کاهش ضایعات تولید 

بروز ضايعات باعث کاهش اثر بخشي سيستم مي شود. اين ضايعات مي تواند همراه با خرابي هاي اضطراري، کاهش زمانکار مفيد ناشي از آماده سازي و تنظيم تجهيزات وکاهش زمانکار مفيد ناشي از کار بدون توليد و توقف هاي در ضمن کار باشد. به منظور کاهش اثرات ضايعات مزبور در اثر بخشي بايد به نحوه مقابله با معضلات مزبور توجه زياد کرد.

افزایش ظرفیت تصمیمی مهم در فرآیند مدیریت هر خط جریان تولید است. ظرفیت، قابلیت محدود کننده یک بخش تولیدی برای تولید در زمانی مشخص است که معمولا در اصطلاحات تولید به ازای زمان تعریف می شود. تصمیم افزایش ظرفیت برگرفته از برنامه ریزی بازار و هدف اولیه آن راضی کردن نیاز مشتری است. در موقعیتی که در آن افزایش تدریجی در نیاز مشتری موجود است، این تحقیق تمرکزی بر گسترش اضافی ظرفیت توسط به وجود آوردن تغییرات اساسی در عوامل ارائه می کند که ظرفیت جریان خط تولید را تعیین می کند. برخی از این عوامل قابلیت های تجهیزات و کارگران، عملکردهای تنگنایی و ساعات کاری هستند.

تکنیک جریان ارزش نقشه برداری (VSM) به عنوان روشی ترسیمی در الگوی تولید برای کمک به طراحی دوباره و بهبود فرآیندهای تولیدی گسترش یافته است. VSM ابزاری است که توسط کارورزان ضعیف برای تجسم کردن فرآیندهای کاری استفاده می شود که به انها در فهم بهتر روابط میان فعالیت ها، تغییرات مواد و اطلاعات و مهمتر اینکه ضایعات کمک می کند. VSM در این تحقیق برای فهم وضعیت فعلی، مشخص نمودن ضایعات آن، برنامه ریزی مقصد (وضعیت آینده) استفاده می شود و راه هایی برای رسیدن به آن مقصد با استفاده از بهره برداری از ضایعات مشخص شده پیشنهاد می کند.

دانلود فایل بررسی راه کار های کاهص ضایعات تولید بر اساس تکنیک کنترل کیفیت آماری

برچسب‌ها: کنترل کیفیت, ضایعات, مهندسی صنایع, spc

استفاده از اصول شش سیگما در spc

برچسب‌ها: مهندسی صنایع, کنترل کیفیت, spc, شش سیگما

ترجمه فارسی پست " ( Statistical Process Control (SPC"

این پست با توجه به درخواست دوستان در خصوص متن ترجمه شده پست های لاتین ، قرارداده شده است. لذا لازم به توضیح می باشد ترجمه کلمه به کلمه مطالب در بسیاری از قسمت ها ممکن است باعث عدم فهم و درک مناسب آن مطلب باشد تا جایی که امکان داشت سعی بر آن شد از ترجمه کلمه به کلمه خودداری کنم. 

 SPC مخفف STATISTICAL PROCESS CONTROL است که بهمعنای کنترل آماری فرایند می باشد و یک نوع روش کنترلی است که برای تحت کنترل درآوردن نوسانات فرایند های تولیدی بکار می رود.

SPC یک روش اندازه گیری جهت مونیتورینگ ، کنترل / ارزیابی تجزیه و تحلیل فرایند تولید می باشد. داده های کیفی در قالب محصولات یا فرایندهای اندازه گیری جمع آوری و یا از ماشین آلات و ابزارهای مختلف خوانده می شوند. این داده ها به منظور ارزیابی، نظارت و کنترل فرایند جمع آوری می شوند. spc یک روش موثر برای بهبود مستمر می باشد که با با نظارت و کنترل یک فرایند، ما می توانیم اطمینان دهیم که آن در حداکثر توانایی خود عمل می کند.یکی از جامع ترین و ارزشمند ترین منابع اطلاعاتی SPC، کتابچه ای است که توسط گروه صنایع خودرو (AIAG) منتشر شده است.

