In der modernen Fertigung ist eine stabile Qualitätskontrolle entscheidend für die Wettbewerbsfähigkeit eines Unternehmens. Da Herstellungsprozesse immer komplexer werden, sind traditionelle Methoden allein nicht mehr in der Lage, versteckte Qualitätsprobleme effektiv zu erkennen. Um diese Herausforderung zu lösen, sind fortschrittliche Datenanalysetools zu einem leistungsstarken Werkzeug für Qualitätsingenieure geworden.
In diesem Artikel wird tatsächlich ein industrieller Fall untersucht – wie man komplexe Qualitätsprobleme durch analytische Methoden und Werkzeuge löst und dabei den gesamten Prozess von der vorläufigen Datenanalyse bis zur endgültigen Entscheidungsfindung abdeckt.
Problemhintergrund
Ein produzierendes Unternehmen stellte während des Herstellungsprozesses fest, dass die Qualität zweier wichtiger Rohstoffe (Verbindung 1 und Verbindung 2) stark schwankte, was sich auf die Konsistenz und Zuverlässigkeit des Produkts auswirkte. Eine vorläufige Analyse zeigt, dass diese Schwankung möglicherweise mit Unterschieden in den Produktionsprozessen der Rohstofflieferanten zusammenhängt. Wie man die Ursachen von Qualitätsschwankungen herausfinden und entsprechende Kontrollstrategien formulieren kann, ist die aktuelle Kernfrage.
Um das Problem im Detail zu verstehen, beschloss das Team, eine Analyse der Daten aus mehreren Blickwinkeln durchzuführen, die die folgenden vier Ebenen umfasste:
- Kontrollkarten überwachen die Qualität der Rohstoffe : Bewerten Sie, ob es aufgrund besonderer Gründe zu Schwankungen kommt.
- Lieferantenvergleichsanalyse : Identifizieren Sie die Prozessunterschiede verschiedener Lieferanten und deren Auswirkungen.
- Prozessfähigkeitsbewertung : Misst die Stabilität und Eignung des Produktionsprozesses.
- Multivariate statistische Analyse : Suche nach möglichen Zusammenhängen zwischen mehreren Variablen.
Überprüfen Sie die Normalverteilung vor der Analyse
Vor der Analyse der Daten stellte das Team fest, dass viele Qualitätstools davon ausgehen, dass die Daten aus einer Normalverteilung stammen. Wenn diese Annahme nicht erfüllt ist, sind Ergebnisse, die auf dem Mittelwert und der Standardabweichung basieren, nicht aussagekräftig. Daher bestätigte das Team durch Verteilungsanalyse, dass die Daten von Verbindung 1 und Verbindung 2 der Normalverteilung entsprachen.
Abbildung 1: Überprüfung auf Normalität
Regelkarten und Prozessstabilität
Abbildung 2 : Kontrolldiagramm
Das Team verwendet Kontrolldiagramm-Tools, um Qualitätsprobleme weiter zu analysieren. Die Kontrollkarte begrenzt den Bereich durch die Obergrenze (UCL), die Mittellinie und die Untergrenze (LCL), die zur Unterscheidung gewöhnlicher Variationen von speziellen Variationen verwendet werden. Oft sind Maßnahmen erforderlich, um idiosynkratische Abweichungen zu beseitigen und gleichzeitig häufige Abweichungen zu quantifizieren, um die Prozessfähigkeit zu bestimmen.
In einem Kontrolldiagramm:
- Wenn die durch die Prozessdaten generierten Punkte innerhalb der Kontrollgrenzen zufällig verteilt sind, weist dies darauf hin, dass der Prozess stabil ist (es gibt nur normale Variationen).
- Wenn der Punkt außerhalb der Kontrollgrenzen liegt, weist dies auf das Vorhandensein einer besonderen Variation hin.
Die Ergebnisse zeigen:
- Alle Punkte im XBar-Diagramm liegen innerhalb der Kontrollgrenzen und sind zufällig verteilt, was darauf hinweist, dass der Prozess stabil ist .
- Charge 10 in der R-Karte überschreitet die Kontrollgrenzen und weist besondere Abweichungen auf.
Prozessfähigkeitsindex
Cp misst das Verhältnis des Spezifikationsbereichs zur Breite der Prozessverteilung, während Cpk außerdem die Lage des Prozesszentrums relativ zu den Spezifikationsgrenzen berücksichtigt. Als Mindeststandard wird üblicherweise ein Cpk ≥ 1,33 gefordert.
