การควบคุมคุณภาพ การตรวจจับข้อบกพร่อง และการควบคุมกระบวนการทางสถิติ

กำไร:

• ความสามารถในการตรวจสอบข้อมูลการผลิตและการตรวจสอบด้วย AI และตรวจจับรูปแบบข้อบกพร่องและการเบี่ยงเบนตั้งแต่เนิ่นๆ
• ความสามารถในการตั้งค่าและตีความการควบคุมกระบวนการทางสถิติ (SPC), Cpk และแผนภูมิควบคุมด้วยการสนับสนุน AI
• ความสามารถในการตรวจสอบการจำแนกข้อบกพร่องของ AI ด้วยผลลัพธ์ NDT เกณฑ์การยอมรับ และการยืนยันการตรวจสอบที่ได้รับอนุญาต

เป็นหน้าที่ประจำของวิศวกรด้านโลหะวิทยาและวิศวกรคุณภาพที่จะต้องสังเกตว่าชิ้นส่วนใดจากหลายพันชิ้นที่ผ่านสายการผลิตมีข้อบกพร่อง และกระบวนการเริ่มลื่นไถล ณ ขณะใด การควบคุมคุณภาพ ตรวจสอบว่าผลิตภัณฑ์ตรงตามข้อกำหนดที่ระบุหรือไม่ การตรวจจับข้อบกพร่อง การจับข้อผิดพลาดในผลิตภัณฑ์ (รอยขีดข่วน รูขุมขน รอยแตก การเบี่ยงเบนมิติ) การควบคุมกระบวนการทางสถิติ (SPC) คือวิธีการทำความเข้าใจว่ากระบวนการอยู่ภายใต้การควบคุมหรือไม่ โดยการตรวจสอบข้อมูลการผลิตทางสถิติ ปัญญาประดิษฐ์ช่วยเร่งการจำแนกข้อบกพร่องอัตโนมัติจากรูปภาพ การจับรูปแบบในข้อมูลการวัดขนาดใหญ่ และการสร้างและการตีความกราฟ SPC แต่การเตือนไม่ใช่การตัดสินใจโดยอัตโนมัติ เอาต์พุต AI แต่ละรายการต้องได้รับการยืนยันโดยผลลัพธ์ NDT เกณฑ์การยอมรับ และการอนุมัติการตรวจสอบที่ได้รับอนุญาต

แนวคิดพื้นฐานของ SPC และบทบาทของ AI

• แผนภูมิควบคุม: กราฟแสดงการเปลี่ยนแปลงของการวัด (เช่น เส้นผ่านศูนย์กลาง ความแข็ง) เมื่อเวลาผ่านไป โดยมีเส้นกึ่งกลางและขีดจำกัดการควบคุม (โดยปกติคือ ±3 ส่วนเบี่ยงเบนมาตรฐาน) การข้ามขีดจำกัดเป็นสัญญาณว่ากระบวนการเปลี่ยนไป
• ขีดจำกัดการควบคุม ฯลฯ เกณฑ์ความคลาดเคลื่อน: ขีดจำกัดการควบคุมมาจากการแปรผันตามธรรมชาติของกระบวนการ ความอดทน (ขีดจำกัดข้อกำหนด) คือสิ่งที่ลูกค้าต้องการ ทั้งสองไม่ควรสับสน
• Cp และ Cpk (ดัชนีความสามารถของกระบวนการ): วัดว่ากระบวนการปรับให้อยู่ในเกณฑ์ความคลาดเคลื่อนได้ง่ายเพียงใด Cp ประเมินสเปรด และ Cpk ประเมินสเปรด + การกระจายอำนาจร่วมกัน โดยทั่วไป Cpk ≥ 1.33 ถือว่าเพียงพอแล้ว
• สาเหตุส่วนตัวและสาเหตุทั่วไป: สาเหตุทั่วไปคือเสียงรบกวนโดยธรรมชาติของกระบวนการ สาเหตุเฉพาะ (เช่น การสึกหรอของเครื่องมือ ชุดงานไม่ถูกต้อง) เป็นการเบี่ยงเบนที่ต้องมีการแทรกแซง วัตถุประสงค์ของ SPC คือเพื่อแยกทั้งสองออกจากกัน

