756822_ko-KR

liliconcom

고급 통계 도구를 사용한 산업 문제 해결(2021-US-45MP-854)

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

기업이 겪을 수 있는 최악의 문제는 고객 불만입니다. 이 강연에서는 고객의 조립 라인에서 전기 모터 연결함 덮개를 분해하고 조립할 때 발생한 문제를 살펴봅니다. 분해 및 조립 개념은 최소 10회 사이클로 명시되었지만, 고객은 구매한 전기 모터에 케이블을 연결할 때 첫 번째 사이클에서 문제를 겪었습니다.

문제를 해결하기 위해 6시그마 방법론의 일부 통계적 도구와 방법을 사용하여 순차적이고 체계적인 방식으로 문제의 주요 가설을 검증하고 무효화한 다음, 모든 프로세스와 제품에 대한 결정을 사실과 데이터 분석을 기반으로 적절한 방식으로 내렸습니다.

자동 생성된 대본...

스피커	성적 증명서
니콜라스 셸턴	좋아요, 음소거를 설정하겠습니다. 음소거가 설정된 후에는 준비가 되면 시작할 수 있습니다. 제가 말했듯이 실수가 있거나 다른 일이 있어도 걱정하지 말고 계속 진행하세요. 끝나면 녹음을 멈추고 음소거를 해제하겠습니다.
	좋아, 좋아. 준비가 되면 바로 시작하자.
	안녕하세요 여러분. 저는 오늘 여러분께 설명드릴 내용을 알려드리려고 합니다.
	고급 통계 도구와 JMP를 사용하여 해결한 산업 문제입니다. 제가 전기 제조업체에서 일할 때 실제로 겪었던 문제입니다.
	그렇다면 당시 우리가 직면했던 문제는 무엇이었을까요? 전기 모터가 있었기 때문에 고객은 물에서 증류액을 구매했습니다.
	그리고 그는 이 전기 모델을 자신의 기계에 연결해야 하므로 여기 상자를 열어야 합니다.
	이 상자에는 4개의 나사와 4개의 구멍이 있어서, 이 덮개를 열려면 전기 케이블을 자신의 기계에 연결해야 하고, 다시 닫으려면 덮개를 고쳐야 합니다.
	고객이 이것을 시도할 때, 그는 이 덮개와 이 네 가지 다른 것으로 상자를 닫아야 하는 순간을 고칠 것입니다.
	나사를 잘못 조이면 가끔 이런 문제가 발생합니다. 다시 말해, 나사와 알루미늄 구멍 사이에 더 이상 그립이 없다는 뜻입니다.
	사양에 따르면, 이 나사는 이 조립 과정을 거쳐야 하며, 이 조립은 적어도 10번은 견뎌야 합니다.
	그리고 고객은 오랜 시간 동안 또는 여러 번, 혹은 꼭 그래야 하는 경우에도 아무런 문제 없이 이 작업을 수행할 수 있습니다.
	위치를 바꾸거나 이 전기 모터가 사용되는 기계를 바꾸면 아무 문제 없이 상자를 열고 닫을 수 있습니다. 여기 조금 있습니다.
	짧은 영상으로 문제가 무엇인지 잘 보여줍니다. 이 승무원은 길을 잃었고, 전혀 잡을 수 없습니다.
	이런 일이 일어나는 것은 우리가 매일 겪는 일반적인 문제는 아니지만, 가끔은 이런 일이 일어날 수 있다고 감독은 말했습니다.
	불만이 접수되자, 이사는 품질 관리자에게 전화했고, 품질 관리자는 저에게 전화했습니다. 마테우스, 우리는 이 문제를 해결해야 하니 사람들을 모아 조사를 시작해야 합니다.
	그리고 그게 바로 일어난 일이고, 그게 바로 우리가 하던 일이었습니다.
	다른 상황과 마찬가지로 우리가 조사해야 할 다른 문제도 있습니다.
	우리는 항상 몇 가지 가설로 시작할 것이고, 최소한 이 문제에 영향을 미치는 요인은 무엇인지, 이 실패를 어떻게 설명할 수 있는지에 대한 가설도 세울 것입니다. 그래서 우리는 예를 들어 제품 엔지니어링과 같은 다양한 분야의 사람들을 모았습니다.
	여기서 우리가 무엇을 잘못하고 있는 걸까요? 제품 엔지니어링 부서에서 문제가 생겨 이런 문제가 발생할 수 있고, 설계 오류나 조립 라인 오류, 변형된 문제일 수도 있습니다. 아마도 나사 조이는 기계 때문일 수도 있습니다.
