FR3064387A1 - METHOD FOR MANUFACTURING PARTS BASED ON STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION - Google Patents
METHOD FOR MANUFACTURING PARTS BASED ON STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION Download PDFInfo
- Publication number
- FR3064387A1 FR3064387A1 FR1752483A FR1752483A FR3064387A1 FR 3064387 A1 FR3064387 A1 FR 3064387A1 FR 1752483 A FR1752483 A FR 1752483A FR 1752483 A FR1752483 A FR 1752483A FR 3064387 A1 FR3064387 A1 FR 3064387A1
- Authority
- FR
- France
- Prior art keywords
- probability density
- threshold value
- sample
- calculated
- stability threshold
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 93
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 238000000034 method Methods 0.000 title claims description 28
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 244000124209 Crocus sativus Species 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Factory Administration (AREA)
- Complex Calculations (AREA)
Abstract
L'invention porte sur un procédé de fabrication d'une population de pièces produites avec un dispositif de fabrication, basé sur une analyse de stabilité d'au moins une dimension caractéristique des pièces, selon lequel : a) On prélève parmi les pièces produites avec le dispositif de fabrication un échantillon (E) comprenant plusieurs pièces ; b) On mesure pour l'échantillon (E) la dimension caractéristique de chaque pièce, et on calcule pour l'échantillon (E) une moyenne X et un écart-type s de la dimension caractéristique mesurée ; c) On calcule pour l'échantillon (E) une densité de probabilité conjointe pdfpop(X,s) à partir de la moyenne X et de l'écart-type s calculés telle que : pdfpop(X,s) = pdfm(X) . pdfs (s) où pdfm(X) est la densité de probabilité de la moyenne X et pdfs(s) est la densité de probabilité de l'écart-type s ; d) On compare la densité de probabilité conjointe pdfpop(X,s) calculée pour l'échantillon (E) à une première valeur seuil de stabilité (Vsi) ; e) On pilote la fabrication des pièces en fonction des résultats de comparaison de l'étape d).The invention relates to a method of manufacturing a population of parts produced with a manufacturing device, based on a stability analysis of at least one characteristic dimension of the parts, according to which: a) From the parts produced with the manufacturing device a sample (E) comprising a plurality of parts; b) The characteristic dimension of each part is measured for the sample (E), and for the sample (E) is calculated an average X and a standard deviation s of the measured characteristic dimension; c) We calculate for the sample (E) a joint probability density pdfpop (X, s) from the calculated mean X and standard deviation s such that: pdfpop (X, s) = pdfm (X ). pdfs (s) where pdfm (X) is the probability density of the mean X and pdfs (s) is the probability density of the standard deviation s; d) comparing the joint probability density pdfpop (X, s) calculated for the sample (E) to a first stability threshold value (Vsi); e) The manufacture of the parts is piloted according to the comparison results of step d).
Description
® RÉPUBLIQUE FRANÇAISE® FRENCH REPUBLIC
INSTITUT NATIONAL DE LA PROPRIÉTÉ INDUSTRIELLE © N° de publication :NATIONAL INSTITUTE OF INDUSTRIAL PROPERTY © Publication number:
(à n’utiliser que pour les commandes de reproduction)(to be used only for reproduction orders)
©) N° d’enregistrement national©) National registration number
064 387064 387
5248352483
COURBEVOIECOURBEVOIE
©) Int Cl8 : G 06 Q 50/04 (2017.01), G 05 B 19/4097, G 06 F 17/ 18, G 01 D 21/00©) Int Cl 8 : G 06 Q 50/04 (2017.01), G 05 B 19/4097, G 06 F 17/18, G 01 D 21/00
DEMANDE DE BREVET D'INVENTION A1A1 PATENT APPLICATION
PROCEDE DE FABRICATION DE PIECES BASE SUR UNE ANALYSE DE STABILITE D'UNE DIMENSION CARACTERISTIQUE.METHOD OF MANUFACTURING PARTS BASED ON AN ANALYSIS OF STABILITY OF A CHARACTERISTIC DIMENSION.
FR 3 064 387 - A1FR 3 064 387 - A1
L'invention porte sur un procédé de fabrication d'une population de pièces produites avec un dispositif de fabrication, basé sur une analyse de stabilité d'au moins une dimension caractéristique des pièces, selon lequel:The invention relates to a method for manufacturing a population of parts produced with a manufacturing device, based on a stability analysis of at least one characteristic dimension of the parts, according to which:
a) On prélève parmi les pièces produites avec le dispositif de fabrication un échantillon (E) comprenant plusieurs pièces ;a) A sample (E) comprising several parts is taken from the parts produced with the manufacturing device;
b) On mesure pour l'échantillon (E) la dimension caractéristique de chaque pièce, et on calcule pour l'échantillon (E) une moyenne X et un écart-type s de la dimension caractéristique mesurée;b) The characteristic dimension of each part is measured for the sample (E), and for the sample (E) a mean X and a standard deviation s of the characteristic dimension measured are calculated;
c) On calcule pour l'échantillon (E) une densité de probabilité conjointe pdfpop(X,s) à partir de la moyenne X et de l'écart-type s calculés telle que:c) A pdfpop joint probability density (X, s) is calculated for the sample (E) from the mean X and the calculated standard deviation s such that:
pdfpop(X,s) = pdfm(X). pdfs (s) où pdfm(X) est la densité de probabilité de la moyennepdfpop (X, s) = pdfm (X). pdfs (s) where pdfm (X) is the probability density of the mean
X et pdfs(s) est la densité de probabilité de l'écart-type s;X and pdfs (s) is the probability density of the standard deviation s;
d) On compare la densité de probabilité conjointe pdfpop(X,s) calculée pour l'échantillon (E) à une première valeur seuil de stabilité (Vsi) ;d) The pdfpop joint probability density (X, s) calculated for sample (E) is compared to a first stability threshold value (Vsi);
e) On pilote la fabrication des pièces en fonction des résultats de comparaison de l'étape d).e) The manufacturing of the parts is piloted as a function of the comparison results of step d).
Procédé de fabrication de pièces basé sur une analyse de stabilité d’une dimension caractéristiqueMethod of manufacturing parts based on a stability analysis of a characteristic dimension
DOMAINE DE L’INVENTIONFIELD OF THE INVENTION
L’invention porte sur l’utilisation d’indicateurs statistiques en milieu industriel, par exemple dans l’industrie aéronautique, en particulier pour faciliter le suivi et le contrôle de la fabrication de pièces conformes.The invention relates to the use of statistical indicators in an industrial environment, for example in the aeronautical industry, in particular to facilitate the monitoring and control of the production of compliant parts.
ETAT DE LA TECHNIQUESTATE OF THE ART
La fabrication de pièces, notamment mécaniques, en milieu industriel se heurte à deux contraintes opposées, à savoir l’augmentation des cadences et volumes de fabrication d’une part, et l’augmentation des niveaux de qualité requis d’autre part, ce qui est en particulier vrai dans le domaine aéronautique.The manufacture of parts, particularly mechanical, in an industrial environment encounters two opposite constraints, namely the increase in production rates and volumes on the one hand, and the increase in the quality levels required on the other hand, which is particularly true in the aeronautical field.
