398689_zh-CN

liliconcom

使用高级统计工具解决工业问题 (2021-US-45MP-854)

级别：初级

 

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

 

公司可能遇到的最严重的问题是客户不满意。 本演讲探讨了客户装配线上拆卸和组装电动机接线盒盖时发生的问题。 拆卸和组装概念指定至少 10 个周期，但客户在第一个周期将电缆连接到购买的电动机时遇到了问题。

 

为了解决这个问题，使用了六西格码方法论中的一些统计工具和方法，以顺序和结构化的方式来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，我要继续静音，一旦我继续静音，那么您准备好后就可以开始，就像我提到的，如果您犯了错误或发生任何事情，请不要担心，请继续继续，然后，当我们结束了，我会停止录音并取消静音。
	好吧好吧，等你准备好了就可以开始了。
	大家好我今天在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，所以这是我在一家现代电气制造商工作时遇到的一个真实问题。
	那么我们当时面临的问题是什么，我们有这个电动机，所以客户购买了水的蒸馏物。
	而他要把这些电气模型连接到自己的机器上，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，并且他必须再次固定它以将其关闭。
	当客户尝试这样做时，并且此时他必须用此盖和这四个不同的盖来修复以关闭盒子。
	螺丝有时他会出现这个问题，当螺丝[转错了？]。 换句话说，螺钉和铝孔之间不再有夹紧力。
	按照规范，这个螺丝这个组装过程，而且这些组装必须经受至少10次。
	客户在很长一段时间或不同的时间（或者如果他必须的话）这样做不会出现任何问题。
	改变位置改变使用这些电动机的机器，他应该只是打开和关闭盒子，没有任何问题所以这里我们有一点。
	短视频只是很好地说明了问题所在，所以这个工作人员在这里迷失了，根本没有抓地力。
	当这些发生时并不是我们每天都会遇到的常见问题，但有时当它发生时也可能会发生，导演收到。
	主管投诉后，给质量经理打电话，质量经理给我打电话，马修斯，我们必须解决这个问题，所以把人们聚集在一起开始调查。
	这就是发生的事情，这就是我们开始做的事情。
	与其他情况一样，我们必须调查其他问题。
	我们总是从一些假设开始，所以至少会做一些假设，什么会影响这个问题，我们如何解释这个失败，所以我们把一些来自不同领域的人聚集在一起，例如产品工程。
	我们在这里可能做错了什么，它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，或者我们可能有装配线错误问题变化，可能是拧紧机。
	正在使用高扭矩并产生这些问题或我们正在向该供应商购买的螺钉，他们可能为我们提供了这种螺钉。
	直径减小，我们不能拥有这种握把，或者我们当时列出的最后一个假设是注射工艺，所以这里安装了这个铝盒。
	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，并且螺丝不能有这样的抓地力。
	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，我们就开始验证或推翻它们。
	通过一些研究，一些研究有一些数据，我们从这里开始谈论产品工程和装配线，所以它们都无效了。
	我们检查了所有的设计，检查了所有的规格，我们在设计这些组件时所采用的所有标准，螺钉和孔之间的组合，不同的材料，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紧机刚刚得到这个。
	来到实验室、计量部门，我们检查了公园，检查了机器，一切都很好，所以我们这里没有出现问题，那么现在是什么影响了这个问题呢？
	这个盒子里只有螺丝和安装孔这个铝制零件，我们可以检查一下，好吧，让我们来谈谈以色列直径，这是这个问题的主要假设之一。
	在这里，我们开始使用 JMP，但是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已获得批准。
	这是一个简单的变异性图表，其中有直径、螺杆直径，我们有五个零件，每个零件由两名不同的操作员测量三次。
	我们这里有各种组件，我们可以看到这 93.8% 的变化是由零件引起的，所以这是我们可以确定我们的测量系统良好、我们可以区分的事情之一。