	높은 토크로 작동하고 이 문제를 발생시키거나 우리가 구매하는 나사가 바로 이 공급업체이고, 우리에게 이 나사를 제공하는 공급업체가 아마도 그럴 것입니다.
	직경이 줄어들었고 우리는 이 그립을 가질 수 없습니다. 당시 우리가 나열한 마지막 가설은 사출 공정이었기 때문에 여기에 맞는 알루미늄 상자가 있습니다.
	이 직경은 열릴 수 있으므로, 스크린이 나쁘거나 나사 직경이 좋더라도 매우 큰 직경을 가질 수 있으며 나사는 이것으로 그립을 가질 수 없습니다.
	전체이므로 문제가 발생할 수 있습니다.
	일단 우리가 이러한 회의를 갖고 이러한 가설들을 나열한 후, 우리는 그것들을 검증하거나 무효화하기 시작했습니다.
	일부 연구와 일부 데이터를 바탕으로 제품 엔지니어링과 조립 라인에 대한 이야기를 시작했기 때문에 둘 다 무효화되었습니다.
	우리는 이러한 조립품을 설계할 때 모든 설계, 모든 사양, 모든 표준을 확인했습니다. 나사와 구멍의 조합, 다양한 재료 등 모든 것이 괜찮았기 때문에 여기서 아무것도 할 필요가 없었습니다.
	우리가 조립 라인에서 사용하던 나사 조이는 기계를 방금 구입했어요.
	실험실과 계측실에 와서 공원을 점검하고 기계를 점검했는데 모든 것이 괜찮았습니다. 여기서는 문제가 없었습니다. 그렇다면 지금 이 문제에 영향을 미치는 요인은 무엇일까요?
	나사와 피팅 구멍만 있고, 이 알루미늄 부품, 이 상자를 확인하면 됩니다. 알겠습니다. 이 문제의 주요 가설 중 하나인 이스라엘 직경에 대해 이야기해 보겠습니다.
	그리고 여기서 우리는 JMP를 사용하기 시작했지만, 공장에서 나사를 측정하기 전에 항상 측정 시스템이 승인되었는지 확인해야 했습니다.
	다음은 간단한 변동성 차트입니다. 여기에는 나사 직경이 표시되어 있으며, 5개의 부품이 있습니다. 각 부품은 두 명의 다른 작업자가 각각 3번씩 측정했습니다.
	여기에는 다양한 구성 요소가 있는데, 여기서 변동의 93.8%가 부품에 의해 발생했음을 알 수 있습니다. 이는 측정 시스템이 우수하다는 것을 확신할 수 있는 것 중 하나이며, 이를 구별할 수 있습니다.
	프로세스의 일부이므로 측정 시스템이 승인되었고 이제 다음 단계로 넘어갈 수 있습니다. Aaron, 프로세스로 넘어가서 나사를 30개 평가할 수 있습니다. 시작해 봅시다. 프로세스의 목소리가 적절한지, 그리고 여기서 여러분께 제시하는 모든 단계의 샘플 전략이 있습니다.
	우리는 6시그마 방법론을 사용했으므로 어느 정도 따르고 있습니다.
	매우 체계적인 접근 방식은 측정 시스템 평가부터 시작하여 프로세스에 들어가 프로세스의 목소리를 이해하고 마지막에 완료하는 것입니다.
	몇 가지 조합을 시도하고 방금 제시한 가설을 검증하거나 검증하는 것이 여기의 전략입니다.
	우리는 나사가 가득 들어 있는 상자를 가지고 있었기 때문에 우리가 알고 있는 유일한 정보는 나사가 여러 배치로 나뉘어져 있고 각 배치마다 나사가 들어 있다는 것뿐이었습니다.
	제조 날짜나 제조 시점이 있으므로 우리는 각 배치를 세 개의 다른 배치로 분리하여 각 배치를 불렀습니다.
	20개의 부분으로 구성되어 있으며, 각 부분을 0도와 90도의 제곱에서 두 개의 다른 위치에서 측정했습니다.
	왜 그럴까요? 이 직경에 원형 문제가 있는지 확인하고 이해하기 위해서였습니다. 그래서 이 샘플링 전략을 사용하여 데이터 수집을 시작했고, JMP에서 분석할 지점이 120개였습니다. 다시 한번 말씀드리겠습니다.
