에는 제가 사용하는 구멍을 사용하는 상자가 있고 각 구멍에는 직경이 있습니다.
	각 나사에는 여기에서 측정된 직경이 있고 이 나사의 수는 모든 조합이며 여기에는 60개의 조합이 있으며 각 나사에 대한 분해 수량이 있습니다. 그래서,
	제가 여기서 한 일 중 하나는 분석 -> Y를 X로 맞추는 것이었습니다. Y에 구멍 직경을, X에 나사 직경을 입력했습니다.
	여기에 이 그래프가 있습니다. 제가 제시한 것과는 다릅니다. 왜냐하면 거기에는 사양 한계가 있기 때문입니다. 그렇죠? 따라서 여기에 입력한 사양 한계는 범위를 허용합니다. 여기에 넣었어요
	이것이 나사이므로 4.617~4.8입니다. 여기에 파란색을 넣고 더하면 됩니다. 그래서 우리는 사양을 가지고 있습니다.
	나사 직경은 4.4, 4.5입니다.
	그리고 여기에 넣을 것입니다.
	구멍 사양도 마찬가지입니다.
	홀 사양.
	여기까지입니다.
	나는 이륙 할 것이다.
	그래서.
	앗.
	범위는 다시 4.4, 4.5입니다.
	이제 우리는 그 그래프를 갖게 되었습니다. 그래서, 우리가 거기에 있는 모든 점들입니다.
	범례는 여기를 마우스 오른쪽 버튼으로 클릭한 행 범례(Row Legend)입니다.
	분해. 저는 여기에서 녹색에서 빨간색을 선택했습니다.
	여기서는 역방향 스케일을 선택했습니다. 왜냐하면 녹색이 최고가 되고 싶기 때문입니다. 그래서 그들은 여기에 있습니다. 알았어, 나도 할 수 있어
	여기서 더 큰 점을 얻으십시오. 이것이 제가 사용한 그래프 중 하나입니다.
	여기서 행 상태를 지우도록 한 또 다른 작업은 Analyze->Fit Model이었습니다. 그래서, 나의 Y, 여기서 나의 목표는 분해의 양입니다. 제가 방금 여기에 입력한 전체 직경과 나사 직경입니다. 그리고, 그들 사이의 상호작용도 넣어서 달려봤습니다.
	그리고 나는 여기에 있습니다.
	여기 R-제곱에 대한 내 적합성 요약과
	프로파일러는 여기 있어요. 그래서,
	여기에 직경을 입력하고 이 구멍 직경을 변경한 곳이 여기에 사용된 시뮬레이터 II이므로 여기에 사양 제한을 저장했기 때문에 10이 분해 수량에 대한 사양 하한인 것을 알 수 있습니다.
	나는 여기에 이러한 수단을 중심으로 무작위 변형을 적용했습니다. 그래서 이걸 갖고 나니 그냥...
	5000개의 실행 횟수를 선택할 수 있으며 여기에서 시뮬레이션했는데 여기에 실패율이 있습니다. 프레젠테이션과 동일한 값을 사용하지 않았기 때문에 이것은 다릅니다. 따라서 여기서는 다양한 시나리오를 실행할 수 있습니다. 4.43부터 구멍을 뚫기 시작했다고 가정해 보겠습니다.
	따라서 분해 횟수는 24가 되며 평균은 동일합니다.
	나사 직경. 이것은 JMP의 매우 훌륭한 도구입니다. 저는 프레젠테이션에서 이 도구를 많이 사용합니다. 그래서,
	시청해 주셔서 감사합니다. 그게 다입니다. 그게 끝입니다.

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

매테우스: 프레젠테이션이 훌륭했어요! 나는 이것을 동료들과 공유할 것이다.