Home / اموزش ها / کنترل آماری فرآیند (SPC)

کنترل آماری فرآیند (SPC)

کنترل آماری فرآیند (SPC)

SPC چیست؟

تاریخچه مختصر SPC

ما باید تقریبا ۹۰ سال به عقب بر گردیم، تا سال ۱۹۲۳، زمانی که والتر شاوارت راهی برای تشخیص علل مشترک و خاص تنوع در فرایند پیدا کرد. روش او اکنون کنترل فرایند آماری (SPC) نامیده می شود.

 

تنوع علت مشترک

Shewart متوجه شد که ما باید یاد بگیریم که با آنها زندگی کنیم و علل شایع تصادفی را که در تولید اتفاق می افتد قبول کنیم. این علل شایع با هم یک الگوی پراکندگی را تشکیل می دهند که نتیجه این روند را توصیف می کند.

 

 

حتی مهمتر از آن، Shewart خطرات واکنش نشان دادن به خواسته های فردی این علل شایع را درک کرد (نگاه کنید به شکل ۱).

دو سناریوی مشترک

خواندن نمونه های فردی تمام روند را نشان نمی دهد، که می تواند ما را به نتیجه گیری های اشتباه برساند.

در شکل ۲ اتفاق می افتد که بخش (۱) را اندازه گیری می کنیم، که نسبتا محدود به حد تحمل بالایی (UTL) میباشد. ما این فرایند را مطابق با (۲) تنظیم می کنیم و به این ترتیب، به طور ناخواسته و با بهترین نیت، کل روند را حرکت می دهیم تا گاهی اوقات قسمت های معیوب تولید شود (۳).

 

در مورد معکوس که بخشی را که در نزدیکی وسط محدوده تحمل قرار دارد اندازه گیری کنیم اتفاق می افتد. با اعتقاد بر این که این خواندن نماینده کل فرآیند است، ما هیچ تنظیماتی را انجام نمی دهیم.

چیزی که ما نمی دانیم این است که کل فرآیند خارج از مرکز است و گاهی اوقات بین نمونه های بررسی نقطه ای ما باعث تولید قطعات معیوب میشود (نگاه کنید به شکل ۳).

تنوع علت خاص

فقط اگر موقعیت یا گسترش نتیجه فرآیند تغییر کند، ما باید باعث ایجاد واکنش و تعدیل بشویم. این تغییرات علل خاص را نامیده میشوند (نگاه کنید به شکل ۴).

 

نه فقط یک درخت  یلکه تمام جنگل را ببینید:

با استفاده از کنترل فرآیند آماری بدین معناست که به جای بررسی قطعات فردی و مقایسه آنها با محدودیت های تحمل، ما یک مرور کلی از روند کل را دریافت می کنیم.

کنترل فرآیند آماری به کنترل کیفیت شرکت  ها اجازه می دهد که در منبع آن ایجاد شود. این فرآیند در زمان مناسب برای دلایل و اهداف مناسب کنترل می شود. همه برنده هستند: اپراتور کنترل بهتری از فرآیند دارد، رد کمتری دارد، و مشتریان بسیار راضی می شوند.

 

 

چرا استفاده از SPC؟

در اینجا دو دلیل قانع کننده برای استفاده از SPC وجود دارد:

  • کیفیت بهترین ارزش در هدف است.
  • همه فرآیندها متفاوت هستند

در اینجا چند دلیل دیگر وجود دارد:

شهرت بهتر. مشتری شما تفاوت را در مقایسه با رقبائی که از SPC استفاده نمی کنند را متوجه خواهد شد.
کیفیت بهتر. قبل از آغاز تولید قطعات معیوب، سیگنالهای هشدار اولیه را دریافت خواهید کرد.
هزینه های رد کمتر. فرکانس رد قطعات تقریبا همیشه کمتر خواهد کرد.
اهداف واضح تر. هر یک از اعضای نیروی کار شما این روند را یکسان انجام میدهند.
استرس کمتر. به طور معمول، بار کار سبک تر می شود.
افزایش مهارت. پرسنل تولیدی آگاهی کامل از کار و فرآیندهای آن به دست خواهند آورد.
صرفه جویی در هزینه. قابلیت فرآیند بالا نیاز به بازرسی نهایی را کاهش می دهد.
توقف های کمتر. گسل های اولیه در ابتدای کار تشخیص داده می شود که تعمیر و نگهداری مبتنی بر شرایط را تسهیل می کند.

 

 

Cm (دستگاه توانایی)

شاخص Cm توانایی دستگاه را مشخص می کند؛ تعداد دفعات پخش آن دستگاه در دامنه تلرانس قرار دارد. مقدار بالاتر Cm در دستگاه بهتر است.

به عنوان مثال: اگر Cm = 2.5، انتشار برابر ۲½ بار در دامنه تلرانس باشد. در حالی که Cm = 1 بشود بدان معنی است که گسترش برابر با دامنه تلرانس است.

توجه داشته باشید که حتی اگر گسترش غیرمستقیم باشد، هنوز هم همان اندازه (Cm index) است. این رقم بدون توجه به جایی که گسترش در رابطه با حد تلرانس های بالا و پایین قرار گرفته است، صرف نظر می کند،

اما به سادگی ارتباط بین دامنه گسترش و دامنه تلرانس را بیان می کند (نگاه کنید به شکل ۱).

 

Cpk (شاخص فرایند قابلیت)

اگر شما همچنین می خواهید موقعیت روند را در رابطه با محدوده های تلرانس مطالعه کنید، از شاخص Cpk استفاده کنید که ویژگی های فرایند را برای موقعیت مشخص می کند.

اگر تنظیمات فرآیند دور از مرکز در ارتباط با وسط محدوده تلرانس باشد، استفاده از داشتن یک شاخص Cp بالا زیاد نیست.

یک شاخص Cpk بالا بدین معنی است که شما یک فرایند خوب با یک گسترش کوچک در رابطه با عرض تلرانس داشته اید و همچنین آن را در عرض این محور قرار دهید.

اگر Cpk برابر با Cp باشد، فرآیند به طور دقیق در وسط محدوده تلرانس قرار می گیرد (نگاه کنید به شکل ۴).

نیاز عادی این است که Cpk باید حداقل ۱٫۳۳ باشد.

 

Cmk (شاخص قابلیت ماشین)

اگر شما همچنین می خواهید توانایی موقعیت مکانی دستگاه را در رابطه با دامنه  تلرانس مطالعه کنید، از شاخص Cmk استفاده می کنید که قابلیت توانایی اصلاح موقعیت را نشان می دهد.

در صورتی که تنظیم دستگاه در محدوده تلرانس قرار نگیرد، استفاده از شاخص Cm بالا زیاد نیست.

یک شاخص Cmk بالا بدین معنی است که شما یک دستگاه خوب با گسترش کوچک در رابطه با دامنه تلرانس داشته اید و همچنین آن به خوبی هم مرکز شده در عرض. اگر Cmk برابر با Cm باشد، دستگاه به طور دقیق در وسط محدوده تلرانس قرار می گیرد (نگاه کنید به شکل ۲).

یک نیاز عادی این است که Cmk باید حداقل ۱٫۶۷ باشد.

 

 

محدودیت های کنترل

محدودیت های کنترل یک جنبه مهم کنترل آماری است. آنها هیچ ارتباطی با دامنه تلرانس ندارند؛ چرا که آنها طراحی شده اند تا وقتی که روند رفتار پروسه تغییر می کند توجه شما را جلب کند.

یک اصل مهم این است که محدودیت های کنترل با مقدار میانگین در نمودار کنترل برای کنترل فرآیند، بر خلاف دامنه تلرانس استفاده می شود که همراه با اندازه گیری های فردی برای تعیین اینکه آیا یک قسمت داده با مشخصات مشخص شده یا نه، مورد استفاده قرار می گیرد.

