zisky:
- Schopnosť interpretovať regulačné diagramy (X-bar/R, p, c) a indexy spôsobilosti procesu (Cp, Cpk)
- Schopnosť urýchliť skenovanie a hlásenie signálov mimo kontroly (pravidlá Western Electric) pomocou AI
- Schopnosť overiť štatistickú interpretáciu AI so surovými údajmi a realitou fyzických procesov
Kvalita sa „netriedi“ kontrolou, „vyrába sa“ procesom. Štatistická kontrola procesov (SPC) má za cieľ práve to: monitorovanie procesu v reálnom čase a zachytávanie signálov skôr, ako sa chyby stanú produktmi. Sila SPC spočíva v odlíšení prirodzenej (bežná príčina) variability od abnormálnej (špeciálna príčina) variability. V tejto oblasti AI urýchľuje interpretáciu kontrolných diagramov, skenovanie pravidiel a podávanie správ o odbornosti; ale úlohou človeka je spojiť štatistickú interpretáciu s realitou fyzikálneho procesu. V tejto časti sa budeme venovať kontrolným diagramom, indexom odbornosti Cp/Cpk a správnej úlohe AI v SPC.
Dve tváre variability
Každý proces zahŕňa variabilitu. SPC rozdeľuje túto variabilitu na dve časti:
- Bežná príčina: Náhodné, predvídateľné kolísanie, ktoré je súčasťou procesu. Proces je „pod kontrolou“.
- Špeciálna príčina: Externá, priraditeľná udalosť (zlomenie nástroja, zmena dávky suroviny, posun nastavenia). Proces je „mimo kontroly“.
Jediným účelom kontrolného diagramu je oddeliť tieto dva. Reakcia na bežné kolísanie (nadmerné prispôsobenie / „falšovanie“) v skutočnosti zvyšuje variabilitu. Demingov klasický „lievikový experiment“ to ukazuje: zasahovanie pri každej odchýlke veci zhoršuje.
Tip: Nikdy si nezamieňajte kontrolné limity (UCL/LCL) s tolerančnými (špecifikačnými) limitmi. Kontrolné limity sú „hlasom“ procesu (vypočítané z údajov); tolerančné limity sú „hlasom“ zákazníka (vychádza z návrhu). AI ich niekedy zamieňa; V každom komentári jasne uveďte, o ktorom z nich hovoríte.
Typy kontrolných diagramov
Graf sa vyberá podľa typu údajov.
Grafika
Typ údajov
príklad
X-bar/R
Priebežné (meranie), podskupina
Priemerný priemer hriadeľa a vôľa
X-bar/S
Nepretržitá, veľká podskupina
Hmotnosť náplne
I-MRI
Nepretržité, jednorazové meranie
Jedno meranie za deň
p/np
Diskrétna, chybná sadzba/číslo
Sadzba chybných dielov
c/u
Diskrétne, množstvo defektov
Chyby na jednotku
Na grafe X-bar/R sa kontrolné limity vypočítavajú z priemerov a rozpätí podskupín:
UCL_xbar = X-dvojitý pruh + A2 × R-barLCL_xbar =
Signály mimo kontroly (Západné elektrické pravidlá)
Bod, ktorý prekračuje hranice, nie je jediným signálom. Pravidlá Western Electric (Nelson) tiež zachytávajú vzorce:
- Bod je mimo 3σ (mimo hraníc).
- Po sebe idúce 2/3 bodov za 2σ (na tej istej strane).
- 4/5 po sebe idúcich bodov za 1σ.
- 8 po sebe idúcich bodov na rovnakej strane stredovej čiary (posun).
- 6 bodov sa neustále zvyšuje/zmenšuje (trend).
Úloha: Ste inžinier kvality so skúsenosťami v SPC. Úloha: Naskenujte nasledujúce hodnoty X-bar s pravidlami Western Electric podľa daného UCL/LCL a stredovej čiary. Pre každý signál mimo kontroly: číslo pravidla, body, možná fyzikálna interpretácia a navrhovaný krok vyšetrovania. Stred=50,2 UCL=52,1 LCL=48,3 σ=0,63Údaje (zoradené): {{ hodnoty }}Pravidlo: Negenerovať falošný signál; Označenie bodov, ktoré úplne nespĺňajú pravidlo. Možné dôvody uvádzajte ako „hypotézu“, nepíšte presným jazykom.
AI robí tento skríning rýchlym, ale pamätajte: ustanovenie pravidla je štatistická výstraha; Terénne vyšetrovanie zistí skutočnú príčinu. AI môže povedať „pravdepodobne opotrebovanie nástroja“; Práve meranie nástroja to potvrdzuje.
Spôsobilosť procesu: Cp a Cpk
Aj keď je proces pod kontrolou, spĺňa tolerancie zákazníkov? Ukazujú to indexy dostatočnosti.
