【案例学习】如何使用Minitab实现包装过程的自动化和改进

Masimo 是一家全球性的医疗技术公司,致力于开发和生产各种行业领先的监控技术,包括创新的测量、传感器和患者监护仪。在 Masimo Hospital Automation® 平台的助力下,Masimo 的连接、自动化、远程医疗和远程监控解决方案正在改善医院内外的护理服务,并使其自动化。此外,Masimo 还拥有一系列不断发展壮大的消费者健康和保健解决方案,例如 Masimo W1™ 健康追踪手表和 Stork™ 婴儿监视器,以及 Bowers & Wilkins® 和 Denon® 等著名音频品牌的音响设备。

挑战

随着业务拓展到消费者健康和保健产品领域,Masimo 的团队想方设法提高产品包装的美观性和坚固性。具体来说,设计团队希望给包装盒包覆一层塑料收缩膜,以使产品具有光滑的外观和触感,并且能够在运输过程中保护包装盒完好无损。

收缩包装是消费电子行业中的一种常用包装技术,但 Masimo 从未采用过这种技术,也没有内部人才或经验来开发收缩包装过程。事实证明,手动过程成本高昂且容易出错,因此过程工程团队希望实施全自动收缩包装过程,以提高产量并确保一致性。

收缩包装的要求如下:

1. 使塑料膜收缩,并确保没有撕裂、褶皱和空隙等任何外观缺陷。

2. 尽可能减小卷边的大小,使其长度不超过 0.060 英寸(卷边是塑料包装中多余的三角形部分,会影响产品的美观性并导致产品难以开封)。

3. 尽可能减少做到上述第 1 点和第 2 点所需的材料。

Masimo 购买的热缩设备由两个按顺序工作的单元组成:第一个单元负责将热缩材料包覆在产品包装上,第二个单元负责对包装材料进行收缩。第一个单元涉及三个控制材料用量的数字因子:

1. 袋长。

2. 薄膜推进率。

3. 决定着包装长度的工作台深度。

第二个单元负责对塑料进行加热和收缩,涉及两个数字因子:

1. 密封时间。

2. 密封温度。

Minitab 如何帮助他们

Minitab 22帮助描述热收缩过程的特征并优化这个过程。

第一步是使用试验设计 (DOE) 构建过程模型,用以将热缩设备参数与热缩产出关联起来。研究内容为上述五个因子,响应则是卷边长度。这项研究可用的材料有限,因此过程工程团队查阅了 Minitab 的支持网页,并决定采用“定义筛选设计”。Minitab 网站的“支持”部分提供了关于如何选择 DOE 设计的易于理解的详细信息,还详细说明了统计计算中涉及的严密数学运算。

图 1 汇总了 Minitab 提供的统计输出。令团队惊讶的是,当置信度为 95% (p > 0.05) 时,没有任何一个因子具有显著性,且 R-sq(pred) 为负数,这意味着模型没有预测能力。

这表明测量系统导致的数据噪声可能过大。该团队怀疑,导致问题的原因是,由于多名检查员以不同的方式执行卷边长度测量所致的测量系统变异。

图1

他们在查阅了 Minitab 的支持页面后确定,量具 R&R 是用于执行测量系统分析的适当工具。量具 R&R 可量化测量系统变异如何归因于检查员的重复性和再现性以及部件本身导致的变异。该团队使用 Minitab 创建了交叉量具 R&R 研究,其中涉及两名检查员、10 个部件和两次重复测量。图 2 中汇总的结果显示,重复性误差过大,尤其是编号为 1、2、6 和 8 的部件。

图2

凭借这些见解过程工程团队研究了测量方法,开发出一种夹具和一组指令,然后使用经过改进的测量方法重复进行了量具 R&R。图 3 显示,重复性误差问题有显著改善。尽管编号为 6 和 8 的部件仍然存在一些重复性问题,但该团队认为,整体改进足以让项目继续下去。

图 3

在执行第二次 DOE 之前,该团队进行了额外的可行性研究,并与热封设备供应商一起审查了研究结果。 供应商建议使用固定的密封温度和密封时间,并通过改变烘烤炉传送带速度来改变对塑料施加的总能量。 第二次 DOE 是全因子设计,研究了如下因子:

1. 袋长

2. 薄膜推进率

3. 工作台深度

4. 烘烤炉速度

图 4 汇总了结果。由于测量系统得到改进,该模型相对于初始 DOE 有了显著改善。当置信度为 95% (p < 0.05) 时,袋长、薄膜推进率和工作台深度的主效应都很显著,还有包括烘烤炉速度在内的各种交互作用。如果没有 Minitab DOE 分析的强大功能,这些重要的交互作用可能会被忽略,从而导致过程模型欠佳。

