| Conférencier |
Transcription |
| André Zanezi |
Bonjour à tous. Je m'appelle André Zanezi. Je suis ceinture noire Six Sigma chez Weg. Je suis ici aujourd'hui au Discovery Summit pour parler du développement d'un test de durée de vie accéléré pour démontrer et quantifier la fiabilité des moteurs de machines à laver. |
| |
Nous savons que certaines... chaque entreprise, lorsqu'elle développe de nouvelles technologies, de nouvelles solutions, |
| |
sont confrontés à certains défis lorsqu’ils doivent améliorer la fiabilité de leur produit. |
| |
Nous sommes confrontés aux mêmes problèmes et défis. Le projet doit analyser et comprendre nos données historiques de fiabilité afin de les quantifier. |
| |
Et essayer de développer une procédure, un test de durée de vie accéléré dans nos laboratoires internes, des laboratoires pour reproduire nos défaillances… nos modes de défaillance observés. En faisant cela, nous pourrions développer… |
| |
Développer des modèles selon les deux premières méthodes. À la première étape, nous obtenons des données historiques sur nos moteurs. |
| |
Grâce aux modules de fiabilité et de survie de JMP, nous avons ajusté la durée de vie de nos moteurs. Et nous savons que |
| |
En ajustant certaines distributions de durée de vie, comme les distributions de Weibull, nous pouvons comprendre la fiabilité et la durée de vie de nos moteurs. Et dans JMP, nous pouvons également |
| |
utiliser les distributions à vie et les ajuster |
| |
Différentes distributions pour différents modes de défaillance. Nous avons procédé de la même manière pour quatre principaux modes de défaillance. Nous avons comparé et analysé les données pour comprendre la durée de vie et la fiabilité de nos moteurs. |
| |
Et en faisant cela, nous avons été capables de comprendre et de quantifier nos paramètres d'échelle et de forme et, en le faisant, de déterminer combien de cycles étaient nécessaires pour avoir une défaillance. |
| |
Et aussi, selon le ???, pour savoir à quels types de défaillances nous sommes confrontés. Nous avons également effectué des vérifications croisées avec nos indicateurs de performance clés (KPI) de validation internes. |
| |
Tracé de survie. Nous disposons de tracés de survie et de vérifications croisées avec les indicateurs clés de performance internes pour comprendre si la probabilité et la plage de défaillance étaient correctes et si nos données étaient fiables. En comprenant tous ces modes de défaillance, nous pourrions |
| |
Nous pourrions développer un test interne pour accélérer notre test interne. Pour y parvenir, il nous faudrait comprendre la physique, l'environnement… |
| |
que les conditions environnementales qui vont affecter nos moteurs |
| |
Nous l'avons fait grâce à une analyse de l'arbre de défaillances, en déployant essentiellement |
| |
et comprendre les relations de cause à effet. Cela nous permettrait d'intégrer les variables les plus critiques dans ces relations. JMP permet également de concevoir une expérience. |
| |
afin de quantifier l'effet de certaines variables sur notre réponse aux défaillances de nos cycles. En résumé, nous avons tenté de reproduire des défaillances sur le terrain en laboratoire. Et nous y sommes parvenus ; nous allons effectuer plusieurs cycles. |
| |
tests, et à la suite de nos expériences, nous pourrions avoir... nous pourrions définir et ajuster certains modèles en utilisant des ajustements sur nos données et comprendre la relation de nos |
| |
variables d'environnement et de moteurs aux cycles de défaillance, et comprendre le graphique de survie, et trier le graphique de surface, comprendre la relation de certaines variables avec les cycles de défaillance, |
| |
et définir un point précis pour accélérer la durée de vie de nos moteurs. Et, encore une fois, en exécutant quelques lots d'échantillons, nous pourrions |
| |
définir et ajuster les distributions de durée de vie pour nos résultats internes, pour nos tests internes dans le test de durée de vie accéléré. |
| |
nous avons constaté quelques échecs mais à la fin de cette expérience, de ces tests accélérés, nous devrions nous assurer que nous sommes confrontés et que nous provoquons les mêmes échecs que ceux que nous avions dans les données historiques. |
| |
Nous revenons donc aux distributions de durée de vie dans le module de survie et de fiabilité dans le module de survie. |
| |
Et encore une fois, adaptons maintenant quelques distributions de Weibull à nos résultats internes pour nos tests de durée de vie accélérés. |
| |
Et nous avons noté que fondamentalement, ils façonnent le paramètre, le paramètre de cela, selon le meilleur moyen de signifier le mode de remplissage et |
| |
nous croisons ces informations avec nos données historiques et nous pouvons voir qu'en croisant les deux informations, nous avons un chevauchement |
| |
entre le paramètre de forme du test interne et celui des données historiques. Cela signifie que nous ne reproduisons pas les mêmes modes de défaillance lors de notre test de durée de vie accéléré. |
| |
Et fondamentalement, cela signifie que nous pouvons désormais développer des produits plus rapidement, car chaque fois que nous avons une nouvelle technologie et un nouveau design, nous pouvons le soumettre à ce test de durée de vie accéléré. |
| |
et quantifier si nous améliorons la fiabilité de nos moteurs. Nous pouvons accélérer le processus et développer nos produits plus rapidement. |
| |
Nous avons également effectué des vérifications techniques croisées afin de prouver que nous risquions de reproduire les mêmes erreurs lors de l'implémentation de ce test dans le processus de développement. C'est ainsi que nous avons utilisé JMP pour fournir de nombreuses informations et les intégrer à notre test interne. |
| |
par |
| |
De très bonnes équipes. N'hésitez pas à nous contacter et à nous envoyer un e-mail si vous avez des questions. Et voilà. |