Il est aujourd’hui difficilement envisageable d’effectuer des contrôles qualité pour la totalité des pièces fabriquées sauf à nuire considérablement à la cadence de fabrication. On utilise donc en général des indicateurs statistiques de la fabrication, permettant de déduire de manière fiable une information globale sur la qualité de l’ensemble des pièces fabriquées à partir d’information spécifiques de la qualité d’un nombre fini de pièces prélevées en tant qu’échantillon.Today, it is difficult to envisage carrying out quality controls for all of the parts produced, except to considerably affect the production rate. In general, therefore, statistical manufacturing indicators are used, making it possible to reliably deduce global information on the quality of all the parts produced from specific information on the quality of a finite number of parts taken as than sample.
Outre les contrôles en fin de production qui peuvent être faits sur des échantillons ayant un nombre limité de pièces, il est généralement également effectué des contrôles en cours de production de manière à pouvoir éventuellement piloter le flux de production, c'està-dire ajuster les conditions de fabrication pour s’assurer que les pièces fabriquées continuent de répondre aux critères de qualités requis. Dans certains cas, ces contrôles statistiques en cours de production peuvent amener à stopper complètement la production, notamment si les pièces produites présentes des défauts de qualité trop importants et que le flux de fabrication doit être réinitialisé entièrement.In addition to the controls at the end of production which can be done on samples with a limited number of parts, controls are generally also carried out during production so as to be able to possibly control the production flow, that is to say adjust the manufacturing conditions to ensure that the parts manufactured continue to meet the required quality criteria. In some cases, these statistical checks during production can lead to a complete halt in production, in particular if the parts produced have excessively high quality defects and the production flow has to be reinitialized entirely.
Les contrôles qualité sont faits en relation à une dimension caractéristique des pièces qui sont fabriquées. Cette dimension caractéristique peut être par exemple une cote particulière de la pièce, sa masse, ou toute autre caractéristique mesurable desdites pièces.Quality controls are carried out in relation to a characteristic dimension of the parts that are manufactured. This characteristic dimension can for example be a particular dimension of the part, its mass, or any other measurable characteristic of said parts.
Pour effectuer les contrôles statistiques, on prélève successivement plusieurs échantillons, chaque échantillon comprenant plusieurs pièces du flux de fabrication, et on mesure ensuite la dimension caractéristique de chaque pièce de l’échantillon prélevé. A partir des différentes mesures de la dimension caractéristique des pièces de l’échantillon prélevé, on calcule la valeur d’un indicateur statistique préalablement choisi pour suivre la qualité du flux de fabrication.To carry out statistical checks, several samples are taken successively, each sample comprising several pieces of the manufacturing flow, and then the characteristic dimension of each piece of the sample taken is measured. From the various measurements of the characteristic dimension of the pieces of the sample taken, the value of a statistical indicator previously chosen to calculate the quality of the manufacturing flow is calculated.
Il existe divers indicateurs statistiques pouvant être utilisés afin de suivre l’évolution d’un flux de fabrication de pièces, chaque indicateur statistique donnant des informations différentes permettant d’ajuster les conditions de fabrication d’une manière ou d’une autre.There are various statistical indicators that can be used to track the progress of a parts manufacturing flow, each statistical indicator providing different information for adjusting manufacturing conditions in one way or another.
La plupart des indicateurs statistiques utilisés pour le suivi d’un processus industriel de fabrication sont calculés à partir d’une moyenne μ et d’un écart-type σ de la dimension caractéristique mesurée sur plusieurs pièces. Plus précisément, μ correspond à la moyenne du décentrage mesuré pour la dimension caractéristique par rapport à la valeur de référence pour cette dimension caractéristique.Most of the statistical indicators used to monitor an industrial manufacturing process are calculated from an average μ and a standard deviation σ of the characteristic dimension measured on several parts. More precisely, μ corresponds to the average of the offset measured for the characteristic dimension with respect to the reference value for this characteristic dimension.
L’analyse de la stabilité d’une variable donne en particulier des indications statistiques très utiles quant au pilotage d’une fabrication donnée de pièces. En effet, si on considère par exemple que la dimension caractéristique suivie est une cote fonctionnelle d’une pièce, il est important de savoir si le processus fabriquant cette cote est capable, non seulement de produire des cotes conformes, mais également de continuer à le faire dans la durée.The analysis of the stability of a variable gives in particular very useful statistical indications regarding the control of a given manufacturing of parts. Indeed, if we consider for example that the characteristic dimension followed is a functional dimension of a part, it is important to know if the process producing this dimension is capable, not only of producing conforming dimensions, but also of continuing to to do over time.
On dit qu’une population est stable si chacun de ses sous-ensembles est statistiquement cohérent avec le fait d’être un échantillon de la population en question.A population is said to be stable if each of its subsets is statistically consistent with being a sample of the population in question.
Pour déterminer si une population est stable, il est possible d’utiliser une carte de contrôle Xb-s. La carte de contrôle Xb-s divise la population dont on veut déterminer la stabilité en plusieurs échantillons de petite taille n, par exemple, n=5 mesures. On calcule ensuite la moyenne (noté Xb pour exprimer X-barre, ou X) et l’écart-type (noté s) de chacun de ces échantillons, puis la moyenne de chacune de ces grandeurs, à savoir la moyenne X des moyennes X et la moyenne s des écart-types s.To determine if a population is stable, it is possible to use an Xb-s control card. The Xb-s control chart divides the population whose stability is to be determined into several small samples n, for example, n = 5 measurements. We then calculate the mean (noted Xb to express X-bar, or X) and the standard deviation (noted s) of each of these samples, then the mean of each of these quantities, namely the mean X of the means X and the mean s of the standard deviations s.
Selon une méthode, on fait l’hypothèse que la moyenne et l’écart-type des échantillons ont une distribution normale - ce qui est exact pour la moyenne mais faux pour l’écart-type, notamment pour des échantillons de petite taille - et on détermine des bornes à ne pas dépasser qui correspondent à μ ± 3σ. Dans une population normale en effet, 99,73 % des individus sont compris dans l’intervalle μ ± 3σ, et un échantillon en dehors de cet intervalle doit donc être considéré avec suspicion, ceci donnant un indice de non-stabilité du processus de fabrication des pièces.According to one method, it is assumed that the mean and the standard deviation of the samples have a normal distribution - which is correct for the mean but false for the standard deviation, in particular for small samples - and limits not to be exceeded are determined which correspond to μ ± 3σ. In a normal population, in fact, 99.73% of the individuals are included in the interval μ ± 3σ, and a sample outside this interval must therefore be considered with suspicion, this giving an index of non-stability of the manufacturing process. pieces.
Ce contrôle est réalisé à la fois pour la moyenne X et pour l’écart-type s, où le μ ± 3σ est donc entendu comme la moyenne et l’écart-type de la moyenne X, d’une part et la moyenne et l’écart-type de l’écart-type s d’autre part. En pratique, il est utilisé des cartes de contrôle séparées pour la moyenne X et pour l’écart-type s comme représentées aux figures 1 et 2, dans lesquelles est représentée la valeur cible (Vc) de X et s respectivement, et les limites (L1, L2) à ne pas dépasser selon la valeur μ ± 3σ.This check is carried out both for the mean X and for the standard deviation s, where the μ ± 3σ is therefore understood as the mean and the standard deviation of the mean X, on the one hand and the mean and the standard deviation of the standard deviation s on the other hand. In practice, separate control charts are used for the mean X and for the standard deviation s as shown in FIGS. 1 and 2, in which the target value (Vc) of X and s is represented, and the limits are represented. (L1, L2) not to be exceeded according to the value μ ± 3σ.
Ce type de contrôle implique toutefois de devoir réaliser le suivi desdits paramètres sur plusieurs cartes de contrôle spécifiques, en simultané, ce qui est complexe et ne permet pas de corréler les deux paramètres. En outre, comme indiqué par ailleurs, une telle méthode de suivi fait des hypothèses, notamment sur le fait que l’écart-type suit une loi normale, qui peuvent induire des biais dans le contrôle.However, this type of control implies having to monitor these parameters on several specific control cards simultaneously, which is complex and does not allow the two parameters to be correlated. In addition, as indicated elsewhere, such a monitoring method makes assumptions, in particular on the fact that the standard deviation follows a normal law, which can induce bias in the control.
Pour faciliter le suivi de ces deux paramètres simultanément sans avoir à utiliser deux cartes de contrôle spécifiques, il a été proposé dans la demande internationale WO 2016/087798 publiée le 9 juin 2016 d’utiliser des cartes de contrôle en μ-σ (appelées plans mu-sigma) avec des ensembles de validation prenant en compte les limites de plusieurs paramètres. Une telle méthode a l’avantage de permettre une visualisation conjointe de la moyenne et de l’écart-type mais on perd la notion d’évolution des échantillons dans le temps.To facilitate the monitoring of these two parameters simultaneously without having to use two specific control cards, it was proposed in the international application WO 2016/087798 published June 9, 2016 to use control cards in μ-σ (called plans mu-sigma) with validation sets taking into account the limits of several parameters. This method has the advantage of allowing a joint visualization of the mean and the standard deviation, but we lose the notion of sample evolution over time.
Un objet de la présente invention est donc de proposer un procédé de fabrication de pièces produites avec un dispositif de fabrication amélioré, qui permet notamment de résoudre les inconvénients cités ci-dessus.An object of the present invention is therefore to propose a method for manufacturing parts produced with an improved manufacturing device, which in particular makes it possible to solve the drawbacks mentioned above.
En particulier, un objet de la présente invention est de proposer un procédé de fabrication de pièces produites avec un dispositif de fabrication basé sur une analyse de stabilité d’une dimension caractéristique qui est fiable, et qui permet de piloter efficacement et simplement le processus de fabrication.In particular, an object of the present invention is to provide a method of manufacturing parts produced with a manufacturing device based on a stability analysis of a characteristic dimension which is reliable, and which makes it possible to efficiently and simply control the process of manufacturing.
Encore un but de la présente invention est de fournir un procédé de fabrication de pièces qui offre un contrôle accru de la qualité des pièces fabriquées tout en permettant de conserver des cadences élevées, imposées notamment car les contraintes industrielles de fabrication.Yet another object of the present invention is to provide a method of manufacturing parts which offers increased control of the quality of the parts produced while making it possible to maintain high rates, imposed in particular because of the industrial manufacturing constraints.
EXPOSE DE L’INVENTIONSTATEMENT OF THE INVENTION
A cette fin, on propose un procédé de fabrication d’une population de pièces produites avec un dispositif de fabrication, basé sur une analyse de stabilité d’au moins une dimension caractéristique des pièces, selon lequel :To this end, a method of manufacturing a population of parts produced with a manufacturing device is proposed, based on a stability analysis of at least one characteristic dimension of the parts, according to which:
a) On prélève parmi les pièces produites avec le dispositif de fabrication un échantillon (E) comprenant plusieurs pièces ;a) A sample (E) comprising several parts is taken from the parts produced with the manufacturing device;
b) On mesure pour l’échantillon (E) la dimension caractéristique de chaque pièce, et on calcule pour l’échantillon (E) une moyenne X et un écart-type s de la dimension caractéristique mesurée ;b) The characteristic dimension of each part is measured for the sample (E), and for the sample (E) a mean X and a standard deviation s of the characteristic dimension measured are calculated;
c) On calcule pour l’échantillon (E) une densité de probabilité conjointe pdfpop(X,s) à partir de la moyenne X et de l’écart-type s calculés telle que :c) We calculate for sample (E) a pdfpop joint probability density (X, s) from the mean X and the calculated standard deviation s such that:
pdfpop(X,s) = pdfm(X) pdfs(s) où pdfm(X) est la densité de probabilité de la moyenne X et pdfs(s) est la densité de probabilité de l’écart-type s ;pdfpop (X, s) = pdfm (X) pdfs (s) where pdfm (X) is the probability density of the mean X and pdfs (s) is the probability density of the standard deviation s;
d) On compare la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) à une première valeur seuil de stabilité (Vsi) ;d) The pdfpop joint probability density (X, s) calculated for the sample (E) is compared to a first stability threshold value (Vsi);
e) On pilote la fabrication des pièces en fonction des résultats de comparaison de l’étape d) de sorte que :e) The manufacturing of the parts is piloted according to the comparison results of step d) so that:
Si la densité de probabilité conjointe pdfpop(X, s) calculée pour l’échantillon (E) est supérieure ou égale à la première valeur seuil de stabilité (Vsi) alors on considère que la population est stable et on poursuit la fabrication de pièces ;If the pdfpop joint probability density (X, s) calculated for the sample (E) is greater than or equal to the first stability threshold value (Vsi) then we consider that the population is stable and we continue to manufacture parts;
Si la densité de probabilité conjointe pdfpop(X, s) calculée pour l’échantillon (E) est inférieure à la première valeur seuil de stabilité (Vsi) alors on compare la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) à une deuxième valeur seuil de stabilité (Vs2) inférieure à la première valeur seuil de stabilité (Vsi), et :If the pdfpop joint probability density (X, s) calculated for the sample (E) is less than the first stability threshold value (Vsi) then we compare the pdfpop joint probability density (X, s) calculated for the sample (E) at a second stability threshold value (Vs2) lower than the first stability threshold value (Vsi), and:
o Si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) est supérieure ou égale à la deuxième valeur seuil de stabilité (Vs2) alors on considère que la population est à surveiller et on poursuit la fabrication de pièces ;o If the pdfpop joint probability density (X, s) calculated for sample (E) is greater than or equal to the second stability threshold value (Vs2) then we consider that the population is to be monitored and we continue to manufacture rooms ;
o Si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) est inférieure à la deuxième valeur seuil de stabilité (Vs2) alors on considère que la population est instable et on modifie des paramètres du dispositif de fabrication ou on stoppe la fabrication de pièces.o If the pdfpop joint probability density (X, s) calculated for the sample (E) is less than the second stability threshold value (Vs2) then we consider that the population is unstable and we modify the parameters of the manufacturing device or we stop manufacturing parts.
Chacune des étapes présentées est de préférence faite de façon automatisée. L’étape de prélèvement d’un échantillon peut par exemple être réalisée par un robot disposé à la sortie du dispositif de fabrication.Each of the steps presented is preferably carried out automatically. The step of taking a sample can for example be carried out by a robot placed at the outlet of the manufacturing device.
L’étape de mesure de la dimension caractéristique peut être faite avec un dispositif de mesure, comprenant par exemple des capteurs permettant de réaliser une mesure automatisée de dimensions spécifiques de la pièce.The characteristic dimension measurement step can be carried out with a measurement device, comprising for example sensors making it possible to carry out an automated measurement of specific dimensions of the part.
