758505_de-DE

liliconcom

Messsystemanalyse für Kurvendaten (2020-US-30MP-573)

Astrid Ruck, Senior Specialist für Statistik, Autoliv
Chris Gotwalt, JMP-Direktor für statistische Forschung und Entwicklung, SAS
Laura Lancaster, JMP Principal Research Statistician Developer, SAS

Die Messsystemanalyse (MSA) ist ein Messprozess, der nicht nur das Messsystem, die Geräte und Teile, sondern auch die am gesamten Messvorgang beteiligten Bediener, Methoden und Techniken umfasst. Richtlinien der Automobilindustrie wie AIAG [1] oder VDA [4] untersuchen eindimensionale Ergebnisse pro Test, beschreiben jedoch nicht den Umgang mit Datenkurven als Ergebnisse. In dieser Präsentation zeigen wir in einem ersten Schritt, wie eine GRR-Studie (Graphic Repeatability and Reproducibility) anhand von Kraft-Weg-Kurven durchgeführt wird. Der Functional Data Explorer (FDE) in JMP Pro dient der Analyse von Daten, die Funktionen wie Messkurven darstellen, wie sie für diese GRR-Studie verwendet wurden.

Automatisch generiertes Transkript ...

Lautsprecher	Transkript
Astrid Ruck	Mein Name ist Astrid Ruck. Ich arbeite für Autoliv
	Autoliv ist seit 15 Jahren ein weltweit führender Hersteller für
	Sicherheitskomponenten im Automobilbereich wie Sicherheitsgurte, Airbags und aktive Sicherheitssysteme. Deshalb möchten wir heute über die Messsystemanalyse für Kurvendaten sprechen.
	Und Laura, Chris und ich haben auch ein Whitepaper geschrieben, und es hat den gleichen Titel, weil wir denken, dass es ein sehr dringendes Thema ist
	Weil
	Für MSA-Kurvendaten dynamischer Prüfmaschinen liegen uns nach unserem Kenntnisstand keine weiteren Daten vor.
	Wir beginnen also zunächst mit einer kurzen Einführung in MSA und funktionale Datenanalyse und begründen dann unser Ziel einer sogenannten Frühlingsrichtlinie, die untersucht
	Anschnallverhalten oder Komfortverhalten Anschnallgurte und dann wird Laura
	Erklären Sie unsere Methodik des Gage R&R über JMP Pro.
	Daher handelt es sich bei der Messsystemanalyse in der Regel um eine Studie des Typs 2.
	Also,
	MSA ist ein Prozess. Im Flussdiagramm sehen Sie, dass es mit Typ 1 und einer Linearitätsstudie beginnt, die mit Referenzteilen durchgeführt wird. Referenzteile werden benötigt, um die Messabweichung des Messsystems zu berechnen.
	Und wenn es passt, wenn die Verzerrung gut genug ist, dann prüfen wir, ob ein Operatoreinfluss vorliegt oder nicht.
	Nur wenn wir einen Bedienereinfluss haben, können wir die Reproduzierbarkeit berechnen. Andernfalls ist in allen anderen Schritten die Wiederholbarkeit die einzige
	Variation, die berechnet werden kann. In diesem Bereich werden in der Typ-2- und Typ-3-Studie Produktionsteile verwendet. Die AIAG,
	Richtlinien der Automobilindustrie untersuchen eine eindimensionale Ausgabe pro Test, aber sie beschreiben nicht, wie mit Datenkurven als Ausgabe umgegangen wird, und wir geben Ihnen einen Einblick, wie Sie
	wie man es macht. Wenn man also eine gute Genauigkeit hat, ist die Unsicherheit gering. Und das ist in dieser Grafik zu sehen. Und Sie sehen die
	Einfluss der zunehmenden Unsicherheit auf die Entscheidung, ob gute oder schlechte Teile in der Nähe der Toleranz liegen. Hier haben wir also eine untere Spezifikationsgrenze, rechts eine obere Spezifikationsgrenze.
	Je genauer ich also bin, desto besser wird meine Entscheidung sein. Und hier haben wir eine sehr große Grauzone und es wird sehr schwer sein, die richtige Entscheidung zu treffen.