- Kontrolldiagramm für Verbindung 1: Alle Punkte liegen innerhalb der regulatorischen Grenzen und die Verteilung der Punkte ist zufällig, was darauf hinweist, dass der Prozess kontrolliert und stabil ist. Das R-Diagramm zeigt jedoch, dass Charge 10 außerhalb der gesetzlichen Grenzwerte liegt, was auf das Vorhandensein einer Abweichung aus besonderen Gründen hinweist. Der Cpk-Wert beträgt 0,740 und der Cp-Wert 0,805, was darauf hinweist, dass Verbindung 1 instabil ist und eine große Bandbreite innerhalb der Gruppe aufweist und die Spezifikationen nicht erfüllen kann.
Abbildung 3 : Verbindung 1 Regelkarten und Prozessfähigkeitsindikatoren
- Kontrolldiagramm für Verbindung 2: Das XBar-Diagramm zeigt, dass Charge 11 in den roten Bereich fällt, was darauf hinweist, dass der Prozess unkontrolliert und instabil ist. Das R-Diagramm zeigt, dass Los 5 außerhalb der gesetzlichen Grenzwerte liegt, was auf das Vorhandensein einer Abweichung aus besonderen Gründen hinweist. Der Cpk-Wert beträgt 1,005 und der Cp-Wert beträgt 1,154, was darauf hinweist, dass Verbindung 2 instabil ist und die Spezifikationen nicht erfüllen kann.
Abbildung 4 : Verbindung2Regelkarten und Prozessfähigkeitsindikatoren
Lieferantenanalyse
Nachdem das Team spezifische Prozessvarianten für zwei Verbindungen entdeckt hatte, konzentrierte es sich als nächstes darauf, diese Variationen aus Lieferantensicht zu untersuchen. Die Anzeige der Kontrolldiagramme jedes Lieferanten nebeneinander hilft dabei, die Abweichungsquellen anhand von Grafiken visuell zu verstehen.
圖 5: Verbindungen nach Lieferant gruppiert 1 und Verbindungen 2 Kontrolldiagramm
Wie in Abbildung 5 zu sehen ist, zeigen die Ergebnisse, dass Lieferant A von Charge zu Charge größere Schwankungen aufweist als Lieferant B, aber Lieferant A ist für beide Verbindungen stabil, während Lieferant B besondere Schwankungen bei Verbindung 1 aufweist, die zu Schwankungen führen
Modellgesteuerte multivariate Kontrollkarten(MDMVCC)
Verwenden Sie modellgesteuerte multivariate Regelkarten, um mehrere Prozessparameter zu überwachen. Diese Art von Kontrolldiagramm wird auf der Grundlage von Hauptkomponenten- oder partiellen Kleinste-Quadrate-Modellen erstellt und dient zur Erkennung mehrdimensionaler Instabilitäten, die ignoriert werden können, wenn jede Dimension unabhängig überwacht wird. Darüber hinaus können Benutzer interaktiv einen Drilldown durchführen, um den Beitrag einzelner Variablen zum Gesamtsignal zu analysieren.
圖 6:Anbieter A 和 B Modellgesteuerte multivariate Kontrollkarten
Wie aus Abbildung 6 ersichtlich ist, liegt der T²-Wert von Lieferant A im Kontrollbereich, Lieferant B zeigt jedoch in den Chargen 9, 10 und 11 eine deutliche Instabilität.
Prozessfähigkeitsanalyse
Bei der Prozessfähigkeitsanalyse wird die Leistung eines Prozesses im Verhältnis zu Spezifikationsgrenzen bewertet. Ein stabiler Prozess sollte immer Produkte innerhalb der Spezifikationen produzieren.
圖 7:Anbieter A Verbindung 1 und Verbindungen 2 Detailbericht zur Prozessfähigkeit
圖 8:Anbieter B Verbindung 1 und Verbindungen 2 Detailbericht zur Prozessfähigkeit
圖9: Anbieter A Verbindung 1 und Verbindungen2 Zielplanund Prozessleistungsdiagramme
圖10: Anbieter B Verbindung 1 und Verbindungen2 Zielplanund Prozessleistungsdiagramme
Beobachtungen：
- Beide Verbindungen von Lieferant A liegen innerhalb der Spezifikationen, aber die Prozessfähigkeit ist schlecht und es gibt keinen signifikanten Unterschied zwischen Langzeit- und Kurzzeitschwankungen.