	매우 실용적인 분석을 통해 변동성 차트를 실행하고 120개 포인트를 모두 넣어보면 모든 것이 사양 한도 내에 있음을 알 수 있습니다.
	여기의 각 점은 나사의 한 측정값입니다. 이 파란색 선은
	이 나사의 위치 1과 2를 연결하고 있으므로 여기에 매우 큰 파란색 선이 있으면 원형도 오류가 매우 크다는 것을 의미합니다.
	즉, 이 두 가지 직경의 위치가 서로 다르기 때문에 매우 다릅니다.
	평균적으로 직경은 좋을 수 있지만, 이 직경과 이 직경 사이의 차이가 틀릴 수 있으며, 이는 알루미늄 상자에 나사로 고정할 때 문제에 영향을 미칠 수 있습니다.
	이것은 나사에 대한 매우 실용적인 분석입니다. 나사의 두 가지 다른 위치를 비교하는 그래픽 분석에서 모든 것이 괜찮아 보였습니다. 우리는 원형도 오류라는 가설을 무효화할 수 있다는 것을 알 수 있습니다.
	영향을 미칠 수 있었을 텐데, 위치 1과 위치 2의 평균은 거의 같았습니다. 여기 이 막대들의 크기는, 알겠습니다. 위치 2와 위치 1은 매우 다르니까요.
	이 그래프 분석은 직경에 대한 위치를 비교하는 변동성 차트를 통해 모든 것을 볼 수 있습니다.
	이제 JMP에서 이러한 프로세스 역량을 활용한 정량적 분석을 통해, 나사를 공급하는 공급업체의 프로세스가 어떤지, 즉 공급업체의 프로세스가 어떤지 확인할 수 있습니다. 프로세스는 어떤가요? 맞습니다.
	여기 CPK는 약 1.47, PPK는 약 1.014입니다. 불안정성은 약 1.45이므로 우리가 가진 최선의 프로세스는 아닙니다.
	보였지만.
	이상적인 PPK 1.33을 고려하고, 여기서 중요한 품질 특성이나 차원에 대해 생각해 보겠습니다.
	이 나사는 장기적으로 문제에 영향을 미칠 수 있다고 가정할 수 있습니다. 현재 이 나사는 모두 이 사양 내에 있지만 통계에 따르면 PPK 값에 근거합니다.
	1.33보다 작으면 앞으로 문제가 될 수도 있겠죠.
	하지만 공급업체를 비난하기 전에, 우리는 사출 공정, 즉 우리의 공정을 이해해야 합니다. 이러한 스크류 변형에 대해 우리가 견고하게 대응할 수 있다면, 그럴 필요가 없으므로 우리에게 더 좋습니다.
	공급업체에서 무엇이든 시작하면 됩니다.
	그래서 이 가설은.
	보류 중이었습니다. 이 문제는 제쳐두고, 우리의 주사 과정에 대한 연구를 기다리도록 하죠.
	우리가 어떻게 이것을 했는지 살펴보도록 하죠.
	이 상자에 주입하기 위해 금형이 필요합니다.
	이 금형에는 네 개의 다른 캐비티가 있습니다. 그래서 우리가 주입할 때마다
	이 과정에서 네 가지 부품이 나오죠? 각 부품에는 네 개의 구멍이 있는데, 고객이 덮개를 고정하는 데 사용하는 구멍입니다. 그리고 각 부품의 위치도 다르게 측정합니다. 위치 1과 위치 2입니다.
	따라서 이 과정을 측정하고 원래의 실제 과정에서 무슨 일이 일어나는지 확인하기 전에, 측정 시스템이 양호하고 승인되었는지 확인해야 합니다.
	우리는 다섯 가지 나쁜 부분과 좋은 부분을 어떻게 구분하는지 확실히 알아야 합니다. 그래서 한 부분, 한 상자로 이렇게 실행했습니다.
	이 측정 시스템은 네 개의 서로 다른 구멍에서 발생하는 변동을 측정합니다. 각 구멍은 두 명의 작업자가 각각 세 번씩 측정했습니다. 따라서 이 측정 시스템에서 가장 큰 변동은 구멍으로 인해 95% 발생했습니다.
	여기서 말씀드리고 싶은 건, 승인하기가 정말 어려웠다는 겁니다.
