חישוב דירוגים לגילוי ב Fmea: מדריך לשיפור יעילות

דירוגים של זיהוי במצב ואפקטים ניתוח (FMEA) מייצגים מרכיב קריטי של הערכת סיכונים המסייע לארגונים לזהות כישלונות פוטנציאליים לפני שהם משפיעים על הלקוחות.הבנת כיצד לחשב במדויק וליישם דירוגי זיהוי חיונית לבניית מערכות ניהול איכות חזקות ולהבטיח אמינות מוצר על פני תעשיות.

מה הם מדדי זיהוי ב-FMEA?

דירוגי זיהוי הם מספרי דירוג הקשורים לשליטה הטובה ביותר ברשימת בקרת זיהוי-סוג, בהתבסס על קריטריונים בקנה מידה הגילוי.דירוגים אלה מהווים אחד משלושת מרכיבים מרכזיים המשמשים להערכת הסיכון ב-FMEA, לצד דירוגי חומרת ואירוע.

דירוג הגילוי רואה את הסבירות של זיהוי מצב הכישלון או הגורם, על פי הקריטריונים המוגדרים.זיהוי הוא דירוג יחסי בתוך היקף FMEA הספציפית, והוא נקבע ללא התחשבות בחומרה או בסיכוי להתרחשות. עצמאות זו מבטיחה שכל ממד של סיכון מקבל תשומת לב מתאימה במהלך תהליך הניתוח.

מדד The Detection Rating Scale

סולם הגילוי נע בין 1 (תמיד מזוהה) ל 10 (לעולם לא זוהה) עבור כל אירוע.מערכת יחסים הפוכה פירושה שמספרים נמוכים יותר מצביעים על יכולת זיהוי טובה יותר, בעוד שמספר גבוה יותר מציין שיטות זיהוי גרועות או שאינן קיימות.

דירוג גילוי נמוך של 1-3 פירושו מערכת הבקרה יעילה מאוד וכמעט יזהה את הבעיה לפני שהיא בורחת.הפך, דירוג זיהוי גבוה של 8-10 פירושו הכישלון אינו יכול להיות מזוהה והוא יזהה כאשר הוא מגיע ללקוח.

דירוגים המוצעים על סולם של 1 עד 5 (או 10) כוללים: 5 (9 או 10) אפס הסתברות לזהות את הגורם הפוטנציאלי לכישלון, 4 (7 או 8) קרוב אפס הסתברות לזהות גורם כישלונ פוטנציאלי, 3 (4, 5 או 6) לא סביר לזהות גורם פוטנציאלי להיכשל, 2 (2 או 3) סיכוי טוב לזהות גורם פוטנציאלי להיכשל, ו 1 (1) כמעט בטוח לזהות גורם פוטנציאלי.

גילוי עיצוב FMEA לעומת תהליך FMEA

דירוגי זיהוי חלים באופן שונה בהתאם לשאלה האם אתה מנהל את ה-APEA (DFMEA) או מעבד FMEA (PFMEA) עבור עיצוב FMEAs, זיהוי הוא מספר הדירוג המתאים להסתברות שבקרת עיצוב מסוג זיהוי הנוכחי יזהו את מצב הכשל או סיבה, בדרך כלל בתוך מסגרת זמן לפני עיצוב המוצר משוחרר לייצור.

עבור תהליכים FMEAs, זיהוי הוא מספר הדירוג המתאים לסבירות כי בקרת תהליכים מסוג זיהוי הנוכחי יזהו את מצב הכישלון או גורם, בדרך כלל בתוך מסגרת זמן לפני החלק או ההרכבה מותירים את הייצור או תחנת הרכבה.

זיהוי DFMEA מתמקדת באימות עיצוב ושיטות אימות הכוללות סימולציות, בדיקות הרכב וניסויים אבטיפוס פיזי / חלק. PFMEA זיהוי מתמקדת בקרת תהליכים כמו בדיקה, מניעת שגיאות, בדיקות אימות תהליכים, בדיקות תהליכים, בדיקות קצה קצה של קו.

תפקיד הגילוי ב- Risk Priority Number Calculation

מספריות, מדדי Occurrence וזיהוי נגזרים מניתוח הכשל והאפקטים: מספר הסיכון לעדיפות = מספר X Occurrence x Detection.The RPN מספק ערך מספרי המסייע לצוותים לקבוע אילו מצבי כישלונ דורשים תשומת לב מיידית ופעולה נכונה.