AI มีประสิทธิภาพในการสอนแนวคิดเหล่านี้ สร้างโค้ดที่คำนวณแผนภูมิควบคุม/Cpk จากข้อมูล และตีความรูปแบบแผนภูมิ (แนวโน้ม การเบี่ยงเบน ช่วงเวลา) แต่วิศวกรจะกำหนดสาเหตุของการเกินขีดจำกัดและการแทรกแซงที่ถูกต้อง

ข้อควรพิจารณา: การขยายขอบเขตการควบคุม "เพื่อป้องกันสัญญาณเตือน" เป็นหนึ่งในข้อผิดพลาดที่อันตรายที่สุด ขีดจำกัดจะคำนวณจากการเปลี่ยนแปลงที่แท้จริงของกระบวนการ การขยายออกไปตามอำเภอใจทำให้มองไม่เห็นความเบี่ยงเบนที่แท้จริง และเคลื่อนย้ายผลิตภัณฑ์ที่บกพร่องไปยังลูกค้า

ทีละขั้นตอน: การตรวจสอบคุณภาพที่ขับเคลื่อนด้วย AI

1. เลือกคุณลักษณะ: ตัวชี้วัดที่สำคัญตัวใดที่จะได้รับการตรวจสอบ (CQ: คุณลักษณะด้านคุณภาพที่สำคัญ) ระบบการวัดเชื่อถือได้ (Gage R&R) หรือไม่?
2. รวบรวมข้อมูล: การสุ่มตัวอย่างเป็นประจำในกลุ่มย่อย มิเตอร์มีการสอบเทียบหรือไม่?
3. ตั้งค่าแผนภูมิ: สอบถาม AI สำหรับประเภทและรหัสแผนภูมิควบคุมที่เหมาะสม (X-bar/R, ช่วงการเคลื่อนที่ของแต่ละบุคคล)
4. ความคิดเห็น: มีกฎเกณฑ์ที่เกินขอบเขต แนวโน้ม และแบทช์ (เช่น กฎของ Western Electric) หรือไม่
5. ค้นหาสาเหตุที่แท้จริง: สัญญาณเตือนภัยเป็นตัวกระตุ้น ยืนยันการวัดกระบวนการตรวจสอบ
6. ตัดสินใจ: ขึ้นอยู่กับเกณฑ์การยอมรับและผล NDT แยกชุดที่เบี่ยงเบนออกแล้วดำเนินการแก้ไข

การตรวจจับข้อบกพร่องและการทดสอบแบบไม่ทำลาย

AI ที่ใช้รูปภาพ (ตัวแยกประเภทการเรียนรู้เชิงลึก) สามารถแยกข้อบกพร่องของพื้นผิวได้อย่างรวดเร็ว (รอยขีดข่วน เสี้ยน ออกไซด์ รูขุมขน) ข้อบกพร่องภายในจำเป็นต้องมีการทดสอบแบบไม่ทำลาย (NDT): การถ่ายภาพรังสี (RT), อัลตราโซนิค (UT), อนุภาคแม่เหล็ก (MT), สารแทรกซึม (PT) AI อาจคัดกรองภาพ RT/UT ล่วงหน้า แต่การประเมินขั้นสุดท้ายดำเนินการโดยบุคลากร NDT ที่ได้รับการรับรองและเกณฑ์การยอมรับมาตรฐาน

ประเภทข้อบกพร่อง

วิธีการทั่วไป

การมีส่วนร่วมของ AI

การตัดสินใจขั้นสุดท้าย

พื้นผิวมีรอยขีดข่วน/เสี้ยน

ภาพแสง

การจำแนกประเภทอัตโนมัติ

เกณฑ์การยอมรับ + ตัวดำเนินการ

รูขุมขนภายใน/รอยแตก

RT/UT

การคัดกรองภาพล่วงหน้า

ได้รับการรับรองมาตรฐาน NDT+

รอยแตก (เปิดสู่พื้นผิว)