	우리가 실행한 세 번째 MSA 같았습니다. 이 내경을 측정하려면 새 가드를 구입해야 합니다. 사양이 매우 엄격했고 해상도도
	처음에 배정되지 않은 게이지에 대해, 우리는 이 세 번째 MSA를 승인했습니다. 그래서 승인되면
	이제 다음 단계로 넘어가서, 공정 내 부품을 측정하고 사출 공정이 어떻게 변화하는지, 그리고 그것이 문제에 어떤 영향을 미치는지 이해할 수 있습니다. 그래서 네 개의 서로 다른 캐비티를 가진 모드를 얻은 공정으로 넘어갔습니다.
	각 구멍에서 5개 부분.
	그래서 우리는 그 과정에서 5번 주사를 했고, 각 공동은 우리에게 5개의 부분을 주었습니다. 각 부분은
	4개의 서로 다른 구멍과 각 구멍의 위치를 ​​측정하므로 이것은 우리가 6시그마 도구라고 부르는 샘플 전략입니다.
	변동 요소 이러한 변동 요소를 통해 프로세스의 목소리가 어떤지 파악할 수 있고, 프로세스의 목소리와 고객의 목소리를 비교할 수 있으며, JMP의 프로세스 기능을 활용하여 문제의 심각성을 파악할 수 있습니다.
	여기 COV 실질 분석이 있습니다. 그리고, 저희가 수집한 모든 데이터가 여기에 있습니다.
	이 변동성 차트에는 네 개의 서로 다른 충치가 있습니다. 첫 번째 충치는 여기, 두 번째 충치는 여기, 세 번째 충치는 여기, 네 번째 충치는 여기 있습니다. 그래서 우리는 여기에서 매우 다양한 상황들을 볼 수 있습니다.
	우리에게 매우 중요한 정보입니다. 예를 들어, 이 변동성 차트에서 가장 심각한 충치는 두 번째 충치입니다.
	예를 들어 여기서 부품 번호 6을 구해 보겠습니다. 이 사양의 내부에는 첫 번째 구멍, 두 번째 구멍이 있습니다.
	이 사양 밖에서는 사양 내부의 세 번째 구멍과 네 번째 구멍이 바깥쪽 위치 하나와 안쪽 위치 하나를 유지합니다. 따라서 이는 좋지 않습니다.
	이것이...이것은 데이터에 많은 변화를 일으키고 있고, 어쩌면 여기에 문제의 근본 원인이 있는 것일 수도 있겠죠?
	그리고 왜 이 틀을 사용했나요? 이건 똑같은 네 개의 다른 구멍이에요. 그리고 왜 세 번째 구멍은 좋은지, 두 번째 구멍은 나쁜지, 그리고 하나와 네 번째 구멍은 더 많거나 적은지, 맞죠?
	구멍의 두 위치 사이에는 많은 차이가 있습니다. 즉, 구멍이 원형이 아니라는 뜻입니다.
	문제에 영향을 미칠 수 있는 순환성 오류가 여기에 있습니다. 매우 실용적인 분석입니다. JMP의 변동성 차트를 통해 많은 것을 확인할 수 있습니다.
	좀 더 그래픽적인 분석을 해 보겠습니다. 방금 위치 구멍을 제거했는데, 파란색 선들이 이제 이 막대 안에 있습니다. 막대가 클수록 원형성 문제가 더 커집니다.
	세 번째 공동이 다시 보입니다. 그 문제는 보이지 않지만, 첫 번째 공동, 네 번째 공동, 두 번째 공동에는 여전히 문제가 보입니다.
	정말, 정말 크죠? 지금 우리의 공정 능력을 활용한 정량 분석에서, 100개의 60개 데이터를 모두 입력했을 때
	동일한 배치 내부, 동일한 평가, 동일한 분포 내에서 우리는 매우 나쁜 프로세스를 볼 수 있습니다. CPK와 PPK는 거의 0과 같습니다. 따라서 매우 나쁜 프로세스입니다.
	장기적 또는 단기적으로 불일치에 대해 생각하기
	기준으로 우리는 300,000개 이상의 부품이 부적합하다고 말하고 있습니다.
	우리의 사양에 따르면, 우리가 100만 개를 사면 100만 개를 주입하면 된다는 뜻입니다.
	알루미늄 상자의 경우, 300개 이상, 즉 30% 이상이 규격에 맞지 않을 수 있으니, 아마도 저희가 문제를 발견했을 수도 있습니다. 그리고 JMP에서 제공하는 또 다른 흥미로운 점은 160개입니다.