Les étapes de calcul et de comparaison peuvent être faites par tout dispositif de calcul approprié, tel que par exemple des moyens de traitement de données informatiques, tel qu’un ordinateur. Ces étapes de calcul et/ou comparaison peuvent être faites de façon automatique.The calculation and comparison steps can be carried out by any suitable calculation device, such as for example computer data processing means, such as a computer. These calculation and / or comparison steps can be done automatically.
L’étape de pilotage peut par exemple être réalisée par un dispositif de pilotage intégrant des moyens de traitement pour intégrer et traiter les données issues des étapes de calcul, afin de corriger tout anomalie détectée dans la production et corriger le flux de (n - 1) j Ty (n - 1) production. En particulier, le dispositif de pilotage est prévu pour corriger les paramètres d’entrée du dispositif de production dont sont issues les pièces.The control step can for example be carried out by a control device integrating processing means for integrating and processing the data from the calculation steps, in order to correct any anomaly detected in production and correct the flow of (n - 1 ) j Ty (n - 1) production. In particular, the control device is intended to correct the input parameters of the production device from which the parts come.
Des aspects préférés mais non limitatifs de ce procédé, pris seuls ou en combinaison, sont les suivants :Preferred but non-limiting aspects of this process, taken alone or in combination, are the following:
la densité de probabilité pdfm(X) de la moyenne X est calculée telle que : pdfm(X) = φ (λ; X;the probability density pdfm (X) of the mean X is calculated such that: pdfm (X) = φ (λ; X;
o avec φ(χ,μ,σ) représentant la fonction de densité de probabilité de la loi normale de moyenne μ, d’écart-type o évaluée en x ;o with φ (χ, μ, σ) representing the probability density function of the normal law of mean μ, of standard deviation o evaluated in x;
ο X représentant la moyenne des moyennes X de la dimension caractéristique mesurées pour plusieurs échantillons de n pièces ; et o s représentant la moyenne des écart-types s de la dimension caractéristique mesurés pour plusieurs échantillons de n pièces, la densité de probabilité pdfs(s) de l’écart-type s est calculée telle que : pdfs(s) = 2 ^2n_1 o avec^2n_1(%) représentant la fonction de densité de probabilité de la loi du khi-deux à n-1 degrés de liberté exprimée en x pour plusieurs échantillons de n pièces ; et o s représentant la moyenne des écart-types s de la dimension caractéristique mesurés pour plusieurs échantillons de n pièces.ο X representing the mean of the means X of the characteristic dimension measured for several samples of n pieces; and os representing the mean of the standard deviation s of the characteristic dimension measured for several samples of n pieces, the probability density pdfs (s) of the standard deviation s is calculated such that: pdfs (s) = 2 ^ 2 n_ 1 o with ^ 2 n_ 1 (%) representing the probability density function of the law of chi-square at n-1 degrees of freedom expressed in x for several samples of n pieces; and os representing the mean of the standard deviations s of the characteristic dimension measured for several samples of n pieces.
la comparaison de la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) à la première valeur seuil de stabilité (Vsi) et/ou à la deuxième valeur seuil de stabilité (Vs2) est faite visuellement sur un graphique où en abscisse est l’échantillon (E) mesuré et en ordonnée la densité de probabilité conjointe, et dans lequel la valeur seuil de stabilité (Vsi) et la deuxième valeur seuil de stabilité (Vs2) sont représentées par des droites de pente nulle respectivement à une ordonnée correspondant à leur valeur.the comparison of the pdfpop joint probability density (X, s) calculated for the sample (E) with the first stability threshold value (Vsi) and / or the second stability threshold value (Vs2) is made visually on a graph where on the abscissa is the measured sample (E) and on the ordinate the joint probability density, and in which the stability threshold value (Vsi) and the second stability threshold value (Vs2) are represented by lines of zero slope respectively to an ordinate corresponding to their value.
la comparaison de la densité de probabilité conjointe pdfpop(X, s) calculée pour l’échantillon (E) à la première valeur seuil de stabilité (Vsi) et/ou à la deuxième valeur seuil de stabilité (Vs2) est faite visuellement sur un graphique où en abscisse est l’échantillon (E) mesuré et en ordonnée la valeur logarithmique de la densité de probabilité conjointe, et dans lequel la première valeur seuil de stabilité (Vsi) et la deuxième valeur seuil de stabilité (Vs2) sont représentées par des droites de pente nulle respectivement à une ordonnée correspondant à leur valeur logarithmique, on réitère les étapes a) à e) pour plusieurs échantillons successifs, et où à l’étape e), si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon en cours est inférieure à la première valeur seuil de stabilité (Vsi) et supérieure ou égale à la deuxième valeur seuil de stabilité (Vs2) et que l’analyse de stabilité de l’échantillon précédent a amené à surveiller la population, alors on considère que la population est instable et on modifie des paramètres du dispositif de fabrication ou on stoppe la fabrication de pièces. Ainsi, si la densité de probabilité conjointe pdfpop(X,s) calculée pour deux échantillons consécutifs est inférieure à la première valeur seuil de stabilité (Vsi) et supérieure ou égale à la deuxième valeur seuil de stabilité (Vs2), alors on considère que la population est instable et on modifie des paramètres du dispositif de fabrication ou on stoppe la fabrication de pièces, la première valeur seuil de stabilité (Vsi) et la deuxième valeur seuil de stabilité (Vs2) sont fixées pour que respectivement 95% et 99% des échantillons d’une population de pièces répartie selon une loi normale aient une valeur de densité supérieure à la limite.the comparison of the pdfpop joint probability density (X, s) calculated for the sample (E) with the first stability threshold value (Vsi) and / or the second stability threshold value (Vs2) is made visually on a graph where on the abscissa is the sample (E) measured and on the ordinate the logarithmic value of the joint probability density, and in which the first stability threshold value (Vsi) and the second stability threshold value (Vs2) are represented by lines of zero slope respectively to an ordinate corresponding to their logarithmic value, steps a) to e) are repeated for several successive samples, and where in step e), if the joint probability density pdfpop (X, s) calculated for the current sample is less than the first stability threshold value (Vsi) and greater than or equal to the second stability threshold value (Vs2) and that the stability analysis of the previous sample led to monitoring the population, so we co We consider that the population is unstable and we modify the parameters of the manufacturing device or we stop manufacturing parts. Thus, if the pdfpop joint probability density (X, s) calculated for two consecutive samples is less than the first stability threshold value (Vsi) and greater than or equal to the second stability threshold value (Vs2), then we consider that the population is unstable and the parameters of the manufacturing device are modified or the production of parts is stopped, the first stability threshold value (Vsi) and the second stability threshold value (Vs2) are fixed so that 95% and 99% respectively samples of a population of parts distributed according to a normal law have a density value greater than the limit.
la première valeur seuil de stabilité (Vsi) et la deuxième valeur seuil de stabilité (Vs2) correspondent respectivement au cinquième centile et au premier centile de la répartition de la densité de probabilité conjointe pdfpop(X,s) calculée pour un tirage aléatoire de plusieurs échantillons correspondant à la population de référence.the first stability threshold value (Vsi) and the second stability threshold value (Vs2) correspond respectively to the fifth percentile and to the first percentile of the pdfpop joint probability density distribution (X, s) calculated for a random selection of several samples corresponding to the reference population.
