Diseño de Experimentos con
Datos de respuesta radiométrica
Un caso de estudio
S tephen W. Czupryna, Experimentos objetivos ( stevecz@objexp.com )
Tony Shockey, Corporación Fluke ( tony.shockey@fluke.com )
Roy Huff, El Grupo Snell ( rhuff@thesnellgroup.com )
RESUMEN
Él Voz del Proceso viene a nosotros en muchas formas.La temperatura, la presión, la tensión, la dureza, el acabado superficial y otros datos válidos del proceso dicen mucho sobre los procesos de fabricación que generan nuestros ingresos.
Para muchos procesos, la comprensión clave se obtiene escuchando las Voz del Proceso en el lenguaje de la temperatura.Históricamente, hemos utilizado termopares, pirómetros y otros dispositivos discretos para medir la temperatura y se ha aprendido mucho.Sin embargo, el advenimiento de las cámaras termográficas rentables ahora proporciona una forma mucho mejor de escuchar la voz termodinámica de nuestros procesos industriales con una comodidad y una resolución impensables en un pasado no muy lejano.Con una cámara termográfica y software estadístico en la mano, estamos increíblemente bien equipados para escuchar los mensajes importantes que nuestros procesos nos susurran en la banda infrarroja del espectro electromagnético.
Este documento es un estudio de caso sobre una empresa de procesamiento de plásticos que utilizó JMP 11®, una cámara termográfica Fluke Ti32®, el software SmartView® de Fluke y el método de diseño de experimentos (DOE) de 5 pasos de Objective Experiments para obtener nuevos conocimientos sobre un proceso de termoformado. que había arrojado resultados decepcionantes durante décadas.Los intentos anteriores de mejorar el proceso con termopares y pirómetros proporcionaron ganancias incrementales, pero fue solo cuando la empresa recopiló datos radiométricos válidos como parte de un experimento diseñado que finalmente lograron mejoras revolucionarias y afectaron drásticamente los resultados de la empresa.
Este documento también explicará cómo el factor sorpresa visto tanto en termogramas de alta resolución como en las herramientas de visualización de datos de JMP asimilaron un grupo diverso de trabajadores, supervisores y gerentes de primera línea en un equipo cohesivo con una habilidad especial para descubrir nuevos conocimientos.
TERMOGRAFÍA, EN BREVE
Todos los objetos en la tierra emiten radiación infrarroja (IR).Mediante el uso de cámaras infrarrojas sin contacto, un termógrafo certificado puede detectar y medir la radiación IR emitida por una superficie y medir la temperatura de la superficie y los gradientes térmicos. Figura 1 muestra cómo las cámaras termográficas detectan fácilmente fenómenos importantes que el ojo humano no puede detectar.
Cifra 1 : Condición peligrosa en fusible eléctrico
Una cámara infrarroja es un dispositivo electro-óptico compuesto por un detector, óptica IR, pantalla, controles, medios de almacenamiento y fuente de alimentación.Ver Figura 2 . Estos instrumentos tienen muchas aplicaciones industriales que brindan al usuario visualizaciones de patrones térmicos y datos cuantitativos que pueden analizarse con el software de análisis de imágenes del fabricante o software estadístico como JMP.
Cifra 2 : Cámara termográfica Fluke Ti32
De particular importancia son el detector y la óptica.Los detectores típicos son sensibles a la radiación en dos bandas espectrales, IR de onda media (2,5-6,0 µm) e IR de onda larga (8,0-15,0 µm).El detector de matriz de plano focal viene en una variedad de resoluciones.Para el Fluke Ti32, la matriz es de 320 x 240 píxeles, que se considera alta resolución para cámaras térmicas.Por lo tanto, una sola imagen produce la misma información que se obtendría de 320x240 = 76 800 termopares discretos. El tamaño y la densidad del detector combinados con la óptica establecen la resolución espacial y de medición del sistema.
