756822_de-DE

liliconcom

Lösung eines industriellen Problems mithilfe fortgeschrittener statistischer Methoden (2021-US-45MP-854)

Matheus Sguissardi, Lean Six Sigma Berater, Plana Consulting and Training

Das größte Problem für ein Unternehmen ist die Unzufriedenheit seiner Kunden. Dieser Vortrag untersucht ein Problem, das beim Kunden in seiner Montagelinie beim Demontieren und Montieren des Deckels eines Elektromotor-Anschlusskastens auftrat. Das Demontage- und Montagekonzept war für mindestens zehn Zyklen ausgelegt, doch bereits im ersten Zyklus traten Probleme beim Anschließen der Kabel an den gekauften Elektromotor auf.

Zur Lösung des Problems wurden einige statistische Werkzeuge und Methoden der Six-Sigma-Methodik sequenziell und strukturiert eingesetzt, um die Haupthypothesen des Problems zu bestätigen und zu widerlegen und anschließend alle Entscheidungen im Prozess und Produkt auf der Grundlage von Fakten und Datenanalysen angemessen zu treffen.

Automatisch generiertes Transkript...

Lautsprecher	Transkript
Nicholas Shelton	Okay, ich schalte mich jetzt stumm, und sobald ich stummgeschaltet bin, können Sie anfangen, wenn Sie bereit sind. Wie bereits erwähnt, machen Sie sich keine Sorgen, falls Sie einen Fehler machen oder so, machen Sie einfach weiter. Und wenn wir fertig sind, werde ich die Aufnahme stoppen und mich wieder stumm schalten.
	Okay, okay, alles klar, dann kannst du anfangen, wenn du bereit bist.
	Hallo zusammen, ich bin heute hier, um euch etwas zu erklären und darüber zu sprechen.
	Ein industrielles Problem, das mithilfe einiger fortgeschrittener statistischer Werkzeuge und JMP gelöst wurde; es handelt sich also um ein reales Problem, mit dem ich konfrontiert wurde, als ich bei einem Hersteller moderner Elektrogeräte arbeitete.
	Was war also das Problem, mit dem wir damals konfrontiert waren? Wir hatten diese Elektromotoren, und der Kunde kaufte das Destillat aus Wasser.
	Und er muss dieses elektrische Modell an seine eigene Maschine anschließen, also muss er diese Box hier öffnen.
	Diese Box hat hier vier verschiedene Schrauben und vier Löcher, also muss er diese Abdeckung öffnen, die elektrischen Kabel an seine eigene Maschine anschließen und sie dann wieder fest verschließen.
	Wenn der Kunde dies versucht und in dem Moment, in dem er die Box mit diesem Deckel und diesen vier verschiedenen Teilen schließen muss.
	Manchmal hat er dieses Problem, wenn sich die Schraube verdreht. Anders gesagt, der Halt zwischen Schraube und Aluminiumbohrung ist dann nicht mehr gegeben.
	Gemäß Spezifikation muss diese Schraube während des gesamten Montagevorgangs mindestens 10 Mal halten.
	Und der Kunde macht das problemlos über einen langen Zeitraum oder auch mehrmals, oder wenn es sein muss.
	Wenn man die Position ändert, ändert man die Maschine, in der dieser Elektromotor eingesetzt wird. Er sollte einfach die Box öffnen und schließen können, ohne Probleme. So, hier haben wir ein kleines Beispiel.
	Das kurze Video veranschaulicht gut, worin das Problem besteht: Diese Crew ist hier völlig verloren, es gibt überhaupt keinen Halt.
	Wenn so etwas passiert, ist das kein alltägliches Problem, mit dem wir jeden Tag konfrontiert werden, aber manchmal kann es passieren, und genau dann, als es passierte, erhielt der Regisseur die Nachricht.
	Nach einer Beschwerde rief der Direktor den Qualitätsmanager an, und der Qualitätsmanager rief mich an. Also, Matheus, wir müssen dieses Problem lösen, also stell ein Team zusammen und beginne mit der Untersuchung.
	Und genau das geschah, damit begannen wir.
	Wie auch in anderen Situationen, in denen es andere Probleme gibt, die wir untersuchen müssen.
	Wir beginnen immer mit einigen Hypothesen, also zumindest mit einigen Hypothesen darüber, was dieses Problem beeinflussen könnte, wie wir dieses Versagen erklären können. Deshalb bringen wir einige Leute aus verschiedenen Bereichen zusammen, zum Beispiel aus der Produktentwicklung.