	Selbstverständlich werden Teile in der Mitte der Toleranz immer richtig klassifiziert.
	Und im Gegensatz zur statistischen Prozesskontrolle sind Teile innerhalb einer Spezifikationsgrenze sehr wertvoll.
	Das Beste, was Sie für einen MSA tun können, ist, Teile an der unteren Spezifikationsgrenze und alle Teile an der oberen Spezifikationsgrenze zu nehmen,
	plus/minus 10 % des Referenzwerts, und in diesem Fall ist der Referenzwert eine Toleranz. Wenn Sie nur eine bestimmte Spezifikationsgrenze haben, z. B. eine obere oder untere Spezifikationsgrenze,
	dann können Sie Ihren Prozessfähigkeitsindex Ppk verwenden, um die entsprechende Prozessvariation 6s zu berechnen, und das ist Ihr neuer Referenzwert.
	Und diese Idee zur Auswahl Ihrer Teile für eine MSA kann auch für Ausgabekurven und deren Spezifikationsgrenzen anstelle von Spezifikationsgrenzen verwendet werden.
	Daten werden daher häufig als Funktion, Kurve oder Profil in Bezug auf funktionale Daten dargestellt. Funktionale Datenanalyse ist in JMP Pro auf der Plattform „Funktionaler Daten-Explorer“ verfügbar.
	Wir werden P-Splines verwenden, um unsere Extraktion falscher gegenüber entfernten Kurven zu modellieren und später werden wir gemischte Modelle verwenden, um sie zu analysieren.
	Sicherheitsgurte tragen also erheblich zur Vermeidung tödlicher Unfälle bei, weshalb Funktionalität und Komfort der Sicherheitsgurte gewährleistet sein müssen.
	Und hier auf der rechten Seite sehen Sie ein Bild der Auszugskräfte des Sicherheitsgurtes, angegeben in Blau, und der Rückzugskräfte über der Distanz, angegeben in Rot.
	Und beide Kräfte sind wichtige Faktoren, die sowohl die Sicherheit als auch den Komfort beeinflussen.
	Und um diese Kräfte und Auszugs-/Rückzugskräfte zu testen, wird ein Testaufbau verwendet, der das Verhalten des Sicherheitsgurts in einem Fahrzeug simuliert.
	Schauen wir uns das genauer an. Hier sehen Sie einen Testaufbau und hier den Sicherheitsgurt. Und hier ist ein kleiner beweglicher Wagen, der auf einem Wagenarm fährt. Und hier sehen Sie, dass der Sicherheitsgurt
	eingefahren. Nun begann die Auszugsfunktion und hier rechts sehen Sie den Sicherheitsgurt, der entsprechend seiner Position im Fahrzeug fixiert ist.
	Ja.
	Hoppla.
	Also,
	Wenn Sie sich diese kleinen Kurven ansehen und sehen, dass innerhalb meiner Extraktionskraftkurve,
	Es gibt einige kleine Wellen und sie haben eine halbperiodische Struktur. Und wenn Sie diese halbperiodische Struktur mit
	ein Polynom, zum Beispiel, dann wird die Wiederholbarkeit wirklich überangepasst. Deshalb brauchen wir
	einige flexible Modelle. Und woher kommen diese kleinen Wellen? Das wird deutlicher, wenn wir einen Blick in meinen Sicherheitsgurt werfen. Da ist eine Spindel und eine Feder. Und wie verhält sich das?
	ist in diesem Video zu sehen. Hier drinnen ist meine Spindel und hier rechts meine Feder. Die Abdeckung der Feder ist geöffnet, sodass wir einen Blick hineinwerfen können.
	Die Abdeckung, wie sich die Feder verhält. Und am Anfang, wenn das gesamte Gurtband auf dem Spinner liegt, ist meine Feder völlig entspannt. Und jetzt wird mein Gurtband herausgezogen und gleichzeitig die Feder aufgezogen. Jetzt haben wir also das Einziehen und meine Feder entspannt sich wieder.
	Und diese kleinen Bewegungen führen zu dieser wellenförmigen Struktur und das ist der Grund, warum wir wirklich flexible Modelle auf der Grundlage von FDE benötigen.
	Daher ist die Erstellung von Federrichtlinien unser Ziel, die ein bestimmtes Befestigungsverhalten erfordern.
	Das Befestigungsverhalten wird durch meine Auszugskraftkurven bestimmt. Und hier sehen Sie in diesem Bild verschiedene Gruppen von fünf verschiedenen
	Sicherheitsgurttypen und die entsprechenden Federstärken. Wenn meine Federstärke klein ist, dann können Sie sehen, dass meine Auszugskraft auch klein ist und wenn meine Feder
	Je größer die Dicke, desto größer ist auch meine Extraktionskraft über die Distanz. Sie sehen hier verschiedene Farben und eine dunkle Farbe. Die dunkle Farbe resultiert aus realen Messungen von drei Anwendern mit jeweils …
	Jeder Bediener hat fünf Replikationen pro Sicherheitsgurt erstellt, und man sieht, dass sie wirklich gute Arbeit geleistet haben. Und die helle Farbe, das ist unser Modell aus den P-Splines von FDE. Da unser Ziel eine Federrichtlinie ist, möchten wir wissen, für welche Feder wir
	das entsprechende Anschnallverhalten des Sicherheitsgurtes, aber bevor Sie mit dem Projekt beginnen, beginnen Sie bitte immer mit einem MSA
	Also,
	Nach dem Verfahren von Autoliv verwenden wir fünf verschiedene Sicherheitsgurte, drei erfahrene Bediener und fünf Replikate, wie Sie in der
	vorherige Grafik. Und unsere Beobachtung y wird durch die tatsächlichen Werte plus etwas zufälliges Rauschen gegeben, also Rauschen von den Operatoren, dem Teil, der Interaktion von Operator und Teil und dem entsprechenden
	Wiederholbarkeit. Und dann ist mein Gage R&R definiert durch das Sechsfache der
	Prozessstreuung des Messfehlers, die durch meine Reproduzierbarkeit und die Wiederholbarkeit gegeben ist.
	Und nun möchten wir wissen, wie hoch meine Mindesttoleranz ist, damit mein Gage R&R akzeptabel ist. Akzeptabel bedeutet, dass der Prozentsatz des Gage R&R kleiner als 20 % ist. Wenn mein Gage R&R
	0,2 mal meine Mindesttoleranz, dann erhalten wir auch eine Grenze für meine Kurven, die Sie gesehen haben, und diese plus/minus 3s Fehlergrenze
	wird uns sehr helfen, die richtige Feder für ein bestimmtes Befestigungsverhalten zu finden.
	unsere Methodik wird
	Laura Langcaster zeigt dies. Wir beginnen mit der Schätzung einer mittleren Extraktionskraftkurve und verwenden flexible Modelle von FDE.
	Anschließend werden die verbleibenden Extraktionskräfte berechnet. Anschließend werden Zufallseffektmodelle über die Plattform-Mix-Modelle geschätzt und schließlich das Gage R&R berechnet. Also, Laura, kannst du anfangen?
Laura	Ja, ich möchte meinen Bildschirm freigeben. Ja.
	Großartig.
Laura	Okay.
	Also ja, danke, Astrid. Ich wollte Ihnen zeigen, wie wir JMP Pro 15 verwenden.
	um diese Messsystemanalyse mit Kurvendaten durchzuführen. Zunächst möchte ich Ihnen die Daten zeigen, die wir haben. Sie ähneln stark den regulären MSA-Daten, nur dass sie nicht nur
	Bei regelmäßigen Messungen haben wir tatsächlich Kurven. Wir haben also diese Funktion der Kraft in Bezug auf die Entfernung. Das erste, was wir tun wollen, ist also
	Verwenden Sie den Funktionsdaten-Explorer, um die Teilkraft-Extraktionskurven zu erstellen. Ich öffne also den Funktionsdaten-Explorer
	Explorer, ich gehe zum Analysemenü, dann zu Spezialmodellierung, Funktionsdaten-Explorer. Kraft wäre meine Ausgabe, Distanz meine Eingabe, und ich möchte für jedes Teil oder jeden Sicherheitsgurttyp eine ID anpassen. Das ist meine ID, und ich klicke auf OK.