עם זאת, להסתמך רק על RPN יש מגבלות.ה-RPN לא צריך להיות המדד היחיד המשמש להערכת הסיכון של כל מצב כשל.הצוות צריך גם להשתמש במספריות, אוקקורנס, וגילוי כדי לאשר את הסיכונים. גישה רב-ממדית זו מבטיחה כי בעיות חד-ממדיות גבוהות לקבל תשומת לב מתאימה גם כאשר התרחשות או זיהוי דירוגים עלולים לגרום ל-NRP מתון.

הבנה של העדפה פעולה (AP)

FMEA AP, או Action Priority, היא שיטת דירוג שהוצגה ב-AIAG & VDA כשל ו-VDA כשל ניתוח - FMEA Handbook המספקת רמה עדיפות המבוססת על מספריות, Occurrence וערכים לזיהוי. בעוד RPN הוא ערך הערכת סיכון המבוסס על מספר x Detection X Detection, AP פותחה על מנת לתת יותר דגש על מספר פעמים, ולאחר מכן אוקרנס, ולאחר מכן.

יחד עם מספריות ו- Occurrence, זיהוי עוזר לארגן סיכונים באמצעות ®Tice Priority. גישה זו מתייחסת לכמה מהמגבלות המתמטיות הטמונות בשיטת חישוב RPN.

כיצד לחשב את דירוגי הגילוי: שלב-בי-תהליך

דירוגי זיהוי חישובים דורשים הערכה שיטתית של בקרה קיימת ויעילותם בזיהוי כישלונות פוטנציאליים.התהליך כרוך בניתוח זהיר של שיטות זיהוי נוכחיות והערכה כנה של יכולותיהם.

שלב 1: זיהוי כללי

עבור כל סיבה, צוות FMEA מעריך את דירוג זיהוי, אשר הוא הסביר כי בקרת זיהוי הנוכחי מסוג בקרה יוכל לזהות את הסיבה למצב הכישלון.התחל על ידי תיעוד כל שיטות זיהוי קיימות, כולל הליכי בדיקה, פרוטוקולים בדיקה, מערכות ניטור ופעילויות אימות.

בקרת זיהוי יכולה לכלול שיטות שונות כגון בדיקות חזותיות, ציוד בדיקות אוטומטיות, בקרת תהליכים סטטיסטית, מכשירים עמידים על שגיאות (poka-yoke), בדיקות אבטיפוס, ניתוח סימולציה, בדיקות פונקציונליות קצה של קו.כל שליטה צריך להיות מוערכת על היכולת שלה לזהות את מצב הכשל הספציפי או לגרום תחת שיקול דעת.

שלב 2: יעילות שליטה יעילה

גישה מוצעת מניחה שהכישלון התרחש ולאחר מכן להעריך את היכולת של עיצוב זיהוי או בקרת תהליכים כדי לזהות את מצב הכישלון או סיבה.ניסוי מחשבה זה עוזר לצוותים להעריך באופן מציאותי אם הפקדים שלהם באמת יתפוס את הבעיה.

שקול גורמים כגון תזמון של זיהוי (בהתאמה לעומת במורד הזרם), האמינות של שיטת זיהוי, בין אם זיהוי אוטומטי או ידני, תדירות בדיקה או בדיקה, ואם השליטה יכולה לזהות את כל המקרים של הכישלון או רק מדגם.

שלב 3: החתימה על הדירוג

על פי תקן AIAG-VDA, דירוג זיהוי הוא המספר הקשור לפקדים, וכמה יעיל הבקרה הקיימת בזיהוי גורם פוטנציאלי לכישלון או מצב. השתמש בטבלה הדירוג של הארגון שלך כדי להקצות את הערך המספרי המתאים המבוסס על הערכת יעילות השליטה.

גילוי Downstream (Rating 4) פירושו הכישלון נתפס מאוחר יותר, גילוי in-station (Rating 3) תופס אותו בפעולה שבה זה קורה, poka-yoke (Rating 2) מונע באופן פעיל או מפסיק את השגיאה, ודירוג 1 מרמז על הכישלון לא יכול לקרות עקב עיצוב / תהליכים מובנה.

שלב 4: מסמך ה-Rationale

הקלטת החשיבה שמאחורי כל דירוג זיהוי חיונית לעקביות ולפניות עתידיות.תיעוד צריך לכלול את הפקדים הספציפיים שסומנו, מדוע ציון מסוים הוקצה, כל הנחות שנעשו במהלך ההערכה, והתייחסויות לבדיקות נתונים או ביצועים היסטוריים התומכים בדירוג.