Heat marcha a su propio baterista
La energía que sale de una superficie puede estar compuesta por radiación electromagnética emitida, reflejada y, para algunos materiales, transmitida.Para el análisis termográfico, solo la energía emitida proporciona información útil sobre la temperatura de la superficie y se debe compensar la energía reflejada y transmitida, si está presente.Afortunadamente, un termógrafo certificado conoce estas limitaciones y puede utilizar los algoritmos de la cámara para eludir la influencia no deseada de la energía reflejada, la energía de fondo y la transmisión IR inherente a ciertos materiales.Es fundamental tener en cuenta que las cámaras IR tienen una curva de aprendizaje sustancial y que se necesita aproximadamente una semana de capacitación práctica para garantizar mediciones precisas.
La emisividad es una propiedad clave que describe la capacidad de un material para emitir radiación térmica. La emisividad varía entre 0 y 1 y es una función del tipo de material, la condición de la superficie, la temperatura, la longitud de onda y el ángulo de visión.Una vez más, la habilidad del termógrafo certificado juega un papel importante en la evaluación del objeto bajo estudio y en la configuración de la cámara para realizar mediciones confiables.
Termografía, ya no es solo para inspecciones de edificios
Existe una amplia variedad de aplicaciones para la termografía infrarroja, incluidos diagnósticos eléctricos, electromecánicos, mecánicos, de edificios y techos, pruebas no destructivas, inspección de aeronaves, control de procesos industriales y mejora de procesos industriales.Existen muchas aplicaciones en la industria de los plásticos, incluido el termoformado, como se analiza en este documento, así como la extrusión, el rotomoldeo y el moldeo por inyección.
El generador de imágenes Fluke Ti32
El generador de imágenes Fluke Ti32 utilizado para este proyecto de mejora de procesos tiene una matriz de detectores de microbolómetros que opera en el espectro infrarrojo de onda larga.El campo de visión instantáneo (IFOV) para este sistema es de 1,25 mRad y la distancia mínima de enfoque es de aproximadamente 6 pulgadas con la lente integrada.La sensibilidad térmica de este modelo es muy buena a 45mK y la tasa de adquisición es de 60Hz.
Las imágenes de este informe se procesaron y analizaron utilizando el software Fluke SmartView®.Este software incluye diversas herramientas de análisis, el ajuste de variables como la emisividad y la exportación de datos.El software permite al termógrafo cambiar retroactivamente todos los ajustes de la cámara excepto, por supuesto, el enfoque.
ES TODO SOBRE EL CALOR
mi Los conocimientos de ingeniería apuntan hacia el control de la temperatura como un factor crítico durante todas las fases del proceso de termoformado.Es un hecho bien establecido que las piezas buenas son el resultado de un calentamiento y enfriamiento uniformes tanto de la pieza plástica en bruto como de la pieza termoformada.Se sabe que los gradientes térmicos excesivos provocan distorsión de las piezas, control de espesor deficiente, debilidad estructural y acabado superficial deficiente.
EL RETO
El horno termoformador bajo estudio tiene un diseño inusual con un sistema de lanzadera y una matriz de calentamiento de un solo lado como se muestra en figura 3 y Figura 4 .
La bandeja transportadora está sobre rieles que mueven la pieza de plástico directamente debajo de una matriz de calentamiento horizontal de varias zonas y luego transportan la pieza en bruto calentada donde se recoge y se forma al vacío a mano en moldes en espera.El calentamiento ocurre desde una sola dirección y la distancia desde la bandeja hasta el conjunto de calentadores es fija .La matriz y el espacio en blanco superpuesto se muestran en Figura 4 .
Se sabía por estudios anteriores que la temperatura de la superficie de los espacios en blanco variaba significativamente a lo largo y ancho.Un operador comentó que la primera imagen térmica exploratoria del blanco calentado parecía una camiseta teñida de Jimi Hendrix de los años 70 !
El trabajo no contenía nada nuevo experimentalmente, por lo que el resto de este documento enfatiza el enfoque paso a paso de la experimentación, la dinámica del equipo y la filosofía experimental utilizada para las decisiones.
