Как контролировать качество на основе данных, возникают серьезные дефекты в современном производстве

Дефект, обнаруженный при окончательной проверке, редко является проблемой, характерной именно для этой проверки. Обычно он свидетельствует о том, что ранее был внесены изменения в процесс, которые продолжались без контроля и привели к увеличению количества несоответствующих деталей.

В основе того, как контроль качества на основе данных предотвращает дорогостоящие дефекты в современном производстве, лежит вопрос времени. Контроль качества на основе данных выявляет отклонения, когда еще возможна корректировка, превращая качество из простого отбора в оперативную дисциплину, работающую в режиме реального времени.

Вместо того чтобы ждать обнаружения дефектов, которые выявят некачественную продукцию, команды отслеживают условия, которые её создают. Такая ранняя реакция позволяет ограничить брак, доработки, сбои в работе оборудования и давление на сроки поставки, одновременно защищая затраты на обеспечение качества.

Современные средства машинного зрения также предоставляют полезные данные для контроля качества, как показывает пример революционных изменений в системах контроля, достигнутых благодаря искусственному интеллекту . Тем не менее, более широкие возможности заключаются в контроле процесса до того, как готовая продукция потребует отбраковки.

Реактивный анализ не выявляет реальной проблемы.

Контроль качества на заключительном этапе производства может предотвратить попадание дефектных изделий к потребителям, но он не может точно показать, когда именно машина, материал или настройка начали отклоняться от нормы. К тому времени, когда инспектор обнаружит неисправность, многие ранее изготовленные детали уже могут потребовать сортировки.

Эта задержка приводит к увеличению брака и создает циклы доработки, которые потребляют мощности, необходимые для запланированного производства. Дополнительные трудозатраты на контроль качества, задержки поставок и проблемы, связанные с поставщиками, также способствуют скрытым производственным издержкам, которые не всегда отражаются в одном отчете о дефектах.

Реактивный контроль качества устраняет симптом, отделяя приемлемый результат от неприемлемого. Проактивный контроль, напротив, задает вопрос о том, что изменилось в процессе, а затем использует анализ первопричин для устранения источника до того, как тот же дефект повторится.

Это различие имеет значение на сложных производственных линиях, где одна нестабильная настройка может повлиять на несколько последующих операций. Сортировка бракованных деталей может защитить отгрузку, но стабилизация источника гарантирует безопасность следующего производственного цикла.

Как статистический контроль процессов (SPC) превращает данные с производственного цеха в инструмент управления.

Статистический контроль процессов превращает многократные измерения в доказательства того, ведет ли себя процесс предсказуемо. Статистический контроль процессов не требует, чтобы каждое показание было идентичным; он отделяет ожидаемые отклонения от рутинных процессов от сигналов, указывающих на необходимость внимания к конкретному изменению.

Правильное чтение контрольных диаграмм

Контрольные диаграммы отображают изменения показателей во времени относительно предельных значений, рассчитанных на основе собственных показателей процесса. Точка за пределами этих пределов или устойчивая тенденция, движущаяся в одном направлении, сигнализирует о вариациях, вызванных особыми причинами, а не о нормальных колебаниях.

Такое разграничение предотвращает две дорогостоящие ошибки: игнорирование реального дрейфа и постоянную корректировку стабильного процесса. Операторам, инженерам и руководителям необходимы общие навыки чтения диаграмм, поэтому структурированное обучение статистическому контролю процессов (SPC) должно проводиться наряду с надежными методами измерений и правилами эскалации.

Использование возможностей для прогнозирования согласованности

Стабильный процесс не означает автоматически, что он способен соответствовать заданным параметрам. Возможности процесса сравниваются по степени распространения и центрирования стабильного процесса с допустимым допуском для детали.

При недостаточной эффективности контроля дефекты могут обнаруживаться постоянно, но не предотвращаться. В этом случае целесообразно улучшить процесс, например, уменьшить вариативность, центрировать настройку или устранить проблемы с материалами или инструментами, а не полагаться только на обнаружение дефектов.

Взаимосвязанные системы позволяют отслеживать качество в режиме реального времени.

Системы промышленного интернета вещей (IIoT) сокращают расстояние между сигналом процесса и корректирующим ответом. Датчики IIoT могут фиксировать температуру, давление, вибрацию, время цикла или размеры в процессе производства.

SCADA обеспечивает оперативную прозрачность на уровне оборудования, MES регистрирует производственные события, а ERP связывает события контроля качества с материалами, заказами и планированием. Вместе они создают замкнутый цикл мониторинга, а не изолированные электронные таблицы и отложенные отчеты.

В рецензируемых научных статьях описывается, как мониторинг датчиков в режиме реального времени может выявлять аномалии до того, как произойдет отказ оборудования. Таким образом, прогнозируемое техническое обслуживание способствует повышению качества и времени безотказной работы, поскольку износ часто впервые проявляется в виде отклонений в технологическом процессе.

Этот более широкий взгляд отражает интеллектуальную автоматизацию, выходящую за рамки робототехники : полезная автоматизация связывает решения, производственные данные и последующие действия, а не просто добавляет машины.

Улучшения сохраняются, когда команды используют одни и те же данные.

Качество контроля данных повышается только тогда, когда люди интерпретируют их последовательно и знают, какой реакции требует тот или иной сигнал. Статистический контроль процессов предоставляет операторам, инженерам и руководителям общий язык для обсуждения процессов, которые являются стабильными, отклоняющимися от нормы или неработоспособными.

Наличие общих доказательств делает анализ первопричин более дисциплинированным. Вместо того чтобы спорить об отдельных случаях дефектов, команды могут отследить изменения, связанные со сменой, состоянием оборудования, партией материала или рабочим параметром.

Методология Six Sigma предоставляет статистические инструменты для снижения вариативности процессов. Ее практическая ценность возрастает, когда команды используют структуру DMAIC для определения проблемы, измерения процесса, анализа причин, повышения производительности и контроля нового стандарта.

Непрерывное совершенствование не достигается одними лишь панелями мониторинга. Оно зависит от стандартных мер реагирования: кто проверяет сигнал, кто локализует затронутый выходной сигнал, кто выясняет причину и как документируется обновленное состояние процесса.

Часто задаваемые вопросы

Полезен ли статистический контроль производственных процессов только при крупномасштабном производстве?

Нет. Статистический контроль процессов (SPC) наиболее полезен в тех случаях, когда процесс предполагает многократные измерения в течение времени, будь то высокопроизводительная линия или повторяющиеся партии. Частота выборки должна отражать риск и скорость изменений.

Необходима ли по-прежнему окончательная проверка в рамках контроля качества?

Да. Окончательная проверка остается уровнем подтверждения, особенно в отношении безопасности, внешнего вида или требований заказчика. Она не должна быть основным методом выявления нестабильности процесса.

Какие данные команда должна отслеживать в первую очередь?

Начните с характеристики, наиболее непосредственно связанной с дефектом, а затем сопоставьте её с условиями процесса, которые, скорее всего, повлияют на эту характеристику. Целенаправленный план измерений даёт более чёткие сигналы, чем сбор всех доступных точек данных.

Как небольшим производственным предприятиям внедрить контроль качества на основе данных без крупных инвестиций?

Для начала, предприятиям не требуется полная модернизация. Начните с оцифровки сбора данных для наиболее проблемного участка производства или места с высоким уровнем брака, используя существующие программные инструменты. Размещение целевых датчиков или простая электронная регистрация данных на одной производственной линии позволит командам получать мгновенные результаты и создать масштабируемую основу, прежде чем распространять систему на все предприятие.

Наибольший прирост качества достигается до окончательной проверки.

Производители наиболее эффективно снижают затраты на дефекты, контролируя отклонения на ранних этапах производства, до того, как накапливается некачественная продукция. Управление качеством на основе данных объединяет стабильность процесса, технологическую мощность, состояние оборудования и производственные решения в единую практическую систему.

Статистический контроль процессов предоставляет метод для выявления значимых отклонений, а связанные данные позволяют достаточно быстро выявить эти сигналы, чтобы они имели значение. Окончательная проверка по-прежнему играет свою роль, но она лучше всего подходит для подтверждения, а не в качестве первого предупреждения.

Более глубокие изменения носят организационный характер. Непрерывное совершенствование становится рутинной процедурой, когда команды реагируют на одни и те же данные, следуют определенным путям эскалации и корректируют процесс, вместо того чтобы постоянно сортировать его результаты.

Основное изображение: предоставлено Алирезой Хатами (@alirezahatami), Unsplash

Читать полностью на источнике