756666_de-DE

liliconcom

Entwicklung eines beschleunigten Lebensdauertests zur Demonstration und Quantifizierung der Zuverlässigkeit von Waschmaschinenmotoren (2021-EU-PO-741)

André Caron Zanezi, Six Sigma Black Belt, WEG Electric Equipment
Danilo da Silva Toniato, Qualitätsingenieur, WEG Electric Equipment

Qualitätssicherung und Kundenbedürfnisse sind anspruchsvolle Begriffe, die häufig mit Zuverlässigkeit in Zusammenhang stehen. Die Verbesserung der Zuverlässigkeit von Produkten stellt Ingenieure vor vielfältige Herausforderungen. Dazu gehören das Verständnis von Ursache-Wirkungs-Beziehungen und die Entwicklung von Tests, die Kundenbedingungen reproduzieren und zuverlässige Daten generieren, ohne den Termin für die Produkteinführung zu überschreiten. Durch die Kombination von technischem Fachwissen, historischen Daten und Laborressourcen wurde eine statistische Versuchsplanung (DOE) durchgeführt, um die Produktlebensdauer anhand von Prozess-, Produkt- und kritischen Anwendungsvariablen zu quantifizieren. Durch die Durchführung mehrerer Analysen mit JMP-Tools – von der DOE-Plattform bis hin zu den Modulen „Zuverlässigkeit“ und „Lebensdauer“ – konnte das Team die Produktlebensdauer als Funktion ihrer kritischen Faktoren beschreiben. So wurde ein beschleunigter Lebensdauertest entwickelt, der jahrelange Produktnutzung in nur wenigen Wochen simulieren und solide Beweise für bestimmte Ausfallarten liefern kann. Durch die Standardisierung seiner Methoden und Verfahren wurde der Test zu einer entscheidenden Voraussetzung für die Verifizierung und Validierung neuer Technologien bei WEG Motors, wodurch der Entwicklungsprozess optimiert und die Markteinführungszeit verkürzt wurde.

Dieses Poster informiert darüber, wie wir JMP zur Datenanalyse und Entwicklung eines beschleunigten Lebensdauertests eingesetzt haben. Das Projekt folgte einem schrittweisen Ansatz:

Projektauftrag: Nach dem Verständnis der primären und sekundären Ziele wurde das multidisziplinäre Team gebildet, um Informationen und Wissen über historische Kundendaten, Laborressourcen, Motorzuverlässigkeit, Ursache-Wirkungs-Beziehungen, Umweltanwendungsbedingungen und Zuverlässigkeitsdatenanalyse auszutauschen.
Analyse historischer Daten: Das Team kannte und quantifizierte die Risiken der Analyse historischer Daten und passte einige Lebensdauerverteilungen an, um die CTF-Skala und die Formparameter zu verstehen. Der Formparameter bezieht sich hauptsächlich auf den Ausfallmodus, der in den Labortests gemäß der Badewannenkurve reproduziert werden soll.
DOE-Planung und -Analyse: Um Fehler reproduzieren zu können, wurde das Verständnis der Motorzuverlässigkeit durch Ursache-Wirkungs-Beziehungen gestützt, die durch eine Fehlerbaumanalyse (FTA) bereitgestellt wurden. Die FTA war eine Quelle kritischer Variablen, die in einem geplanten Experiment (DOE) kombiniert wurden, um zu quantifizieren, wie sich Produktzyklen bis zum Ausfall beschleunigen lassen.
Schlussfolgerungen: Das DOE stellte einen Oberflächenprofiler bereit, der die besten Bedingungen zur Verlängerung der Produktlebensdauer anzeigt. Der beschleunigte Test lieferte außerdem einen Formparameter, der im Vergleich mit historischen Daten eine Überlappung aufweist, d. h., dieselben historischen Feldausfälle wurden unter kontrollierten Bedingungen reproduziert.
Umsetzung: Durch einen beschleunigten Test werden der Entwicklungs- und Innovationsprozess beschleunigt und gleichzeitig wichtige Informationen zur Produktzuverlässigkeit bereitgestellt.

Automatisch generiertes Transkript ...

Lautsprecher	Transkript
André Zanezi	Also, hallo zusammen. Mein Name ist Andre Zanezi. Ich bin Six Sigma Black Belt bei Weg und bin heute hier beim Discovery Summit, um über die Entwicklung eines beschleunigten Lebensdauertests zur Demonstration und Quantifizierung der Zuverlässigkeit von Waschmaschinenmotoren zu sprechen.
	Wir wissen, dass manche... jedes Unternehmen, wenn es neue Technologien, neue Lösungen entwickelt, oft
	stehen vor einigen Herausforderungen, wenn sie die Zuverlässigkeit ihres Produkts verbessern müssen.
	Wir stehen vor dem gleichen Problem, den gleichen Herausforderungen. Und das Projekt sollte unsere historischen Zuverlässigkeitsdaten analysieren und verstehen, um sie zu quantifizieren.
	Und wir versuchen, ein Verfahren zu entwickeln, einen beschleunigten Lebensdauertest in unseren internen Labors, um unsere Fehler zu reproduzieren ... unsere vermuteten Fehlerarten. Im Grunde könnten wir dadurch ... entwickeln.
	Entwickeln Sie Modelle auf die ersten beiden Arten. Im ersten Schritt erhalten wir also einige historische Daten von unseren Motoren.
	Und mithilfe der Zuverlässigkeits- und Überlebensmodule in JMP haben wir eine Lebensdauerverteilung für unsere Motoren erstellt. Und wir wissen, dass
	Indem wir einige Lebensdauerverteilungen als Weibull-Verteilungen anpassen, können wir die Zuverlässigkeit und Lebensdauer unserer Motoren verstehen. Und in JMP können wir auch
	Verwenden Sie Lebensdauerverteilungen und passen Sie
	Verschiedene Verteilungen für verschiedene Ausfallarten. Wir haben dies für vier verschiedene Hauptausfallarten durchgeführt. Wir haben es verglichen, analysiert und die Lebensdauer und Zuverlässigkeit unserer Motoren verstanden.
	Und indem wir das taten, waren wir in der Lage, unsere Maßstabs- und Formparameter zu verstehen und zu quantifizieren und im Grunde zu ermitteln, wie viele Zyklen nötig waren, bis es zu einem Ausfall kam.
	Und außerdem wissen wir, mit welchen Fehlerarten wir konfrontiert sind. Und wir haben... wir haben auch einen Abgleich mit unseren internen... unseren Validierungs-KPIs durchgeführt, im Grunde
	Überlebensdiagramme. Wir verwenden Überlebensdiagramme und vergleichen sie mit internen KPIs, um zu verstehen, ob die Wahrscheinlichkeit und der Fehlerbereich korrekt waren... ob unsere Daten zuverlässig waren. Und wenn wir all diese Fehlermodi verstehen, können wir
	Wir könnten einen internen Test entwickeln, um unseren internen Test zu beschleunigen. Und um das im Grunde durchzuführen, müssen wir die Physik und die Umgebung verstehen.
	dass die Umgebungsbedingungen, die unsere Motoren sind
	Wir haben es durch Fehlerbaumanalyse gemacht, indem wir im Grunde
	und das Verständnis der Ursache-Wirkungs-Beziehungen. Dadurch konnten wir die wichtigsten Variablen in diesen Ursache-Wirkungs-Beziehungen festlegen. Und wieder verwenden wir JMP, um ein Experiment zu entwerfen
	um zu versuchen, die Auswirkungen einiger Variablen auf unsere Reaktion in unseren Ausfallzyklen zu quantifizieren. Im Grunde haben wir versucht, Feldausfälle in unseren Laboren zu reproduzieren. Und das ist uns gelungen. Wir werden mehrere
	Tests, und als Ergebnis unserer Experimente könnten wir... wir könnten einige Anpassungen mithilfe von Anpassungsmodellen... Anpassungen an Modelle an unsere Daten vornehmen und die Beziehung unserer
	Umgebungs- und Motorvariablen zu Zyklen bis zum Ausfall, und verstehen Sie das Überlebensdiagramm, und sortieren Sie das Oberflächendiagramm, verstehen Sie die Beziehung einiger Variablen zu Zyklen bis zum Ausfall,
	und setzen Sie einen bestimmten Punkt, um die Lebensdauer unserer Motoren zu beschleunigen. Und wieder, indem wir einige Probenchargen laufen lassen, konnten wir
	Lebensdauerverteilungen für unsere internen Ergebnisse, für unsere internen Tests im beschleunigten Lebensdauertest festlegen und anpassen. Ein
	Wir haben einige Fehler festgestellt, aber am Ende dieses Experiments, dieser beschleunigten Tests, sollten wir sicherstellen, dass wir mit denselben Fehlern konfrontiert sind und diese auch verursachen, wie wir sie in den historischen Daten hatten.
	Damit kommen wir zurück zu den Lebensdauerverteilungen im Überlebens- und Zuverlässigkeitsmodul.
	Und passen Sie jetzt noch einmal einige Weibull-Verteilungen für unsere internen ... internen Ergebnisse für unsere beschleunigten Lebensdauertests an.
	Und wir haben festgestellt, dass sie im Grunde Formparameter sind, der Parameter davon, entsprechend dem Besten, bedeutet den Füllmodus und
	Wir vergleichen diese Informationen mit unseren historischen Daten und sehen, dass wir beim Vergleichen beider Informationen eine Überschneidung haben
	zwischen dem Formparameter des internen Tests und dem Formparameter der historischen Daten. Und das bedeutet im Grunde, dass wir in unserem beschleunigten Lebensdauertest nicht dieselben Ausfallarten reproduzieren.
	Und im Grunde bedeutet es, dass wir jetzt Produkte schneller entwickeln können, denn jedes Mal, wenn wir eine neue Technologie und ein neues Design haben, können wir es diesem beschleunigten Lebensdauertest unterziehen.
	und quantifizieren, ob wir die Zuverlässigkeit unserer Motoren verbessern. Und wir können es schneller als zuvor schaffen und schneller entwickeln … Produkte schneller entwickeln.
	Wir haben auch einige technische Querprüfungen durchgeführt, um zu beweisen, dass wir mit der Reproduktion der gleichen Fehler konfrontiert sind, um diesen Test in den Entwicklungsprozess zu integrieren, sodass wir JMP nutzen konnten, um viele Informationen bereitzustellen und sie in unseren internen Test einzubauen. Es wurde gemacht
	von
	wirklich gute Teams. Bei Fragen können Sie gerne Kontakt aufnehmen und eine E-Mail senden. Und das ist das Ende.

Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungKonsumenten- und MarktforschungInhaltsorganisationDatenzusammenführung und -bereinigungDatenexploration und -visualisierungVersuchsplanungPrädiktive Modellierung und maschinelles LernenQualitäts- und ProzesstechnikZuverlässigkeitsanalyseErgebnisse teilen und kommunizieren