Năng lực kỹ thuật chất lương - Độ tin cậy và Six Sigma với JMP

14/10/2020 28 lượt xem
  Để đạt được chất lượng cao đòi hỏi sự đam mê và cống hiến, không ngừng học hỏi và cải tiến. Sử dụng dữ liệu một cách có hệ thống để xác định những cách hiệu quả và hiệu quả hơn để hoàn thành công việc - và giảm thiểu chi phí, lãng phí và thời gian liên quan - mang lại các quy trình, sản phẩm, dịch vụ và mức độ hiệu suất của tổ chức tốt hơn. JMP cung cấp đầy đủ các khả năng hàng đầu trong ngành để giúp bạn xây dựng và bảo vệ thương hiệu của mình, giảm thời gian tiếp thị và chi phí bảo hành, đồng thời cung cấp các sản phẩm và dịch vụ luôn đáp ứng hoặc vượt quá mong đợi của khách hàng.

I - Năng lực kỹ thuật chất lượng.

Phần mềm trung tâm của chương trình chất lượng nên kết hợp nhiều kỹ thuật thống kê và đồ họa, ở dạng mà bạn có thể dễ dàng sử dụng. JMP cung cấp các khả năng vượt trội cho DOE (Thế hệ thứ hai), kiểm soát quy trình tương tác và phân tích khả năng, phân tích dự đoán và báo cáo - vì vậy bạn có thể xác định các vấn đề mới nổi, xác định nguyên nhân gốc rễ của chúng và ngăn chặn và giải quyết chúng trước khi chúng trở thành vấn đề của khách hàng.

1- Kiểm soát quy trình thống kê.

JMP cung cấp nhiều loại biểu đồ Kiểm soát Quy trình Thống kê (SPC) để tách biệt một cách hữu ích các nguyên nhân phổ biến và đặc biệt nhằm hỗ trợ các nỗ lực phân tích quy trình của bạn, bao gồm điều tra vấn đề, các điều kiện ngoài tầm kiểm soát và liên tục theo dõi tính ổn định.

 

Nền tảng Biểu đồ điều khiển cung cấp nhiều tính năng phong phú, chẳng hạn như khả năng thêm các biến số pha và chặn cũng như các quy tắc cảnh báo linh hoạt. Các nền tảng này hỗ trợ các biểu đồ sự kiện liên tục, rời rạc và hiếm. Trình tạo biểu đồ kiểm soát cho phép bạn tạo biểu đồ kiểm soát một cách tương tác bằng cách sử dụng kéo và thả, vì vậy bạn có thể dễ dàng khám phá các loại biểu đồ và chiến lược phân nhóm khác nhau để phân vùng các nguồn biến thể và xác định chiến lược kiểm soát thích hợp nhất. Trình tạo biểu đồ kiểm soát cũng có thể tạo biểu đồ cần thiết khi bạn có nhiều nguồn biến thể ngẫu nhiên. Tính tương tác của Trình tạo biểu đồ điều khiển cho phép bạn đánh giá hiệu suất theo những cách không thể sử dụng biểu đồ điều khiển tĩnh.

Kiểm soát quy trình thống kê

 

Biểu đồ Phạm vi Di chuyển và Cá nhân này cho thấy các giới hạn kiểm soát theo từng giai đoạn bằng đầu chiết rót cho hoạt động đóng gói ngũ cốc. Vùng Sigma được mã hóa màu và các điểm dữ liệu được tô màu và định hình bằng đầu điền.

2- Hệ thống đo lường và sự thay đổi.

Đánh giá quá trình đo lường (EMP) là một kỹ thuật phân tích hệ thống đo lường mới (MSA) dựa trên biểu đồ hành vi của quá trình. Các nghiên cứu của MSA nhằm mục đích đo lường độ chính xác, tính nhất quán và độ chệch của hệ thống đo lường. EMP cung cấp một cách để đánh giá trực quan và định lượng hệ thống đo lường của bạn. Ngoài việc cung cấp một con số tuyệt đối về giá trị, EMP cũng cho phép bạn xem việc thay đổi hệ thống đo lường sẽ ảnh hưởng như thế nào đến khả năng đáp ứng của chiến lược kiểm soát của bạn. EMP cung cấp đánh giá công bằng và hữu ích về hiệu quả của hệ thống đo lường, cho phép bạn dễ dàng phân loại hệ thống hơn và khám phá tốt hơn cách cải tiến c​ó thể (hoặc không thể) cải thiện mức độ kiểm soát của bạn.