תיעוד זה הופך להיות יקר ערך כאשר ה-FMEA נבדק או מעודכן, כאשר חברי הצוות משתנים, או כאשר הם מסבירים החלטות לבעלי העניין והקולטורים.

דוגמאות מעשיות לזיהוי ה-דירוג

הבנת כיצד ליישם דירוגים בתרחישים בעולם האמיתי מסייעת לצוותים לפתח עקביות ודיוק בעבודת FMEA.

דוגמא: FMEA

עבור מצב כשל שבו מחבר אינו נעול כראוי בשל עיצוב דבק חלש, עם שליטה נוכחית של בדיקות אבטיפוס עם מספר מוגבל של דגימות ומבחן כוח לנצ'ט נעשה רק בטמפרטורת החדר, שכן הבדיקה עשויה לא לזהות את כל המקרים החלשים לנצ'ט, דירוג זיהוי מוקצה 6 (מתונים).

אם מאוחר יותר, בדיקת סיבולת 100% או סימולציה עם קורלציה שדה, אז דירוג זיהוי יכול להיות משופר ל 3.דוגמה זו מראה כיצד פרוטוקולים משופרים של בדיקות יכול לשפר באופן משמעותי את יכולת זיהוי.

דוגמה:

עבור תהליך הרכב עבור מחצן מתכת עם מצב כשל של piston לא לחץ מלא (במיקום מוחלט) שנגרם על ידי כוח לחיצה לא מספיק או מטעה במהלך לחיצה, עם שליטה נוכחית של מבחן לחץ תוך זיהוי זה מזהה דליפה מיד לאחר לחיצה, הבדיקה מבוצעת מיד לאחר הניתוח עם זיהוי אוטומטי במכונה מבוססת מכונה זיהוי אשר מזהה את מצב הכשל.

דירוג זיהוי מוקצה 3 (גבוה) האופי המיידי והאוטומטי של שיטת זיהוי זו מספק יכולת חזקה לתפוס כישלונות לפני שהם ממשיכים לבצע פעולות הבאות.

אתגרים משותפים בזיהוי הזיהוי

צוותים נתקלים לעתים קרובות בקשיים בעת הקצאת דירוגי זיהוי.הבנת האתגרים האלה מסייעת לארגונים לפתח תהליכים יעילים יותר של FMEA.

נושא ושקיפות

אחד האתגרים העיקריים הוא האופי הסובייקטיבי של טבלאות דירוג זיהוי. חברי צוות שונים עשויים לפרש את אותה יעילות שליטה אחרת, המוביל דירוגים עקביים על פני מצבים דומים.ארגונים יכולים לטפל בזה על ידי פיתוח קריטריונים מפורטים והתאמה אישית של דירוג דירוגים ספציפיים לתהליכים ולמוצרים שלהם, מתן דוגמאות ומקרה מחקרים עבור התייחסות, ביצוע תרגילי כיבוד, שבו צוותים מדרגים את אותם תרחישים ודנים, ודן, ולהבטיח ייצוג חוצה תפקוד על FMEA על מנת להביא קבוצות שונות כדי להביא נקודות מבט.

המונחים: growth Capability

צוותים לפעמים להקצות דירוגים אופטימיים יותר, בהנחה שהבקרות יעבדו טוב יותר מאשר הם למעשה עושים בפועל.זה יכול לקרות כאשר מסתמכים על יכולות בקרה תיאורטית ולא על נתוני ביצועים בפועל, שלא יחשבו על גורמים אנושיים בתהליכי בדיקה ידניים, לא בהתחשב בהשפעה של נפח הייצור על יעילות בדיקה, או התעלמות מהסיכוי של כישלונות מרובים המתרחשים בו זמנית.

אם אין שליטה מסוג זיהוי במצב של כשל או גורם, דירוג הגילוי צריך להיות מוגדר לרמה הגבוהה ביותר. גישה שמרנית זו מבטיחה כי היעדר בקרה משתקף כראוי בהערכה של סיכונים.

בלבול בין סוגי זיהוי

ארגונים חייבים להבחין בבירור בין סוגים שונים של זיהוי.זיהוי לפני שחרור הייצור או הלקוח שונה מגילוי במהלך השימוש בלקוחות, וגילוי מצב הכישלון מול זיהוי שורש גורם דורש גישות שונות.בנוסף, בקרת מניעה מול בקרת זיהוי משרתת מטרות שונות ביסודן בניהול סיכונים.

