398689_zh-CN

liliconcom

使用高级统计工具解决工业问题 (2021-US-45MP-854)

级别：初学者

 

Matheus Sguissardi，精益六西格码顾问，Plana Consultoria e Treinamentos

 

公司可能遇到的最糟糕的问题是客户不满意。 本次演讲探讨了客户在拆卸和组装电机接线盒盖时在装配线上发生的问题。 拆卸和组装概念被指定为至少 10 个周期，但客户在将电缆连接到购买的电动机时在第一个周期出现问题。

 

为了解决这个问题，使用了六西格码方法论的一些统计工具和方法，以顺序和结构化的方式验证和否定问题的主要假设，然后以适当的方式做出过程和产品中的所有决策，所有基于事实和数据分析。

 

 

自动生成的成绩单...

 

扬声器	成绩单
尼古拉斯·谢尔顿	好的，我将继续静音，一旦我开始静音，那么您可以在准备好后开始，就像我提到的那样，如果您犯了错误或任何事情，请不要担心，请继续继续，然后，当我们完成了，我会停止录音并取消静音。
	好吧好吧，当你可以继续并在你准备好的时候开始。
	大家好，我今天来这里给大家讲解一下。
	使用一些先进的统计工具和 JMP 解决了一个工业问题，所以这是我在现代电气制造商工作时面临的一个真实问题。
	那么我们当时面临的问题是什么，我们有这个电动机，所以客户，他从水中购买馏出物。
	而且他必须将这些电气模型连接到他自己的机器上，所以他必须在这里打开这个盒子。
	这个盒子有四个不同的螺丝和四个孔，所以他必须打开这个盖子，他必须将电缆连接到他自己的机器上，他必须再次固定它以关闭它。
	当客户尝试这样做时，此时他必须用这个盖子和这四个不同的盖子修复以关闭盒子。
	螺丝有时他会在螺丝[变成假的？] 时遇到这个问题。 换句话说，我们不再有螺丝和铝孔之间的抓地力了。
	按照规范，这颗螺丝在这个组装过程中，而且这些组装过程至少要承受 10 次。
	并且客户在很长很长一段时间内或不同时间，或者如果他必须这样做，没有任何问题。
	改变位置 改变使用这些电动机的机器的位置，他应该只是打开和关闭盒子，没有任何问题 所以在这里我们有一点。
	短视频只是一个很好的说明问题所在，所以这个工作人员在这里迷路了，根本没有抓地力。
	当这些发生时不是我们每天面临的普遍问题，但有时它发生时可能会发生，导演收到。
	一个投诉，主管，打电话给质量经理，质量经理打电话给我，所以马修斯，我们必须解决这个问题，所以把人放在一起开始调查。
	这就是我们开始做的事情。
	至于其他情况，我们必须调查的其他问题。
	我们总是从一些假设开始，所以至少会假设一些可能影响这个问题的假设，我们如何解释这个失败，所以我们把来自不同领域的一些人聚集在一起，例如产品工程。
	我们在这里做错了什么，可能是产品工程部门的任何问题，导致这些问题，一些设计错误，或者我们是否可能有装配线错误问题变异，这可能是拧螺丝机。
	正在以高扭矩工作并产生这些问题或我们正在购买的这个螺丝，这家供应商正在为我们提供这些螺丝，也许他们有。
	直径减小，我们不能有这种抓地力，或者我们当时列出的最后一个假设是注射过程，所以这里有这个合适的铝盒。
	这个直径可以打开，所以即使我们有一个坏的屏幕或一个好的螺丝直径，我们也可以有一个非常大的直径，螺丝不能有这个抓地力。
	整个所以我们可能会遇到问题。
	一旦我们召开了这些会议，列出了这些假设，我们就开始验证或否定它们。
	通过一些研究，一些数据，我们从这里开始谈论产品工程和装配线，因此它们都无效。
	我们检查了所有设计 我们检查了所有规格 我们在设计这些组件时采用的所有标准 螺钉和孔之间的这种组合 不同材料，一切都很好，所以我们不需要在这里做任何事情。
