Inleiding tot de R&R-analyse van de Gauge

In de moderne productie zijn meetsystemen de ruggengraat van kwaliteitscontrole. Als uw gage, instrumenten of testarmaturen onbetrouwbare gegevens produceren, zullen zelfs de meest geavanceerde statistische procesbesturing (SPC) methoden falen. [Gauge Repreproduceerbaarheid en reproduceerbaarheid (Gauge R&R) analyse is het primaire hulpmiddel dat wordt gebruikt om de variatie van het meetsysteem te kwantificeren. Het beantwoordt een fundamentele vraag: hoeveel van de waargenomen variatie in uw meetgegevens komt uit de delen zelf, en hoeveel komt er uit het meetsysteem?

Een correct uitgevoerde R&R-studie van de Gauge helpt fabrikanten bij het identificeren van foutenbronnen, het verminderen van schroot, het vermijden van valse aanvaardingen en ervoor zorgen dat productspecificaties consequent worden nageleefd. Dit artikel biedt een uitgebreide, stapsgewijze handleiding voor het implementeren van effectieve R&R-analyse van de Gauge in uw kwaliteitscontroleprocessen, die betrekking heeft op het ontwerp van studies, het verzamelen van gegevens, statistische analyse en interpretatie met behulp van door de industrie aanvaarde methoden van de AIAG (Automotive Industry Action Group) en andere normalisatie-instellingen.

Inzicht in de componenten van de variatie van het meetsysteem

Voordat je in studieontwerp gaat duiken, is het essentieel om de drie verschillende bronnen te begrijpen die een R&R-analyse van de Gauge scheidt:

Herhaalbaarheid

Renateerbaarheid is de waargenomen variatie wanneer dezelfde exploitant hetzelfde deel meerdere keren meet met dezelfde gage onder identieke omstandigheden. Het weerspiegelt de inherente precisie van het meetinstrument en de consistentie van de meetprocedure. Hoge herhaalbaarheid geeft aan dat de gage zelf stabiel is en een lage variabiliteit geeft aan wanneer de exploitant herhaalde metingen verricht.

Begripsbaarheid

Reproduceerbaarheid legt de variatie vast die wordt veroorzaakt door verschillende exploitanten die hetzelfde deel met dezelfde gage meten. Het omvat verschillen in de techniek van de exploitant, leesgewoonten en interpretatie van meetresultaten. Een lage reproduceerbaarheidswaarde suggereert dat de operators goed zijn opgeleid en gestandaardiseerde methoden volgen; een hoge reproduceerbaarheidsvariatie wijst vaak op de noodzaak van aanvullende training of duidelijkere werkinstructies.

Verschil tussen deel en deel

De variatie van deel tot deel is het werkelijke verschil in de afmeting of de eigenschap die wordt gemeten over het monster van de onderdelen die voor de studie zijn geselecteerd. Dit onderdeel is geen fout; het is het signaal dat het meetsysteem moet detecteren. Om een meetsysteem in staat te stellen, moet de variatie tussen deel en deel groot zijn ten opzichte van de gecombineerde herhaalbaarheid en reproduceerbaarheidsvariatie.

Waarom Gauge R&R is cruciaal in de productie kwaliteitscontrole

Meetsystemen die buitensporige variatie veroorzaken kunnen leiden tot twee dure resultaten: het verwerpen van goede delen (risico op fouten) of het accepteren van slechte delen (risico op consumentenrisico). Zowel erode winstgevendheid als merkreputatie.Gauge R&R-analyse biedt een kwantitatieve beoordeling van de capaciteit van het meetsysteem, meestal uitgedrukt als %Gauge R&R (het percentage van de totale variatie toegeschreven aan het meetsysteem) of het aantal verschillende categorieën (ndc) .

De AIAG Meetsystemenanalyse (MSA) geeft de volgende richtlijnen voor %Gauge R&R:

  • %GRR ≤ 10% ..Het meetsysteem is aanvaardbaar.
  • 10% < %GRR ≤ 30% .Misschien aanvaardbaar op basis van het belang van de toepassing, de kosten van de gage en andere factoren.
  • %GRR > 30% . . Het meetsysteem is onaanvaardbaar en moet worden verbeterd.

Deze drempels helpen kwaliteitsingenieurs bij het nemen van data-gedreven beslissingen over de vraag of een meetsysteem kan worden gebruikt voor procescontrole, vermogensstudies of eindinspectie. Meer informatie over de richtlijnen van AIAG MSA uit AIAG heeft een officieel MSA-overzicht .

Planning van een effectieve R&R-studie met een Gauge

Een goede planning is de meest kritische fase van een R&R-onderzoek van de Gauge. Gewurgde of slecht ontworpen studies leveren misleidende resultaten en verspilde inspanningen op. De volgende elementen moeten worden gedefinieerd voordat gegevens worden verzameld.

Studietypes: kruising vs. genest

De twee meest voorkomende R&R-ontwerpen van de Gauge worden gekruist en genest.

  • Gekruist ontwerp: Elke exploitant meet elk onderdeel meerdere keren. Dit is passend wanneer delen niet destructief kunnen worden gemeten en exploitanten dezelfde fysieke delen kunnen meten. Het maakt een schatting mogelijk van interactie tussen operators en onderdelen.
  • Nestontwerp: Elke exploitant meet verschillende onderdelen, of onderdelen worden vernietigd tijdens de meting (bv. trekproeven, hardheidstests). Nested ontwerpen kunnen niet de interactie tussen de operator en de operator inschatten.Dit komt minder vaak voor bij dimensionale gaging maar is noodzakelijk bij destructieve tests.

De meeste productie van R&R-studies van de Gauge maken gebruik van een gekruist ontwerp met 2 .3 operators, 10 onderdelen en 2 .2 .3 proeven per operator-part combinatie. Altijd willekeurig de volgorde van de metingen om vooringenomenheid van het leren van de operator of de drift van de apparatuur te minimaliseren.

Delen en gebruikers selecteren

De onderdelen moeten het volledige bereik van de verwachte productievariatie vertegenwoordigen. Met inbegrip van delen die de tolerantieband overspannen, zorgt ervoor dat de studie aangeeft hoe het meetsysteem over de specificatiegrenzen presteert. Vermijd het selecteren van alleen .good .

De exploitanten moeten representatief zijn voor degenen die de meting routinematig uitvoeren. Gebruik getrainde en ervaren exploitanten, niet deskundigen die uitsluitend voor het onderzoek worden ingeschakeld, tenzij het onderzoek bedoeld is om de beste omstandigheden te beoordelen.Het aantal exploitanten is meestal drie, maar kan worden teruggebracht tot twee wanneer de middelen beperkt zijn.

Aantal proeven

Meer proeven verhogen het statistische vermogen maar verhogen ook de studietijd en kosten. De AIAG beveelt minimaal twee proeven aan; drie proeven zijn gebruikelijk en vaak voldoende om de herhaalbaarheid te schatten. Voor destructieve tests waarbij nested ontwerpen worden gebruikt, moet het aantal replicaten per operator-part combinatie mogelijk groter zijn om een adequate precisie te bereiken.

Stapsgewijze gids voor het uitvoeren van een R&R-onderzoek

Zodra het onderzoeksplan is opgesteld, volg deze zes stappen om het onderzoek consequent uit te voeren.

Stap 1: Bereid de meetomgeving voor

Zorg ervoor dat de gage gekalibreerd is en in goede staat werkt. Stabiliseert omgevingsfactoren zoals temperatuur, vochtigheid en trillingen die externe variatie kunnen introduceren. Standaardiseren van de meetprocedure (bijvoorbeeld, reinigen, fixeren, wonen tijd) en documenteren in een werk instructie beschikbaar voor alle operatoren.

Stap 2: Willekeurig en blind de meting orde

Om vooringenomenheid te elimineren, laat de operatoren niet weten welk deel ze meten of welk resultaat ze hebben van eerdere proeven. Willekeurig de volgorde van de metingen voor elke operator, en zorg ervoor dat er voldoende tijd verloopt tussen herhaalde proeven op hetzelfde deel, zodat de operators niet herinneren eerdere metingen. Gebruik gecodeerde onderdelen of een randomisatieschema gegenereerd door statistische software.

Stap 3: Verzamel de gegevens

Laat elke operator elk onderdeel meten van het vooraf gespecificeerde aantal proeven. Neem alle metingen onmiddellijk op, bij voorkeur in een dataverzamelingssysteem dat transcriptiefouten voorkomt. Zorg ervoor dat operators elke keer dezelfde procedure volgen. Monitor op afwijkingen zoals gedaalde metingen of duidelijke fouten en noteer ze voor onderzoek.

Stap 4: Voer de analyse uit

Gebruik statistische software (bv. Minitab, JMP, R of speciale MSA-modules in QMS-platforms) om de componenten van variantie te berekenen. De voorkeursmethode is -analyse van variantie (ANOVA), die interactie tussen operators per onderdeel kan schatten en nauwkeurigere variantiecomponenten kan bieden. De alternatieve Xbar/R-methode is eenvoudiger maar minder flexibel en kan bepaalde variatiecomponenten onderschatten. Voor een grondige uitleg van ANOVA-gebaseerde R&R, zie ]] Het handboek voor technische statistieken van de IST-statistieken .

Stap 5: Tolken van de resultaten

Bestudeer de volgende belangrijke metrieken van de output:

  • %Bijschrijving Het percentage van de totale variantie dat wordt toegeschreven aan cessie, reproduceerbaarheid en deel-tot-deel.
  • %Studievariatie De standaardafwijkingscomponenten uitgedrukt als een percentage van de totale variatie in de studie (meestal gebaseerd op 5,15 sigma of 6 sigma). Dit is de meest voorkomende %GRR-metriek die wordt gebruikt voor vermogensbeslissingen.
  • Aantal onderscheidende categorieën (ndc)

Vergelijk uw %GRR met de eerder genoemde AIAG-drempels. Als %GRR meer dan 30% bedraagt, onderzoek dan de grootste bijdragerende component (herroepbaarheid of reproduceerbaarheid) om de worteloorzaken te identificeren.

Stap 6: Actie ondernemen

Indien het meetsysteem onaanvaardbaar is, moet corrigerende maatregelen worden genomen, zoals:

  • Onderhoud of herkalibratie van de gage.
  • Omscholing van de operator met de nadruk op de juiste techniek.
  • Verbetering van het ontwerp van de armatuur of deeloriëntatie.
  • Herontwerp van het meetproces (bv. automatisch versus handmatige gaging).

Na het maken van veranderingen, herhaal de Gauge R&R-studie om verbetering te verifiëren. Blijf de prestaties van het meetsysteem in de tijd met periodieke herstudies volgen.

Analyse van de R&R-resultaten van de meetmethodes en -metrics

Twee statistische methoden domineren de analyse van de R&R-meter: ANOVA en de op het bereik gebaseerde Xbar/R-methode. Het begrijpen van hun verschillen helpt om de juiste aanpak voor uw gegevens te kiezen.

ANOVA-methode

ANOVA verdeelt de totale som van vierkanten in componenten voor interactie tussen operators, onderdelen, operators en restfouten (herhaling) en kan wiskundig nauwkeuriger aangeven of er een interactie-effect bestaat, bijvoorbeeld wanneer sommige operators delen systematisch anders meten. ANOVA biedt ook betrouwbaarheidsintervallen, die belangrijk zijn voor het beoordelen van de nauwkeurigheid van de variatieschattingen.

Xbar/R-methode

De Xbar/R methode gebruikt de controlekaarttheorie om de herhaalbaarheid te schatten van het gemiddelde bereik van herhaalde metingen en reproduceerbaarheid van het bereik van gemiddelden van de gebruiker. Het is gemakkelijker handmatig uit te voeren, maar kan niet de interactie tussen de operator en de operator scheiden, waardoor de reproduceerbaarheid kan worden verward met de interactie-effecten. De Xbar/R methode is aanvaardbaar voor de eerste screening, maar niet aanbevolen voor kritische beslissingen die een hoog vertrouwen vereisen.

Vertolking van sleutelmetrics in detail

Naast %GRR en ndc ondersteunen verschillende andere metrics analyse:

  • Precisie-tot-tolerantieverhouding (P/T)
  • Signal-to-Noise Ratio

Voor aanvullende richtsnoeren voor de interpretatie van O&R-studies van Gauge biedt de American Society for Quality (ASQ) uitstekende middelen[.

Vaak Pitfalls en hoe ze te vermijden

Zelfs ervaren kwaliteitsingenieurs kunnen vallen in vallen die de R&R resultaten van Gauge ongeldig maken. Wees bewust van deze veelvoorkomende fouten:

  • Het gebruik van hetzelfde deel voor alle proeven zonder willekeurige volgorde. Dit kan kunstmatig deflateren herhaalbaarheid omdat de operators zich eerdere metingen kunnen herinneren.
  • Selecteer te vergelijkbare onderdelen.[ Als de variatie tussen onderdelen te klein is, zal %GRR opgeblazen lijken, zelfs als het meetsysteem aanvaardbaar is. Selecteer altijd delen die de verwachte procesvariatie bestrijken.
  • Het negeren van de interactie tussen operators en onderdelen.[ Interactie kan reproduceerbaarheidsproblemen maskeren. Neem het altijd op in het ANOVA-model wanneer het gebruik van een gekruist ontwerp.
  • Niet bevestigen van de stabiliteit van de gage vóór de studie. Een gage die tijdens de studie drijft zal foutieve variantiecomponenten produceren.
  • Met te weinig onderdelen of proeven. Energieberekeningen kunnen helpen bij het bepalen van de minimale steekproefgrootte. Algemene regel: minimaal 10 delen, 2

Beste praktijken voor betrouwbare R&R-analyse

Door deze beste praktijken te benutten, zullen uw R&R-studies van de Gauge bruikbare, betrouwbare resultaten opleveren:

  • Kalibreer en verifieer gages regelmatig volgens de aanbevelingen van de fabrikant en uw kwaliteitssysteem. Een gage die niet meer kalibreert zal een R&R-onderzoek van de Gauge mislukken.
  • Trainoperators grondig over gestandaardiseerde meetprocedures. Inclusief periodieke herhalings- en kruistraining om drift te minimaliseren.
  • Controle omgevingsvariabelen zoals temperatuur, vochtigheid en verlichting. Documenteer eventuele afwijkingen die van invloed kunnen zijn op de meting.
  • Documentatie van elk aspect van de studie: de gebruikte gage, operators, onderdelen, meetvolgorde, omgevingsomstandigheden en eventuele afwijkingen. Deze documentatie ondersteunt auditeerbaarheid en root oorzaak analyse als de resultaten onbevredigend zijn.
  • Performeren van periodieke herstudies met tussenpozen die passend zijn voor de stabiliteit en de kritische toestand van de gage. Een gemeenschappelijk schema is jaarlijks of wanneer zich een grote verandering voordoet (nieuwe exploitant, nieuwe gage, nieuwe deelbereik).

Integratie van O&R in de Gauge met statistische procesbesturing

Gauge R&R is geen standalone activiteit . Het is een voorwaarde voor effectieve SPC. Voordat u controlekaarten, procescapaciteitsindices (Cpk, Ppk) of hypothesetests gebruikt, moet u ervoor zorgen dat het meetsysteem geschikt is. Een meetsysteem met een hoge %GRR zal controlelimieten opblazen, procesverschuivingen maskeren of valse alarmen genereren.

Integreer de R&R resultaten van de Gauge in uw SPC-workflow door:

  • Gebruik van de %GRR om de betrouwbaarheidsintervallen in vermogensstudies aan te passen.
  • Het vaststellen van eisen inzake de capaciteit van de leverancier in de documenten betreffende de kwalificatie van de leverancier.
  • Met inbegrip van validatie van het meetsysteem in controleplannen en PFMEA's.

Veel geavanceerde softwarepakketten voor SPC's (bv. Minitab, Statgraphics, InfinityQS) bieden modules aan die Gauge R&R rechtstreeks koppelen aan analyse van de procescapaciteit. Zie Minitabs Gauge R&R resources voor een praktische handleiding over de implementatie van SPC's met MSA.

Conclusie

Effectieve analyse van de Gauge R&R is een hoeksteen van de kwaliteitscontrole bij de productie. Door de meetvariabiliteit systematisch te scheiden van de variabiliteit in tardiviteit, reproduceerbaarheid en part-to-part variatie, kunnen kwaliteitsprofessionals objectief beoordelen of een meetsysteem geschikt is voor het beoogde doel. Dit artikel heeft een uitgebreid kader opgeleverd, van een gekruiste of geneste studie plannen tot het interpreteren van %GRR en ndc trynes die aansluiten bij de AIAG-normen en beste praktijken van ASQ en NIST.

Het uitvoeren van regelmatige, goed ontworpen R&R-studies van de Gauge vermindert de meetonzekerheid, minimaliseert het risico van het verzenden van niet-conforme producten en ondersteunt continue verbetering. In combinatie met robuuste SPC zorgt het ervoor dat beslissingen over procesaanpassingen, vermogensbeoordelingen en productacceptatie gebaseerd zijn op gegevens die u kunt vertrouwen. Maak van Gauge R&R een standaardonderdeel van uw kwaliteitssysteem, en uw productieprocessen zullen profiteren van lagere schrootpercentages, minder klachten van klanten en een sterkere proceskennis.