מה מתקבל על הדעת בתעשיית הטקסטיל?

קבלה של הדגימה היא שיטה בקרת איכות סטטיסטית המועסקת באופן נרחב בייצור טקסטיל כדי להעריך את איכות הבד הרבה מבלי לבדוק כל יחידה. במקום לבחון כל מטר של בד, צוותי איכות להעריך מדגם שנבחר אקראי ולקבל החלטה על כל המנה המבוססת על קריטריונים שנקבעו מראש.טכניקה זו מאזן את הצורך באבטחת איכות קפדנית נגד המגבלות של ייצור גבוה.

בתעשיית הטקסטיל, שבו רולים של בד יכולים לחלוף אלפי מטרים, 100% בדיקה היא לעתים קרובות עלות-הסתברות, זמן-רגיש, ובאופן פיזי בלתי אפשרי עבור סוגים מסוימים של פגם קבלה מספקת חלופה מדעית, יעילה.זה מאפשר ליצרנים לזהות בדים פגומים מוקדם במחזור הייצור, להפחית את איכות המוצר עקבי, ולעמוד מפרטים של הלקוחות - תוך פיקוח על עלויות.

קידוד היסטורי וקרנות סטטיסטיות

(השורשים של קבלת הדגימה חוזרים למאה ה-20 המוקדמת, והעבודה של הסטטיסטים כגון הרולד דוד והארי רומג במעבדות בל, התפתחותן של תוכניות דגימה במהלך מלחמת העולם השנייה סייעה לספקים צבאיים לנהל את איכות התחמושת והציוד ללא ייבוש ייצור.היום, אותם עקרונות מוחלים במילימטרים סביב העולם, לעתים קרובות לאחר סטנדרטים כגון LTF: LT1, כלומר, LT2DQ) ו-D.

על ידי הסתמכות על תורת ההסתברות, קבלת הדגמת הקוונטים הסיכון לקבל החלטה שגויה.היצרנים יכולים לציין את הסיכון של FLT:0producer של הסיכון של ההרחבה 1 (α, הסיכוי לדחות הרבה טוב) ואת ה-FLT:2consumer's RiskFLT 3: 3 (β, הסיכוי לקבל הרבה רע).

תוכניות קבלה נפוצות בשימוש ב-Prereatives

בחירת תוכנית הדגימה הנכונה היא קריטית להצלחת הבחינה.תעשיית הטקסטיל משתמשת במספר תוכניות סטנדרטיות, כל אחת מתאימה לשיעורי פגם שונים, נפח ייצור ומבנים עלות.

תוכנית תזמון יחיד

הגישה הפשוטה ביותר: מדגימה אקראית אחת בגודל FLT:0 [nFillo 1:0] נמשכת מספר יחידות פגומים שנמצאו בדגם אינו עולה על מספר הקבלה:2cciop3), כל השפע מתקבל; אחרת, הוא נדחית.

תוכנית כפולה

דגימה כפולה מציעה הזדמנות שנייה עבור הרבה גבול. מדגם ראשון קטן יותר נבדק.אם זה טוב מאוד, את הרוב מתקבל; אם מאוד עני, זה נדחה.אם התוצאה היא בלתי-מוחלט, מדגם שני נמשך ספירת הפגם המשולבת קובע את התוצאה. תוכנית זו יכולה להפחית את המאמץ הכולל באיכות גבוהה או באיכות נמוכה, תוך שמירה על אפליה טובה.

תוכניות מרובות וקיימות

אפילו יעילות גדולה יותר, תוכניות דגימה מרובות מאפשרות עד כמה שלבים של דגימה, לעצור ברגע לקבלה ברורה או לדחות החלטה ניתן לעשות. sampling Sequential מרחיבה את זה לבדיקה רציפה שבו כל יחידה נבדקה עדכונים את גבולות ההחלטה. התוכניות המתקדמות הללו הן בעלות ערך במיוחד בקווי בדיקה אוטומטיים של טקסטיל שבו נתונים נאספים בזמן אמת ממצלמות והם ממזערים את מספר הדגימות הדרושות תוך שמירה על השגיאה הרצויה בתוך גבולות מתמטיים.

צעדים מפורטים במימוש קבלת הסכמה

תוכנית קבלה חזקה שלאחר תהליך מובנה.למטה הוא מסלול מורחב של השלבים המרכזיים, המותאם לסביבת הטקסטיל.

שלב 1: תקני איכות Defect קריטריה

לפני כל דגימה מתרחשת, הגדרות ברורות של מה שמהווה פגם חייב להיות מוגדר.

  • (ב) ,0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) בעיות של שינוי (איור 1) (שריד וריאציות, כתמים צבעוניים, לא אפילו צבע)
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

כל סוג פגם הוא מוקצה רמת חומרה (קריירה, גדולה, קטנה) ורמה איכותית מקובלת (AQL) לדוגמה, פגמים קריטיים כמו חורים גדולים עשויים להיות AQL של 0.01%, בעוד בעיות מראה קלות עשויות לאפשר 2.5%.

שלב 2: בחר את תוכנית ה-Sampling ואת רמת האבחון

באמצעות גודלו הגדול (למשל, מספר רולס במשלוח) ואת AQL הרצוי, מהנדס איכות מתייעץ טבלאות סטנדרטיות ( ISO 2859-1 או ANSI / ASQ Z1.4) כדי לקבוע את אות קוד הדגימה ואת גודל הדגימה הנדרשת.הרמה בדיקה (I, II, III) נבחר על בסיס ההיקף הדרוש.

שלב 3: ציירו את הדגימה של נציג אקראי

הדגימה חייבת לייצג את כל השפע.עבור רולס, זה לעתים קרובות אומר לקחת דגימות ממיקומים שונים בתוך רול וברחבי מספר רב של רולים. אקראיזציה מונעת הטיה - למשל, דגימה רק את השכבות החיצוניות, אשר עשויים להיות פחות פגמים מאשר החלקים הפנימיים. בפועל, מילימטרים משתמשים בטבלאות מספר אקראיות או פרוטוקולים מדגימים אוטומטיים כדי להבטיח תוקף.

שלב 4: בדקו את הדגימה ל Defects

מפקחים מנוסים או מערכות ראייה אוטומטיות בודקים כל מדגם לפי קריטריונים פגומים.הם מתעדים את הסוג וספירת פגמים שנצפו.בדיקה ידנית משתמשת בדרך כלל בתנאי תאורה סטנדרטיים (למשל, D65 אור יום חולה) וזווית צפייה קבועה.מערכות אוטומטיות משתמשות במצלמות ברזולוציה גבוהה ואלגוריתמים של למידת מכונה כדי לזהות omas במהירות גבוהה.

שלב 5: השוואה נגד קבלת קריטריה ולהחליט

מספר הפגמים שנמצאו בדגם בהשוואה למספר הקבלה:0 (ב) 1 (הראשונה) ל[[המאה ה-1]], אם הסעיף שווה או פחות מ-FLT:2cigFLT 3:2ccioFLT 3), כך ניתן להחזיר את השפע ל[[המאה ה-1]], ולעמוד על ידי ה[[המאה ה[[המאה ה-20]], ו[[המאה ה[[המאה ה[[1924]],]].

שלב 6: מסמך ונקיטת פעולה נכונה

כל תוצאות הבדיקות מוקלטות, כולל מידע רב זיהוי, דגימות נתונים, ספירת פגמים, וההחלטה. דפוסים עקביים של פגמים גורם שורש גורם ניתוח ושיפורים בתהליך.קבלת דגימה אינה סוף כשלעצמו - זה לולאה משוב שמניעה שיפור איכות מתמשך על פני שרשרת האספקה.

יתרונות מרכזיים של קבלה ב-Prereative Operations

כאשר ייושמו נכון, הדגימה קבלה מספקת יתרונות תפעוליים וכלכליים משמעותיים.

