刻画器指南 > 模拟器 > 模拟器的其他示例 > 缺陷刻画器的示例
发布日期: 04/13/2021

缺陷刻画器的示例

为了演示使用“缺陷刻画器”的可能工作流程,我们使用 Tiretread.jmpTiretread.jmp 样本数据表中的实验数据来自于以下实验:研究硅石、硅烷和硫磺对轮胎胎面性能四个测度的影响。

在“模拟器”中添加规格限

1. 选择帮助 > 样本数据库,然后打开 Tiretread.jmp

2. 选择图形 > 刻画器

3. 选择预测公式-磨损预测公式-弹性系数预测公式-伸长预测公式-硬度,然后点击 Y,预测公式

4. 点击确定

5. 点击“预测刻画器”红色小三角并选择模拟器

6. 点击“模拟器”红色小三角并选择规格限

注意:若列的规格限另存为列属性,这些规格限显示在模拟器的“规格限”表中。

7. 按如下所示设置规格限:

对于“磨损”,将“下规格限”设置为 110。

对于“弹性系数”,将“上规格限”设置为 2000。

对于“伸长”,将“下规格限”设置为 350,“上规格限”设置为 550。

对于“硬度”,将“下规格限”设置为 66,“上规格限”设置为 74。

8. 点击保存将“规格限”保存至数据表。

9. 在每个因子下方选择随机

10. 对于每个因子,输入如Figure 8.9中所示的随机规格。

图 8.9 刻画器随机规格 

Image shown here

打开“缺陷刻画器”和“缺陷参数刻画”

1. 点击“模拟器”红色小三角并选择缺陷刻画器

图 8.10 缺陷刻画器 

Image shown here

注意:缺陷刻画器基于带有随机输入的模拟。您获得的值可能不同于Figure 8.10中显示的值。

黑色曲线显示每个因子的总缺陷率固定在 X 轴上的值处,而其他所有因子都是变化的。

考虑硅石的总体曲线。随着硅石的变化,缺陷率在硅石大约为 1 时达到最低的 0.001,随着硅石从 1 上升或下降,缺陷率快速上升到接近 1。不过,硅石本身是随机的。若您对硅石的密度曲线求积分,可以估计出平均缺陷率大约为 0.03,该值显示为硅石的均值。这个由模拟所估计的总缺陷率估计值显示在模拟直方图下方的缺陷表中。所有因子的总缺陷率的均值都相似。

“缺陷刻画器”还包含针对每个因子的变异得到缺陷率标准差的估计值。对于硅石,该值(标记为“标准差”)为 0.057。该标准差与针对该因子分布的缺陷率的灵敏度相关。比较三个因子的标准差值,硫磺的标准差高于硅石硅烷的标准差值。这指示要改善缺陷率,偏移硫磺的分布应该最有效。可以通过以下方式偏移分布:更改它的均值、更改它的标准差或通过拒绝不符合某些规格限的输入截去一部分分布。

2. 点击“模拟器”红色小三角并选择缺陷参数刻画

图 8.11 缺陷参数刻画 

Image shown here

考虑硫磺并注意当前缺陷率 (0.03) 用四种方式表示,分别对应“参数刻画器”中的四条曲线。

对于红色曲线“均值偏移”,当前缺陷率为红色曲线与垂直的红色虚线相交的地方。“均值偏移”曲线表示硫磺的均值变化时总体缺陷率的变化。降低缺陷率的一个方法是将均值略微向左偏移。若您使用该图上的十字准线工具,可以看到均值向下偏移将缺陷率降低到约为 0.02。

对于蓝色曲线“标准差缩小”,当前缺陷率表示蓝色曲线与两条蓝色虚线相交的地方。“标准差缩小”曲线表示标准差变化时缺陷率的变化。蓝色虚线表示当前均值上下各一个标准差。围绕中心对称绘制蓝色曲线。在中心处,蓝色曲线达到最小值,这表示标准差为零的缺陷率。这表示若我们彻底消除硫磺的变异,缺陷率约为 0.003。这比当前的缺陷率 0.03 低得多。若您查看其他缺陷参数刻画曲线,可以看到这比减小其他因子的变异效果好得多,这就是我们之前从硫磺的标准差值大小就有的这种猜测。

对于绿色曲线“下规格限切割”,缺陷率没有改进机会。绿色曲线整个都在当前缺陷率之上。这指示通过拒绝硫磺的过小值部分来减小变异对于降低缺陷率没有用。

橙色曲线“上规格限切割”建议了一种降低缺陷率的方式。从右边读取曲线,曲线开始在当前缺陷率 (0.03) 处。然后当您通过降低硫磺的上规格限拒绝更多部件时,缺陷率随之改善。但是,将规格限移到分布的中心等效于丢掉了一半部件,这可能不是可行的解决方案。

查看所有因子上的所有机会,现在看起来对于进一步调查有两个不错的选项。将硅石的均值偏移到约为 1,或是减小硫磺中的变异。因为实际上更改过程均值通常比更改过程变异容易,因此首次调节的最好方法可以是将硅石的均值偏移到 1。

3. 在“预测刻画器”中,将硅石的均值从 1.2 调整到 1.0。

4. 在“缺陷刻画器”下,点击重新运行

“缺陷刻画器”随着调整的硅石值更新。

图 8.12 已调整的缺陷率 

Image shown here

通过将“硅石”的均值从 1.2 偏移到 1.0,缺陷率从 0.03 降到了大约 0.004,这是一项不错的改进。通过更改分布和重新运行模拟,调查其他缺陷降低方案将变得简单易行。

需要更多信息?有问题?从 JMP 用户社区得到解答 (community.jmp.com).