En la fabricación moderna, un control de calidad estable es crucial para la competitividad de una empresa. A medida que los procesos de fabricación se vuelven cada vez más complejos, los métodos tradicionales por sí solos ya no pueden identificar eficazmente los problemas de calidad ocultos. Para resolver este desafío, las herramientas avanzadas de análisis de datos se han convertido en una poderosa herramienta para los ingenieros de calidad.
En realidad, este artículo explorará un caso industrial: cómo resolver problemas de calidad complejos a través de métodos y herramientas analíticos, cubriendo todo el proceso desde la exploración de datos preliminares hasta la toma de decisiones final.
Antecedentes del problema
Una empresa fabricante descubrió durante el proceso de fabricación que la calidad de dos materias primas clave (Compuesto 1 y Compuesto 2) fluctuaba mucho, lo que afectaba la consistencia y confiabilidad del producto. El análisis preliminar muestra que esta fluctuación puede estar relacionada con diferencias en los procesos de producción de los proveedores de materias primas. La cuestión central actual es cómo descubrir las causas fundamentales de las fluctuaciones de la calidad y formular las estrategias de control correspondientes.
Para comprender el problema en profundidad, el equipo decidió realizar un análisis de datos desde múltiples ángulos, incluidos los siguientes cuatro niveles:
- Los gráficos de control monitorean la calidad de la materia prima : evalúan si existen fluctuaciones causadas por razones especiales.
- Análisis comparativo de proveedores : Identificar las diferencias de procesos de diferentes proveedores y su impacto.
- Evaluación de la capacidad del proceso : Mide la estabilidad e idoneidad del proceso productivo.
- Análisis estadístico multivariado : buscando posibles asociaciones entre múltiples variables.
Verifique la distribución normal antes del análisis.
Antes de analizar los datos, el equipo se dio cuenta de que muchas herramientas de calidad suponen que los datos provienen de una distribución normal. Si no se cumple este supuesto, los resultados basados en la media y la desviación estándar no serán significativos. Por lo tanto, el equipo confirmó mediante análisis de distribución que los datos del Compuesto 1 y el Compuesto 2 se ajustaban a la distribución normal.
Figura 1: Comprobación de la normalidad
Gráficos de control y estabilidad de procesos.
Figura 2 : tabla de control
El equipo utiliza herramientas de gráficos de control para analizar más a fondo los problemas de calidad. El gráfico de control delimita el rango a través del límite superior (UCL), la línea central y el límite inferior (LCL), que se utiliza para distinguir la variación ordinaria de la variación especial. A menudo se requieren acciones para eliminar variaciones idiosincrásicas y al mismo tiempo cuantificar las variaciones comunes para determinar la capacidad del proceso.
En un gráfico de control:
- Si los puntos generados por los datos del proceso se distribuyen aleatoriamente dentro de los límites de control, indica que el proceso es estable (solo existen variaciones ordinarias).
- Si el punto queda fuera de los límites de control, indica la existencia de una variación especial.
Los resultados muestran:
- Todos los puntos del gráfico XBar están dentro de los límites de control y están distribuidos aleatoriamente, lo que indica que el proceso es estable .
- El lote 10 en el gráfico R excede los límites de control y muestra una variación especial .
Índice de capacidad del proceso
Cp mide la relación entre el rango de especificación y el ancho de la distribución del proceso, mientras que Cpk además tiene en cuenta la ubicación del centro de proceso en relación con los límites de especificación. Generalmente se requiere Cpk ≥ 1,33 como estándar mínimo.
- Cuadro de control para el Compuesto 1: Todos los puntos están dentro de los límites reglamentarios y la distribución de puntos es aleatoria, lo que indica que el proceso está controlado y estable. Pero el gráfico R muestra que el lote 10 está fuera de los límites reglamentarios, lo que indica la presencia de alguna variación de causa especial. El valor de Cpk es 0,740 y el valor de Cp es 0,805, lo que indica que el compuesto 1 es inestable y tiene un amplio rango dentro del grupo y no puede cumplir con las especificaciones.
Figura 3 : compuesto 1 Cuadros de control e indicadores de capacidad de proceso.
- Gráfico de control para el compuesto 2: el gráfico XBar muestra que el lote 11 se encuentra en la zona roja, lo que indica que el proceso no está controlado y es inestable. El gráfico R muestra que el Lote 5 está fuera de los límites regulatorios, lo que indica la presencia de alguna variación de causa especial. El valor de Cpk es 1,005 y el valor de Cp es 1,154, lo que indica que el compuesto 2 es inestable y no puede cumplir con las especificaciones.
Figura 4 : compuesto2Cuadros de control e indicadores de capacidad de proceso.
Análisis de proveedores
Después de descubrir variaciones de proceso específicas para dos compuestos, el equipo se centró a continuación en explorar estas variaciones desde la perspectiva del proveedor. Mostrar los gráficos de control de cada proveedor uno al lado del otro ayuda a comprender visualmente las fuentes de variación a través de gráficos.