	여기에는 데이터가 있지만, 이를 조사하는 사람, 이를 분석하는 사람은
	네 개의 서로 다른 캐비티가 있고 각 캐비티마다 약 40개의 데이터 포인트가 있다는 것을 알고 있습니다. 그렇다면 이 분석을 여러 캐비티로 나누어 보는 건 어떨까요? 그래서 여기서는 그렇게 했습니다. 즉, 캐비티 하나에 대한 공정 능력 분석을 한 것입니다.
	매우 불안정한 과정입니다. 두 번째 공동도 매우 불안정한 과정입니다. 음의 PPK와 CPK 값을 보입니다.
	즉, 이 과정의 측정값, 즉 의미가 특정 범위를 벗어났다는 뜻입니다. 즉, 표본 평균이 4.50075인 것을 볼 수 있습니다.
	상한 규격 한계는 4.5000입니다. 따라서 규격을 벗어났습니다. 즉, PPK가 음수입니다. 따라서,
	매우 나쁜 과정입니다. 공동 1보다 더 나쁩니다. 공동 3이 그만큼 좋은 과정입니다. 따라서 매우 안정적인 과정을 볼 수 있습니다. 안정성 지수는 1에 가깝습니다.
	CPK와 PPK 값이 매우 좋습니다. 정규형 기대값도 매우 좋습니다. 따라서 네 번째 공동의 프로세스도 좋지 않습니다.
	CPK와 PPK가 안 좋은데, 각 연도를 비교해 보면 지금 우리 문제가 어디에 있는지 아주 명확해지죠? 1, 2, 3, 4번 구멍에 있는 건가요?
	따라서 우리가 프로세스에서 행동을 시작해야 한다면, 우리는 공동 2, 1, 4의 차원, 상황, 특성을 평가해야 하며 공동 3에서는 아무것도 할 필요가 없습니다.
	따라서 우리의 주입 과정에 대한 가설은 검증되었습니다.
	그리고 우리는 아직도 나사 직경 가설을 보류하고 있습니다. 그런데 왜 제가 이 가설을 보류했을까요? 두 가설을 함께 평가할 수 있으니까요.
	나사와 피팅 구멍 사이에 간섭이 있습니다. 제품 생산 과정에서 나사와 피팅 구멍이 어떻게 상호 작용하는지 어떻게 평가할 수 있을까요?
	두 프로세스에 대한 정보를 얻으면 얼마나 좋고 나쁜지 알 수 있겠죠? 각 프로세스의 평균과 표준편차가 있으니까, 이 정보를 종합해 볼 수 있습니다. 자, 이제 실행을 시작해 볼까요?
	구멍 직경과 나사 직경의 이변량 적합. 여기서 뭘 한 거지?
	방금 JMP에서 Fit Y by X로 들어갔습니다. Y에 구멍 직경을 입력하고 X에 나사 직경을 입력했습니다. 여기서,
	여기 파란색 그림자는 규격 한계입니다. 스크린 직경의 규격 한계와 피팅 구멍 직경의 규격 한계가 있습니다. 여기 있는 모든 점들은 나사 직경과 구멍 직경의 조합입니다.
	제가 이 과정을 측정한 후 각 부분을 이렇게 식별했습니다. 부품 번호는 1이고, 부품 번호는 5이고 [알아들을 수 없음].
	부품 번호 25, 부품 번호 30은 나사와 알루미늄 상자용입니다. 예를 들어, 여기 이 점, 여기 이 지점, 여기 6번 상자, 2번 구멍, 그리고 9번 나사입니다. 나사 번호는 여기에 있고, 구멍 지름은 여기에 있습니다. 그리고 각 지점은 여기에 있습니다.
	나는 전략적으로 결합했는데, 왜냐하면 나는 보고 싶었기 때문이다.
	나사 직경이 작고 구멍 직경이 작은 경우, 이 부품들과 구성품들이 어떻게 동작할까요? 하지만 작은 나사에 큰 구멍 직경이 있는 경우 어떻게 될까요?
	전체적으로 딱 맞죠? 나사 직경이 크고 구멍 직경도 크다면 어떻게 될까요? 그리고 그 과정에서 어떤 일이 일어날 수 있을까요?
	나사 직경이 매우 크고 구멍 직경이 매우 작다면? 그리고 그 사이에 많은 지점들이 있습니다. 그래서 이 데이터의 약 60가지 조합을 얻었습니다.