	我们在装配线上使用的拧螺丝机刚拿到这个。
	来到实验室，计量，我们检查了公园，我们检查了机器，一切都很好，所以我们在这里没有问题，所以现在我们会影响这个问题。
	只有螺丝和安装孔这个铝制零件这个盒子在这里我们可以检查好让我们这样做让我们谈谈以色列直径，这是这个问题的主要假设之一。
	在这里我们开始使用 JMP，但在我们开始在工厂测量螺钉之前，我们始终需要确保测量系统获得批准。
	这是一个简单的可变性图表，我们在这里有直径，螺杆直径，我们有五个零件，每个零件由两个不同的操作员测量三遍。
	我们在这里有各种组件，在那里我们可以看到这 93.8% 的变异是由零件引起的，所以这是我们可以确定我们的测量系统良好的事情之一，我们可以区分。
	过程中的零件，所以测量系统获得批准，现在我们可以继续，我们可以进入过程 Aaron 我们可以是 30 评估这是螺丝所以让我们去做，过程的声音如何正确，我们有我在这里向您展示的每一步的示例策略。
	我们使用了六西格码方法，所以我们遵循了一些。
	非常结构化的方法是从测量系统评估开始，然后进入过程并理解过程的声音，最后。
	做一些组合并尝试验证或验证我刚刚提出的那些假设，因此采样是这里的策略。
	我们是否有一个盒子，里面装满了螺丝，所以我们知道的唯一信息是，我们收到了不同批次的这些螺丝，所以每批都有螺丝。
	他们制造日期或制造时刻，所以我们只是将它分成三个不同的批次，每批我们称之为。
	20 个零件，每个零件我们在 0 度和 90 度的正方形上的两个不同位置进行测量。
	为什么这个？ 为了了解我们是否会在这个直径上存在一些圆度问题，因此我们开始收集数据，并在 JMP 中分析了 120 个点。 又是这样。
	在运行变异图表的非常实用的分析中，仅将所有 120 个点放在此处，我们可以看到一切都在规格限制内。
	这里的每个点都是螺钉中的一个度量。 这些蓝线
	它连接了这个螺丝的位置一和二，所以如果我们在这里有一条非常大的蓝线，这意味着我们有非常大的圆度误差。
	这意味着这两个直径的不同位置，所以它们是非常不同的。
	直径，平均而言可以是好的，但是这些和这些直径之间的差异可能是错误的，这可能会影响我们在将其拧入铝盒时的问题，好吧。
	这是一个关于这个螺丝的非常实用的分析，在比较螺丝的这两个不同位置的图形分析中，一切似乎都很好，我们可以看到，我们可以使圆度误差的假设无效。
	可能会受到影响，因此位置一和位置二的平均值几乎相同。 这里的这些条的大小，没有什么好说的，两个或一个的位置是很不一样的。
	这个图表分析在这里我们与变异图表只是比较位置与直径，我们可以看到任何东西。
	我们现在应该注意在使用 JMP 中的这些过程能力进行定量分析时，我们可以看到供应商的过程的声音是如何正确的供应商，即向我们提供这些螺丝。 过程如何？ 对。
	我们这里的 CPK 约为 1.47，PPK 约为 1.014。 我们的不稳定性大约需要 1.45，所以这不是我们拥有的最好的过程。
	见过不过。
	考虑和理想的 PPK 1.33。 并在这里考虑对质量特征或维度的关键。
	我们可以假设这个螺丝会影响我们长期的问题，现在，它们都在这个规格之内，但基于统计数据，基于 PPK 值。
	低于 1.33 也许将来会成为问题吧。
	但是在责备供应商之前，我们需要了解注射过程，我们的过程。 如果我们能够抵抗这种螺钉的变化，那对我们来说更好，因为我们不需要。
	开始在供应商处做任何事情，好吧。
	所以这个假设。
	它被搁置了。 让我们把这个放在一边，让我们等一下，关于我们注射过程的研究。
	让我们看看我们是如何做到这一点的。
	注入这些这些盒子，我们有一个模具。
