스피커
|
성적 증명서
|
| 조던 힐러 |
안녕하세요 여러분. 저는 JMP의 수석 시스템 엔지니어인 Jordan Hiller입니다. 저는 PCC Structurals의 공정 제어 관리자인 Steve Hampton과 함께 발표하고 있습니다. 오늘 우리는 기능적 형태를 갖는 프로세스 변수에 대한 통계적 프로세스 제어에 대해 이야기하고 있습니다. |
| |
그리고 제목에 좋은 사진이 있네요 |
| |
미끄러지 다. 우리는 통계적 프로세스 제어에 대해 이야기하고 있습니다. 단일 숫자, 점 측정이 아니라 대신 우리가 제어하려는 것이 기능 곡선의 모양을 갖는 경우입니다. |
| |
Steve는 비즈니스 사례에 대해 이야기할 예정입니다. 왜 우리가 그것에 관심을 갖는지 몇 분 후에 설명하겠습니다. 방법론에 관해 몇 마디 말씀드리겠습니다. |
| |
우리는 지난 20여년 동안 이 분야의 문헌을 검토했습니다. 이 주제에 관한 많은 논문이 있습니다. 그러나 실제로는 이 통계에 접근하는 최선의 방법에 대한 명확한 합의가 없는 것 같습니다. |
| |
프로세스 제어 |
| |
변수가 곡선 형태를 취하는 경우. 그래서 우리는 JMP의 최근 개발, 특히 JMP 15에 도입된 모델 기반 다변량 관리도와 JMP 14에 도입된 기능적 데이터 탐색기에서 영감을 받았습니다. |
| |
다변량 관리도는 오랫동안 사용되어 온 새로운 기술이 아닙니다. 최근 JMP가 새롭게 바뀌었습니다. |
| |
그리고 주성분이나 부분 최소 제곱을 사용하여 데이터를 줄이고 수많은 프로세스 변수를 모델링 및 축소하여 단일 차트로 볼 수 있습니다. 우리는 PCA 사건에 초점을 맞출 것입니다. 부분적인 부분에 대해서는 실제로 이야기하지 않을 것입니다. |
| |
그만큼 |
| |
여기에 부분 최소 제곱이 있습니다. |
| |
Functional Data Explorer는 곡선 형태의 데이터를 작업하기 위해 JMP에서 사용하는 방법입니다. |
| |
데이터. 그리고 기능적 데이터에 대한 주성분 분석을 확장한 형태의 주성분 분석을 사용합니다. |
| |
따라서 기능적 곡선을 취하고 기능적 데이터 탐색기를 사용하여 이를 축소하고 모델링하면 어떻게 되는지 말하는 것은 매우 자연스러운 아이디어였습니다. |
| |
그 결과는 기능적 주성분이며 일반 주성분을 추가하고 모델 기반 다변량 관리 차트를 통해 이를 푸시하는 것과 마찬가지로 |
| |
기능적인 주요 구성요소로 그렇게 할 수 있다면 어떨까요? 그게 가능하고 유용할까요? |
| |
그래서 저는 Steve에게 문제를 넘기고 그는 오늘 우리가 논의할 비즈니스 사례를 소개할 것입니다. |
| 1253****529 |
괜찮은. 매우 감사합니다. 요르단. |
| |
영상이 없어서 제가 어떤 모습인지 알려드리기로 했어요. |
| |
저와 제 아내 Megan, 그리고 제 아들 Ethan이 있어요 |
| |
작년 호박밭과 함께. 그래서 저는 이에 대한 약간의 배경 지식을 바탕으로 사례 연구를 시작하고 싶었습니다. |
| |
내가 하는 일을 알면 이 정보가 어디서 나오는지 알 수 있습니다. 정밀주조를 위한 매몰주조 일을 하고 있습니다... |
| |
투자 주조 부문. |
| |
매몰 주조에는 판매하려는 제품의 왁스 복제물을 만들고 이를 패턴 어셈블리에 넣는 작업이 포함됩니다. |
| |
곰팡이를 탈랍할 수 있을 만큼 충분한 강도를 얻을 때까지 독점 콘크리트에 여러 번 담그십시오. |
