GRR을 고려하여 사양 제한을 확대하시겠습니까?안녕. 여기에 제조/통계 질문이 있습니다. 제조(노드) 중 여러 지점에서 테스트 중인 부품이 있다고 가정해 보겠습니다. 사람들이 GRR을 설명하기 위해 첫 번째 노드 이후 한계를 얼마나 넓히는지 궁금합니다. USL에 1 GRR을 추가하거나 LSL에서 1 GRR을 빼나요? 아니면 통계 커뮤니티에서 이 문제를 어떻게 처리해야 하는지에 대한 다른 합의가 있습니까?
역사적으로 첫 번째 노드 이후 한도를 +/- 1 GRR만큼 늘렸습니다. 이는 테스터/테스트/작업자 변동으로 인한 모든 변화를 설명하기 위해 수행됩니다. 첫 번째 노드에서 값이 한계에 가까운 부품을 전달하면 이러한 가변성으로 인해 외부로 이동했을 수 있으므로 이를 설명하기 위해 다운스트림 한계를 넓힙니다. 이는 첫 번째 테스트 노드 이후에만 수행됩니다. 부품이 +/-1GRR만큼만 이동할 수 있다고 가정합니다.
1. 다른 사람들도 이런 일을 하나요?
2. 목표 Cpk = 2를 달성하기 위해 한계를 설정할 때 평균에 +/- 3 시그마를 추가합니다. 해당 논리에 따르면 +/-1GRR 대신 +/- 3GRR을 제한에 추가해야 합니까?
통계적으로 올바른 치료 방법은 다음과 같다고 생각하는데, 커뮤니티에서 좀 확인을 받고 싶습니다. 측정된 값을 해당 부품에 대한 X의 정적 "참" 값과 평균 = 0이고 분산 = GRR^2인 일반 확률 변수인 Eps의 합으로 처리한다고 가정합니다.
노드 1: Xmeas1 = Xtrue + Eps1 평균(Xmeas1) = Xtrue Var(Xmeas1) = GRR1^2
노드 N: XmeasN = Xtrue + EpsN 평균(XmeasN) = Xtrue Var(XmeasN) = GRRN^2
XmeasN은 초기 측정 값과 노드 간 이동을 나타내는 새로운 무작위 변수(EpsDiff)를 사용하여 다시 작성할 수 있습니다.
XmeasN = Xmeas1 - Eps1 + EpsN = Xmeas1 + EpsDiff
어디:
평균(EpsDiff) = 0(평균(Eps) == 0이므로)
Var(EpsDiff) = GRR1^2 + GRRN^2 = 2GRR^2 (모든 노드에서 GRR이 동일하다고 가정)
이 논리에 따르면 다운스트림 노드의 제한을 +/-sqrt(2)*GRR만큼 늘려야 합니까?
이에 대한 사람들의 생각이 궁금합니다. 감사해요!
품질 및 프로세스 엔지니어링Re: GRR을 고려하여 사양 제한을 넓히나요?귀하가 동의하지 않을 수도 있지만 다음은 내 생각/질문 중 일부입니다.
1. GRR이란 무엇입니까? 사양을 설정할 때 측정 시스템 오류를 설명하고 싶은 것 같습니다. 맞습니까? 하지만 사용하려는 GRR 번호가 무엇인지 잘 모르겠습니다(반복성, 재현성, 둘 다에 대한 std dev)?분산 성분은 항상 추가됩니다(표준 편차 아님).
2. 기존 사양은 응용 프로그램 요구 사항의 기능입니다(고객 중심). 이들은 협상될 수 있지만 구성 요소, 어셈블리 등의 성능 저하(또는 수행 실패) 지점을 반영해야 합니다. 불행하게도 이들은 일반적으로 실제 프로세스 기능과 독립적으로 설정됩니다. 당신이 제안하고 있다고 생각하는 것은 측정 시스템 불확실성을 설명하기 위해 처리 한계(아마도 내부 사양)를 설정하는 것입니다. 이것이 당신이 의미하는 바입니까?
3. 측정 시스템으로 인한 변동 추정치와 관련하여 몇 가지 질문이 있습니다(Cpk 추정에 사용되는 샘플 통계도 마찬가지임). 측정 시스템이 안정적입니까? 통계를 추정하는 데 사용되는 샘플 수집의 추론 공간은 무엇입니까? 미래의 조건을 얼마나 대표합니까?
4. 사양 "사고 방식"의 유용한 응용 프로그램을 많이 보지 못했기 때문에 내 자신의 작은 호언 장담입니다 (스펙을 충족하는 것은 실제로 지속적인 개선에 반대됩니다). 내가 시간을 할애하는 것은 출력 제품의 중요한 성능 측정의 평균과 변동에 영향을 미치는 제조 공정의 요인을 이해하는 것입니다. Y=f(X)(샘플링 및 DOE 사용). 측정 과정도 마찬가지입니다. 그런 다음 성능이 저하되는 지점을 정량화합니다(Taguchi 손실 함수).
Re: GRR을 고려하여 사양 제한을 넓히나요?무엇을 기반으로 @statman 언급했으며 이를 더욱 복잡하게 만드는 것은 일반적으로 사양 제한이 아닙니다. 조여진 측정 시스템 오류를 설명하려면? Jerry Fish와 Jason Wiggins는 올해 Discovery에서 이 주제에 대해 발표했으며 MSA/GRR 오류를 기반으로 사양 제한 변경을 계산하는 추가 기능도 업로드했습니다. 여기 링크 . 여전히 필요하다고 가정하면 추가 기능을 사용하여 사양 제한을 얼마나 넓힐 수 있는지 계산할 수 있습니다.
Re: GRR을 고려하여 사양 제한을 넓히나요?이 생각은 에 의해 제시된 것과 동일합니다 @statman 그리고 @Jed_Campbell 그러나 다른 관점에서. 처리에 대한 사양(합격, 불합격)은 성능에 따라 요구 사항에 따라 설정됩니다. 측정/테스트 오류는 이러한 제한에서 더해지는 것이 아니라 뺍니다. 이 개념에 기초한 하나 이상의 확립된 체계가 있습니다. 나는 다른 길로 가는 사람을 본 적이 없다. 사양을 벽으로 생각하십시오. 외부는 고객이 보는 것입니다. 내부에서 제거할 수 있지만 내부에서 제거할 수는 없습니다.
Re: GRR을 고려하여 사양 제한을 넓히나요?안녕 마크와 다른 사람들.
먼저 몇 가지 사항을 명확히 하겠습니다. 사양 제한은 사용자 중심 또는 프로세스 중심일 수 있습니다. 사용자 중심 제한은 부품이 미리 정의된 주요 기준을 충족하는지 확인합니다. 프로세스 기반 제한은 프로세스를 제어하는 데 사용됩니다. 이러한 제한은 (일반적으로) 목표 cpk = 2를 달성하기 위해 선택되며 사용자 기준이 아닌 기록 데이터를 기반으로 합니다.
또한 명확하게 하기 위해 여러 테스터/운영자/반복에 의해 도입된 측정 분산을 참조하기 위해 "GRR"을 사용하고 있습니다. 즉, 전체 분산(TV)에서 부분 분산(PV)을 뺀 값입니다.
즉, 사용자 및 프로세스 변수 모두에 대한 측정은 다운스트림으로 이동함에 따라 GRR로 인해 이동으로 인해 어려움을 겪을 것입니다(귀하의 측정은 귀하가 변수라고 부르는 것에 관심이 없습니다). 그래서 나는 한계가 결코 넓어져서는 안된다는 데 동의하지 않습니다. 아마도 문제를 다른 방식으로 표현하는 것이 도움이 될 것입니다. 나는 부품이 하류로 가면서 한계를 넓히는 측면에서 말하고 있었습니다. 대신 통과 부품이 최종 다운스트림 사양을 충족하도록 업스트림 제한을 강화하고 싶다고 생각하십시오. 내 질문은 간단합니다. GRR을 설명하기 위해 업스트림 제한을 얼마나 강화합니까?
Re: GRR을 고려하여 사양 제한을 넓히나요?업스트림 제한을 강화하는 것은 이를 구성하는 흥미로운 방법입니다. 설명해주셔서 감사합니다. 추가 기능 이 링크 GRR을 설명하기 위해 사양 제한을 이동하는 데 적절한 양을 계산하는 데 사용할 수 있습니다. 수동으로 수행하려는 경우 OC Curves 플랫폼(Analyze, Quality and Process, OC Curves)을 사용할 수도 있습니다.
Re: GRR을 고려하여 사양 제한을 넓히나요?용어 및 그에 따른 혼란에 대한 피드백입니다. IMHO, "프로세스 기반" 제한은 사양 제한이 아닙니다. 제어 한계에 대해 이야기하고 있습니까? 이것은 프로세스의 기능과 샘플링 방법입니다. 데이터 수집 방법에 따라 변경될 수 있지만 선택할 수는 없습니다. 불행히도 사양 제한은 독립적으로 파생되므로 통계적 제어와 관련이 없습니다.
원하는 제한을 둘 수 있습니다. 프로세스는 상관하지 않으며 부과된 제한에 의해 영향을 받지 않습니다. 하지만 계속...
Re: GRR을 고려하여 사양 제한을 넓히나요?이와 같이 복잡한 주제를 논의할 때 확립된 용어를 사용하는 것이 도움이 된다는 데 동의합니다.