มอนแทนา/PT

เครื่องหมายบ่งชี้

การอนุมัติ NDT ระดับ II/III

ส่วนเบี่ยงเบนขนาด

CMM/การวัด

การติดตามแนวโน้มด้วย SPC

ความอดทน + การตัดสินใจ

มินิเคสสามอัน

กรณีที่ 1 — กับดักการขยายขอบเขต บ่อยครั้งเกินขีดจำกัดการควบคุมด้านบนในการวัดเส้นผ่านศูนย์กลางบนเส้น ผู้ปฏิบัติงานแนะนำให้ขยายขีดจำกัดเพื่อลดการแจ้งเตือน วิศวกรคุณภาพคัดค้านสิ่งนี้ เขาให้ AI วิเคราะห์ข้อมูล SPC และพบว่ามีการเปลี่ยนแปลงอย่างเป็นระบบ (สาเหตุเฉพาะ) ในกะบ่าย อาจเกิดจากการสึกหรอของเครื่องมือ เมื่อระยะเวลาการเปลี่ยนเครื่องมือสั้นลง กระบวนการจะกลับสู่ภายในขีดจำกัด บทเรียน: สัญญาณเตือนเป็นแหล่งข้อมูล ไม่จำเป็นต้องทำให้เขาเงียบ แต่ต้องหาเหตุผล

กรณีที่ 2 — การตีความ Cpk ผิด รายงานฉบับหนึ่งระบุว่ากระบวนการนี้ "Cpk = 1.8 สมบูรณ์แบบ" แต่ชิ้นส่วนต่างๆ กำลังสร้างปัญหาให้กับลูกค้า วิศวกรให้ AI ตรวจสอบข้อมูล เขาพบว่าการเปลี่ยนแปลงที่แท้จริงถูกซ่อนไว้ เนื่องจากความละเอียดของระบบการวัดไม่เพียงพอ (Gage R&R ไม่ดี) Cpk ที่สูงมาจากการตาบอดในการวัด ขั้นแรก ระบบการวัดได้รับการแก้ไขและ Cpk จริงคือ 1.1 บทเรียน: สถิติใดๆ ก็ตามที่ใช้ระบบการวัดผลที่ไม่ดีจะทำให้เข้าใจผิด ตรวจสอบการวัดก่อน

กรณีที่ 3 — การกำจัด NDT ที่ถูกต้อง ผู้ผลิตรายหนึ่งใช้ RT ที่ขับเคลื่อนด้วย AI ในการคัดเลือกล่วงหน้าในการหล่อ แจ้งชิ้นส่วนที่น่าสงสัยและส่งต่อไปยังบุคลากร NDT ที่ได้รับการรับรอง AI จะผ่านชิ้นส่วนที่สะอาดส่วนใหญ่อย่างรวดเร็ว โดยเจ้าหน้าที่จะเน้นไปที่ชิ้นส่วนที่ทำเครื่องหมายไว้เท่านั้น อย่างไรก็ตาม ในซีรีส์ที่เน้นเรื่องความปลอดภัย ส่วนที่ AI เรียกว่า "สะอาด" จะถูกสุ่มตัวอย่างและตรวจสอบด้วย NDT เช่นกัน เพราะ AI เป็นเครื่องมือคัดกรอง ไม่ใช่หน่วยงานรับเข้า บทเรียน: AI ปรับปรุงประสิทธิภาพ แต่การยอมรับขั้นสุดท้ายมาพร้อมกับ NDT มาตรฐานและการอนุมัติที่ได้รับอนุญาต

เทมเพลตพร้อมท์ที่คัดลอกได้

เทมเพลตการตั้งค่าแผนภูมิควบคุม "บทบาท: คุณเป็น SPC / ผู้ช่วยด้านคุณภาพ ฉันมีข้อมูลการวัดต่อไปนี้: [ข้อมูลกลุ่มย่อย] คุณลักษณะ: [เส้นผ่านศูนย์กลาง/ความแข็ง] แนะนำแผนภูมิควบคุมประเภทที่เหมาะสม (X-bar/R หรือ I-MR) พร้อมเหตุผลและคำนวณเส้นกึ่งกลาง + ขีดจำกัดการควบคุมด้วยโค้ด Python เน้นว่าขีดจำกัดการควบคุมแตกต่างจาก TOLERANCE แสดงความคิดเห็นเกี่ยวกับขีดจำกัดเกิน แต่ระบุว่าควรตรวจสอบเหตุผล"