图4

该团队对他们的过程模型充满信心,于是使用了 Minitab 的响应优化器来确定最佳因子设置,以实现 0.060 英寸的卷边长度,如图 5 所示

图5

该团队使用经过优化的设置进行了额外的运行,以确认热收缩过程的短期重复性。确认后,该团队草拟了运行确认 (OQ) 和性能确认 (PQ) 方案并正式验证了该过程,成功实施了自动热缩设备,大大节省了成本并提高了产品质量。

结果

使用 Minitab 有助于实施自动热收缩过程。Minitab 的支持网页对于确定 DOE 设计和解释结果非常有帮助。这种解释促使该团队使用 Minitab 的交叉量具 R&R 工具研究测量方法。详细的统计输出和图形正确地引导该团队确定了可减少重复性误差的方法,第二次量具 R&R 证实了相关改进。最后,Minitab 的因子设计和响应优化工具有助于确定最佳参数设置。

在 Minitab 的协助下,实施并优化全自动热缩设备有助于消除由于操作人员的变化导致的包装不一致。此外,此举还增加了产量,并有望通过简化生产过程和减少手工劳动来节省成本。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/480658.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【C语言】结构体、联合体、枚举类型的字节大小详解

在C语言中&#xff0c;结构体&#xff08;struct&#xff09;和联合体&#xff08;union&#xff09; 是常用的复合数据类型&#xff0c;它们的内存布局和字节大小直接影响程序的性能和内存使用。下面为大家详细解释它们的字节大小计算方法&#xff0c;包括对齐规则、内存分配方…

中科亿海微SoM模组——波控处理软硬一体解决方案

本文介绍的波控处理软硬一体解决方案主要是面向相控阵天线控制领域&#xff0c;波控处理通过控制不同天线组件的幅相来调整天线波束的方向和增益&#xff0c;实现高精度角度控制和高增益。本方案由波控处理板、波控处理控制软件算法和上位机软件共同构成。波控处理SoM模组原型样…

Java设计模式 —— 【创建型模式】工厂模式(简单工厂、工厂方法模式、抽象工厂)详解

文章目录 前言一、简单工厂&#xff08;静态工厂&#xff09;1、概述2、代码实现3、优缺点 二、工厂方法模式1、概述2、代码实现3、优缺点 三、抽象工厂模式1、概述2、代码实现3、优缺点 四、总结 前言 先看个案例&#xff1a;【手机和手机店】在没有工厂的时候&#xff0c;手…

【阅读记录-章节4】Build a Large Language Model (From Scratch)

文章目录 4. Implementing a GPT model from scratch to generate text4.1 Coding an LLM architecture4.1.1 配置小型 GPT-2 模型4.1.2 DummyGPTModel代码示例4.1.3 准备输入数据并初始化 GPT 模型4.1.4 初始化并运行 GPT 模型 4.2 Normalizing activations with layer normal…

关于VNC连接时自动断联的问题

在服务器端打开VNC Server的选项设置对话框&#xff0c;点左边的“Expert”&#xff08;专家&#xff09;&#xff0c;然后找到“IdleTimeout”&#xff0c;将数值设置为0&#xff0c;点OK关闭对话框。搞定。 注意,服务端有两个vnc服务,这俩都要设置ide timeout为0才行 附件是v…

遗传算法与深度学习实战(25)——使用Keras构建卷积神经网络

遗传算法与深度学习实战&#xff08;25&#xff09;——使用Keras构建卷积神经网络 0. 前言1. 卷积神经网络基本概念1.1 卷积1.2 步幅1.3 填充1.4 激活函数1.5 池化 2. 使用 Keras 构建卷积神经网络3. CNN 层的问题4. 模型泛化小结系列链接 0. 前言 卷积神经网络 (Convolution…

使用 Docker Compose 来编排部署LMTNR项目

使用 Docker Compose 来部署一个包含 Linux、MySQL、Tomcat、Nginx 和 Redis 的完整项目的例子。假设我们要部署一个简单的 Java Web 应用&#xff0c;并且使用 Nginx 作为反向代理服务器。 项目目录结构 首先需要确保 Docker 和docker-compose已经安装并正在运行。docker --v…

快速理解倒排索引在ElasticSearch中的作用

一.基础概念 定义&#xff1a; 倒排索引是一种数据结构&#xff0c;用来加速文本数据的搜索和检索&#xff0c;和传统的索引方式不同&#xff0c;倒排索引会被每个词汇项与包含该词汇项的文档关联起来&#xff0c;从而去实现快速的全文检索。 举例&#xff1a; 在传统的全文…

跨平台应用开发框架(3)-----Qt(样式篇)