אסטרטגיות לשיפור יעילות

הקטנת דירוגי זיהוי דורש יישום בקרה חזקה יותר אשר מגבירה את הסיכוי לזיהוי כשלים לפני שהם בורחים ללקוחות.

יישום שגיאות (Poka-Yoke)

שיפור זיהוי דורש אוטומציה, מניעת זיהוי שגיאות ושיטות אימות חזקות.מכשירים עמידים על שגיאות מונעים פגמים להתרחש או להפוך פגמים ברורים מיד כאשר הם מתרחשים. מנגנונים אלה יכולים לכלול תכונות עיצוב פיזיות המונעות ייצור לא נכון, חיישנים המזהים רכיבים חסרים או מיקום לא נכון, מערכות אוטומטיות לעצור את הייצור כאשר הפרמטרים נופלים מחוץ לטווחים מקובלים, ומערכות ניהול חזותיות שהופכות באופן מיידי.

שיטות בדיקה והערכה

יכולת בדיקות ובדיקה מתקדמת יכולה לשפר באופן משמעותי את דירוגי זיהוי. שקול ליישם 100% בדיקה אוטומטית ולא דגימה, באמצעות טכנולוגיות מדידה מתקדמות כגון מערכות ראייה או לתאם מכונות מדידה, ביצוע בדיקות בתנאים שמשכפלים סביבות שימוש בפועל, וליישם שליטה בתהליך סטטיסטי כדי לזהות מגמות לפני פגמים מתרחשים.

המעבר מגילוי במורד הזרם ועד לגילוי תוך-הבחנה מספק משוב מהיר יותר ומונע חלקים פגומים מהליך באמצעות פעולות עוקבות. גישה זו מפחיתה את הפסולת ומשפרת את יעילות התהליך הכוללת.

הגדלת תדירות הראייה וכיסוי

בדיקה תכופה יותר או בדיקות מגבירות את הסיכוי לזהות כישלונות.עם זאת, גישה זו חייבת להיות מאוזנת נגד שיקולי זמן עלות ומחזוריים.אסטרטגיות כוללות יישום בדיקה ראשונה עבור מטרות הקשורות להגדרה, ביצוע ביקורת תקופתית של מערכות זיהוי אוטומטיות כדי להבטיח שהם יישארו יעילים, באמצעות פיקוחי תהליכים שכבתיים כדי לאמת כי בקרות מתפקדות כמכווועדות, והקמת הליכים הסלמה ברורים כאשר מערכות זיהוי בעיות פוטנציאליות.

מינוף טכנולוגיות מתקדמות

טכנולוגיות מודרניות מציעות הזדמנויות חדשות לשיפור יכולת זיהוי.אינטליגנציה מלאכותית ולמידה של מכונה יכולים לזהות דפוסים המציינים כישלונות פוטנציאליים, האינטרנט של דברים (IoT) חיישנים לספק ניטור בזמן אמת של פרמטרים קריטיים, ניתוח חיזוי יכול לחזות מתי כישלונות צפויים להתרחש, ותאומים דיגיטליים מאפשרים בדיקות וירטואליות ואימות לפני תחילת הייצור הפיזי.

הקשר בין גילוי לבין יסודות אחרים של FMEA

הבנת האופן שבו זיהוי אינטראקציה עם חומרת ואירוע עוזר לצוותים לקבל החלטות ניהול סיכונים טובות יותר.

גילוי לא יכול להפחית את מספר

עיקרון מפתח של FMEA הוא כי חומרת לא ניתן להפחית באמצעות זיהוי או בקרת אירועים.הדרך היחידה להפחית את החומרה היא להסיר את הסיכון באמצעות שינויים בעיצוב.זיהוי רק משפיע על האם הכשל נתפס לפני ההגעה ללקוח; זה לא משנה את ההשפעה אם הכשל מתרחש.

עיקרון זה חיוני לקביעת מאמצי שיפור.מצבי כישלונות של ספיקת נחיתות גבוהים צריכים להיות מסולקים באופן אידיאלי באמצעות שינויים בעיצוב ולא להסתמך רק על גילוי כדי למנוע את ההשפעה של הלקוחות.

גילוי הוא עצמאי של Occurrence

לפי תקני FMEA, מספריות, אוקריגנס וגילוי נקבעים בנפרד, ללא קשר אחד לשני.מצב כשל יכול להיות אירוע נמוך (לעתים רחוקות) אבל יש גם גילוי גרוע (קשה לתפוס כאשר זה קורה).