เทมเพลตความคิดเห็น Cpk "Cp = [...], Cpk = [...], ความคลาดเคลื่อน = [...], การกระจายที่วัดได้ = [...] ตีความค่าเหล่านี้: กระบวนการเพียงพอหรือไม่ มีการกระจายการกระจายหรือไม่ เตือนให้ฉันถามก่อนว่าระบบการวัดเชื่อถือได้หรือไม่ (Gage R&R) อธิบายข้อผิดพลาดที่ Cpk ที่สูงอาจมาจากการตาบอดในการวัด เชื่อมโยงการตัดสินใจที่ 'เหมาะสม' ของบริษัทกับการทดลอง/การตรวจสอบ"

เทมเพลตการประเมินการจำแนกประเภทข้อบกพร่อง "โมเดลรูปภาพ AI ทำเครื่องหมายข้อบกพร่องต่อไปนี้: [รายการ] สำหรับแต่ละ: ควรประเมินเกณฑ์การยอมรับ (มาตรฐาน) ใด ต้องใช้วิธี NDT ใดในการยืนยัน ความเสี่ยงของผลบวกลวง/ลบคืออะไร ระบุว่าควรให้การยอมรับขั้นสุดท้ายด้วย NDT ที่ได้รับการรับรองและการอนุมัติที่ได้รับอนุญาต วางตำแหน่งเอาต์พุต AI เป็น 'การคัดกรองล่วงหน้า'"

เทมเพลตการวิเคราะห์รูปแบบ SPC"ตรวจสอบข้อมูลแผนภูมิควบคุมต่อไปนี้: [อนุกรมข้อมูล/เวลา] มีแนวโน้ม การเบี่ยงเบน ช่วงเวลา หรือการละเมิดกฎอนุกรม (Western Electric) หรือไม่ สำหรับแต่ละรูปแบบ ให้ระบุสาเหตุที่เป็นไปได้ของกระบวนการ (การสึกหรอของเครื่องมือ การเปลี่ยนแปลงชุดงาน อุณหภูมิ) เป็นสมมติฐาน และเขียนว่าจะมีการตรวจสอบอย่างไร อย่าประกาศสาเหตุที่แน่ชัด"

พรอมต์อ่อน / พรอมต์แข็งแกร่ง

ข้อความแจ้งที่อ่อนแอ: "คุณภาพของข้อมูลนี้ดีหรือไม่"

พร้อมท์ที่แข็งแกร่ง: "บทบาท: คุณเป็นผู้ช่วย SPC ฉันมีข้อมูลเส้นผ่านศูนย์กลางเพลาต่อไปนี้ (25 กลุ่มย่อย n=5): [ข้อมูล] ความคลาดเคลื่อนคือ 20.00 ± 0.05 มม. ให้ฉัน: (1) คำนวณขีดจำกัดศูนย์กลางและการควบคุมสำหรับการเปรียบเทียบผลลัพธ์กับเกณฑ์การยอมรับ แต่เตือนว่าระบบการวัด (Gage R&R) จำเป็นต้องได้รับการตรวจสอบ”

ข้อความแจ้งที่ไม่ชัดเจนให้คำตอบที่คลุมเครือและไม่มีความคิดเห็น พร้อมต์ที่มีประสิทธิภาพให้ข้อมูลที่ชัดเจน พิกัดความเผื่อ และผลลัพธ์ที่ต้องการ โดยจะกำหนดความแตกต่างของขีดจำกัดการควบคุม/ความคลาดเคลื่อน การควบคุม Gage R&R และการตัดสินใจขั้นสุดท้ายยังคงอยู่กับวิศวกร

