Vocero
|
Transcripción
|
| Nicholas Shelton |
Está bien, y voy a quedarme en silencio y una vez que lo haga, puedes comenzar cuando estés listo y, como mencioné, no te preocupes si cometes un error o algo, simplemente continúa y luego, cuando Terminamos, lo haré. Detendré la grabación y activaré el sonido. |
| |
Está bien, está bien, cuando puedas seguir adelante y empezar cuando estés listo. |
| |
Hola a todos, estoy aquí, hoy estoy aquí para explicarles de qué hablar. |
| |
Un problema industrial que se resolvió utilizando algunas herramientas estadísticas avanzadas y JMP, por lo que este es un problema real al que me enfrenté cuando trabajaba en un fabricante eléctrico moderno. |
| |
Entonces, ¿cuál fue el problema al que nos enfrentamos en el momento en que teníamos estos electromotores, por lo que el cliente compra el destilado del agua? |
| |
Y tiene que conectar estos modelos eléctricos a su propia máquina, así que tiene que abrir esta caja aquí. |
| |
Esta caja tiene cuatro tornillos diferentes aquí y cuatro agujeros, por lo que tiene que abrir esta tapa, tiene que conectar los cables eléctricos a su propia máquina y tiene que volver a fijarla para cerrarla. |
| |
Cuando el cliente intenta hacer esto y, en el momento que tiene que arreglar el para cerrar la caja con esta tapa y estas cuatro diferentes. |
| |
tornillos a veces tiene este problema cuando el tornillo se vuelve falso. En otras palabras, ya no tenemos el agarre entre el tornillo y el orificio de aluminio. |
| |
Por especificación, este tornillo este este proceso de ensamblaje, y estos ensamblados tienen que resistir al menos 10 veces. |
| |
Y el cliente hace esto sin problemas durante mucho, mucho tiempo o en diferentes momentos, o si tiene que hacerlo. |
| |
cambie la posición cambie la máquina de donde se están usando estos motores eléctricos, solo debe abrir y cerrar la caja, sin ningún problema. Así que aquí tenemos un poco. |
| |
El video corto es solo una buena ilustración sobre cuál es el problema, por lo que esta tripulación está perdida aquí, no hay agarre en absoluto. |
| |
Cuando esto sucede no es un problema común al que nos enfrentamos todos los días, pero a veces puede suceder cuando sucedió, recibió el director. |
| |
una queja, el director, llamó al gerente de calidad y el gerente de calidad me llamó a mí, así que Matheus, tenemos que resolver este problema, así que reúna a las personas y comience esta investigación. |
| |
Y eso fue lo que pasó, eso fue lo que empezamos a hacer. |
| |
Como otras situaciones otro problema que tenemos que investigar. |
| |
Siempre comenzaremos con algunas hipótesis, por lo que al menos habrá algunas hipótesis sobre qué puede estar afectando este problema, cómo podemos explicar esto, esta falla, por lo que reunimos a algunas personas de diferentes áreas, por ejemplo, ingeniería de producto. |
| |
¿Qué podemos estar haciendo mal aquí? Puede ser cualquier problema y en el departamento de ingeniería de producto, causando estos problemas, algunos errores de diseño o podemos tener errores en la línea de montaje, problemas de variación, tal vez la máquina atornilladora. |
| |
está trabajando con un par alto y generando estos este problema o este tornillo que estamos comprando justo este proveedor, que nos está proporcionando estos tornillos que tal vez ellos tengan. |
| |
Diámetro reducido y no podemos tener este agarre o la última hipótesis que enumeramos en ese momento fue el proceso de inyección, por lo que esta caja de aluminio encaja aquí. |
| |
Este diámetro podría abrirse por lo que, incluso si tuviéramos una mala pantalla o un buen diámetro de tornillo, podríamos tener un diámetro muy grande y el tornillo no puede tener este agarre con esto. |