- Verbindung 2 von Lieferant B liegt innerhalb der Spezifikationen, verfügt jedoch über leicht unzureichende Prozessfähigkeiten, während Verbindung 1 innerhalb der Spezifikationen liegt und bessere Prozessfähigkeiten aufweist als Verbindung 2, aber es scheint, dass die Langzeitvariation und die Kurzzeitvariation deutlich unterschiedlich sind.
Entscheidungsfindung nach Analyse
Nachdem das Team eine besondere Ursache für die Variation des Rohmaterials festgestellt hatte, beschloss es, die folgenden Maßnahmen zu ergreifen:
- Einführung von Überwachungstools : Es wird empfohlen, dass Lieferanten I&MR-Diagramme und multivariable Kontrolldiagramme verwenden, um die Rohstoffqualität und wichtige Prozessparameter kontinuierlich zu überwachen.
- Erhöhen Sie die Häufigkeit der Nachweise : Erhöhen Sie die Häufigkeit der Analyse der Rohstoffqualität. Um das Problem zu langsamer bestehender Nachweismethoden zu lösen, wurde eine Methode der Ultrahochleistungsflüssigkeitschromatographie (UHPLC) für den schnellen Nachweis und die Reduzierung von Datenengpässen entwickelt.
- Optimieren Sie den Messprozess : Verbessern Sie das bestehende Messprogramm, reduzieren Sie das Fehlerrisiko durch hohe Messabweichungen und legen Sie den Grundstein für die anschließende Prozessautomatisierung.
- Zielorientierte Verbesserung : Verwenden Sie das Zieldiagramm, um die allgemeine Prozessstabilität und -fähigkeit zu bewerten und sicherzustellen, dass sich alle Verbesserungsmaßnahmen auf die Kernqualitätsziele konzentrieren.
Zusammenfassung
Das Ziel von Qualitätsingenieuren ist es, Fertigungsexzellenz zu erreichen. Die kontinuierliche Identifizierung und Kontrolle von Ursachen für Prozessabweichungen ist eine wichtige Aufgabe der Qualitätsabteilung. Durch die Einbettung der Qualitätskontrolle in Prozesse erhöhen wir nicht nur die Flexibilität, sondern stellen auch sicher, dass Produkt- und Serviceanforderungen erfüllt werden.
In diesem Fall werden insbesondere die folgenden JMP-Hauptfunktionen verwendet, um Sie bei der Identifizierung der Variabilität verschiedener Materialien durch Datenanalyse zu unterstützen, einschließlich, aber nicht beschränkt auf:
- Die Verteilung kann die Datenverteilung sowie mehrere Qualitäts- und Prozessplattformen intuitiv anzeigen.
- Der Control Chart Builder kann Ihnen dabei helfen, die Ursache der Variation intuitiv zu verstehen
- Multivariate MDMVCC- Regelkarten können zur Überwachung mehrerer Prozessparameter verwendet werden
- Die Process Capability- Plattform analysiert Prozessfähigkeiten und -stabilität und verwendet Zieldiagramme und Prozessleistungsdiagramme, um Variation mit Fähigkeiten zu kombinieren, wodurch sie für Szenarien geeignet ist, in denen eine große Anzahl von Prozessen überwacht werden muss.
Wenn Sie wissenschaftliche statistische Analysen und Werkzeuge anwenden möchten, bietet dieser Fall eine systematische Lösung für komplexe Qualitätsprobleme. Während des gesamten Prozesses spielten die statistische Programmsteuerung (SPC) und die Prozessfähigkeitsanalyse eine Schlüsselrolle dabei, dem Team dabei zu helfen, spezielle Schwankungsursachen effektiv zu identifizieren und den Produktionsprozess zu optimieren.
Um eine hervorragende Fertigungsqualität zu erreichen, bedarf es einer kontinuierlichen Prozessoptimierung und Qualitätsüberwachung. Durch den Aufbau eines stabilen Produktionsprozesses mit hoher Kapazität können wir nicht nur die Produktausfallrate reduzieren, sondern auch die Wettbewerbsfähigkeit des Unternehmens auf dem Markt deutlich verbessern.
Wenn auch Sie auf der Suche nach einer Qualitätsmanagementlösung sind, die zu Ihnen passt, können Sie auf den folgenden Link klicken, um weitere Lernressourcen zu erhalten:
