758505_es-ES

liliconcom

Análisis de sistemas de medición para datos de curvas (2020-US-30MP-573)

Astrid Ruck, especialista sénior en estadística, Autoliv
Chris Gotwalt, Director de Investigación y Desarrollo Estadístico del JMP, SAS
Laura Lancaster, JMP, Estadística principal de investigación y desarrolladora, SAS

El Análisis de Sistemas de Medición (AMS) es un proceso de medición que comprende no solo el sistema, el equipo y las piezas de medición, sino también los operadores, los métodos y las técnicas involucrados en todo el procedimiento de medición. Las directrices de la industria automotriz, como AIAG [1] o VDA [4], investigan un resultado unidimensional por prueba, pero no describen cómo manejar las curvas de datos como resultado. En esta presentación, damos un primer paso al mostrar cómo realizar un estudio de repetibilidad y reproducibilidad de calibre (GRR) utilizando curvas de salida de fuerza versus distancia. El Explorador de Datos Funcionales (FDE) de JMP Pro está diseñado para analizar datos que son funciones, como las curvas de medición, utilizadas para realizar este estudio de GRR.

Transcripción generada automáticamente...

Vocero	Transcripción
Astrid Ruck	Me llamo Astrid Ruck. Trabajo en Autoliv.
	Desde hace 15 años, Autoliv es un fabricante líder mundial de
	Componentes de seguridad automotriz como cinturones de seguridad, airbags y sistemas de seguridad activa. Hoy queremos hablar sobre el análisis de sistemas de medición para datos de curvas.
	Y Laura, Chris y yo también hemos escrito un documento técnico y tiene el mismo tipo de título porque creemos que es un tema muy urgente.
	porque
	No tenemos conocimiento de nada más para MSA que los datos de curvas disponibles para máquinas de prueba dinámicas.
	Entonces, primero comenzaremos con una breve introducción a MSA y al análisis de datos funcionales, y luego motivaremos nuestro objetivo de una llamada guía de primavera que investiga
	comportamiento de abrocharse el cinturón o comportamiento de comodidad abrocharse el cinturón y luego Laura lo hará
	explicar nuestra metodología de Gage R&R a través de JMP Pro.
	Por lo general, el análisis del sistema de medición es un estudio astuto de tipo 2.
	Entonces,
	El MSA es un proceso. En este diagrama de flujo, se puede observar que comienza con el Tipo 1 y el estudio de linealidad, y se realiza con piezas de referencia. Estas piezas son necesarias porque necesitamos una referencia para calcular el sesgo del sistema de medición.
	Y si encaja, si el sesgo es suficientemente bueno, entonces comprobamos si tenemos influencia del operador o no.
	Si, y solo si, tenemos influencia del operador, podemos calcular la reproducibilidad. De lo contrario, en todos los demás pasos, la repetibilidad es el único factor.
	Variación que se puede calcular. Por lo tanto, en esta área, los estudios de Tipo 2 y Tipo 3 utilizan piezas de producción. El AIAG,
	Las pautas de la industria automotriz investigan una salida unidimensional por prueba, pero no describen cómo tratar las curvas de datos como salida y le daremos una idea de cómo hacerlo.
	Cómo hacerlo. Si se tiene buena precisión, la incertidumbre será baja. Esto se puede ver en este gráfico.
	Influencia de la creciente incertidumbre en la decisión de si las piezas buenas o malas se encuentran cerca de la tolerancia. Aquí tenemos un límite de especificación inferior, y a la derecha, un límite de especificación superior.
	Así que, cuanto mayor sea mi precisión, mejor será mi decisión. Y aquí tenemos una gran zona gris y será muy difícil tomar la decisión correcta.
	Obviamente, las piezas en el medio de la tolerancia siempre se clasificarán de la manera correcta.
	Y, en contraste con el control de procesos estadísticos, las partes con límites de especificación son muy valiosas.
	Entonces, lo mejor que puede hacer por un MSA es adquirir piezas con el límite de especificación inferior y todas las del límite de especificación superior.
	Más/menos el 10 % del valor de referencia, que en este caso es una tolerancia. Si solo tiene un límite de especificación específico, como un límite superior o inferior,
	luego puede utilizar su índice de capacidad de proceso, Ppk, para calcular la variación del proceso correspondiente, 6s, y esa es su nueva cifra de referencia.
	Y esta idea de cómo seleccionar sus piezas para un MSA también se puede utilizar para las curvas de salida y sus límites de especificaciones en lugar de límites de especificaciones.
	Por lo tanto, los datos suelen presentarse como una función, una curva o un perfil, conocidos como datos funcionales. El análisis de datos funcionales está disponible en JMP Pro, en la plataforma de exploración de datos funcionales.
	Utilizaremos P splines para modelar nuestra extracción de curvas falsas versus distantes y más adelante utilizaremos modelos mixtos para analizarlas.
	Por ello, los cinturones de seguridad contribuyen significativamente a prevenir accidentes mortales, por lo que es necesario garantizar su funcionalidad y comodidad.
	Y aquí, en el lado derecho, se ve una imagen de las fuerzas de extracción del cinturón de seguridad, en azul, y las fuerzas de retracción a lo largo de la distancia, en rojo.
	Y ambas fuerzas son factores importantes que afectan tanto a la seguridad como a la comodidad.
	Y para probar estas fuerzas, se utiliza una configuración de prueba de fuerza de extracción/retracción que simula el comportamiento del cinturón de seguridad en un vehículo.
	Veamos esto más de cerca. Aquí ven un equipo de prueba y aquí ven el cinturón de seguridad. Y aquí hay un pequeño carro móvil que se mueve sobre un brazo, y ahora ven el cinturón de seguridad.
	Retraído. Comenzó la extracción y aquí, a la derecha, se ve el cinturón de seguridad, que está fijado según la posición del vehículo.
	Sí.
	Ups.
	Entonces,
	Cuando miras estas pequeñas curvas y ves que dentro de mi curva de fuerza de extracción,
	Hay algunas ondas pequeñas que tienen una estructura semiperiódica. Y si ajustaras esta estructura semiperiódica con...
	un polinomio, por ejemplo, entonces realmente sobreajustará la repetibilidad. Esa es la razón por la que necesitamos
	Algunos modelos flexibles. ¿Y de dónde vienen estas pequeñas ondas? Esto quedará más claro cuando veamos el interior de mi cinturón de seguridad. Hay un husillo y un resorte. ¿Y cómo se comporta?
	Se puede ver en este video. Aquí dentro está mi huso y aquí, a la derecha, mi resorte. La tapa del resorte está abierta para que podamos ver el interior.
	La cubierta, cómo se comporta el resorte. Al principio, cuando toda la cinta está en el cono, el resorte está completamente relajado. Ahora la cinta se extrae y, al mismo tiempo, el resorte se enrolla. Así, se produce la retracción y el resorte se relaja de nuevo.
	Y estos pequeños movimientos dan como resultado esta estructura ondulada y esa es la razón por la que realmente necesitamos modelos flexibles basados en FDE.
	Por lo tanto, la creación de la guía de resortes es nuestro objetivo, quienes requieren un comportamiento de fijación específico.
	Así que el comportamiento de la fijación viene dado por mis curvas de fuerza de extracción. Y aquí se ven en esta imagen, diferentes grupos de cinco...
	Tipos de cinturones de seguridad y sus correspondientes grosores de resorte. Si el grosor de mi resorte es pequeño, entonces se puede observar que mi fuerza de extracción también es pequeña, y si mi resorte...
	El grosor es mayor que mi fuerza de extracción a lo largo de la distancia. Y como ven, tenemos diferentes colores, y tenemos un color oscuro. Y el color oscuro es el resultado de mediciones reales de tres operadores con cada...
	Cada operador realizó cinco réplicas por cinturón de seguridad, y se puede ver que hicieron un excelente trabajo. El color de la luz es nuestro modelo a partir de las p splines proporcionadas por FDE. Por lo tanto, como objetivo de la guía de resortes, nos gustaría saber qué resorte obtendremos.
	el comportamiento de sujeción correspondiente del cinturón de seguridad, pero antes de comenzar con el proyecto, comience siempre con un MSA
	Entonces,
	Según el procedimiento de Autoliv, utilizamos cinco cinturones de seguridad diferentes, tres operadores experimentados y cinco réplicas como has visto en el
	Gráfico anterior. Nuestra observación y está dada por los valores reales más algo de ruido aleatorio, es decir, ruido de los operadores, la parte, la interacción del operador y la parte y el correspondiente
	repetibilidad. Y luego mi Gage R&R se define por seis veces la
	variación del proceso del error de medición, que viene dado por mi reproducibilidad y la repetibilidad.
	Y ahora nos gustaría saber cuál es mi tolerancia mínima, de modo que mi R&R de calibración sea aceptable, y aceptable significa que el porcentaje de R&R de calibración sea menor al 20%. Si mi R&R de calibración es
	0,2 veces mi tolerancia mínima, entonces también obtendremos un límite para mis curvas que has visto, y este límite de error de más/menos 3 s
	Nos ayudará mucho a encontrar el resorte correcto para un comportamiento de sujeción específico.
	Nuestra metodología será
	Laura Langcaster lo mostrará. Comenzaremos estimando una curva de fuerza de extracción media y utilizaremos modelos flexibles mediante FDE.
	Luego se calcularán las fuerzas de extracción residuales y, posteriormente, se estimarán los modelos de efectos aleatorios mediante los modelos de mezcla de plataformas. Finalmente, se calculará la R&R del medidor. Entonces, Laura, ¿comienza?
Laura	Sí, déjame compartir mi pantalla. Sí.
	Excelente.
Laura	Bueno.
	Así que sí, gracias, Astrid. Quería mostrarte cómo usamos JMP Pro 15.
	Para realizar este análisis de sistemas de medición con datos de curvas. Primero, quiero mostrarles los datos que tenemos. Se parecen mucho a los datos MSA normales, excepto que en lugar de solo...
	En las mediciones regulares, tenemos curvas. Así que tenemos esta función de fuerza en términos de distancia. Lo primero que queremos hacer es...
	Utilice el explorador de datos funcionales para crear las curvas de extracción de fuerza de la pieza. Abriré los datos funcionales.
	Explorador, voy al menú de análisis, luego a Modelado especializado, Explorador de datos funcionales. Fuerza sería mi salida, distancia mi entrada, y quiero ajustar uno para cada pieza o tipo de cinturón de seguridad. Ese será mi ID y hago clic en Aceptar.
	Y obtengo mucha información resumida, gráficos resumidos, y voy a ampliar este. Estas son mis curvas y pueden ver que tengo curvas muy distintas para cada parte, que tienen diferentes colores.
	Y también puedo ver ese comportamiento semiperiódico del que hablaba Astrid. Ahora ya lo he...
	Ajustar estos datos, así que sé que un p spline lineal de 300 nodos se ajusta muy bien. Así que voy a ajustar ese modelo en particular. Voy a modelos, controles del modelo, controles del modelo p spline y...
	eliminar todos estos nodos
	Añado 300 porque sé que esa es la estructura de nodos que funciona bien. Solo voy a hacer ajustes lineales. Hago clic en "Ir" y no tarda mucho en ajustar este p-spline lineal de 300 nodos a estos datos.
	Quería mencionar rápidamente que solo mostraré algunas de las funciones de esta plataforma FDE. Hace muchas más cosas de las que tengo tiempo para mostrarles, o de las que usamos para este análisis de sistemas de medición.
	Pero te recomiendo que lo revises. Hemos añadido muchas novedades para JMP 15.
	Así que les recomiendo que también consulten otras charlas al respecto. Bien, este es nuestro ajuste. Y, una vez más, obtenemos un buen gráfico de nuestras curvas y el ajuste.
	Quiero comprobar y asegurarme de que esto sea un buen ajuste. Así que voy a revisar los gráficos de diagnóstico y el gráfico de comparación entre lo real y lo predicho. Veo que se ve muy bien. Tiene una buena linealidad y los residuos son muy pequeños. Estoy muy satisfecho con este ajuste.
	Ahora bien, al realizar este ajuste, tuvimos que combinar el operador y el error de replicación. Por lo tanto, estas curvas tienen esa variación promediada, pero necesitamos...
	Esa variación para realizar el estudio de R&R de Gage. Entonces, lo que haremos es crear un residuo de fuerza y, una vez hecho esto, restando estas funciones de fuerza parciales de la función de fuerza original,
	Tendremos un residuo que contendrá el operador y su error de replicación. Así que volveré a la tabla de datos.
	Ya he creado scripts para facilitar esto. He creado un script para agregar mi fórmula de predicción a la tabla de datos. Se lo mostraré rápidamente. Viene directamente del explorador de datos funcionales. Esta es mi fórmula para los ajustes de p-spline de cada parte.
	Y luego también tengo un script para crear mi columna residual y así sucesivamente.
	La fórmula para esto es simplemente la diferencia entre la fuerza y esas funciones de extracción de fuerza parcial.
	Bien. Y ahora que tengo este residuo
	fórmula que contiene el operador y el error de replicación, puedo ajustar un modelo de efectos aleatorios y estimar mi operador...operador por parte y mi error de replicación.
	Y para hacer eso, en realidad voy a utilizar la plataforma de modelo mixto porque no vamos a ajustar la variación de las piezas, porque ya hemos...
	Lo solucioné creando el residuo y restando la función de fuerza de la pieza.
	Ya creé un script para iniciar la plataforma de modelo mixto. Como pueden ver, tengo una fuerza de extracción residual como respuesta.
	Y tengo "operador" y "operador por" como efectos aleatorios. Voy a ejecutar esto.
	operador, operador por parte (que es cero), y el residuo.
	Y para calcular el Gage R&R, me resulta fácil utilizar una tabla de datos JMP como una hoja de cálculo.
	Lo hace fácil. Puedo usar una fórmula de columna. Así que ingresé los componentes de la varianza en la tabla.
	Y simplemente creo una fórmula para calcular la variación de calibre, que es solo seis veces la raíz cuadrada de la variación total sin la pieza. Y luego veo que mi variación de calibre es de 0,4385 y puedo aplicarla a mis guías de resorte.
	Dentro de mis límites de especificación. También puedo calcular la tolerancia mínima a partir de la solución inversa.
	Y ahora voy a devolverle la palabra a Astrid para que continúe hablando sobre cómo se aplicó esto.
Astrid Ruck	Sí, gracias, Laura. Es genial. Pero para el público, claro, estos no son los datos originales.
	Entonces,
	Sí.
	Ahora, como explicó Laura, ahora sabemos.
	El Gage R&R y también conocemos mi tolerancia mínima, de modo que mi sistema de medición sea capaz. Aquí se ve la función de fuerza de extracción de la pieza.
	Y también ves el límite de error de más/menos 3s y ves que las partes están muy bien seleccionadas porque los límites no se superponen y por lo tanto
	Son significativamente diferentes. Y podemos usarlo para encontrar el correcto.
	Primavera. Y aquí se ve en negro la tolerancia mínima, que es...
	Usamos la línea verde para centrarlo.
	Así que ahora tenemos nuestro Gage R&R pero, por otro lado, podemos usar FDE
	Para cargar una curva dorada como función objetivo. Como ya les dije, sí, nos interesa una guía de resorte, pero ¿qué tipo de resorte usaremos? También podemos usar FDE para
	cargue esta función dorada y luego se calcula el espesor del resorte correspondiente para obtener un comportamiento específico.
	El FDE es una herramienta excelente. También lo usamos para un estudio de Tipo 3, independiente de los operadores, que se utiliza para la cámara.
	Y mide la distancia entre la costura y el borde de corte de los cinturones de seguridad inflables y el proceso de corte y esa también fue una gran historia de éxito del uso de FDE.
	Para finalizar, me gustaría decir que la mayoría de nuestros procesos y pruebas tienen curvas como salida.
	Y hasta ahora ha sido imposible estandarizar un procedimiento de MSA utilizando datos de curvas completas y, por lo tanto, tuvimos que restringirnos a
	un máximo de la curva de fuerza de extracción, toda el área entre la extracción y la retracción y por lo tanto nos reducimos y perdimos mucho mucho
	una cantidad considerable de información. Por eso, me alegra mucho que podamos crear MSA para datos de curvas. Y, hasta donde sabemos,
	No existen otras publicaciones que aborden este tipo de generalización de MSA para datos de curvas con otro software comercial. Finalmente, me gustaría mostrarles que el artículo correspondiente también está disponible en internet. Gracias por su atención.

Modelado estadístico avanzadoAnálisis y modelado de datos básicosInvestigación de mercados y consumidoresExploración y visualización de datosModelado predictivo y aprendizaje automáticoIngeniería de Calidad y ProcesosAnálisis de confiabilidad