Kvaliteedikontroll, defektide tuvastamine ja statistilise protsessi juhtimine

Kasu:

• Võimalus jälgida tootmis- ja kontrolliandmeid tehisintellektiga ning avastada varakult defekte ja kõrvalekaldeid
• Võimalus seadistada ja tõlgendada statistilist protsessijuhtimist (SPC), Cpk-d ja juhtimistabeleid tehisintellekti toega
• Võimalus kontrollida tehisintellekti defektide klassifikatsiooni NDT tulemuse, aktsepteerimiskriteeriumide ja volitatud kontrolli kinnitusega

Metallurgia- ja kvaliteediinseneri pidev kohus on märgata, milline tuhandetest tootmisliini läbivatest detailidest on defektne ja mis hetkel hakkab protsess libisema. Kvaliteedikontroll, toote vastavuse kontrollimine etteantud nõuetele; defektide tuvastamine, toote vigade tabamine (kriimud, poorid, praod, mõõtmete kõrvalekalded); Statistiline protsessijuhtimine (SPC) on meetod tootmisandmete statistilise jälgimise abil mõista, kas protsess on kontrolli all. Tehisintellekt kiirendab piltidelt automaatset defektide klassifitseerimist, suurte mõõtmisandmete mustrite hõivamist ning SPC-graafikute koostamist ja tõlgendamist. Kuid häire ei ole automaatne otsus; Iga AI väljund peab olema kinnitatud NDT tulemuse, aktsepteerimiskriteeriumide ja volitatud ülevaatuse heakskiiduga.

SPC põhimõisted ja tehisintellekti roll

• Kontrollkaart: graafik, mis näitab mõõte (nt läbimõõt, kõvadus) aja jooksul koos keskjoone ja kontrollpiiridega (tavaliselt ±3 standardhälvet). Piiri ületamine on märk sellest, et protsess on muutunud.
• Kontrollpiir jne. Tolerants: kontrollpiirid tulenevad protsessi loomulikust muutumisest; tolerants (spetsifikatsioonipiir) on see, mida klient soovib. Neid kahte ei tohiks segi ajada.
• Cp ja Cpk (protsessi võimekuse indeksid): mõõdab, kui kergesti protsess mahub tolerantsi piiridesse. Cp hindab hinnavahet ja Cpk hinnavahet + hajumist koos. Cpk ≥ 1,33 peetakse üldiselt piisavaks.
• Privaatne vs ühine põhjus: ühine põhjus on protsessile omane müra; Konkreetne põhjus (nt tööriista kulumine, vale partii) on sekkumist vajav kõrvalekalle. SPC eesmärk on need kaks eraldada.

AI on võimas nende mõistete õpetamisel, koodi genereerimisel, mis arvutab andmetest kontrolldiagrammi/Cpk, ja diagrammi mustrite tõlgendamisel (trend, triiv, perioodilisus). Kuid piirmäära ületamise põhjuse ja õige sekkumise määrab insener.

Tähelepanu: juhtimispiiride laiendamine "häire ärahoidmiseks" on üks ohtlikumaid vigu. Piirmäärad arvutatakse protsessi tegeliku varieerumise põhjal; Nende meelevaldne pikendamine muudab tegelikud kõrvalekalded nähtamatuks ja liigutab defektse toote kliendini.

Samm-sammult: AI-toega kvaliteediseire

1. Valige omadus: millist kriitilist mõõdikut jälgitakse (CQ: kriitiline kvaliteedinäitaja)? Kas mõõtesüsteem on usaldusväärne (Gage R&R)?
2. Koguge andmeid: Regulaarne proovide võtmine alarühmades. Kas arvesti on kalibreeritud?
3. Diagrammi seadistamine: küsige AI-lt sobivat juhtkaardi (X-bar/R, individuaalselt liikuv vahemik) tüüpi ja koodi.
4. Kommentaar: Kas on mingeid ületamist, trende, partiireegleid (nt Western Electricu reeglid)?
5. Otsige algpõhjust: Alarm on päästik; Kinnitage mõõtmine, kontrollige protsess.
6. Otsustage: vastuvõtmise kriteeriumide ja NDT tulemuse põhjal; Eraldage kõrvalekalduv partii ja rakendage parandusmeetmeid.

