756113_zh-CN

liliconcom

利用多个 JMP 平台在 DMAIC 黑带项目中进行测量系统分析 (2022-US-30MP-1106)

此六西格玛 BB 项目的目标是提高针规对扩散孔尺寸的测量能力，这对于生产故障分析至关重要。测量阶段有几个 JMP 分析目标。首先，比较 Excel Xbar-R 方法与 JMP ANOVA 交叉方法。其次，在精度与公差 (P/T) 比和精度与总方差 (P/TV) 比之间选择 GRR 标准。第三，使用 SPC 控制图监控 GRR 稳定性，确定用于计算 GRR P/V 比的过程长期西格玛，并确定过程合理子组。第四，评估针规磨损风险以确定针规测量是否为破坏性测试并使用 GRR 嵌套模型。最后，使用 GRR 错误分类来评估 Alpha 风险和 Beta 风险对生产产量/成本的影响。JMP 平台帮助我们有效地执行了这个六西格玛 BB 项目。

你好， 每个人。

我的 姓名 是 坎普。

来 从 台湾。

I 工作 在 总理 材料 为了 全球的 继续 改进。

和 其他 作者 是 韦恩 还 从 台湾。

他在 Prime Material 工作 为了 顾客 质量 工程师。

今天 我们 将要 展示 如何 到 利用 SIPOC JMP平台

到 战斗 测量 系统 错误

在你的 购买。

这 项目 是 测量 系统错误 之间 供应商 A 和 供应商 B.

I 将要 去 通过 为了 这 二

话题。

为了 这 介绍 和 供应商A 测量 系统。

然后是韦恩 我们 将要 去 通过 这 下一个 二 主题。

为了 这 介绍，

I 将要 去 通过 这 背景，SIPOC 以及范围内外分析，

MSA CTQ 的相关性。

供应商 A 测量 系统，

我们 将要 覆盖 这 Excel Xbar-R 与 JMP ANOVA交叉方法。

仪表 R&R

P/T 和 P/TV 比率标准，

变异性图表和量规 R&R 均值图，

仪表 R&R 验证错误。

供应商 B 测量 过程，

我们 将要 覆盖 EC图，

通过 X 应急平台拟合 Y。

一个简单的 t 和样本功效 t 检验，

量规 R&R。

这 最终的 结论 将要 是 展示

统计过程控制 控制 图表 为了 仪表 R&R， 和 a 概括 的 分析。

剩下的就是 总结经验 来自 JMP。

第一个主题 我们 将要 去 通过 为了 这 介绍。

该项目基于 在 这 问题 陈述。

我们 理解 这 挥发性有机化合物。

这 目的 的 这 项目 是

供应商A和供应商B都测量了相同的零件。

供应商 B 有 得到 a 很多 更糟 结果

不料 比 结果 的 这 供应商 A。

顾客 有 请求 到 寻找 出去 这 差距

并验证供应商A、B的测量系统。

然后 我们 去 为 这 国家知识产权局 到 理解 我们的 CTQ。

他们 是 三个 CTQ， 我们 寻找 出去。

C T 问1，

标准化供应商 B 测量，

哪个 我们 需要 满足 为了 在 这 某些标准，

解决 需要 到 是 较少的 比 10 .

C T Q2， 核实 供应商A和供应商B之间的差距。

所以 我们 需要 到 见面... 这 偏差需要为零。

CTQ3，供应商 B 量规 R&R

哪个 我们 需要 到 满足 CTQ 比率的标准 较少的 比 三十 .

这 是 这 国家知识产权局 结构。

我们 开始 和 这 客户声音

和 返回 这 输出 CTQ, 哪个 出色地 寻找 出去。

A 再来 到 这 过程 项目，

全部 他们被束缚的过程 这 测量 系统。

和 这些 四 序列， 州 为了 校准 到 手术。

和 这 针规校准。

然后 样本 为了 这 扩散器， 洞 测量。

最后，通过与PQP Excel文件相同的方式辩论假设。

作为 你 能 看，

这 是 全部 关于 MSA。

在 这 下列的 滑动， 我们 将要 去 进入 图片

的 这 关系 关于 这 国家知识产权局 和 这 通用技术委员会 和 这 客户 VOC。

有 二 测量 输出 为了 这 供应商 A 和 这 供应商 B.