	Was machen wir hier falsch? Es kann jedes Problem sein, auch in der Produktentwicklungsabteilung. Könnte es sich um Konstruktionsfehler handeln oder um Fehler in der Montagelinie, z. B. Abweichungen an der Schraubmaschine?
	arbeitet mit einem hohen Drehmoment und erzeugt dieses Problem oder diese Schraube, die wir kaufen, richtig, dieser Lieferant, der uns diese Schrauben liefert, vielleicht haben sie sie.
	Bei reduziertem Durchmesser können wir diesen Griff nicht haben, oder die letzte Hypothese, die wir damals aufgestellt haben, war der Einspritzprozess, also diese passende Aluminiumbox hier.
	Dieser Durchmesser könnte so weit geöffnet werden, dass selbst bei einem schlechten Sieb oder einem guten Schraubendurchmesser ein sehr großer Durchmesser entstehen könnte und die Schraube damit keinen Halt finden würde.
	Das Ganze könnte also ein Problem darstellen.
	Nachdem wir diese Treffen abgehalten und die aufgestellten Hypothesen aufgelistet hatten, begannen wir, sie zu bestätigen oder zu widerlegen.
	Einige Studien, einige mit Daten, und wir begannen hier mit der Produktentwicklung und der Montagelinie zu sprechen, sodass beide ungültig wurden.
	Wir haben alle Entwürfe, alle Spezifikationen und alle Standards überprüft, die wir bei der Konstruktion dieser Baugruppe hatten – die Kombination aus Schraube und Loch, die verschiedenen Materialien – alles war in Ordnung, also mussten wir hier nichts weiter tun.
	Die Schraubmaschine, die wir am Fließband benutzt haben, haben wir jetzt bekommen.
	Wir kamen in die Labore, die Metrologie und wir überprüften den Park, wir überprüften die Maschinen und alles war in Ordnung, wir hatten also hier keine Probleme, was könnte also dieses Problem jetzt verursachen?
	Wir konnten nur die Schraube und das passende Loch an diesem Aluminiumteil, dieser Box hier, überprüfen. Okay, machen wir das. Sprechen wir über den Israel-Durchmesser, eine der Hauptannahmen zu diesem Problem.
	Und hier begannen wir mit der Verwendung von JMP, aber wie kommt es, dass wir, bevor wir mit dem Messen der Schrauben im Werk beginnen, immer sicherstellen müssen, dass das Messsystem dafür zugelassen ist?
	Hier ist ein einfaches Streudiagramm, in dem wir den Durchmesser, den Schraubendurchmesser, haben. Wir haben fünf Teile, und jedes Teil wurde von zwei verschiedenen Bedienern dreimal gemessen.
	Wir haben hier unsere verschiedenen Komponenten, anhand derer wir sehen können, dass 93,8 % der Abweichungen durch Teile verursacht wurden. Dies ist einer der Gründe, warum wir sicher sein können, dass unser Messsystem gut ist; wir können differenzieren.
	Teile des Prozesses, also wurde das Messsystem genehmigt, und jetzt können wir weitermachen, wir können zum Prozess Aaron gehen, wir können 30 bewerten, das sind Schrauben, also los geht's, wie ist die Stimme des Prozesses richtig und wir hatten für jeden Schritt eine Beispielstrategie, die ich Ihnen hier präsentiere.
	Wir haben die Six-Sigma-Methodik angewendet, daher halten wir uns teilweise daran.
	Ein sehr strukturierter Ansatz beginnt mit der Bewertung des Messsystems, geht dann in den Prozess über und versteht die Stimme des Prozesses und schließlich zum Schluss.
	Ich probiere verschiedene Kombinationen aus und versuche, die soeben vorgestellten Hypothesen zu bestätigen oder zu validieren. Die Stichprobenziehung ist hier also eine Strategie.
	Wir hatten eine Kiste voller Schrauben darin, daher wussten wir nur, dass wir diese Schrauben in verschiedenen Chargen erhalten hatten und jede Charge ihre eigenen Besonderheiten hatte.
	Es handelte sich um das Herstellungsdatum bzw. den Herstellungszeitpunkt, daher haben wir es einfach in drei verschiedene Chargen aufgeteilt, die wir jeweils so genannt haben.
	Wir haben 20 Teile genommen und jedes Teil an zwei verschiedenen Positionen auf dem Quadrat gemessen, nämlich bei null Grad und 90 Grad.
	Warum das? Um zu sehen, ob es in diesem Durchmesser Probleme mit der Rundheit geben könnte. Mit dieser Stichprobenstrategie begannen wir also, Daten zu sammeln, und hatten 120 Punkte, die in JMP analysiert werden sollten. Also nochmal.
	Bei einer sehr praktischen Analyse, indem wir hier ein Variabilitätsdiagramm erstellen und einfach alle 120 Punkte eintragen, können wir sehen, dass alles innerhalb der Spezifikationsgrenzen lag.
	Jeder Punkt hier entspricht einem Schraubenmaß. Diese blauen Linien
	Es verbindet die Positionen eins und zwei dieser Schraube. Wenn wir hier eine sehr große blaue Linie sehen, bedeutet das, dass wir einen sehr großen Rundheitsfehler haben.
	Das bedeutet, dass diese beiden unterschiedlichen Positionen des Durchmessers sehr verschieden sind.
	Der Durchmesser kann im Durchschnitt gut sein, aber die Abweichung zwischen diesen und jenen Durchmessern könnte fehlerhaft sein, und dies könnte sich auf unser Problem beim Einschrauben in die Aluminiumbox auswirken.
	Dies ist eine sehr praktische Analyse dieser Schraube. Alles schien in Ordnung zu sein. In einer grafischen Analyse, die diese beiden verschiedenen Positionen der Schrauben vergleicht, können wir sehen, dass wir die Hypothese, dass die Rundheitsfehler vorliegen, widerlegen können.
	Es könnte einen Einfluss geben, daher war der Mittelwert von Position eins und Position zwei nahezu identisch. Die Größe dieser Balken hier, da ist nichts, was... Okay, Position zwei und eins unterscheiden sich sehr stark.
	Diese grafische Analyse hier mit einem Variabilitätsdiagramm, in dem wir die Position mit dem Durchmesser vergleichen, lässt uns alles erkennen, was dazugehört.
	Wir sollten also aufpassen. Okay, jetzt können wir in einer quantitativen Analyse mithilfe dieser Prozessfähigkeit in JMP sehen, wie die Prozessstimme des Lieferanten – also des Lieferanten, der uns diese Schrauben liefert – aussieht. Wie ist der Prozess? Genau.
	Wir haben hier einen CPK-Wert von etwa 1,47 und einen PPK-Wert von etwa 1,014. Die Instabilität liegt bei etwa 1,45, daher ist dies nicht der beste Prozess, den wir haben.
	Gesehen, aber.
	Unter Berücksichtigung eines idealen PPK-Wertes von 1,33. Und unter Berücksichtigung einer kritischen Qualitätscharakteristik oder -dimension.
	Wir könnten davon ausgehen, dass diese Schrauben das Problem langfristig beeinflussen könnten. Im Moment liegen sie alle innerhalb dieser Spezifikation, aber basierend auf den Statistiken, basierend auf dem PPK-Wert.
	Bei einem Wert unter 1,33 könnte das in Zukunft ein Problem darstellen, richtig?
	Bevor wir jedoch die Lieferanten beschuldigen, müssen wir den Spritzgießprozess, unseren Prozess, verstehen. Wenn wir gegen diese Schraubenabweichung robust sein können, ist das besser für uns, denn dann müssen wir sie nicht mehr in Kauf nehmen.
	Fang an, irgendetwas beim Lieferanten zu tun, und alles ist in Ordnung.
	Diese Hypothese also.
	Es wurde auf Eis gelegt. Lassen wir das erst einmal beiseite und warten wir die Studien zu unserem Injektionsverfahren ab.
	Schauen wir uns an, wie wir das gemacht haben.
	Um diese Boxen herzustellen, benötigen wir eine Form.
	Diese Form hat vier verschiedene Kavitäten. Jedes Mal also, wenn wir etwas einspritzen.
	Bei diesem Prozess erhalten wir vier verschiedene Teile, richtig? Jedes Teil hat vier verschiedene Löcher, die der Kunde zur Befestigung der Abdeckung verwendet. Und jedes Teil wird außerdem an verschiedenen Positionen gemessen. Position eins und Position zwei.
	Bevor wir also mit der Messung dieses Prozesses beginnen und sehen, was im ursprünglichen, tatsächlichen Prozess passiert, müssen wir sicherstellen, dass unser Messsystem gut und zugelassen ist.
	Wir müssen sicher sein, dass wir wissen, wie wir fünf defekte und intakte Teile unterscheiden können. Also haben wir das mit einem Teil, einer Box, durchgeführt.
	Dieses Messsystem erfasste die Abweichungen in den vier verschiedenen Bohrungen. Jede Bohrung wurde von zwei verschiedenen Bedienern jeweils dreimal vermessen. Die größte Abweichung in diesem Messsystem wurde durch Bohrung 95 % verursacht.
	Ich muss an dieser Stelle sagen, dass es sehr schwierig war, die Genehmigung zu erteilen.
	Es war bereits die dritte MSA-Messung, die wir durchgeführt haben. Wir müssen hier eine neue Schutzvorrichtung kaufen, um diesen Innendurchmesser zu messen. Die Spezifikation war sehr eng gefasst und die Auflösung bezüglich der
	Bezüglich der anfangs nicht bewilligten Messgeräte haben wir diese dritte MSA-Genehmigung eingeholt. Sobald diese erteilt ist…
	Jetzt können wir fortfahren, die Teile im Prozess messen und verstehen, wie unser Spritzgießprozess variiert und wie sich dies auf unser Problem auswirkt. Wir haben uns also den Prozess angesehen und das Modell mit vier verschiedenen Kavitäten erhalten.
	Fünf Teile aus jedem Hohlraum.
	Wir haben also im Prozess fünfmal eingespritzt, jede Kavität ergab fünf Teile. Jedes Teil hatte
	Es werden vier verschiedene Löcher verwendet, und jedes Loch wird an einer anderen Position vermessen. Dies ist also eine Beispielstrategie für ein Six-Sigma-Werkzeug, das wir so nennen:
	Mithilfe dieser Variationskomponenten können wir die Prozessstimme verstehen, sie mit der Kundenstimme vergleichen und mithilfe der Prozessfähigkeit in JMP das Ausmaß des Problems ermitteln.
	Hier finden Sie eine praktische Analyse von COVID-19. Und alle von uns gesammelten Daten sind hier enthalten.
	Wir haben also vier verschiedene Hohlräume in diesem Variabilitätsdiagramm. Der erste Hohlraum hier, der zweite Hohlraum hier, der dritte hier und der vierte hier. Wir können also eine Vielzahl unterschiedlicher Situationen erkennen.
	Diese Informationen sind für uns sehr wichtig. Beispielsweise ist die schlimmste Kavität, die wir in diesem Variabilitätsdiagramm sehen können, die Kavität Nummer zwei.
	Weil wir zum Beispiel die Teilenummer sechs hier haben, haben wir das erste Loch innerhalb dieser Spezifikation, das zweite Loch.
	Außerhalb dieser Spezifikation befindet sich das dritte Loch innerhalb der Spezifikation, und das vierte Loch belegt jeweils eine Position außerhalb und eine Position innerhalb der Spezifikation. Das ist also nicht gut.
	Das verursacht... es verursacht eine Menge Schwankungen in diesen Daten und vielleicht haben wir hier die eigentliche Ursache unseres Problems gefunden, richtig?
	Und warum diese Form, es sind immer noch die gleichen vier verschiedenen Kavitäten, und warum ist die Kavität Nummer drei so gut und die Kavität Nummer zwei so schlecht, und die eins und vier sind mehr oder weniger gleich gut, richtig?
	Zwischen diesen beiden Positionen am Loch besteht eine große Abweichung. Das bedeutet, dass das Loch nicht kreisförmig ist.
	Hier liegt ein Zirkularitätsfehler vor, der das Problem beeinflussen kann. Es handelt sich also um eine sehr praxisorientierte Analyse; mit diesen Variabilitätsdiagrammen in JMP lassen sich viele Aspekte erkennen.
	Eine grafischere Analyse: Ich habe die Positionsmarkierung hier entfernt, und die blauen Linien befinden sich nun innerhalb dieses Balkens. Je größer der Balken ist, desto größer ist also das Problem der Kreisform.
	Wir können den Hohlraum drei wieder sehen. Dort sehen wir das Problem nicht, aber im Hohlraum eins, Hohlraum vier und Hohlraum zwei können wir das Problem immer noch sehen.
	Das ist ja wirklich sehr, sehr groß, nicht wahr? In einer quantitativen Analyse, die nun unsere Prozessfähigkeit nutzt, können wir sehen, wenn wir alle 60 Datenpunkte einbeziehen.
	Innerhalb desselben Batches, innerhalb derselben Auswertung, derselben Verteilung, können wir einen sehr schlechten Prozess sehen, unsere CPK- und PPK-Werte sind fast gleich Null, es handelt sich also um einen sehr schlechten Prozess.
	Über Nonkonformität langfristig oder kurzfristig nachdenken
	Grundsätzlich sprechen wir von mehr als 300.000 Teilen, die nicht den Vorschriften entsprechen.
	entgegen unserer Spezifikation bedeutet das, dass wir, wenn wir 1 Million kaufen, es uns leid tut, wenn wir 1 Million dieser Boxen einspeisen.
	Bei den Aluminiumboxen werden mehr als 300 oder 30 % davon nicht den Spezifikationen entsprechen, vielleicht haben wir das Problem also gerade gefunden. Und noch etwas sehr Interessantes, das JMP uns zur Verfügung stellt, ist dieses 160er-Modell.
	Die Daten liegen hier zwar vor, aber wir wissen, dass die Person, die dies untersucht, die Person, die dies analysiert,
	Wir wissen, dass wir vier verschiedene Kavitäten haben und für jede Kavität etwa 40 Datenpunkte vorliegen. Warum also nicht die Analysen für die verschiedenen Kavitäten aufteilen? Genau das haben wir hier getan. Wir haben also eine Prozessfähigkeitsanalyse für die erste Kavität durchgeführt.
	Ein sehr instabiler Prozess. Auch in Kavität zwei ein sehr instabiler Prozess; wir haben negative PPK- und CPK-Werte.
	Das bedeutet, dass die Messung dieses Prozesses, seine Bedeutung, außerhalb der Spezifikation liegt. So sehen wir hier beispielsweise, dass der Stichprobenmittelwert 4,50075 beträgt.
	Die obere Spezifikationsgrenze liegt bei 4,5000. Wir liegen also außerhalb unserer Spezifikation. Das bedeutet, dass unser PPK negativ ist.
	Dieser Prozess ist sehr schlecht, noch schlechter als der erste mit dem Hohlraum. Der dritte Hohlraum ist der gute. Wir sehen also einen sehr stabilen Prozess. Der Stabilitätsindex liegt nahe bei eins.
	Die CPK- und PPK-Werte sind sehr gut. Die Erwartungswerte der Normalformen sind ebenfalls sehr gut. Allerdings haben wir bei Kavität vier einen schlechten Prozess.
	CPK und PPK sind schlecht, und der Vergleich der Werte von Jahr zu Jahr zeigt jetzt ganz deutlich, wo genau unser Problem liegt, richtig? Liegt es in Kavität 1, 2, 3 oder 4?
	Wenn wir also in unserem Prozess aktiv werden müssten, müssten wir die Dimensionen, die Situationen und die Eigenschaften der Hohlräume zwei, eins und vier bewerten. Im Hohlraum drei ist nichts zu tun.
	Die Hypothesen zu unserem Injektionsprozess sind somit bestätigt.
	Und die Hypothese zum Schraubendurchmesser bleibt vorerst unberücksichtigt. Warum habe ich sie zurückgestellt? Weil wir sie gemeinsam auswerten können.
	Es besteht eine Interferenz zwischen Schraube und Passbohrung. Wie können wir beurteilen, wie diese Wechselwirkung im Produktionsprozess im Produkt wirkt?
	Und wie gut oder schlecht sie sind, sobald wir die Informationen über diese beiden Prozesse haben, richtig? Wir haben den Mittelwert und die Standardabweichung jedes Prozesses, also können wir das zusammenführen. Fangen wir also hier an.
	Bivariate Anpassung des Lochdurchmessers an den Schraubendurchmesser. Was habe ich hier gemacht?
	Ich habe einfach in JMP die Funktion „Y nach X anpassen“ verwendet, den Lochdurchmesser in Y und den Schraubendurchmesser in X eingegeben. Hier,
	Diese blauen Schattierungen hier stellen die Spezifikationsgrenzen dar. Wir haben also die Spezifikationsgrenzen für den Siebdurchmesser und die Spezifikationsgrenze für den Durchmesser der Anschlussbohrung. Alle diese einzelnen Punkte hier stellen die Kombination aus Schrauben- und Bohrungsdurchmesser dar.
	Sobald ich dies im Laufe des Prozesses gemessen habe, habe ich jedes einzelne Teil identifiziert, zum Beispiel: Dies ist Teil Nummer eins, Teil Nummer fünf und ich [unverständlich].
	Teilenummer 25, Teilenummer 30, für die Schrauben und das Aluminiumgehäuse. Zum Beispiel: Dieser Punkt hier, dieser Punkt hier, das ist das Gehäuse Nummer sechs, das Loch Nummer zwei und die Schraube Nummer neun. Die Schraubennummer ist hier, der Lochdurchmesser ist hier. Und für jeden Punkt hier.
	Ich kombiniere strategisch, weil ich sehen wollte
	Wie verhalten sich diese Teile, diese Komponenten zusammen, wenn ich eine Schraube mit kleinem Durchmesser und ein kleines Loch verwende? Was passiert aber, wenn ich eine kleine Schraube mit einem großen Lochdurchmesser verwende?
	Passt das Ganze richtig? Was kann passieren, wenn ich einen großen Schraubendurchmesser und einen großen Lochdurchmesser habe? Und was kann im Laufe des Prozesses passieren, wenn ich
	Ein sehr großer Schraubendurchmesser bei sehr kleinem Lochdurchmesser? Und wir haben viele Zwischenwerte. Wir hatten also etwa 60 verschiedene Kombinationen dieser Daten.
	Ich habe hier jede einzelne Kombination durchprobiert. Wir versuchen, diesen Fehler zu reproduzieren, richtig? Richtig? Denn sobald wir den Fehler reproduzieren können, verstehen wir, was dabei passiert. Was?
	kann den Prozess beeinträchtigen. Was ist die Ursache? Liegt es an der Schraube? Oder an der Passbohrung? Welche Abmessungen sollten wir verwenden, um dieses Problem zu vermeiden?
	Zum Beispiel dieses hier: Wenn sie diese Schraube Nummer neun in die Öffnung Nummer zwei des Kastens Nummer sechs einsetzen, montiere ich es mit dieser Maschine.
	das wir dabei verwendet haben. Und ich habe es auseinandergenommen. Und als ich versuchte,
	Ich konnte es nicht wiederholen. Das war mein Problem. Die Anzahl dieser Baugruppe war gleich eins, das heißt, ich konnte sie nur einmal ausführen.
	Betrachten wir eine andere Situation. Genau hier. Wenn ich die Schraube Nummer 15 mit einem Schraubendurchmesser von etwa 4,73 nehme
	im Vergleich zu Loch Nummer zwei der Box Nummer 14 mit einem Lochdurchmesser von etwa 4,43 mm, bedeutet dies, dass die Überdeckung zwischen einer Schraube und dem Gesamtdurchmesser hier etwa 0,3 Millimeter betrug. Wie oft also
	Das könnte ich tun, richtig? Ich könnte also diesen Vorgang des Öffnens und Schließens der Schachtel 30 Mal wiederholen. Diese Situation hier fünf Mal. Die Situation hier 21 Mal. An jedem dieser Punkte haben wir diesen Montagevorgang so lange durchgeführt, bis das Problem auftrat. Das wäre also möglich.
	Zähle, wie oft wir diesen Vorgang wiederholt haben. Da wir also eine Spalte in unserer Datentabelle haben, die heißt
	Um die Anzahl oder Menge dieser Bauteile zu ermitteln, können wir hier einfach eine Legende einfügen. Hier haben wir beispielsweise Punkte, die von Rot nach Grün geordnet sind. Die roten Punkte hier bedeuten „schlecht“. Das sind sie.
	zwischen null und zehn. Beachten Sie, dass die untere Spezifikationsgrenze bei zehn liegt. Wir müssen diesen Vorgang mindestens zehnmal wiederholen können. Daher sind alle roten Punkte hier fehlerhaft.
	Ein weiteres, sehr interessantes Werkzeug, das wir hier in JMP verwenden, ist der Prediction Profiler. In diesem Fall nutze ich das Fit-Modell, in dem ich die drei Freiheitsgrade – den Lochdurchmesser, den Schraubendurchmesser und die Wechselwirkung zwischen ihnen – eingebe.
	Der R²-Wert liegt bei etwa 0,88. Das ist doch recht gut, oder? Wir können dieses Modell gut darstellen. Jetzt können wir also anfangen, mit unseren Daten verschiedene Szenarien durchzuspielen, richtig?
	Weil wir haben
	Hier der Lochdurchmesser, hier der Schraubendurchmesser, und hier haben wir das Ergebnis, unser Y, unser Ziel, unser Sollwert. Das heißt, die Anzahl dieser Baugruppe, die wir in diesem Prozess herstellen können.
	Wenn wir also das erste Szenario, das ich hier durchgespielt habe, fixieren, dann wäre das: Wir fixieren den Schraubendurchmesser auf den Mittelwert, den die Lieferanten uns liefern.
	Welchen Mittelwert sollte der Gesamtdurchmesser heute haben, um mindestens 11 Demontagen zu gewährleisten? Dieser Mittelwert sollte 4,50 Millimeter betragen, richtig? Gut. Wir haben unser erstes Szenario, aber wie sieht es mit der Prozessstreuung aus?
	Denken Sie daran, dass wir gemessen haben.
	160.
	Teile, die Aluminiumbox. Wir haben 120 Durchmesser gemessen. Wir haben also die Standardabweichung dieser Produkte, richtig? Wenn wir den Simulator im Vorhersageprofiler verwenden.
	Hier einfügen, die untere Spezifikationsgrenze speichern und unsere zufällige Variation hinzufügen.
	Um diesen Lochdurchmesser herum. Indem wir die im Prozess ermittelte Standardabweichung und die Standardabweichung der Schraube einsetzen, können wir simulieren. Ich habe hier gerade 10.000 simuliert.
	Bei unterschiedlichen Kombinationen liegt die Ausfallrate bei etwa 44 %, das ist also sehr, sehr hoch. Beginnen wir daher mit einigen verschiedenen Szenarien.
	Nehmen wir an, wir unternehmen in unserem Spritzgießprozess nichts und bitten den Lieferanten,
	Setzen Sie ihre spezifischen Ergebnisse in den Mittelwert der Spezifikationsgrenzen im Nominalbereich der Spezifikation.
	und die Streuung etwas verringern. Daher werde ich die Werte hier ändern. Ich setze also einfach den Mittelwert der Schraubendurchmesser in den Nennwert ein, um die Streuung zu verringern. Also dieses Grün
	Hier wurde die grüne Verteilung reduziert. Ich habe es erneut simuliert und wir erhielten einen Rückgang von 44 % auf 32 %.
	Wenig Nutzen und zu viel Aufwand, aber wir werden den Lieferanten bitten, uns ein besseres Ergebnis zu liefern, obwohl seine Ergebnisse doch schon gut waren, oder? Alles entsprach den Spezifikationen. Also
	Was ist passiert, wenn wir in unserem Prozess arbeiten? Mal sehen, was passiert, wenn wir einfach
	Setzen Sie den Schraubendurchmesser erneut in den Mittelwert der aktuell gelieferten Werte mit der Standardabweichung ein. Dadurch reduzieren wir die Prozessstreuung etwas.
	Der Mittelwert der Verarbeitung des Nennwerts beträgt 4,45. Bedenken Sie, dass die Streuung dieser Kavitäten sehr, sehr groß war. Nehmen wir also an, wir korrigieren bzw. optimieren unseren Prozess.
	Setzen Sie den Mittelwert der Verarbeitung auf den Sollwert und reduzieren Sie die Streuung. Wie viele Demontagen könnten wir haben? Warum? Der Vorhersage-Profiler hat hier als Ergebnis 20 wiederholte Demontagen angegeben. Die Rate, die Ausfallrate
	sinkt auf 0,009 %. Das ist sehr, sehr gut für uns.
	Selbst mit dieser Gruppenvariation würde der Prozess mit durchschnittlich 20 Demontagen funktionieren. Das ist sehr gut. Wir haben also gerade das Problem im Einspritzprozess bestätigt, richtig? Wenn die Hypothese zutrifft. Wir haben zwar keinen Prozess mit unterschiedlichen Schraubendurchmessern, aber ja, wir haben ein Problem in unserem Einspritzprozess.
	Nachdem wir das erkannt hatten, erstellten wir einen Aktionsplan. Wir verfassten diesen und präsentierten ihn den Managern, den Qualitätsmanagern, dem technischen Leiter, dem Direktor und
	Der Prozessmanager für den Spritzgießprozess, richtig? Der Eigentümer dieser Spritzgießmaschine, der Eigentümer dieser Form. Nachdem die Ergebnisse und Prognosen der Führungsebene mitgeteilt wurden, …
	An der Aluminium-Spritzgießform wurden Maßnahmen ergriffen. Der Stift zur Herstellung der Passbohrung wurde durch einen neuen ersetzt. Die modifizierte Form lieferte die folgenden Validierungsergebnisse.
	Sobald wir die Stifte repariert haben, die wir liefern, waren sie defekt.
	Nachdem wir diese Löcher in die Box eingebracht hatten, führten wir eine weitere COV-Validierungsstudie durch. Und wir erhielten dieses Ergebnis. Also weitere 20 Teile mit denselben vier verschiedenen Aussparungen für Löcher an zwei verschiedenen Positionen. Wir haben jetzt
	Neue Kavitäten mit sehr, sehr guten Ergebnissen. Sogar besser als die Ergebnisse, die wir in unserem Vorhersageprofiler prognostiziert hatten.
	Eine sehr geringe Abweichung. Schauen wir uns also an, was passiert, wenn wir über Stabilität sprechen. Das ist eine sehr gute Prozessfähigkeit. Wir haben sie.
	Null Abweichungen von [unverständlich], das ist alles.
	Nahezu null, richtig? Das ist ein sehr guter neuer Prozess. Und wir können jetzt die Maßnahmen vor und nach dem Prozess vergleichen.
	mit unserem neuen Verfahren. Also, das gleiche bivariate Diagramm, das ich zu Beginn der Untersuchung verwendet habe, präsentiere ich hier nun mit den neuen Werten, denn durch unsere Vorgehensweise haben wir diese 20 neuen Teile erhalten.
	Wir messen neue Schrauben. Und wir kombinieren, wir stellen verschiedene Situationen erneut zusammen. Unterschiedliche Werte für Schraubendurchmesser und Lochdurchmesser und
	Wir gingen zum beschriebenen Verfahren über, besorgten uns die Maschine und begannen mit dem Auseinander- und Zusammenbauen, immer wieder auseinander- und zusammenzubauen, bis der Fehler auftrat.
	Wie Sie hier sehen können, liegen nun alle Punkte innerhalb dieser Spezifikation für beide Merkmale. Und der schlimmste Punkt hier, der rote Punkt, hat 10, 11, 12, 15 Demontagen. Jetzt haben wir also das Problem.
	Gelöst, oder? Wir haben das Problem nicht mehr. Wir haben diesen Prozess gerade eingeführt.
	Es gibt einige Kontrollpläne in der Fabrik, daher müssen sie die Produktion kontrollieren.
	Durchmesser der Stifte, um sicherzustellen, dass
	Zu einem bestimmten Zeitpunkt müssen diese Stifte ausgetauscht werden, um den Lochdurchmesser zu gewährleisten und sicherzustellen, dass dieses Problem beim Kunden nicht auftritt, richtig? Das war also das Problem. Das Problem wurde gelöst.
	So, das war's, Leute. Ich werde mir jetzt ein paar Minuten Zeit nehmen, um euch zu zeigen, wie ich das genau gemacht habe.
	JMP. Also, ich habe hier unsere Datentabelle, in der ich die verwendeten Kästchen, die verwendeten Löcher und jeweils den Durchmesser jedes Lochs angegeben habe.
	Jede Schraube hat den hier gemessenen Durchmesser, und die Anzahl dieser Schrauben in allen Kombinationen – wir haben hier 60 Kombinationen – und die Anzahl der Demontageschritte für jede einzelne.
	Eine der Aktionen, die ich hier durchgeführt habe, war die Funktion „Analysieren -> Y an X anpassen“. Dabei habe ich den Lochdurchmesser in Y und den Schraubendurchmesser in X eingegeben.
	Ich habe hier dieses Diagramm, das sich von dem unterscheidet, das ich zuvor präsentiert habe, denn dort sind die Spezifikationsgrenzen aufgeführt, richtig? Die Spezifikationsgrenzen, die ich hier als zulässige Bereiche angegeben habe, habe ich hier eingetragen.
	Das ist die Schraube, also 4,617 bis 4,8. Ich habe hier einfach Blau aufgetragen und addiert. Damit haben wir die Spezifikation.
	den Schraubendurchmesser und hier haben wir 4,4, 4,5.
	Und ich werde hier die
	Auch die Lochspezifikation.
	Bohrungsspezifikation.
	By so is here.
	Ich würde abheben.
	Also.
	Hoppla.
	Eine Spanne von 4,4 bis 4,5.
	Jetzt haben wir also dieses Diagramm. Alle Punkte, die wir dort haben.
	Und die Legende habe ich gerade mit einem Rechtsklick hier erstellt: Zeilenlegende
	Demontage. Ich habe hier die Farben Grün bis Rot gewählt.
	Ich habe hier die umgekehrte Skalierung gewählt, weil ich möchte, dass das Grün am besten zur Geltung kommt. Also, hier sind sie. Okay, ich könnte auch …
	Hier werden die Punkte größer. Dies ist also eines der Diagramme, die ich verwendet habe.
	Eine weitere Sache, die ich gemacht habe, um die Zeilenzustände hier zu löschen, war die Analyse -> Modell anpassen. Mein Zielwert ist die Anzahl der Demontagen. Den Gesamtdurchmesser und den Schraubendurchmesser habe ich hier eingegeben. Außerdem habe ich die Wechselwirkung zwischen ihnen hinzugefügt und die Analyse gestartet.
	Und ich habe hier,
	Meine Zusammenfassung der Anpassungsgüte mit unserem R-Quadrat finden Sie hier und
	Der Profiler ist hier. Also,
	Hier habe ich den Durchmesser eingegeben, hier habe ich den Lochdurchmesser geändert, hier wurde der Simulator II verwendet, also habe ich hier die Spezifikationsgrenzen gespeichert, damit ich weiß, dass 10 die untere Spezifikationsgrenze für die Demontagemenge ist.
	Ich habe hier eine zufällige Variation dieser Mittelwerte eingefügt. Sobald ich das hatte, habe ich einfach...
	Ich habe 5000 Durchläufe ausgewählt und hier simuliert. Die Fehlerrate ist hier zu sehen. Das Ergebnis unterscheidet sich, da ich nicht dieselben Werte wie in der Präsentation verwendet habe. Wir könnten also verschiedene Szenarien durchspielen. Nehmen wir an, wir würden ab Version 4.43 Fehler ausliefern.
	Die Anzahl der Demontagen beträgt also 24, bei gleichem Mittelwert.
	Der Schraubendurchmesser. Und das ist ein wirklich sehr praktisches Werkzeug in JMP, das ich häufig in meinen Präsentationen verwende.
	Vielen Dank fürs Zuschauen, das war's. Das war's.

Fortgeschrittene statistische ModellierungGrundlagen der Datenanalyse und ModellierungVerbraucher- und MarktforschungMassenanpassungPrädiktive Modellierung und maschinelles LernenQualitäts- und Prozessentwicklung