	Ich erhalte eine Reihe zusammenfassender Informationen und Diagramme. Dieses hier vergrößere ich. Das sind meine Kurven. Sie sehen, dass ich für jeden Teil sehr unterschiedliche Kurven in unterschiedlichen Farben habe.
	Und ich kann auch das semiperiodische Verhalten sehen, von dem Astrid gesprochen hat. Jetzt habe ich schon
	Passe diese Daten an, sodass ich weiß, dass ein linearer P-Spline mit 300 Knoten wirklich gut passt. Also passe ich einfach dieses spezielle Modell an. Ich gehe zu Modellen, Modellsteuerungen, P-Spline-Modellsteuerungen und
	Entfernen Sie alle diese Knoten.
	Füge 300 hinzu, da ich weiß, dass diese Knotenstruktur gut funktioniert. Ich werde nur lineare Anpassungen vornehmen. Ich klicke auf „Los“, und es dauert nicht lange, diesen linearen P-Spline mit 300 Knoten an diese Daten anzupassen.
	Ich möchte nur kurz erwähnen, dass ich nur einen kleinen Teil der Funktionalität dieser FDE-Plattform zeigen werde. Sie kann viel mehr, als ich Ihnen zeigen kann oder was wir für diese Messsystemanalyse verwendet haben.
	Ich empfehle Ihnen jedoch dringend, es auszuprobieren. Wir haben für JMP 15 viel hinzugefügt.
	Ich empfehle Ihnen daher dringend, sich auch andere Vorträge dazu anzuschauen. Okay, das ist unsere Anpassung. Und wieder einmal erhalten wir eine schöne Grafik unserer Kurven und der Anpassung.
	Und ich möchte überprüfen, ob dies eine gute Anpassung ist. Ich gehe also zu den Diagnosediagrammen und schaue mir das tatsächliche und das vorhergesagte Diagramm an. Ich sehe, es sieht wirklich gut aus. Schön linear und die Residuen sind sehr klein. Ich bin also sehr zufrieden mit dieser Anpassung.
	Bei dieser Anpassung mussten wir den Operator und den Replikationsfehler kombinieren. Diese Kurven haben also diese Variation gemittelt, aber wir brauchen
	Diese Variation wird verwendet, um die Gage R&R-Studie durchzuführen. Wir erstellen also ein Kraftresiduum und subtrahieren diese Teilkraftfunktionen von der ursprünglichen Kraftfunktion.
	Wir erhalten einen Rest, der den Operator und seinen Replikationsfehler enthält. Ich gehe also zurück zur Datentabelle.
	Ich habe bereits Skripte erstellt, um dies zu vereinfachen. Ich habe ein Skript erstellt, um meine Vorhersageformel zur Datentabelle hinzuzufügen. Ich zeige es Ihnen kurz. Es stammt direkt aus dem funktionalen Daten-Explorer. Dies ist meine Formel für die p-Spline-Anpassungen für jedes Teil.
	Und dann habe ich auch ein Skript zum Erstellen meiner Restspalte und so
	Die Formel hierfür ist einfach die Differenz zwischen der Kraft und den Extraktionsfunktionen dieser Teilkraft.
	Richtig. Und jetzt, da ich diesen Rest habe
	Formel, die den Operator und den Replikationsfehler enthält, kann ich ein Zufallseffektmodell anpassen und meinen Operator schätzen ... Operator nach Teil und meinen Replikationsfehler.
	Und um das zu erreichen, werde ich die gemischte Modellplattform verwenden, da wir keine Teilevarianz anpassen werden, da wir bereits
	habe dies durch Erstellen des Residuums und Subtrahieren der Teilkraftfunktion herausgerechnet.
	Ich habe also bereits ein Skript zum Starten der gemischten Modellplattform erstellt. Und Sie können sehen, dass ich als Antwort die Restextraktionskraft habe.