在 我们的 目标 s 需要 到 措施 我们的 测量 系统，

供应商A和供应商B都需要 到 是 这 相同的。

在 这 测量 过程 变化， 那里 是 二 部分。

一 是 这 准确度 其他 一， 这 位置。

为了 这 准确性， 是 到期的 为了 这 偏见

线性。

和 解决方案 为了 那，

稳定 是 不是 在 我们的 范围。

为了 这些 三 是 表明 为了 我们的 CTQ1 和 这 CTQ2。

为了 这 CTQ3 是你 投入

精确 问题 为了 重复性和再现性。

我们 将要 去 通过 这 第二 话题， 供应商 A 测量 系统。

在我们的 量规 R& R 错误，

我们 使用 这 持续 数据，

交叉 方式

和 不 形式

为了 二 最好的。

什么 是 Xbar-R 方法？

和 否则， 方差分析方法？

Xbar-R 方法适用于 PQP Excel 文件。

他们 有 二 劣势，

这 第一个， 它 可以 不是 探测 部分- 到- 操作员 相互作用。

第二，

它 是 制成 和 这 仪表 R&R， 和 这 普通的 分配。

所以 你 将要 是 影响 经过 任何 异常值。

还， 是 不是 好的 为了 这 样本 数据 是 更多的 比 五 数据 點。

在 方差分析方法，

它 不是 仅有的 能 探测 零件到操作员 相互作用，

但 还 使用 标准 直接偏差 .

所以 它 不需要 到 是 经过考虑的 为了 这 普通的 分布。

在我们的 投射互动 是 高的

所以 e 必须 需要 到 是 使用 这 方差分析 方法 为了 我们的 仪表 R&R 分析。

第一的， 我们 选择 这 低的 数据 资金 为了 a 质量保证计划 文件。

他们 使用 这 10 数据 点

为了

这 学习。

事实上，它 是 不是 好的 为了 更多的 比 五 数据 观点，

X-杆 分析，正如我 提及 为了 这 滑动。

反正，

我们 仍然 使用 这 相同的 数据 进入 JMP方差分析 作为 出色地 .

第一个 PQP 地方没有文件

是 仅有的 只是 无用 文件错误。

Y 或者 告诉 我们 那里 是 二 比率 为了 仪表 R&R，

电视/电视 是 24 %,

是 测量 [听不清楚 00:06:52]。

点火 是 9 %, 哪个 是 漂亮的 好的。

什么 是 这 不同之处 之间 电视/电视 和 P/T ?

W e 应该 知道 那里 是 三 变化。

一， 设备 变化， 哪个 被称为 可重复性。

其他 是 这 操作员 变化， 即 称为 这 可重复性。

这 最后的 一 是 这 部分 变化，

哪个 依赖 在 简单的 会议。

现在，

頁面/ 电视 定义 是

P 是 这 过程

等于 EV

加关闭。

并且 TV 是总方差，等于 EV 加 AV 加 PV。

那里 将要 是 a 风险 什么时候 量规 样本 范围 将高度 影响

电视/电视 比率 结果。

在 点火 定义，

P 是 宽容 是 零件规格 R 天使。

什么时候 规格 是 出色地 定义， 点火 比率 是 我们的 首选 到 管理咨询委员会

为了 衡量 R&R 成功率 标准。

为了 这 第二 [听不清楚 00:08:13]

我是 对不起。

为了 这 第二 [听不清楚 00:08:17] JMP 具有 无Xbar-R 错误，

仅方差分析。

那里 是 二 模型。

一 是 这 主效应 模型， 和 其他 一 是 交叉 模型。

主要的 效应模型 有 不 零件到操作员组件。

将要 是 最多 已分配 到 重复性 造成 经过 机器 问题。

在 这 其他 手，

交叉 模型 可以正确 派生

这 零件到操作员 相互作用 成分，

哪个 将要 告诉 我们 那里 是 这 问题 发生 在 这 仪表 R&R，

在 这 过程 问题。

我们 更喜欢 选择 交叉的 模型 相当 比主效应模型。

在 这 量具 R&R 变异性图表，

在图表左侧

測量均值。

这里 我们 需要 到 被看见 是 那里 50 %,

的 观点， 是 外部 的 这 控制也许。

这表明 这 案件 是 有能力的

检测 这 [听不清楚 00:09:32] .

我们的 案件 是 a 100 % 外部 的 这 控制， 哪个 是 好的。

在 这 标准 偏差 图表，

在 这 操作员 B, 在 这 A 部分 有 重复性 问题。

那里 是 二十五 % 的 这 数据 是 在 零 ,

哪个 表明 测量 结果 是 无法实现。

在量规 R&R 上，均值图 为了 这 测量 操作员。

我们 能 看 为了 运营商 C，是

更高 比 操作员A 和 B

在 按零件测量。

您可以看到数据 是 向上 和 向下，

它表明大 不同的 之间 部分。

还， 这 样本 范围 是 1.2 平等的 到 公差范围的 20% ,

哪个 是 也 小的，

导致更高的 点火 比率。

这 最后的 一 是 这 部分- 到- 操作员 交互。

在 这 部分 7至A，

那里 是 这 交叉 线 之间 部分操作员 B

和 这 操作员A 和 C.

表示交互作用 之间 估价师 和 这 部分。

我们 最后 去 到 这 最后的 部分 的 这 量规 R&R。

这 第一类 和 第二类 错误。

这 第一类错误

是 经常被拒绝 阿尔法 风险。

也许在 制造商 边 部分 [听不清楚 00:11:04] 是 好的

但我们拒绝。

否则，

第二类错误

是 经常被接受， 测试版 风险，

哪个 方法 是 顾客 边 部分 [听不清楚 00:11:16] 是 坏的。

但 我们 说，

和 这 边，

我们 能 看 没有什么。

我们 能 看

那个阿尔法 是 零 和 这 测试版 是 三十九 .

如果 你 是 仍不清楚 ,

我们 能 展示 你 这 例子。

在 制造商 边， 生产 300 部分。

那里 是 200 部分， 是 好的 部分

和 这 100 部分， 是 坏的 部分。

如果 这 贝塔风险 是 三十九 %,

哪个 出色地 递送

39 个坏零件 顾客 地点。

我们 结论 三十九 % 的 零件，

将要 是 发表 到 这 顾客，

哪个 是 不是 可以接受。

我们 需要 到 考虑 为了 规格限制

为了 这 调整 我们的 提供 和 这 测试版 风险。

在 这 数据

仪表 R&R 样品 是 全部 好的， 100 .