DESCRIPTION DES FIGURESDESCRIPTION OF THE FIGURES
D’autres caractéristiques et avantages de l’invention ressortiront encore de la description qui suit, laquelle est purement illustrative et non limitative et doit être lue en regard des dessins annexés, sur lesquels :Other characteristics and advantages of the invention will emerge from the following description, which is purely illustrative and not limiting and should be read with reference to the appended drawings, in which:
les figures 1 et 2 sont des représentations graphiques, appelées cartes de contrôle, connues de l’art antérieur permettant de suivre l’évolution d’un indicateur statistique individuel ;Figures 1 and 2 are graphical representations, called control charts, known from the prior art for monitoring the progress of an individual statistical indicator;
la figure 3 est une représentation graphique tridimensionnelle de la densité de probabilité conjointe pour plusieurs échantillons ;FIG. 3 is a three-dimensional graphic representation of the joint probability density for several samples;
la figure 4 est un schéma illustrant une chaîne de production intégrant un contrôle et pilotage de la production avec échantillonnage de pièces ; la figure 5 est une représentation graphique tridimensionnelle pour contrôler la densité de probabilité conjointe pour plusieurs échantillons selon un premier mode de réalisation ;FIG. 4 is a diagram illustrating a production chain integrating a control and piloting of production with sampling of parts; FIG. 5 is a three-dimensional graphic representation for controlling the joint probability density for several samples according to a first embodiment;
la figure 6 est une représentation graphique bidimensionnelle pour contrôler la densité de probabilité conjointe pour plusieurs échantillons selon un deuxième mode de réalisation ;FIG. 6 is a two-dimensional graphic representation for controlling the joint probability density for several samples according to a second embodiment;
la figure 7 est une représentation graphique bidimensionnelle pour contrôler la densité de probabilité conjointe pour plusieurs échantillons selon un troisième mode de réalisation.FIG. 7 is a two-dimensional graphic representation for controlling the joint probability density for several samples according to a third embodiment.
DESCRIPTION DETAILLEE DE L’INVENTIONDETAILED DESCRIPTION OF THE INVENTION
Comme explicité ci-dessus, on peut contrôler la stabilité d’une production de pièces en contrôlant en parallèle la moyenne X et pour l’écart-type s pour la dimension caractéristique spécifique choisie.As explained above, we can check the stability of a production of parts by checking in parallel the mean X and for the standard deviation s for the specific characteristic dimension chosen.
Or, un échantillon où la moyenne X et l’écart-type s sont tous deux en dehors de la zone d’acceptation est extrêmement improbable alors qu’un échantillon où la moyenne X est en dehors de la zone d’acceptation mais où l’écart-type s est sur la ligne médiane pourrait être acceptable.Now, a sample where the mean X and the standard deviation s are both outside the acceptance zone is extremely improbable whereas a sample where the mean X is outside the acceptance zone but where l s standard deviation is on the midline might be acceptable.
Il est proposé ici d’utiliser la densité de probabilité conjointe afin de considérer l’évolution de la moyenne X et de l’écart-type s de manière combinée et non plus de manière totalement indépendante l’une de l’autre. Cela va permettre de piloter la fabrication des pièces de manière plus efficace, évitant notamment de stopper la production pour des cas limites qui sont en fait acceptables.It is proposed here to use the joint probability density in order to consider the evolution of the mean X and of the standard deviation s in a combined way and no longer in a totally independent one from the other. This will allow the manufacturing of parts to be managed more efficiently, in particular avoiding stopping production for borderline cases which are in fact acceptable.
On utilise donc les probabilités de densité conjointes pour caractériser une population ou un échantillon d’un dispositif de fabrication.We therefore use joint density probabilities to characterize a population or a sample of a manufacturing device.
La densité de probabilité conjointe d’un échantillon peut être calculée comme le produit de la densité de probabilité de la moyenne X par la densité de probabilité de l’écarttype s. Si l’on ajoute au plan mu-sigma un axe z représentant la densité de probabilité, on peut tracer ces échantillons et la densité de probabilité de trouver un échantillon à cet endroit, comme cela est illustré à la figure 3.The joint probability density of a sample can be calculated as the product of the probability density of the mean X and the probability density of the standard deviation s. If we add a z axis representing the probability density to the mu-sigma plane, we can plot these samples and the probability density of finding a sample at this location, as illustrated in Figure 3.
Plus cette densité de probabilité est élevée en un point donné, et plus la probabilité de tirer, de la population de moyenne X et d’écart-type s, un échantillon situé en ce point est importante. On constate également que certains échantillons, acceptés au même titre, sont en fait beaucoup moins probable.The higher this probability density at a given point, the greater the probability of drawing a sample located at this point from the population of mean X and standard deviation s. We also note that certain samples, accepted in the same way, are in fact much less likely.
On propose donc dans l’application spécifique de pilotage d’une fabrication de pièces dans un système qui est de préférence automatisé, d’utiliser une carte de contrôle basée sur la densité de probabilité.It is therefore proposed in the specific application for controlling the manufacture of parts in a system which is preferably automated, to use a control card based on the probability density.
Pour chaque échantillon on calcule ainsi la moyenne X et l’écart type s et partant de là, les densités de probabilités respectives pour chacune de ces grandeurs. Ces densités de probabilités sont multipliées pour donner une densité de probabilité unique caractérisant la population.For each sample, the average X and the standard deviation s are thus calculated and, from there, the respective probability densities for each of these quantities. These probability densities are multiplied to give a unique probability density characterizing the population.
Plus précisément, on calcule pour l’échantillon prélevé dans le flux du dispositif de production une densité de probabilité conjointe pdfpop(X, s) à partir de la moyenne X et de l’écart-type s calculés telle que :More precisely, for the sample taken from the flow of the production device, a joint probability density pdfpop (X, s) is calculated from the mean X and the calculated standard deviation s such that:
pdfpop(X,s) = pdfm(X) pdfs(s) où pdfm(X) est la densité de probabilité de la moyenne X et pdfs(s) est la densité de probabilité de l’écart-type s.pdfpop (X, s) = pdfm (X) pdfs (s) where pdfm (X) is the probability density of the mean X and pdfs (s) is the probability density of the standard deviation s.
Selon un mode de réalisation préféré, la densité de probabilité pdfm(X) de la moyenne X est calculée telle que :According to a preferred embodiment, the probability density pdfm (X) of the mean X is calculated such that:
pdfm(X) = φ (λ; X;pdfm (X) = φ (λ; X;
avec φ(χ,μ,σ) représentant la fonction de densité de probabilité de la loi normale de moyenne μ, d’écart-type σ évaluée en x ;with φ (χ, μ, σ) representing the probability density function of the normal law of mean μ, of standard deviation σ evaluated in x;
- X représentant la moyenne des moyennes X de la dimension caractéristique mesurées pour plusieurs échantillons de n pièces ; et s représentant la moyenne des écart-types s de la dimension caractéristique mesurés pour plusieurs échantillons de n pièces.- X representing the mean of the means X of the characteristic dimension measured for several samples of n pieces; and s representing the mean of the standard deviations s of the characteristic dimension measured for several samples of n pieces.
X peut ainsi par exemple représenter la moyenne des moyennes X de la dimension caractéristique mesurées pour k échantillons de n pièces, et s représenter la moyenne des écart-types s de la dimension caractéristique mesurés pour k échantillons de n pièces.X can thus for example represent the average of the means X of the characteristic dimension measured for k samples of n parts, and s can represent the average of the standard deviations s of the characteristic dimension measured for k samples of n parts.
Selon un exemple plus spécifique de réalisation, X et s représentent respectivement la moyenne et l’écart-type de l’ensemble de la population des pièces fabriquées (historique si nécessaire).According to a more specific embodiment, X and s represent respectively the mean and the standard deviation of the entire population of manufactured parts (historical if necessary).
De préférence encore, la densité de probabilité pdfs(s) de l’écart-type s est calculée telle que :More preferably, the probability density pdfs (s) of the standard deviation s is calculated such that:
(n - 1)^· (n - 1) avec^2n_1(%) représentant la fonction de densité de probabilité de la loi du khi-deux à n-1 degrés de liberté exprimée en xpour plusieurs échantillons de n pièces (par exemple k échantillons de n pièces) ; et s représentant la moyenne des écart-types s de la dimension caractéristique mesurés pour plusieurs échantillons de n pièces (par exemple k échantillons de n pièces).(n - 1) ^ · (n - 1) with ^ 2 n_ 1 (%) representing the probability density function of the chi-square law at n-1 degrees of freedom expressed in x for several samples of n pieces ( for example k samples of n pieces); and s representing the mean of the standard deviations s of the characteristic dimension measured for several samples of n pieces (for example k samples of n pieces).
Si l’on reprend le graphique tridimensionnel de la figure 3, les échantillons situés dans la zone Zr qui représente les plus hautes densités de probabilités sont très proches de la population de référence, c'est-à-dire lorsque des valeurs X et s, sont proches des valeurs cibles (Vc) telles qu’illustrées aux figures 1 et 2. De tels échantillons sont très représentatifs de la population de référence et devraient donc être acceptés avec une pdfs(s) = 2 x2n_± — grande confiance. En revanche, les échantillons éloignés de la population de référence ont une densité de probabilité faible et donc pourraient être rejetés.If we take again the three-dimensional graph of figure 3, the samples located in the zone Zr which represents the highest densities of probabilities are very close to the reference population, i.e. when values X and s , are close to the target values (Vc) as illustrated in Figures 1 and 2. Such samples are very representative of the reference population and should therefore be accepted with a pdfs (s) = 2 x 2 n_ ± - great confidence . On the other hand, samples far from the reference population have a low probability density and therefore could be rejected.
On définit le critère d’acceptabilité comme la valeur de densité de probabilité en dessous de laquelle on considère que la moyenne X et l’écart-type s d’un échantillon ne sont pas cohérentes avec ceux de la population de référence.The acceptability criterion is defined as the probability density value below which it is considered that the mean X and the standard deviation s of a sample are not consistent with those of the reference population.
Pour ce faire, on peut donc comparer la densité de probabilité conjointe pdfpop(X,s) calculée pour un échantillon à une première valeur seuil de stabilité (Vsi) pour déterminer si la population étudiée est stable, puis on contrôle le dispositif de fabrication en fonction de cette comparaison. Il est à noter que la valeur seuil de stabilité est une valeur de densité de probabilité conjointe.To do this, we can therefore compare the pdfpop (X, s) joint probability density calculated for a sample with a first stability threshold value (Vsi) to determine if the population studied is stable, then we control the manufacturing device by based on this comparison. It should be noted that the stability threshold value is a joint probability density value.
Selon un mode de réalisation préféré, on utilise deux valeurs seuil de stabilité (Vsi) et (Vs2) pour un pilotage encore plus fin du dispositif de fabrication des pièces, les deux valeurs seuil de stabilité étant des valeurs de densité de probabilité conjointe.According to a preferred embodiment, two stability threshold values (Vsi) and (Vs2) are used for even finer control of the device for manufacturing the parts, the two stability threshold values being values of joint probability density.
Par exemple, on peut utiliser une valeur correspondant à un échantillon qui pourrait être rejeté par un des deux composants de la carte de contrôle Xb-s (moyenne OU écarttype défaillant) que l’on nommera première valeur seuil de stabilité (Vsi) ou valeur seuil de stabilité intermédiaire, et une valeur correspondant à un échantillon qui serait rejeté par les deux composants de la carte de contrôle Xb-s (moyenne ET écart-type défaillant) que l’on nommera deuxième valeur seuil de stabilité (Vs2) ou valeur seuil de stabilité critique.For example, we can use a value corresponding to a sample which could be rejected by one of the two components of the Xb-s control card (mean OR faulty standard deviation) which will be called first stability threshold value (Vsi) or value intermediate stability threshold, and a value corresponding to a sample which would be rejected by the two components of the Xb-s control card (mean AND faulty standard deviation) which will be called second stability threshold value (Vs2) or value critical stability threshold.
Selon un mode de réalisation préféré, on pilote la fabrication des pièces en fonction de la valeur de la densité de probabilité conjointe pdfpop(X,s) calculée de sorte que :According to a preferred embodiment, the manufacturing of the parts is piloted as a function of the value of the pdfpop joint probability density (X, s) calculated so that:
Si la densité de probabilité conjointe pdfpop(X,s) calculée pour un échantillon (E) est supérieure ou égale à la première valeur seuil de stabilité (Vsi) alors on considère que la population est stable et on poursuit la fabrication de pièces ;If the pdfpop joint probability density (X, s) calculated for a sample (E) is greater than or equal to the first stability threshold value (Vsi) then we consider that the population is stable and we continue to manufacture parts;
Si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) est inférieure à la première valeur seuil de stabilité (Vsi) alors on compare la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) à une deuxième valeur seuil de stabilité (Vs2) inférieure à la première valeur seuil de stabilité (Vsi), et :If the pdfpop joint probability density (X, s) calculated for the sample (E) is less than the first stability threshold value (Vsi) then we compare the pdfpop joint probability density (X, s) calculated for the sample (E) at a second stability threshold value (Vs2) lower than the first stability threshold value (Vsi), and:
o Si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) est supérieure ou égale à la deuxième valeur seuil de stabilité (Vs2) alors on considère que la population est à surveiller et on poursuit la fabrication de pièces ;o If the pdfpop joint probability density (X, s) calculated for sample (E) is greater than or equal to the second stability threshold value (Vs2) then we consider that the population is to be monitored and we continue to manufacture rooms ;
o Si la densité de probabilité conjointe pdfpop(X,s) calculée pour l’échantillon (E) est inférieure à la deuxième valeur seuil de stabilité (Vs2) alors on considère que la population est instable et on modifie des paramètres du dispositif de fabrication ou on stoppe la fabrication de pièces.o If the pdfpop joint probability density (X, s) calculated for the sample (E) is less than the second stability threshold value (Vs2) then we consider that the population is unstable and we modify the parameters of the manufacturing device or we stop manufacturing parts.
L’utilisation proposée est donc de rejeter immédiatement l’hypothèse de stabilité d’une population présentant au moins un échantillon dont la valeur de densité de probabilité est inférieure à la valeur seuil de stabilité critique (Vs2) alors qu’un échantillon dont la valeur de densité est inférieure à la valeur seuil de stabilité intermédiaire (Vsi) est une alerte, et que l’hypothèse de stabilité serait rejetée en fonction des résultats des échantillonnages ultérieurs. Par exemple, on pourrait rejeter l’hypothèse de stabilité, et donc modifier les paramètres du dispositif de fabrication, si deux échantillons consécutifs présentent une valeur de densité de probabilité inférieure à la valeur seuil de stabilité intermédiaire (Vsi).The proposed use is therefore to immediately reject the assumption of stability of a population with at least one sample whose probability density value is less than the critical stability threshold value (Vs2) while a sample whose value density is below the intermediate stability threshold value (Vsi) is an alert, and that the stability hypothesis would be rejected based on the results of subsequent sampling. For example, we could reject the stability hypothesis, and therefore modify the parameters of the manufacturing device, if two consecutive samples have a probability density value below the intermediate stability threshold value (Vsi).
Les valeurs seuil de stabilité peuvent être choisies en fonction des contraintes que l’on souhaite imposer au processus de fabrication.The stability threshold values can be chosen according to the constraints that one wishes to impose on the manufacturing process.
On peut par exemple choisir les valeurs seuil de stabilité intermédiaire (Vsi) et critique (Vs2) de manière à ce que respectivement 95 % et 99% des échantillons tirés d’une population normale aient une valeur de densité de probabilité supérieure à la limite.We can, for example, choose the intermediate (Vsi) and critical (Vs2) threshold stability values so that respectively 95% and 99% of the samples taken from a normal population have a probability density value greater than the limit.
Pour définir la valeur seuil correspondante, on peut par exemple utiliser la méthode de Monte-Carlo. Selon cette méthode, on génère aléatoirement un grand nombre d’échantillons correspondant à la population de référence que l’on souhaite surveiller. Pour chacun de ces échantillons, on calcule sa densité de probabilité selon les équations décrites ci-dessus. On peut alors déterminer empiriquement les valeurs limites, qui sont celles du premier et du cinquième centile.To define the corresponding threshold value, one can for example use the Monte-Carlo method. According to this method, a large number of samples are randomly generated corresponding to the reference population that one wishes to monitor. For each of these samples, its probability density is calculated according to the equations described above. The limit values, which are those of the first and fifth percentiles, can then be determined empirically.
Comme indiqué plus haut et comme illustré à la figure 4, le procédé de pilotage proposé pour piloter le dispositif de fabrication des pièces peut être opéré de façon totalement automatisée.As indicated above and as illustrated in FIG. 4, the control method proposed for controlling the device for manufacturing the parts can be operated in a completely automated manner.
Une fois qu’un échantillon (E) de pièces aura été prélevé, à l’aide d’un robot par exemple, un dispositif de mesure, ou poste de contrôle, réalise des mesures d’une dimension spécifique des pièces de l’échantillon.Once a sample (E) of parts has been taken, using a robot for example, a measuring device, or control station, performs measurements of a specific dimension of the parts of the sample .
Un dispositif de calcul utilise ensuite ces mesures pour calculer la densité de probabilité conjointe décrite ci-dessus, et vérifier la stabilité de la fabrication en comparant les résultats de calcul à des valeurs seuil.A calculation device then uses these measurements to calculate the joint probability density described above, and to verify the stability of the manufacture by comparing the calculation results with threshold values.
Dans le cas où il est déterminé que la production n’est pas stable, un dispositif de pilotage va déterminer des nouveaux réglages du dispositif de fabrication pour que les dérives de stabilités constatées soient corrigées et que la production de pièces soit de nouveau conforme aux critères d’acceptabilité requis.In the event that it is determined that production is not stable, a control device will determine new adjustments to the manufacturing device so that the observed stability drifts are corrected and that the production of parts conforms again to the criteria. acceptability required.
Des graphiques de contrôle ou cartes de contrôle peuvent aussi être utilisé en complément pour donner des informations sur la stabilité du procédé de fabrication.Control charts or control charts can also be used in addition to give information on the stability of the manufacturing process.
En reprenant la représentation tridimensionnelle de la figure 3, on peut par exemple ajouter des plans pour chaque valeur seuil de stabilité.By taking up the three-dimensional representation of FIG. 3, one can for example add plans for each threshold value of stability.
La figure 4 illustre par exemple une représentation semblable à celle de la figure 3, dans laquelle le plan limite correspondant à la valeur seuil de stabilité intermédiaire (Vsi) a été représenté.FIG. 4 illustrates for example a representation similar to that of FIG. 3, in which the limit plane corresponding to the intermediate stability threshold value (Vsi) has been represented.
Il est également possible d’avoir une représentation simplifiée telle que le graphe bidimensionnel de la figure 6 représentant l’évolution de la densité de probabilité conjointe (pdf) en fonction des échantillons. La valeur seuil de stabilité intermédiaire (Vsi) et la valeur seuil de stabilité critique (Vs2) sont respectivement représentées par une droite à la valeur de densité de probabilité conjointe correspondante. Une telle représentation est plus simple à mettre en oeuvre et permet des contrôles visuels beaucoup plus rapides.It is also possible to have a simplified representation such as the two-dimensional graph in Figure 6 representing the evolution of the joint probability density (pdf) as a function of the samples. The intermediate stability threshold value (Vsi) and the critical stability threshold value (Vs2) are respectively represented by a straight line at the corresponding joint probability density value. Such a representation is simpler to implement and allows much faster visual checks.
Pour encore faciliter le contrôle visuel, il peut être intéressant de marquer plus nettement la limite entre la valeur seuil de stabilité intermédiaire (Vsi) et la valeur seuil de stabilité critique (Vs2). A cette fin, on peut par exemple avoir une représentation logarithmique comme illustré à la figure 7.To further facilitate visual control, it may be interesting to mark more clearly the limit between the intermediate stability threshold value (Vsi) and the critical stability threshold value (Vs2). To this end, we can for example have a logarithmic representation as illustrated in FIG. 7.
Sur cette figure 7, on voit par exemple plus nettement que l’échantillon n°2 doit être considéré avec suspicion et que l’échantillon n°4 doit être considéré comme étant significatif d’une non-stabilité. Il est à noter que les figures 6 et 7 sont des graphiques générés avec les mêmes données.In this FIG. 7, it can be seen more clearly, for example, that sample No. 2 must be considered with suspicion and that sample No. 4 must be considered to be significant of non-stability. Note that Figures 6 and 7 are graphs generated with the same data.
La méthode proposée pour le pilotage du dispositif de fabrication selon l’étude de la stabilité d’une dimension caractéristique est plus performant que les procédés de contrôle existant puisqu’il fait moins d’hypothèses, notamment sur la loi de probabilité suivie par la valeur de l’écart type.The method proposed for controlling the manufacturing device according to the study of the stability of a characteristic dimension is more efficient than the existing control methods since it makes fewer assumptions, in particular on the law of probability followed by the value of the standard deviation.
Un exemple spécifique d’utilisation est le suivant, en référence à l’illustration de la figure 4 notamment. Si on considère un procédé de fabrication connu comme capable, alors le procédé présente un ou plusieurs paramètres de réglage qui influent sur la moyenne ou l’écart-type de la population de valeurs de caractéristique fonctionnelle des pièces produites. Le procédé comporte un optimal en moyenne et écart-type, par exemple pour avoir une bonne capabilité.A specific example of use is as follows, with reference to the illustration in FIG. 4 in particular. If a known manufacturing process is considered capable, then the process has one or more adjustment parameters which influence the average or the standard deviation of the population of functional characteristic values of the parts produced. The process includes an optimal on average and standard deviation, for example to have a good capability.