| |
Entero para que pudiéramos tener un problema. |
| |
Una vez que tuvimos estas reuniones enumeradas estas hipótesis, comenzamos a validarlas o invalidarlas. |
| |
Con algunos estudios, algunos con algunos datos y comenzamos aquí hablando de la ingeniería de producto y la línea de montaje, por lo que ambos quedaron invalidados. |
| |
Lo revisamos todos los diseños lo revisamos todas las especificaciones todos los estándares que teníamos cuando estamos diseñando estos ensamblajes esta combinación entre atornillar y perforar los diferentes materiales, todo estuvo bien, así que no tuvimos que hacer nada aquí. |
| |
La máquina atornilladora que estábamos usando en la línea de montaje, acabamos de recibir esto. |
| |
Vinimos a los laboratorios, a la metrología y revisamos el parque, revisamos las máquinas y todo estaba bien, así que no tuvimos problemas aquí, entonces, ¿qué puede estar afectando este problema ahora? |
| |
Solo teníamos el tornillo y el orificio de ajuste, esta parte de aluminio, esta caja aquí, que pudimos verificar, bien, hagamos esto, hablemos del diámetro de Israel, una de las principales hipótesis de este problema. |
| |
Y aquí comenzamos a usar JMP, pero cómo es que antes de comenzar a medir los tornillos en la fábrica, siempre debemos estar seguros de que el sistema de medición está aprobado. |
| |
Aquí hay una tabla de variabilidad simple donde tenemos aquí el diámetro, el diámetro del tornillo, tenemos cinco partes, cada parte fue medida por dos operadores diferentes tres veces cada una. |
| |
Tenemos nuestros diversos componentes aquí, donde podemos ver que el 93.8% de la variación de variación fue causada por partes, por lo que esta es una de las cosas de las que podemos estar seguros de que nuestro sistema de medición es bueno, podemos diferenciar. |
| |
partes en el proceso, por lo que se aprobó el sistema de medición, y ahora podemos seguir adelante, podemos ir al proceso Aaron podemos evaluar esto son tornillos, así que hagámoslo, ¿cómo es la voz del proceso correcta y tuvimos una estrategia de muestra en cada paso que les presento aquí. |
| |
Usamos la metodología Six Sigma, así que la seguimos un poco. |
| |
Un enfoque muy estructurado comienza con las evaluaciones del sistema de medición y entra en el proceso y comprende la voz del proceso y, al final. |
| |
haciendo algunas combinaciones y tratando de validar o validar esas hipótesis que acabo de presentar, por lo que el muestreo es una estrategia aquí. |
| |
Teníamos una caja, llena de tornillos adentro, así que sabíamos que la única información que teníamos era que recibimos estos tornillos en diferentes lotes, por lo que cada lote los tenía puestos. |
| |
Tienen la fecha de fabricación o un momento de fabricación, por lo que solo lo separamos en tres lotes diferentes de cada lote que llamamos. |
| |
20 partes y cada parte medimos en dos posiciones diferentes en el cuadrado de cero grados y 90 grados. |
| |
¿Por qué esto? Para ver, para entender si podríamos tener algunos problemas de circularidad en este diámetro, así que con esta estrategia de muestreo comenzamos a recolectar datos y teníamos 120 puntos para analizar en JMP. Así que de nuevo. |
| |
En un análisis muy práctico ejecutando un gráfico de variabilidad aquí, solo poniendo todos los 120 puntos, podemos ver que todo estaba dentro de los límites de especificación. |
| |
Cada punto aquí es una medida en los tornillos. Estas lineas azules |
| |
está conectando la posición uno y dos de este tornillo, por lo que si tenemos una línea azul muy grande aquí, significa que tenemos un error de circularidad muy grande. |
| |
Significa que estas dos posiciones diferentes del diámetro, son muy diferentes. |
| |
El diámetro, en la media puede ser bueno, pero la diferencia entre estos y estos diámetros podría ser incorrecta, y esto podría afectar nuestro problema a la hora de atornillarlo en la caja de aluminio bien así. |
| |
Este es un análisis muy práctico sobre este tornillo, todo parecía ir bien en un análisis gráfico comparando estas dos posiciones diferentes de los tornillos, podemos ver, podemos invalidar la hipótesis de que los errores de circularidad. |
| |
Podríamos estar afectando, por lo que la media de la posición uno y la posición dos era casi la misma. El tamaño de estas barras aquí, no hay nada que De acuerdo, la posición dos o una es muy diferente. |
| |
Este análisis gráfico aquí lo tenemos con un gráfico de variabilidad, simplemente comparando la posición con el diámetro, podemos ver cualquier cosa. |
| |
Deberíamos prestar atención tan bien ahora en un análisis cuantitativo que usa la capacidad de estos procesos en JMP, podemos ver cómo la voz del proceso del proveedor es correcta, el proveedor que nos entrega estos tornillos. ¿Cómo es el proceso? Derecha. |
| |
Tenemos aquí un CPK de aproximadamente 1,47, un PPK de aproximadamente 1,014. Tenemos inestabilidad que tarda alrededor de 1,45 por lo que no es el mejor proceso que tenemos. |
| |
Visto pero. |
| |
Considerando e ideal PPK 1.33. Y pensando en una característica o dimensión crítica para la calidad aquí. |
| |
Podríamos suponer que estos tornillos podrían afectar el problema a largo plazo, ahora mismo, todos están dentro de esta especificación pero basados en las estadísticas, basadas en el valor de PPK. |
| |
Menos de 1,33 tal vez pueda ser un problema en el futuro, ¿verdad? |
| |
Pero antes de culpar a los proveedores, debemos comprender el proceso de inyección, nuestro proceso. Si podemos ser robustos contra esta variación del tornillo, mejor para nosotros porque no es necesario. |
| |
empezar a hacer cualquier cosa en el proveedor y está bien. |
| |
Entonces esta hipótesis. |
| |
Estaba en espera. Dejemos esto a un lado y esperemos, los estudios sobre nuestro proceso de inyección. |
| |
veamos cómo lo hicimos así. |
| |
para inyectar estas estas cajas, tenemos un molde. |
| |
Este molde tiene cuatro cavidades diferentes. Así que cada vez que inyectamos |
| |
este proceso obtenemos cuatro partes diferentes, ¿verdad? Cada parte tiene cuatro orificios diferentes, los orificios que el cliente usa para fijar la tapa. Y cada parte, también la mediremos en diferentes posiciones. Posición uno y posición dos. |
| |
Entonces, nuevamente, antes de comenzar a medir este proceso y ver lo que está sucediendo en el proceso original y real, tenemos que estar seguros de que nuestro sistema de medición es bueno y está aprobado. |
| |
Tenemos que estar seguros de que lo estamos, sabemos cómo suceder cinco partes malas y buenas. Entonces, con una parte, una caja, ejecutamos esto. |
| |
Estos sistemas de medición de variación en esos cuatro agujeros diferentes. Cada hoyo medido por dos operadores diferentes tres veces cada uno. Entonces, tuvimos la mayor variación de este sistema de medición causada por el agujero del 95%. |
| |
Tengo que decir aquí que fue muy difícil de aprobar. |
| |
Fue como el tercer MSA que ejecutamos. Tenemos que comprar una nueva protección aquí para medir este diámetro interno. La especificación era muy estricta y la resolución sobre el |
| |
sobre los calibres no apropiados al principio, así que aprobamos este tercer MSA. Entonces, una vez que se aprueba |
| |
ahora podemos seguir adelante, podemos medir las partes en el proceso, podemos entender cómo está variando nuestro proceso de inyección. Y cómo puede afectar nuestro problema. Así que pasamos al proceso, obtuvimos ese modo con cuatro cavidades diferentes. |