עצמאות זו מבטיחה שכל ממד של סיכון מקבל שיקול הולם.צוותים לא צריכים להניח כי כישלונות נדירים אינם זקוקים לגילוי טוב, או שלכישלונות נפוצים יש באופן אוטומטי זיהוי טוב.

מינוף מניעת זיהוי וגילוי

בעוד שגילוי הוא חשוב, מניעה היא בדרך כלל מועדפת.ההיררכיה של השליטה בניהול סיכונים מראש חיסול סיכונים, ואחריו החלפת, בקרת הנדסה, בקרה מינהלית, ולבסוף ציוד הגנה אישי או זיהוי בתור קו ההגנה האחרון.

במונחים של FMEA, זה אומר כי הפחתת התרחשות באמצעות בקרת מניעה היא לעתים קרובות יותר יעילה מאשר להסתמך רק על גילוי.עם זאת, זיהוי נשאר חיוני כמו גיבוי כאשר בקרת מניעה נכשל או כאשר חיסול מצב הכשל אינו אפשרי.

דירוג זיהוי ב-AIAG-VDA FMEA Methodology

במתודולוגיה AIAG-VDA FMEA, זיהוי ממלא תפקיד חשוב בשלב ניתוח הסיכונים.גישה AIAG-VDA מייצגת את הפגיעה של תקני FMEA אמריקאים וגרמניה, המספקת מסגרת מוכרת גלובלית.

שלב 5: ניתוח סיכונים

גילוי מוקצה ב- Step 5 - ניתוח סיכונים של הגישה AIAG-VDA 7-Step, שבו אנו מזהים לראשונה את הפקדים הנוכחיים של זיהוי לאחר מכן אנו מייחסים דירוג זיהוי בהתבסס על כמה חזק זיהוי שלנו הוא.שלב זה כרוך בהערכה שיטתית של כל הבקרות הקיימות ויעילותן.

שלב 6: אופטימיזציה

גילוי הוא גם מוקצה ב- שלב 6 - אופטימיזציה של הגישה AIAG-VDA 7-Step, שבו אם גילוי קיים חלש ויש עדיפות פעולה גבוהה, המטרה היא להפחית את הסיכון, וגילוי הוא גורם אחד המשמש לצמצום הסיכון.

אם בקרת זיהוי חזקה נוספו באופטימיזציה, הדירוג יכול לרדת וסיכון עשוי לרדת.תהליך זה של הערכה ושיפור הוא יסוד יעיל של תרגול FMEA.

Best Practices for Detection

יישום שיטות אלה הטובות ביותר עוזר לארגונים למקסם את הערך של דירוגי זיהוי בתהליכים FMEA שלהם.

מפתחת Clear, Customized Rating Criteria

בעוד שטבלאות דירוג זיהוי סטנדרטיות בתעשייה מספקות נקודת התחלה, ארגונים נהנים מקריטריונים מתפתחים המותאמים לתהליכים הספציפיים שלהם ולמוצרים שלהם.קריטריונים מותאם אישית צריכים לשקף את סוגי הפקדים המשמשים בפועל בפעילות שלך, חשבון דרישות ספציפיות בתעשייה ותקנות, לספק הבדלים ברורים בין רמות הדירוג, וכוללים דוגמאות רלוונטיות למוצרים ולתהליכים שלך.

השתמש ב- Cross-Functional Teams

דירוג זיהוי יעיל דורש קלט מנקודות מבט מרובות.מהנדסי איכות מבינים שיטות בדיקה ובדיקות, מהנדסי ייצור יודעים את היכולות והמגבלות של ציוד ייצור, מהנדסי עיצוב יכולים להסביר פונקציונליות מכוונת ו מצבי כישלונות פוטנציאליים, ומפעילים מספקים תובנות מעשיות כיצד בקרה עובדת בפועל יומיומי.

קלט מגוון זה עוזר להבטיח שדירוגי זיהוי משקפים את המציאות ולא הנחות.

דירוגים עם נתונים

בכל פעם שניתן, תמיכה בזיהוי נתונים אובייקטיביים.שיעורי זיהוי פגם היסטוריים מראים כיצד לעתים קרובות שולטת למעשה תפסו כישלונות בעבר, מחקרים של יכולות להוכיח את יכולתה של מערכת המדידה להבחין בין טוב לחלקים רעים, ותוצאות הביקורת מגלה האם הפקדים מוחלים באופן עקבי כמתוכנן.

דירוגי זיהוי מונעים נתונים הם אמינים יותר והגנתיים יותר מאשר הערכות סובייקטיביות בלבד.