تابع محدودیت های کنترل این است که فرایند را بر روی مقدار هدف متمرکز کنیم، که معمولا شبیه مرکز دامنه تلرانس است و نشان می دهد که در آن حد یک فرآیند پایدار دروغ است.

این به این معنی است که در اصل، شما هیچ دلیلی برای واکنش نشان دادن ندارید تا زمانی که نمودار کنترل رفتار خاصی را نشان می دهد.

گراف XR یک گراف کنترل معمولی است، که در جایی که موقعیت و گسترش فرآیند با کمک زیر گروه ها و محدودیت های کنترل نظارت می شود استفاده میشود.

اگر یک نقطه در خارج از یک حد کنترل در نمودار X بیفتد، موقعیت پروسه تغییر کرده است (نگاه کنید به شکل ۱۶).

اگر یک نقطه در خارج از حد کنترل در نمودار R قرار بگیرد، گسترش پروسه تغییر کرده است (نگاه کنید به شکل ۱۷).

 

فاکتور های شش گانه:

این فاکتور ها به طور کلی به عنوان تغییرات در اندازه گیری های احتمالی در نظر گرفته می شود:

  • ماشین (مانند درجه پوشیدن و انتخاب ابزار)؛
  • اندازه گیری (به عنوان مثال، تفکیک و گسترش ابزار اندازه گیری)؛
  • اپراتور (مثلا چقدر باهوش و مراقب باشید)
  • مواد (مثلا تغییرات در صاف بودن سطح و سختی)؛
  • محیط (مثلا تغییرات دما، رطوبت و ولتاژ)؛
  • روش (به عنوان مثال نوع عملیات ماشینکاری).

ارزش مرکزی برای ارزش هدف

این فاصله ای بین ارزش هدف T به مقدار میانگین ماشین یا پراکندگی تولید (کمان در منحنی توزیع نرمال)، بیان شده به عنوان یک درصد از عرض تحمل (نگاه کنید به شکل ۱۰).

بحث کمتری درباره ارزش مرکزی برای ارزش هدف در حال حاضر وجود دارد، اما حداکثر انحراف مجاز در منطقه TO + 15٪ استفاده می شود.

 

منحنی توزیع نرمال

همچنین به ان منحنی زنگ به دلیل شکل آن نیز گفته می شود، این الگویی است که در اغلب موارد خواندن اندازه گیری در نتیجه تغییرات تصادفی در مورد مقدار متوسط ​​(بالاترین نقطه بر روی قله، نگاه کنید به شکل ۱۱) توزیع می شود.

توجه داشته باشید که اکثر قرائت ها در نزدیکی قله گروه بندی می شوند. و به سمت لبه ها، خوانایی کمتر. به عبارت دیگر ااین اصلا خوب نیست که شما در همه بازه تلرانس اندازه داشته باشید .

بنابریان این مسئله که اندازه گیری های شما در دامنه تلرانس باشد کافی نیست.

اندازه گیری تعداد زیادی از اجزاء برای تعیین اندازه و شکل منحنی زنجیره طول می کشد، و این می تواند وقت گیر باشد. اما انحراف استاندارد به شما یک میانبر ارائه می دهد!

 

توانایی

توانایی ماشین

توانایی ماشین در Cm و Cmk اندازه گیری می شود؛ این تصویر یک عکس فوری است که نشان می دهد که در حال حاضر دستگاه نسبت به محدودیت های تحمل پذیری ماشین بسیار مناسب است. شکل ۶ چند نمونه را نشان می دهد.

هنگام اندازه گیری توانایی دستگاه شما نباید تنظیمات دستگاه را تغییر دهید یا ابزارها، مواد، اپراتورها یا روش های اندازه گیری را عوض کنید، دستگاه را متوقف کنید، و غیره.

به عبارت دیگر: از میان شش عامل، تنها دستگاه و اندازه گیری ممکن است بر نتیجه تاثیر بگذارد. »

 

 

توانایی فرآیند

قابلیت فرآیند یک مطالعه طولانی مدت است که در Cp و Cpk اندازه گیری شده است، که نشان می دهد که چگونه فرایند در رابطه با دامنه تلرانس در حال مطالعه در حال انجام است، و همچنین  عملکرد احتمالی در آینده نزدیک را نشان می دهد.

