גאוגות חוזרת וכדאיות בעידן המדידה הדיגיטלית

מחקרים של Gauge Reproducability ו Reproducibility (R&R) כבר זמן רב אבן הפינה של בקרת איכות, מתן מסגרת קפדנית לכמת את יכולת ההשתונות הטמונית במערכות מדידה מסורתיות, מחקרים אלה נשענים על קליפים ידניים, מיקרומטר ואינדיקטורים ללחיצת דחיסה אוטומטית של מערכת נתונים, עם בדיקות זמן נתונים MMEP וניתח באמצעות גליונות מבוזרים או תוכנה סטטיסטית חשובה, תוך כדי לתאם שגיאות דיגיטליות, לעתים קרובות, הפחתת , הפחתת , ו-C אפשרי, ו-ה, התקני אבטחה דיגיטלית, ו-C-ממות, היא יעילה, עם אינטגרציה מהירה, עם אינטגרציה מהירה יותר, עם אינטגרציה מהירה יותר, עם הדבקה מהירה יותר, עם אינטגרציה, עם הדבקה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת ההפעלה RMS-C, ו-ממות, עם , עם , עם RMS-מסוגיה (מ-מ-מפסידי מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת הפעלה מהירה של מערכת

עם זאת, פשוט בעלות ציוד דיגיטלי מתקדם אינה מספיקה.ממינוף מלא של יכולותיה, ארגונים חייבים לאמץ מתודולוגיות חדשות שאינן סטנדרט ממוצע וטווח או OVA גישות המתוארות במדריכים מסורתיים כמו FLT:0AIAG Measurement Systems Analysis (MSA) Reference ManualFLT:1 . מאמר זה חוקר חמש טכניקות חדשניות לביצוע Gauge R&R על מכשירים דיגיטליים מודרניים, מסביר את היתרונות המעשיים שלהם וליישם ביעילות את הסביבות הייצור שלהם.

התפתחותו של גאוג'י ר' & R: ממדריך לדיגיטל

מה זה Gauge R & R Measures

בליבה, גאג'י R&R קובע כי מידת המידות הכוללת לשני מרכיבים:0. [ ⁇ abilityFLT:1] (הההוריאציות כאשר אותו מפעיל מודד שוב ושוב באותו מד) ו- (FLT:2reproducibility FLT 3: 3 פעמים (השינוי כאשר מפעילים שונים מודדים את אותו חלק באמצעות אותו מדד מסורתי).

מגבלות של אנליסטים ושיטות דיגיטליות מוקדמות

גם עם קריאות דיגיטליות מוקדמות, מחקרים רבים סבלו:

  • (FLT:0) שגיאות של הקרנה נתונים: 1FLT 1 מפעילי באופן ידני להעתיק מספרים מתצוגה לתוך יומן או גיליון אלקטרוני הציג טיפוס וערפל.
  • (FLT:0) גדלי מדגם לימיטים: FLT:1, משום שאוסף נתונים היה כוח-אינסטנסיבי, מחקרים השתמשו לעתים קרובות במספר מינימלי של חלקים ומשכפלים, צמצום הכוח הסטטיסטי.
  • תוצאות המחקר של ה-FLT:0 (התוצאה של R&R) לא היו זמינים עד שעות או ימים לאחר איסוף נתונים, מניעת פעולות תיקון בזמן אמת.
  • (ב) [15] ⁇ : ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

מכשירים מודרניים למדידה דיגיטלית לטפל ישירות בנושאים אלה על ידי לכידת מדידה אוטומטית, זמן-מדג כל קריאה, ומאפשר חישוב מיידי.אבל החדשנות האמיתית היא כיצד אנו מעצבים מנתחים את המחקר עצמו.

טכניקה חדשנית: איסוף נתונים אוטומטיים ואינטגרציה

החדשנות הראשונה והבסיסית היא החלפת כניסה של נתונים ידניים עם:0 (0) איסוף נתונים מאוישים של איסוף נתונים (FLT:1 ). מכשירים למדידה דיגיטלית כגון Mitutoyo, Starrett, או Hexagon Measures יכולים להפיק קריאה ישירה למחשב באמצעות USB, RS-232, Bluetooth, או Wi-Fi. Software Tools כמו Q-DAS, Minitab, או מותאם אישית ליישומים יכול ללכוד כל אחד מהם, כמו מספר מזהה, כמו מספר אמיתי, כמו מספר, כמו מספר זה לוקח עם מספר אמיתי, או מפעילת מידע, כמו Q-Fi.

גישה זו מבטלת שגיאות תמליל לחלוטין.זה גם מאפשר מחקרים להיות מורחבים לדגמי גודל גדולים ללא עלייה פרופורציונלית בעבודה.לדוגמה, במקום 10 חלקים ו-#215; 3 מפעילי × 3 לשכפלות, מערכת אוטומטית יכולה להתמודד בנוחות עם 50 חלקים ו-#215; 5 מפעילים ו-#215; 3 לשכפלות, לספק הערכות רבות יותר חזקות של רכיבי החלמה.

כדי ליישם איסוף נתונים אוטומטי, ארגונים צריכים:

  • בחר מדדים דיגיטליים עם ממשקי פלט סטנדרטיים (OPC-UA, MTConnect, או SDKs קנייניים).
  • Deploy a Data Acquisition Center (למשל, Raspberry Pi עם תסריט Python או תוכנת מדידה של PC תעשייתי).
  • מפעילי רכבת כדי להפעיל מדידות באמצעות סריקות pedal או barcode ולא מקשיסטרוקס ידניים.

התייחסות חיצונית: (FLT:0)NIST Guide to the Expression of Unquity in Measurementmentmentph:1 מספק עקרונות יסוד עבור שלמות נתונים דיגיטלית.

טכניקה חדשנית 2: ניהול תהליכים סטטיסטיים בזמן אמת (SPC) עבור R&R

גאג'י R & R הוא ניתוח רטרוספקטיבי המבוצע לאחר כל הנתונים נאספים.בניגוד, (FLT:0) ניתוח נתונים בזמן אמת-זמן ניתוח נתונים ניתוח של נתונים LIFLT:1 ממינוף מכשירים דיגיטליים מודרניים כדי למקם את R&R מדדים על זבוב כמו מדידות מצטברות.טכניקה זו משתמשת בסטטיסטיקות הזרמת שינוי: כמו כל זוג מדידה חדש (למשל, מפעיל 1, חלק 5, 2) הוא נרשם, את התוכנה מחדש של 20%) ו- R.

R&R בזמן אמת הוא בעל ערך מיוחד בייצור תערובת גבוהה, נמוך כרכים שבו מערכות מדידה משתנות לעתים קרובות.זה גם מאפשר עיצובי מחקר הסתגלות: אם הנתונים המוקדמים מראים יכולת חוזרת מעולה, המערכת עשויה להפחית את מספר ההשתכרות הנדרשת, לחסוך זמן.

המונחים

ניתוח בזמן אמת דורש פלטפורמה תוכנה התומכת בחישובי OVA או Xbar-R תרשים. פלטפורמות איכות מודרנית רבות 4.0, כגון InfinityQS או Minitab אנגage, להציע יכולת זו כאשר הם מחוברים עם מדדים דיגיטליים.

  • חיבור רשת אמין לייעל מדידות לשרת מרכזי.
  • עיבוד נתונים נמוך לעקביות כדי להימנע מ backlogs במהלך רצף מדידה מהיר.
  • הדמיה של לוח דשורד המציגה גרפים R&R בזמן אמת (למשל, טווחי נע בין מפעילי).

קישור חיצוני:0 (ASQ Measurement System Analysis GuideveFLT:1) מציע בהקשר נוסף על יישום מושגי SPC למחקרי מדידה.

טכניקה חדשנית 3: Machine Learning for Anomaly Detection and Pattern Recognition

בעוד ANOVA המסורתית מגלה רכיבים של השחלות, זה לא מסביר את ה-FLT:0 (למה FLT:1 ), מדד נותן תוצאות בלתי עקביות.FLT:2 Machine Learningאלגוריתמים FLT:3 יכול לנתח את הנתונים העשירים ממדכאות דיגיטליות כדי לחשוף דפוסים נסתרים.לדוגמה, מתווך יערות אקראי יכול להיות מאומן על נתונים היסטוריים (עם תוויות של מעבר / תרופה) יכול להצביע על סטיות או לזהות באופן מיידי של חומרת, כגון ניתוח יעיל יותר של חומרים לא מתאים.

יישום מעשי הוא באמצעות ניתוח רכיב עיקרי (PCA) על וקטורים למדידה (חלק ממדים, טמפרטורה וכוח אחיזה המפעיל) כדי לזהות את המקורות העיקריים של וריאציות הדדיות. גישה אחרת היא ליישם את תחזית העור (למשל, ARIMA) כדי למדוד קריאה על פני מדידות חוזרות ונשנות כדי לזהות סחף מחדש לפני שהוא גורם לחלק להימדד מחוץ לגבולות ספציפיים.

דוגמה: חיזוי תיקון ללבוש

יצרנית של רכיבי אווירוspace השתמשה ב- CMM דיגיטלי עם חיישנים של כוח משולב.על ידי האכלה 200 מחקרים קודמים R &R לתוך רשת עצבית, המערכת חזתה עם 85% דיוק כאשר תיקון נדרש תחליף בהתבסס על השחלות אופנתית במימד Y-axis. זה אפשר לחברה לבצע תחזוקה אקטיבית, צמצום שיעורי ה-R&R ב-40%.

יישום למידת מכונה עבור Gauge R & R דורש:

  • מומחיות מדעית בנתונים או שותפות עם ספקים אנליטיים.
  • אגם נתונים לאחסון נתונים היסטוריים עם metadata (מארגן, זמן, טמפרטורה וכו ').
  • אימות מודל באמצעות קבוצות תחזוקה כדי להימנע מהתאמה יתר למשטרי מדידה ספציפיים.

משאבים חיצוניים:0.1 סקירה של יישומי למידת מכונה במערכות מדידה FLT 1 שפורסם ב Procedia CIRP מספק רקע אקדמי.

טכניקה חדשנית 4: Digital Twin Simulation for Gauge Optimization

סימולציה תאום דיגיטלי (FLT:0) סימולציה סימולציה תאום (FLT:1) יוצרת העתק וירטואלי של מערכת המדידה כולה: המד, תיקון, חלק, תנועה מפעיל, תנאי סביבה.על ידי הפעלת סימולציות מונטה קרלו, מהנדסים יכולים לבדוק אלפי תכנון-of-experiment (DOE) תרחישים ללא נגיעה בחומרה אמיתית, למשל, הם יכולים לשאול: "מה תהיה ההשפעה הגוברת של מספר לשכפלת של העתקה של 5G עד כדי להפחית את ההשפעה של חומרה או יותר מ-% או יותר מאשר אם זה יכול לשפר את ההשפעה של חומרה דיגיטלית של חומרה או יותר מאשר אם זה יכול להיות מ- 5G במידה מסוימת של חומרה או יותר מאשר אם זה יכול לשפר את מידת הפחתת ההשפעה של חומרה, אם זה יכול לשפר את מידת הפחתת ההשפעה של חומרת חומרת חומרת חומרה, אם זהה, אם זה יכול להיות מ-% 5G, אם זה יכול להיות מ- 3G, אם זה יכול להיות מ- 5G, למשל, אם זה יכול להיות מ-%, אם זה יכול להיות, אם זה יכול להיות, למשל, אם זה יכול לשפר את ההשפעה של חומרת חומרת חומרת חומרת חומרת חומרת חומרת חומרת

טכניקה זו היא חזקה במיוחד כאשר מציגים מכשיר מדידה חדש או שינוי תהליך הייצור. במקום לערוך מחקרים רבים של R&R פיזיים כדי למצוא את ההגדרה האופטימלית (למשל, מהירות בדיקה, כוח הדגימה), מהנדסים יכולים לדמות את כל מרחב הפרמטר ולבחור את התצורה הממזערת את השגיאה הכוללת.התאום הדיגיטלי מעודכן באופן רציף עם נתונים מדידה אמיתית, המאפשרת LT:0predic R&RRiraldic RLTrphraldic RLTd ו-RIRST יהיה על תחזיות על בסיס 1.GRLT% כאשר תחזיות של 1.

כיצד לבנות טווין דיגיטלי עבור R&R

  1. צור מודל 3D CAD של המד, חלק ותיקון.
  2. הוסף מודלים המבוססים על פיזיקה להתנהגות חיישן (resolution, Hysteresis, לינאריות).
  3. התפלגות Define המפעילה Variability המבוססת על נתונים של גורמים אנושיים (למשל, שינוי כוח).
  4. לרוץ הלטינית Hypercube או Taguchi לעשות כדי לדמות תוצאות מדידה.
  5. השוואת תוצאות סימולציה למחקר טייס אמיתי כדי לאמת את התאום.
  6. השתמש בתאום המאומת כדי לייעל פרמטרים של מחקר ולנבא ביצועים בתנאים שונים.

חברות כמו סימנס עם Simcenter ו- ANSYS Twin Builder מציעים כלים ליישום גישה זו.דמיית תאום דיגיטלית יכולה להפחית את עלויות המחקר של R&R פיזי עד 60% ולצמצם את זמן האימות בחצי.

טכניקות חדשניות: פלטפורמות מבוססות ענן עבור Enterprise R &R Management

הטכניקה החמישית נעה מעבר למחקרים בודדים ל-FLT:0 ,פלטפורמות מבוססות עננים FLT ( 1:1) שמבססות את נתוני Gauge R & R על פני מפעלים, ספקים וצוותים גלובליים.

  • (FLT:0) ריאל-Time show: 1FLT 1 מנהלי איכות בכל מקום יכול להציג את לוח המחוונים של R&R לכל מדד, בכל צמח, חי מעודכן.
  • (FLT:0) ,Centralized Master Data:FLT:1 Part מפרטים, הסמכה למפעילים, והיסטוריית הפחתת המדהמה נשמרת וגרסה במקום אחד.
  • (FLT:0Cross-site Indexing: FIRLT:1) אותו מודל התקן למדידה המשמש באתרים שונים יכול להיות בהשוואה לזהות שיטות טובות או בעיות מערכתיות.
  • (ב) ציות:0) ציות: FLT:1 AIig ו- IATF 16949 תבניות דו"ח הם מאוכלסים באופן אוטומטי וארכיון עבור ביקורת.
  • (FLT:0) calScalability: 1FLT:1 ניתן להוסיף מדדים חדשים לפלטפורמה ללא התקנה מקומית, ומפעילים אותנטיים באמצעות מכשירים ניידים.

פלטפורמות ענן גם מאפשרות ניתוח מתקדם בקנה מידה.לדוגמה, ספק רכב גלובלית tier-1 קידם מערכת ענן R &R אשר צברה נתונים מ 500 תעלות דיגיטליות של מומנט על פני 12 צמחים.על ידי יישום ניתוח מגמה מצטבר, הם גילו כי מדדים בצמחים עם לחות גבוהה (מעל 70%) היו 15% יותר גמישות.

כאשר אימוץ R&R מבוסס ענן, שימו לב:

  • אבטחת מידע ובקרת גישה (ISO 27001 מוסמך ספקים).
  • שקיפות לתכונות בזמן אמת (מחשוב עדכני עשוי להיות נחוץ עבור משוב מיידי).
  • שילוב עם מערכות MES, PLM ו- ERP קיימות באמצעות ממשקי API סטנדרטיים (REST, OPC UA).

שילוב של חמש טכניקות להשפעה מקסימלית

אף אחת מהטכניקות הללו אינה כדור כסף.הכוח האמיתי שלהם עולה כאשר משולב.לדוגמה, מערכת איסוף נתונים אוטומטית מזין נתונים בזמן אמת לפלטפורמת ענן, אשר מאמנת מודלים של למידת מכונה המזין תובנות בחזרה לסימולציה התאום הדיגיטלי המשמש לייעל מחקרים עתידיים. גישה סגורה זו מייצגת את הגבול הבא של FLT:0adaptive Gage R & R & RLT1, שבו המחקר מתפתח לכדי אימות נתונים על בסיס "תחילה" (R&R.

כדי ליישם מערכת משולבת כזאת, ארגונים צריכים לעקוב אחר מפת דרכים בשלב:

  1. (ב) ,0) שלבאז 1:03FLT:1 (התקן) מדמים דיגיטליים עם נתונים אוטומטיים ללכוד על תחנות מדידה קריטיות.
  2. (ב) ⁇ :0) ⁇ 2,51 , עיין בפלטפורמת ענן ומחברת בין מדפי MQTT או OPC UA.
  3. (ב) ⁇ :0) ,Phase 3:03FLT:1 , Enable בזמן אמת SPC ו-Dows עבור מחקרים עדכניים של R&R.
  4. (ב) ,0) שלבאז 4:03FLT:1 (המפתח מודלים של למידת מכונה על פלטפורמת הענן באמצעות נתונים היסטוריים.
  5. (ב) ,0) שלב 5035, יוצר תאומים דיגיטליים עבור מערכות המדידה היקרות והמורכבות ביותר.
  6. (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

כל שלב בונה על העבר, והארי גדל באופן אקספוננציאלי כשמערכת מתבגרת.

היתרונות של אימוץ טכניקות חדשניות אלה

היתרונות המשולבים הולכים הרבה מעבר לרשימה הפשוטה במאמר המקורי, בואו נבחן כל אחד לעומק:

יציבות ויציבות מוגברת

אוסף אוטומטי מבטל טעות אנושית.דמיית תאומים דיגיטלית מסירת ניחושים מעיצוב תיקון. Machine Learning מגלה סחף עדין כי אנליסטים אנושיים יחמיצו.התוצאה היא מערכת מדידה שמשקפת באמת את וריאציות תהליכים, לא רעש מדידה. חברות אשר מאמצות טכניקות אלה מדווחות על ירידה של 30–50% במערכת מדידה variability עצמה.

בעיות מהירות יותר

ניתוח בזמן אמת חותך את הלולאה משוב ימים עד דקות. במהלך בדיקת R&R יומית, ספק רכב זיהה כי מפעיל חדש לא אפס את המד באופן עקבי.המערכת פיתה את הנושא במהלך המדידה השנייה, והמפקח תיקן את הטכניקה מיד.

מעקב משופר לאורך זמן

עם נתונים היסטוריים מבוססי ענן, ארגונים יכולים לעקוב אחר מגמות GRR עבור כל מד כמו תרשים בקרה. עלייה הדרגתית של חזרות עשוי להצביע על חיישן דה דירוג, גרימת החלפת לפני ה-Dispert. גישה זו תחזוקה חיזוי מפחיתה את זמן השבתה לא מתוכנן עד 40%.

הקטנת המדריך למאמץ וטעויות אנושיות

אוטומציה מפחיתה את העבודה הנדרשת למחקרי R&R על ידי 70–80% מהנדסי איכות יכולים לממש זמן ניתוח מעמיק יותר או שיפור פרויקטים במקום כניסה לנתונים ו חישובים ידניים.ההפחתה בשגיאה אנושית גם משפרת את האמינות של התוצאות במהלך הביקורת.

קבלת החלטות משופרת -

כאשר בריאות מערכת מדידה היא שקוף וחיזוי, החלטות לגבי קבלת מוצרים, התאמות תהליכים, ואת הכישורים הספק מבוססים על נתונים אמינים הרבה יותר. יצרן אלקטרוניקה אחד השתמש סימולציה תאומים דיגיטלית כדי להצדיק מעבר לאמד יקר יותר, כי הסימולציה הראה כי זה יפחית את שגיאות מערכת מדידה מספיק כדי להדק להקות סובלנות ולהימנע מתלוננות לקוחות.