| |
그리고 금속을 부을 수 있을 만큼 충분한 강도를 갖도록 불을 붙입니다. 그런 다음 콘크리트를 부수고 주조 과정에서 과도한 금속 사용을 없앴습니다. 우리는 비파괴 테스트를 수행하고 부품을 배송합니다. |
| |
개선된 공정 제어 방법을 모색하려는 원동력은 다음과 같습니다. |
| |
7, 8, 9단계는 1~6단계의 공정 가변성으로 인해 유지 비용의 75%를 차지합니다. 그러니까 1~6까지 조이면, |
| |
대부분의 ??? 훨씬 더 저렴하고 훨씬 더 짧은 비용으로 7, 8, 9를 훨씬 더 작게 만들면 회사와 고객에게 큰 부가가치가 있습니다. |
| |
그래서 PCC 구조. 제가 운영하는 공장인 티타늄 공장은 주로 항공우주 부품을 생산합니다. 왼쪽에 팬이 보이나요 ??? 어떤 것에서는 녹색으로 빛나고 있나요 ??? 개발자. |
| |
그리고 우리는 N155 곡사포 안정 장치 다리가 있는 지상 기반 제품을 보유하고 있습니다. |
| |
그리고 그것이 어디로 가는지에 대한 아이디어를 얻기 위해서입니다. 하늘에 떠 있는 모든 비행기는 기본적으로 우리가 만드는 부품이나 여러 부품으로 구성되어 있기 때문에 이것은 엔진 섹션???, 직경이 약 6피트이고 일체형 주조물입니다. |
| |
가스터빈 엔진의 코어 바로 앞쪽에 들어가는 부분입니다. 특히 이것은 Airbus A350에 동력을 공급하는 Trent XWB용입니다. |
| |
제트기. |
| |
이제 JMP를 살펴보겠습니다. 따라서 여기서 가장 큰 원동력은 여러분이 상상할 수 있듯이 대규모 부품에 대한 투자 주조 프로세스로서 복잡한 무언가가 있다는 것입니다. |
| |
데이터가 우리쪽으로오고 있습니다. 그리고 우리가 보유하고 있는 센터의 수와 사용하는 기계의 수가 늘어나면서 점점 더 기능적으로 변하고 있습니다. 따라서 이 사례 연구에서는 |
| |
타임스탬프와 함께 제공되는 데이터입니다. 우리는 145개의 배치를 가지고 있습니다. 우리는 X1이라는 가변이자율을 가지고 있습니다. |
| |
타임스탬프를 정규화하는 방법인 카운터가 있으므로 그래프 빌더에서 실행을 오버레이하는 것이 더 쉽고 약간 추가되었습니다. |
| |
FTP 플랫폼의 훌륭함. 우리에게는 모델 기반 다변량 관리 차트 플랫폼과 일치하는 과거 기간과 현재 기간을 가질 수 있는 기간이 있습니다. |
| |
FDE를 가질 수 있도록 |
| |
더 많은 최신 데이터를 추가해도 변경되지 않도록 과거 데이터만 살펴보세요. 그래서 이것은 실제로 이것을 사용하는 경우 이것을 보는 것과 같으며 테스트 유형은 내 자신의 검증입니다. |
| |
시도. 여기서 보시게 될 것은 제가 주로 들어가서 나쁜 것, 한계적인 것, 좋은 것으로 태그를 붙였다는 것입니다. 따라서 빨간색은 나쁨, 한계는 보라색, 녹색은 양호하며 이들이 어떻게 오버레이되는지 확인할 수 있습니다. |
| |
즉석에서 보면 곡선이 있는 것을 볼 수 있습니다. |
| |
??? 평균에서 곡선. 이것들은 분명히 우리가 통제할 수 없거나 나쁘다고 부를 것입니다. |
| |
이것은 불일치하는 제품이기 때문에 제조업에서는 재앙이라고 부르는 것입니다. 그래서 우리는 그것들을 식별할 수 있기를 원합니다. |
| |
진행 상황을 살펴보고 수정할 수 있도록 더 일찍 진행하세요. 이것이 바로 그 모습이다 |
| |
나쁜 부분에는 큰 편차가 있고 때로는 평균 곡선이 있고 끝 부분에 많은 성격이 있다는 것을 알 수 있습니다. |
