50+ landen
Wereldwijd gebruik, lokale impact
47 jaar in bedrijf
Afkomstig uit 1979
50+ werknemers
Europa, VS en Azië
2000+ klanten
Meer dan 20.000 gebruikers
Parallelle processen en statistische procesbeheersing
Inleiding
Statistische Procesbeheersing (SPC) bewijst zijn waarde in veel verschillende bedrijfstakken en soorten processen. Een interessante en uitdagende implementatie van Statistical Process Control is wanneer het wordt toegepast op parallelle processen. Er zijn veel voorbeelden binnen de productie waar parallelle processen voorkomen:
De SPC-theorie is vrij duidelijk: Als u een verschillend proces met verschillende variatie hebt, moet u voor elk afzonderlijk proces aparte controlekaarten maken. In de praktijk is dit echter niet zo eenvoudig. Bijvoorbeeld bij het spuitgieten van voorvormen kan het aantal holtes 96 of zelfs meer zijn. Als u 2 of 3 dimensies zou meten, zou dat betekenen dat u 192 controlediagrammen met 2 dimensies hebt voor slechts 1 matrijs. Er moeten dus alternatieven zijn om een steekproefplan op te stellen en toch verschillen tussen parallelle processen te kunnen vinden. De manier om SPC te implementeren en uw controlediagrammen op te stellen is sterk afhankelijk van het type variatie dat in het proces gevonden wordt.
Variatie en parallelle processen
Bij parallelle processen zijn er meestal 3 soorten variatie waarmee rekening gehouden kan worden. In afbeelding 1 wordt een voorbeeld gegeven van 4 parallelle processen waarbij batterijen of blikjes worden geproduceerd en u een afmeting van de producten wilt meten.
De 3 soorten variatie in dit voorbeeld zijn:
De beste manier om de gegevens te analyseren is om een controlediagram per proces te maken met een subgroepgrootte van bijvoorbeeld 3. Dit betekent dat u in één controlediagram de variatie tussen cycli ziet als de variatie binnen een subgroep. Dit betekent dat u in één controlediagram de variatie tussen cycli ziet als de binnen-subgroepvariatie. De variatie in de tijd is de variatie tussen subgroepen. De variatie tussen processen kan worden geanalyseerd door resultaten zoals Cpk en Ppk voor verschillende grafieken te vergelijken (zoals verderop in deze blog wordt uitgelegd).
In veel gevallen is het economisch niet haalbaar om de analyse op deze manier uit te voeren, dus in de meeste van deze gevallen worden de subgroepen over parallelle processen genomen. Het nemen van subgroepen over processen heen is ook zinvol als de cyclus-tot-cyclus variatie klein is vergeleken met de 2 andere soorten variatie. De toepassing van de tweede methode kan ook gekozen worden na een bepaalde tijd wanneer het proces volledig onder controle is en alle speciale oorzaken van variatie geëlimineerd zijn.
Als u subgroepen over parallelle processen neemt, dan geeft de bereikgrafiek meestal de variatie tussen processen weer en de controlegrafiek de variatie in tijd. Cyclus-tot-cyclus variatie ontbreekt en ook de Cpk- en Ppk-waarden geven andere resultaten weer dan u normaal zou krijgen als u opeenvolgende producten in een subgroep combineert. En als u besluit om SPC volgens deze methode te implementeren, wilt u nog steeds de variatie voor één specifiek proces kunnen analyseren. DataLyzer SPC kan deze methode implementeren en de juiste analyse maken.
In de praktijk kunt u ook een combinatie van de hierboven beschreven methoden gebruiken door aparte grafieken te gebruiken als u Out of Controls hebt op de bereikgrafiek. De combinatie van methoden maakt het in de praktijk echter meestal niet eenvoudiger voor operators.
Meerdere regelkaarten vergelijken voor dezelfde eigenschap van parallelle processen
In DataLyzer Qualis SPC zijn er verschillende hulpmiddelen om gegevens van verschillende kenmerken/processen te vergelijken:
De methoden in DataLyzer SPC software geven de ingenieur meer dan genoeg mogelijkheden om processen te vergelijken. Als het belangrijk is om het gemiddelde van verschillende parallelle processen te bewaken, kan er eenvoudig een extra grafiek worden gemaakt die eenvoudig het gemiddelde van de andere grafieken berekent.
Parallelle processen binnen een subgroep vergelijken
Datalyzer Qualis SPC heeft verschillende functies beschikbaar om de variatie tussen parallelle processen te tonen als ze gecombineerd worden binnen één Controlekaart / Subgroep, zoals:
Het controlediagram met de hoogste en laagste aflezing toont de lijnen voor de maximum- en minimumwaarden in de subgroep en zet het procesnummer ernaast (Zie Afbeelding 4). Als u te vaak hetzelfde getal ziet, moet u dat specifieke proces (bijv. caviteit) onderzoeken omdat het procesgemiddelde afwijkt van het algemene gemiddelde. De volgende stap kan zijn om de gegevens te analyseren met de Box and Whisker- of Multi-Vari-analyse. Om processen te vergelijken begint de operator of ingenieur vaak met het bekijken van de individuele metingen in een tabel met ruwe gegevens en gaat dan verder met de multi-vari analyse (Box and Whisker). Stel dat de gebruiker de variatie tussen parallelle processen voor de laatste 10 subgroepen wil zien. De gebruiker filtert op de laatste 10 subgroepen en bekijkt vervolgens de resultaten, zie afbeelding 6.
Uitzonderlijke situaties
Als u een specifieke methode selecteert om SPC toe te passen bij parallelle processen, moet u er rekening mee houden dat er uitzonderlijke productiesituaties zijn die de resultaten beïnvloeden of de efficiëntie van de geïmplementeerde SPC-oplossing verminderen. Voor verschillende soorten industrieën zijn er verschillende uitzonderingen, maar we beperken ons hier tot twee veel voorkomende uitzonderingen:
1. Een van de subprocessen is niet actief
2. De subprocessen werken op een ander niveau.
Ad 1: In veel situaties in parallelle processen kan het voorkomen dat een van de subprocessen (tijdelijk) niet actief is. Bijvoorbeeld een geblokkeerde caviteit bij spuitgieten, een baan die niet gebruikt wordt bij de productie van zonnecellen, etc. Uw SPC-programma moet u in staat stellen om deze uitzonderingen in real-time op de werkvloer efficiënt af te handelen. DataLyzer Qualis SPC heeft dit ondervangen door een bepaald niveau van “onvolledige subgroepen” toe te staan.
Ad 2: Als processen op een verschillend niveau werken en u subprocessen in één subgroep samenvoegt en u bent niet in staat om het verschil te elimineren, dan zal dit de berekeningen van uw controlegrenzen sterk beïnvloeden; uw controlegrenzen worden dan breder. In dit geval moet u een andere methode gebruiken om uw controlegrenzen te berekenen.
Conclusie
Datalyzer Qualis SPC vergemakkelijkt SPC voor parallelle processen op vele manieren, inclusief het efficiënt afhandelen van alle uitzonderingen.
Het belangrijkste aspect van het opzetten van een correcte SPC-methode is het analyseren van de 3 soorten variatie en rekening houden met wat de gevolgen zijn van het kiezen van één van de twee methoden of een combinatie van deze methoden.
Consequenties moeten worden gedefinieerd in termen van tijd en geld voor metingen, maar zeker ook gebruiksvriendelijkheid en acceptatie van de gekozen methode door de organisatie en klanten.
9%
Kostenreductie bereikt door klanten
Wat klanten zeggen
“Datalyzer hielp ons kwaliteitsgegevens van alle processen automatisch te koppelen voor geavanceerde analyse”
Dave Beeren
Yield engineer, Philips
Branches die wij bedienen
ISO-gecertificeerd
ISO 27001 & SOC2