Nền tảng MSA trong JMP cũng có thể thực hiện các nghiên cứu GR&R truyền thống hơn (cũng có thể truy cập thông qua nền tảng Biểu đồ đo biến đổi / thuộc tính). Các nghiên cứu này sử dụng các tiêu chuẩn AIAG đã thiết lập để đánh giá mức độ biến động mà hệ thống đo lường của bạn đóng góp vào sự biến đổi tổng thể. JMP hỗ trợ các hiệu ứng chính, các mô hình chéo, lồng nhau và các mô hình khác để định lượng thích hợp hiệu suất của hệ thống đo lường của bạn và xác định các khu vực cần cải tiến - để bạn có thể tự tin phân tích chính xác các quy trình của mình. Nền tảng Biểu đồ đo mức độ biến đổi / thuộc tính cũng có thể tạo ra các biểu đồ đa biến thể nhanh chóng mang lại cảm giác về các nguồn biến thể chủ đạo mà không cần phân tích chính thức.

 

Phân tích hệ thống đo lường

Phân tích hệ thống đo lường cung cấp một cách tốt hơn để đánh giá trực quan và số lượng một hệ thống đo lường dựa trên biểu đồ hành vi của quá trình. Xem hiệu suất của hệ thống và khám phá cách cải thiện hệ thống bằng các công cụ tương tác

3- Nghiên cứu năng lực.

Phân tích khả năng có thể được thực hiện theo một số cách trong JMP. Nền tảng Khả năng cho phép bạn so sánh khả năng của nhiều biến trong một biểu đồ. Bạn có thể nhanh chóng xác định biến nào cần chú ý và xem ngay chiến lược cải tiến nào là cần thiết trong từng trường hợp (nhắm mục tiêu lại, giảm biến thể hoặc cả hai). Hỗ trợ cho cả giới hạn đặc điểm kỹ thuật một phía và hai phía được cung cấp. Các giới hạn này được lưu trữ dưới dạng thuộc tính cột trong chính bảng JMP, vì vậy được gắn trực tiếp với dữ liệu mà chúng mô tả. 

Một nền tảng Khả năng xử lý mới hỗ trợ cả ước tính "bên trong" và "tổng thể" của sigma. Chúng được sử dụng để tính toán các chỉ số năng lực ngắn hạn và dài hạn: Cpk và Ppk, tương ứng. Bạn có thể đặt các phân phối cụ thể cho từng biến quy trình, bao gồm các phân phối không bình thường (Johnson, v.v.) hoặc các quy trình phi tham số. Ngoài ra, bạn có thể sử dụng Best Fit và cho phép phần mềm sử dụng dữ liệu để xác định loại phân phối phù hợp nhất để sử dụng. Tùy chọn lồng nhóm con cũng có sẵn.

 

Nghiên cứu năng lực

Các danh sách và đồ thị Khả năng xử lý "trong phạm vi" và "tổng thể" ước tính sigma.

4- Quy trình sàng lọc.

Nền tảng sàng lọc quy trình cho phép các kỹ sư chất lượng nhanh chóng phân tích hàng nghìn biểu đồ kiểm soát, từ đó xác định một số ít quan trọng cần chú ý ngay lập tức để giải quyết các vấn đề về tính ổn định của quy trình và hiệu suất năng lực. Người dùng có thể dễ dàng sắp xếp các chỉ số quan tâm chính như tỷ lệ cảnh báo, tỷ lệ ổn định, phát hiện dịch chuyển, trôi dạt và chỉ số khả năng. Ngoài ra, người dùng có thể tạo biểu đồ xem nhanh và kiểm soát đầy đủ dựa trên các biến số lựa chọn quan tâm, phân tích khả năng và biểu đồ bảng điều khiển hiệu suất quy trình.