EQUIPO EXPERIMENTAL
La gerencia de la empresa eligió a 3 personas para el trabajo: un operador de línea capacitado (¡un cliente!), un supervisor y un ingeniero de procesos con experiencia en el DOE.Otras personas fueron traídas al trabajo según fue necesario. En adelante, este grupo se denominará colectivamente como la experimentadores .
FILOSOFIA DOE
A pesar de su sesgo técnico, el éxito del DOE depende de la base filosófica de los experimentadores y sus gerentes.
DOE es iterativo
A pesar de la designación corporativa del estudio del proceso de termoformado como un Proyecto Aprobado con una fecha de finalización objetivo y varios hitos, los experimentadores pensaron sigilosamente en diferentes líneas.Vieron el trabajo como el comienzo de numerosos, preferiblemente breves, ciclos de aprendizaje. 1,2,3,4 eso produciría una comprensión profunda del proceso.No buscaban una solución rápida.
El DOE no es un deporte para espectadores
Aquellos con experiencia previa en el DOE sabían que, por lo general, es preferible realizar el experimento y recopilar los datos ellos mismos en lugar de entregar la tarea a un técnico de laboratorio u otro colega.Por lo tanto, todos los experimentadores planearon ensuciarse las manos, lo quisieran o no.
Cuidado con las suposiciones
Todos acordaron no dar nada por sentado.Observaron cuidadosamente el proceso, tomaron notas, hablaron con los operadores y finalmente ejecutaron el proceso ellos mismos.Los experimentadores realizaron las comprobaciones de mantenimiento semanales, la autocomprobación del controlador y similares.Se descubrieron y abordaron algunos problemas antes del inicio del trabajo. yo norte Al final, parecía haber una fuerte correlación positiva entre el conocimiento adquirido y la cantidad de arena en las manos del experimentador.
PASO 1 – ESTABLECER LA META
Muchos experimentos industriales fracasan porque el objetivo no está bien definido.Un documento útil titulado Lista de verificación para hacer la pregunta correcta 5 brindó una solución simple y sencilla a este problema potencial y un excelente foro para la discusión grupal.Con el tiempo, el grupo llegó a un consenso inusual: la base de conocimientos existente era demasiado escasa para establecer el objetivo de una manera típica de gestión como r reducir la chatarra en un 25% en 6 meses o aumentar el tiempo de actividad en un 5% cada 2 meses .En cambio, el objetivo se definió de manera no tradicional, en forma de un condición objetivo 3 como se muestra en Figura 5 .
AUMENTAR LA COMPRENSIÓN DEL PROCESO
CON LA MÁXIMA PARTICIPACIÓN DEL OPERADOR
Y DISEÑO ITERATIVO DE EXPERIMENTOS
Cifra 5 : Condición objetivo
Se creía que una mejor comprensión de los procesos en todos los niveles organizacionales conduciría inexorablemente a modelos predictivos útiles y nuevos conocimientos.Luego, estarían equipados para determinar los ciclos de trabajo ideales de cada zona del calentador y las prácticas de producción para una amplia gama de tipos, tamaños y espesores de plástico.
PASO 2: ELIJA UNA ESTRATEGIA
Los experimentadores tenían que decidir entre los 3 enfoques básicos para la experimentación. 5 :
- Poner en pantalla
- Modelo de interacciones (frugal)
- Modelo de superficie de respuesta (completo)
Con la dolorosa historia del rendimiento impredecible del termoformador en mente, la dirección de la empresa aprobó amplios recursos para el experimento y el grupo acordó rápidamente el enfoque de la superficie de respuesta.
PASO 3: CREAR UN PLAN
Estrategia en mano, todo estaba en su lugar para crear un plan.
Elija factores y rangos experimentales
El plan tenía 6 factores de proceso: los ciclos de trabajo, en %, de cada zona del calentador.Los rangos variaron de 20-60% a 30-70%.
Piensa en factores conocidos para mantener constante
Los factores que no estaban bajo estudio se mantuvieron constantes durante el experimento.