	这个模具有四个不同的腔体。 所以每次我们注入
	这个过程我们得到四个不同的部分，对吧？ 每个部分都有四个不同的孔，客户使用这些孔来固定盖子。 而每一部分，我们也会在不同的位置进行测量。 位置一和位置二。
	因此，在我们开始衡量这个流程并查看原始、实际流程中发生的情况之前，我们必须确保我们的衡量系统良好并获得批准。
	我们必须确定我们是，我们知道如何处理五个坏的部分和好的部分。 所以我们用一个零件，一个盒子来运行这个。
	这些测量系统的变异在这四个不同的孔中。 每个孔由两名不同的操作员测量三遍。 所以，我们发现这个测量系统的最大变化是由 95% 的孔引起的。
	我不得不在这里说，它很难被批准。
	这就像我们运行的第三个 MSA。 我们必须在这里购买一个新的保护装置来测量这个内径。 规范非常严格，关于
	关于一开始没有使用的仪表，所以我们批准了第三个 MSA。 所以一旦批准
	现在我们可以继续前进，我们可以测量过程中的零件，我们可以了解我们的注射过程是如何变化的。 以及它如何影响我们的问题。 所以我们进入了我们获得具有四个不同腔体的模式的过程。
	每个腔的五个部分。
	所以我们在这个过程中只注射了五次，每个腔给了我们五个零件。 每个部分都有
	四个不同的孔，每个孔我们测量到不同的位置，所以这是我们称之为 6 Sigma 工具的示例策略
	变异的组成部分 通过这些变异的组成部分，我们可以了解过程的声音如何，我们可以将过程的声音与客户的声音进行比较，并使用 JMP 中的过程能力，我们可以了解问题有多大。 所以，
	这里我们有 COV 实践分析。 而且，我们收集的所有数据都在这里。
	所以我们在这个变异图表中有四个不同的空腔。 这里是第一个空腔，这里是第二个空腔，这里是第三个空腔，这里是第四个空腔。 所以我们可以在这里看到很多很多不同的情况
	对我们非常重要的信息。 例如，我们在这个可变性图表中看到的最糟糕的空腔是二号空腔。
	因为我们可以例如让我们在这里得到零件号 6，所以我们有本规范内的第一个孔，第二个孔。
	在本规格之外，规格内的第三个孔和第四个孔分别容纳外侧位置和内侧位置之一。 所以，这不好。
	这导致了……它导致了这些数据的很多变化，也许，我们找到了问题的根本原因，对吧？
	为什么这个模具，这是同一个旧的四个不同的腔，为什么第三腔那么好，第二腔那么糟糕，一和四或多或少，对吧？
	洞上这两个位置之间有很多变化。 这意味着孔不是圆形的。 我们有
	这里的圆度错误可能会影响问题。 所以，这是一个非常实用的分析，我们可以通过这些变异图表在 JMP 中看到很多东西。
	一个更加图形化的分析，我刚刚去掉了位置孔 her,e 和那些蓝线，现在它们在这个酒吧里面。 所以条形越大，圆度问题就越大。
	我们可以再次看到空腔三。 我们不是我们没有看到那个问题，但是，腔一，腔四和腔二我们仍然可以看到问题。
	非常非常大，对吧？ 在使用我们现在的过程能力进行定量分析时，我们可以看到，因为我们将所有 60 个数据
	在同一个批次里面同一个评价，同一个分布，我们可以看到一个非常糟糕的过程我们的CPK和PPK几乎等于0，所以是一个非常糟糕的过程。
	考虑长期或短期的不符合
	基础上，我们谈论的是超过 300,000 个零件不合格
	违反我们的规范，这意味着如果我们购买 100 万个，如果我们注入 100 万个这样的盒子，我们很抱歉，
	铝盒，我们将有超过 300 或 30% 是我们的规格，所以也许我们刚刚发现了问题。 JMP 提供给我们的另一件非常有趣的事情是，我们有这个 160
	数据在这里，但我们知道正在调查这个的人，正在分析这个的人，