ข้อผิดพลาดทั่วไป

• สร้างความสับสนให้กับขีดจำกัดการควบคุมด้วยเกณฑ์ความคลาดเคลื่อนหรือขยายขอบเขตเพื่อไม่ให้มีสัญญาณเตือนเกิดขึ้น
• อาศัย Cpk โดยไม่ต้องตรวจสอบระบบการวัด (Gage R&R)
• พิจารณาเกินขีดจำกัดเป็น "สาเหตุที่แท้จริง" โดยอัตโนมัติ และตัดสินใจตัดทิ้งโดยไม่ยืนยันการวัด
• พิจารณาการจำแนกข้อบกพร่องของ AI เป็นการตัดสินใจยอมรับขั้นสุดท้าย ข้าม NDT และการอนุมัติที่ได้รับอนุญาต
• แทรกแซงทุกความผันผวนโดยไม่แยกแยะสาเหตุทั่วไปและสาเหตุเฉพาะ (over-adjustment)
• ในซีรีส์ที่เน้นเรื่องความปลอดภัย เชื่อมั่นอย่างเต็มที่ว่าสิ่งที่ AI กล่าวว่า "สะอาด" และไม่ดำเนินการตรวจสอบการสุ่มตัวอย่าง

โดยสรุป

AI ในการควบคุมคุณภาพช่วยเพิ่มสายตาและความเร็วของวิศวกรคุณภาพ ด้วยการจำแนกข้อบกพร่อง การจับรูปแบบในข้อมูลขนาดใหญ่ และการคำนวณกราฟ SPC/Cpk อย่างไรก็ตาม หากการแยกความแตกต่างของขีดจำกัดการควบคุม ความน่าเชื่อถือของระบบการวัด และการแยกสาเหตุพิเศษ/สาเหตุทั่วไปไม่ได้ทำอย่างถูกต้อง สถิติอาจทำให้เข้าใจผิดได้ ปฏิบัติต่อสัญญาณเตือนแต่ละรายการเป็นตัวกระตุ้น ยืนยันการวัด ตรวจสอบสาเหตุที่แท้จริง และเชื่อมโยงการยอมรับขั้นสุดท้ายกับเกณฑ์การยอมรับ NDT มาตรฐาน และการอนุมัติที่ได้รับอนุญาต AI ทำการคัดเลือกเบื้องต้น วิศวกรเป็นผู้ตัดสินใจ

งานสมัคร

ระบุชุดการวัดจริงหรือสมมติ (เช่น กลุ่มย่อย 20-25 กลุ่มของข้อมูลเส้นผ่านศูนย์กลาง/ความแข็ง) และค่าพิกัดความเผื่อ ด้วยเทมเพลต "SETUP CONTROL CHART" ให้ถาม AI เกี่ยวกับประเภทแผนภูมิและรหัสการคำนวณที่เหมาะสม จากนั้นให้คำนวณขีดจำกัดการควบคุม จากนั้นให้แสดงความคิดเห็นเกี่ยวกับความเพียงพอของกระบวนการโดยใช้เทมเพลต "Cpk COMMENT" และจดบันทึกการตรวจสอบ Gage R&R สุดท้าย สร้างขีดจำกัดที่เกินสถานการณ์และเขียนลงในย่อหน้าซึ่งขั้นตอนที่คุณจะตัดสินใจ (การยืนยันการวัด สาเหตุหลัก เกณฑ์การยอมรับ)

รายการตรวจสอบ

• [ ] ฉันได้ระบุคุณลักษณะด้านคุณภาพที่สำคัญที่ต้องติดตามและความน่าเชื่อถือของระบบการวัดแล้ว
• [ ] ฉันเลือกประเภทแผนภูมิควบคุมที่เหมาะสมและคำนวณขีดจำกัดจากกระบวนการ
• [ ] ฉันแยกขีดจำกัดการควบคุมและพิกัดความเผื่อออก ฉันไม่ได้ขยายขอบเขตโดยพลการ
• [ ] ฉันตีความ Cpk ร่วมกับความน่าเชื่อถือของระบบการวัด
• [ ] ฉันถือว่าสัญญาณเตือนเป็นตัวกระตุ้น ยืนยันการวัดผล และตรวจสอบสาเหตุที่แท้จริง
• [ ] ฉันได้ยึดตามการยอมรับขั้นสุดท้ายตามเกณฑ์การยอมรับ มาตรฐาน NDT และการอนุมัติที่ได้รับอนุญาต