- Operador de maquinaria ( un experimentador )
- Lote de producción de espacios en blanco de plástico
- Tiempo entre la expulsión del blanco calentado y la captura de la imagen térmica
- Etc.
¡Peligro, variables al acecho!
El equipo del proyecto pasó la mayor parte de su tiempo en el área de trabajo, lo que brindó una excelente oportunidad para identificar y abordar una larga lista de insidiosas variables al acecho.
- Temperatura ambiente
- Humedad ambiental
- Circulación aérea
- Hora del día, descansos
- Etc.
El plan incluía un tiempo de calentamiento de la termoformadora de 1 hora para asegurar condiciones térmicas estables, el registro de variables ocultas y la realización de corridas experimentales en sucesión, sin interrupciones.Un truco del termógrafo fue particularmente útil 7 .Los experimentadores colocaron cinta aislante de vinilo negro Scotch® Super 33+ en un objeto no metálico adyacente a la termoformadora.Ver Figura 6 .
Cifra 6 : El mejor amigo de un termógrafo
Esta cinta tiene una emisividad predecible de 0,95 y proporcionó un punto de medición excelente para la temperatura ambiente.La pintura en aerosol negra plana Krylon también tiene una emisividad de 0.95 y puede ser utilizado para el mismo propósito 7 .
Elige respuestas
El plan inicial tenía una respuesta y los experimentadores estaban abiertos a agregar más a medida que acumulaban nuevos conocimientos.Esta fue otra desviación del enfoque histórico de planificar todo por adelantado y establecer plazos arbitrarios.Su enfoque alternativo - agregue nuevas respuestas a medida que lo indique el aumento de nuevos conocimientos - Cuesta poco y revela mucho.
La respuesta original de interés fue el gradiente térmico en el blanco de plástico.Aquí es donde la ventaja de los datos radiométricos paga enormes dividendos. Cuando la imagen se guarda como un archivo de datos radiométricos (.is2), el software SmartView de Fluke puede exportar la matriz de datos real (76 800 puntos de datos) o un subconjunto de los mismos a un archivo .csv.Luego, el experimentador es libre de definir la variable de respuesta según sea necesario.Por ejemplo, podría ser una medida del gradiente térmico distinto a lo largo de una línea indicada como se muestra en Figura 7 y Figura 8 .
Cifra 7 : Imagen térmica con línea de interés (L 0 )
Cifra 8 : Gráfica de temperatura superficial a lo largo de L 0
O bien, la respuesta podría ser el gradiente térmico dentro de un área rectangular.Ver Figura 9 .
Cifra 9 : Imagen térmica con área de interés (A 0 ) y temperaturas superficiales
La respuesta de línea o de área es muy superior al uso de lecturas de un indicador térmico discreto como respuesta experimental.Los experimentadores eligieron log s del Área A 0 como su variable de respuesta al gradiente térmico.Posteriormente se agregaron dos respuestas más: el tiempo de ciclo de proceso medido en minutos (CT) y el consumo de energía calculado.Estas respuestas tienen implicaciones financieras importantes en forma de rendimiento de la planta y costos de energía.Figura 10 resume el plan final.
Cifra 10 : Factores y respuestas
Defina el modelo y planifique las ejecuciones de réplicas
Al principio, se pensó que un experimento de 6 factores daría como resultado una cantidad inmanejable de ejecuciones, pero con un ciclo de calentamiento corto y bajos costos de material. el equipo del proyecto decidió un modelo cuadrático completo, mínimo más 4 corridas y 8 corridas replicadas como se muestra en Figura 11 . Con una planificación inteligente, los experimentadores podían ejecutar las 40 pruebas en un día, por lo que no se necesitaban bloqueos.
Cifra 11 : I-Diseño óptimo
Comprobación de diseño
El Mapa de color de las correlaciones mostró que el diseño era bueno y que el experimento podía continuar.Ver Figura 12 .