圖 5: Compuestos agrupados por proveedor 1 y compuestos 2 tabla de control
Como se puede ver en la Figura 5, los resultados muestran que el Proveedor A tiene una mayor variación entre lotes que el Proveedor B, pero el Proveedor A es estable para ambos compuestos, mientras que el Proveedor B muestra una variación especial en la variación de la causa del Compuesto 1.
Gráficos de control multivariados basados en modelos(MDCMV)
Utilice gráficos de control multivariados basados en modelos para monitorear múltiples parámetros de proceso. Este tipo de gráfico de control se construye basándose en componentes principales o modelos de mínimos cuadrados parciales y se utiliza para detectar inestabilidades multidimensionales que pueden pasarse por alto cuando cada dimensión se monitorea de forma independiente. Además, los usuarios pueden profundizar interactivamente para analizar la contribución de variables individuales a la señal general.
圖 6:proveedor A 和 B Gráficos de control multivariados basados en modelos
Como puede verse en la Figura 6, el valor T² del proveedor A está dentro del rango de control, pero el proveedor B muestra una inestabilidad obvia en los lotes 9, 10 y 11.
Análisis de capacidad del proceso.
El análisis de la capacidad del proceso evalúa el desempeño de un proceso en relación con los límites de especificación. Un proceso estable siempre debe producir productos dentro de las especificaciones.
圖 7:proveedor A compuesto 1 y compuestos 2 Informe detallado de capacidad del proceso
圖 8:proveedor B compuesto 1 y compuestos 2 Informe detallado de capacidad del proceso
圖9: proveedor A compuesto 1 y compuestosParcela de 2 objetivosy gráficos de rendimiento del proceso
圖10: proveedor B compuesto 1 y compuestosParcela de 2 objetivosy gráficos de rendimiento del proceso
Observaciones：
- Ambos compuestos del Proveedor A están dentro de las especificaciones, pero la capacidad del proceso es deficiente y no hay una diferencia significativa entre la variación a largo y corto plazo.
- El compuesto 2 del proveedor B está dentro de las especificaciones pero tiene capacidades de proceso ligeramente insuficientes, mientras que el compuesto 1 está dentro de las especificaciones y tiene mejores capacidades de proceso que el compuesto 2, pero parece que la variación a largo plazo y la variación a corto plazo son significativamente diferentes.
Toma de decisiones después del análisis.
Luego de detectar una variación de causa especial en la materia prima, el equipo decidió tomar las siguientes acciones:
- Introducción de herramientas de monitoreo : se recomienda que los proveedores utilicen gráficos I&MR y gráficos de control multivariable para monitorear continuamente la calidad de la materia prima y los parámetros clave del proceso.
- Aumentar la frecuencia de detección : aumentar la frecuencia del análisis de calidad de la materia prima para resolver el problema de los métodos de detección existentes demasiado lentos, se desarrolló un método de cromatografía líquida de rendimiento ultra alto (UHPLC) para una detección rápida y reducir los cuellos de botella de datos.
- Optimice el proceso de medición : mejore el programa de medición existente, reduzca el riesgo de error causado por una alta desviación de medición y siente las bases para la posterior automatización del proceso.
- Mejora orientada a objetivos : utilice el gráfico de objetivos para evaluar la estabilidad y las capacidades generales del proceso para garantizar que todas las medidas de mejora se centren en los objetivos básicos de calidad.
resumen
El objetivo de los ingenieros de calidad es lograr la excelencia en la fabricación. Identificar y controlar continuamente las fuentes de variación del proceso es una responsabilidad importante del departamento de calidad. Al incorporar el control de calidad en los procesos, no solo aumentamos la flexibilidad sino que también garantizamos que se satisfagan las necesidades de productos y servicios.
En particular, este caso utiliza las siguientes funciones principales de JMP para ayudarlo a identificar la variabilidad de diferentes materiales a través del análisis de datos, que incluyen, entre otras:
- La distribución puede mostrar intuitivamente la distribución de datos, así como múltiples plataformas de procesos y calidad.
- Control Chart Builder puede ayudarle a comprender intuitivamente el origen de la variación
- Los gráficos de control multivariado MDMVCC se pueden utilizar para monitorear múltiples parámetros de proceso.
- La plataforma Process Capability analiza las capacidades y la estabilidad del proceso y utiliza Goal Plot y gráficos de rendimiento del proceso para combinar variación con capacidades. Es adecuada para escenarios que requieren monitoreo de una gran cantidad de procesos.
Si desea aplicar herramientas y análisis estadísticos científicos, este caso proporciona una solución sistemática a problemas de calidad complejos. A lo largo de todo el proceso, el control estadístico del programa (SPC) y el análisis de la capacidad del proceso desempeñaron un papel clave para ayudar al equipo a identificar de manera efectiva las causas especiales de las fluctuaciones y optimizar el proceso de producción.
Lograr una excelente calidad de fabricación requiere una optimización continua del proceso y un seguimiento de la calidad. Al construir un proceso de producción estable y de alta capacidad, no solo podemos reducir las tasas de fallas de los productos, sino también mejorar significativamente la competitividad de la empresa en el mercado.
Si también está buscando una solución de gestión de calidad que se adapte a sus necesidades, puede hacer clic en el siguiente enlace para obtener más recursos de aprendizaje:
