Versuchsplanung mit
Radiometrische Antwortdaten
Eine Fallstudie
S tephen W. Czupryna, Objektive Experimente ( stevecz@objexp.com )
Tony Shockey, Fluke Corporation ( tony.shockey@fluke.com )
Roy Huff, Die Snell-Gruppe ( rhuff@thesnellgroup.com )
ABSTRAKT
Die Stimme des Prozesses kommt in vielen Formen zu uns.Gültige Temperatur-, Druck-, Spannungs-, Härte-, Oberflächenbeschaffenheits- und andere Prozessdaten sprechen Bände über die Herstellungsprozesse, die unsere Umsätze generieren.
Bei vielen Prozessen werden wichtige Erkenntnisse durch das Anhören der Stimme des Prozesses in der Temperatursprache.In der Vergangenheit haben wir Thermoelemente, Pyrometer und andere diskrete Geräte verwendet, um die Temperatur zu messen, und wir haben viel gelernt.Das Aufkommen kostengünstiger Wärmebildkameras bietet jedoch jetzt eine dramatisch bessere Möglichkeit, die thermodynamische Stimme unserer industriellen Prozesse mit einer Bequemlichkeit und Auflösung zu hören, die in der nicht allzu fernen Vergangenheit undenkbar war.Mit Wärmebildkameras und Statistiksoftware in der Hand sind wir unglaublich gut gerüstet, um die wichtigen Botschaften zu hören, die uns unsere Prozesse im Infrarotbereich des elektromagnetischen Spektrums zuflüstern.
Dieses Dokument ist eine Fallstudie über ein Kunststoffverarbeitungsunternehmen, das JMP 11®, eine Wärmebildkamera Fluke Ti32®, die Software SmartView® von Fluke und die Methode Objective Experiments 5-step Design of Experiments (DOE) verwendet hat, um neue Einblicke in einen Thermoformprozess zu gewinnen das hatte jahrzehntelang enttäuschende Ergebnisse geliefert.Frühere Versuche, den Prozess mit Thermoelementen und Pyrometern zu verbessern, führten zu schrittweisen Gewinnen, aber erst als das Unternehmen gültige radiometrische Daten im Rahmen eines geplanten Experiments sammelte, erzielten sie schließlich bahnbrechende Verbesserungen und wirkten sich dramatisch auf das Unternehmensergebnis aus.
Dieses Papier wird auch erklären, wie die Wow-Faktor sowohl in hochauflösenden Thermogrammen als auch in den Datenvisualisierungstools von JMP zu sehen, assimilierte eine vielfältige Gruppe von Mitarbeitern, Vorgesetzten und Managern an vorderster Front zu einem zusammenhängenden Team mit einem Händchen für die Entdeckung neuen Wissens.
THERMOGRAFIE, KURZ
Alle Objekte auf der Erde senden Infrarotstrahlung (IR) aus.Durch den Einsatz berührungsloser Infrarotkameras kann ein zertifizierter Thermograf die von einer Oberfläche emittierte IR-Strahlung erkennen und messen sowie die Oberflächentemperatur und Temperaturgradienten messen. Abbildung 1 zeigt, wie Wärmebildkameras wichtige Phänomene leicht erkennen, die das menschliche Auge nicht erkennen kann.
Figur 1 : Gefährlicher Zustand in elektrischer Sicherung
Eine Infrarotkamera ist ein elektrooptisches Gerät, das aus einem Detektor, einer IR-Optik, einem Display, einer Steuerung, einem Speichermedium und einer Stromversorgung besteht.Sehen Figur 2 . Diese Instrumente haben viele industrielle Anwendungen und bieten dem Benutzer visuelle Anzeigen von thermischen Mustern und quantitativen Daten, die entweder mit der Bildanalysesoftware des Herstellers oder mit Statistiksoftware wie JMP analysiert werden können.
Figur 2 : Wärmebildkamera Fluke Ti32
Von besonderer Bedeutung sind der Detektor und die Optik.Typische Detektoren sind empfindlich gegenüber Strahlung in zwei Spektralbändern, mittelwelliges IR (2,5-6,0 µm) und langwelliges IR (8,0-15,0 µm).Der Focal-Plane-Array-Detektor ist in einer Vielzahl von Auflösungen erhältlich.Beim Fluke Ti32 wird das Array mit 320 x 240 Pixeln betrachtet hohe Auflösung für Wärmebildkameras.Ein einzelnes Bild liefert somit die gleichen Informationen wie 320 x 240 = 76.800 diskrete Thermoelemente. Die Detektorgröße und -dichte in Kombination mit der Optik legt die räumliche und Messauflösung des Systems fest.
Heat marschiert zu seinem eigenen Drummer
Energie, die eine Oberfläche verlässt, kann aus emittierter, reflektierter und bei einigen Materialien durchgelassener elektromagnetischer Strahlung bestehen.Für die thermografische Analyse liefert nur die emittierte Energie nützliche Informationen zur Oberflächentemperatur, und es muss eine Kompensation für reflektierte und übertragene Energie vorgenommen werden, falls vorhanden.Glücklicherweise kennt ein zertifizierter Thermograf diese Einschränkungen und kann die Algorithmen des Imagers verwenden, um den unerwünschten Einfluss von reflektierter Energie, Hintergrundenergie und der IR-Übertragung, die bestimmten Materialien innewohnt, zu umgehen.Es ist wichtig zu beachten, dass IR-Kameras eine beträchtliche Lernkurve haben und dass etwa eine Woche praktisches Training erforderlich ist, um genaue Messungen zu gewährleisten.
Der Emissionsgrad ist eine Schlüsseleigenschaft, die die Fähigkeit eines Materials beschreibt, Wärmestrahlung abzugeben (emittieren). Der Emissionsgrad variiert zwischen 0 und 1 und ist eine Funktion des Materialtyps, der Oberflächenbeschaffenheit, der Temperatur, der Wellenlänge und des Betrachtungswinkels.Auch hier spielen die Fähigkeiten des zertifizierten Thermografen eine wichtige Rolle bei der Beurteilung des untersuchten Objekts und der Einstellung des Imagers für zuverlässige Messungen.
Thermografie, nicht mehr nur für Gebäudeinspektionen
Für die Infrarot-Thermografie gibt es eine Vielzahl von Anwendungen, darunter elektrische, elektromechanische, mechanische, Gebäude- und Dachdiagnose, zerstörungsfreie Prüfung, Flugzeuginspektion, industrielle Prozesskontrolle und industrielle Prozessverbesserung.In der Kunststoffindustrie gibt es viele Anwendungen, einschließlich Thermoformen, wie in diesem Dokument diskutiert, sowie Extrusion, Rotationsformen und Spritzgießen.
Der Fluke Ti32 Imager
Der für dieses Prozessverbesserungsprojekt verwendete Imager Fluke Ti32 verfügt über ein Mikrobolometer-Detektorarray, das im langwelligen Infrarotspektrum arbeitet.Das Instantaneous Field Of View (IFOV) für dieses System beträgt 1,25 mRad und die minimale Fokusentfernung beträgt ca. 6 Zoll mit dem eingebauten Objektiv.Die thermische Empfindlichkeit dieses Modells ist mit 45 mK sehr gut und die Erfassungsrate beträgt 60 Hz.
Die Bilder in diesem Bericht wurden mit der Software Fluke SmartView® verarbeitet und analysiert.Diese Software beinhaltet verschiedene Analysetools, die Anpassung von Variablen wie Emissionsgrad und den Export von Daten.Die Software ermöglicht es dem Thermografen, alle Kameraeinstellungen außer natürlich dem Fokus nachträglich zu ändern.
ES GEHT UM DIE WÄRME
E Ingenieurwissen weist darauf hin, dass die Temperaturkontrolle in allen Phasen des Thermoformprozesses ein kritischer Faktor ist.Gute Teile entstehen bekanntlich durch gleichmäßiges Erhitzen und Abkühlen sowohl des Kunststoffrohlings als auch des Tiefziehteils.Es ist bekannt, dass übermäßige Wärmegradienten eine Verformung des Teils, eine schlechte Dickenkontrolle, strukturelle Schwächen und eine schlechte Oberflächenbeschaffenheit verursachen.