SPC باید در دو مرحله انجام شود: فاز اول، تشکیل تیم وانتخاب فرآیند ، و مرحله دوم، استفاده منظم از فرآیند است. در فاز دوم  تصمیماتی در خصوص دوره بازرسی با توجه به شرایط  ( نیروی انسانی، ماشین، مواد ، روش، حرکت و محیط زیست ) گرفته می شود . هر کدام از فازها نیز شامل مراحلی می باشند.

از مزیت های spc نسبت به سایر روش های کنترل کیفیت میتوان به " بازرسی" اشاره کرد و میتوان گفت این مورد بر تشخیص زودهنگام و پیشگیری از مشکلات تأکید دارد، نه اصلاح مشکلات پس از آن همچنین تغییرات ناگهانی فرایند را به خوبی نشان داده و یک روش نظام مند برای حل مشکل می باشد.

چرا ما SPC را استفاده کردیم

از آنجا که امروزه شرکتهای تولیدی با افزایش روزافزون رقابت و افزایش هزینه های مواداولیه مواجه هستند و این موارد جز عواملی هستند که تحت کنترل سازمان ها نمی باشند لذا سازمان ها می بایست بر مواردی که می تواند تحت کنترل خود باشند تمرکز کنند و در صدد بهبود مستمر، افزایش کارایی و اثر بخشی و کاهش هزینه ها گام بردارند. با این حال هنوز شرکتهایی وجود دارد که به بازرسی بعد از تولید اکتفا نموده اند. و به این موضوع توجه نمی کنند که spc روشی است به منظور جلوگیری از تولید اقلام معیوب، بهبود بهره وری، و به بیان کلی تحت کنترل درآمدن فرایند تولید ، کاهش نوسانات و ضایعات.

 لینک دانلود فایل آموزش spc ساپکو 

 

برچسب‌ها: کنترل فرایند آماری, مهندسی صنایع, Spc

(How to Use Statistical Process Control (SPC

Before implementing SPC or any new quality system, the manufacturing process should be evaluated to determine the main areas of waste. Some examples of manufacturing process waste are rework, scrap and excessive inspection time. It would be most beneficial to apply the SPC tools to these areas first. During SPC, not all dimensions are monitored due to the expense, time and production delays that would incur. Prior to SPC implementation the key or critical characteristics of the design or process should be identified by a Cross Functional Team (CFT) during a print review or Design failure mode and effects analysis ( DFMEA) exercise. Data would then be collected and monitored on these key or critical characteristics.

Collecting and Recording Data

SPC data is collected in the form of measurements of a product dimension / feature or process instrumentation readings. The data is then recorded and tracked on various types of control charts, based on the type of data being collected. It is important that the correct type of chart is used gain value and obtain useful information. The data can be in the form of continuous variable data or attribute data. The data can also be collected and recorded as individual values or an average of a group of readings. Some general guidelines and examples are listed below. This list is not all inclusive and supplied only as a reference.

Variable data

• Individual – Moving Range chart: to be used if your data is individual values
• Xbar – R chart: to be used if you are recording data in sub-groups of 8 or less
• Xbar – S chart: to be used if your sub-group size is greater than 8

Attribute data

• P chart – For recording the number of defective parts in a group of parts
• U chart – For recording the number of defects in each part

Control Charts

One of the most widely used control charts for variable data is the X-bar and R chart. X-bar represents the average or “mean” value of the variable x. The X-bar chart displays the variation in the sample means or averages. The Range chart shows the variation within the subgroup. The range is simply the difference between the highest and lowest value. The following steps are required to build an X-bar and R chart:

• Designate the sample size “n”. Usually 4 or 5 are common sample sizes used in many industries. Remember the sample size should be 8 or less. Also determine the frequency that the sample measurements will be collected.
• Start collecting your initial set of samples. A general rule is to collect 100 measurements in groups of 4 which would result in 25 data points.
• Calculate the average value for each of the 25 groups of 4 samples.
• Calculate the range of each of the 25 samples of 4 measurements. The range is the difference between the highest and lowest value in each set of 4 sample measurements.
• Calculate X-dbar (the average of the averages), which is represented on the X- bar chart by a solid centerline.
• Calculate the average of the sample ranges or “R” values. This will be the centerline of the Range chart.
• Calculate the Upper and Lower Control Limits (UCL, LCL) for each chart. To be clear, the control limits are not the spec limits set by the engineer on the drawing. The control limits are derived from the data. Most engineers utilize statistical software that will perform the calculations automatically.

