| 订阅 | 在线投稿
分享
 
 
 

Minitab应用系列之MINITAB软件在LEA电子枪工艺设计中的应用

2008-11-13 10:16:24  编辑来源:互联网  国际版  评论
 
 
  Minitab应用实例之MINITAB软件在LEA电子枪工艺设计中的应用

  我们在选用一个软件时一方面应该看该软件的功能,同时软件的易用性以及它的使用率也应该进行考虑。找了很多质量方面的书籍,看到一个用Minitab软件解决生产过程中所遇到的一个真实案例。现与大家分享。

  MINITAB软件在LEA电子枪工艺设计中的应用

  【摘要】

  电子枪被称为显像管的心脏。LEA电子枪是我公司自行开发的一个新产品。而LEA电子枪的G1/K、G1/G2间隙设置对显像管的电特性,尤其是EKCO(截止电压)、8”EWT(8”发射)及40”EWT(40”发射)等电特性有直接影响。因此,确定LEA电子枪的工艺最佳G1/K、G1/G2间隙设置,对确定显像管的最佳电特性值意义重大。文章阐述了LEA电子枪工艺设计阶段MSA、Regression、ANOVA、SPC等质量工具的运用,并借助MINITAB软件的帮助,成功地实践了六西格玛DMAIC过程,找到了LEA电子枪G1/K、G1/G2间隙的工艺最佳设置,为新产品的开发成功及顺利量产奠定了基础。

  【关键词】LEA电子枪、MSA、Regression、ANOVA、SPC、EKCO、8”EWT、40”EWT

  【界定阶段】

  (1) 项目背景

  LEA电子枪是我公司自行开发的一个新产品。它具有兼容性强、装配简单、电特性优良等特点,因而成为目前显像管行业的主流产品。

  (2) 项目主要任务

  LEA电子枪工艺设计的主要任务是确定G1/K、G1/G2的最佳间隙。这两个参数对整管的EKCO(截止电压)等电特性参数有强相关关系。因此,通过各项试验来摸索G1/K、G1/G2与整管EKCO值之间的关系,并通过相关检测手段来保证批量生产时G1/K、G1/G2间隙处于受控范围是本项目的主要任务。

  【测量阶段】

  (1) G2/K气动量规的测量系统分析

  G1/K间隙在对应工序制造时可通过模拟规设定最佳间隙值并通过气动量规的显示直观地反映出其间隙的实际值,一旦完成制造便无法再进行G1/K的复测;G1/G2间隙在对应工序制造时可通过塞片确定最佳间隙值,并可通过间隙规对实际间隙进行精确测定,但在实际大批量生产时无法对每一把枪进行精测(比较费时)。上述两个问题对G1/K、G1/G2间隙的控制带来很大困难。在实际生产中,我们通常对这两个间隙的控制采用G2/K间隙的测定来保证G1/K、G1/G2间隙的受控。G2/K表示G2零件至阴极的距离,可用下列函数式表示它们之间的关系:

  G2/K=G1/K间隙+G1厚度+G1压印深度+G1/G2间隙+G2厚度

  其中G1厚度、G1压印深度、G2厚度三个参数由零件来料决定(冲制件),实践证明其一致性好,因此G2/K的变化可直接反映出G1/K、G1/G2间隙的变化。G2/K的测量使用气动量规,在量产过程中我们对每一把电子枪均进行G2/K间隙全检。因此G2/K气动量规测量系统合格与否关系到G1/K、G1/G2间隙控制状况。

  (2) G2/K气动量规测量系统R&R分析

  
王朝网络


  图1 G2/K气动量规测量系统R&R分析

  
StdDevStudy Val%Study Val%Tolerance
Source(SD)(5.15*sd)(%SV)(SV/Toler)
Total Gage R&R1.79E-039.22E-0333.0418.44 小于30%,测量系统可接受
Repeatability1.08E-035.55E-0319.911.11
Reproducibility1.43E-037.36E-0326.3814.72
Operator1.43E-037.36E-0326.3814.72
Part-To-Part5.11E-032.63-0294.3852.68
Total Variation5.42e-032.79e-02100.0055.81


  G2/K气动量规测量系统R&R分析结果表明,该测量系统可接受。

  【分析阶段】

  (1) 由于各种电子枪在显像管中的工作原理相同,并且根据现有各品种电子枪的生产和质量分析经验,因此确定整管中EKCO(截止电压)、8”EWT(8”发射)和40”EWT(40”发射)等电特性参数与LEA电子枪G1/K、G1/G2间隙有强相关关系。

  (2) 采用回归分析方法拟合8”EWT、40”EWT、EKCO与G1/K、G1/G2的回归方程

  
王朝网络


  8”EWT与G1/K、G1/G2的回归分析

  Regression Analysis: 8"EWT versus G1/K, G1/G2

  The regression equation is

  8"EWT = 5892 - 24132 G1/K - 8953 G1/G2

  
PredictorCoefSE CoefTP
Constant5891.7786.77.490.000
G1/K-241325813-4.150.002
G1/G2-89534182-2.410.058


  S = 44.31 R-Sq = 76.9% R-Sq(adj) = 72.2% (回归方程拟合良好)

  Analysis of Variance

  
SourceDFSSMSFP
Pegression2651903259516.600.001 P<0.05,回归方程显著
Residual Error10196361964
Total1284826
SourceDFSeq SS
G1/K156191
G1/G218999


  Unusual Observations(异常观察值)

  
ObsG1/K8"EwtFitSE FitResidualSt Resid
120.1221300.01380.925.5-80.9-2.24R


  R denotes an observation with a large standardized residual

  40”EWT与G1/K、G1/G2的回归分析

  Regression Analysis: 40"EWT versus G1/K, G1/G2

  The regression equation is

  40"EWT = 6363 - 22880 G1/K - 11883 G1/G2

  
PredictorCoefSE CoefTP
Constant6362.7893.97.120.000
G1/K-228806605-3.460.006
G1/G2-118834752-2.500.031


  S = 50.35 R-Sq = 74.3% R-Sq(adj) = 69.1% (回归方程拟合良好)

  Analysis of Variance

  
SourceDFSSMSFP
Regression2731393657014.420.001 P<0.05,回归方程显著
Residual Error10253562536
Total1298495
SourceDFSeq SS
G1/K157287
G1/G2115852


  Unusual Observations(异常观察值)

  
ObsG1/K40"EWTFitSE FitResidualSt Resid
20.1131632.01697.840.0-65.8-2.16R


  R denotes an observation with a large standardized residual

  EKCO与G1/K、G1/G2的回归分析

  Regression Analysis: EKCO versus G1/K, G1/G2

  The regression equation is

  EKCO = 208 - 1215 G1/K + 83 G1/G2

  
PredictorCoefSE CoefTP
Constant207.6330.566.790.000
G1/K-1215.4255.8-5.380.000
G1/G282.7162.50.510.622


  S = 1.721 R-Sq = 76.0% R-Sq(adj) = 71.2% (回归方程拟合良好)

  Analysis of Variance

  
SourceDFSSMSFP
Regression293.77446.88715.820.001 P<0.05 回归方程显著
Residual Error1029.6292.963
Total12123.403
SourceDFSeq SS
G1/K193.006
G1/G210.768


  Unusual Observations(异常观察值)

  
ObsG1/KEKCOFitSE FitResidualSt resid
20.11382.50084.7581.369-2.258-2.16R


  R denotes an observation with a large standardized residual

  (3) 结论

  回归分析结果显示,回归方程拟合良好,但三个回归方程中均出现了异常观察值,这对回归方程的拟合性有一定的影响。在后续的工作中需要对回归方程的拟合性进行优化。

  【改进阶段】

  (1) 优化各参数回归方程的拟合程度

  由于观察值“2”的试验结果在40”EWT和EKCO的回归方程中均出现了异常报警,说明该组试验数据的可靠性存在一些问题,我们决定将该组异常数据去除后重新拟合回归方程,结果如下:

  8”EWT与G1/K、G1/G2的回归分析

  The regression equation is

  8"EWT = 6410 - 37231 G1/K - 2952 G1/G2

  
PredictorCoefSE CoefTP
Constant6409.9700.79.150.000
G1/K-372317582-4.910.001
G1/G2-29524408-0.670.52


  S = 37.30 R-Sq = 84.8% R-Sq(adj) = 81.5% (回归方程拟合良好)

  Analysis of Variance

  
SourceDFSSMSFP
Regression2700973504825.190.000 P<0.05 回归方程显著
Residual Error9125201391
Total1182617
SourceDFSqe SS
G1/K169473
G1/G21624


  40”EWT与G1/K、G1/G2的回归分析

  The regression equation is

  40"EWT = 7030 - 39748 G1/K - 4156 G1/G2

  
PredictorCoefSE CoefTP
Constant7030.0729.19.640.000
G1/K-397487890-5.040.001
G1/G2-41564587-0.910.389


  S = 38.81 R-Sq = 86.2% R-Sq(adj) = 83.1% (回归方程拟合良好)

  Analysis of Variance

  []
SourceDFSSMSFP
Regression2846024230128.080.000 P<0.05 回归方程显著
Residual Error9135571506
Total1198159
SourceDFSeq SS
G1/K183365
G1/G211237


  EKCO与G1/K、G1/G2的回归分析

  The regression equation is

  EKCO = 231 - 1794 G1/K + 348 G1/G2

  
PredictorCoefSE CoefTP
Constant230.5124.869.270.000
G1/K-1793.8269.0-6.670.000
G1/G2347.6156.42.220.053


  S = 1.323 R-Sq = 85.4% R-Sq(adj) = 82.1% (回归方程拟合良好)

  Analysis of Variance

  []
SourceDFSSMSFP
Regression291.81345.90726.220.000 P<0.05 回归方程显著
Residual Error915.7561.751
total11107.569
SourceDFSeq SS
G1/K183.160
G1/G218.653


  Unusual Observations

  
ObsG1/KEKCOFitSe FitResidualSt Resid
120.11776.90079.7310.490-2.831-2.3R


  R denotes an observation with a large standardized residual

  结论:异常观察值剔除后,回归方程拟合程度更加良好。

  (2) 利用优化后的回归方程进行预测,并确定最佳G1/K、G1/G2间隙值

  根据整管电特性的要求,EKCO最佳值为80V左右,8”EWT最佳值为1400~1500μA,40”EWT最佳值为1600μA左右。根据这些要求,我们利用回归方程对G1/K、G1/G2进行预测,结果如下:

王朝网络


  综合EKCO、8”EWT、40”EWT的预测结果,最终确定G1/K的最佳值为0.118、G1/G2最佳值为0.175。

  (3) 对最佳工艺设定值的验证试验

  根据回归方程的预测最佳值,我们再次进行了验证试验,确认试验结果符合最佳电特性的要求。数据如下:

王朝网络


  

  在之后的小批量、中批量及大批量试验中电特性参数的各项抽查均达到要求。因此证明以G1/K 0.118为中心值、G1/G2间隙0.175为中心值进行工艺设置是符合最佳工艺要求的,并具备量产要求。

  【控制阶段】

  (1) 对G1/K间隙实施SPC控制

  收集了一个月的G1/K间隙数据,用MINITAB对数据进行分析,确定了<X>-R图的控制线用于日常管理。

  

王朝网络


  (2) 对G1/G2间隙实施抽样精测管理

  在确定G1/G2间隙大小的压枪工序,我们规定每天批量生产前精测15把LEA电子枪的G1/G2间隙,根据测试数据对压枪塞片规格进行调整,确保G1/G2间隙符合最佳设置要求。

  参考文献:

  1.《六西格玛核心教程黑带读本》 中国标准出版社

  2.《六西格玛成功实践实例荟萃》 中国标准出版社
 
 
 