	知道我们有四个不同的腔体，每个腔体都有大约 40 个数据点，那么为什么不将这些分析分成不同的腔体呢？ 所以，这就是我们在这里所做的。 因此，我们对型腔一进行了工艺能力分析。
	非常不稳定的过程。 腔二再次非常不稳定的过程，我们有负的 PPK 和 CPK 值。
	这意味着这个度量，这个过程的含义是规范之外的其中之一。 所以，我们可以在这里看到样本均值是 4.50075，
	而规格上限为 4.5000。 所以我们超出了我们的规范。 这意味着我们的 PPK 为负数。 所以，
	非常糟糕非常糟糕的过程比腔体更糟糕。 空腔三就是那个很好的空腔。 所以，我们可以看到一个非常稳定的过程。 稳定性指数接近1。
	CPK 和 PPK 值非常好。 范式的期望非常好。 所以，腔四，我们也有一个糟糕的过程。
	CPK 和 PPK 不好，每年对比一下就很清楚现在哪里哪里哪里是我们的问题，对吧？ 是在空腔 1、2、3 还是 4 中？
	因此，如果我们必须在我们的过程中开始行动，我们必须评估空腔二、空腔一和空腔四的维度、情况和特性，而我们不需要在空腔三中做任何事情。
	因此，关于我们注入过程的假设得到了验证。
	我们仍然搁置螺钉直径假设。 那么，为什么我搁置这个，因为我们可以一起评估它们。
	我们在螺钉和安装孔之间存在干涉。 我们如何评估它们在产品过程中的交互方式。
	一旦我们获得了关于这两个过程的信息，它们有多好或多坏，对吗？ 我们有每个过程的均值和标准差，所以我们可以把它们放在一起。 所以让我们从这里开始运行。
	孔直径与螺钉直径的二元拟合。 我在这里做了什么？
	我刚刚在这些 Fit Y by X 中加入了 JMP，我只是将孔直径放在 Y 中，将螺钉直径放在 X 中。 这里，
	这里的蓝色阴影是规格限制。 所以我们有筛网直径的规格限制，我们有安装孔直径的规格限制。 这里的所有这些单点都是螺钉和孔直径的组合。 所以，
	一旦我在这个过程中测量了这一点，我就确定了像这样的每个部分都是第一部分，第五部分和我 [无法理解]。
	零件号 25 零件号 30，用于螺钉和铝盒。 因此，例如，这里的这个点，这里的这个点，这是第 6 个盒子、第 2 个孔和第 9 个螺钉。 螺丝编号在这里，孔径在这里。 对于这里的每个点。
	我以战略性的方式结合，因为我想看到
	当我有一个小螺钉直径并用小孔直径放在一起时，这些部件、这些组件在一起的行为会怎样。 但是如果我有一个大螺丝的小螺丝会发生什么
	适合整体，对吧？ 如果我有一个大螺钉直径和一个大孔直径，会发生什么？ 如果我有的话，我能在这个过程中得到什么
	一个非常大的螺钉直径与一个非常小的孔直径？ 我们之间有很多要点。 所以我们这里有 60 种不同的数据组合
	我在这里得到了每一个组合。 试图重现此失败，对吗？ 对？ 因为，一旦我们重现失败，我们就可以了解过程中发生了什么。 什么
	可能会影响进程。 根本原因是什么。 是螺丝？还是安装孔。 我们应该有什么维度来避免这个问题？ 所以，
	例如这里的这个，当他们把这个九号螺丝放在六号盒子的第二号时，我用那台机器组装它
	我们在这个过程中使用的。 而且，我拆开这个。 当我试图
	再做一次，我做不到。 所以我遇到了问题。 这次大会的数量等于一，这意味着我只能做一次。
	让我们在这里得到另一种情况。 这一点，就在这里。 当我得到 15 号螺钉时，螺钉直径约为 4.73
	相对于14号盒子的2号孔，孔径约为4.43，这意味着螺钉与整个直径之间的过盈量约为0.3毫米。 那么多少次
	我可以这样做，对吗？ 所以，我可以重复这个打开和关闭盒子，打开和关闭，打开和关闭的过程30次。 这种情况在这里，五次。 这里的情况，21次。 所以每一点，我们都运行这个组装过程，直到出现问题。 所以我们可以。
	计算我们重复这个过程的次数。 因此，因为我们的数据表中有一个名为的列