Quy trình sàng lọc

Chế độ xem này của phân tích Sàng lọc quy trình hiển thị chi tiết cảnh báo cùng với biểu đồ hiệu suất quy trình về khả năng và độ ổn định cũng như chế độ xem nhanh các biểu đồ kiểm soát đã chọn.

 
II - Độ tin cây.

Trong bất kỳ nỗ lực sản xuất nào, độ tin cậy của sản phẩm ảnh hưởng mạnh mẽ đến thành công của doanh nghiệp. Một sản phẩm tiếp tục hoạt động như dự định trong suốt vòng đời của nó đảm bảo cho những khách hàng hài lòng, những người cung cấp dịch vụ kinh doanh lặp lại cũng như giới thiệu. Các công cụ độ tin cậy trong JMP giúp bạn ngăn ngừa lỗi và cải thiện hiệu suất bảo hành. Bằng cách tiết lộ các xu hướng và ngoại lệ trong dự đoán mô hình và dữ liệu của bạn, JMP giúp bạn tìm ra các lỗ hổng thiết kế quan trọng, xác định các lỗi chính xác trong vật liệu hoặc quy trình, sau đó xác định cách giảm thiểu chúng.

1 - Phân phối cuộc sống


Bạn có cần xác định phân phối tốt nhất để sử dụng để đưa ra dự đoán chính xác về tuổi thọ của các thành phần và sản phẩm của mình không? Hãy để JMP tự động đánh giá một loạt các phân phối độ tin cậy để tìm ra sự phù hợp nhất. Nếu thích, bạn có thể chọn và so sánh các phân phối tham số và phi tham số theo cách thủ công. JMP hỗ trợ tất cả các phương pháp này trong một nền tảng Phân phối Cuộc sống dễ sử dụng. Khi bạn đã xác định được mô hình hữu ích nhất, các Trình cấu hình động trong JMP cho phép bạn xác định tương tác các ước tính lâu dài và ngoại suy hiệu suất cho tương lai. Bạn cũng có thể sử dụng tab So sánh Nhóm để xem các bản phân bổ cuộc sống theo nhóm trên một ô.

Khi hệ thống của bạn có nhiều chế độ lỗi độc lập, bạn có thể sử dụng tùy chọn nguyên nhân cạnh tranh trong Phân phối vòng đời để phân tích từng nguyên nhân riêng biệt. Bạn có thể chỉ định các phân phối phù hợp cụ thể cho từng chế độ lỗi và bỏ qua các nguyên nhân một cách tương tác để xem các cải tiến tiềm năng về hiệu suất độ tin cậy.

Các tính năng bổ sung bao gồm Ước tính Bayesian, Hỗn hợp phù hợp, Hỗn hợp rủi ro cạnh tranh phù hợp, Phân tích độ nhạy và máy tính Tuổi thọ trung bình còn lại.

Cuộc sống phân phối cạnh tranh gây ra độ tin cậy

Nền tảng Phân phối Cuộc sống cho phép bạn chỉ định một phân phối không tham số cũng như 23 phân phối tham số. Các phân phối tham số bao g​ồm lognormal, Weibull, loglogistic, Frechet, normal, SEV, logistic, LEV, mũ, log GenGamma, GenGamma, ngưỡng (TH) lognormal, TH Weibull, TH loglogistic, TH Frechet, dân số khuyết tật (DS) Weibull, DS Frechet , DS lognormal, DS loglogistic và Zero Inflated (ZI).

2 - Hệ thống có thể sửa chữa

JMP cung cấp một số nền tảng để phân tích các hệ thống có thể sửa chữa được.
Nền tảng Tăng trưởng độ tin cậy cho phép bạn lập mô hình độ tin cậy của một hệ thống có thể sửa chữa được theo thời gian khi các cải tiến được đưa vào thiết kế. Nền tảng này phù hợp với các mô hình Crow-AMSAA và cũng có tính năng phát hiện điểm thay đổi để tự động xác định khi nào mô hình độ tin cậy có thể đã thay đổi.
Nền tảng Phân tích lặp lại phân tích các hệ thống có thể sửa chữa được hoặc nói chung là các nghiên cứu với các sự kiện lặp lại. Phân tích tích hợp chi phí trên một đơn vị. Nó mô hình hóa tổng số lỗi hoặc tổng chi phí sửa chữa, theo thời gian. Bạn có thể điều chỉnh và mô phỏng các mô hình tham số khác nhau và nhận được hàm tích lũy trung bình (MCF).
Nền tảng Dự báo độ tin cậy cho phép bạn sử dụng mô hình độ tin cậy đã chọn để dự đoán các lỗi sản phẩm trong tương lai cho mục đích sửa chữa và lập kế hoạch chi phí. Bạn có thể tương tác điều chỉnh kế hoạch sản xuất và thời hạn bảo hành, đồng thời xem các dự báo cập nhật động, cùng với sự không chắc chắn của chúng.

Tăng trưởng độ tin cậy

Nền tảng Tăng trưởng độ tin cậy cho phép người dùng thực hiện phân tích Crow-AMSAA về các hệ thống có thể sửa chữa và xem mức độ thay đổi độ tin cậy theo thời gian theo từng giai đoạn.

 

3 - Mô phỏng hệ thống có thể sửa chữ (JMP Pro)

JMP hiện cung cấp nền tảng Mô phỏng hệ thống có thể sửa chữa (RSS) mới để thực hiện Mô phỏng sự kiện rời rạc hỗ trợ bảo trì truyền thống cho các hệ thống có thể sửa chữa phức tạp. Nền tảng này giới thiệu một biểu diễn sơ đồ đột phá về các sắp xếp bảo trì cùng với Sơ đồ khối độ tin cậy (RBD) trong một không gian làm việc duy nhất. Người dùng có thể phân tích thời gian ngừng hoạt động, tính khả dụng và sự cố mất điện ngoài kế hoạch ở cấp hệ thống hoặc thành phần.

Mô phỏng hệ thống có thể sửa chữa

Sơ đồ mô phỏng hệ thống có thể sửa chữa đại diện cho mô phỏng bảo trì với RBD, tất cả trong một không gian làm việc.

4 - Hồi quy về độ tin cậy

Nền tảng Fit Life by X cho phép bạn lập mô hình mối quan hệ giữa các sự kiện và yếu tố quan tâm. Bạn có thể chỉ định các phép biến đổi khác nhau, bao gồm vị trí, vị trí và tỷ lệ, Arrhenius, điện áp, tuyến tính, log và logit. Các thiết kế kiểm tra vòng đời được tăng tốc thường được phân tích theo cách này, nhưng nếu bạn có nhiều hơn một yếu tố tăng tốc, nền tảng Fit Parametric Survival sẽ mang lại sự linh hoạt để hỗ trợ các mô hình phức tạp hơn và phân tích sâu hơn. Phân tích Bayes hiện có sẵn trong nền tảng Fit Life by X, cho phép bạn kết hợp kiến ​​thức trước đây từ các nghiên cứu trước đây liên quan đến dự án hiện tại trong phân tích của bạn, đặc biệt khi dữ liệu hiện tại bị hạn chế. Kiểm tra mô hình lồng nhau cũng được bao gồm để bạn có thể thực hiện so sánh nhóm. Kiểm tra mô hình lồng nhau bao gồm thống kê và biểu đồ chẩn đoán cho các mô hình Vị trí và Tỷ lệ Riêng biệt, Vị trí Riêng biệt, Hồi quy và Không có Hiệu ứng. Một công cụ Thiết kế Kiểm tra Cuộc sống Tăng tốc có sẵn trong menu JMP DOE để lập kế hoạch cho các nghiên cứu tiềm năng. Ngoài ra, bạn có thể tìm thấy kế hoạch Kiểm tra độ tin cậy và kế hoạch Trình diễn độ tin cậy trong menu Cỡ mẫu và Công suất. Nền tảng Thiệt hại Tích lũy mới mở rộng khả năng của JMP để hỗ trợ kiểm tra tuổi thọ được tăng tốc. Giờ đây, bạn có thể thực hiện các nghiên cứu Căng thẳng từng bước, Căng thẳng dốc, Căng thẳng hình sin và Căng thẳng đoạn dốc.

Hồi quy về độ tin cậy

Báo cáo Thiệt hại tích lũy hiển thị các mẫu, mô hình và bộ lập hồ sơ dự đoán cho nghiên cứu Căng thẳng theo từng bước.

5 - Suy thoái.

Nền tảng Degradation trong JMP cho phép bạn phân tích dữ liệu về tình trạng hư hỏng của sản phẩm theo thời gian để giúp dự đoán chất lượng sản phẩm và rủi ro bảo hành. Sử dụng nền tảng JMP Degradation để đưa ra dự đoán hiệu suất bằng cách sử dụng dữ liệu thu thập được trước khi sản phẩm hoặc thành phần trở nên kém hiệu quả (lỗi mềm) hoặc thất bại hoàn toàn (lỗi cứng).

Suy thoái phá hủy 

Để đo một đặc tính của sản phẩm, đôi khi sản phẩm phải được phá hủy. Ví dụ, khi đo độ bền đứt, sản phẩm được ứng suất cho đến khi bị đứt. Nền tảng Phân cấp hủy diệt mới dành cho các nghiên cứu độ tin cậy xử lý loại phân tích này và có thư viện mô hình tích hợp với các đại diện trực quan của nhiều mô hình chuẩn, phép biến đổi và phân phối dữ liệu. Các tính năng bao gồm so sánh mô hình, CDF và Bộ định hình lượng tử. Chuyên gia về độ tin cậy William Q. Meeker của Đại học Bang Iowa nói rằng với nền tảng mới này trong JMP, “việc phân tích dữ liệu suy thoái phá hủy sẽ trở nên đơn giản đáng kể”.

Sử dụng Nền tảng suy thoái để tạo thời gian giả lỗi nhằm dự đoán hiệu suất trong tương lai

Nền tảng suy thoái trong JMP cho phép bạn tạo thời gian giả lỗi để dự đoán hiệu suất trong tương lai.

6 -  Sơ đồ khối độ tin cậy (JPM Pro)

Sơ đồ khối độ tin cậy (RBD) hiển thị bằng đồ thị mối quan hệ giữa các thành phần được yêu cầu để hệ thống của bạn hoạt động chính xác. RBD (còn được gọi là sơ đồ phụ thuộc) cho thấy mức độ tin cậy của các thành phần góp phần vào sự thành công hay thất bại của một hệ thống phức tạp. Nếu phân phối độ tin cậy được chỉ định cho các thành phần, nền tảng RBD có thể tính toán độ tin cậy tổng thể của hệ thống, xác định hiệu suất bạn có thể mong đợi dựa trên hiệu suất hiện tại của các thành phần.Sử dụng RBD để thiết kế hệ thống và tăng cường các liên kết yếu trong hệ thống của bạn. Bạn có thể tạo sơ đồ luồng và lưu các thiết kế này vào thư viện, sau đó sao chép và dán các mục và thiết kế của thư viện để tạo các mẫu thiết kế hệ thống. Bạn có thể thực hiện phân tích điều gì xảy ra bằng cách xem xét các thiết kế khác nhau và so sánh các lô trên nhiều cấu hình. Bạn cũng có thể xác định những vị trí tốt nhất để bổ sung dự phòng nhằm giảm xác suất lỗi hệ thống.

Sơ đồ khối độ tin cậy

Sơ đồ khối độ tin cậy cho phép bạn xây dựng và hiểu độ tin cậy của các hệ thống phức tạp, nhiều thành phần.

