| 스피커 |
성적 증명서 |
| 아스트리드 럭 |
제 이름은 아스트리드 럭입니다. 저는 Autoliv에서 일하고 있습니다. |
| |
15년 동안 Autoliv는 세계적인 선도 제조업체였습니다. |
| |
안전벨트, 에어백, 능동형 안전 시스템 등 자동차 안전 부품에 대한 이해를 돕기 위해 오늘은 곡선 데이터의 측정 시스템 분석에 대해 이야기해 보겠습니다. |
| |
그리고 Laura, Chris, 그리고 저도 백서를 썼는데, 그 제목은 우리가 그것이 매우 시급한 주제라고 생각했기 때문에 같은 유형이었습니다. |
| |
왜냐하면 |
| |
동적 테스트 머신에 사용할 수 있는 곡선 데이터의 MSA에 대한 정보는 우리의 지식으로는 없습니다. |
| |
따라서 먼저 MSA 및 기능적 데이터 분석에 대한 간략한 소개로 시작한 다음 소위 스프링 가이드라인의 목표를 설명하겠습니다. |
| |
안전벨트를 매는 행동이나 편안한 행동, 그리고 로라는 |
| |
JMP Pro를 통한 Gage R&R 방법론을 설명해 주세요. |
| |
따라서 일반적으로 측정 시스템 분석은 유형 2 연구입니다. |
| |
그래서, |
| |
MSA는 하나의 프로세스입니다. 이 흐름도에서 볼 수 있듯이, MSA는 유형 1 및 선형성 연구로 시작하여 기준 부분을 통해 수행됩니다. 측정 시스템의 편향을 계산하기 위한 기준이 필요하기 때문에 기준 부분이 필요합니다. |
| |
그리고 만약 그것이 맞고 편향이 충분히 좋다면, 우리는 운영자의 영향이 있는지 없는지 확인합니다. |
| |
운영자의 영향이 있는 경우에만 재현성을 계산할 수 있습니다. 그렇지 않으면 다른 모든 단계에서는 반복성이 유일한 방법입니다. |
| |
계산 가능한 변동입니다. 따라서 이 영역에서는 유형 2와 유형 3 연구에서 생산 부품을 사용합니다. AIAG는 |
| |
자동차 산업 지침은 테스트당 1차원 출력을 조사하지만 데이터 곡선을 출력으로 처리하는 방법을 설명하지 않으며 이에 대한 통찰력을 제공합니다. |
| |
어떻게 해야 할까요? 정확도가 좋으면 불확실성이 낮아집니다. 이 그래프에서 확인할 수 있습니다. |
| |
증가하는 불확실성이 양품 또는 불량품이 허용 오차에 근접하는지 여부를 결정하는 데 미치는 영향입니다. 따라서 여기에는 하한 규격 한계가 있고, 오른쪽에는 상한 규격 한계가 있습니다. |
| |
그래서 제 정확도가 높을수록 더 나은 결정을 내릴 수 있습니다. 하지만 여기에는 매우 큰 모호함이 존재하며, 올바른 결정을 내리기는 매우 어려울 것입니다. |
| |
당연히 허용 오차의 중간에 있는 부분은 항상 올바른 방식으로 분류될 것입니다. |
| |
그리고 통계적 공정 관리와는 대조적으로 사양 한계에 있는 부품은 매우 귀중합니다. |
| |
따라서 MSA를 위해 할 수 있는 가장 좋은 일은 모든 상위 사양 한계, 즉 하위 사양 한계에서 부품을 가져오는 것입니다. |
| |
기준 수치의 ±10%이며, 이 경우 기준 수치는 공차입니다. 상한 또는 하한과 같이 특정 규격 한계가 하나만 있는 경우, |
| |
그러면 프로세스 능력 지수(Ppk)를 사용하여 해당 프로세스 변화량(6s)을 계산할 수 있으며, 이것이 새로운 기준 수치입니다. |
| |
MSA에 대한 부품을 선택하는 방법에 대한 이 아이디어는 사양 한도 대신 출력 곡선과 해당 사양 경계에도 사용할 수 있습니다. |
| |
따라서 데이터는 종종 함수, 곡선 또는 프로파일 형태로 제공되며, 이를 함수형 데이터라고 합니다. JMP Pro의 함수형 데이터 탐색기 플랫폼에서 함수형 데이터 분석을 사용할 수 있습니다. |
| |
우리는 P 스플라인을 사용하여 거짓 곡선과 먼 곡선을 추출하는 과정을 모델링하고 나중에는 혼합 모델을 사용하여 이를 분석할 것입니다. |
| |
따라서 안전벨트는 사망 사고를 예방하는 데 크게 기여하므로, 안전벨트의 기능성과 편안함이 반드시 보장되어야 합니다. |
| |
그리고 오른쪽에는 안전벨트의 추출력을 파란색으로 표시한 그림과, 거리에 따른 수축력을 빨간색으로 표시한 그림을 볼 수 있습니다. |
| |
그리고 두 가지 힘은 모두 안전과 편안함에 영향을 미치는 중요한 요소입니다. |
| |
이러한 힘과 추출/수축 힘을 테스트하기 위해 테스트 설정이 사용되었으며 이는 차량의 안전벨트 동작을 시뮬레이션합니다. |
| |
자, 이제 좀 더 자세히 살펴보죠. 여기 테스트용 장비가 있고, 여기 안전벨트가 있습니다. 그리고 여기 작은 이동식 카트가 있는데, 카트 팔걸이를 따라 움직이고, 이제 안전벨트가 보입니다. |
| |
수축되었습니다. 이제 추출이 시작되었고, 여기 오른쪽에 차량 위치에 따라 고정된 안전벨트가 보입니다. |
| |
응. |
| |
앗. |
| |
그래서, |
| |
이 작은 곡선을 보면 내 추출력 곡선 내부에 있는 것을 볼 수 있습니다. |
| |
몇 개의 작은 파동이 있고 그것들은 반주기적 구조를 가지고 있습니다. 그리고 이 반주기적 구조를 다음과 같이 맞추면 |
| |
예를 들어 다항식을 사용하면 반복성이 실제로 과적합됩니다. 이것이 우리가 필요한 이유입니다. |
| |
몇 가지 유연한 모델이 있습니다. 이 작은 파동들은 어디에서 오는 걸까요? 제 안전벨트 안을 살펴보면 더 명확해질 겁니다. 스핀들과 스프링이 있죠. 그리고 이건 어떻게 동작할까요? |
| |
이 영상에서 보실 수 있습니다. 여기 안쪽에 스핀들이 있고, 오른쪽에는 스프링이 있습니다. 스프링 덮개가 열려서 내부를 볼 수 있습니다. |
| |
커버, 스프링의 작동 방식입니다. 처음에는 웨빙 전체가 스피너에 걸려 있을 때 스프링이 완전히 이완됩니다. 이제 웨빙이 풀리면서 스프링이 감깁니다. 이제 수축이 발생하고 스프링이 다시 이완됩니다. |
| |
그리고 이런 작은 움직임은 물결 모양의 구조를 형성하며, 바로 이것이 FDE 기반의 유연한 모델이 우리에게 정말 필요한 이유입니다. |
| |
따라서 특정 고정 동작이 필요한 사람들을 위해 스프링 가이드라인을 만드는 것이 우리의 목표입니다. |
| |
그래서 체결 거동은 제 발치력 곡선에 의해 결정됩니다. 그리고 여기 이 그림에서 보시는 것처럼 다섯 가지 다른 그룹이 있습니다. |
| |
안전벨트 유형과 그에 따른 스프링 두께. 스프링 두께가 얇으면 추출력도 작고, 스프링 두께가 얇으면 |
| |
두께가 크면 거리에 따른 추출력도 커집니다. 그리고 보시다시피, 여기 여러 가지 색상이 있고, 어두운 색상도 있습니다. 어두운 색상은 세 명의 작업자가 각각 실제 측정한 결과입니다. |
| |
모든 작업자가 안전벨트 하나당 다섯 번 반복했고, 정말 훌륭한 결과를 얻었습니다. 그리고 밝은 색은 FDE에서 제공한 p 스플라인으로부터 얻은 모델입니다. 스프링 가이드라인을 목표로 삼았으므로, 어떤 스프링을 사용할지 알고 싶습니다. |
| |
안전벨트의 해당 고정 동작이지만 프로젝트를 시작하기 전에 항상 MSA로 시작하십시오. |
| |
그래서, |
| |
Autoliv의 절차에 따르면 우리는 다섯 가지 다른 안전벨트, 세 명의 숙련된 작업자, 그리고 다섯 가지 복제품을 사용합니다. |
| |
이전 그래프입니다. 그리고 우리의 관찰 y는 실제 값에 약간의 무작위 노이즈를 더한 값으로 주어집니다. 즉, 연산자, 부분, 연산자와 부분의 상호작용, 그리고 그에 상응하는 |
| |
반복성. 그리고 내 Gage R&R은 6배로 정의됩니다. |
| |
측정 오차의 프로세스 변화는 재현성과 반복성에 의해 주어집니다. |
| |
이제 최소 허용 오차를 알고 싶습니다. Gage R&R이 허용 가능한 수준이어야 하며, 허용 가능하다는 것은 Gage R&R 비율이 20% 미만임을 의미합니다. Gage R&R이 |
| |
최소 허용 오차의 0.2배를 적용하면 곡선에 대한 경계도 얻게 되며 이는 여러분이 본 것과 같으며 오차 한계는 +/- 3초입니다. |
| |
특정 체결 방식에 맞는 올바른 스프링을 찾는 데 많은 도움이 될 것입니다. |
| |
우리의 방법론은 |
| |
Laura Langcaster가 보여드리겠습니다. 따라서 평균 추출력 곡선을 추정하고 FDE(유연성 추출법)를 이용한 유연 모델을 사용할 것입니다. |
| |
그런 다음 잔류 추출력을 계산하고, 그 후 플랫폼 혼합 모델을 통해 임의 효과 모델을 추정한 후, 마지막으로 게이지 R&R을 계산합니다. 로라, 시작해 볼까? |
| 로라 |
네, 제 화면을 공유할게요. 네. |
| |
엄청난. |
| 로라 |
좋아요. |
| |
네, 고맙습니다, 아스트리드. 그래서 JMP Pro 15를 어떻게 사용하는지 보여드리고 싶었습니다. |
| |
곡선 데이터를 사용하여 이 측정 시스템 분석을 수행합니다. 먼저 저희가 보유한 데이터를 보여드리겠습니다. 일반 MSA 데이터와 매우 유사하지만, |
| |
일반적인 측정에서는 실제로 곡선이 있습니다. 즉, 거리에 따른 힘의 함수가 있습니다. 따라서 가장 먼저 해야 할 일은 |
| |
기능 데이터 탐색기를 사용하여 부품 힘 추출 곡선을 생성합니다. 기능 데이터 탐색기를 열어 보겠습니다. |
| |
탐색기에서 분석 메뉴, 특수 모델링, 기능 데이터 탐색기로 이동합니다. 출력은 힘이고, 입력은 거리입니다. 각 부품 또는 안전벨트 유형에 대해 하나씩 적합시키려고 합니다. 이 ID를 선택하고 확인을 클릭합니다. |
| |
그러면 요약 정보와 요약 그래프가 많이 나오는데, 이걸 확대해 보겠습니다. 이게 제 곡선인데, 각 부분마다 색깔이 다른 아주 뚜렷한 곡선이 있는 걸 보실 수 있습니다. |
| |
그리고 아스트리드가 말했던 반주기적인 움직임도 볼 수 있어요. 이제 저는 이미 |
| |
이 데이터를 적합시키니 300 노드 선형 p 스플라인이 아주 잘 맞는다는 걸 알 수 있습니다. 그래서 바로 이 특정 모델을 적합시키겠습니다. 모델 > 모델 컨트롤 > p 스플라인 모델 컨트롤 > |
| |
이 노드를 모두 제거하세요. |
| |
300을 더하는 이유는 잘 작동하는 노드 구조라는 걸 알고 있기 때문입니다. 선형 적합만 할 겁니다. '실행'을 클릭하면 이 300개 노드 선형 p 스플라인을 이 데이터에 맞추는 데 오래 걸리지 않습니다. |
| |
그리고 이 FDE 플랫폼의 기능 중 일부만 보여드릴 예정이라는 점을 간략히 말씀드리고 싶습니다. 실제로 이 플랫폼은 제가 보여드릴 시간이나 측정 시스템 분석에 사용된 기능보다 훨씬 더 많은 기능을 제공합니다. |
| |
하지만 꼭 한번 확인해 보세요. JMP 15에 많은 기능이 추가되었거든요. |
| |
따라서 다른 강연도 꼭 확인해 보시기를 강력히 추천합니다. 좋아요, 이게 우리의 적합도입니다. 다시 한번, 곡선과 적합도를 보여주는 멋진 그래프를 얻었습니다. |
| |
그리고 이게 잘 맞는지 확인하고 싶습니다. 진단 플롯으로 가서 실제값과 예측값을 비교하는 플롯을 볼게요. 정말 멋지게 보이네요. 선형성이 좋고 잔차도 아주 작습니다. 이 적합도에 매우 만족합니다. |
| |
이제 이 피팅을 할 때 연산자와 복제 오류를 결합해야 했습니다. 그래서 이 곡선들은 그 변동이 평균화되도록 했지만, |
| |
Gage R&R 연구를 실제로 수행하기 위한 변형입니다. 따라서 우리가 할 일은 힘의 잔차를 생성하는 것입니다. 그리고 원래 힘 함수에서 이 부분 힘 함수를 빼면, |
| |
연산자와 해당 복제 오류가 포함된 잔여 데이터가 있을 겁니다. 데이터 테이블로 돌아가겠습니다. |
| |
이 작업을 쉽게 하기 위한 스크립트를 이미 만들어 두었습니다. 데이터 테이블에 예측 공식을 추가하는 스크립트도 만들었습니다. 간단히 보여드리겠습니다. 이 스크립트는 함수형 데이터 탐색기에서 바로 가져온 것입니다. 각 부분에 대한 p 스플라인 적합 공식입니다. |
| |
그리고 잔여 열을 생성하기 위한 스크립트도 있습니다. |
| |
그 공식은 단순히 힘과 부분 힘 추출 함수의 차이입니다. |
| |
맞아요. 그래서 이제 이 잔여물이 생겼어요 |
| |
연산자와 반복 오차를 포함하는 공식을 사용하면 임의 효과 모형을 적합시키고 연산자를 추정할 수 있습니다. 연산자를 부분별로, 반복 오차를 부분으로 추정할 수 있습니다. |
| |
그리고 그렇게 하기 위해, 우리는 이미 부분 분산을 맞추지 않을 것이기 때문에 실제로 혼합 모델 플랫폼을 사용할 것입니다. |
| |
잔여물을 만들고 부분 힘 함수를 빼서 그것을 인수분해했습니다. |
| |
그래서 저는 이미 혼합 모델 플랫폼을 시작하는 스크립트를 만들었습니다. 그리고 제 반응으로 잔류 추출력이 있는 것을 보실 수 있습니다. |
| |
그리고 제 무작위 효과에는 연산자와 연산자별 부분이 있습니다. 이걸 실행해 보겠습니다. |
| |
연산자, 부분별 연산자(0임), 그리고 잔차. |
| |
그리고 게이지 R&R을 계산하려면 스프레드시트처럼 JMP 데이터 테이블을 사용하면 쉽습니다. |
| |
쉽게 할 수 있어요. 열 수식만 사용하면 되니까요. 표에 분산 성분을 입력했거든요. |
| |
그리고 게이지 R&R을 계산하는 공식을 만들었는데, 이 공식은 부품을 제외한 전체 변동량의 제곱근에 6을 곱한 값입니다. 그리고 게이지 R&R이 0.4385라는 것을 확인했는데, 이 값을 스프링 가이드라인에 적용할 수 있습니다. |
| |
제 사양 범위 내에서요. 그리고 최소 허용 오차를 역으로 구할 수도 있습니다. |
| |
그럼 이제 이 내용을 아스트리드에게 다시 넘겨서 이것이 어떻게 적용되었는지에 대해 계속 이야기하겠습니다. |
| 아스트리드 럭 |
네, 고마워요, 로라. 정말 좋아요. 하지만 시청자 여러분, 물론 이건 원본 데이터가 아닙니다. |
| |
그래서, |
| |
예. |
| |
이제 Laura가 설명한 대로 우리는 이제 알게 되었습니다. |
| |
게이지 R&R과 최소 허용 오차를 알고 있으므로, 제 측정 시스템이 이를 감당할 수 있습니다. 여기서 부품 추출력 함수를 확인할 수 있습니다. |
| |
또한 플러스/마이너스 3의 오류 한계를 볼 수 있으며 경계가 겹치지 않기 때문에 부품이 매우 잘 선택되었음을 알 수 있습니다. |
| |
그것들은 상당히 다릅니다. 그리고 우리는 그것을 사용하여 올바른 것을 찾을 수 있습니다. |
| |
봄. 그리고 여기 검은색으로 표시된 것은 최소 허용 오차입니다... |
| |
우리는 녹색선을 사용하여 그것을 중심으로 배치합니다. |
| |
이제 우리는 Gage R&R을 가지고 있지만 반면에 FDE를 사용할 수도 있습니다. |
| |
골든 커브를 대상 함수로 로드하는 것입니다. 스프링 가이드라인에 관심이 있다고 말씀드렸지만, 어떤 종류의 스프링을 사용해야 할까요? FDE를 사용하여 |
| |
이 골든 함수를 로드한 다음 해당 스프링의 두께를 계산하여 특정 동작을 얻습니다. |
| |
FDE는 훌륭한 도구입니다. 운영자로부터 독립된 3형 연구에도 사용했는데, 카메라에 사용됩니다. |
| |
그리고 팽창식 안전벨트의 이음새와 절단면 사이의 거리를 측정하고 절단 과정을 거치는데, 이 역시 FDE를 이용한 매우 성공적인 사례입니다. |
| |
그럼 마무리로, 대부분의 프로세스와 테스트는 출력으로 곡선을 사용한다는 말씀을 드리고 싶습니다. |
| |
그리고 지금까지 완전한 곡선 데이터를 사용하여 MSA 절차를 표준화하는 것은 불가능했기 때문에 우리는 다음과 같이 제한해야 했습니다. |
| |
추출력 곡선에서 최대값, 추출과 수축 사이의 모든 영역, 따라서 우리는 스스로를 줄이고 많은 것을 잃었습니다. |
| |
상당한 양의 정보입니다. 그래서 곡선 데이터에 대한 MSA를 만들 수 있어서 정말 기쁩니다. 그리고 저희가 아는 한, |
| |
다른 상용 소프트웨어를 사용하여 곡선 데이터에 대한 이러한 유형의 MSA 일반화를 논의하는 다른 출판물은 없습니다. 마지막으로, 해당 논문은 인터넷에서도 찾아볼 수 있다는 점을 알려드리고 싶습니다. 관심 가져주셔서 감사합니다. |