Vigade tuvastamine ja mittepurustav testimine

Pildipõhised tehisintellektid (sügavõppe klassifikaatorid) suudavad kiiresti eemaldada pinnadefektid (kriimustused, pursked, oksiidid, poorid). Sisemised defektid nõuavad mittepurustavat testimist (NDT): radiograafia (RT), ultraheli (UT), magnetosake (MT), penetrant (PT). Tehisintellekt võib RT/UT-pilte eelsõeluda, kuid lõpliku hinnangu annavad NDT sertifitseeritud töötajad ja standardsed aktsepteerimiskriteeriumid.

Defekti tüüp

Tüüpiline meetod

AI panus

lõplik otsus

Pinna kriimustus/purse

optiline pilt

automaatne klassifitseerimine

Aktsepteerimiskriteerium + operaator

Sisemine poor/pragu

RT/TÜ

Pildi eelsõelumine

Sertifitseeritud NDT+ standard

Pragu (pinnale avatud)

MT/PT

märgistus

NDT II/III taseme heakskiit

Suuruse kõrvalekalle

CMM / mõõtmine

Trendi jälgimine SPC abil

Tolerants + otsustus

kolm minikarpi

Juhtum 1 – piiride laienemislõks. Liini läbimõõdu mõõtmisel ületatakse sageli kontrolli ülemist piiri. Operaator soovitab hoiatuste vähendamiseks limiite laiendada. Kvaliteediinsener vaidleb sellele vastu; Ta laseb tehisintellektil SPC andmeid analüüsida ja leiab, et pärastlõunases vahetuses toimub süstemaatiline nihe (konkreetne põhjus), mis võib olla tingitud tööriistade kulumisest. Kui tööriista vahetamise perioodi lühendatakse, naaseb protsess piiridesse. Õppetund: alarm on teabeallikas; Teda tuleb mitte vaigistada, vaid leida põhjus.

Juhtum 2 – Cpk vale tõlgendus. Ühes aruandes öeldakse, et protsess on "Cpk = 1,8, täiuslik", kuid osad tekitavad kliendile probleeme. Insener laseb tehisintellektil andmeid uurida; Ta leiab, et tegelik muutus on varjatud, kuna mõõtesüsteemi lahutusvõime on ebapiisav (Gage R&R on halb), kõrge Cpk tuleneb mõõtmispimedusest. Esiteks korrigeeritakse mõõtesüsteemi ja tegelik Cpk on 1,1. Õppetund: igasugune halval mõõtmissüsteemil põhinev statistika on eksitav; Esmalt kontrollige mõõtmist.

Juhtum 3 – NDT õige kõrvaldamine. Üks tootja kasutab AI-toega RT eelkvalifitseerimist valanditel; märgib kahtlased osad lipuga ja suunab need NDT sertifitseeritud töötajatele. Tehisintellekt läbib enamiku puhastest osadest kiiresti, töötajad keskenduvad ainult märgitud tükkidele. Kuid ohutuskriitilises seerias võetakse osadest, mida AI nimetab "puhtaks", samuti proovid ja neid kontrollitakse NDT-ga; sest AI on sõeluuringu tööriist, mitte vastuvõtuamet. Õppetund: AI parandab tõhusust, kuid lõpliku heakskiitmisega kaasneb standardne NDT ja volitatud kinnitus.

Kopeeritavad viipade mallid

JUHTdiagrammi seadistusmall "Roll: Olete SPC / kvaliteediassistent. Mul on järgmised mõõtmisandmed: [alarühma andmed]. Iseloomulik: [läbimõõt/kõvadus]. Soovitage mulle sobivat tüüpi kontrollkaarti (X-bar/R või I-MR) koos põhjendusega ja arvutage Pythoni koodiga välja keskjoon + kontrollpiirid. Rõhuasetus ületab TOL-i piirmäärad on erinevad. kuid öelge, et põhjust tuleks uurida."

Cpk KOMMENTAARIMALL "Cp = [...], Cpk = [...], tolerants = [...], mõõdetud jaotus = [...]. Tõlgendage neid väärtusi: kas protsess on piisav, kas on detsentraat? Tuletage mulle meelde, et ESITEKS küsiksin, kas mõõtmissüsteem on usaldusväärne (Gage R&R). Selgitage lõksu, mida kõrge Cpk võib tuleneda mõõtmispimedusest. Seostage eksperimendi otsustusotsus."

DEFEKTI KLASSIFIKATSIOONI HINDAMISE MALL "AI-kujutise mudel märkis järgmisi defekte: [loend]. Iga puhul: milliste aktsepteerimiskriteeriumide (standardi) alusel tuleks seda hinnata, millist NDT meetodit on vaja kinnitamiseks, milline on valepositiivse/negatiivse tulemuse oht? Täpsustage, et lõplik heakskiit tuleks anda koos sertifitseeritud NDT-väljundiga.