Pour s’assurer que le procédé conserve cet optimal, on met par exemple en place une chaîne de mesure. À la sortie du procédé générant la caractéristique fonctionnelle, un certain nombre de pièces sont mesurées.To ensure that the process retains this optimal, for example, we put in place a measurement chain. At the end of the process generating the functional characteristic, a certain number of parts are measured.
Pour éviter d’avoir à contrôler toutes les pièces de la production, on utilise un poste de contrôle doté d’un appareil qui prélève périodiquement des pièces dans le flux de production et d’un dispositif de mesure des pièces. Après la mesure, un dispositif de calcul vérifie les conditions de stabilité. Si la stabilité est acceptée, la production peut continuer. Si la stabilité est refusée, la suite dépend de la connaissance du procédé :To avoid having to control all parts of production, we use a control station equipped with a device which periodically takes parts from the production flow and a device for measuring parts. After the measurement, a calculation device checks the stability conditions. If stability is accepted, production can continue. If stability is refused, the following depends on the knowledge of the process:
• Soit le procédé est bien connu, notamment l’influence des paramètres significatifs sur la réalisation d’une caractéristique. Il est alors possible de chercher automatiquement la valeur optimale d’un paramètre significatif, par exemple par optimisation paramétrique • Soit la connaissance du procédé est empirique. Il faut alors stopper la production, puisqu’elle ne permet pas de produire des pièces dont la conformité est garantie. Il faut alors chercher les origines du problème et les nouveaux réglages à apporter.• Either the process is well known, in particular the influence of significant parameters on the achievement of a characteristic. It is then possible to automatically search for the optimal value of a significant parameter, for example by parametric optimization • Either the knowledge of the process is empirical. It is therefore necessary to stop production, since it does not allow the production of parts whose conformity is guaranteed. It is then necessary to seek the origins of the problem and the new adjustments to be made.
REFERENCES BIBLIOGRAPHIQUES - WO 2016/087798BIBLIOGRAPHICAL REFERENCES - WO 2016/087798
Claims (8)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1752483A FR3064387B1 (en) | 2017-03-24 | 2017-03-24 | PART MANUFACTURING PROCESS BASED ON A STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR1752483 | 2017-03-24 | ||
| FR1752483A FR3064387B1 (en) | 2017-03-24 | 2017-03-24 | PART MANUFACTURING PROCESS BASED ON A STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| FR3064387A1 true FR3064387A1 (en) | 2018-09-28 |
| FR3064387B1 FR3064387B1 (en) | 2020-12-25 |
Family
ID=58739223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| FR1752483A Active FR3064387B1 (en) | 2017-03-24 | 2017-03-24 | PART MANUFACTURING PROCESS BASED ON A STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION |
Country Status (1)
| Country | Link |
|---|---|
| FR (1) | FR3064387B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222080A (en) * | 2020-01-09 | 2020-06-02 | 西安石油大学 | Method for estimating size distribution center of regular geometric shape part |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5408405A (en) * | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
| FR3029620A1 (en) * | 2014-12-05 | 2016-06-10 | Snecma | PROCESS FOR MONITORING THE PRODUCTION OF PARTS BASED ON THE SIMULTANEOUS ANALYSIS OF STATISTICAL INDICATORS |
-
2017
- 2017-03-24 FR FR1752483A patent/FR3064387B1/en active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5408405A (en) * | 1993-09-20 | 1995-04-18 | Texas Instruments Incorporated | Multi-variable statistical process controller for discrete manufacturing |
| FR3029620A1 (en) * | 2014-12-05 | 2016-06-10 | Snecma | PROCESS FOR MONITORING THE PRODUCTION OF PARTS BASED ON THE SIMULTANEOUS ANALYSIS OF STATISTICAL INDICATORS |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111222080A (en) * | 2020-01-09 | 2020-06-02 | 西安石油大学 | Method for estimating size distribution center of regular geometric shape part |
| CN111222080B (en) * | 2020-01-09 | 2023-11-28 | 西安石油大学 | Method for estimating size distribution center of regular geometric part |
Also Published As
| Publication number | Publication date |
|---|---|
| FR3064387B1 (en) | 2020-12-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180253637A1 (en) | Churn prediction using static and dynamic features | |
| EP3227644B1 (en) | Method of manufacturing parts, based on the analysis of statistical indicators in a situation of diminished control | |
| WO2019129977A1 (en) | Detection of anomalies by an approach combining supervised and non-supervised learning | |
| EP3227646B1 (en) | Method of manufacturing parts, based on the analysis of weighted statistical indicators | |
| FR3050274A1 (en) | METHOD OF TOPOLOGICAL ANALYSIS OF A COMPOSITE PIECE | |
| EP4124942A1 (en) | Method and system for processing personal data using homomorphic encryption | |
| FR3064387A1 (en) | METHOD FOR MANUFACTURING PARTS BASED ON STABILITY ANALYSIS OF A CHARACTERISTIC DIMENSION | |
| EP3227755B1 (en) | A process for manufacturing parts that is based on simultaneous analysis of statistical indicators | |
| FR2919407A1 (en) | METHOD, DEVICE AND SYSTEM FOR MERGING INFORMATION FROM SEVERAL SENSORS. | |
| FR3105863A1 (en) | Method AND system for designing a prediction model | |
| EP3620928A1 (en) | Device and method for analysing the behaviour of an application component subject to increasing scarcity of resources | |
| EP3846047A1 (en) | Method and system for identifying relevant variables | |
| EP3343375B1 (en) | A method and a system for monitoring batch processing of applications executed in it infrastructure | |
| WO2007051940A1 (en) | Method and device for calculating a measurement of similarity between a representation of a reference audio segment and a representation of an audio segment to be tested, and method and device for tracking a reference speaker | |
| EP3928501A1 (en) | Method for managing the access of a user to a voice service, corresponding device, system and programs | |
| FR3089648A1 (en) | METHOD FOR NON-SUPERVISED DETECTION OF INTERNAL ATTACKS AND ASSOCIATED SYSTEM | |
| EP3340065A1 (en) | Method for determining the state of a system, method for determining an optimal projection method and device implementing said methods | |
| EP3227645B1 (en) | Method of manufacturing parts, based on the analysis of centring coefficients | |
| EP3959503B1 (en) | Device for medical analyses with impedance signal processing | |
| EP3767474B1 (en) | Method for analysing resource consumption of a computer infrastructure, alert and sizing | |
| EP3405899B1 (en) | Process for classifying a biological sample | |
| EP4113898A1 (en) | Method and system for authenticating, by verification equipment, a device to be authenticated provided with a puf circuit | |
| EP3729768A1 (en) | Method for automatically constructing computer attack scenarios, computer program product and associated construction system | |
| EP4300129A1 (en) | Method for clustering waveform descriptions | |
| FR3108743A1 (en) | INCIDENT PREVENTION PROCESS ON AN APPLICATION CHAIN AND COMPUTER INCIDENT PREVENTION DEVICE |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PLFP | Fee payment |
Year of fee payment: 2 |
|
| PLSC | Publication of the preliminary search report |
Effective date: 20180928 |
|
| PLFP | Fee payment |
Year of fee payment: 4 |
|
| PLFP | Fee payment |
Year of fee payment: 5 |
|
| PLFP | Fee payment |
Year of fee payment: 6 |
|
| PLFP | Fee payment |
Year of fee payment: 7 |
|
| PLFP | Fee payment |
Year of fee payment: 8 |