| Oratore |
Trascrizione |
| Astrid Ruck |
Mi chiamo Astrid Ruck e lavoro per Autoliv. |
| |
da 15 anni e Autoliv è un produttore leader a livello mondiale per |
| |
Componenti di sicurezza automobilistica come cinture di sicurezza, airbag e sistemi di sicurezza attiva. Oggi vorremmo parlare dell'analisi dei sistemi di misura per i dati delle curve. |
| |
E Laura, Chris e io abbiamo anche scritto un white paper e ha lo stesso tipo di titolo perché pensiamo che sia un argomento molto urgente |
| |
Perché |
| |
non abbiamo a disposizione altro materiale a nostra conoscenza per i dati di curva MSA per le macchine di prova dinamiche. |
| |
Quindi, per prima cosa inizieremo con una breve introduzione all'MSA e all'analisi dei dati funzionali, e poi motiveremo il nostro obiettivo di una cosiddetta linea guida di primavera che indaga |
| |
comportamento di fissaggio o comportamento di comfort allacciando le cinture di sicurezza e poi Laura lo farà |
| |
spiegare la nostra metodologia di Gage R&R tramite JMP Pro. |
| |
Quindi solitamente l'analisi del sistema di misurazione è uno studio di tipo 2. |
| |
COSÌ, |
| |
L'MSA è un processo. In questo diagramma di flusso, si può vedere che inizia con lo studio di Tipo 1 e di linearità, e che questi vengono eseguiti con componenti di riferimento. I componenti di riferimento sono necessari perché abbiamo bisogno di un metodo di riferimento per calcolare la distorsione del sistema di misura. |
| |
E se tutto va bene, se la distorsione è sufficientemente buona, allora controlliamo se l'operatore ha un'influenza o meno. |
| |
Se e solo se abbiamo un'influenza da parte dell'operatore, allora possiamo calcolare la riproducibilità. Altrimenti, in tutti gli altri passaggi, la ripetibilità è l'unica |
| |
variazione che può essere calcolata. Quindi, in quest'area, vengono utilizzati componenti di produzione per lo studio di tipo 2 e di tipo 3. L'AIAG, |
| |
le linee guida del settore automobilistico, esaminano un output unidimensionale per test, ma non descrivono come gestire le curve dei dati come output e vi daremo una panoramica su come |
| |
Come farlo. Quindi, se si ha una buona accuratezza, l'incertezza sarà bassa. E questo si può vedere in questo grafico. E si vede il |
| |
Influenza della crescente incertezza sulla decisione se i componenti buoni o difettosi siano prossimi alla tolleranza. Quindi qui abbiamo un limite di specifica inferiore, a destra abbiamo un limite di specifica superiore. |
| |
Quindi, maggiore è la mia precisione, migliore sarà la mia decisione. E qui abbiamo una zona grigia molto ampia e sarà molto difficile prendere la decisione giusta. |
| |
Ovviamente le parti che si trovano nel mezzo della tolleranza saranno sempre classificate nel modo corretto. |
| |
E a differenza del controllo statistico dei processi, le parti con limiti di specifica sono molto preziose. |
| |
Quindi la cosa migliore che puoi fare per un MSA è prendere le parti con il limite di specifica inferiore, tutte quelle con il limite di specifica superiore, |
| |
Più/meno il 10% del valore di riferimento, e in questo caso il valore di riferimento è una tolleranza. Se si dispone di un solo limite di specifica specifico, come un limite di specifica superiore o inferiore, |
| |
quindi puoi utilizzare l'indice di capacità del processo, Ppk, per calcolare la variazione del processo corrispondente, 6s, e questo sarà il tuo nuovo valore di riferimento. |
| |
Questa idea su come selezionare i componenti per un MSA può essere utilizzata anche per le curve di output e i relativi limiti di specifica, anziché per i limiti di specifica. |
| |
Pertanto, i dati spesso si presentano come una funzione, una curva o un profilo, a cui si fa riferimento per i dati funzionali. L'analisi dei dati funzionali è disponibile in JMP Pro, nella piattaforma di esplorazione dei dati funzionali. |
| |
Utilizzeremo gli spline P per modellare l'estrazione delle curve false rispetto a quelle distanti e in seguito utilizzeremo modelli misti per analizzarle. |
| |