	여기 모든 조합을 다 모았습니다. 이 실패를 재현하려고 하는 거죠? 그렇죠? 왜냐하면, 실패를 재현하면 그 과정에서 무슨 일이 일어나는지 이해할 수 있기 때문입니다.
	프로세스에 영향을 미칠 수 있습니다. 근본 원인은 무엇일까요? 나사 때문일까요? 아니면 피팅 구멍 때문일까요? 이 문제를 방지하려면 어떤 치수를 사용해야 할까요?
	예를 들어 여기 있는 이 나사는 6번 상자의 전체 2번에 9번 나사를 넣었을 때 그 기계를 사용해서 조립합니다.
	우리가 그 과정에서 사용하고 있던 것입니다. 그리고 저는 이것을 분해합니다. 그리고 제가 시도했을 때
	다시 해 봤는데, 안 되더라고요. 그래서 문제가 생긴 거예요. 여기 어셈블리 개수가 1이었는데, 한 번만 할 수 있다는 뜻이에요.
	다른 상황을 생각해 봅시다. 바로 이 지점, 여기. 나사 지름이 약 4.73mm인 15번 나사를 생각해 봅시다.
	14번 상자의 두 번째 구멍에 대해, 구멍 직경이 약 4.43mm인 경우, 나사와 전체 직경 사이의 간섭은 약 0.3mm입니다. 그렇다면 몇 번이나
	이렇게 할 수 있겠죠? 그러니까, 상자를 열고 닫는 과정을 30번 반복할 수 있다는 거죠. 여기 상황은 5번, 여기 상황은 21번. 그래서 이 지점들 각각에 대해 문제가 생길 때까지 이 조립 과정을 반복했습니다. 그래서 할 수 있었습니다.
	이 프로세스를 반복한 횟수를 세어 보세요. 데이터 테이블에 다음과 같은 열이 있습니다.
	이러한 어셈블리의 양이나 수량을 확인하려면 여기에 범례를 추가하면 됩니다. 예를 들어 빨간색에서 초록색으로 점이 이동하는 것처럼 말이죠. 여기 있는 빨간색 점은 불량입니다. 그렇습니다.
	0에서 10 사이입니다. 최소 사양 한계는 10입니다. 이 과정을 최소 10번 반복할 수 있어야 합니다. 따라서 여기 빨간색 점은 모두 불량입니다.
	그리고 JMP에서 사용하는 또 다른 흥미로운 도구는 예측 프로파일러입니다. 이 때 저는 적합 모델을 사용하는데, 여기에는 구멍 직경, 나사 직경, 그리고 이들 간의 상호 작용이라는 세 가지 자유도가 포함됩니다.
	R 제곱이 약 0.88이네요. 꽤 좋은 결과죠? 이 모델을 잘 표현할 수 있겠어요. 자, 이제 데이터를 가지고 다양한 상황을 실험해 볼 수 있겠죠?
	왜냐하면 우리는 가지고 있기 때문이다
	여기 구멍 직경, 여기 나사 직경, 그리고 여기에 결과, Y, 목적, 목표가 있습니다. 즉, 이 공정에서 얻을 수 있는 조립품의 수량입니다.
	따라서 여기서 제가 실행한 첫 번째 시나리오는 공급업체가 우리에게 제공하는 평균에서 나사 직경을 고정하는 것이었습니다.
	오늘, 최소 11mm 분해를 보장하려면 전체 직경의 평균이 얼마여야 할까요? 이 평균은 4.50mm여야 하죠? 아, 좋네요. 첫 번째 시나리오는 나왔는데, 공정 변동은 어떨까요?
	우리가 측정했다는 것을 기억하세요
	160.
	부품, 알루미늄 상자. 직경 120개를 측정했습니다. 그러면 해당 제품의 표준 편차를 구할 수 있겠죠? 예측 프로파일러에서 시뮬레이터를 사용할 때
	여기에 넣고, 낮은 사양 한도를 저장하고, 무작위 변동을 추가합니다.
	이 구멍 직경을 기준으로 합니다. 공정에서 얻은 표준 편차와 나사의 표준 편차를 적용하면 시뮬레이션을 할 수 있습니다. 방금 10,000을 시뮬레이션했습니다.
	다양한 조합이 있고 실패율이 약 44%입니다. 이는 매우 큰 문제이므로 몇 가지 다른 시나리오부터 시작해 보겠습니다.
	우리가 주입 프로세스에서 아무것도 하지 않고 공급업체에 요청한다고 가정해 보겠습니다.