סקירה ועדכון באופן קבוע

דירוגי זיהוי לא צריכים להיות סטטיים.סקירה רגילה מבטיחה שהם נשארים מדויקים כמו שינוי תהליכים, טכנולוגיות חדשות הופכות זמינות, או נתוני ביצועים היסטוריים מראים פערים ביכולת זיהוי.ייסד לוח זמנים לסקירה תקופתית של FMEA, פרסמו עדכונים כאשר מתרחשים שינויים בתהליך, משלבים שיעורים של פגמים נמלטים וציון נגד שיטות הטובות ביותר בתעשייה.

חברי צוות הרכבת באופן עקבי

יישום עקבי של דירוגי זיהוי דורש שכל חברי הצוות מבינים את המתודולוגיה.אימון צריך לכסות את המטרה ואת העקרונות של FMEA, כיצד לפרש קריטריונים של זיהוי דירוג, דוגמאות של הקצאה עבור תרחישים משותפים, ומכשולים משותפים כדי להימנע.

אימון רענון רגיל עוזר לשמור על עקביות כמו חברות צוות שינויים לאורך זמן.

המונחים: Detection

כאשר ארגונים הבוגרים בפרקטיקה של FMEA, הם עשויים להיתקל בתרחישים מורכבים יותר הדורשים גישות מתוחכמות לדירוג זיהוי.

מספר רב של Controls

כאשר קיימות מספר רב של אמצעי זיהוי עבור מצב כשל יחיד, הצוות חייב להחליט כיצד להקצות את דירוג זיהוי.הגישה הסטנדרטית היא לדרג על בסיס השליטה הטובה ביותר (האפקטי ביותר), בהנחה שהיא תהיה זו שתופסת את הכישלון.

המפתח הוא ליישם מתודולוגיה עקבית בכל מצבי הכשל ב-FMEA.

זיהוי תזמון

התזמון של גילוי משפיע באופן משמעותי על יעילותו.גילוי אי-ההתאמה תופס כישלונות מיד במבצע שבו הם מתרחשים, מונע חלקים פגומים מהליך לפעולות הבאות.גילוי קצה-ליין תופס כישלונות לפני המשלוח, אך לאחר שערך משמעותי נוסף. Post-delivery מבוסס על משוב לקוחות או תביעות אחריות, המייצג את התרחיש הגרוע ביותר.

קריטריונים של דירוג זיהוי צריכים לקחת בחשבון את ההבדלים התזמון הללו, עם גילוי מוקדם יותר קבלת דירוגים טובים יותר (נמוכים יותר).

גילוי בשירות

כמה תעשיות צריכות לשקול זיהוי של כשלים לאחר המוצר הוא בידיים של לקוחות.זה רלוונטי במיוחד עבור מוצרים עם חיי שירות ארוכים, יישומים קריטיים בטיחות, או מצבים שבהם ניטור בשירות הוא אפשרי. זיהוי שירות יכול לכלול מערכות אבחון אשר מזהירים משתמשים לבעיות, בדיקות תחזוקה מתוכננות, או מעקב מערכות לחזות כישלונות לפני שהם מתרחשים.

ארגונים המשתמשים בזיהוי שירות צריכים להגדיר בבירור האם דירוגי הגילוי שלהם מעריכים יכולת זיהוי טרום הכחשה או לאחר מתן אישור.

טעויות נפוצות להימנע

הבנת שגיאות נפוצות מסייעת לצוותים להימנע ממכשולים המתערערים את יעילותה של FMEA.

מניעת זיהוי

בקרת מניעת להפחית את הסבירות כי כשל יתרחש (דירוג התרחשות), בעוד שבקרת זיהוי פגמים שהתרחשו. ערבוב המושגים האלה מוביל לדירוגים לא מדויקים.לדוגמה, עיצוב חזק המונע מצב כשלון אינו אמצעי בקרה של זיהוי - זהו בקרה למניעת מניעה שיש להפחית את הדירוג במקום.

דירוג מבוסס על Intended במקום ביצועים אקטואליים

דירוגי זיהוי צריכים לשקף כיצד בקרה בפועל מבוצעת, לא איך הם אמורים להופיע בתיאוריה.אם הליכי בדיקה מוגדרים אך לא עוקבים באופן עקבי, אם מערכות אוטומטיות יש שיעורי חיובי כוזבים גבוהים שמובילים את המפעילים להתעלם מהאזהרות, או אם מערכות מדידה חסרות פתרון מספיק כדי לזהות את הכישלון, אז הדירוג צריך לשקף את המציאות הזו.

התעלמות מגורמי אנוש

בדיקה ידנית ובדיקות כפופות למגבלות אנושיות.גורמים כגון עייפות, הסחת דעת, רמת אימון, עומס עבודה משפיעים על יכולת זיהוי.זיהוי דירוגים עבור בקרה ידנית צריך לקחת בחשבון את הגורמים האלה ולא להניח ביצועים אנושיים מושלמים.

נכשלים בכישלון מצב האופייסטי

כמה מצבי כישלונות הם הרבה יותר קל לזהות מאשר אחרים.כשלים קטסטרופליים שגורמים לאובדן מוחלט של תפקוד הם בדרך כלל קל יותר לזהות מאשר השפלה הדרגתית. פגמים Visible קלים יותר לזיהוי מאשר פגמים פנימיים.זיהוי דירוגים צריך לשקף מאפיינים טבועים אלה של מצב הכישלון.

דירוגים לגילוי עם שיפור מתמשך

דירוגי זיהוי מספקים קלט יקר עבור יוזמות לשיפור מתמשך מעבר לתהליך FMEA המיידי.

זיהוי הזדמנויות לשיפור

דירוגים של זיהוי גבוה (יכולות זיהוי דיבור) מדגישים הזדמנויות לשיפור.העדיפויות את מאמצי השיפור המבוססים על שילוב של חומרת, התרחשות וגילוי. מצבי כישלונות בעלי ספיקת אי ספיקת ספיקת ספיקת ספיקת ספיקת ספיקת ספיקת ספיקת ספיקת נחיתות גבוהה עם גילוי לקוי מגיע תשומת לב מיידית, גם אם התרחשות נמוכה.

שיפור יעילות

כאשר שיפורים ייושמו כדי לשפר את זיהוי, דירוג זיהוי המתוקן מספק מדד של יעילות.עקב מעקב דירוגים לאורך זמן כדי להפגין שיפור מתמשך, להשוות את שיעורי הבריחה הפגם בפועל לחזות שיעורים המבוססים על דירוגי זיהוי, ולהשתמש במגמות דירוג זיהוי כאינדיקטור ביצועי מפתח לניהול איכות.

שיתוף הפעולה הטוב ביותר

בקרת זיהוי יעילה שזוההה ב-FMEA אחת עשויה להיות רלוונטית לתהליכים או למוצרים אחרים.ארגונים צריכים להקים מנגנונים לחלוק שיטות זיהוי מוצלחות על פני קבוצות, שיעורי מסמך שנלמדו מכישלונות זיהוי, וליצור ספריית של בקרה מוכחת לזיהוי עבור מצבי כישלונות נפוצים.

כלי תוכנה לאיתור ניהול דירוג

תוכנת FMEA מודרנית מספקת יכולות לשיפור הדיוק והעקביות של דירוג זיהוי.כלים אלה מציעים טבלאות דירוג סטנדרטיות המבטיחות עקביות על פני קבוצות, חישוב אוטומטי של RPN ו- Action Priority, מעקב אחר שינויים בדירוג זיהוי לאורך זמן, וקישורים בין בקרת זיהוי לבין מסמכי מערכת איכות אחרת.

בעוד תוכנה אינה מחליפה את הצורך בשיפוט מומחה בקביעת דירוגי זיהוי, היא מספקת מבנה ותיעוד התומכים בפרקטיקה יעילה של FMEA.

שיקולים של התעשייה-Specific Detection

תעשיות שונות מתמודדות עם אתגרים ייחודיים בדירוג זיהוי הדורשות גישות מותאמות.

תעשיית הרכב

תעשיית הרכב יש שיטות FMEA מבוססות היטב עם קריטריונים מפורטים של דירוג זיהוי.רכב FMEAs בדרך כלל מדגיש זיהוי והוכחה שגיאה, להשתמש בקריטריונים ספציפיים דירוג עבור סוגים שונים של גישור ופיקוח, ודורש שיקול של שני בקרת ייצור ואסיפה.

תעשיית המכשור הרפואי

יצרני מכשירים רפואיים עומדים בפני דרישות רגולטוריות מחמירות המשפיעות על גישות זיהוי.שליטה בזיהוי ותיעוד לסטנדרטים רגולטוריים, ניהול סיכונים חייב להשתלב עם דרישות ISO 14971, וגילוי של כשלים שעלולים להשפיע על בטיחות המטופל מקבל עדיפות גבוהה ביותר.