Le cinture di sicurezza contribuiscono in modo significativo a prevenire gli incidenti mortali e, di conseguenza, è necessario garantirne la funzionalità e il comfort. |
| |
E qui a destra potete vedere un'immagine delle forze di estrazione della cintura di sicurezza, indicate in blu, e delle forze di retrazione sulla distanza, indicate in rosso. |
| |
Entrambe le forze sono fattori importanti che influenzano sia la sicurezza che il comfort. |
| |
Per testare queste forze e la forza di estrazione/retrazione viene utilizzata una configurazione di prova che simula il comportamento della cintura di sicurezza in un veicolo. |
| |
Diamo un'occhiata più da vicino. Qui vedete un set di prova e qui vedete la cintura di sicurezza. Ed ecco un piccolo carrello mobile che si muove su un braccio e ora vedete la cintura di sicurezza. |
| |
retratto. E ora l'estrazione è iniziata e qui a destra vedete la cintura di sicurezza, che è fissata, in base alla sua posizione nell'auto. |
| |
Sì. |
| |
Ops. |
| |
COSÌ, |
| |
Quando guardi queste piccole curve e vedi che all'interno della mia curva di forza di estrazione, |
| |
Ci sono delle piccole onde che hanno una struttura semiperiodica. E se si adattasse questa struttura semiperiodica con |
| |
un polinomio, ad esempio, allora si sovraadatterà davvero la ripetibilità. Questo è il motivo per cui abbiamo bisogno |
| |
Alcuni modelli flessibili. E da dove vengono queste piccole onde? Sarà più chiaro quando daremo un'occhiata all'interno della mia cintura di sicurezza. E c'è un perno e una molla. E come si comporta? |
| |
può essere visto in questo video. Qui dentro c'è il mio fuso e qui a destra c'è la mia molla. E il coperchio della molla è aperto così possiamo dare un'occhiata all'interno. |
| |
la copertura, come si comporta la molla. E all'inizio, quando tutta la fettuccia è sul filatore, la mia molla è completamente rilassata. E ora la fettuccia viene estratta e allo stesso tempo la molla viene caricata. Quindi ora abbiamo la retrazione e la mia molla si rilassa di nuovo. |
| |
Questi piccoli movimenti danno origine a questa struttura ondulata ed è per questo che abbiamo davvero bisogno di modelli flessibili basati su FDE. |
| |
Il nostro obiettivo è quindi la creazione di una linea guida per molle che richieda un comportamento di fissaggio specifico. |
| |
Quindi il comportamento di fissaggio è dato dalle mie curve di forza di estrazione. E qui vedete in questa immagine, diversi gruppi di cinque diversi |
| |
Tipi di cinture di sicurezza e relativi spessori delle molle. Se lo spessore delle mie molle è piccolo, puoi vedere che anche la mia forza di estrazione è piccola e se le mie molle |
| |
Lo spessore è maggiore della mia forza di estrazione sulla distanza, che sarà anch'essa maggiore. E poi vedi che abbiamo colori diversi e abbiamo un colore scuro. E il colore scuro deriva da misurazioni reali effettuate da tre operatori ciascuno... |
| |
Ogni operatore ha effettuato cinque repliche per cintura di sicurezza e si può vedere che hanno fatto davvero un ottimo lavoro. E il colore chiaro, che è il nostro modello a partire dalle spline p fornite da FDE. Quindi, come guida per la molla, vorremmo sapere per quale molla otterremo |
| |
il corrispondente comportamento di fissaggio della cintura di sicurezza, ma prima di iniziare il progetto, si prega di iniziare sempre con un MSA |
| |
COSÌ, |
| |
secondo la procedura di Autoliv, utilizziamo cinque cinture di sicurezza diverse, tre operatori esperti e cinque repliche come avete visto nel |
| |
grafico precedente. E la nostra osservazione y è data dai valori effettivi più un po' di rumore casuale, quindi rumore dagli operatori, dalla parte, dall'interazione tra operatore e parte e dal corrispondente |
| |
ripetibilità. E poi il mio Gage R&R è definito da sei volte il |
| |
variazione del processo dell'errore di misura, che è dato dalla mia riproducibilità e dalla ripetibilità. |
| |
E ora vorremmo sapere qual è la mia tolleranza minima, affinché il mio Gage R&R sia accettabile, e accettabile significa che la percentuale Gage R&R è inferiore al 20%. Se il mio Gage R&R è |