	명목 사양의 사양 한계의 평균에 특정 결과를 넣습니다.
	편차를 조금 줄이겠습니다. 여기 값을 변경하겠습니다. 공칭 나사 직경의 평균을 넣어 편차를 줄였습니다. 이 녹색
	여기 곡선의 녹색 분포가 감소했습니다. 다시 시뮬레이션해 보니 44%에서 32%로 줄었습니다. 그래서,
	이득은 거의 없고 노력은 너무 많이 들지만, 공급업체에 더 나은 결과를 요청하면 됩니다. 하지만 공급업체의 결과는 이미 좋았잖아요? 모든 게 사양 안에 있었으니까요. 그래서,
	무슨 일이 일어났나요? 우리는 우리의 프로세스에서 일하고 있습니다. 우리가 그냥 일한다면 무슨 일이 일어날지 봅시다.
	현재 납품 중인 나사 직경을 평균값과 표준 편차에 다시 대입해 보겠습니다. 이렇게 하면 공정상의 변동을 조금 줄일 수 있고,
	명목 처리의 평균은 4.45입니다. 이 구멍들의 변화가 매우 컸다는 점을 기억하세요. 따라서 우리가 프로세스를 수정하고 고정한다고 가정해 봅시다.
	명목 처리의 평균을 넣고 변동을 줄입니다. 분해 횟수는 얼마나 될까요? 왜 그럴까요? 그래서 예측 프로파일러는 방금 20번의 반복 분해를 결과로 넣었습니다. 실패율
	0.009%까지 낮아집니다. 이건 우리에게 아주 아주 좋은 일이죠. 그래서,
	이 그룹 변형에도 불구하고, 이 프로세스는 20번의 분해를 통해 작동할 것입니다. 아주 좋습니다. 자, 방금 사출 프로세스 문제를 검증했죠? 가설이라면, 스크류 직경 프로세스는 없지만, 네, 사출 프로세스에 문제가 있습니다.
	이 사실을 알게 된 후 우리는 실행 계획을 세웠습니다. 실행 계획을 작성하여 관리자, 품질 관리자, 엔지니어링 관리자, 이사에게 발표했습니다.
	사출 공정 관리자, 맞죠? 그 사출기 소유자, 그 금형 소유자 말입니다. 그래서 경영진에게 결과와 예측을 공유한 후
	알루미늄 사출 금형에서 다음과 같은 조치가 취해졌습니다. 피팅 구멍을 만드는 데 사용된 핀은 새 핀으로 교체되었습니다. 수정된 금형은 검증을 위해 다음과 같은 결과를 제공했습니다. 따라서,
	우리가 배달하는 핀을 고치면.
	상자에 구멍을 뚫고 나서 또 다른 COV 검증 연구를 진행했습니다. 그리고 이 결과를 얻었습니다. 같은 네 개의 다른 구멍에 두 개의 다른 위치에 20개의 부품을 더 배치했습니다. 이제
	아주 아주 좋은 결과를 보이는 새로운 충치. 예측 프로파일러에서 예측했던 결과보다 훨씬 더 좋습니다.
	아주 작은 차이입니다. 자, 안정성에 대해 이야기할 때 어떤 일이 일어나는지 볼까요? 이건 아주 좋은 공정 능력입니다. 우리는 가지고 있습니다.
	[청취 불가]에 대한 불일치 사항은 전혀 없으므로, 이것이 전부입니다.
	거의 0에 가깝죠. 아주 좋은 새로운 프로세스입니다. 이제 여기에서 작업 전후를 비교할 수 있습니다.
	새로운 프로세스를 적용했습니다. 조사 초기에 사용했던 이변량 그래프를 이제 새로운 값으로 제시합니다. 20개의 새로운 부분을 얻었으니까요.
	새 나사를 측정합니다. 그리고 다시 여러 상황을 조합하고 조합해 보았습니다. 나사 직경과 구멍 직경에 대한 다른 값과
	우리는 그 과정을 밟았고, 그 기계를 가져와서 분해하고, 조립하고, 분해하고, 조립하는 과정을 반복했습니다. 결국 고장이 났습니다. 그래서,
	보시다시피 모든 점은 이제 두 특성 모두에 대한 사양 내부에 있습니다. 그리고 여기서 가장 심각한 점은 빨간색 점이 10, 11, 12, 15번 분해되었다는 것입니다. 이제 문제가 있습니다.
