Vocero
|
Transcripción
|
| nicolas shelton |
Bien, voy a ponerme en silencio y una vez que lo haga, podrás comenzar cuando estés listo y, como mencioné, no te preocupes si cometes un error o algo así, simplemente continúa y luego, cuando Ya terminamos, detendré la grabación y activaré el sonido. |
| |
Está bien, está bien, está bien, cuando puedas seguir adelante y comenzar cuando estés listo. |
| |
Hola a todos, estoy aquí hoy 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 que enfrentamos en el momento en que teníamos estos electromotores, y entonces el cliente compra el destilado del agua? |
| |
Y tiene que conectar estos modelos eléctricos a su propia máquina, por lo que tiene que abrir esta caja aquí. |
| |
Esta caja tiene cuatro tornillos diferentes aquí y cuatro orificios, por lo que tiene que abrir esta tapa, tiene que conectar los cables eléctricos a su propia máquina y tiene que arreglarla nuevamente para cerrarla. |
| |
Cuando el cliente intenta hacer esto y, en el momento que tiene que arreglar para cerrar la caja con esta tapa y estas cuatro diferentes. |
| |
tornillos a veces tiene este problema cuando el tornillo está [¿girado en falso?]. En otras palabras, ya no tenemos agarre entre el tornillo y el orificio de aluminio. |
| |
Por especificación, este tornillo es este proceso de ensamblaje, y estos ensamblajes deben resistir al menos 10 veces. |
| |
Y el cliente hace esto sin ningún problema durante mucho, mucho tiempo o en diferentes momentos, o si es necesario. |
| |
cambiar la posición cambiar 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 este equipo está perdido aquí, no hay ningún agarre. |
| |
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, así que Matheus, tenemos que resolver este problema, así que reúna a la gente y comience esta investigación. |
| |
Y eso fue lo que pasó, eso fue lo que empezamos a hacer. |
| |
Como otras situaciones hay 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 esta falla, así que reunimos a algunas personas de diferentes áreas, por ejemplo, ingeniería de productos. |
| |
¿Qué podemos estar haciendo mal aquí? Puede ser cualquier problema en el departamento de ingeniería del producto, causando estos problemas, algunos errores de diseño o podemos tener errores en la línea de ensamblaje, problemas de variación, tal vez en esta máquina atornilladora. |
| |
está trabajando con un par alto y generando este problema o este tornillo que estamos comprando directamente a este proveedor, que nos está proporcionando estos tornillos que tal vez tenga. |
| |
Diámetro reducido y no podemos tener este agarre o la última hipótesis que enumeramos en ese momento fue el proceso de inyección, por eso esta caja de aluminio encaja aquí. |
| |
Este diámetro se podría abrir así que, aunque tuviéramos una mala pantalla o un buen diámetro de tornillo, podríamos tener un diámetro muy grande y el tornillo no puede tener ese agarre con esto. |
| |
Entero por lo que podríamos tener un problema. |
| |
Una vez que tuvimos estas reuniones, enumeramos estas hipótesis, comenzamos a validarlas o invalidarlas. |
| |
Con algunos estudios, algunos con algunos datos y comenzamos aquí hablando de la ingeniería del producto y la línea de ensamblaje, por lo que ambos quedaron invalidados. |
| |
Verificamos todos los diseños, verificamos todas las especificaciones, todos los estándares que teníamos cuando diseñamos estos ensamblajes, esta combinación entre tornillo y orificio, los diferentes materiales, todo estuvo bien, así que no necesitamos hacer nada aquí. |
| |
La máquina atornilladora que estábamos usando en la línea de montaje acaba de recibir esto. |
| |
Vinimos a los laboratorios, a la metrología y revisamos el parque, revisamos las máquinas y todo estaba bien, entonces no tuvimos problemas aquí, entonces, ¿qué puede estar afectando este problema ahora? |
| |
Solo tenía el tornillo y el orificio de ajuste, esta pieza de aluminio, esta caja aquí que pudimos verificar, está bien, hagamos esto, hablemos del diámetro de Israel, una de las principales hipótesis de este problema. |
| |
Y aquí comenzamos a usar JMP, pero antes de comenzar a medir los tornillos en la fábrica, siempre debemos estar seguros de que el sistema de medición esté aprobado. |
| |
Aquí hay una tabla de variabilidad simple donde tenemos 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 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 correcta la voz del proceso y teníamos Una estrategia de muestra en cada paso que les presento aquí. |
| |
Usamos la metodología Six Sigma, por lo que la seguimos en parte. |
| |
Un enfoque muy estructurado consiste en comenzar con las evaluaciones del sistema de medición, profundizar en el proceso y comprender 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 la 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 tenía su propio. |
| |
Tienen una fecha de fabricación o un momento de fabricación, por lo que simplemente lo separamos en tres lotes diferentes, cada lote que llamamos. |
| |
20 partes y cada parte la medimos en dos posiciones diferentes en el cuadrado de cero grados y 90 grados. |
| |
¿Por qué esto? Para ver, entender si podríamos tener algunos problemas de circularidad en este diámetro, así que con esta estrategia de muestreo comenzamos a recopilar datos y teníamos 120 puntos para analizar en JMP. Entonces otra vez. |
| |
En un análisis muy práctico ejecutando un gráfico de variabilidad aquí simplemente poniendo los 120 puntos, podemos ver que todo estaba dentro de los límites de especificación. |
| |
Cada punto aquí es una medida en los tornillos. Esta línea azul |
| |
está conectando las posiciones 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 promedio, 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, vale. |
| |
Este es un análisis muy práctico sobre este tornillo, todo parecía estar bien en un análisis gráfico comparando estas dos posiciones diferentes de los tornillos, podemos ver que 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 esté bien, la posición dos o una es muy diferente. |
| |
Este análisis gráfico aquí tenemos un gráfico de variabilidad simplemente comparando la posición con el diámetro, podemos ver cualquier cosa. |
| |
Deberíamos prestar atención ahora, en un análisis cuantitativo utilizando estas capacidades de proceso en JMP, podemos ver cómo la voz del proceso del proveedor es correcta para el proveedor, que nos está entregando estos tornillos. ¿Cómo es el proceso? Bien. |
| |
Tenemos aquí un CPK de aproximadamente 1,47, un PPK de aproximadamente 1,014. Tenemos inestabilidad en aproximadamente 1,45, por lo que no es el mejor proceso que tenemos. |
| |
Visto pero. |
| |
Considerando e ideal PPK 1.33. Y pensando aquí en una característica o dimensión crítica para la calidad. |
| |
Podríamos suponer que estos tornillos podrían afectar el problema a largo plazo; en este momento, todos están dentro de esta especificación, pero según las estadísticas, según el valor PPK. |
| |
Menos de 1,33 tal vez pueda ser un problema en el futuro, ¿verdad? |
| |
Pero antes de culpar a los proveedores, debemos entender el proceso de inyección, nuestro proceso. Si podemos ser resistentes a esta variación del tornillo, será mejor para nosotros porque no lo necesitamos. |
| |
Empiece a hacer algo en el proveedor y está bien. |
| |
Entonces esta hipótesis. |
| |
Estaba en espera. Dejemos esto de lado y esperemos, los estudios sobre nuestro proceso de inyección. |
| |
Veamos cómo lo hicimos. |
| |
Para inyectar estas cajas, tenemos un molde. |
| |
Este molde tiene cuatro cavidades diferentes. Así que cada vez que inyectamos |
| |
En este proceso tenemos cuatro partes diferentes, ¿verdad? Cada pieza tiene cuatro agujeros diferentes, los agujeros que utiliza el cliente para fijar la tapa. Y cada parte, también la mediremos en diferentes posiciones. Posición uno y posición dos. |
| |
Nuevamente, antes de comenzar a medir este proceso y ver qué está sucediendo en el proceso original y real, debemos asegurarnos de que nuestro sistema de medición sea bueno y esté aprobado. |
| |
Tenemos que estar seguros de que lo somos, sabemos cómo diferenciar cinco partes malas y cinco partes buenas. Entonces, con una parte, una caja, ejecutamos esto. |
| |
Este sistema 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 aprobarlo. |
| |
Fue como el tercer MSA que realizamos. Tenemos que comprar un protector nuevo aquí para medir este diámetro interno. La especificación era muy estricta y la resolución sobre el |
| |
sobre los medidores que no fueron apropiados al principio, por lo que aprobamos este tercer MSA. Así que una vez aprobado |
| |
ahora podemos seguir adelante, podemos medir las piezas en el proceso, podemos entender cómo varía nuestro proceso de inyección. ¿Y cómo puede afectar nuestro problema? Entonces pasamos al proceso y obtuvimos ese modo con cuatro cavidades diferentes. |
| |
Cinco partes de cada cavidad. |
| |
Así que inyectamos cinco veces en el proceso, cada cavidad nos dio cinco partes. Cada parte tenía |