| |
0,2 volte la mia tolleranza minima, quindi otterremo anche un limite per le mie curve che hai visto, e questo limite di errore più/meno 3 secondi |
| |
ci aiuterà molto a trovare la molla corretta per uno specifico comportamento di fissaggio. Quindi |
| |
la nostra metodologia sarà |
| |
sarà mostrato da Laura Langcaster. Quindi, inizieremo a stimare una curva di forza di estrazione media e utilizzeremo modelli flessibili di FDE. |
| |
Poi verranno calcolate le forze di estrazione residue e, in seguito, verranno stimati i modelli a effetti casuali tramite i modelli di mix di piattaforme e, infine, verrà calcolato il Gage R&R. Allora, Laura, vuoi iniziare? |
| Laura |
Sì, lasciami condividere il mio schermo. Sì. |
| |
Grande. |
| Laura |
Va bene. |
| |
Quindi sì, grazie, Astrid. Volevo mostrarti come usiamo JMP Pro 15. |
| |
Per eseguire questa analisi dei sistemi di misura con dati di curve. Quindi, per prima cosa, voglio mostrarvi i dati che abbiamo. E assomigliano molto ai normali dati MSA, tranne che invece di |
| |
Nelle misurazioni regolari, in realtà abbiamo delle curve. Quindi abbiamo questa funzione della forza in termini di distanza. Quindi la prima cosa che vogliamo fare è |
| |
Utilizzare l'esploratore dei dati funzionali per creare le curve di estrazione delle forze parziali. Quindi aprirò i dati funzionali |
| |
Explorer, vado al menu Analizza, poi a Modellazione specializzata, Esplora dati funzionali. Quindi la forza sarà il mio output, la distanza il mio input e voglio inserirne uno per ogni componente o tipo di cintura di sicurezza. Quindi questo sarà il mio ID e clicco su OK. |
| |
E ottengo un sacco di informazioni riassuntive, grafici riassuntivi, e ingrandirò questo. Queste sono le mie curve e potete vedere che ho curve molto distinte per ogni parte, che hanno colori diversi. |
| |
E posso anche vedere quel comportamento semi-periodico di cui parlava Astrid. Ora ho già |
| |
adattare questi dati, quindi so che una spline p lineare a 300 nodi si adatta molto bene. Quindi andrò avanti e adatterò quel particolare modello. Quindi vado su modelli, controlli modello, controlli modello spline p e |
| |
rimuovere tutti questi nodi. |
| |
Aggiungo 300 perché so che è la struttura dei nodi che funziona bene. Farò solo un adattamento lineare. Clicco su "Vai" e non ci vuole molto per adattare questa spline p lineare a 300 nodi a questi dati. |
| |
E volevo solo dire brevemente che vi mostrerò solo una piccola parte delle funzionalità di questa piattaforma FDE. In realtà, fa molte più cose di quante ne abbia il tempo di mostrarvi, o di quanto abbiamo usato per questa analisi dei sistemi di misura. |
| |
Ma vi consiglio vivamente di dargli un'occhiata. Abbiamo aggiunto molte novità per JMP 15. |
| |
Quindi vi consiglio vivamente di dare un'occhiata anche ad altri interventi sull'argomento. Bene, questa è la nostra vestibilità. E ancora una volta, abbiamo un bel grafico delle nostre curve e della vestibilità. |
| |
Voglio verificare e assicurarmi che questo sia un buon adattamento. Quindi vado ai grafici diagnostici e osservo il grafico effettivo rispetto a quello previsto, e vedo che sembra davvero ottimo. Bella linearità e i residui sono davvero piccoli. Quindi sono molto soddisfatto di questo adattamento. |
| |
Ora, quando abbiamo fatto questo adattamento, abbiamo dovuto combinare l'operatore e l'errore di replicazione. E quindi queste curve hanno la media di quella variazione, ma abbiamo bisogno |
| |
quella variazione per eseguire effettivamente lo studio Gage R&R. Quindi quello che faremo è creare un residuo di forza e una volta fatto, sottraendo queste funzioni di forza parziali dalla funzione di forza originale, |
| |
Avremo un residuo che conterrà l'operatore e il suo errore di replicazione. Quindi tornerò alla tabella dati. |
| |
Ho già creato degli script per semplificare le cose. Ho creato uno script per aggiungere la mia formula di previsione alla tabella dati. Ve lo mostro velocemente. Viene direttamente dal Functional Data Explorer. Questa è la mia formula per gli adattamenti spline p per ogni parte. |
| |
E poi ho anche uno script per creare la mia colonna residua e così via |
| |
la formula per farlo è semplicemente la differenza tra la forza e le funzioni di estrazione della forza parziale. |
| |
Giusto. E quindi ora che ho questo residuo |
| |
formula che contiene l'operatore e l'errore di replicazione, posso adattare un modello a effetti casuali e stimare il mio operatore...operatore per parte e il mio errore di replicazione. |
| |
E per fare ciò, in realtà userò la piattaforma del modello misto perché non adatteremo la varianza delle parti, perché abbiamo già |
| |
ho eliminato tutto questo creando il residuo e sottraendo la funzione forza parziale. |
| |
Quindi ho già creato uno script per avviare la piattaforma del modello misto. E potete vedere che ho impostato la forza di estrazione residua come risposta. |
| |
E ho operatore e operatore per parte come effetti casuali. Eseguirò questo. |
| |
operatore, operatore per parte (che è zero) e residuo. |
| |
Per calcolare il Gage R&R, trovo sia semplice utilizzare una tabella dati JMP come un foglio di calcolo. |
| |
È semplice. Posso usare una formula di colonna. Quindi ho inserito le componenti della varianza nella tabella. |
| |
E creo semplicemente una formula per calcolare il valore R&R del calibro, che è pari a 6 volte la radice quadrata della variazione totale senza il componente. Poi vedo che il mio valore R&R del calibro è 0,4385 e posso prenderlo e applicarlo alle mie linee guida per le molle. |
| |
Nei limiti delle mie specifiche. E posso anche risolvere il problema per la tolleranza minima. |
| |
Ora passo la parola ad Astrid, che continuerà a spiegarci come tutto questo è stato applicato. |
| Astrid Ruck |
Sì, grazie, Laura. È fantastico. Ma per il pubblico, ovviamente, questi non sono i dati originali. |
| |
COSÌ, |
| |
SÌ. |
| |
Ora, come ha spiegato Laura, ora sappiamo |
| |
Il Gage R&R e conosciamo anche la mia tolleranza minima, in modo che il mio sistema di misura sia adeguato. Ecco la funzione della forza di estrazione del pezzo. |
| |
E vedi anche il limite di errore più/meno 3 secondi e vedi che le parti sono selezionate molto bene perché i limiti non si sovrappongono e quindi |
| |
sono significativamente diversi. E possiamo usarlo per trovare la soluzione giusta |
| |
primavera. E qui vedete in nero la tolleranza minima che è... |
| |
utilizziamo la linea verde per centrarla attorno ad essa. |
| |
Quindi ora abbiamo il nostro Gage R&R ma d'altra parte, possiamo usare FDE |
| |
per caricare una curva aurea come funzione target. Quindi, ti ho già detto, sì, siamo interessati a una guida per le molle, ma che tipo di molla dovremmo usare? Quindi possiamo anche usare FDE per |
| |
carica questa funzione aurea e quindi viene calcolato lo spessore della molla corrispondente per ottenere uno specifico comportamento. |
| |
Quindi l'FDE è un ottimo strumento. L'abbiamo usato anche per uno studio di Tipo 3, indipendente dagli operatori, e utilizzato per la telecamera. |
| |
Misura inoltre la distanza tra la cucitura e il bordo tagliente delle cinture di sicurezza gonfiabili e il processo di taglio. Anche questa è stata una grande storia di successo nell'utilizzo dell'FDE. |
| |
Per concludere, vorrei dire che la maggior parte dei nostri processi e test hanno come output delle curve. |
| |
E fino ad ora è stato impossibile standardizzare una procedura MSA utilizzando dati di curva completi e quindi abbiamo dovuto limitarci a |
| |
un massimo dalla curva di forza di estrazione, tutta l'area tra estrazione e retrazione e quindi ci siamo ridotti e abbiamo perso molto di molto di |
| |
una quantità considerevole di informazioni. Quindi sono davvero felice che possiamo realizzare l'MSA per i dati delle curve. E per quanto ne sappiamo, |
| |
Non ci sono altre pubblicazioni che discutono questo tipo di generalizzazione MSA per dati curvi con altri software commerciali. Infine, vorrei mostrarvi che l'articolo corrispondente è disponibile anche online. Grazie per l'attenzione. |