 

برچسب‌ها: کنترل فرایند آماری, مهندسی صنایع, SPC, نمودارهای کنترل

( Statistical Process Control (SPC

SPC is method of measuring and controlling quality by monitoring the manufacturing process. Quality data is collected in the form of product or process measurements or readings from various machines or instrumentation. The data is collected and used to evaluate, monitor and control a process. SPC is an effective method to drive continuous improvement. By monitoring and controlling a process, we can assure that it operates at its fullest potential. One of the most comprehensive and valuable resources of information regarding SPC is the manual published by the Automotive Industry Action Group (AIAG)

SPC must be practised in 2 phases: The first phase is the initial establishment of the process, and the second phase is the regular production use of the process. In the second phase, a decision of the period to be examined must be made, depending upon the change in 5M&E conditions (Man, Machine, Material, Method, Movement, Environment) and wear rate of parts used in the manufacturing process machine parts, jigs, and fixtures).

An advantage of SPC over other methods of quality control, such as "inspection", is that it emphasizes early detection and prevention of problems, rather than the correction of problems after they have occurred.

why we used spc

Manufacturing companies today are facing ever increasing competition. At the same time raw material costs continue to increase. These are factors that companies, for the most part, cannot control. Therefore companies must concentrate on what they can control: their processes. Companies must strive for continuous improvement in quality, efficiency and cost reduction. Many companies still rely only on inspection after production to detect quality issues. The SPC process is implemented to move a company from detection based to prevention based quality controls. By monitoring the performance of a process in real time the operator can detect trends or changes in the process before they result in non-conforming product and scrap

 

برچسب‌ها: Statistical Process Control, SPC, مهندسی صنایع, کنترل فرایند آماری

آموزش كنترل فرآيند آماری (SPC)

هدف اصلی مطالعات كنترل فرايند آمـاري, تحت كنتــرل در آوردن فرايند توليد با استقاده از روش هاي آماري مي باشد. این مطالعات عموما در سازمانها توسط تیم SPC انجام میشود.

روش انجام كار:

• انتخاب فرايند مناسب جهت اجراي SPC :

انتخاب فرايند مناسب از مهمترين مراحل اجراي SPC است. اجراي SPC براي فرايندهايي كه شرايط لازم را دارا نباشند، بيش از آنكه ثمر بخش باشد، زيان آور است. در هر فرايند، تيم SPC وظيفه بررسي مناسب بودن فرايند را براي اجراي SPC بر عهده دارد. در انتخاب فرايندهاي مناسب براي اجراي SPC بايد موارد زير مدنظر قرار گيرد:

• فرايند انتخاب شده داراي مرجع انتخابي معتبر باشد.

هنگام انتخاب فرايند، لازم است علت انتخاب يا به عبارت ديگر مرجع انتخاب به وضوح مشخص باشد. اين مراجع مي تواند شامل مواردي نظير برگشتي بالا در خدمات پس از فروش، بالا بودن RPN فرايند در FMEA، حساسيت مشتري به فرايند، بالا بودن هزينه هاي بازرسي، دوباره كاري و ضايعات باشد.

• فرايند انتخاب شده از مشخصه هاي اقلام ورودي نباشد.

اجراي SPC روي پارامترهاي ورودي يا خريداري شده ممكن نيست زيرا هيچ تسلطي بر فرايند توليد اين پارامتر نداريم. SPC بايد روي برخي از مشخصه هاي فرايند كه در محل كارگاه ايجاد مي شود، اجرا شود. در صورتي كه اقلام ورودي داراي پراكندگي باشند، مي توان از پيمانكاران خواست كه SPC را روي پارامتر مورد نظر اجرا كنند.

• فرايند انتخاب شده تا حد ممكن علت ايجاد مشكل باشد.

SPC حتي الامكان بايد روي پارمترهايي كه علت ايجاد مشكل هستند، اجرا شود. به اين منظور مي توان از نمودارهاي علت و معلول جهت شناسايي علل مشكلات استفاده كرد.

• مشكل مربوط به فرايند انتخاب شده ناشي از نوسانات توليد باشد.

مشكلات مربوط به فرايندها ممكن است از عواملي مانند طراحي نامناسب دستگاه، استفاده از مواد نامرغوب، وجود نوسان هاي زياد در فرايند و … سرچشمه بگيرد. اجراي SPC زماني مي تواند مفيد باشد كه مشكل مربوط به نوسانات فرايند باشد. مسلماً زماني كه مشكل مربوط به مواد اوليه يا نامناسب دستگاه باشد، اجراي SPC هيچ كمكي نمي كند.

• ايجاد شاخص اندازه گيري بهره وري:

پس از انتخاب فرايند مورد نظر، تيم SPC بايد شاخصي را براي اندازه گيري بهره وري اجراي SPC تهيه كند. تعريف صحيح اين شاخص، مديريت را در بررسي نتايج اجراي SPC ياري مي دهد. تيم SPC بوسيله اين شاخص بصورت كمي مشخص مي كند كه در شروع كار چه وضعيتي داشته و مدتي پس از اجراي SPC چه پيشرفتي صورت گرفته است.

اين شاخص مي تواند مواردي مانند كاهش ضايعات خط توليد، كاهش دوباره كاري، افزايش ميزان توليد، كاهش زمان توليد و … باشد.

• بررسي و بهبود اوليه فرايند:

قبل از طراحي نمودار مبنا بايد تيم SPC تغييرات مشخص فرايند را شناسايي و حذف نمايد. براي شناسايي علل اكتسابي فرايند مي توان از نمودارهاي پارتو و علت و معلول استفاده كرد.

• طراحي نمودار كنترل مبنا:

پس از حذف تغييرات اوليه فرايند، نمودار مبنا مطابق  روش زیرتهيه مي شود.

الف- طراحي نمودار مبناي R :

• كنترل كيفيت 25 الي 30 نمونه تصادفي در زير گروههاي 4, 5 و يا 6 عددي گرفته و در فرم نمونه برداري تهيه نمودار مبناي مشخصه هاي ابعادي R وX ثبت مي نمايد.
• ميانگين و دامنه تغييرات هر زير گروه، محاسبه مي شود.
• ميانگين ميانگين ها و ميانگين دامنه ها محاسبه مي شود.
• حدود كنترلي فرايند براي ميانگين و دامنه محاسبه مي شود.
• نمودار كنترلي R و X ترسيم مي شود.

ب- طراحي نمودار مبناي S :

• كنترل كيفيت 20 الي 25 نمونه تصادفي در زير گروههاي بيشتر از 8 عددي گرفته و در فرمي مشابه نمونه برداري تهيه نمودار مبناي مشخصه هاي ابعادي R وX  ثبت مي نمايد.
• ميانگين و انحراف معيار هر زير گروه، محاسبه مي شود.
• ميانگين ميانگين ها و ميانگين انحراف معيارها محاسبه مي شود.
• حدود كنترلي فرايند براي ميانگين و انحراف معيار محاسبه مي شود.
• نمودار كنترلي S وترسيم مي شود.

لازم به ذكر است كه تخمين S براي تغييرپذيري تخمين دقيق تر از تخمين R است ولي به دليل سادگي محاسبات معمولاً از تخمين R استفاده مي شود. در تعداد نمونه هاي كوچك ( حدود 5 ) تخيمن R روش مناسبي است و با تخمين S تغيير چنداني ندارد ولي هرچه اندازه n افزايش پيدا كند، در آن صورت از كارايي تخمين R كاسته مي شود و لازم است براي تخمين تغيير پذيري از نمودار S استفاده شود.

ج- طراحي نمودار مبناي C :

• كنترل كيفيت 25 الي 30 نمونه n تايي تصادفي گرفته و پس از شمارش تعداد نقصهاي موجود در هر n نمونه، آنرا در فرم نمونه برداري تهيه نمودار مبناي مشخصه هاي وصفي ثبت مي نمايد.
• متوسط تعداد نقصهاي مشاهده شده محاسبه مي شود.
• حدود كنترلي فرايند محاسبه مي شود.
• نمودار كنترلي C ترسيم مي شود.

لازم به ذكر است كه تعداد نمونه در نمودارهاي C و U بايد به حدي باشد كه شرط ( C و n U بزرگتر از 15 ) برقرار باشد.

د- طراحي نمودار مبناي P و NP :

• كنترل كيفيت 25 الي 30 نمونه حداقل 50 عددي تصادفي گرفته و پس از شمارش تعداد خرابي در نمونه ها، آنرا در فرم نمونه برداري تهيه نمودار مبناي مشخصه هاي وصفي  ثبت مي نمايد.
• ميانگين و درصد خرابي در نمونه ها محاسبه مي شود.
• حدود كنترلي فرايند محاسبه مي شود.
• نمودار كنترلي P يا NP ترسيم مي شود.

لازم به ذكر است كه تعداد نمونه در نمودارهاي P و NP بايد به حدي باشد كه شرط ( n P بزرگتر از 3 يا 4 ) برقرار و تعداد دفعات نمونه گيري بين 25 تا 30 باشد.

نكات مهم در طراحي نمودار مبنا:

• مي توان براي طراحي نمودارهاي مبنا، پس از نمونه گيري از نرم افزار Minitab استفاده نمود.
  • براي طراحي نمودار مبنا بايد نمونه گيري به صورت تصادفي انجام شده و حتي الامكان سعي گردد از تمام حالات فرايند، نمونه گيري شود.
  • در نمونه گيري براي طراحي نمودار هاي كنترلي، نمونه ها بايد از آخرين توليدات متوالي در زمان نمونه گيري باشد. از قطعات جمع آوري شده در يك پالت نمي توان نمونه گيري كرد.
  • نمونه گيري بايد پس از پايدار شدن فرايند انجام شود.
  • در كنترل مشخصه هاي كمي، اعداد خوانده شده توسط ابزار اندازه گيري، نبايد رند شود.
  • دقت ابزار اندازه گيري بايد حداقل يك دهم طول ناحيه تلرانس فرايند باشد.
  • حدود كنترل نمودار مبنا، دائمي نيستند و بايد به روز شوند. زماني نمودارهاي كنترل مبنا را به روز مي كنيم كه تغييري دائمي در ميانگين يا واريانس فرايند يا هر دو باهم، صورت گرفته باشد كه اثر اين تغييرات با حركت پايدار نقاط به سمت بالا يا پايين خط مركزي ( CL ) در نمودارهاي كنترل قابل رويت است.
• براي اينكه نموداري به عنوان نمودار مبنا پذيرفته شود، بايد حداقل دو شرط را دارا باشد. شرط اول اينكه داراي شرايط تحت كنترل باشد و شرط دوم اينكه توانايي مناسبي را براي فرايند توليد نشان دهد، يعني در نمودارهاي كمي، مقدار قابليت فرايند ( Cpk ، Cpu و … ) از حداقل مورد انتظار مشتري بزرگتر و در نمودارهاي وصفي، مقدار خط مركزي نمودار كنترل ( CL ) از حداقل مورد انتظار مشتري/ هدف مديريت، كوچكتر باشد.
  • در صورتي كه قابليت فرايند از حداقل مورد انتظار مشتري كمتر باشد، بايد با انجام اقدامات اصلاحي مناسب، فرايند را توانا كرد. در اين مرحله مي توان از نمودار پارتو و علت و معلول به منظور توانمند كردن فرايند استفاده كرد.
  • دو عامل انحراف معيار و ميانگين فرايند در قابليت فرايند موثر مي باشند. كوچك كردن انحراف معيار فرايند يا منطبق كردن ميانگين فرايند بر مقدار اسمي نقشه يا هر دو كار مي تواند باعث افزايش قابليت فرايند شود. پس اقدام اصلاحي بايد در جهت كاهش تغييرات يا انطباق ميانگين باشد.
  • چنانچه قابليت فرايند كمتر از حداقل مورد انتظار مشتري بوده و انجام اقدام اصلاحي مورد نياز به علت هزينه و يا زمان بر بودن آن، ممكن نباشد، به منظور شناسايي بهبود فرايند مي توان نمودار كنترلي ( ناتوان ) را با شرط تحت كنترل بودن به جاي نمودار مبنا پذيرفت، اما در اين حالت خروجي فرايند بايد بازرسي صد در صد شده و در اولين فرصت، اقدام اصلاحي مقتضي صورت پذيرد.
• در صورتي كه در نمودارهاي كنترلي يكي از نفاط خارج از حدود كنترلي قرار گيرد، آن نقطه حذف گرديده و نمودار كنترلي مجدداُ با نقاط باقيمانده رسم مي گردد. ( حدود كنترلي با نقاط باقيمانده محاسبه مي گردد. ) اين كار تا زمان حذف حداكثر 20% نقاط مي تواند ادامه يابد.

• تجزيه و تحليل نمودارهاي كنترلي:

نمودار كنترلي مبنا بايد از لحاظ تحت كنترل بودن مورد تجزيه و تحليل قرار گيرد. تجزيه و تحليل نمودارهاي كنترلي از لحاظ تحت كنترل بودن، مطابق روش زیر انجام مي شود.

بعد از تهيه نمودار كنترل مبنا و زماني كه نمودارهاي كنترلي ONLINE تهيه مي شود، اين نمودارها بايستي از نظر پايداري مورد تجزيه و تحليل قرار گيرند.

در موارد زير، فرايند خارج از كنترل مي باشد:

• يك نقطه، خارج از حدود بالا يا پايين نمودار كنترلي باشد.
• 9 نقطه پشت سرهم، در يك طرف خط مركزي باشند.
• 14 نقطه پشت سرهم، بصورت يك در ميان بالا و پايين خط مركزي باشند.
• 6 نقطه پشت سرهم، داراي روند صعودي يا نزولي باشند.
• 2 نقطه از 3 نقطه متوالي، در حدود 3/1 انتهايي نزديك حدود كنترل باشند. ( در يك طرف )
• 4 نقطه از 5 نقطه متوالي، در حدود 3/2 انتهايي نزديك حدود كنترل باشند. ( در يك طرف )
• 15 نقطه پشت سر هم داخل حدود يك سوم از خط مركزي باشند. ( در هر دو طرف )
• 8 نقطه پشت سر هم خارج از حدود يك سوم از خط مركزي باشند. ( در هر دو طرف )
• فرايند داراي رفتار آشفته و غير تصادفي باشد.
• فرايند داراي رفتار سيكلي شكل باشد.

لازم به ذكر است كه موارد فوق در ارتباط با حالتهاي خارج از كنترل نمودارهاي ميانگين () بوده و حالتهاي خارج از كنترل براي نمودارهاي R ، S و نمودارهاي وصفي، فقط چهار وضعيت زير مي باشد:

• يك نقطه، خارج از حدود بالا يا پايين نمودار كنترلي باشد.
• 9 نقطه پشت سرهم، در يك طرف خط مركزي باشند.
• 14 نقطه پشت سرهم، بصورت يك در ميان بالا و پايين خط مركزي باشند.
• 6 نقطه پشت سرهم، داراي روند صعودي يا نزولي باشند.

تذکر: در صورت بروز هر يك از حالات فوق، با استفاده از تكنيكهاي حل مسأله، علت خارج شدن فرايند از كنترل شناسايي گرديده و اقدامات اصلاحي و پيشگيرانه مورد نياز انجام مي گردد.

6- محاسبه قابليت فرايند:

• قابليت فرايند براي داده هاي کمی:
• شاخص هاي CP و CR :

با استفاده از شاخص هاي توانايي فرايند مي توان تعيين كرد كه محدوده توليد مشخصه خاصي از يك قطعه، چه كسري از حدود تلرانس آن است. با استفاده از شاخص CP مي توان ميزان توانايي فرايند توليد را مشخص كرد:

در صورتي كه فرايند توليد داراي توزيع نرمال باشد، مي توان از رابطه R / d2  و يا S / C4 مقدار d را تخمين زد.

مقادير مختلف محاسبه شده براي CP نشان دهنده وضعيت فرايند بصورت زير هستند:

• اگر CP بزرگتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري دارد.
• اگر CP برابر با 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري با احتمال توليد قطعه معيوب دارد.
• اگر CP كوچكتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري ندارد و حتماً قطعه معيوب از اين فرايند خارج مي شود.

با توجه به فرمول CP ملاحظه مي شود كه يكي از عوامل موثر بر بهبود شاخص CP ، كاهش حدود فرايند توليد است. بنابراين، هرچه پراكندگي يا  d فرايند كوچكتر باشد، فرايند توليد از توانايي بالاتري برخوردار خواهد بود.

براي اندازه گيري قابليت فرايند، شاخص ديگري به نام CR وجود دارد كه معادل عكس CP است.

CR = 1 / CP

مقادير مختلف محاسبه شده براي شاخص CR ، نشان دهنده وضعيت فرايند بصورت زير است:

اگر CR كوچكتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري دارد.

اگر CR برابر با 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري با احتمال توليد قطعه معيوب دارد.