תעשיית החלל

יישומים אוויריים כרוכים במערכות מורכבות עם דרישות בטיחות קריטיות.זיהוי לעתים קרובות כרוך בשכבות מרובות של בדיקות ובדיקה, שיטות בדיקה לא הרסניות לשחק תפקיד משמעותי, ועקבות של פעילויות זיהוי חיוני עבור הסמכה.

פיתוח תוכנה

Software FMEAs דורש גישות זיהוי שונות מאשר בקרת חומרה.זיהוי חומרה כוללים ביקורות קוד, בדיקות אוטומטיות, כלי ניתוח סטטי, וכן בדיקות בטא תוכניות.האתגר נמצא בזיהוי שגיאות לוגיות ומקרים קצה כי ייתכן שלא ניתן לראות באמצעות בדיקות רגילות.

עתיד הגילוי ב-FMEA

טכנולוגיות מתפתחות ומתודולוגיות משנים את האופן שבו ארגונים ניגשים לזיהוי ב-FMEA.

אינטליגנציה מלאכותית ולמידה של מכונות

בינה מלאכותית ולמידה של מכונות מאפשרות זיהוי יכולות שהיו בלתי אפשריות בעבר.טכנולוגיות אלה יכולות לזהות דפוסים עדינים המעידים על כישלונות, ללמוד מהנתונים ההיסטוריים כדי לשפר את הדיוק של זיהוי לאורך זמן, ולהתאים לשינויים בתנאים ללא תכנות ידני.

ככל שהטכנולוגיות הללו בוגרות, קריטריונים של דירוג זיהוי יצטרכו להתפתח כדי להסביר את היכולות הייחודיות והמגבלות הייחודיות שלהם.

אינטרנט של דברים ו-Time Monitoring

חיישני IoT מאפשרים ניטור רציף של מוצרים ותהליכים, מתן יכולות זיהוי המשתרעות מעבר לנקודות בדיקה מסורתיות.נתוני זמן אמת מאפשר זיהוי מיידי של אנומליות, אלגוריתמים חיזוי יכולים לחזות כישלונות לפני שהם מתרחשים, ו ניטור מרחוק מאפשר זיהוי של כשלים בשירות.

תאומים דיגיטליים ובדיקות וירטואליות

טכנולוגיית תאומים דיגיטלית יוצרת העתקים וירטואליים של מוצרים ותהליכים פיזיים, המאפשרים זיהוי של כישלונות פוטנציאליים באמצעות סימולציה לפני תחילת הייצור הפיזי. גישה זו יכולה לשפר באופן משמעותי את דירוגי זיהוי עבור עיצוב FMEA על ידי זיהוי בעיות קשות או יקרות לגילוי באמצעות בדיקות פיזיות בלבד.

מסקנה: בניית תרבות של גילוי יעיל

דירוגי זיהוי מתקדמים הם חיוניים עבור יעיל FMEA וניהול איכות חזק. על ידי הבנת העקרונות של דירוג זיהוי, יישום תהליכי חישוב שיטתיים, הימנעות ממלכודות נפוצות, ושיפור מתמיד יכולות זיהוי, ארגונים יכולים להפחית משמעותית את הסיכון של כישלונות להגיע ללקוחות.

הצלחה דורשת יותר מאשר רק אחרי הליכים - היא דורשת תרבות שמעריכה כנה של יכולות זיהוי, משקיעה בשליטה יעילה, ומחפשת שיפור מתמיד.כאשר זיהוי דירוגים משקפים באופן מדויק את המציאות ומניעה שיפורים משמעותיים, FMEA הופכת כלי רב עוצמה לשיפור איכות המוצר, שביעות רצון הלקוחות והצלחה ארגונית.

ארגונים צריכים לראות דירוגים לא כאימון תאימות, אלא ככלי אסטרטגי להבנת וניהול סיכונים.התובנות שהתקבלו מניתוח זיהוי מעמיק מודיעות על החלטות לגבי איפה להשקיע בפקדים איכותיים, כיצד לקדם את מאמצי שיפור וכיצד לבנות תהליכים חזקים יותר מוצרים.

(ב) משאבים נוספים במתודולוגיה של FMEA וניהול איכות, לשקול לחקור את האגודה האמריקנית לאיכות (FLT:0) 1 ו-FLT:2Automotive Industry Action GroupFLT 3:, המספקת סטנדרטים, הכשרה ושיטות הטובות ביותר ליישום FMEA.