Cp = (USL − LSL) / (6σ) → meria len spreadCpk = min[ (USL − μ)/(3σ) , (μ − LSL)/(3σ) ] → zahŕňa centrovanie
Príklad: USL = 10,5; LSL = 9,5; μ = 10,1; σ = 0,1.
Cp = (10,5 − 9,5) / (6 × 0,1) = 1,0 / 0,6 ≈ 1,67 Cpk = min[ (10,5 − 10,1)/0,3, (10,1 − 9,5)/0,3] = min[ 0,4/0,3] = min[0,4/0,3] 2,0] = 1,33
Cp = 1,67 naznačuje dobrý spread, ale Cpk = 1,33 nám hovorí, že proces je mimo stredu (priemer 10,1, bližšie k USL ako cieľová hodnota 10,0). Cpk < Cp vždy indikuje problém centrovania. Dokonca aj proces s dobrou disperziou vytvorí chybný produkt, ak je nesprávne vycentrovaný.
Slabá výzva / silná výzva
Slabá výzva:
Je tento proces dobrý?
Neexistuje žiadne kritérium pre „dobré“; AI robí len všeobecný odhad.
Výkonná výzva:
Vypočítajte Cp a Cpk s nasledujúcimi nameranými údajmi (USL=10,5, LSL=9,5). Vypočítajte σ a priemer z údajov, ukážte vzorec a každý krok. Ak Cpk < Cp, opýtajte sa, či je centrovanie alebo šírenie, komentujte. Odhadnite aj približnú chybovosť (ppm) procesu a zapíšte si svoje predpoklady. Údaje: {{ ... }}
Mini puzdro: Dobrý CP, zlý produkt
Na plniacej linke väčšina fliaš nespĺňa špecifikácie, ale proces sa na kontrolnom diagrame javí ako „stabilný“. Priemyselný inžinier Yağmur poskytne údaje AI a nechá ju vypočítať Cp a Cpk: Cp = 1,5 (dobré rozpätie), ale Cpk = 0,7 (nedostatočné). Rozdiel je v tom, že priemer sa výrazne posunul od cieľovky. AI poukazuje na problém centrovania; Skontroluje nastavenie dažďového plniaceho ventilu a skutočne nájde posun. Keď upravíte nastavenie, Cpk sa zvýši na 1,4 a odpad sa zníži. Kritická lekcia: proces môže byť „stabilný“ (pod kontrolou), ale stále môže byť „nedostatočný“ (nespĺňa špecifikáciu). AI demonštrovala tento rozdiel číselne; Bol to Yağmur, kto našiel hlavnú príčinu na ihrisku.
Časté chyby
- Mätúce riadenie a tolerančný limit: Prirovnávanie kontrolných limitov k tolerancii zákazníka.
- Bežná príčina manipulácie: Prispôsobenie sa každému kolísaniu a zvýšenie variability.
- Ignorovanie Cpk: Len sa pozeráte na Cp a chýba vám problém centrovania.
- Zamieňanie signálov AI za dôkaz: Neoverenie príčiny signálu Western Electric v teréne.
- Nesprávny výber grafu: Použitie súvislého údajového grafu (X-bar) na údaje o chybovosti.
V súhrne
- Podstatou SPC je oddeliť variabilitu spoločných a špeciálnych príčin; Zasahovanie do spoločnej príčiny je škodlivé.
- Kontrolné limity pochádzajú z procesu, tolerančné limity pochádzajú z návrhu; Títo dvaja by sa nikdy nemali zamieňať.
- Vyberte graf vhodný pre typ údajov (X-bar/R, p, c...) a vyhľadajte vzory s pravidlami Western Electric.
- Cp meria šírenie a Cpk meria centrovanie; Cpk < Cp označuje problém centrovania.
- AI generuje štatistický signál rýchlo; Obhliadka v teréne potvrdí dôvod, rozhodnutie je na inžinierovi.
Aplikačná úloha
Vykonajte aspoň 20 nepretržitých meraní z procesu (skutočného alebo fiktívneho) a určte hodnoty USL/LSL. Nechajte AI vypočítať Cp a Cpk s týmito údajmi; Nechajte si z údajov vypočítať σ a priemer a znázorniť každý krok. Kritické overenie: Prepočítajte si hodnoty σ, Cp a Cpk sami v Exceli alebo Pythone a porovnajte s výstupom AI. Potom naskenujte údaje podľa pravidiel Western Electric a opýtajte sa „ako to overím v teréne?“ pre každý nájdený signál. Odpovedzte na otázku. Nakoniec, ak Cpk < Cp, rozhodnite, či sa má najskôr opraviť centrovanie alebo rozmetanie.