III - Six Sigma.
Visual Six Sigma đại diện cho bước tiếp theo trong sự phát triển của các chương trình cải tiến sản phẩm và quy trình dựa trên dữ liệu, thiết kế lại và tăng cường việc sử dụng các công cụ Six Sigma truyền thống để chúng hữu ích và hiệu quả hơn trong các tình huống thực tế. Sử dụng JMP, bạn có thể xác định các vấn đề và cơ hội cải tiến, tìm ra các giải pháp và truyền đạt kết quả - trực quan.
1 - Nguồn biến thể.
Six Sigma có thể được định nghĩa là quản lý sự thay đổi liên quan đến các yêu cầu. Kho lưu trữ rộng rãi các màn hình đồ họa trong JMP có thể được sử dụng một mình hoặc kết hợp để đánh giá động cấu trúc dữ liệu của bạn và xem các nguồn biến đổi chính có thể quan trọng thực tế hơn là chỉ quan trọng về mặt thống kê. Hình ảnh trực quan động này cho phép bạn vượt xa những gì có thể với đồ thị tĩnh và mặc dù có giá trị trong mọi tình huống, nhưng điều cần thiết là dữ liệu của bạn trở nên phức tạp hơn do số lượng cột và hàng ngày càng tăng.

Khám phá các mẫu biến thể

Bạn có thể khám phá các mẫu thay đổi theo nhiều cách khác nhau để đặt giới hạn đặc điểm kỹ thuật cho các thông số phù hợp với đánh giá chất lượng chủ quan.

2 - Xác định các động lực chính

Ngay cả với dữ liệu có nhiều chiều, việc sử dụng trực quan động phù hợp, cùng với sự hiểu biết của bạn về dữ liệu, thường sẽ tiết lộ rằng tập hợp con của X mà một mình hoặc kết hợp thực sự thúc đẩy kết quả Y, mà bạn quan tâm. Nhưng trong các tình huống mà cách tiếp cận này không có nhiều thông tin hoặc bạn có quá nhiều biến số để làm việc, JMP cũng cung cấp các phương pháp thống kê mạnh mẽ có thể giảm kích thước hiệu quả nhưng vẫn bảo toàn thông tin. Các nền tảng như Partition, Cluster và Discriminant, khi được sử dụng trên tinh thần phát hiện ra các mối quan hệ, thường rất thành công trong việc cô lập các điểm X nóng, sau đó có thể được sử dụng cho mô hình thống kê rõ ràng hơn nếu điều này có ý nghĩa và hữu ích.


Xác định các động lực chính

Một khi bạn hiểu các trình điều khiển chính, ngay cả các quy trình không có khả năng kinh niên cũng có thể hoạt động tốt trong khi bạn tìm nguyên nhân gốc rễ.

3 - Xây dựng sự động thuận

Thu thập dữ liệu và làm việc với nó luôn tốn kém thời gian và tiền bạc. Trừ khi những phát hiện của bạn thực sự được sử dụng để thúc đẩy các quyết định và hành động tiếp theo, công việc của bạn sẽ tiêu tốn hơn là tạo ra giá trị kinh doanh. Một phần quan trọng của quá trình này là truyền đạt các phát hiện cho một cộng đồng rộng lớn hơn của các bên liên quan. Và vì hầu hết các tình huống trong thế giới thực đều xoay quanh việc đánh đổi và thỏa hiệp, bạn thường sẽ cần xây dựng sự đồng thuận, không chỉ giao tiếp. Trình mô phỏng và Trình mô phỏng trong JMP được tạo ra cho việc này, cho phép các nhóm đánh giá một cách có ý nghĩa và nhanh chóng các phát hiện và khám phá các kịch bản giả sử bằng cách sử dụng kiến ​​thức ngữ cảnh để bổ sung những gì dữ liệu chứa - nhưng không bị sa lầy vào các khía cạnh kỹ thuật của mô hình.

  

Xây dựng sự đồng thuận
Tương tác và liên kết những Người lập hồ sơ với nhau để đạt được sự đồng thuận trong các nhóm kỹ thuật, sau đó truyền đạt những phát hiện chính cho các bên liên quan theo cách mà họ có thể hiểu được.
 

Hãy liên hệ với Hotline 024.6682.0511 email:software@jywsoft.com để biết thêm chi tiết về sản phẩm cũng như hỗ trợ kỹ thuật.