اگر CR بزرگتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري ندارد و حتماً قطعه معيوب از اين فرايند خارج مي شود.

طبيعي است هرچه CR كوچكتر از يك باشد، فرايند تواناتر است.

معيار CP = 1.33 به عنوان حداقل معيار پذيرش CP و معيار CR = 0.75 به عنوان حداكثر معيار پذيرش CR در نظر گرفته مي شوند.

• شاخص Cpk :

شاخص CP ، مستقل از اينكه حدود فرايند توليد در كدام قسمت از حدود تلرانس قرار بگيرد، مي تواند داراي اعداد بزرگتر از يك باشد، يعني ممكن است فرايندي داراي CP بزرگتر از يك باشد و در عين حال، تمام قطعات توليدي خارج از حدود تلرانس باشند. به همين دليل، وقتي بحث CP = 1.33 مطرح مي شود، ناچاراً فرض بر اين است كه ميانگين توليد روي وسط حدود تلرانس قرار دارد.

به دليل وجود اين نقص در تعريف CP ، شاخص ديگري مطرح مي شود تا علاوه بر در نظر گرفتن پراكندگي فرايند توليد، محل قرار گرفتن فرايند نسبت به حدود تلرانس نيز ارزيابي شود. اين فاكتور كه Cpk نام دارد، با استفاده از فرمول زير محاسبه مي شود:

 

در رابطه فوق، d انحراف معيار فرايند توليد است كه در فرمول CP نيز استفاده شده است.

چنانچه ميانگين توليد بر وسط حدود تلرانس منطبق باشد، Cpk = CP مي شود و در غير اين صورت Cpk < CP خواهد بود. Cpk توانايي فرايند را براي توليد مشخصه مورد نظر، بسيار دقيق تر از CP نشان مي دهد.

با توجه به تعريف Cpk ، نتايج زير حاصل مي شود:

• اگر Cpk كوچكتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري ندارد و حتماً قطعه معيوب از اين فرايند خارج مي شود.
• اگر Cpk برابر با 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري با احتمال توليد قطعه معيوب دارد.
• اگر Cpk بزرگتر از 1 باشد، فرايند توانايي توليد قطعه را در محدوده مورد نظر مشتري دارد.

هنگام استفاده از رابطه Cpk بايد توجه داشت كه سه شرط زير برقرار باشد:

• حدود تلرانس دوطرفه باشد.
• فقط مكان قرار گرفتن حدود فرايند توليد نسبت به حدود تلرانس داراي اهميت باشد.
• فرايندها پايدار باشند و جامعه از توزيع نرمال تبعيت كند.

در مواردي كه هر يك از شرايط زير برقرار نباشد، مي توان قابليت فرايند را با روشهاي زير محاسبه كرد.

• شاخص هاي قابليت فرايند براي حدود تلرانس يكطرفه Cpu و Cpl :

مشخصه هاي زيادي در توليد وجود دارند كه فقط داراي حد تلرانس بالا يا پايين هستند. در اين موارد به جاي محاسبه Cpk بايد براي مشخصه با حد تلرانس بالا از Cpu  و براي مشخصه با حد تلرانس پايين از Cpl استفاده كرد.

ميانگين فرايند توليد و d تخمين انحراف معيار فرايند توليد است.

• شاخص هاي CPM و CPMK با توجه به هدف توليد:

همواره بهترين نتيجه كيفي از محصول، زماني به دست مي آيد كه خروجي فرايند منطبق بر عدد اسمي نقشه باشد.

چنانچه علاوه بر محل قرار گيري حدود فرايند توليد نسبت به حدود تلرانس، انحراف از اين هدف نيز مهم باشد، براي نشان دادن قابليت فرايند از شاخصهايي به نام CPM و CPMK استفاده مي شود. در اين حالت، علاوه بر پراكندگي داده ها و محل قرار گيري فرايند نسبت به حدود نقشه، به انحراف ميانگين از هدف نيز توجه مي شود. بايد توجه داشت كه CP و Cpk به هيچ عنوان نمي توانند انحراف ميانگين از هدف را نشان دهند. مقدار CPM از رابطه زير به دست مي آيد:

 در روابط فوق، X ميانگين فرايند توليد،  d انحراف معيار جامعه توليدي،  T عدد اسمي نقشه يا هدف توليد و )  – T ) انحراف ميانگين از هدف مي باشد.