SPC MUSTERI ANALÜÜSI MALL"Uurige järgmisi kontrolldiagrammi andmeid: [andmed/aegrida]. Kas on trendi, triivi, perioodilisust või seeriareeglite rikkumist (Western Electric)? Loetlege iga mustri puhul HÜPOTEESina võimalik protsessi põhjus (tööriista kulumine, partii muutus, temperatuur) ja kirjutage, kuidas seda täpset põhjust kontrollitakse.

Nõrk viip / Tugev viip

NÕRK VIIPA: "Kas nende andmete kvaliteet on hea?"

TUGEV VIIP: "Roll: olete SPC assistent. Mul on järgmised võlli läbimõõdu andmed (25 alarühma, n = 5): [andmed]. Tolerants on 20,00 ± 0,05 mm. Laske mul: (1) arvutada välja keskpunkt ja kontrollpiirid. Võrrelge tulemust aktsepteerimiskriteeriumidega, kuid tuletage meelde, et mõõtmissüsteem peab olema kontrollitud.

Nõrk viip annab vastuse, mis on ebamäärane ja ilma kommentaarideta. Võimas viip annab selged andmed, tolerantsi ja soovitud väljundid; See sätestab juhtimispiiri/tolerantsi eristamise, Gage R&R juhtimise ja selle, et lõplik otsus jääb insenerile.

Levinud vead

• Juhtpiiride segamine tolerantsiga või nende laiendamine, et häiret ei tekiks.
• Cpk-le tuginemine ilma mõõtesüsteemi kontrollimata (Gage R&R).
• Pidades automaatseks "juurpõhjuseks" piirnormi ületamist ja otsustades mõõtmist kinnitamata lammutada.
• pidada lõplikuks aktsepteerimisotsuseks tehisintellekti defektide klassifikatsiooni; NDT-st ja volitatud heakskiitmisest möödahiilimine.
• Sekkumine igasse kõikumisse, eristamata ühist põhjust konkreetsest põhjusest (ülekohanemine).
• Ohutuskriitilises seerias usaldatakse täielikult seda, mida AI ütleb, et see on "puhas" ja proovide võtmise kontrollimist.

Kokkuvõttes

AI kvaliteedikontrollis suurendab kvaliteediinseneri pilku ja kiirust defektide klassifitseerimise, suurandmete mustri hõivamise ja SPC graafiku/Cpk arvutamise abil. Kui aga kontrolli piirtolerantsi eristus, mõõtesüsteemi töökindlus ja eri/tavapõhjuste eristamine ei ole õigesti tehtud, võib statistika olla eksitav. Käsitlege iga häiret käivitajana, kinnitage mõõtmine, uurige algpõhjust ja siduge lõplik vastuvõtmine aktsepteerimiskriteeriumide, standardse NDT ja volitatud kinnitusega. AI teeb esialgse valiku, otsuse teeb insener.

Rakenduse ülesanne

Määrake tegelik või väljamõeldud mõõtmiste seeria (nt 20–25 diameetri/kõvaduse andmete alamrühma) ja tolerants. Malli „JUHTdiagrammi seadistamine” abil küsige AI-lt sobivat diagrammi tüüpi ja arvutuskoodi ning laske tal arvutada kontrollpiirid. Seejärel kommenteerige protsessi adekvaatsust, kasutades malli "Cpk COMMENT" ja pange tähele Gage R&R kontrolli. Lõpuks looge piirmäära ületamise stsenaarium ja kirjutage lõik, milliste sammude üle otsustate (mõõtmise kinnitus, algpõhjus, aktsepteerimiskriteeriumid).

kontrollnimekiri

• [ ] Olen tuvastanud jälgitava kriitilise kvaliteediatribuudi ja mõõtesüsteemi töökindluse.
• [ ] Valisin sobiva kontrollkaardi tüübi ja arvutasin protsessist välja limiidid.
• [ ] Eraldasin kontrollpiiri ja tolerantsi; Ma ei laiendanud piire suvaliselt.
• [ ] Tõlgendasin Cpk-d koos mõõtesüsteemi töökindlusega.
• [ ] Pidasin häiret käivitajaks, kinnitasin mõõtmise ja uurisin algpõhjust.
• [ ] Olen lõpliku heakskiitmise aluseks võtnud aktsepteerimiskriteeriumid, standardse NDT ja volitatud kinnituse.