DIE HERAUSFORDERUNG
Der untersuchte Tiefziehofen hat ein ungewöhnliches Design mit Shuttle-System und einseitigem Heizfeld, wie in gezeigt Figur 3 und Figur 4 .
Das Shuttle-Tablett befindet sich auf Schienen, die den Kunststoffrohling direkt unter eine mehrzonige horizontale Heizanordnung bewegen und dann den erwärmten Rohling herausfahren, wo er aufgenommen und von Hand auf wartende Formen vakuumgeformt wird.Die Erwärmung erfolgt nur aus einer Richtung und der Abstand von der Wanne zum Heizfeld ist festgelegt .Das Array und das überlagerte Leerzeichen sind in gezeigt Figur 4 .
Aus früheren Untersuchungen war bekannt, dass die Oberflächentemperatur der Rohlinge entlang ihrer Länge und Breite erheblich schwankte.Ein Bediener bemerkte, dass das erste explorative Wärmebild des erhitzten Rohlings sah aus wie ein Batikhemd von Jimi Hendrix aus den 1970er Jahren !
Die Arbeit enthielt experimentell nichts Neues, daher betont der Rest dieses Papiers die schrittweise Herangehensweise an das Experimentieren, die Teamdynamik und die experimentelle Philosophie, die für Entscheidungen verwendet wird.
EXPERIMENTELLES TEAM
Die Unternehmensleitung wählte 3 Personen für die Arbeit aus – einen erfahrenen Linienoperator (ein Kunde!), einen Supervisor und einen Prozessingenieur mit DOE-Erfahrung.Bei Bedarf wurden weitere Personen hinzugezogen. Nachfolgend wird diese Gruppe gemeinsam als bezeichnet der Experimentatoren .
DOE-PHILOSOPHIE
Trotz seiner technischen Neigung hängt der Erfolg des DOE von der philosophischen Untermauerung der Experimentatoren und ihrer Manager ab.
DOE ist iterativ
Trotz der korporativen Bezeichnung der Thermoformer-Prozessstudie als diskret Genehmigtes Projekt Mit einem angestrebten Enddatum und verschiedenen Meilensteinen dachten die Experimentatoren heimlich in verschiedene Richtungen.Sie sahen die Arbeit als Beginn zahlreicher, möglichst kurzer Lernzyklen 1,2,3,4 das würde zu einem tiefen Prozessverständnis führen.Sie waren nicht hinter einer schnellen Lösung her.
DOE ist kein Zuschauersport
Diejenigen mit vorheriger DOE-Erfahrung wussten, dass es normalerweise vorzuziehen ist, das Experiment durchzuführen und die Daten selbst zu sammeln, anstatt die Aufgabe einem Labortechniker oder anderen Kollegen zu überlassen.Daher planten alle Experimentatoren, sich die Hände schmutzig zu machen, ob sie wollten oder nicht.
Hüten Sie sich vor Annahmen
Alle waren sich einig, nichts als selbstverständlich zu betrachten.Sie beobachteten den Prozess sorgfältig, machten sich Notizen, sprachen mit den Bedienern und führten den Prozess schließlich selbst durch.Experimentatoren führten die wöchentlichen Wartungsprüfungen, den Controller-Selbsttest und dergleichen durch.Vor Beginn der Arbeiten wurden einige Probleme entdeckt und behoben. ich n Am Ende schien es eine stark positive Korrelation zwischen dem gewonnenen Wissen und der Menge an Sand auf den Händen des Experimentators zu geben.
SCHRITT 1 – DAS ZIEL FESTLEGEN
Viele industrielle Experimente scheitern, weil das Ziel nicht sorgfältig definiert ist.Ein nützliches Dokument mit dem Titel Checkliste zum Stellen der richtigen Frage 5 bot eine schlanke, einfache Lösung für dieses potenzielle Problem und ein hervorragendes Forum für Gruppendiskussionen.Mit der Zeit erreichte die Gruppe einen ungewöhnlichen Konsens – die vorhandene Wissensbasis war zu spärlich, um das Ziel in typischer Managementweise zu formulieren r Reduzieren Sie Ausschuss um 25 % in 6 Monaten oder Erhöhen Sie die Betriebszeit alle 2 Monate um 5 % .Stattdessen wurde das Ziel unkonventionell in Form von a definiert Zielzustand 3 wie gezeigt in Abbildung 5 .
ERHÖHEN SIE DAS PROZESSVERSTÄNDNIS
MIT MAXIMALER BEDIENERBETEILIGUNG
UND ITERATIVES DESIGN VON EXPERIMENTEN
Figur 5 : Zielzustand
Man glaubte, dass ein verbessertes Prozessverständnis auf allen Organisationsebenen unweigerlich zu nützlichen Vorhersagemodellen und neuem Wissen führen würde.Dann wären sie in der Lage, die idealen Arbeitszyklen jeder Heizzone und Produktionspraktiken für eine Vielzahl von Kunststoffarten, -größen und -dicken zu bestimmen.
SCHRITT 2 – WÄHLEN SIE EINE STRATEGIE
Die Experimentatoren mussten sich zwischen den 3 grundlegenden Experimentieransätzen entscheiden 5 :
- Screening
- Interaktionsmodell (sparsam)
- Reaktionsflächenmodell (vollständig)
In Anbetracht der schmerzhaften Geschichte der unvorhersehbaren Leistung von Thermoformern genehmigte die Unternehmensleitung reichlich Ressourcen für das Experiment, und die Gruppe einigte sich schnell auf den Response-Surface-Ansatz.
SCHRITT 3 – ERSTELLEN SIE EINEN PLAN
Strategie in der Hand, alles war vorhanden, um einen Plan zu erstellen.
Wählen Sie experimentelle Faktoren und Bereiche
Der Plan hatte 6 Prozessfaktoren – die Arbeitszyklen in % jeder Heizzone.Die Bereiche variierten von 20-60 % bis 30-70 %.
Denken Sie an bekannte Faktoren, die konstant gehalten werden sollen
Faktoren, die nicht untersucht wurden, wurden während des Experiments konstant gehalten.
- Maschinenbediener ( ein Experimentator )
- Produktionslos von Kunststoffzuschnitten
- Zeit zwischen dem Auswurf des erhitzten Rohlings und der Aufnahme des Wärmebildes
- Usw.
Gefahr, lauernde Variablen!
Das Projektteam verbrachte die meiste Zeit im Arbeitsbereich, was eine gute Gelegenheit bot, eine lange Liste heimtückischer lauernder Variablen zu identifizieren und anzugehen.
- Umgebungstemparatur
- Luftfeuchtigkeit
- Luftzirkulation
- Tageszeit, Pausen
- Usw.
Der Plan beinhaltete eine Aufwärmzeit des Thermoformers von 1 Stunde, um stabile thermische Bedingungen zu gewährleisten, die Aufzeichnung von lauernden Variablen und die Durchführung der Versuchsläufe nacheinander ohne Unterbrechungen.Ein Trick des Thermographen war besonders nützlich 7 .Die Experimentatoren platzierten Scotch® Super 33+ schwarzes Vinyl-Isolierband auf einem nichtmetallischen Gegenstand neben dem Thermoformer.Sehen Abbildung 6 .
Figur 6 : Der beste Freund eines Thermografen
Dieses Band hat einen vorhersagbaren Emissionsgrad von 0,95 und bot einen hervorragenden Messpunkt für die Umgebungstemperatur.Krylon mattschwarzer Sprühlack hat auch einen Emissionsgrad von 0,95 und kann für den gleichen Zweck verwendet werden 7 .
Antworten auswählen
Der ursprüngliche Plan hatte eine Reaktion und die Experimentatoren waren offen dafür, weitere hinzuzufügen, wenn sie neues Wissen sammelten.Dies war eine weitere Abkehr vom historischen Ansatz, alles im Voraus zu planen und willkürliche Fristen festzulegen.Ihr alternativer Ansatz - fügen Sie neue Antworten hinzu, wenn das zunehmende neue Wissen darauf hindeutet - wenig gekostet und viel verraten.
Die interessierende ursprüngliche Reaktion war der Wärmegradient im Kunststoffrohling.Hier zahlt sich der Vorteil radiometrischer Daten aus. Wenn das Bild als radiometrische Datendatei (.is2) gespeichert wird, kann die SmartView-Software von Fluke das tatsächliche Datenarray (76.800 Datenpunkte) oder eine Teilmenge davon in eine .csv-Datei exportieren.Dann steht es dem Experimentator frei, die Antwortvariable nach Bedarf zu definieren.Beispielsweise könnte es sich um ein Maß für den ausgeprägten thermischen Gradienten entlang einer angezeigten Linie handeln, wie in gezeigt Abbildung 7 und Abbildung 8 .
Figur 7 : Wärmebild mit interessierender Linie (L 0 )
Figur 8 : Darstellung der Oberflächentemperatur entlang L 0
Oder die Reaktion könnte der Wärmegradient innerhalb eines rechteckigen Bereichs sein.Sehen Abbildung 9 .
Figur 9 : Wärmebild mit interessierendem Bereich (A 0 ) und Oberflächentemperaturen
Entweder die Linien- oder die Flächenreaktion ist der Verwendung von Messwerten eines diskreten thermischen Messgeräts als experimentelle Reaktion weit überlegen.Die Experimentatoren wählten log s von Bereich A 0 als ihre Antwortvariable auf den thermischen Gradienten.Später kamen zwei weitere Antworten hinzu – die gemessene Prozesszykluszeit in Minuten (CT) und der berechnete Stromverbrauch.Diese Reaktionen haben wichtige finanzielle Auswirkungen in Form von Anlagendurchsatz und Energiekosten.Abbildung 10 fasst den endgültigen Plan zusammen.
Figur 10 : Faktoren & Antworten
Definieren Sie Modell- und Replikationsläufe
Zunächst dachte man, dass ein 6-Faktoren-Experiment eine unüberschaubare Anzahl an Durchläufen ergeben würde, aber mit einem kurzen Aufheizzyklus und geringen Materialkosten, Das Projektteam entschied sich für ein vollständiges quadratisches Modell, mindestens plus 4 Läufe und 8 Wiederholungsläufe, wie in gezeigt Abbildung 11 . Bei kluger Planung konnten die Experimentatoren alle 40 Versuche an einem Tag durchführen, daher war keine Blockierung erforderlich.
Figur 11 : I-Optimales Design
Design-Check
Die Farbkarte für Korrelationen zeigte, dass das Design gut war und das Experiment fortgesetzt werden konnte.Sehen Abbildung 12 .
Figur 12 : Design-Check
Philosophische Anmerkung zur Teamdynamik
Wärmebilder wie die oben gezeigten, die leicht verständlichen DOE-Designbildschirme und das JMP Modell anpassen Die unten gezeigte Ausgabe zog viel Aufmerksamkeit von Experimentatoren und anderem Fabrikpersonal auf sich.Während der Arbeit wurden Wärmebilder von Objekten, Maschinen und Personen aufgenommen und deren Bedeutung begeistert diskutiert.In der Zwischenzeit lösten der JMP Prediction Profiler und die Interaction Plots viele Diskussionen und lebhafte Debatten aus.Meinungen wurden geäußert.Erfahrungen wurden geteilt.
Als Ergebnis dieser bemerkenswerten Teamdynamik entschieden sich die Menschen freiwillig, an den Bemühungen zur Prozessverbesserung teilzunehmen, und bewiesen damit das Lean-Sprichwort Halten Sie es einfach und visuell.
SCHRITT 4 – DEN PLAN AUSFÜHREN
Wie üblich gab es ein paar Übungsläufe, um die zu erwartenden Verfahrensfehler herauszuarbeiten.An dem Dokument mit dem Titel wurden Anpassungen vorgenommen Checkliste zum Stellen der richtigen Frage und klare operative Definitionen wurden für alle Messungen geschrieben.T Dann machten sich die Experimentatoren noch schmutzigere Hände, als sie die 40 Reaktionsdatensätze sammelten.Dabei wurde viel gelernt.
Voraussetzung Nr. 1 – Suche nach konstanten s
Nach dem Anpassen der gesammelten und berechneten Antwortdaten an das Modell wurden die Ergebnisse mit 3 visuellen Methoden, dem Residuen-durch-Vorhersage-Plot, dem Box-Cox-Plot und einer Normalitätsprüfung der Residuen auf konstante s überprüft.Zwei von 3 haben den Test bestanden (vgl Abbildung 13 als Beispiel) und das Team ging zur nächsten Voraussetzung über.