[b]Minitab应用实例之MINITAB软件在LEA电子枪工艺设计中的应用[/b] 我们在选用一个软件时一方面应该看该软件的功能,同时软件的易用性以及它的使用率也应该进行考虑。找了很多质量方面的书籍,看到一个用Minitab软件解决生产过程中所遇到的一个真实案例。现与大家分享。 MINITAB软件在LEA电子枪工艺设计中的应用 【摘要】 电子枪被称为显像管的心脏。LEA电子枪是我公司自行开发的一个新产品。而LEA电子枪的G1/K、G1/G2间隙设置对显像管的电特性,尤其是EKCO(截止电压)、8”EWT(8”发射)及40”EWT(40”发射)等电特性有直接影响。因此,确定LEA电子枪的工艺最佳G1/K、G1/G2间隙设置,对确定显像管的最佳电特性值意义重大。文章阐述了LEA电子枪工艺设计阶段MSA、Regression、ANOVA、SPC等质量工具的运用,并借助MINITAB软件的帮助,成功地实践了六西格玛DMAIC过程,找到了LEA电子枪G1/K、G1/G2间隙的工艺最佳设置,为新产品的开发成功及顺利量产奠定了基础。 【关键词】LEA电子枪、MSA、Regression、ANOVA、SPC、EKCO、8”EWT、40”EWT 【界定阶段】 (1) 项目背景 LEA电子枪是我公司自行开发的一个新产品。它具有兼容性强、装配简单、电特性优良等特点,因而成为目前显像管行业的主流产品。 (2) 项目主要任务 LEA电子枪工艺设计的主要任务是确定G1/K、G1/G2的最佳间隙。这两个参数对整管的EKCO(截止电压)等电特性参数有强相关关系。因此,通过各项试验来摸索G1/K、G1/G2与整管EKCO值之间的关系,并通过相关检测手段来保证批量生产时G1/K、G1/G2间隙处于受控范围是本项目的主要任务。 【测量阶段】 (1) G2/K气动量规的测量系统分析 G1/K间隙在对应工序制造时可通过模拟规设定最佳间隙值并通过气动量规的显示直观地反映出其间隙的实际值,一旦完成制造便无法再进行G1/K的复测;G1/G2间隙在对应工序制造时可通过塞片确定最佳间隙值,并可通过间隙规对实际间隙进行精确测定,但在实际大批量生产时无法对每一把枪进行精测(比较费时)。上述两个问题对G1/K、G1/G2间隙的控制带来很大困难。在实际生产中,我们通常对这两个间隙的控制采用G2/K间隙的测定来保证G1/K、G1/G2间隙的受控。G2/K表示G2零件至阴极的距离,可用下列函数式表示它们之间的关系: G2/K=G1/K间隙+G1厚度+G1压印深度+G1/G2间隙+G2厚度 其中G1厚度、G1压印深度、G2厚度三个参数由零件来料决定(冲制件),实践证明其一致性好,因此G2/K的变化可直接反映出G1/K、G1/G2间隙的变化。G2/K的测量使用气动量规,在量产过程中我们对每一把电子枪均进行G2/K间隙全检。因此G2/K气动量规测量系统合格与否关系到G1/K、G1/G2间隙控制状况。 (2) G2/K气动量规测量系统R&R分析 [url=http://www.wangchao.net.cn/bbsdetail_1875735.html][img]http://images.wangchao.net.cn/images/upload/images/1226542584203.jpg[/img][/url] 图1 G2/K气动量规测量系统R&R分析 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]][/td] [td class='bbstd'[]]StdDev[/td] [td class='bbstd'[]]Study Val[/td] [td class='bbstd'[]]%Study Val[/td] [td class='bbstd'[]]%Tolerance[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]](SD)[/td] [td class='bbstd'[]](5.15*sd)[/td] [td class='bbstd'[]](%SV)[/td] [td class='bbstd'[]](SV/Toler)[/td] [/tr][tr][td class='bbstd'[]]Total Gage R&R[/td] [td class='bbstd'[]]1.79E-03[/td] [td class='bbstd'[]]9.22E-03[/td] [td class='bbstd'[]]33.04[/td] [td class='bbstd'[]][color=RED]18.44[/color] 小于30%,测量系统可接受[/td] [/tr][tr][td class='bbstd'[]]Repeatability[/td] [td class='bbstd'[]]1.08E-03[/td] [td class='bbstd'[]]5.55E-03[/td] [td class='bbstd'[]]19.9[/td] [td class='bbstd'[]]11.11[/td] [/tr][tr][td class='bbstd'[]]Reproducibility[/td] [td class='bbstd'[]]1.43E-03[/td] [td class='bbstd'[]]7.36E-03[/td] [td class='bbstd'[]]26.38[/td] [td class='bbstd'[]]14.72[/td] [/tr][tr][td class='bbstd'[]]Operator[/td] [td class='bbstd'[]]1.43E-03[/td] [td class='bbstd'[]]7.36E-03[/td] [td class='bbstd'[]]26.38[/td] [td class='bbstd'[]]14.72[/td] [/tr][tr][td class='bbstd'[]]Part-To-Part[/td] [td class='bbstd'[]]5.11E-03[/td] [td class='bbstd'[]]2.63-02[/td] [td class='bbstd'[]]94.38[/td] [td class='bbstd'[]]52.68[/td] [/tr][tr][td class='bbstd'[]]Total Variation[/td] [td class='bbstd'[]]5.42e-03[/td] [td class='bbstd'[]]2.79e-02[/td] [td class='bbstd'[]]100.00[/td] [td class='bbstd'[]]55.81[/td] [/tr][/table] G2/K气动量规测量系统R&R分析结果表明,该测量系统可接受。 【分析阶段】 (1) 由于各种电子枪在显像管中的工作原理相同,并且根据现有各品种电子枪的生产和质量分析经验,因此确定整管中EKCO(截止电压)、8”EWT(8”发射)和40”EWT(40”发射)等电特性参数与LEA电子枪G1/K、G1/G2间隙有强相关关系。 (2) 采用回归分析方法拟合8”EWT、40”EWT、EKCO与G1/K、G1/G2的回归方程 [url=http://www.wangchao.net.cn/bbsdetail_1875735.html][img]http://images.wangchao.net.cn/images/upload/images/1226543405109.jpg[/img][/url] 8”EWT与G1/K、G1/G2的回归分析 Regression Analysis: 8"EWT versus G1/K, G1/G2 The regression equation is 8"EWT = 5892 - 24132 G1/K - 8953 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]5891.7[/td] [td class='bbstd'[]]786.7[/td] [td class='bbstd'[]]7.49[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-24132[/td] [td class='bbstd'[]]5813[/td] [td class='bbstd'[]]-4.15[/td] [td class='bbstd'[]]0.002[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]-8953[/td] [td class='bbstd'[]]4182[/td] [td class='bbstd'[]]-2.41[/td] [td class='bbstd'[]]0.058[/td] [/tr][/table] S = 44.31 [color=blue]R-Sq = 76.9% R-Sq(adj) = 72.2%[/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Pegression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]65190[/td] [td class='bbstd'[]]32595[/td] [td class='bbstd'[]]16.60[/td] [td class='bbstd'[]][color=red]0.001[/color] P<0.05,回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]10[/td] [td class='bbstd'[]]19636[/td] [td class='bbstd'[]]1964[/td] [td class='bbstd'[]][/td] [td class='bbstd'[]][/td] [/tr][tr][td class='bbstd'[]]Total[/td] [td class='bbstd'[]]12[/td] [td class='bbstd'[]]84826[/td] [td class='bbstd'[]][/td] [td class='bbstd'[]][/td] [td class='bbstd'[]][/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Seq SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]56191[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]8999[/td] [/tr][/table] Unusual Observations(异常观察值) [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Obs[/td] [td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]8"Ewt[/td] [td class='bbstd'[]]Fit[/td] [td class='bbstd'[]]SE Fit[/td] [td class='bbstd'[]]Residual[/td] [td class='bbstd'[]]St Resid[/td] [/tr][tr][td class='bbstd'[]]12[/td] [td class='bbstd'[]]0.122[/td] [td class='bbstd'[]]1300.0[/td] [td class='bbstd'[]]1380.9[/td] [td class='bbstd'[]]25.5[/td] [td class='bbstd'[]]-80.9[/td] [td class='bbstd'[]]-2.24R[/td] [/tr][/table] R denotes an observation with a large standardized residual 40”EWT与G1/K、G1/G2的回归分析 Regression Analysis: 40"EWT versus G1/K, G1/G2 The regression equation is 40"EWT = 6363 - 22880 G1/K - 11883 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]6362.7[/td] [td class='bbstd'[]]893.9[/td] [td class='bbstd'[]]7.12[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-22880[/td] [td class='bbstd'[]]6605[/td] [td class='bbstd'[]]-3.46[/td] [td class='bbstd'[]]0.006[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]-11883[/td] [td class='bbstd'[]]4752[/td] [td class='bbstd'[]]-2.50[/td] [td class='bbstd'[]]0.031[/td] [/tr][/table] S = 50.35 [color=blue] R-Sq = 74.3% R-Sq(adj) = 69.1% [/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Regression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]73139[/td] [td class='bbstd'[]]36570[/td] [td class='bbstd'[]]14.42[/td] [td class='bbstd'[]][color=red ]0.001[/color] P<0.05,回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]10[/td] [td class='bbstd'[]]25356[/td] [td class='bbstd'[]]2536[/td] [/tr][tr][td class='bbstd'[]]Total[/td] [td class='bbstd'[]]12[/td] [td class='bbstd'[]]98495[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Seq SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]57287[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]15852[/td] [/tr][/table] Unusual Observations(异常观察值) [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Obs[/td] [td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]40"EWT[/td] [td class='bbstd'[]]Fit[/td] [td class='bbstd'[]]SE Fit[/td] [td class='bbstd'[]]Residual[/td] [td class='bbstd'[]]St Resid[/td] [/tr][tr][td class='bbstd'[]]2[/td] [td class='bbstd'[]]0.113[/td] [td class='bbstd'[]]1632.0[/td] [td class='bbstd'[]]1697.8[/td] [td class='bbstd'[]]40.0[/td] [td class='bbstd'[]]-65.8[/td] [td class='bbstd'[]]-2.16R[/td] [/tr][/table] R denotes an observation with a large standardized residual EKCO与G1/K、G1/G2的回归分析 Regression Analysis: EKCO versus G1/K, G1/G2 The regression equation is EKCO = 208 - 1215 G1/K + 83 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]207.63[/td] [td class='bbstd'[]]30.56[/td] [td class='bbstd'[]]6.79[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-1215.4[/td] [td class='bbstd'[]]255.8[/td] [td class='bbstd'[]]-5.38[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]82.7[/td] [td class='bbstd'[]]162.5[/td] [td class='bbstd'[]]0.51[/td] [td class='bbstd'[]]0.622[/td] [/tr][/table] S = 1.721 [color=blue]R-Sq = 76.0% R-Sq(adj) = 71.2% [/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Regression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]93.774[/td] [td class='bbstd'[]]46.887[/td] [td class='bbstd'[]]15.82[/td] [td class='bbstd'[]][color=red]0.001[/color] P<0.05 回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]10[/td] [td class='bbstd'[]]29.629[/td] [td class='bbstd'[]]2.963[/td] [/tr][tr][td class='bbstd'[]]Total[/td] [td class='bbstd'[]]12[/td] [td class='bbstd'[]]123.403[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Seq SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]93.006[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]0.768[/td] [/tr][/table] Unusual Observations(异常观察值) [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Obs[/td] [td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]EKCO[/td] [td class='bbstd'[]]Fit[/td] [td class='bbstd'[]]SE Fit[/td] [td class='bbstd'[]]Residual[/td] [td class='bbstd'[]]St resid[/td] [/tr][tr][td class='bbstd'[]]2[/td] [td class='bbstd'[]]0.113[/td] [td class='bbstd'[]]82.500[/td] [td class='bbstd'[]]84.758[/td] [td class='bbstd'[]]1.369[/td] [td class='bbstd'[]]-2.258[/td] [td class='bbstd'[]]-2.16R[/td] [/tr][/table] R denotes an observation with a large standardized residual (3) 结论 回归分析结果显示,回归方程拟合良好,但三个回归方程中均出现了异常观察值,这对回归方程的拟合性有一定的影响。在后续的工作中需要对回归方程的拟合性进行优化。 【改进阶段】 (1) 优化各参数回归方程的拟合程度 由于观察值“2”的试验结果在40”EWT和EKCO的回归方程中均出现了异常报警,说明该组试验数据的可靠性存在一些问题,我们决定将该组异常数据去除后重新拟合回归方程,结果如下: 8”EWT与G1/K、G1/G2的回归分析 The regression equation is 8"EWT = 6410 - 37231 G1/K - 2952 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]6409.9[/td] [td class='bbstd'[]]700.7[/td] [td class='bbstd'[]]9.15[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-37231[/td] [td class='bbstd'[]]7582[/td] [td class='bbstd'[]]-4.91[/td] [td class='bbstd'[]]0.001[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]-2952[/td] [td class='bbstd'[]]4408[/td] [td class='bbstd'[]]-0.67[/td] [td class='bbstd'[]]0.52[/td] [/tr][/table] S = 37.30 [color=blue] R-Sq = 84.8% R-Sq(adj) = 81.5% [/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Regression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]70097[/td] [td class='bbstd'[]]35048[/td] [td class='bbstd'[]]25.19[/td] [td class='bbstd'[]][color=red ]0.000[/color] P<0.05 回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]9[/td] [td class='bbstd'[]]12520[/td] [td class='bbstd'[]]1391[/td] [/tr][tr][td class='bbstd'[]]Total[/td] [td class='bbstd'[]]11[/td] [td class='bbstd'[]]82617[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Sqe SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]69473[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]624[/td] [/tr][/table] 40”EWT与G1/K、G1/G2的回归分析 The regression equation is 40"EWT = 7030 - 39748 G1/K - 4156 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]7030.0[/td] [td class='bbstd'[]]729.1[/td] [td class='bbstd'[]]9.64[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-39748[/td] [td class='bbstd'[]]7890[/td] [td class='bbstd'[]]-5.04[/td] [td class='bbstd'[]]0.001[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]-4156[/td] [td class='bbstd'[]]4587[/td] [td class='bbstd'[]]-0.91[/td] [td class='bbstd'[]]0.389[/td] [/tr][/table] S = 38.81 [color=blue]R-Sq = 86.2% R-Sq(adj) = 83.1% [/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Regression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]84602[/td] [td class='bbstd'[]]42301[/td] [td class='bbstd'[]]28.08[/td] [td class='bbstd'[]][color=red]0.000[/color] P<0.05 回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]9[/td] [td class='bbstd'[]]13557[/td] [td class='bbstd'[]]1506[/td] [/tr][tr][td class='bbstd'[]]Total[/td] [td class='bbstd'[]]11[/td] [td class='bbstd'[]]98159[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Seq SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]83365[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]1237[/td] [/tr][/table] EKCO与G1/K、G1/G2的回归分析 The regression equation is EKCO = 231 - 1794 G1/K + 348 G1/G2 [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Predictor[/td] [td class='bbstd'[]]Coef[/td] [td class='bbstd'[]]SE Coef[/td] [td class='bbstd'[]]T[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Constant[/td] [td class='bbstd'[]]230.51[/td] [td class='bbstd'[]]24.86[/td] [td class='bbstd'[]]9.27[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]-1793.8[/td] [td class='bbstd'[]]269.0[/td] [td class='bbstd'[]]-6.67[/td] [td class='bbstd'[]]0.000[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]347.6[/td] [td class='bbstd'[]]156.4[/td] [td class='bbstd'[]]2.22[/td] [td class='bbstd'[]]0.053[/td] [/tr][/table] S = 1.323 [color=blue] R-Sq = 85.4% R-Sq(adj) = 82.1% [/color] (回归方程拟合良好) Analysis of Variance [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]SS[/td] [td class='bbstd'[]]MS[/td] [td class='bbstd'[]]F[/td] [td class='bbstd'[]]P[/td] [/tr][tr][td class='bbstd'[]]Regression[/td] [td class='bbstd'[]]2[/td] [td class='bbstd'[]]91.813[/td] [td class='bbstd'[]]45.907[/td] [td class='bbstd'[]]26.22[/td] [td class='bbstd'[]][color=red]0.000[/color] P<0.05 回归方程显著[/td] [/tr][tr][td class='bbstd'[]]Residual Error[/td] [td class='bbstd'[]]9[/td] [td class='bbstd'[]]15.756[/td] [td class='bbstd'[]]1.751[/td] [/tr][tr][td class='bbstd'[]]total[/td] [td class='bbstd'[]]11[/td] [td class='bbstd'[]]107.569[/td] [/tr][tr][td class='bbstd'[]]Source[/td] [td class='bbstd'[]]DF[/td] [td class='bbstd'[]]Seq SS[/td] [/tr][tr][td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]83.160[/td] [/tr][tr][td class='bbstd'[]]G1/G2[/td] [td class='bbstd'[]]1[/td] [td class='bbstd'[]]8.653[/td] [/tr][/table] Unusual Observations [table border='1' cellspacing='0' cellpadding='3' width='90%' align='center' class='bbstd'[]][tr][td class='bbstd'[]]Obs[/td] [td class='bbstd'[]]G1/K[/td] [td class='bbstd'[]]EKCO[/td] [td class='bbstd'[]]Fit[/td] [td class='bbstd'[]]Se Fit[/td] [td class='bbstd'[]]Residual[/td] [td class='bbstd'[]]St Resid[/td] [/tr][tr][td class='bbstd'[]]12[/td] [td class='bbstd'[]]0.117[/td] [td class='bbstd'[]]76.900[/td] [td class='bbstd'[]]79.731[/td] [td class='bbstd'[]]0.490[/td] [td class='bbstd'[]]-2.831[/td] [td class='bbstd'[]]-2.3R[/td] [/tr][/table] R denotes an observation with a large standardized residual 结论:异常观察值剔除后,回归方程拟合程度更加良好。 (2) 利用优化后的回归方程进行预测,并确定最佳G1/K、G1/G2间隙值 根据整管电特性的要求,EKCO最佳值为80V左右,8”EWT最佳值为1400~1500μA,40”EWT最佳值为1600μA左右。根据这些要求,我们利用回归方程对G1/K、G1/G2进行预测,结果如下: [url=http://www.wangchao.net.cn/bbsdetail_1875735.html][img]http://images.wangchao.net.cn/images/upload/images/1226543517140.jpg[/img][/url] 综合EKCO、8”EWT、40”EWT的预测结果,最终确定G1/K的最佳值为0.118、G1/G2最佳值为0.175。 (3) 对最佳工艺设定值的验证试验 根据回归方程的预测最佳值,我们再次进行了验证试验,确认试验结果符合最佳电特性的要求。数据如下: [url=http://www.wangchao.net.cn/bbsdetail_1875735.html][img]http://images.wangchao.net.cn/images/upload/images/1226543558265.jpg[/img][/url] 在之后的小批量、中批量及大批量试验中电特性参数的各项抽查均达到要求。因此证明以G1/K 0.118为中心值、G1/G2间隙0.175为中心值进行工艺设置是符合最佳工艺要求的,并具备量产要求。 【控制阶段】 (1) 对G1/K间隙实施SPC控制 收集了一个月的G1/K间隙数据,用MINITAB对数据进行分析,确定了<X>-R图的控制线用于日常管理。 [url=http://www.wangchao.net.cn/bbsdetail_1875735.html][img]http://images.wangchao.net.cn/images/upload/images/1226542837187.jpg[/img][/url] (2) 对G1/G2间隙实施抽样精测管理 在确定G1/G2间隙大小的压枪工序,我们规定每天批量生产前精测15把LEA电子枪的G1/G2间隙,根据测试数据对压枪塞片规格进行调整,确保G1/G2间隙符合最佳设置要求。 参考文献: 1.《六西格玛核心教程黑带读本》 中国标准出版社 2.《六西格玛成功实践实例荟萃》 中国标准出版社
󰈣󰈤
 
 
 
>>返回首页<<
 
 
 转载本文
 UBB代码 HTML代码
复制到剪贴板...
 
 
 热帖排行
 
 
王朝网络微信公众号
微信扫码关注本站公众号wangchaonetcn
 
  免责声明:本文仅代表作者个人观点,与王朝网络无关。王朝网络登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
 
 
©2005- 王朝网络 版权所有