עלויות ניכוי ורווחים יעילות

בבדיקה של 100% של ייצור טקסטיל הוא לעתים רחוקות אפשרי עבור מילימטרים במהירות גבוהה.קבלה קיצוץ בעלויות בדיקה באופן דרמטי.לדוגמה, מילימטר המייצר 500,000 מ"ר של בד בשבוע עשוי לבדוק רק 5,000-10,000 מטרים באמצעות מדגם סטטיסטי, צמצום עלויות העבודה ובדיקה על ידי 80-90%.החיסכון אפילו גדול יותר כאשר דגימה משולבת עם בדיקה אוטומטית, אשר יכול לבדוק קו במהירויות אבל עדיין ממסגרת סטטיסטית של סיכון גבוה יותר.

איכות קונצנזוס ושביעות רצון הלקוחות

על ידי יישום אותו תקני הדגימה בכל רחבי כל השפע, יצרנים להבטיח כי הבד היוצא עומד ברמות איכות עקביות.אמינות זו בונה אמון עם יצרני בגדים, קמעונאים, וצרכנים הקצה.זה גם מקטין את ההחזרות, המטענים ואת העלות של טיפול בתלונות.

ניהול איכות

קבלת הדגימה היא אבן הפינה של בקרת איכות הנכנסת (IQC) עבור טקסטיל.כאשר הבד מתקבל מ ספקים חיצוניים, sampling verifies כי הנמסרים הרבה בהתאם למפרטים המוסכמים. ניתן להשתמש בנתונים אלה כדי לקבל ציונים ודרג ספקים, להגדיל אותם כדי לשמור על סטנדרטים גבוהים. Over Time, ספקים עם שיעורי פגם נמוכים באופן עקבי עשויים להיות זכאים להפחתה (למשל, לדלג על יעילות).

פסולת מינימלית וקיימות

מומים מוקדמים מונעים בד פגומים לנוע קדימה לתוך שרשרת הערך - קיצוץ מבוזבז, תפירה וסיום. זה תואם מטרות קיימות על ידי צמצום פסולת חומרית, צריכת אנרגיה ושימוש כימי.קבלת דגימה גם עוזר לזהות סיבות שורש של פגמים, ומאפשר מילימטרים לתקן בעיות במקור ושיעורי גרדנות נמוכים יותר.

אתגרים ומגבלות לשקול

למרות החוזקות שלה, קבלת הדגימה אינה פנאצה.הבנת המגבלות שלה חיונית לפריסה יעילה.

סיכון סטטיסטי של טעות

(הסתירה מטבעה כוללת אי ודאות.הרבה רע יכול להתקבל אם הדגימה מתרחשת ללא פגם (סיכון של עבריין), והרבה טוב עשוי להיות נדחה אם הדגימה מכילה אשכול חסר מזל של פגמים (סיכון של פרופורטור) כדי להפחית את זה, צוותים איכותיים חייבים לבחור את AQL המתאים ואת תוכנית דגימה כי מאזן סיכונים אלה עבור הקשר הספציפי שלהם: LTOperating הם הסתברות שונה של תאים) מתאים לכלים שונים של תאים חזותיים (F)

מחסומים נדירים או קלוסטרים

אם פגמים הם נדירים מאוד (למשל, אחד ל-10,000 מטרים) או מקובצים חזקים (למשל, כל פגמים מתרחשים בתחילת רול), דגימה אקראית עלולה להיכשל לתפוס אותם.במקרים כאלה, קבלת הדגימה צריכה להיות מתווסף בשיטות אחרות:

  • (FLT:0100% בדיקה לאחורFLT:1) עבור מוצרים בסיכון גבוה (למשל, טקסטיל רפואי, בד בבד מושבים מטוסים)
  • (בשורה התחתונה:0) שימוש במערכות ראייה שסקרות כל מטר
  • (הדגשה:0) ,השליטה ב- 1:1) ניטור פרמטרים של הזרם (מתחים חמורים, ריכוז רחצה צבע) כדי למנוע פגמים לפני שהם מתרחשים

סודיות והדרכה

הדיוק של קבלת הדגימה תלוי במידה רבה במיומנות של מפקחים ובעקביות של תנאי בדיקה.גורמים אנושיים - סבלנות, תאורה ירודה, שיפוט סובייקטיבי - יכול להציג שגיאות.קליברציה רגילה, תוכניות הכשרה סטנדרטיות (למשל, בהתבסס על גירעון:0AATCC או ASTM סטנדרטיFLT:1), וביקורתיות מסייעות לשמור על אמינות מערכות ראייה אוטומטיות דורשות סודיות או סודיות מוסחתת למנוע פגמים כוזבים או פספסומים כוזבים.