目录 1.QSS 1.基本语法 2.QSS设置方式 1.指定控件样式设置 2.全局样式设置 1.样式的层叠特性 2.样式的优先级 3.从文件加载样式表 4.使用Qt Designer编辑样式 3.选择器 1.类型选择器 2.id选择器 3.并集选择器 4.子控件选择器 5.伪类选择器 4.样式属性 1.盒模型 …

Pump Science平台深度剖析:兴起、优势、影响与未来

在过去的几个月里&#xff0c;人们越来越关注去中心化科学&#xff08;DeSci&#xff09;。DeSci 是一种利用区块链技术进行科学研究的新方法。传统的科学研究经常面临所谓的“死亡之谷”&#xff0c;这指的是基础科学研究与成功开发和造福患者的实施之间的重要时期。DeSci 旨在…

网安瞭望台第4期:nuclei最新poc分享

国内外要闻 多款 D-Link 停产路由器漏洞&#xff1a;攻击者可远程执行代码 近日&#xff0c;知名网络硬件制造商 D-Link 发布重要安全公告。由于存在严重的远程代码执行&#xff08;RCE&#xff09;漏洞&#xff0c;其敦促用户淘汰并更换多款已停产的 VPN 路由器型号。 此次…

TDengine在debian安装

参考官网文档&#xff1a; 官网安装文档链接 从列表中下载获得 Deb 安装包&#xff1b; TDengine-server-3.3.4.3-Linux-x64.deb (61 M) 进入到安装包所在目录&#xff0c;执行如下的安装命令&#xff1a; sudo dpkg -i TDengine-server-<version>-Linux-x64.debNOTE 当…

Mybatis集成篇(一)

Spring 框架集成Mybatis 目前主流Spring框架体系中&#xff0c;可以集成很多第三方框架&#xff0c;方便开发者利用Spring框架机制使用第三方框架的功能。就例如本篇Spring集成Mybatis 简单集成案例&#xff1a; Config配置&#xff1a; Configuration MapperScan(basePack…

k8s Init:ImagePullBackOff 的解决方法

kubectl describe po (pod名字) -n kube-system 可查看pod所在的节点信息 例如&#xff1a; kubectl describe po calico-node-2lcxx -n kube-system 执行拉取前先把用到的节点的源换了 sudo mkdir -p /etc/docker sudo tee /etc/docker/daemon.json <<-EOF {"re…

nginx+php压测及报错优化

测试环境&#xff1a;虚拟机centos7&#xff0c;nginxphp 压测工具&#xff1a;Apipost 访问的php程序中添加sleep()增加程序执行时长&#xff0c;使用Apipost进行压测&#xff0c;根据服务器配置设置一个大概可能触发报错的并发和轮训次数&#xff0c;若无报错逐渐增加并发和…

【数据结构】ArrayList与顺序表

ArrayList与顺序表 1.线性表2.顺序表2.1 接口的实现 3. ArrayList简介4. ArrayList使用4.2 ArrayList常见操作4.3 ArrayList的遍历4.4 ArrayList的扩容机制 5. ArrayList的具体使用5.1 杨辉三角5.2 简单的洗牌算法 6. ArrayList的问题及思考 【本节目标】 线性表顺序表ArrayLis…

GaussDB高智能--智能优化器介绍

书接上文库内AI引擎&#xff1a;模型管理&数据集管理&#xff0c;从模型管理与数据集管理两方面介绍了GaussDB库内AI引擎&#xff0c;本篇将从智能优化器方面解读GaussDB高智能技术。 4 智能优化器 随着数据库与AI技术结合的越来越紧密&#xff0c;相关技术在学术界的数…

GDPU Android移动应用 数据存储

又是学到了数据持久化。 登录界面 题外话&#xff1a;有无动画大佬带带呀&#xff0c;前端移动端可免( •̀ .̫ •́ )&#xff0c;合作可私信哦。 1.用户登陆和“记住我”功能 该内容拥有两个Activity活动视图&#xff1a; &#xff08;1&#xff09;LoginActivity&#x…

麒麟性能评估优化

cpu性能 Vmstat输出结果详解如下: r 列表示运行和等待cpu时间片的进程数,这个值如果长期大于系统CPU的个数,说 明CPU不足,需要增加CPU; b 列表示在等待资源的进程数,比如正在等待I/O、或者内存交换等; us 列显示了用户进程消耗的CPU 时间百分比。us的值比较高时,说明用…

Python基础学习-12匿名函数lambda和map、filter

目录 1、匿名函数&#xff1a; lambda 2、Lambda的参数类型 3、map、 filter 4、本节总结 1、匿名函数&#xff1a; lambda 1&#xff09;语法&#xff1a; lambda arg1, arg2, …, argN : expression using arg 2&#xff09; lambda是一个表达式&#xff0c;而不是一个语…