	这些组件的数量或数量，我们可以在这里放一个图例，我们在这里有，例如，从红色到绿色的点。 这里的红点是坏的。 他们是。
	0 到 10 之间。 请记住，规格下限是 10。 我们必须能够重复这个过程至少 10 次。 所以这里所有的红点都是坏的。
	我们在 JMP 中使用的另一个非常有趣的工具是 Prediction Profiler。 在这些时刻，我使用了拟合模型，我在其中放置了它们的三个自由度，孔直径、螺钉直径以及它们之间的相互作用。 我有。
	一个约 0.88 的 R 平方。 所以，这很好，对吧？ 我们可以很好地表示这些模型。 所以，在这里我们可以开始在我们的数据中处理一些不同的情况，对吗？
	因为我们有
	这里是孔径，这里是螺钉直径，这里有结果，我们的 Y，我们的目标，我们的目标。 也就是说，我们在这个过程中可以拥有的这个程序集的数量。
	因此，如果我们修复第一个，我在这里运行的第一个场景是，如果我们将螺钉直径固定为供应商提供给我们的平均值
	今天，整个直径的平均值应该是多少，以保证至少11作为拆卸，对吗？ 这个意思应该是4.50毫米吧？ 哦，那很好。 我们有我们的第一个场景，但是过程变化呢，对吗？
	请记住，我们测量了
	160.
	零件，铝盒。 我们测量了 120 个直径。 那么，我们有这些产品的标准偏差，对吗？ 当我们在预测刻画器中使用模拟器时
	放在这里，保存规格下限，添加我们的随机变化。
	围绕这个孔径。 把我们在过程中得到的标准偏差和我们在过程中得到的螺杆的标准偏差，我们可以模拟。 我只是在这里模拟了 10,000
	不同的组合，我们有大约 44% 的失败率，所以这是非常非常大的，让我们从一些不同的场景开始。
	让我们假设我们在注射过程中不做任何事情并要求供应商
	将他们的具体结果放在规范标称的规范限制的平均值中
	并减少一点变化。 所以，这我将改变这里的值。 所以，我只是把螺杆直径的平均值放在名义上减少了变化。 所以这个绿色
	曲线这里绿色分布减少了。 我再次模拟它，我们得到了从 44% 到 32%。 所以，
	收益不大，费力，但是因为我们会要求供应商给我们一个更好的结果，但他们的结果已经很好了，对吧？ 一切都在规范之内。 所以，
	发生了什么 我们在我们的流程中工作 让我们看看会发生什么 如果我们只是
	再次将螺杆直径置于他们现在提供的标准偏差的平均值中。 我们只是减少了一点我们在过程中的变化，以及两者，
	处理名义本 4.45 的平均值。 请记住，这些空腔的变化非常非常大，所以让我们假设我们纠正、修复我们的过程。
	把处理的平均值放在名义上并减少变异。 我们可以有多少次拆卸？ 为什么？ 因此，预测分析器只是将 20 次重复反汇编放在这里。 率，失败率
	下降到 0.009% 这对我们来说非常非常好。 所以，
	即使有这种组变化，该过程也可以使用 20 次拆卸。 这很好。 所以我们刚刚验证了注射过程问题，对吗？ 如果假设。 我们没有螺杆直径工艺，但是是的，我们的注塑工艺存在问题。
	一旦我们看到这一点，我们就制定了一项行动计划。 我们写了这些，我们把它提交给了经理、质量经理、工程经理、总监和
	注射过程管理器，对吗？ 那台注塑机的主人，那个模具的主人。 所以，在向领导分享结果和预测后
	已经在铝注塑模具中采取了措施。 用于创建装配孔的销被替换为新的。 修改后的模具提供了以下验证结果。 所以，
	一旦我们修复了我们交付的别针。
	在盒子上打出这些洞，我们进行了另一项 COV 验证研究。 而且，我们在这里得到了这个结果。 因此，另外 20 个零件位于相同的四个不同的孔洞中，两个不同的位置。 我们现在有