| |
cuatro agujeros diferentes y cada agujero lo medimos en una posición diferente, por lo que esta es una estrategia de muestra para una herramienta seis 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 usando la capacidad del proceso en JMP 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 gráfico de variabilidad. La primera cavidad aquí, la segunda cavidad aquí, la tercera aquí y la cuarta aquí. Entonces podemos ver muchas, muchas situaciones diferentes aquí, muchas |
| |
información que es muy importante para nosotros. Por ejemplo, cuál es la peor cavidad que podemos ver en esta tabla de variabilidad es la cavidad número dos. |
| |
Como podemos, por ejemplo, obtener el número de pieza seis, aquí tenemos el primer orificio dentro de esta especificación, el segundo orificio. |
| |
fuera de esta especificación, el tercer orificio dentro de la especificación y el cuarto mantienen una posición exterior y otra posición interior. Entonces esto no es bueno. |
| |
Esto está causando... está causando mucha variación en estos datos y tal vez aquí tengamos la causa raíz de nuestro problema, ¿verdad? |
| |
¿Y por qué este molde, estas son las mismas cuatro cavidades diferentes de siempre 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. Este es un análisis muy práctico. Podemos ver muchas cosas aquí en JMP con estos gráficos de variabilidad. |
| |
Un análisis más gráfico. Acabo de quitarle el agujero de posición y esas líneas azules ahora están dentro de esta barra. Entonces, cuanto más grande es la barra, mayor es el problema de circularidad. |
| |
Podemos ver nuevamente la cavidad tres. No vemos ese problema, pero en la cavidad uno, la cavidad cuatro y la cavidad dos todavía podemos ver el problema. |
| |
siendo muy, muy grande, ¿verdad? En un análisis cuantitativo utilizando ahora nuestra capacidad de proceso, podemos ver, como colocamos los ciento 60 datos |
| |
Dentro del mismo lote, dentro de la misma evaluación, la misma distribución, podemos ver un proceso muy malo, nuestro CPK y PPK son casi iguales a cero, por lo que es un proceso muy malo. |
| |
Pensar en la no conformidad a largo o corto plazo |
| |
base, estamos hablando de más de 300.000 piezas no conformes |
| |
contra nuestra especificación, significa que si compramos 1 millón, lo sentimos si inyectamos 1 millón de esas cajas, |
| |
caja de aluminio, tendremos más del 300 o 30% de ellos cumpliendo con las especificaciones, así que tal vez hayamos encontrado el problema. Y otra cosa que es muy interesante aquí que nos proporciona 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 la capacidad del proceso para el de cavidad. |
| |
Proceso muy inestable. La cavidad dos nuevamente es un 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 muestral 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 caries. La cavidad tres es muy 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 las formas normales es muy buena. Entonces, en la cavidad cuatro, también tenemos un mal proceso. |
| |
CPK y PPK son malos, y comparando cada año queda muy claro 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 la cuatro y no necesitamos hacer nada en la cavidad tres. |
| |
Así se valida la hipótesis sobre nuestro proceso de inyección. |
| |
Y todavía tenemos en suspenso la hipótesis del diámetro del tornillo. Entonces, ¿por qué dejé esto en suspenso? Si podemos evaluarlos juntos. |
| |
Tenemos una interferencia entre el tornillo y el orificio de montaje. ¿Cómo podemos evaluar cómo interactúan en el proceso del producto? |
| |
Y qué tan buenos o malos son una vez que tenemos la información sobre esos dos procesos, ¿verdad? Tenemos la media y la desviación estándar de cada proceso, así que podemos juntarlos. Así que comencemos aquí a correr. |
| |
Ajuste bivariado del diámetro del agujero por el diámetro del tornillo. ¿Qué hice aquí? |
| |
Acabo de ingresar 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. Entonces tenemos los límites de especificación del diámetro de la pantalla y tenemos el límite de especificación del diámetro del orificio de ajuste. Todos estos puntos individuales aquí son una combinación entre el tornillo y el diámetro del orificio. Entonces, |
| |
una vez que mido esto en el proceso identifiqué cada una de las partes así 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, esta es la caja número seis, el orificio número dos y el tornillo número nueve. El número del tornillo está aquí, el diámetro del agujero está aquí. Y para cada punto aquí. |