和 仅有的 测试版

已经观察到风险。

这里 是 这 仪表 R&R 概括。

我们 推荐 P/T 比率 反而 的 这 电视/电视 比率。

我们 推荐 使用 联合监测计划 交叉法

用于分配您的 Gauge R&R 误差。

即使 P/T 是最好的，

我们 仍然 有 到 手表 这 运营商对 部分 相互作用

这 错误分类

为了 我们的 部分 质量 努力。

好的， I 完成的 我的 部分。

所以 这 下一个 二 部分

将要 是 展示 经过 韦恩。

韦恩是 你的 转动。

你好。

这 是 韦恩 请讲。

让 我 揭露 这 最后的 两会

为了 这 供应商 B 测量 过程。

这 是

课程与教育 图表。

鱼 骨， 到 确认 潜在的 成本

穿过 标准

程序 和 这 标准

供应商B

和 供应商 一个。

后 最后的 讨论 和 工程，

我们 结论 五 潜在的

正当理由

到 标准化 和 证实

这 第一项 是 别针

测量 顺序。

供应商 B 适应 从更大 别针 到 更小 别针 经过 标准 程序。

[听不清楚 00:13:59] 两个都 方式，

供应商 A 采纳 更小 到 更大 多样性。

这 第二 物品 是 预检查 经过 校准。

供应商 B

没有 做 这 行动

经过 标准 程序 和 供应商A 做过。

这 第三

行动 是 a 针规分辨率。

供应商 B 用过的 这 更大 针规 增量，

50 % 在 解决，

尽管 标准 和 供应商 A 拿 10 % 在 解决。

这 第四项 是 无论 到 查看 这 别针

前 进入 这 扩散器 洞 或者 不是。

这 最后的 物品 关于 这 别针 持有者 重量。

供应商 B 采用的行为， 比 标准 程序

和 供应商 一个。

现在 我们 将要

做 一 经过 一，

这 假设 测试和

有效的 数据 和 高的 分数 应急。

这 第一个假设 我们 有 到 做 是 核实

如果 顺序 一 是 不同的 从 顺序 二 或者 不是。

顺序 一 别针 去 从 更小 尺寸 到 更大 尺寸。

顺序 二 是 只是 在 这 相反， 撤销 别针。

这里 是 这 主要的 结果 为了 这 顺序 一 和 顺序 二。

让我们 做 卡方检验 到 看

区别 之间 [听不清楚 00:15:25] 或者 不是 .

在列联表中， 结果 节目 p 值 较少的 比 5 .

所以 我们 拒绝 a 无效的 假设，

哪个 方法 顺序 一 是 相当 不同的 从 顺序 二。

所以 我们 必须 手表 出去 这 钥匙 因素 在 针规 测量。

这 第二 假设

是 这 方式 你 做 预检查 别针 尺寸 经过 校准 工具。

了解你的 口径 前 这 测量。

这里 是 这 扩散器， 所有的 尺寸 数据。

这 假设 是 那 我们 错误 90 为 90.6 没有 预检查。

那里 将要 是 11 个区域

变得 不- 去。

基于 在 列联表。

在 卡方检验， 我们拒绝 无效的 假设。

这 方法 校准 前 测量 是 重要的，

重要的。

这 第三个假设 测试 是 到 比较 全部 这 测量 工具，

20 % 解决

和 新的 二 或者 10 % 解决 在 这 测量 变化。

经过 使用

这 相似的 概念，

我们 能 知道 为什么 我们 用过的 这 更高 解决

在 这 测量。

商品上相同 四、 摇晃 这 别针 前 进入 这 洞。

我们 使用 这 具体的 四十八 孔

和 和 没有 摇晃 到 看 去/不去效应。

结果显示为 null 假设 是 被拒绝。

那 方法 摇晃 别针 是 重要的 进行测量。

然而，

关于商品五针虎钳

全部 这 重量...

卡方 p 值 更多的 比 5 %,

哪个 方法 我们 不能 拒绝 零 假设。

那 告诉 我们那里 不 差异 这 测量 之间 这 单元

和 五 次 单元 在 重量。

因为 我们 有 多样化数据 全部 的 五 钥匙 测量 项目 多于。

故障模式及影响分析 能 更远 估计RPN

前 和 后 这 改进 的 我们的 推荐 行动。

基于 在 严重程度， 可能性 和 侦察力。

为了 [听不清楚 00:17:55]

针规 测量 顺序， 严重程度 是 高的 因为 这 错误的 去。

过去的 可能性 是 还 高的 因为 迪斯 地点 到 洞 中心，

W e 使用 这 顺序 一 因为 高 检测 活動。

后 我们 改变 到 顺序 二，

这 可能性 和 探测能力 将要 降低 到 这 一半， 所以 远程网络 减少 到 54

还有 或者 能 看

全部 这 分数 正在 100 会议 我们的 预报。

好的，

让我们 移动 在 这 CT Q2 关于 偏见 之间 供应商 B 和 供应商 一个。

从 这 故障模式及影响分析， 我们 是 自信的

的 扩散器针孔 尺寸 是 大约 90 到 90.6.

然而， 供应商 A、F.A 报告 节目 全部 这 针孔 点 96.