אתגרים והמלצות ליישום

אימוץ טכניקות אלה אינו ללא מכשולים.האתגרים המשותפים כוללים:

  • (FLT:0) השקעה אינטיבית: 1FLT 1 מדמים דיגיטליים, פלטפורמות תוכנה והכשרה דורשים הון מראש.עם זאת, ניתוח ROI מראה לעתים קרובות תגמול בפחות מ 12 חודשים באמצעות גרדיטה מופחתת, עבודה מחדש וכשלונות ביקורת.
  • (FLT:0) אימון ומהנדסים חייבים ללמוד זרמי עבודה חדשים. סדנאות ומודולים eLearning המותאמים לכל טכניקה הם חיוניים.
  • (FLT:0)Standardization: 1FLT 1 ללא הליכים ברורים, צמחים שונים עשויים ליישם טכניקות באופן עקבי. ליצור הליך תפעול סטנדרטי גלובלי סטנדרטי גלובלי (SOP) עבור Gauge R &R דיגיטלי המכסה את תדירות איסוף נתונים, תצורה תוכנה, ושערי ניתוח.
  • אינטגרציה:0 (איור 1:1) מד מורשת עשויה להיות חסרת פלטים דיגיטליים.
  • (FLT:0) שינוי ניהול: ⁇ FLT:1 כמה חברי הצוות עשויים להתנגד להתרחקות משיטות ידניות מוכרות.לתקשר את היתרונות בבירור לערב אותם בפרויקטים של טייס.

כדי להקטין את האתגרים הללו, להתחיל עם טייס על מערכת מדידה קריטית אחת.מד את ביצועי הבסיס (כיום%GRR, זמן למחקר, שיעור השגיאה), ליישם את האוסף האוטומטי וניתוח בזמן אמת, ולנצל את תוצאות הפיילוט כדי לבנות מקרה עסקי עבור רחב יותר של רולט.

מגמות עתידיות: AI, IoT, ו- Gauge R &R

במבט קדימה, ההתכנסות של האינטרנט התעשייתי של הדברים (IIoT) והבינה המלאכותית תדחוף את גאג'ו-ר' עוד יותר.

  • (FLT:0) תזמון R&R:EveF1 חיישנים IoT על מדפס באופן אוטומטי יעורר מחקר חדש של R&R כאשר סף שימוש או זמן הוא עודף, ללא התערבות אנושית.
  • (FLT:0) למידה מוגברת: 1FLT צמחים מרובים יכול להכשיר מודל למידה מכונה יחיד ללא שיתוף נתונים גולמיים, המאפשר אופטימיזציה גלובלית של מערכות מדידה.
  • (FLT:0) עיצוב גרפי לתיקון:031) כלים עיצוביים מונעים על ידי AI תיצור תיקונים המתאימים להתאמה המבוססת על סימולציות תאומים דיגיטליות.
  • (FLT:0) מעקב מבוסס blockchain: 1FLT:1 הוביל Immutable של כל תוצאות R & R ומד קלוריות עבור עמידה רגולטורית בתחום האוויר והמכשירים הרפואיים.

מגמות אלה מראות כי תפקידם של מהנדסי איכות יתפתח ממאגרי מידע לאנליסטים אסטרטגיים המפרשים תובנות ממערכות אוטונומיות וידחפו יוזמות לשיפור מתמשך.

מסקנה

מכשירים מודרניים למדידה דיגיטלית מנעו עידן חדש עבור Gauge Reproducability מחקרים. על ידי אימוץ איסוף נתונים אוטומטיים, ניתוח בזמן אמת, למידת מכונה, סימולציה דיגיטלית תאום פלטפורמות מבוסס ענן, ארגונים יכולים לשפר באופן דרמטי את הדיוק, המהירות, ואת עומק של הערכת מערכת המדידה שלהם.טכניקות אלה לא רק להפחית פסולת ועבודת מחדש, אלא גם לספק בסיס עבור איכות חיזוי וחדשנות ייצור הטכנולוגיה של החברה עצמה, כמו גם כדי לשפר את היתרונות של שיטות בקרה מהירה יותר, כמו גם כדי להפחית את איכות יעילה יותר, כמו גם כדי להפחית את איכות יעילה יותר, כמו גם כדי להפחית את איכות יעילה יותר ויותר.