| |
한계 곡선은 평균 곡선에서 크게 벗어나지는 않지만 꼬리 쪽으로 더 많이 튀고 좋은 곡선은 꽤 빡빡합니다. 아직 튀는 부분이 있는 것을 볼 수 있습니다. 그래서 이곳은 |
| |
한계와 좋음은 실제로 내 판단에 따라 결정되며 시각적으로만 보면 Gage R&R 속성이 실패할 것입니다. 그래서 |
| |
총 33개의 불량 곡선이 있는데, 45개는 한계, 67개입니다. 수동으로 보면 그 중 약 10개가 사라진 것을 볼 수 있습니다. 따라서 점 추정을 사용하고 싶지 않다면 옵션이 있을 것입니다. 나중에 보여드리겠지만 그다지 훌륭하게 작동하지 않을 수도 있습니다. |
| |
카운터를 사용하여 포인트로 제어합니다. 그렇게 하는 방법은 불량 테이블을 카운터별로 분할하고 관리 차트 작성을 통해 개별 이동 범위 관리 차트에 넣은 다음 나가는 것입니다. |
| |
이 경우에는 3,500개의 관리 차트와 같이 결합된 데이터 테이블을 만드는 놀라운 기능을 사용하여 각 항목의 목록 요약을 자체 데이터 테이블로 변환한 다음 기본 데이터 테이블에 다시 연결할 수 있으며 멋진 결과를 얻을 수 있습니다. 멋지다 |
| |
카운터와 기록 데이터를 기반으로 제어 한계가 있고 곡선을 오버레이할 수 있는 다음과 같은 분석입니다. 따라서 제어 한계를 벗어날 때마다 태그를 지정하는 알고리즘이 있다면 이는 다음을 시도하는 옵션이 될 것입니다. |
| |
통제력을 가지세요.... |
| |
기능적 데이터가 포함된 관리 차트 기능. 하지만 여기에서 특히 38번을 강조했는데, 큰 편차가 있을 수 있고 통제 한계 내에 머물 수 있다는 것을 알 수 있습니다. 이것이 바로 이 FDE가 있는 곳입니다. |
| |
플랫폼은 이러한 주요 편차 중 일부에 해당하는 FPC를 식별할 수 있다는 점에서 정말 빛을 발할 수 있습니다. 따라서 우리는 FPC의 곡선을 기반으로 곡선에 태그를 지정할 수 있습니다. |
| |
그리고 우리는 그것을 조금 나중에 보게 될 것입니다. 그래서, |
| |
FDE 플랫폼을 사용하면 정말 간단합니다. 이번 시연에서는 100노트의 계단식 함수에 초점을 맞추겠습니다. |
| |
그리고 FPC가 가변성을 어떻게 포착하는지 확인할 수 있습니다. 그래서 메인 FPC는 곡선의 시작 부분이...그것이 가장 큰 변동성, 즉 평균으로부터의 편차를 가져오는 것이라고 말합니다. |
| |
그리고 설정은 X1과 해당 출력, 카운터입니다. 입력, 배치 번호, 그리고 테스트 유형을 추가했습니다. 따라서 우리는 이를 FPC 테이블과 모델 기반 다변량 관리도 및 기간의 일부 검증으로 사용할 수 있으므로 우리의 과거만이 FDE 적합성을 주도하는 것입니다. |
| |
그래서 |
| |
핏을 보는 것만으로도 실제로 올바른지 확인하는 데 매우 중요한 부분입니다. |
| |
나중에 관리 차트를 작성할 때 이 P 단계를 사용하고 있나요? |
| |
기능 100노트 모델. 실제로 B 스플라인을 사용하고 큐빅 20노트를 사용하면 실제로 P 스플라인과 매우 유사해 보입니다. |
| |
하지만 BIC를 보면 실제로 더 많은 매듭이 있어야 한다는 것을 알 수 있습니다. 그렇게 하면 이제 매듭이 과적합되기 시작하고 실제로 격리된 피크에 초점을 맞추게 되어 FDE가 발생하게 됩니다. |
| |
적절하지 않아 보이고 민감하지 않게 만드는 모델과 모델 기반 다변량 관리 차트. |
| |
0 |