تا زماني كه هيچ نقطه خاصي از محدوده تلرانس، هدف توليد نباشد، عدد CP نشان مي دهد كه محدوده تلرانس چند برابر محدوده توليد است و به بياني ديگر، چه نسبتي از محدوده طبيعي توليد در محدوده تلرانس جاي مي گيرد. اگر نقطه أي در حدود تلرانس نقشه به عنوان هدف توليد مورد نظر باشد، انحراف از اين نقطه نيز اهميت پيدا مي كند و حتي اگر CP>1 باشد، نمي توان در مورد توانايي فرايند توليد در محدوده آن هدف، اظهار نظر كرد. CPM اين مشكل را حل مي كند.

در زماني كه ميانگين فرايند توليد بر هدف منطبق باشد، CPM = CP و در غير اين صورت CPM قابليت بالقوه فرايند را نشان مي دهد و CPM < CP است.

 

برچسب‌ها: کنترل فرایند آماری, SPC, مهندسی صنایع, برنامه ریزی و کنترل پروژه

کنترل آماری فرایند

Statistical Process Control

در بحث کیفیت، صاحبنظران معتقدند که نمیتوان کیفیت را با انجام فعالیتهای بازرسی و آزمون در محصول گنجاند. محصول از ابتدا باید بطور صحیح تولید شود. این بدان معناست که فرآیند تولید باید از ثبات مناسبی برخوردار باشد و کلیه افرادی که به گونه ای با فرآیند سر و کار دارند (نظیر اپراتور ها، مهندسان، پرسنل تضمین کیفیت و مدیریت) باید به طور مستمر سعی بر بهبود عملکرد فرآیند و کاهش تغییر پذیری در پارامترهای کلیدی داشته باشند.
اگر قرار باشد یک محصول مشخصات مورد نظر مشتری را دارا باشد، آنگاه این محصول باید به وسیله یک فرآیند پایدار یا تکرار پذیر همراه با کاهش تغییرات در فرآیند ها، تولید گردد.
تلاش برای کاهش تغییرات در فرآیندها، با هدف کاهش قیمت تمام شده و افزایش سود صورت میگیرد، چرا که با کاهش تغییرات، فرآیند شناخته تر شده و قابل کنترل تر خواهد شد. افزایش شناخت، منجر به برنامه ریزی دقیقتر شده و افزایش قدرت کنترل فرآیند، باعث کاهش ضایعات می شود.

SPC چیست؟
کنترل فرایند آماری  (Statistical Proccess Control )SPC مجموعه ای قدرتمندی و توانا از ابزار حل مشکل است که در ایجاد ثبات در فرآیند و بهبود کارایی آن از طریق کاهش تغییر پذیری مفید واقع میگردد.
SPC را میتوان برای هرگونه فرآیندی استفاده نمود. ابزارهای هفتگانه SPC عبارتند از:

۱. هیستوگرام

۲. برگه کنترل

۳. نمودار پارتو

۴. نمودار علت و معلول

۵. نمودار تمرکز نقصها

۶. نمودار پراکندگی

۷. نمودار کنترل

گرچه این ابزارها که غالبا ابزار هفتگانه عالی نامیده میشوند ، بخش مهمی از  SPC را تشکیل می دهند، ولی فقط جنبه های فنی آن هستند. SPC یک نگرش و طرز فکر است. یک میل و آرزو برایکلیهافرادسازمانجهتبرقراری یک سیستم بهبود مستمر در زمینه بهره وری و کیفیت است.

SPC  روشی بسیار کاراست، اما اگر به درستی انجام نشود، کارایی خود را نشان نمیدهد. بسیاری از شرکتها SPC را به درستی انجام نمیدهند از این رو، با اینکه میدانند روشی پاسخگو است در عمل کارایی زیادی در آن نمی بینند. این تناقض بین نظریه و عمل، باعث دلسردی و سر درگمی میشود.
SPC قادر به تحت کنترل در آوردن یک فرآیند خارج از کنترل نیست، بلکه اطلاعات لازم را جهت کنترل دقیق و به موقع فرآیند برای مهندسان، اپراتورها و همه عوامل درگیر فراهم میکند.

 

برچسب‌ها: کنترل فرایند آماری, SPC, مهندسی صنایع