	Und ich habe Operator und Operator pro Teil als meine Zufallseffekte. Ich werde das ausführen.
	Operator, Operator nach Teil (der Null ist) und der Rest.
	Und um Gage R&R zu berechnen, kann ich am einfachsten eine JMP-Datentabelle wie eine Kalkulationstabelle verwenden.
	Das ist ganz einfach. Ich kann einfach eine Spaltenformel verwenden. Ich habe also meine Varianzkomponenten in die Tabelle eingetragen.
	Ich erstelle einfach eine Formel zur Berechnung des Gage R&R, das einfach das Sechsfache der Quadratwurzel der Gesamtabweichung ohne das Teil ist. Dann sehe ich, dass mein Gage R&R .4385 beträgt, und kann das auf meine Federrichtlinien anwenden.
	innerhalb meiner Spezifikationsgrenzen. Und ich kann auch die Mindesttoleranz rückwärts berechnen.
	Und jetzt übergebe ich das Wort wieder an Astrid, die weiter darüber sprechen wird, wie dies angewendet wurde.
Astrid Ruck	Ja, danke, Laura. Es ist großartig. Aber für das Publikum: Das sind natürlich nicht die Originaldaten.
	Also,
	Ja.
	Nun, wie Laura erklärte, wissen wir jetzt,
	Gage R&R und wir kennen auch meine Mindesttoleranz, sodass mein Messsystem leistungsfähig ist. Hier sehen Sie also die Funktion der Teileextraktionskraft.
	Und Sie sehen auch die Plus/Minus 3s Fehlergrenze und Sie sehen, dass die Teile sehr gut ausgewählt sind, weil die Grenzen sich nicht überschneiden und daher
	Sie unterscheiden sich erheblich. Und wir können es nutzen, um die richtige
	Feder. Und hier sehen Sie in Schwarz die Mindesttoleranz, die ...
	wir verwenden die grüne Linie, um es darum zu zentrieren.
	Jetzt haben wir also unser Gage R&R, aber andererseits können wir FDE verwenden
	eine goldene Kurve als Zielfunktion zu laden. Wie bereits erwähnt, interessieren wir uns für eine Federrichtlinie, aber welche Federart sollen wir verwenden? Wir können FDE auch verwenden, um
	Laden Sie diese goldene Funktion und dann wird die entsprechende Dicke der Feder berechnet, um ein bestimmtes Verhalten zu erzielen.
	FDE ist also ein großartiges Werkzeug. Wir haben es auch für eine Typ-3-Studie verwendet, die unabhängig von Bedienern ist und für die Kamera verwendet wird.
	Und es misst den Abstand zwischen Naht und Schnittkante von aufblasbaren Sicherheitsgurten und den Schneidevorgang, und das war auch eine großartige Erfolgsgeschichte bei der Verwendung von FDE.
	Abschließend möchte ich sagen, dass die meisten unserer Prozesse und Tests Kurven als Ausgabe haben.
	Und bis jetzt war es unmöglich, ein MSA-Verfahren mit vollständigen Kurvendaten zu standardisieren, und deshalb mussten wir uns beschränken auf
	ein Maximum aus der Extraktionskraftkurve, den gesamten Bereich zwischen Extraktion und Rückzug und deshalb haben wir uns reduziert und viel viel verloren
	beträchtliche Menge an Informationen. Daher bin ich wirklich froh, dass wir MSA für Kurvendaten erstellen können. Und soweit wir wissen,
	Es gibt keine weiteren Veröffentlichungen, die diese Art der MSA-Generalisierung für Kurvendaten mit kommerzieller Software diskutieren. Abschließend möchte ich Ihnen zeigen, dass das entsprechende Dokument auch im Internet verfügbar ist. Vielen Dank für Ihre Aufmerksamkeit.

Erweiterte statistische ModellierungGrundlegende Datenanalyse und -modellierungKonsumenten- und MarktforschungDatenexploration und -visualisierungPrädiktive Modellierung und maschinelles LernenQualitäts- und ProzesstechnikZuverlässigkeitsanalyse