	해결됐죠? 더 이상 문제는 없어요. 그냥 이 과정을 도입했을 뿐이에요.
	공장에는 몇 가지 제어 계획이 있으므로 이를 제어해야 합니다.
	이제 핀의 직경을 확인하세요.
	특정 시점에 이 핀을 교체해야 합니다. 구멍 직경을 보장하기 위해서죠. 고객에게 이런 문제가 발생하지 않도록 보장하기 위해서죠, 그렇죠? T 그래서 이게 문제였습니다. 문제는 해결되었습니다.
	그리고 그게 전부입니다. 여기서 몇 분 동안 제가 이것을 어떻게 했는지 보여드리겠습니다.
	JMP입니다. 여기에 제가 사용하는 상자와 구멍, 그리고 각 구멍의 지름이 있는 데이터 테이블이 있습니다.
	각 나사의 직경은 여기서 측정되고, 이 나사의 개수는 모든 조합으로 표시됩니다. 60가지 조합이 있고, 각 조합에 대한 분해 횟수도 있습니다. 따라서,
	제가 여기서 한 것 중 하나는 분석 -> Y x X 맞춤입니다. Y에는 구멍 직경을, X에는 나사 직경을 입력했습니다.
	여기 이 그래프가 있는데, 제가 제시한 것과는 다릅니다. 거기에는 규격 한계가 있잖아요? 그러니까 제가 여기에 넣은 규격 한계는 범위를 허용합니다. 여기에 넣었죠.
	이게 나사입니다. 그러니까 4.617에서 4.8이 되는 거죠. 여기에 파란색을 넣고 더하면 됩니다. 그럼 사양은 대략 이렇습니다.
	나사 직경은 4.4, 4.5입니다.
	그리고, 여기에 넣어두겠습니다
	구멍 사양도 마찬가지입니다.
	구멍 사양.
	그래서 여기도 그렇습니다.
	나는 떠날 것이다.
	그래서.
	으악.
	범위는 다시 4.4, 4.5입니다.
	이제 그래프가 생겼습니다. 모든 점이 거기에 있습니다.
	그리고 범례는 여기를 마우스 오른쪽 버튼으로 클릭하면 됩니다. 행 범례
	분해. 저는 여기서 녹색을 빨간색으로 선택했습니다.
	여기서는 역방향 스케일을 선택했어요. 녹색은 최고가 되고 싶거든요. 그래서 여기 있어요. 네, 그리고,
	여기서 더 큰 점을 찍으세요. 제가 사용한 그래프 중 하나입니다.
	여기서 행 상태를 비우도록 한 또 다른 방법은 분석->모델 적합입니다. 제 Y축, 여기서 제 목표는 분해의 양입니다. 방금 입력한 전체 직경과 나사 직경입니다. 그리고 그 두 가지 사이의 상호 작용도 입력하고 실행했습니다.
	그리고 나는 여기에 있습니다,
	여기에 R-제곱을 사용한 적합성 요약이 있습니다.
	프로파일러가 바로 여기 있습니다. 그래서,
	여기가 제가 직경을 입력한 곳이며, 여기서 구멍 직경을 변경한 곳입니다. 시뮬레이터 II가 여기에 사용되었으므로 사양 제한을 ​​여기에 저장했습니다. 따라서 분해 수량에 대한 최소 사양 제한이 10이라는 것을 알 수 있습니다.
	저는 이 평균들을 중심으로 무작위로 변형된 형태를 만들어 봤습니다. 그래서 이걸 만들고 나서는 그냥...
	실행 횟수를 5000번으로 설정하고 시뮬레이션을 진행했는데, 실패율이 여기에 있습니다. 이 결과는 프레젠테이션과 다른 값을 사용했기 때문에 다릅니다. 따라서 다양한 시나리오에서 실행할 수 있습니다. 예를 들어 4.43에서 홀을 생성하기 시작했다고 가정해 보겠습니다.
	따라서 분해의 양은 동일한 평균을 갖는 24가 될 것입니다.
	나사 직경입니다. 이건 JMP에서 아주 아주 유용한 도구인데, 제 프레젠테이션에 자주 사용합니다. 그러니까,
	시청해 주셔서 감사합니다. 이게 전부입니다. 끝입니다.

고급 통계 모델링기본 데이터 분석 및 모델링소비자 및 시장 조사대량 맞춤화예측 모델링 및 머신 러닝품질 및 공정 엔지니어링