50+ Länder
Globale Nutzung, lokale Auswirkungen
47 Jahre im Geschäft
Entstanden im Jahr 1979
50+ Mitarbeiter
Europa, USA und Asien
2000+ Kunden
Mehr als 20.000 Benutzer
Parallele Prozesse und statistische Prozesskontrolle
Einführung
Die statistische Prozesskontrolle (SPC) bewährt sich in vielen verschiedenen Branchen und Prozessarten. Eine interessante und anspruchsvolle Implementierung der statistischen Prozesskontrolle ist die Anwendung auf parallele Prozesse. Es gibt viele Beispiele in der Produktion, in denen parallele Prozesse vorkommen:
Die SPC-Theorie ist ganz klar: Wenn Sie verschiedene Prozesse mit unterschiedlichen Abweichungen haben, sollten Sie für jeden einzelnen Prozess eine eigene Regelkarte erstellen. In der Praxis ist dies jedoch nicht so einfach. Beim Spritzgießen von Vorformlingen zum Beispiel kann die Anzahl der Kavitäten 96 oder sogar mehr betragen. Wenn Sie 2 oder 3 Dimensionen messen würden, würde das bedeuten, dass Sie 192 Kontrollkarten mit 2 Dimensionen für nur 1 Form haben. Es muss also Alternativen geben, um einen Stichprobenplan zu definieren und dennoch Unterschiede zwischen parallelen Prozessen zu finden. Die Art und Weise, wie Sie SPC implementieren und Ihre Regelkarten einrichten, hängt in hohem Maße von der Art der Variation ab, die in dem Prozess vorkommt.
Variation und parallele Prozesse
Bei parallelen Prozessen gibt es typischerweise 3 Arten von Abweichungen, die berücksichtigt werden können. In Abbildung 1 sehen Sie ein Beispiel für 4 parallele Prozesse, bei denen Batterien oder Dosen hergestellt werden und Sie eine Dimension der Produkte messen möchten.
Die 3 Arten der Variation in diesem Beispiel sind:
Am besten analysieren Sie die Daten, indem Sie für jeden Prozess eine Kontrollkarte mit einer Untergruppengröße von z.B. 3 erstellen. Das bedeutet, dass Sie in einer Regelkarte die Variation zwischen den Zyklen als Variation innerhalb der Untergruppe sehen. Die Variation über die Zeit ist die Variation zwischen den Teilgruppen. Die Variation zwischen Prozessen kann durch den Vergleich von Ergebnissen wie Cpk und Ppk für verschiedene Karten analysiert werden (wie später in diesem Blog erläutert).
In vielen Fällen ist eine solche Analyse wirtschaftlich nicht machbar, so dass in den meisten dieser Fälle die Untergruppen über parallele Prozesse hinweg gebildet werden. Die prozessübergreifende Bildung von Untergruppen ist auch dann sinnvoll, wenn die Zyklus-zu-Zyklus-Schwankungen im Vergleich zu den 2 anderen Schwankungsarten gering sind. Die Anwendung der zweiten Methode kann auch nach einer gewissen Zeit gewählt werden, wenn der Prozess vollständig unter Kontrolle ist und alle besonderen Ursachen der Variation beseitigt sind.
Wenn Sie Untergruppen über parallele Prozesse bilden, zeigt die Bereichskarte normalerweise die Variation zwischen den Prozessen und die Kontrollkarte die Variation in der Zeit. Die Zyklus-zu-Zyklus-Abweichung fehlt und auch die Cpk- und Ppk-Werte stellen andere Ergebnisse dar, als Sie normalerweise erhalten würden, wenn Sie aufeinanderfolgende Produkte in einer Untergruppe kombinieren. Und wenn Sie sich entscheiden, SPC mit dieser Methode zu implementieren, möchten Sie trotzdem in der Lage sein, die Variation für einen bestimmten Prozess zu analysieren. DataLyzer SPC ist in der Lage, diese Methode zu implementieren und die richtige Analyse zu erstellen.
In der Praxis können Sie auch eine Kombination der oben beschriebenen Methoden verwenden, indem Sie getrennte Diagramme verwenden, falls Sie auf dem Bereichsdiagramm keine Kontrolle mehr haben. Die Kombination von Methoden macht es den Betreibern in der Praxis jedoch in der Regel nicht leichter.
Vergleich mehrerer Kontrollkarten für dasselbe Merkmal paralleler Prozesse
In DataLyzer Qualis SPC gibt es mehrere Werkzeuge, um Daten verschiedener Merkmale/Prozesse zu vergleichen:
Die Methoden der DataLyzer SPC-Software bieten dem Ingenieur mehr als genug Möglichkeiten, Prozesse zu vergleichen. Wenn es wichtig ist, den Durchschnitt verschiedener paralleler Prozesse zu überwachen, lässt sich leicht ein zusätzliches Diagramm erstellen, das einfach den Durchschnitt der anderen Diagramme berechnet.
Parallele Prozesse innerhalb einer Untergruppe vergleichen
Datalyzer Qualis SPC verfügt über mehrere Funktionen, mit denen Sie die Abweichungen zwischen parallelen Prozessen anzeigen können, wenn diese in einer Regelkarte / Untergruppe zusammengefasst sind:
Die Kontrolltabelle mit dem höchsten und niedrigsten Messwert zeigt die Linien für die Höchst- und Mindestwerte in der Untergruppe an und stellt die Prozessnummer daneben (siehe Abbildung 4). Wenn Sie zu oft dieselbe Zahl sehen, müssen Sie diesen speziellen Prozess (z.B. Hohlraum) untersuchen, weil der Prozessdurchschnitt vom Gesamtdurchschnitt abweicht. Der nächste Schritt könnte sein, die Daten mit der Box and Whisker- oder Multi-Vari-Analyse zu analysieren. Um Prozesse zu vergleichen, beginnen die Bediener oder Ingenieure häufig mit der Überprüfung der einzelnen Messungen in einer Rohdatentabelle und fahren dann mit der Multi-Vari-Analyse (Box und Whisker) fort. Nehmen wir an, der Benutzer möchte die Variation zwischen parallelen Prozessen für die letzten 10 Untergruppen sehen. Der Benutzer filtert nach den letzten 10 Untergruppen und sieht sich dann die Ergebnisse an (siehe Abbildung 6).
Außergewöhnliche Situationen
Wenn Sie eine bestimmte Methode zur Anwendung von SPC bei parallelen Prozessen auswählen, müssen Sie berücksichtigen, dass es außergewöhnliche Produktionssituationen gibt, die die Ergebnisse beeinflussen oder die Effizienz der implementierten SPC-Lösung verringern. Für verschiedene Arten von Industrien gibt es verschiedene Ausnahmen, aber wir beschränken uns hier auf zwei häufige Ausnahmen:
1. Einer der Unterprozesse ist nicht aktiv
2. Die Teilprozesse arbeiten auf einer anderen Ebene.
Zu 1: In vielen Situationen in parallelen Prozessen kann es vorkommen, dass einer der Teilprozesse (vorübergehend) nicht aktiv ist. Zum Beispiel eine blockierte Kavität beim Spritzgießen, eine Spur, die bei der Solarzellenherstellung nicht benutzt wird, usw. Ihr SPC-Programm sollte es Ihnen ermöglichen, diese Ausnahmen in Echtzeit in der Produktion effizient zu behandeln. DataLyzer Qualis SPC deckt dies ab, indem es ein gewisses Maß an ‚unvollständigen Untergruppen‘ zulässt.
Ad 2: Wenn Prozesse auf einer unterschiedlichen Ebene ablaufen und Sie Teilprozesse in einer Untergruppe zusammenfassen und den Unterschied nicht beseitigen können, wird dies die Berechnungen Ihrer Kontrollgrenzen stark beeinflussen; es wird Ihre Kontrollgrenzen ausweiten. In diesem Fall müssen Sie eine andere Methode zur Berechnung Ihrer Kontrollgrenzen verwenden.
Fazit
Datalyzer Qualis SPC erleichtert die SPC für parallele Prozesse in vielerlei Hinsicht, einschließlich der effizienten Behandlung aller Ausnahmen.
Der wichtigste Aspekt bei der Einrichtung einer korrekten SPC-Methode ist die Analyse der 3 Arten von Variationen und die Berücksichtigung der Konsequenzen, die sich aus der Wahl einer der beiden Methoden oder einer Kombination dieser Methoden ergeben.
Die Konsequenzen müssen in Form von Zeit und Geld für die Messungen, aber natürlich auch in Form von Benutzerfreundlichkeit und Akzeptanz der gewählten Methode durch das Unternehmen und die Kunden definiert werden.
9%
Kostenreduzierung durch Kunden erreicht
Was Kunden sagen
„Datalyzer hat uns dabei geholfen, Qualitätsdaten aus allen Prozessen automatisch zu verknüpfen, um erweiterte Analysen durchzuführen
Dave Beeren
Yield engineer, Philips
Industrien, die wir bedienen
ISO-zertifiziert
ISO 27001 & SOC2