Cifra 12 : Comprobación de diseño
Nota filosófica sobre la dinámica de equipo
Imágenes térmicas como las que se muestran arriba, las pantallas de diseño DOE de fácil comprensión y el JMP Modelo de ajuste El resultado que se muestra a continuación llamó mucho la atención de los experimentadores y otro personal de la fábrica.Durante el trabajo se tomaron imágenes térmicas de objetos, maquinarias y personas y se discutió con entusiasmo su significado.Mientras tanto, JMP Prediction Profiler y Interaction Plots generaron mucha discusión y un animado debate.Se expresaron opiniones.Se compartió la experiencia.
Como resultado de esta notable dinámica de equipo, las personas eligieron libremente participar en el esfuerzo de mejora de procesos, lo que demuestra el adagio Lean mantenlo simple y visual.
PASO 4 – EJECUTAR EL PLAN
Como de costumbre, se realizaron algunas prácticas para resolver los problemas de procedimiento esperados.Se realizaron ajustes al documento titulado Lista de verificación para hacer la pregunta correcta y se escribieron definiciones operativas claras para todas las mediciones.T Luego, los experimentadores se ensuciaron aún más las manos al recopilar los 40 conjuntos de datos de respuesta.Se aprendió mucho en el camino.
Requisito previo n.º 1: comprobar si hay constantes
Después de ajustar los datos de respuesta recopilados y calculados al modelo, se verificaron los resultados para s constantes usando 3 métodos visuales, la gráfica de residuos por predicción, la gráfica de Box-Cox y una verificación de normalidad de los residuos.Dos de 3 pasaron la prueba (ver Figura 13 como ejemplo) y el equipo pasó al siguiente requisito previo.
Cifra 13 : Compruebe si hay constante s
Requisito previo n.º 2: verificación de la cordura de la medición
Con 8 réplicas, fue posible verificar la repetibilidad del proceso y el sistema de medición.j Salida EMP tabular de MP 6 ( Figura 14 ) reveló que el 90% de la variación medida provenía de las propias corridas experimentales. Tabla de Variabilidad de JMP ( Figura 15 ) proporcionó información corroborativa en forma gráfica.
Cifra 14 : verificación de cordura EMP
Cifra 15 : Gráfico de variabilidad
Estos resultados fueron fáciles de entender y los experimentadores acordaron continuar.
Revisar resultados
La salida del modelo de ajuste de JMP es de naturaleza muy gráfica, lo que facilita la tarea de explicar los resultados experimentales a las personas en diferentes niveles organizacionales.La salida varía de tabular a gráfica a altamente interactiva como se muestra en Figura 16 a Figura 19 .
T El gráfico Real por Predicho (ver Figura 16 ) es una evaluación de la calidad del propio modelo.Los puntos trazados indican una buena capacidad predictiva.
Cifra dieciséis : real por gráfico predicho
Las estimaciones de parámetros ordenados ( Figura 17 ) nos dicen, en una forma tabular/gráfica concisa, el significado relativo de cada término en el modelo.El factor más significativo fue el efecto principal de Zona.Los términos segundo y tercero más significativos son las interacciones de la Zona 1-3 y las interacciones de la Zona 1-5.Los perfiles de interacción ( Figura 18 ) proporcionan información adicional.
Cifra 17 : Estimaciones de parámetros ordenados
Cifra 18 : Perfiles de interacción
El descubrimiento de las interacciones fuertes Z1-Z3 y Z1-Z5 ( es decir, aquellos con yuxtaposiciones de esquina a esquina ) supuso un salto cualitativo en la comprensión de los procesos.
Reflexionando y eligiendo un punto dulce
Los experimentadores y los ejecutivos de la empresa descubrieron que JMP Prediction Profiler permite una evaluación visual clara de las compensaciones técnico-financieras, lo que brinda una manera fácil y poderosa de tomar decisiones comerciales basadas en datos de observaciones de procesos reales.Ver Figura 19 .
Cifra 19 : Perfilador de predicción
Alguno de las zonas de calentamiento no tuvo un impacto dramático en los gradientes térmicos, por lo que el ciclo de trabajo se puede establecer hacia el extremo inferior del rango para ahorrar costos de energía, prolongar la vida útil de los elementos de calentamiento, ahorrar costos de mantenimiento y reducir las costosas interrupciones de la producción.
No hay nada malo con su experimento diseñado...
Así como la naturaleza aborrece el vacío (bueno, al menos aquí en la tierra, de todos modos), algunas personas manufactureras también aborrecen el área cercana a los extremos de los rangos experimentales y las áreas empinadas de las curvas de respuesta.Como resultado, el equipo ponderó el experimento Límites exteriores con precaución ya que no sabían nada sobre lo que sucede en los ciclos de trabajo fuera de los rangos probados.Por ejemplo, ¿qué sucedería si la Zona 1 pasara a un ciclo de trabajo del 65 %?Nadie lo sabía.
Por el contrario, cuando las curvas de respuesta tienen una pendiente pronunciada, como fue el caso de la Zona 3, aborreciendo-los-extremos puede ser costoso.Un pequeño cambio en el factor puede desencadenar un cambio significativo en la respuesta.Tenga en cuenta que el valor mínimo de logaritmo de A 0 ocurre en un ciclo de trabajo para la Zona 3 del 70%.Sin embargo, ese punto de ajuste está en el extremo del rango probado. y en la parte empinada de la curva de la Zona 3, la peor pesadilla de un ingeniero de procesos.Figura 20 destaca esta zona de peligro del proceso.
Cifra 20 : Zona molesta 3
Los experimentadores decidieron reducir el ciclo de trabajo de la Zona 3 al 41% y aceptar la penalización resultante en logaritmo de A 0 .Lo racional: elija configuraciones de proceso que sean resistentes a las fuentes de variación como el envejecimiento de los elementos calefactores, las corrientes de aire ambiente, la deriva, el error, etc. F figura 21 visualiza la lógica detrás del punto óptimo elegido para las 6 zonas, nuevamente en el centro de una meseta, lejos de los extremos.
Cifra 21 : El paraíso de los fabricantes
Pruebe el modelo y evalúe el intervalo de tolerancia
A continuación, los experimentadores probaron repetidamente el punto óptimo y usaron los datos acumulados para calcular un intervalo de tolerancia, en este caso con un 95 % de confianza en el 99 % del producto futuro.El intervalo de tolerancia resultó satisfactorio frente a las expectativas del cliente.
PASO 5: RECONOCER EL ÉXITO
Con el nuevo y poderoso conocimiento obtenido durante el experimento, los experimentadores recomendaron con confianza cambios permanentes en la gestión de la empresa.Se tomaron medidas.Se aprobó un estudio adicional.Sin embargo, quedaban algunos asuntos importantes.
Reflejar
Los experimentadores aprendieron de sus errores.Una práctica magra, Hansei 9 , sugiere reflexionar sobre los métodos de trabajo luego de alcanzar un hito significativo como el final de un ciclo de aprendizaje y el comienzo de otro.El equipo tuvo una discusión informal y honesta sobre lo que hicieron mal y lo que podrían haber hecho mejor.Este ejercicio resultó útil para estudios de seguimiento y experimentos futuros.
Ayuda a otros
Los experimentadores también se tomaron el tiempo para participar en otra útil práctica Lean, Yokoten 10 , lo que sugiere un intercambio lateral de las mejores prácticas en toda la organización.Los beneficios de esta práctica incluyen la introducción de métodos DOE a otros y ayudarlos a realizar sus propios experimentos.
Reconocer
Además, el equipo hizo una pausa para reconocer su éxito y se aseguró de que todos los participantes fueran visiblemente reconocidos por sus contribuciones.Trajeron grandes pilas de pizzas.
Monitor
Adicional log s del Área A 0 los datos se recolectaron regularmente para detectar la presencia de deriva del proceso.Si el rendimiento del horno se deteriora significativamente, el problema sería rápidamente visible y luego investigado y abordado.