	零件在流程中，因此测量系统已获得批准，现在我们可以继续前进，我们可以转到流程 Aaron 我们可以是 30 评估这是螺钉，所以让我们这样做，流程的声音如何正确，我们有我在这里向您展示的每一步策略示例。
	我们使用了六西格码方法，所以我们遵循它一些。
	非常结构化的方法是从测量系统评估开始，进入流程并了解流程的声音，最后。
	进行一些组合并尝试验证或验证我刚刚提出的那些假设，因此这里的抽样是策略。
	我们有一个盒子，里面装满了螺丝，所以我们知道我们拥有的唯一信息是我们收到了不同批次的这些螺丝，所以每个批次都有它们的螺丝。
	他们是制造日期或制造时刻，所以我们只是将其分为三个不同的批次，每个批次我们称之为。
	20 个零件，每个零件我们在正方形上的两个不同位置（例如 0 度和 90 度）进行测量。
	为什么这个？ 为了查看、了解我们是否会在该直径上出现一些圆度问题，因此通过这种采样策略，我们开始收集数据，并在 JMP 中分析了 120 个点。 再次如此。
	在一个非常实际的分析中，运行变异性图表，仅输入所有 120 个点，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尺寸。 这些蓝线
	它连接着该螺丝的一号位置和二号位置，所以如果这里有一条非常大的蓝线，则意味着我们有一个非常大的圆度误差。
	这意味着这两个位置的直径不同，所以它们有很大不同。
	平均而言，直径可能是好的，但是这些直径和这些直径之间的差异可能是错误的，这可能会影响我们将其拧入铝盒时的问题，好吧。
	这是关于该螺钉的非常实用的分析，在比较螺钉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。
	我们可能会产生影响，因此位置一和位置二的平均值几乎相同。 这里这些条的大小，没有什么好的，两个或一个的位置非常不同，所以。
	这里的图形分析与变异性图表只是将位置与直径进行比较，我们可以看到任何东西。
	现在我们应该注意，在使用JMP中的这些流程能力进行定量分析时，我们可以看到供应商流程的声音是如何正确的，即为我们提供这些螺丝的供应商。 流程如何？ 正确的。
	我们这里的 CPK 约为 1.47，PPK 约为 1.014。 我们的不稳定程度约为 1.45，因此这不是我们拥有的最佳流程。
	见过但是。
	考虑理想的 PPK 1.33。 并在此思考对质量特征或尺寸的关键。
	我们可以假设这些螺钉可能会在我们的长期基础上影响问题，目前，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也许将来会出现问题吧。
	但在指责供应商之前，我们需要了解注射过程，我们的流程。 如果我们能够稳健地应对螺丝的这种变化，对我们来说更好，因为我们不需要这样做。
	开始在供应商中做任何事情就可以了。
	所以这个假设。
	它被搁置了。 让我们把这个放在一边，等待有关我们注射过程的研究。
	让我们看看我们是如何做到的。
	为了注射这些盒子，我们有一个模具。
	该模具有四个不同的型腔。 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？ 每个部件都有四个不同的孔，客户用这些孔来固定盖子。 而每个部分，我们也会在不同的位置进行测量。 位置一和位置二。
	因此，在我们开始测量这个过程并查看原始实际过程中发生的情况之前，我们必须确保我们的测量系统良好并且得到批准。
	我们必须确保我们知道如何处理五个坏部分和五个好部分。 所以我们用一个零件、一个盒子来运行这个。
	这些测量系统在这四个不同的孔中存在变化。 每个孔由两名不同的操作员各测量三次。 因此，该测量系统的最大变化是由 95% 的孔引起的。
	在这里我不得不说，批准是非常困难的。
	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防护罩来测量这个内径。 该规范非常严格，并且有关的分辨率
	关于一开始没有分配的仪表，所以我们批准了第三个 MSA。 所以一旦获得批准
	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如何变化。 它如何影响我们的问题。 所以我们进入了这个过程，我们得到了具有四个不同腔体的模式。
	每个腔体有五个零件。
	所以我们在这个过程中只注射了五次，每个型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六西格码工具的示例策略
	通过这些变化的组成部分，我们可以了解流程的声音如何，我们可以将流程的声音与客户的声音进行比较，并使用 JMP 中的流程能力，我们可以了解问题有多大。 所以，
	这里我们有COV实际分析。 而且，我们收集的所有数据都在这里。
	所以我们在这个变异性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，我们在此变异性图表中看到的最差的空腔是第二个空腔。
	因为我们可以例如让我们在这里获得零件号 6，我们在该规范内有第一个孔，第二个孔。
	在本规格之外，规格内的第三个孔和第四个孔保持外侧位置之一和内侧位置之一。 所以，这不好。
	这导致......它导致这些数据发生很大的变化，也许，这里我们找到了问题的根本原因，对吧？
	为什么这个模具，这是同样的老四个不同的腔，为什么三号腔那么好，而二号腔那么糟糕，而一号和四号或多或少，对吗？
	球洞上的这两个位置之间存在很大差异。 这意味着该孔不是圆形的。 我们有
	这里的循环误差可能会影响问题。 所以，这是一个非常实用的分析，我们可以通过这些变异性图表在 JMP 中看到很多东西。
	进行更图形化的分析，我刚刚去掉了位置孔 she,e 和那些蓝线，现在它们位于该条形图的内部。 因此，条形越大，圆度问题就越大。
	我们可以再次看到第三个空腔。 我们没有看到这个问题，但是，在第一腔、第四腔和第二腔中我们仍然可以看到这个问题。
	非常非常大，对吧？ 在使用现在我们的处理能力的定量分析中，我们可以看到，当我们将所有 100 60 个数据
	在同一个批次里面，同样的评价，同样的分布，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合格情况
	基础上，我们谈论的是超过 300,000 个不合格零件
	违反我们的规范，这意味着如果我们购买 100 万个，我们很抱歉如果我们注入 100 万个这样的盒子，
	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问题。 JMP 向我们提供的另一件事非常有趣，我们有这个 160
	这里有数据，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型腔，每个型腔有大约 40 个数据点，那么为什么不将这些分析分成不同的型腔呢？ 所以，这就是我们在这里所做的。 所以我们对型腔一进行了工艺能力分析。
	过程非常不稳定。 型腔二再次非常不稳定的过程，我们有负的 PPK 和 CPK 值。
	这意味着这个衡量标准、这个过程的含义是在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格。 这意味着我们的 PPK 为负。 所以，
	是非常糟糕非常糟糕的工艺，比空腔工艺还糟糕。 第三腔就是很好的一个。 所以，我们可以看到一个非常稳定的过程。 稳定性指数接近于1。
	CPK和PPK值非常好。 正常形式的期望非常好。 所以，腔四，我们也有一个不好的过程。
	CPK和PPK不好，逐年比较现在就很清楚我们的问题在哪里，对吧？ 是在腔体 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，我们必须评估第二个、第一、第四个空腔的尺寸、情况和特征，而我们不需要在第三个空腔中做任何事情。
	因此，关于我们的注射过程的假设得到了验证。
	我们仍然搁置螺杆直径假设。 那么，为什么我要搁置这个问题，因为我们可以一起评估它们。
	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如何相互作用。
	一旦我们掌握了这两个过程的信息，它们有多好或多坏，对吗？ 我们有每个过程的平均值和标准差，因此我们可以将它们放在一起。 那么让我们从这里开始运行吧。
	孔径与螺钉直径的二元拟合。 我在这里做了什么？
	我刚刚进入 JMP，在这些 Fit Y by X 中，我只是在 Y 中输入孔径，在 X 中输入螺钉直径。 这里，
	这里的蓝色阴影是规格限制。 因此，我们有筛网直径的规格限制，也有安装孔径的规格限制。 这里的所有这些单点都是螺钉和孔径之间的组合。 所以，
	一旦我在这个过程中测量了这一点，我就识别出每个零件，例如零件号一、零件号五和我[无法理解]。
	零件号 25 零件号 30，用于螺钉和铝盒。 例如，这里的这个点，这里的这个点，这是六号盒子、二号孔和九号螺丝。 螺丝号在这里，孔径在这里。 对于这里的每一点。
	我以战略性的方式结合起来，因为我想看到
	当我使用较小的螺杆直径并以较小的孔径组装在一起时，这些部件、这些组件会表现出什么情况。 但是如果我有一个小螺丝和一个大螺丝会发生什么？
	整体合适吧？ 如果螺杆直径和孔径都很大，会发生什么情况？ 如果我有的话，在这个过程中我能得到什么？
	螺杆直径很大而孔径很小吗？ 我们还有很多介于两者之间的点。 所以我们这里有大约 60 种不同的数据组合
	我在这里得到了每一个组合。 试图重现这个失败吗？ 正确的？ 因为，一旦我们重现故障，我们就可以了解过程中发生的情况。 什么
	可能会影响该过程。 根本原因是什么。 是螺丝吗？还是安装孔。 我们应该从什么维度来避免这个问题呢？ 所以，
	例如这里的这个，当他们将九号螺丝放入六号盒子的整个二号中时，我使用那台机器组装它
	我们在此过程中使用的。 而且，我拆解了这个。 当我尝试
	再做一次，我做不到。 所以我遇到了问题。 这里的集会次数等于一次，也就是说我只能进行一次。
	让我们来看另一种情况。 这个点，就在这里。 当我拿到 15 号螺丝时，螺丝直径约为 4.73
	对比14号盒子的二号孔，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
	我可以做到这一点，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。 这样的情况在这里，已经发生过五次了。 这里的情况，21次。 因此，对于这些要点中的每一点，我们都会运行此组装过程，直到出现问题为止。 所以我们可以。
	计算我们重复这个过程的次数。 因为我们的数据表中有一个名为
	作为这些组件的数量或数量，我们可以在这里放置一个图例，例如，点从红色到绿色。 这里的红点是坏的。 他们是。
	0 到 10 之间。 请记住，规格下限为 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预测刻画器。 此时我使用拟合模型，其中放置了它们的三个自由度：孔径、螺钉直径以及它们之间的相互作用。 我有过。
	R 平方约为 0.88。 所以，这很好，对吧？ 我们可以很好地代表这些模型。 那么，在这里我们可以开始处理我们的数据中的一些不同情况，对吧？
	因为我们有
	这里是孔径，这里是螺杆直径，这里有结果，我们的 Y，我们的目的，我们的目标。 也就是我们在这个过程中能够拥有的这个组件的数量。
	因此，如果我们解决第一个问题，我在这里运行的第一个场景是，如果我们将螺杆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，才能保证至少11个拆卸，对吧？ 这意味着应该是 4.50 毫米，对吗？ 哦，那很好。 我们有了第一个场景，但是流程变化怎么样，对吧？
	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。 将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，我们可以进行模拟。 我这里只是模拟了10000
	不同的组合，我们的失败率约为 44%，所以这是非常非常大的，所以让我们从一些不同的场景开始。
	假设我们在注射过程中没有做任何事情，并要求供应商
	将其具体结果放入规范标称中的规范限值平均值中
	并减少一点变化。 因此，我将更改此处的值。 因此，我只是将螺杆直径的平均值放入标称值中，以减少变化。 所以这个绿色
	曲线这里绿色分布减少了。 我再次模拟，结果从 44% 降到了 32%。 所以，
	好处很少，付出的努力太多，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，对吗？ 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，让我们看看如果我们只是这样做会发生什么
	再次将螺杆直径表示为它们现在提供的平均值和标准差。 我们只是减少了一点过程中的变化，而且，
	处理名义值的平均值为 4.45。 请记住，这些型腔的变化非常非常大，所以我们假设我们纠正、修复了我们的流程。
	将处理的平均值设为名义值并减少变异。 我们可以进行多少次拆卸？ 为什么？ 因此，预测分析器只是将 20 次重复反汇编的结果放在这里。 率、故障率
	下降到 0.009% 这对我们来说非常非常好。 所以，
	即使存在这种群体差异，该过程也需要进行 20 次拆卸。 这很好。 那么我们刚刚验证了注入过程问题，对吧？ 如果假设的话。 我们没有螺杆直径工艺，但我们的注射工艺存在问题。
	一旦我们看到这一点，我们就制定了行动计划。 我们写了这些，并将其提交给经理、质量经理、工程经理、总监和
	注射过程管理器，对吗？ 那台注塑机的所有者，那个模具的所有者。 所以，在向领导分享结果和预测后
	铝注塑模具已采取行动。 用于创建装配孔的销钉已更换为新销钉。 修改后的模具提供了以下结果以供验证。 所以，
	一旦我们修复了我们正在交付的引脚。
	在盒子上打孔后，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孔腔、两个不同位置上。 我们现在有
	一个新的蛀牙，效果非常非常好。 甚至比我们在预测刻画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，对吗？ 这是一个非常好的工艺能力。 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
	通过我们的新流程。 所以，我在调查开始时使用的同一个二变量图，现在我在这里展示新的值，因为我们所做的，在这里我们得到了这些新的 20 个部分。
	我们测量新螺丝。 并且，我们将不同的情况再次组合在一起。 螺钉直径和孔直径的不同值
	我们去了流程，拿到那台机器，开始拆卸、组装、拆卸、组装，重复这个过程，直到出现故障。 所以，
	正如您在这里所看到的，对于此处的两个特性，所有点现在都位于此规范内。 而且，这里红色的最糟糕的一点是有 10、11、12、15 次拆卸。 所以现在我们遇到了问题
	解决了，对吧？ 我们不再有问题了。 我们只是投入这个过程。
	工厂里有一些控制计划，所以他们必须控制
	现在确定销钉的直径
	在特定时刻，他们必须更换这些销钉。 以保证孔径。 为了保证客户不会出现这个问题，对吗？所以这就是问题所在。 问题解决了。
	就是这样，伙计们。 我将在这里用几分钟的时间向您展示我是如何正确做到这一点的
	JMP。 所以，我这里有我们的数据表，其中有我使用的盒子，我使用的孔，每个孔，我们都有直径。
	每个螺钉都会在这里测量直径，以及该螺钉所有组合的数量，我们这里有 60 个组合，并且我们有每个组合的拆卸数量。 所以，
	我在这里做的事情之一是分析 -> 通过 X 拟合 Y。 我将孔径放在 Y 中，将螺杆直径放在 X 中。
	我这里有这个图表，所以这与我展示的不同，因为我有规格限制，对吗？ 因此，我在这里放置了规格限制的允许范围。 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，我们有相关的规范。
	螺杆直径，这里有 4.4、4.5。
	而且，我将把这里
	孔规格也是如此。
	孔规格。
	就这样到这里了。
	我会起飞。
	所以。
	哎呀。
	范围又是4.4、4.5。
	现在我们有了该图。 所以，我们那里有所有的点。
	而图例我只需右键单击此处，行图例
	拆卸。我选择这里，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，他们在这里。 好吧，我也可以，
	在这里得到更大的点。 这是我使用的图表之一。
	我所做的另一件事是让我们清除此处的行状态，即分析->拟合模型。 所以，我的 Y，我的目标是拆卸的数量。 我刚刚放在这里的总直径和螺杆直径。 而且，我也把他们之间的互动也放进去，然后我就跑了。
	而我这里有，
	我的 R 方拟合总结如下：
	分析器就在这里。 所以，
	这里是我把直径放在这里的地方，我在这里改变了这个孔径，这里使用的是模拟器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。
	我在这里围绕这些平均值放置了一个随机变化。 所以，一旦我有了这个，我就...
	我可以选择 5000 次运行，我在这里进行了模拟，我在这里得到了这个失败率。 这是不同的，因为我没有使用与演示相同的值。 因此，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。
	因此，拆卸次数将为 24 次，其平均值与
	螺杆直径。 这是 JMP 中一个非常非常好的工具，我在演示中经常使用它。 所以，
	谢谢你们的观看，就这样。 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：非常棒的演讲！ 我将与我的同事分享这一点。