می توان گفت که توانایی فرآیند، مجموع شاخصی از قابلیت های دستگاه است که در طی یک دوره زمانی اندازه گیری می شود (نگاه کنید به شکل ۷).

هنگام اندازه گیری توانایی فرآیند، باید همه چیزهایی را که بر روند آن تأثیر می گذارند شامل شود، یعنی همه شش عامل.

 

قابلیت دستگاه توانایی فرآیند
فهرست مطالب
Cm and Cmk Cp and Cpk
عوامل موثر بر نتیجه
ماشین و اندازه گیری همه شش فاکتور
توقف ها
گنجانده نشده است گنجانده شده است
تنظیمات
گنجانده نشده است گنجانده شده است
تعداد اجزاء
۲۰-۵۰ به ترتیب ۵۰–۲۵۰
زمان
کوتاه بلند

 

انحراف معیار

یک انحراف معیار

این یک تابع آماری است که برای محاسبه منحنی توزیع نرمال استفاده می شود،

برای مثال. روش این است که شما فاصله را از میانگین (بالاترین نقطه بر روی قله) تا نقطه ای که منحنی تغییر جهت و شروع به چرخش به سمت بیرون اندازه گیری می کنید اندازه گیری می کنید. این فاصله یک انحراف استاندارد است (نگاه کنید به شکل ۱۴).

این بدان معنی است که شما نیازی به اندازه گیری صدها جز برای پیدا کردن چقدر ماشین یا فرآیند متفاوت است نیستید. در عوض شما می توانید با استفاده از انحراف استاندارد محاسبه کنید (نگاه کنید به زیر).

شش انحراف استاندارد

برای محاسبه توزیع نرمال، شما فقط انحراف استاندارد را با ۶ برابر کنید تا عرض کل منحنی توزیع نرمال را بدست آورید.

اگر شما اندازه گیری را انجام دادید می توانید منحنی را ترسیم کنید، اما اکنون آن را به جای آن محاسبه کرده اید (نگاه کنید به شکل ۱۵).

بنابراین منحنی توزیع نرمال از یک انحراف استاندارد حاصل می شود و شامل شش تای از  آن می شود. این شش درصد ۹۹٫۷۳ درصد از نتیجه واقعی را تشکیل می دهند. این بدان معنی است که ۰٫۲۷٪ از نتیجه منحنی توزیع نرمال نیست.

 

 

 

 

 

ارزش هدف

تصور کنید یک شفت در یک سوراخ گرد قرار دارد.

اگر قطر شفت در سمت بزرگ باشد،این باعث میشود روانکاری کمتر انجام شود. این باعث روانکاری ضعیفتر، سایش سریعتر و طول عمر کوتاهتر میشود.

از طرف دیگر، قطر کوچک به معنای بازی بیشتر از مطلوب است. این بازی به سرعت افزایش می یابد، که همچنین طول عمر را کوتاه می کند.

این مونتاژ بهترین کارایی را در مقدار هدف T انجام می دهد که در این مورد در وسط دامنه تلرانس قرار دارد (نگاه کنید به شکل ۸)

برای خواص یک جانبه مانند خروج، صاف بودن سطح یا مقاومت مکانیکی، مقدار هدف صفر است (نگاه کنید به شکل ۹).

کنترل فرآیند آماری به شما امکان می دهد تا فرایند خود را بر روی مقدار هدف متمرکز کنید.

 

 

محدودیت های کنترل چگونه تعیین می شود؟

راه درست این است که محدودیت های کنترلی را با روند سازگار کنیم. به این ترتیب، گسترش کوچکتر در این فرایند، منطقه کنترل بیشتری را به وجود می آورد، در حالی که گسترش بیشتر منطقه کنترل بیشتری را به وجود می آورد (نگاه کنید به شکل ۱۸).

این یک افسانه گسترده است که باعث می شود اپراتور اغلب فرایند را تعدیل کند اما در عمل معکوس درست است؛

این فرایند در مقایسه با عملیات بدون SPC، کمتر تنظیم می شود. اگر شما اجازه دهید که محدودیت های کنترل از تولید پیروی کنند، شما نه خیلی زود و نه خیلی دیر،  نیاز نیست در هنگام تغییر رفتار تولید عکس العمل نشان بدهید.

راه های دیگر تعیین محدودیت های کنترل

در بعضی موارد ممکن است مشکلاتی در مورد اجازه دادن به کنترل محدودیت ها به فرایند وجود داشته باشد.

یکی از این موارد این است که در آن فرآیند از ابزارهایی استفاده  شود که به راحتی قابل تنظیم نیستند، مانند ریمرهای ثابت یا پانچ ها.

از آنجاییکه چنین ابزارهایی اغلب تغییرات بسیار کمی در فرآیند ایجاد می کنند و اجازه می دهد تا کنترل منطقه باریک بدون امکان تنظیم ابزار صورت گیرد،

بنابراین بهتر است که محدودیت های کنترل را از فرایند کاهش دهیم و آنها را به فاصله معینی از دامنه تلرانس  جدا کنیم (نگاه کنید به شکل ۱۹).

 

PPM (قطعات در میلیون)

در یک زمینه کنترل کیفیت، PPM به معنای تعداد قطعات در میلیون (درصد) است که در خارج از محدوده تحمل قرار دارد. Cpk 1.00 به این معنی است که ۲۷۰۰ PPM  که میشود (۰٫۲۷%)  از قطعات تولید شده خارج از محدوده تلرانس است، در حالی که Cpk 1.33 بدین معنی است که ۶۳ PPM  که میشود (۰٫۰۰۶۳%)  رد می شوند.

توجه داشته باشید که شاخص PPM می تواند به طور قابل توجهی با بهبود نسبتا کوچک در شاخص توانایی بهبود یابد (نگاه کنید به شکل ۱۲).

 

 

 

شش سیگما (Six Sigma)

شش سیگما یک فلسفه و تفکر برای بهبود کیفیت است که  توسط شرکت ها و سازمان ها استفاده شده است. روش ان متمرکز بر کاهش ضایعات با به حداقل رساندن تغییرات در فرآیندها است.

به طور مشخص، شش سیگما به این معنی است که فرآیندهای شرکت دارای شش انحراف استاندارد از میانگین مقدار فرایند تا نزدیکترین حد تحمل است.

از این روی Cpk 2.0 به ۶ سیگما می رسد، در حالی که برای مثال Cpk 1.33 به ۴ سیگما می رسد (نگاه کنید به شکل ۱۳).

 

 

زیر گروه:

یک زیر گروه شامل تعدادی از اندازه گیری های فردی (به طور معمول سه، چهار یا پنج) ساخته شده از یک پروسه است. میانگین مقدار این زیرگروه ها، همانند خود فرآیند، منحنی توزیع نرمال را دنبال می کند (نگاه کنید به شکل ۲۰).

مقادیر میانگین، نسبت به اندازه گیری های فردی، بسیار کمتر است. در حقیقت همراه با محدودیت های کنترل که از تولید پیروی میکنند در یک گراف کنترل می شوند،

به این معنی است که اپراتور دستگاه دیگر بیش از زمان واکنش نشان نمی دهد در حالی که تنظیم فرایند بر اساس اندازه گیری های فردی است.

بنابراین، اپراتور، به عنوان یک قاعده،  اندازه گیری و تنظیم در  تولید کمتر میشود، در حالی که در همان زمان کیفیت بهتر خواهد شد.

 

گردآوری و ترجمه : علی اصغر بیات

کپی مطلب با لینک صفحه و نام مترجم مجاز است

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

این سایت از اکیسمت برای کاهش هرزنامه استفاده می کند. بیاموزید که چگونه اطلاعات دیدگاه های شما پردازش می‌شوند.