| |
Cinco partes de cada cavidad. |
| |
Así que solo inyectamos cinco veces en el proceso, cada cavidad nos dio cinco partes. Cada parte tenía |
| |
cuatro orificios diferentes y cada orificio que medimos en una posición diferente, por lo que esta es una estrategia de muestra para una herramienta Six Sigma que llamamos |
| |
componentes de variación con estos componentes de variación podemos entender cómo es la voz del proceso, podemos comparar la voz del proceso con la voz del cliente y utilizando la capacidad del proceso en JMP y podemos entender qué tan grande es el problema. Entonces, |
| |
aquí tenemos el análisis práctico de COV. Y todos los datos que recopilamos están aquí. |
| |
Entonces tenemos cuatro cavidades diferentes en este cuadro de variabilidad. La primera cavidad aquí, la segunda cavidad aquí, la tercera aquí y la cuarta aquí. Así que podemos ver muchas, muchas situaciones diferentes aquí, muchas |
| |
información que es muy importante para nosotros. Por ejemplo, la peor cavidad que podemos ver en este cuadro de variabilidad es la cavidad número dos. |
| |
Porque podemos, por ejemplo, obtengamos la pieza número seis aquí, tenemos el primer orificio dentro de esta especificación, el segundo orificio. |
| |
fuera de esta especificación, ese tercer orificio dentro de la especificación y el cuarto mantienen una de la posición exterior y otra de la posición interior. Entonces, esto no es bueno. |
| |
Esto está causando ... está causando mucha variación en estos datos y tal vez, aquí tenemos la causa raíz de nuestro problema, ¿verdad? |
| |
Y por qué este molde, son las mismas cuatro cavidades diferentes y por qué la cavidad número tres es tan buena, y la cavidad número dos es tan mala, y la uno y cuatro son más o menos, ¿verdad? |
| |
Hay mucha variación entre estas dos posiciones en el hoyo. Significa que el agujero no es circular. Tenemos |
| |
error de circularidad aquí que puede estar afectando el problema. Entonces, este es un análisis muy práctico, podemos ver muchas cosas aquí en JMP con esta tabla de variabilidad. |
| |
Un análisis más gráfico que acabo de quitarle la posición al hoyo, ey esas líneas azules ahora están dentro de esta barra. Entonces, cuanto más grande es la barra, más grande es el problema de circularidad. |
| |
Podemos ver de nuevo la cavidad tres. No, no vemos ese problema, pero la cavidad uno, la cavidad cuatro y la cavidad dos todavía podemos ver el problema. |
| |
siendo muy, muy grande, ¿verdad? En un análisis cuantitativo usando ahora nuestra capacidad de proceso, podemos ver, como ponemos los cien 60 datos |
| |
dentro del mismo lote dentro de la misma evaluación, la misma distribución, podemos ver un proceso muy malo, nuestro CPK y PPK es casi igual a cero, por lo que es un proceso muy malo. |
| |
Pensando en la no conformidad a largo o corto plazo |
| |
base, estamos hablando de más de 300.000 piezas no conformes |
| |
en contra de nuestra especificación, significa que si compramos 1 millón, lo sentimos si inyectamos 1 millón de esas cajas, |
| |
caja de aluminio, tendremos más de 300 o 30% de ellos siendo nuestros de la especificación así que tal vez acabamos de encontrar el problema. Y otra cosa que es muy interesante aquí que nos brinda JMP, tenemos este 160 |
| |
datos aquí, pero sabemos que la persona que está investigando esto, la persona que está analizando esto, |
| |
sabe que tenemos cuatro cavidades diferentes y tenemos como 40 puntos de datos para cada cavidad, entonces, ¿por qué no separar estos análisis en diferentes cavidades? Entonces, eso es lo que hicimos aquí. Entonces tenemos un análisis de capacidad de proceso para la cavidad uno. |
| |
Proceso muy inestable. Cavidad dos de nuevo proceso muy inestable tenemos valores negativos de PPK y CPK. |
| |
Significa que la medida de esto, el significado de este proceso está fuera de la especificación de uno de ellos. Entonces, podemos ver aquí que la media de la muestra es 4.50075, |
| |
mientras que el límite de especificación superior es 4.5000. Entonces estamos fuera de nuestra especificación. Significa que nuestro PPK es negativo. Entonces, |
| |
es muy malo muy mal proceso peor que el de la cavidad. La cavidad tres es tan buena. Entonces, podemos ver un proceso muy estable. El índice de estabilidad se acerca a uno. |
| |
Los valores de CPK y PPK son muy buenos. La expectativa de formas normales es muy buena. Entonces, la cavidad cuatro, también tenemos un mal proceso. |
| |
CPK y PPK mal, y comparar cada año es muy claro ahora dónde está dónde está nuestro problema, ¿verdad? ¿Está en la cavidad 1, 2, 3 o 4? |
| |
Entonces, si tuviéramos que empezar a actuar en nuestro proceso, debemos evaluar las dimensiones, las situaciones, las características de la cavidad dos, y la uno y cuatro y no necesitamos hacer nada en la cavidad tres. |
| |
Así se validan las hipótesis sobre nuestro proceso de inyección. |
| |
Y todavía tenemos esa hipótesis del diámetro del tornillo en suspenso. Entonces, ¿por qué puse esto en espera porque podemos evaluarlos juntos? |
| |
Tenemos una interferencia entre el tornillo y el orificio de ajuste. ¿Cómo podemos evaluar cómo están interactuando en el proceso en el producto? |
| |
Y qué tan buenos o qué tan malos son una vez que tenemos la información sobre esos dos procesos, ¿verdad? Tenemos la media y la desviación estándar de cada proceso, por lo que podemos unir esto. Así que comencemos a correr aquí. |
| |
ajuste bivariado del diámetro del agujero por un diámetro de tornillo. ¿Qué hice aquí? |
| |
Entré en JMP en estos Fit Y by X, solo puse el diámetro del orificio en la Y y el diámetro del tornillo en la X. Aquí, |
| |
esta sombra azul aquí son los límites de especificación. Así que tenemos los límites de especificación del diámetro de la pantalla y tenemos el límite de especificación del diámetro del orificio de montaje. Todos estos puntos individuales aquí son una combinación entre el diámetro del tornillo y el orificio. Entonces, |
| |
una vez que mido esto en el proceso identifiqué cada una de las partes como esta es la parte número uno, la parte número cinco y yo [ininteligible]. |
| |
número de pieza 25 número de pieza 30, para los tornillos y la caja de aluminio. Entonces, por ejemplo, este punto aquí, este punto aquí, este es el cuadro número seis, el agujero número dos y el tornillo número nueve. El número de tornillo está aquí, el diámetro del orificio está aquí. Y para cada punto aquí. |
| |
Combino de manera estratégica porque quería ver |
| |
cuál será el comportamiento de estas partes, estos componentes juntos cuando tengo un diámetro de tornillo pequeño y se ensamblan con un diámetro de agujero pequeño. Pero, ¿qué puede pasar si tengo un tornillo pequeño con un gran |
| |
encajando entero, ¿verdad? ¿Qué puede pasar si tengo un diámetro de tornillo grande, con un diámetro de agujero grande? ¿Y qué puedo tener en el proceso, si tengo |
| |
¿Un diámetro de tornillo muy grande con un diámetro de agujero muy pequeño? Y tenemos muchos puntos en el medio. Así que teníamos aquí como 60 combinaciones diferentes de estos datos y |
| |
Tengo todas las combinaciones aquí. Tratando de reproducir este fallo, ¿verdad? ¿Derecha? Porque, una vez que reproducimos la falla, podemos entender lo que está sucediendo en el proceso. Qué |
| |
puede estar afectando el proceso. Cuál es la raíz de la causa. ¿Es el tornillo o el orificio de ajuste? ¿Qué dimensión debemos tener para evitar este problema? Entonces, |
| |
por ejemplo este de aquí, cuando ponen este tornillo número nueve en el número entero dos de la caja número seis lo ensamblo usando esa máquina |
| |
que estábamos usando en el proceso. Y desmonto esto. Y cuando intenté |
| |
hacerlo de nuevo, no pude hacerlo. Entonces tuve el problema. El número de esta asamblea aquí fue igual a uno, significa que solo pude hacerlo una vez. |
| |
Consigamos otra situación aquí. Este punto, aquí mismo. Cuando obtengo ese tornillo número 15 que tenía un diámetro de tornillo de aproximadamente 4,73 |
| |
contra el agujero número dos de la caja número 14 con un diámetro de agujero de aproximadamente 4,43, significa que la interferencia entre un tornillo y todo el diámetro aquí fue de aproximadamente 0,3 milímetros. Entonces cuantas veces |
| |
Podría hacer esto, ¿verdad? Entonces, podría repetir este proceso de abrir y cerrar la caja, abrir y cerrar, abrir y cerrar, 30 veces. Esta situación aquí, cinco veces. La situación aquí, 21 veces. Entonces, en cada uno de estos puntos, ejecutamos este proceso de ensamblaje hasta que tenemos el problema. Entonces podríamos. |
| |
cuente el número de veces que repetimos este proceso. Entonces, como tenemos una columna en nuestra tabla de datos llamada |
| |
cantidad o cantidad de estos como estos ensamblajes, podemos simplemente poner una leyenda aquí y tenemos aquí, por ejemplo, puntos que van de rojo a verde. Los puntos rojos aquí son malos. Son. |
| |
entre cero y 10. Recuerde que el límite de especificación inferior es 10. Tenemos que poder repetir este proceso al menos 10 veces. Así que todos los puntos rojos aquí son malos. |
| |
Y otra herramienta más, muy interesante que usamos aquí en JMP fue el Prediction Profiler. En estos momentos utilizo el Modelo de Ajuste, donde pongo sus tres grados de libertad, el diámetro del agujero, el diámetro del tornillo y la interacción entre ellos. Tuve. |
| |
un cuadrado R de aproximadamente 0,88. Entonces, esto es bastante bueno, ¿verdad? Podemos representar bien estos modelos. Entonces, aquí podemos comenzar a jugar con algunas situaciones diferentes en nuestro con nuestros datos, ¿verdad? |
| |
Porque tenemos |
| |
el diámetro del agujero aquí, el diámetro del tornillo aquí, y aquí tenemos el resultado, nuestra Y, nuestro objetivo, nuestro objetivo. Es decir, la cantidad de este montaje que podemos tener en este proceso. |
| |
Entonces, si arreglamos el primero, el primer escenario que corrí aquí fue si arreglamos el diámetro del tornillo en la media que los proveedores, proporcionándonos |
| |
hoy, ¿cuál debería ser la media de todo el diámetro, para garantizar al menos 11 como desmontaje, verdad? Esta media debería ser de 4,50 milímetros, ¿verdad? Oh eso es agradable. Tenemos nuestro primer escenario, pero ¿qué pasa con la variación del proceso, verdad? |
| |
Recuerda que medimos |
| |
160. |
| |
partes, la caja de aluminio. Medimos 120 diámetros. Entonces, tenemos la desviación estándar de esos productos, ¿verdad? Cuando usamos el simulador en Prediction Profiler |
| |
poniendo aquí, guardando el límite de especificación inferior, agregando nuestra variación aleatoria. |
| |
alrededor de este diámetro del agujero. Poniendo la desviación estándar que obtuvimos en el proceso y la desviación estándar del tornillo que obtuvimos en el proceso, podemos simular. Acabo de simular aquí 10,000 |
| |
diferentes combinaciones y tenemos una tasa de falla de alrededor del 44%, por lo que esto es muy, muy grande, así que comencemos con algunos escenarios diferentes. |
| |
Supongamos que no hacemos nada en nuestro proceso de inyección y pedimos al proveedor que |
| |
poner sus resultados específicos en la media de los límites de especificación en el nominal de la especificación |
| |
y reducir un poco la variación. Entonces, esto cambiaré los valores aquí. Entonces, solo puse la media de los diámetros de los tornillos en el nominal para reducir la variación. Entonces este verde |
| |
curva aquí esta distribución verde se redujo. Lo simulo de nuevo y pasamos del 44% al 32%. Entonces, |
| |
poco beneficio y demasiado esfuerzo, pero porque lo haremos le pediremos al proveedor que nos dé un mejor resultado, pero sus resultados ya fueron buenos, ¿no? Todo estaba dentro de la especificación. Entonces, |
| |
¿Qué pasó? Trabajamos bien en nuestro proceso, veamos qué pasa si solo |
| |
vuelva a poner el diámetro del tornillo en la media que están entregando ahora mismo con la desviación estándar. Y solo reducimos un poco nuestra variación en el proceso, y ambos, |
| |
la media del procesamiento del nominal este 4.45. Recuerde que la variación de estas cavidades fue muy, muy grande, así que supongamos que corregimos, arreglamos, nuestro proceso. |
| |
poner la media del procesamiento en nominal y reducir la variación. ¿Cuántos desmontajes podríamos tener? ¿Por qué? Entonces, el generador de perfiles de predicción acaba de poner aquí como resultado 20 desmontajes repetidos. La tasa, la tasa de fallas |
| |
baja al 0,009% Esto es muy, muy bueno para nosotros. Entonces, |
| |
incluso con esta variación de grupo el proceso funcionaría con un medio de 20 desmontajes. Esta muy bueno. Así que acabamos de validar el problema del proceso de inyección, ¿verdad? Si la hipótesis. No tenemos un proceso de diámetro de tornillo pero sí, tenemos un problema en nuestro proceso de inyección. |
| |
Una vez que vimos esto, pasamos a un plan de acción. Escribimos esto y lo presentamos a los gerentes, los gerentes de calidad, el gerente de ingeniería, el Director y |
| |
el gerente del proceso de inyección, ¿verdad? El dueño de esa máquina de inyección, el dueño de ese molde. Entonces, después de compartir los resultados y las predicciones con el liderazgo |
| |
Se han realizado acciones en el molde de inyección de aluminio. El pasador utilizado para crear el orificio de ajuste se reemplazó por otros nuevos. El molde modificado entregó los siguientes resultados para su validación. Entonces, |
| |
una vez que arreglemos los pines que estamos entregando. |
| |
Al hacer estos agujeros en la caja, realizamos otro estudio de validación de COV. Y tuvimos este resultado aquí. Entonces, otras 20 partes en esas mismas cuatro cavidades diferentes para agujeros, dos posiciones diferentes. Tenemos ahora |
| |
nuevas caries con muy, muy buenos resultados. Incluso mejor que los resultados que estábamos prediciendo en nuestro generador de perfiles de predicción. |
| |
Una variación muy pequeña. Entonces, veamos qué pasa cuando hablamos de estabilidad, ¿no? Ésta es una capacidad de proceso muy buena. Tenemos. |
| |
cero no conformidad con [ininteligible], así que esto es todo. |
| |
casi cero a la derecha, este es un nuevo proceso muy bueno. Y ahora podemos comparar las acciones antes y después aquí. |
| |
con nuestro nuevo proceso. Entonces, la misma gráfica bivariada que usé al comienzo de la investigación, ahora la presento aquí con los nuevos valores, porque lo que hicimos, aquí obtuvimos estas nuevas 20 partes. |
| |
Medimos unos tornillos nuevos. Y, combinamos, volvimos a armar situaciones diferentes. Diferentes valores para el diámetro de los tornillos y el diámetro de los orificios y |
| |
Fuimos al proceso, sacamos esa máquina y empezamos a desmontar, montar, desmontar y montar repitiendo este proceso, hasta tener la falla. Entonces, |
| |
como puede ver aquí, todos los puntos están ahora dentro de esta especificación para ambas características aquí. Y, el peor punto aquí el rojo es tener 10, 11, 12, 15 desmontajes. Entonces ahora tenemos el problema |
| |
resuelto, ¿verdad? Ya no tenemos el problema. Simplemente pusimos en este proceso. |
| |
algunos planes de control en la fábrica, por lo que tienen que controlar el |
| |
diámetro de los pasadores ahora para asegurarse de que |
| |
en un momento específico, tienen que reemplazar estos pines. Para garantizar el diámetro del agujero. Para garantizar no tener este problema en el cliente, ¿verdad? T Entonces ese era el problema. El problema fue resuelto. |
| |
Y eso es todo, chicos. Usaré algunos minutos aquí para mostrarte cómo hice esto bien en |
| |
JMP. Entonces, tengo aquí nuestra tabla de datos donde tengo las cajas que uso, los agujeros que uso y cada agujero, tenemos el diámetro. |
| |
cada tornillo tendrá el diámetro medido aquí, y el número de estos tornillos todas las combinaciones y aquí tenemos 60 combinaciones y tenemos la cantidad de desmontaje para cada una. Entonces, |
| |
Una de las cosas que hice aquí fue Analizar -> Ajustar Y por X. Donde pongo el diámetro del agujero en la Y y el diámetro del tornillo en la X. |
| |
Tengo este gráfico aquí, por lo que es diferente de lo que presenté porque allí tengo los límites de especificación, ¿verdad? Entonces, los límites de especificación que puse aquí permiten rangos. Yo pongo aqui |
| |
este es el tornillo, así que esto es 4.617 a 4.8. Solo pongo azul aquí y agrego. Entonces, tenemos la especificación sobre. |
| |
el diámetro del tornillo y aquí tenemos el 4.4, 4.5. |
| |
Y pondré aquí el |
| |
especificación del agujero también. |
| |
Especificación del agujero. |
| |
Por lo que está aquí. |
| |
Yo despegaría. |
| |
Entonces. |
| |
¡Ups! |
| |
Un rango de nuevo 4,4, 4,5. |
| |
Así que ahora tenemos ese gráfico ahí. Entonces, todos los puntos que tenemos allí. |
| |
Y la leyenda que acabo de hacer clic derecho aquí, Row Legend |
| |
desmontaje. Elegí aquí, estos de verde a rojo. |
| |
Elegí la escala invertida aquí, porque el verde, quiero ser el mejor. Entonces, están aquí. Está bien, yo también podría, |
| |
consigue puntos más grandes aquí. Entonces, este es uno de los gráficos que usé. |
| |
Otra cosa que dejé dejar solo borrar los estados de fila aquí, fue Analizar-> Ajustar modelo. Entonces, mi Y, mi meta aquí es la cantidad, la cantidad de desmontajes. Todo el diámetro y el diámetro del tornillo que acabo de poner aquí. Y también puse la interacción entre ellos y corrí. |
| |
Y tengo aqui |
| |
mi resumen de ajuste con nuestro R-cuadrado aquí y |
| |
el generador de perfiles aquí. Entonces, |
| |
aquí fue donde puse el diámetro aquí, donde cambié este diámetro de orificio, el simulador II que usé aquí, así que guardé los límites de especificación aquí, así que sé que el 10 es el límite de especificación inferior para la cantidad de desmontaje. |
| |
Pongo aquí una variación aleatoria en torno a estos medios. Entonces, una vez que tuve esto, simplemente ... |
| |
Podría elegir 5000 carreras y simulé aquí y tengo esta tasa de fallas aquí. Esto es diferente porque no utilicé los mismos valores que en la presentación. Entonces, podríamos correr en diferentes escenarios aquí. Supongamos que comenzamos a hacer agujeros en 4.43. |
| |
Entonces la cantidad de desmontajes será 24 con la misma media de |
| |
el diámetro del tornillo. Y esta es una herramienta muy, muy buena en JMP, y la uso mucho en mi presentación. Entonces, |
| |
gracias por vernos y eso es todo, chicos. Este es el fin. |