我们 拿 分配 意思是 测试，

这 p 值 建议 这 差距 之间 供应商 乐队 供应商 A

实际标准化 是 真的 某物 不同的。

所以 我们 有 最后的 与沟通 这 供应商 一个。

我们 结论 这 二 潜在的 原因。

一 潜在的 原因 可能 是 一些 洞 观点 93 一些 是 90.6.

在 现行符号法

部分

直的 进入 24 错误。

样本 一

随机 在 24 错误的。

是 它 足够的 到 寻找 出去 a 更大 尺寸？

所以 我们 确认 和 这 样本 尺寸 和 力量 测试。

这 其他 可能的 原因 可以 是 这 洞扩大 期间 这 测量。

W e 已验证 经过 重复 这 针规 测量。

好吧，让我们 看 这 结果 .

这是样本 尺寸 和 力量 测试 结果。

确切地 测试 二项式，

力量 是 平等的 到 99.7，

这就是 更多的 比 90 .

在 普通的 近似， 力量 是

97.6.

这就是 更多的 比 90 % 作为 出色地。

在 其他 单词 为了 力量， 更多的 比 90 % 将要 只是 要求 18 点 到 主要的。

所以， 当前的 分层

随机抽样具有良好的检测能力。

它 是 a 胖的 机会 那 我们 不能 抓住 96 在 直径

并且目前24直被错。

在 部分 做 有 更大 洞 尺寸。

现在， 在差距之后 曾是 成立

我们 更远 查看 如果 我们的 CTQ3 量具R&R是否合格。

F 只读存储器 左边 桌子， 你 能 看 这 洞 直径 曾是 增加 经过 4 % 仅有的

比较的 到 宽容。

这 解决 是 较少的 比 10 .

我们可以 认为 非破坏性 交叉法 ,

到 符合这个条件 测量 能力。

现在，

尽管

操作员- 到- 部分 相互作用 账户 为了 13.6%。

点火 比率 是 仍然 18 %,

哪个 会 满足仪表 R&R 标准，低于30%

后来我们 去 地址 更多的

关于 相互作用 这里 关于 这 电视/电视 比率。

西格玛 和 方差也 是 高的 和 不能

是...

量化 因为 这 同一个洞 尺寸 选择

是 不是 宽的 足够的。

图层 为了 这 参考 仅有的。

好的，

为了 我们的 结论

和 关于 这 统计过程控制 控制 图表 到 监视器 这 仪表 R&R 稳定。

我们 使用 这 利维·詹宁斯 图表

到 得到 这 过程 长期 西格玛用于计算仪表 R&R P/V 比率。

之前阶段 在 供应商 B,

和 测量 解决 50 % 节目 更大 西格玛

和 更广泛 控制 限制 根据。

后， 在 供应商 B,

和 测量 解决 10 %, 节目 更小 西格玛 和 狭窄的 控制 限制。

它得到了 改进了 测量 精确

为了 a 常见的 原因。

这里 是 这 概括 为了 a CT 问题 1

标准化 供应商 B 测量 和 这 解决 较少的 比 10 .

仅限针 持有者 重量 是 不是 重要的

这 其他 四 测量 物品 是 全部 重要的。

为了 诊断问题 , 样本 尺寸 是 好的

和 这 洞 放大 问题 期间 测量 曾是 成立。

为了 这 CTQ3 , 供应商 B

提供 它是 合格的 测量 能力

仪表 R&R 较少的 比 三十 .

在哪里 这 重复性 较少的 比 10 %, 和

关于 生产能力 较少的 比 20 .

为了 拿 离开 学习， 我们 使用 这 最后的 跳转 工具。

喜欢 课程与教育 图表， 拟合 Y 经过 X 意外事件 桌子，

样本 力量 测试， 分配 意思是 测试

方差分析交叉量规 R&R 到 标准化 我们的 针规 测量。

这就是 全部 关于 这 跳转 练习。

感谢 你 为了 聽。

高级统计建模基础数据分析与建模消费者和市场研究内容组织数据访问数据探索与可视化实验设计大规模定制预测模型和机器学习质量与工艺工程可靠性分析分享和交流结果