Figur 13 : Auf konstante s prüfen
Voraussetzung Nr. 2 – Plausibilitätsprüfung der Messung
Mit 8 Wiederholungsläufen konnte die Wiederholbarkeit des Prozesses und des Messsystems überprüft werden.J Tabellarische EMP-Ausgabe von MP 6 ( Abbildung 14 ) ergab, dass 90 % der gemessenen Abweichung von den Versuchsläufen selbst stammten. Variabilitätsdiagramm von JMP ( Abbildung 15 ) lieferte erhärtende Einblicke in grafischer Form.
Figur 14 : EMP Plausibilitätsprüfung
Figur fünfzehn : Variabilitätsdiagramm
Diese Ergebnisse waren leicht verständlich und die Experimentatoren stimmten zu, fortzufahren.
Ergebnisse überprüfen
Die Ausgabe des Fit-Modells von JMP ist hochgradig grafisch und erleichtert die Aufgabe, experimentelle Ergebnisse Personen auf verschiedenen Organisationsebenen zu erklären.Die Ausgabe reicht von tabellarisch über grafisch bis hin zu hochgradig interaktiv, wie in gezeigt Abbildung 16 zu Abbildung 19 .
T Die tatsächliche durch vorhergesagte Handlung (siehe Abbildung 16 ) ist eine Bewertung der Qualität des Modells selbst.Die aufgetragenen Punkte zeigen eine gute Vorhersagefähigkeit.
Figur 16 : Tatsächlicher durch vorhergesagter Plot
Die sortierten Parameterschätzungen ( Abbildung 17 ) teilen uns in knapper tabellarischer/grafischer Form die relative Bedeutung jedes Terms im Modell mit.Der bedeutendste Faktor war der Haupteffekt von Zone.Die zweit- und drittwichtigsten Terme sind die Wechselwirkungen der Zone 1–3 und die Wechselwirkungen der Zone 1–5.Die Interaktionsprofile ( Abbildung 18 ) bieten zusätzliche Einblicke.
Figur 17 : Sortierte Parameterschätzungen
Figur 18 : Interaktionsprofile
Die Entdeckung der starken Z1-Z3- und Z1-Z5-Wechselwirkungen ( dh solche mit Ecke-an-Ecke-Nebeneinanderstellungen ) war ein Quantensprung im Prozessverständnis.
Nachdenken und einen Sweet Spot auswählen
Die Experimentatoren und Führungskräfte des Unternehmens stellten fest, dass der JMP Prediction Profiler eine klare visuelle Bewertung von technisch-finanziellen Kompromissen ermöglicht und eine einfache, leistungsstarke Möglichkeit bietet, Geschäftsentscheidungen auf der Grundlage von Daten aus tatsächlichen Prozessbeobachtungen zu treffen.Sehen Abbildung 19 .
Figur 19 : Vorhersage-Profiler
Etwas der Heizzonen hatte keinen dramatischen Einfluss auf die thermischen Gradienten, sodass die Einschaltdauer auf das untere Ende des Bereichs eingestellt werden konnte, um Energiekosten zu sparen, die Lebensdauer der Heizelemente zu verlängern, Wartungskosten zu sparen und zu kostspielige Produktionsunterbrechungen reduzieren.
An Ihrem entworfenen Experiment ist nichts auszusetzen …
So wie die Natur ein Vakuum verabscheut (zumindest hier auf der Erde), verabscheuen einige Hersteller ebenfalls den Bereich nahe den Extremen der experimentellen Bereiche und steilen Bereiche der Antwortkurven.Infolgedessen dachte das Team über das Experiment nach Äußere Grenzen mit Vorsicht, da sie nichts darüber wussten, was bei Arbeitszyklen außerhalb der getesteten Bereiche passiert.Was würde beispielsweise passieren, wenn Zone 1 auf einen Arbeitszyklus von 65 % abdriften würde?Niemand wusste.
Umgekehrt, wenn Antwortkurven steil geneigt sind, wie es bei Zone 3 der Fall war, Abscheu vor den Extremen kann teuer werden.Eine kleine Änderung des Faktors kann eine signifikante Änderung der Antwort auslösen.Beachten Sie, dass der Mindestwert von log s von A 0 tritt bei einer Einschaltdauer für Zone 3 von 70 % auf.Dieser Sollwert liegt jedoch am äußersten Ende des getesteten Bereichs und auf dem steilen Teil der Zone-3-Kurve, der schlimmste Albtraum eines Prozessingenieurs.Abbildung 20 hebt diese Gefahrenzone des Prozesses hervor.
Figur 20 : Lästige Zone 3
Die Experimentatoren beschlossen, die Einschaltdauer der Zone 3 auf 41 % zu reduzieren und die daraus resultierende Einbuße in Kauf zu nehmen log s von A 0 .Das Grundprinzip: Wählen Sie Prozesseinstellungen, die robust gegenüber Schwankungsquellen wie Alterung der Heizelemente, Umgebungsluftströmungen, Drift, Fehler usw. sind. F Abbildung 21 visualisiert erneut die Gründe für den gewählten Sweet Spot für alle 6 Zonen in der Mitte eines Plateaus, abseits der Extreme.
Figur 21 : Herstellerhimmel
Modell testen und Toleranzintervall auswerten
Als nächstes testeten die Experimentatoren wiederholt den Sweet Spot und verwendeten die gesammelten Daten, um ein Toleranzintervall zu berechnen, in diesem Fall mit 95 % Konfidenz auf 99 % des zukünftigen Produkts.Das Toleranzintervall erwies sich im Hinblick auf die Kundenerwartungen als zufriedenstellend.
SCHRITT 5 – ERKENNEN SIE DEN ERFOLG
Mit den überzeugenden neuen Erkenntnissen, die während des Experiments gewonnen wurden, empfahlen die Experimentatoren zuversichtlich dauerhafte Änderungen in der Unternehmensführung.Es wurde gehandelt.Zusätzliche Studie wurde genehmigt.Ein paar wichtige Dinge blieben jedoch.
Reflektieren
Die Experimentatoren haben aus ihren Fehlern gelernt.Eine schlanke Praxis, Hansei 9 , schlägt vor, über Arbeitsmethoden nach dem Erreichen eines wichtigen Meilensteins wie dem Ende eines Lernzyklus und dem Beginn eines anderen nachzudenken.Das Team führte eine informelle und ehrliche Diskussion darüber, was sie falsch gemacht haben und was sie hätten besser machen können.Diese Übung erwies sich als nützlich für Folgestudien und zukünftige Experimente.
Anderen helfen
Die Experimentatoren nahmen sich auch die Zeit, sich mit einer anderen nützlichen Lean-Praxis zu beschäftigen, Yokoten 10 , was den lateralen Austausch von Best Practices in der gesamten Organisation vorschlägt.Zu den Vorteilen dieser Praxis gehört es, anderen DOE-Methoden vorzustellen und ihnen zu helfen, ihre eigenen Experimente durchzuführen.
Anerkennen
Darüber hinaus hielt das Team inne, um seinen Erfolg anzuerkennen, und stellte sicher, dass alle Teilnehmer für ihre Beiträge sichtbar gewürdigt wurden.Große Stapel Pizzabrötchen wurden hereingebracht.
Monitor
Zusätzlich log s von Bereich A 0 Daten wurden regelmäßig gesammelt, um das Vorhandensein von Prozessabweichungen zu erkennen.Sollte sich die Ofenleistung deutlich verschlechtern, würde das Problem schnell sichtbar und dann untersucht und behoben.
SCHLÜSSEL ZUM ERFOLG
Die Qualität der erzielten Ergebnisse wurde stark von den hervorragenden Beiträgen der Mitarbeiter an vorderster Front, der Verwendung der gepriesenen Datenvisualisierungsfunktionen von JMP, der Fähigkeit, „Wärme zu sehen“ und einem Konsensansatz bei der Entscheidungsfindung beeinflusst.Es wurde auch deutlich, dass Design of Experiments und Thermografie sich in hohem Maße ergänzende Technologien sind.Wäre das Team auf Trial & Error, Ein-Faktor-zu-Zeit-Experimente oder die Verwendung diskreter Wärmemessgeräte beschränkt gewesen, wäre der Thermoformer mit ziemlicher Sicherheit so weitergehumpelt wie immer.
ANDERE ANWENDUNGEN
Experimente mit thermografischen Antwortgrößen können überall dort eingesetzt werden, wo Hersteller Kenntnisse über Prozessursache und thermische Wirkung benötigen.Im Folgenden finden Sie eine Reihe verschiedener Anwendungen, bei denen sich thermografische Antwortvariablen als nützlich erweisen würden.Es gibt bestimmt noch viele mehr.
- Lebensmittelherstellung
- Extrusion
- Glühen & Wärmebehandlung
- Metallurgie
- Spritzguss
- HVAC-Design
- Komposite
- Pultrusion
- Heizungs-, Kühlsystem- und Trocknerdesign
VERWEISE
[1] Roger Hoerl und Ron Snee, Statistisches Denken , 2 nd Ausgabe, John Wiley & Sons, The Wiley and SAS Business Series, 2012
[2] Ian Cox, Marie A. Gaudard, Philip J. Ramsey, Mia L. Stephens und Leo T. Wright, Visuelles Six Sigma , SAS Institute, Inc., Verlag: John Wiley & Sons, SAS Business Series (2010)
[3] Mike Rother, Toyota-Kata, CH. 5, McGraw-Hill, 2010
[4] Das Shingo-Institut, Das Shingo-Modell , Utah State University, 2014
[5] William D. Kappele, Durchführen objektiver Experimente mit JMP , 5. Auflage, August 2011, Objective Experiments.Checkliste finden Sie unter www.objexp.com .
[6] Donald J. Wheeler, EMP III, Bewertung des Messverfahrens , SPC Press, 2010
[7] Die Snell-Gruppe, Kurshandbuch Thermografie Level 1 , Barré, VT, 2014
[8] Jurans Qualitätshandbuch , Kapitel 6, Juran und DeFeo, McGraw-Hill, 2010
[9] Blog der Gemba-Akademie, Buße, ich meine Hansei!, 2. Mai 2007
[10] DVD der Gemba-Akademie, JIT-Technologien, Teil 6
DANKSAGUNGEN
Bill Kappele von Objective Experiments lieferte wichtige Rezensionen und Kommentare zu diesem Papier.
AUTOR BIOGRAFIEN
Stephen W. Czuprina ist ein Verfahrenstechnischer Berater und Ausbilder mit objektiven Experimenten in Bellingham, WA.Er hat einen BS-Abschluss in Wirtschaftswissenschaften, einen AS in Laserelektrooptik und ist ein vom Pyzdek Institute zertifizierter Lean Six Sigma Black Belt.Er hat auch ein Thermografie-Zertifikat der Stufe I von The Snell Group mit anerkannter Kompetenz in elektrischen und mechanischen IR-Tests.
Tony Shockey ist der Fluke Thermography Services Manager für Amerika .Er kommt aus der Industrie und hat einen Hintergrund in Instrumentierung, Automatisierung und Prozesssteuerung vom Bellingham Technical College sowie eine Infrarot-Level-II-ASNT-konforme Schulung.Als Fachexperte bei Fluke seit 7 Jahren hat er weltweit Vorträge zu diesen Themen gehalten, umfassende Schulungen für Vertriebspartner und wichtige Endbenutzer durchgeführt und ist weiterhin technischer Support für die Fluke Corporation.
Roy Huff ist Vizepräsident der Snell-Gruppe.Er unterrichtet und berät in einer breiten Palette von Themen zum Testen von Infrarot- und Elektromotoren.Roy hat einen BSEE von der University of Missouri-Columbia und ein Level III Wärme-/Infrarotzertifikat von ASNT.Er ist von SMRP als Certified Reliability Maintenance Professional zertifiziert und verfügt über eine Level III IRT NAS410-Zertifizierung.Er hat auf P/PM National Symposium, Thermosense, Thermal Solutions, EPRI, SMRP und anderen Konferenzen präsentiert.