CLAVES PARA EL ÉXITO
La calidad de los resultados obtenidos estuvo muy influenciada por las magníficas contribuciones de los trabajadores de primera línea, el uso de las cacareadas capacidades de visualización de datos de JMP, la capacidad de "ver el calor" y un enfoque de consenso para la toma de decisiones.También quedó claro que el Diseño de Experimentos y la termografía son tecnologías altamente complementarias.Si el equipo se hubiera limitado a prueba y error, experimentos de un factor a la vez o el uso de medidores térmicos discretos, es casi seguro que la termoformadora habría seguido cojeando como siempre.
OTRAS APLICACIONES
Los experimentos con variables de respuesta termográfica se pueden utilizar siempre que los fabricantes requieran conocimiento de la causa del proceso y el efecto térmico.A continuación se presentan varias aplicaciones diferentes en las que las variables de respuesta termográfica resultarían útiles.Seguro que existen muchos más.
- Fabricación de alimentos
- Extrusión
- Recocido y tratamiento térmico
- Metalurgia
- Moldeo por inyección
- diseño de climatización
- Composicion
- pultrusión
- Diseño de calentador, sistema de enfriamiento y secador
REFERENCIAS
[1] Roger Hoerl y Ron Snee, pensamiento estadístico , 2 Dakota del Norte edición, John Wiley & Sons, The Wiley and SAS Business Series, 2012
[2] Ian Cox, Marie A. Gaudard, Philip J. Ramsey, Mia L. Stephens y Leo T. Wright, Seis Sigma Visual , Instituto SAS, Inc., Publicado por John Wiley & Sons, SAS Business Series (2010)
[3] mike rother, toyota cata, cap. 5, McGraw-Hill, 2010
[4] el Instituto Shingo, El modelo Shingo , Universidad Estatal de Utah, 2014
[5] Guillermo D. Kappele, Realización de experimentos objetivos con JMP , 5ª edición, agosto de 2011, Experimentos objetivos.La lista de verificación está disponible en www.objexp.com .
[6] Donald J. Wheeler, EMP III, Evaluación del Proceso de Medición , Prensa SPC, 2010
[7] el grupo snell, Manual del curso de termografía de nivel 1 , Barra, VT, 2014
[8] Manual de calidad de Juran , Capítulo 6, Juran y DeFeo, McGraw-Hill, 2010
[9] Blog de la Academia Gemba, ¡Arrepiéntete, me refiero a Hansei!, 2 de mayo de 2007
[10] DVD de la Academia Gemba, Tecnologías JIT, Parte 6
AGRADECIMIENTOS
Bill Kappele de Objective Experiments proporcionó una revisión y un comentario clave sobre este documento.
BIOGRAFÍAS DE AUTORES
Stephen W. Czupryna es un Consultor e Instructor de Ingeniería de Procesos con Experimentos Objetivos en Bellingham, WA.Tiene una licenciatura en economía, un AS en electroóptica láser y es un cinturón negro Lean Six Sigma certificado por Pyzdek Institute.También tiene un certificado de termografía de nivel I de The Snell Group con competencia reconocida en pruebas de IR eléctricas y mecánicas.
Tony Shockey es el Gerente de servicios de termografía de Fluke para América .Proviene de la industria y tiene experiencia en instrumentación, automatización y control de procesos de Bellingham Technical College, así como capacitación en conformidad con el nivel II de infrarrojos - ASNT.Como experto en la materia en Fluke durante 7 años, ha realizado presentaciones en todo el mundo sobre estos temas, ha realizado una amplia formación para socios de canal y usuarios finales clave y sigue siendo el soporte técnico de apoyo para Fluke Corporation.
Roy Huff es Vicepresidente del Grupo Snell.Enseña y asesora en una amplia gama de temas de pruebas de motores eléctricos e infrarrojos.Roy tiene un BSEE de la Universidad de Missouri-Columbia y un certificado térmico/infrarrojo de nivel III de ASNT.Está certificado por SMRP como profesional certificado en mantenimiento de confiabilidad y posee la certificación IRT NAS410 de nivel III.Ha presentado en el Simposio Nacional P/PM, Thermosense, Thermal Solutions, EPRI, SMRP y otras conferencias.