קבלת אישור עם מערכות איכות מודרניות

ב-News של היום טקסטיל, sampling קבלה מתפתח.הנתונים מבדיקות דגימה להאכיל לתוך תכנון משאבים ארגוני (ERP) מערכות בקרה תהליך סטטיסטית (SPC) מודלים של למידת מכונות יכול לחזות פרצות פגם בהתבסס על נתונים היסטוריים דגימה ופרמטרי ייצור, המאפשר התאמה דינמית של אינטנסיביות דגימה.

יתר על כן, קבלת הדגימה נותרה דרישה מרכזית לציות לסטנדרטים גלובליים כגון:0 ISO 9001sFLT 1 ו-FLT:2OEKO-TEXigFLT 3 הסמכה של אודיטורים מחפשים הליכים מתועדות, רשומות מעקב וראיות כי החלטות דגימה מבוססות על עקרונות סטטיסטיים ולא נוחות.

יישום אמיתי בעולם: מחקר של Denim Mill Case

כדי להמחיש את ההשפעה המעשית, שקול מילימטר בגודל בינוני המייצר 200 אלף מטרים בשבוע.קודם לכן, ה- מילימטר ביצע 100% בדיקה ידנית של כל הבד, תוך שימוש 12 מפקחים לשינוי.למרות העלות הגבוהה, שיעורי זיהוי פגם לא היו עקביים כי מפקחים לעיתים קרובות החמצו פגמים לסירוגין.

מנהל האיכות ייושם תוכנית דגימה אחת של ANSI/ASQ Z1.4 עם AQL 1.0% עבור פגמים גדולים.עבור כל 100 רולים (כ-5,000 מטרים), מדגם של 20 רולס נבדק. Defect ספירות לגלגל נרשמו.לאחר שלושה חודשים, ה- מילימטר הפחית את צוות הביקורת ל-4 מפקחים לשינוי (חיסכון של 66% בעלויות עבודה) תוך שמירה על לקוח מתוקן מתחת ל- 30%, כלומר, כלומר, בהשוואה ל- 0.5%, בהשוואה ל- 0.5%, אשר הפחתתומתיקים, לעומת זאת, בהשוואה ל- 0.5%, לעומת זאת, הפחתתומתיקים, לעומת זאת, בהשוואה ל- 0.5%, בהשוואה ל- 0.5% נוספים, הפחתת צוות הבדיקה, הפחתתומתיקים, לעומת 3 חודשים, לעומת 3 חודשים, לעומת 4 מפקחים.

מסקנה: הערך הסופי של קבלה

קבלה של דגימה היא שיטה מוכחת, סטטיסטית קול לניהול איכות הבד בתעשיית הטקסטיל.זה מציע איזון פרגמטי בין יסודיות ויעילות, המאפשרת ליצרנים לזהות פגמים, עלויות שליטה, ולעמוד באופן עקבי בציפיות של הלקוחות. בעוד זה לא צריך להחליף את תהליך שליטה או בדיקה אוטומטית לחלוטין, הוא משמש כשכבה חיונית של אימות ערכת כלי אבטחת האיכות.

ככל שסולמות ייצור הטקסטיל והופכים ליותר מורכבים, התפקיד של הדגימה הקבלה יתרחב ככל הנראה עם שילוב דיגיטלי. Mills להשקיע תוכניות הדגימה חזקות - שהוחזרו על ידי סטנדרטים ברורים, אנשי צוות מאומן וניתוח נתונים מודרני - יהיה יותר להציב לספק מרקים באיכות גבוהה בשוק גלובלי תחרותי.

(ב) עיין בתקנות ובפרקטיקות הטובות ביותר, ב-[[1924]], ב[[1943]] וב[[1924]], [[1924]], [[1924]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]