| |
Lo combino de manera estratégica porque quería ver |
| |
¿Cuál será el comportamiento de estas piezas, de estos componentes juntos cuando tenga un diámetro de tornillo pequeño y se monten con un diámetro de orificio pequeño? ¿Pero qué puede pasar si tengo un tornillo pequeño con un tornillo grande? |
| |
Encaja todo, ¿verdad? ¿Qué puede pasar si tengo un diámetro de tornillo grande, con un diámetro de agujero grande? Y que puedo tener en el proceso, si tengo |
| |
¿Un diámetro de tornillo muy grande con un diámetro de orificio muy pequeño? Y tenemos muchos puntos en el medio. Entonces teníamos aquí como 60 combinaciones diferentes de estos datos y |
| |
Tengo todas las combinaciones aquí. Intentando reproducir este error, ¿verdad? ¿Bien? Porque, una vez que reproducimos el fallo podremos entender qué está pasando en el proceso. Qué |
| |
puede estar afectando el proceso. Cuál es la raíz de la causa. ¿Es el tornillo? O es el orificio de montaje. ¿Qué dimensión debemos tener para evitar este problema? Entonces, |
| |
por ejemplo este de aquí, cuando ponen este tornillo número nueve en el entero número dos de la caja número seis lo ensamblo usando esa máquina |
| |
que estábamos usando en el proceso. Y lo desarmo. Y cuando intenté |
| |
Hazlo de nuevo, no pude hacerlo. Entonces tuve el problema. El número de esta asamblea aquí fue igual a uno, significa que solo pude hacerla una vez. |
| |
Veamos otra situación aquí. Este punto, aquí mismo. Cuando recibí ese tornillo número 15 que tenía un diámetro de tornillo de aproximadamente 4,73 |
| |
contra el orificio número dos de la caja número 14 con un diámetro de orificio 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. |
| |
cuenta 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 se ensamblan, podemos simplemente poner una leyenda aquí y tenemos aquí, por ejemplo, que los puntos van del rojo al verde. Los puntos rojos aquí son malos. Ellos son. |
| |
entre cero y 10. Recuerde que el límite de especificación inferior es 10. Tenemos que poder repetir este proceso al menos 10 veces. Entonces todos los puntos rojos aquí son malos. |
| |
Y otra herramienta muy interesante que usamos aquí en JMP fue Prediction Profiler. En estos momentos utilizo el Fit Model, donde pongo sus tres grados de libertad, el diámetro del agujero, el diámetro del tornillo y la interacción entre ellos. Tuve. |
| |
un R cuadrado 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 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, nuestra meta. Es decir, la cantidad de este montaje que podemos tener en este proceso. |
| |
Entonces, si arreglamos el primero, el primer escenario que ejecuté aquí fue si arreglamos el diámetro del tornillo en la media que nos proporcionan los proveedores. |
| |
hoy cual debería ser la media de todo el diámetro, para garantizar al menos 11 como desmontaje, ¿no? Esta media debería ser 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. |
| |
Piezas, la caja de aluminio. Medimos 120 diámetros. Entonces, tenemos la desviación estándar de esos productos, ¿verdad? Cuando usamos el Simulador en el 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 hacemos o no hacemos nada en nuestro proceso de inyección y le 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, cambiaré los valores aquí. Entonces, simplemente 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 nuevamente y pasamos del 44% al 32%. Entonces, |
| |
poco beneficio y demasiado esfuerzo, pero porque le pediremos al proveedor que nos dé un mejor resultado, pero sus resultados ya fueron buenos, ¿verdad? Todo estaba dentro de las especificaciones. Entonces, |
| |
¿Qué pasó? Trabajamos en nuestro proceso. Veamos qué pasa si simplemente |
| |
Vuelva a poner el diámetro del tornillo en la media que están entregando ahora mismo con la desviación estándar. Y simplemente reducimos un poco nuestra variación en el proceso, y ambos, |
| |
la media del procesamiento del nominal esta 4,45. Recuerden 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 fracaso. |
| |
baja al 0,009%. Esto es muy, muy bueno para nosotros. Entonces, |
| |
Aún con esta variación de grupo el proceso funcionaría con un promedio de 20 desmontajes. Esta muy bueno. Entonces 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. Los escribimos y los presentamos a los gerentes, a los gerentes de calidad, al gerente de ingeniería, al director y |
| |
el administrador del proceso de inyección, ¿verdad? El dueño de esa máquina de inyección, el dueño de ese molde. Entonces, después de compartir los resultados y predicciones con los líderes |
| |
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 arrojó los siguientes resultados para su validación. Entonces, |
| |
Una vez arreglamos los pines que entregamos. |
| |
Al hacer estos agujeros en la caja, realizamos otro estudio de validación de COV. Y tuvimos este resultado aquí. Entonces, otras 20 piezas en esas mismas cuatro cavidades diferentes para agujeros, dos posiciones diferentes. tenemos ahora |
| |
unas nuevas caries con muy, muy buenos resultados. Incluso mejores que los resultados que predijimos en nuestro generador de perfiles de predicción. |
| |
Una variación muy pequeña. Entonces, veamos qué pasa cuando hablamos de estabilidad, ¿verdad? Esta es una muy buena capacidad de proceso. Tenemos. |
| |
cero no conformidad con [ininteligible], así que esto es todo. |
| |
Casi cero, este es un proceso nuevo muy bueno. Y ahora podemos comparar las acciones de antes y después aquí. |
| |
con nuestro nuevo proceso. Entonces, el mismo gráfico bivariado que usé al comienzo de la investigación, ahora lo presento aquí con los nuevos valores, porque lo que hicimos, aquí obtuvimos estas nuevas 20 partes. |
| |
Medimos unos tornillos nuevos. Y, combinamos, volvemos a armar diferentes situaciones. Diferentes valores para el diámetro de los tornillos y el diámetro de los agujeros y |
| |
Fuimos al proceso, conseguimos esa máquina y comenzamos a desmontar, y a montar, a desmontar y a montar repitiendo este proceso, hasta tener la falla. Entonces, |
| |
Como puede ver aquí, todos los puntos ahora están 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. |
| |
solucionado no? Ya no tenemos el problema. Acabamos de poner 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 concreto, tienen que sustituir estos pines. Para garantizar el diámetro del agujero. Para garantizar no tener este problema en el cliente, ¿no? Entonces este era el problema. El problema fue resuelto. |
| |
Y eso es todo chicos. Usaré algunos minutos aquí para mostrarles cómo hice esto correctamente 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 tenemos aquí 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 puse el diámetro del agujero en la Y y el diámetro del tornillo en la X. |
| |
Tengo este gráfico aquí, entonces esto es diferente de lo que presenté porque allí tengo los límites de especificación, ¿verdad? Entonces, los límites de especificación que puse aquí permiten rangos. puse aquí |
| |
este es el tornillo, entonces esto es 4.617 a 4.8. Solo pongo azul aquí y sumo. Entonces, tenemos la especificación. |
| |
el diámetro del tornillo y aquí tenemos el 4.4, 4.5. |
| |
Y pondré aquí el |
| |
especificación del agujero también. |
| |
Especificación del agujero. |
| |
Por eso está aquí. |
| |
Yo me iría. |
| |
Entonces. |
| |
Ups. |
| |
Un rango nuevamente 4,4, 4,5. |
| |
Ahora tenemos ese gráfico allí. Entonces, todos los puntos que tenemos ahí. |
| |
Y la leyenda la acabo de hacer clic derecho aquí, Row Legend |
| |
desmontaje. Elegí aquí, estos de verde a rojo. |
| |
Elegí la escala inversa aquí, porque en el verde quiero ser el mejor. Entonces, están aquí. Vale, yo también podría |
| |
Obtenga puntos más grandes aquí. Entonces, este es uno de los gráficos que utilicé. |
| |
Otra cosa que dejé borrar los estados de fila aquí fue Analizar->Ajustar modelo. Entonces, mi Y, mi objetivo aquí es la cantidad, la cantidad de desmontajes. El diámetro total y el diámetro del tornillo lo acabo de poner aquí. Y puse la interacción entre ellos también y corrí. |
| |
Y tengo aquí, |
| |
mi Resumen de ajuste con nuestro R-cuadrado aquí y |
| |
el perfilador aquí mismo. Entonces, |
| |
Aquí fue donde puse el diámetro, donde cambié el diámetro del orificio, aquí se usó el simulador II, así que guardé los límites de especificaciones aquí, así sé que 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 un número de ejecuciones de 5000 y simulé aquí y tengo esta tasa de fallas aquí. Esto es diferente porque no usé los mismos valores que en la presentación. Entonces, aquí podríamos ejecutar diferentes escenarios. Supongamos que comenzamos a realizar agujeros en 4.43. |
| |
Entonces la cantidad de desmontajes será 24 con la misma media de los |
| |
el diámetro del tornillo. Y esta es una herramienta muy, muy buena en JMP y la uso mucho en mis presentaciones. Entonces, |
| |
Gracias por mirar y eso es todo chicos. Este es el fin. |