	一个新的蛀牙有非常非常好的效果。 甚至比我们在预测分析器中预测的结果还要好。
	一个非常小的变化。 那么，让我们看看当我们谈论稳定性时会发生什么？ 这是一个非常好的过程能力。 我们有。
	零不符合[无法理解]，所以这就是全部。
	几乎为零吧，这是一个非常好的新流程。 而且，我们现在可以在这里比较之前和之后的操作
	使用我们的新流程。 所以，我在调查开始时使用的同一个二元图，现在我在这里展示新值，因为我们所做的，在这里我们得到了这些新的 20 个部分。
	我们测量一个新的螺丝。 而且，我们结合在一起，我们再次将不同的情况放在一起。 螺钉直径和孔直径的不同值和
	我们去了流程，拿到那台机器，开始拆机，组装，拆机，组装，重复这个过程，直到出现故障。 所以，
	正如您在此处看到的，对于此处的两个特性，所有点现在都在此规范内。 而且，这里最糟糕的一点是红色的有 10、11、12、15 次拆卸。 所以现在我们遇到了问题
	解决了，对吗？ 我们不再有问题了。 我们只是加入了这个过程。
	工厂中的一些控制计划，所以他们必须控制
	销的直径现在以确保
	在特定时刻，他们必须更换这些引脚。 保证孔径。 为了保证客户没有这个问题，对吧？T 所以这就是问题所在。 问题解决了。
	这就是伙计们。 我将在这里用几分钟向你展示我是如何做到这一点的
	JMP。 所以，我在这里有我们的数据表，其中有我使用的盒子，我使用的孔和每个孔，我们有直径。
	每个螺钉将在此处测量直径，以及所有组合的螺钉数量，我们这里有 60 个组合，我们有每个组合的拆卸数量。 所以，
	我在这里做的其中一件事是分析 -> 按 X 拟合 Y。 我将孔直径放在 Y 中，将螺钉直径放在 X 中。
	我在这里有这张图，所以这与我在那里展示的不同，因为我有规格限制，对吗？ 所以，规格限制，我放在这里允许范围。 我放在这里
	这是螺丝，所以这是 4.617 到 4.8 我只是在这里放蓝色并添加。所以，我们有关于的规范。
	螺钉直径，这里我们有 4.4、4.5。
	而且，我会把
	孔规格。
	孔规格。
	如此是在这里。
	我会起飞。
	所以。
	哎呀。
	范围又是 4.4、4.5。
	所以现在我们有了那个图。 所以，我们在那里拥有的所有点。
	而我只是右键单击此处的图例，行图例
	拆卸。我选择了这里，这些绿色到红色。
	我在这里选择了反向比例，因为绿色，我想成为最好的。 所以，他们来了。 好吧，我也可以，
	在这里得到更大的点。 所以，这是我使用的图表之一。
	我做的另一件事让我们在这里清除行状态，是分析->拟合模型。 所以，我的 Y，我在这里的目标是数量，拆卸的数量。 整个直径和螺钉直径我刚刚放在这里。 而且，我也把他们之间的互动放在了一边，然后我就跑了。
	而我这里，
	我在这里和我们的 R 方拟合的总结
	分析器就在这里。 所以，
	这是我把直径放在这里的地方，我改变了这个孔的直径，这里使用了模拟器II，所以我在这里保存了规格限制，所以我知道10是拆卸数量的规格下限。
	我在这里放置了围绕这些均值的随机变化。 所以，一旦我有了这个，我就......
	我可以选择 5000 次运行，我在这里模拟，我在这里有这个失败率。 这是不同的，因为我没有使用与演示文稿相同的值。 所以，我们可以在这里运行不同的场景。 假设我们在 4.43 中开始提供漏洞。
	所以拆卸的数量将是 24 与相同的平均值
	螺杆直径。 这是 JMP 中非常非常好的工具，我在演示中经常使用它。 所以，
	谢谢你们的收看，就是这样的伙计们。 就这样结束了。

爆发数据可视化质量和可靠性统计和建模回复：使用高级统计工具解决工业问题 (2021-US-45MP-854)

马修斯：精彩的演讲！ 我将与我的同事分享这个。