Modellazione della qualità del prodotto in base a determinate misurazioni del prodotto (2022-US-EPO-1085)Kaitlin Shorkey, Ingegnere statistico, Corning Inc
Questa presentazione mette in evidenza gli approcci di modellazione utilizzati per comprendere e prevedere la qualità del prodotto in base alle misurazioni del prodotto.Il processo di sviluppo del modello prevede quattro fasi: raccolta dei dati, sviluppo del modello, test e implementazione.Durante la raccolta dei dati, le parti vengono raccolte dalla linea di produzione e le misurazioni del prodotto vengono completate.Queste parti continuano durante il processo e sono soggette a un test di qualità.Queste misurazioni del prodotto e i risultati dei test di qualità vengono combinati nel set di dati e utilizzati per la modellazione.Il test di qualità è la risposta e le misurazioni del prodotto sono predittori.Nello sviluppo del modello, i dati vengono esaminati a fondo per garantire che siano il più puliti possibile.Il clustering delle variabili e la regressione graduale vengono applicati per rimuovere le variabili di input altamente correlate e selezionare le variabili importanti.Il passaggio finale consiste nell'applicare la regressione generalizzata utilizzando la distribuzione log-normale e il metodo di stima del lazo adattivo.Il modello deve avere una precisione maggiore di una determinata metrica accettabile.Se il modello soddisfa questo criterio, viene spostato nella fase di test.Questa fase prevede l'utilizzo del modello sotto il controllo tecnico per determinare quanto bene il modello predice la qualità del prodotto.Una volta soddisfatto, il modello viene implementato in produzione.Il team operativo riceve un feedback immediato sulle prestazioni della parte e può regolare e ottimizzare il processo in tempo reale.Con queste informazioni, possiamo anche ritenere il prodotto accettabile o meno.Se rifiutato, il prodotto viene smaltito e non prosegue il processo.Questi modelli predittivi identificano parti inaccettabili e sconvolgimenti di processo nei processi a monte.
Esplorazione dei datiStatistica e modellistica
