Влияние Gauge R&r на сокращение разрыва и переработки в производственных процессах

В современном производстве стремление к нулевым дефектам является одновременно финансовым императивом и конкурентным дифференциатором. Скрап и переработка представляют собой две самые большие скрытые затраты в производстве, непосредственно снижающие маржу прибыли и потребляющие ресурсы, которые в противном случае могли бы стимулировать инновации. В то время как многие усилия по улучшению сосредоточены на параметрах процесса и сырье, одним из часто упускаемых из виду виновником является сама система измерения. Неисправный датчик может превратить хороший продукт в ложный лом - или, что еще хуже, позволить дефектному продукту течь вниз по течению, вызывая обширные переделки или полевые сбои. Гаужная повторяемость и воспроизводимость (Gauge R & R) является наиболее широко принятым статистическим инструментом для выявления и количественной оценки вариации системы измерения. Систематично оценивая, сколько наблюдаемой вариации от части к части на самом деле связано с системой измерения, производители могут принимать решения, основанные на данных, которые непосредственно снижают ставки лома, минимизируют часы переработки и оттачивают общую структуру затрат.

Оригинальное название: Gauge R&R

Gauge R&R является основным компонентом измерительных систем анализа (MSA), дисциплины, формализованной отраслевыми стандартами, такими как Руководство по анализу измерительных систем Automotive Industry Action Group (AIAG).Фундаментальный вопрос, на который он отвечает: Сколько общего изменения, наблюдаемого в наборе измерений, вызвано самими частями, по сравнению с тем, сколько вызвано системой измерения? Система измерения включает в себя датчик, операторов, окружающую среду и процедуру измерения.

Вместе эти два компонента составляют «ошибку системы измерения». Цель состоит в том, чтобы эта ошибка была небольшой по сравнению с общей вариацией процесса и допуском к спецификации. Когда ошибка системы измерения слишком велика, способность отличать хорошие детали от плохих частей скомпрометирована, что приводит непосредственно к увеличению лома и переделки.

Повторяемость: предвзятость оборудования

Повторяемость отражает присущий ей «шум» или точность самого датчика. Даже в идеальных лабораторных условиях ни один инструмент не производит точно такое же считывание каждый раз. Источники вариации повторяемости включают электронный дрейф, механический износ, колебания температуры и ограничения разрешения. В типичном исследовании Gauge R&R оператор измеряет набор деталей несколько раз в случайном порядке. Вариабельность внутри-оператора по повторяемым измерениям является повторяемостью. Если этот компонент доминирует над общим R&R, датчик может потребовать перекалибровки или замены. Например, каллипер с изношенной челюстью может давать показания, которые варьируются на несколько десятых миллиметра на одной и той же части, в результате чего хорошие части могут быть отклонены (ошибка типа I) или плохие части пройти (ошибка типа II). Оба результата увеличивают отход и переделку: ложные сбои создают ненужный отход; пропущенные сбои позволяют переработать дефектный продукт или вызвать проблемы вниз по течению.

Воспроизводимость: эффект оператора

Воспроизводимость фиксирует вариацию, вносимую различными операторами, используя один и тот же датчик. Даже с помощью идеального инструмента люди вводят вариацию через различия в технике, интерпретации процедуры измерения или даже тонкие различия в том, как они применяют силу или читают дисплей. В одном документальном случае три оператора, измеряющие один и тот же диаметр повернутого вала, произвели показания, которые охватывали почти 40 процентов окна допуска. Коренная причина: каждый оператор держал каллипер под немного другим углом. Снижение этой вариации воспроизводимости требует стандартизации процедуры измерения и предоставления визуальных средств. Обучение оператора, четкие рабочие инструкции и периодические перекрестные проверки являются основными контрмерами. Когда воспроизводимость высока, одна и та же часть может быть измерена как «хорошая» одним оператором и «плохая» другим, вызывая ненужную переработку идеально соответствующих частей или позволяя отвергнутым частям проскальзывать как приемлемое.

Прямое влияние на Scrap и Rework

Связь между плохими результатами НИОКР и избыточным утилизацией или переработкой может быть определена количественно с использованием базовой вероятности. Если ошибка системы измерений составляет более 30% от общего изменения, риск неправильной классификации деталей становится экономически неприемлемым. Два типа неправильной классификации имеют различные профили затрат:

Как ошибки измерения приводят к скрабу

Ложные положительные результаты возникают, когда соответствующая часть измеряется как несоответствующая. Оператор или автоматизированная станция контроля отклоняет хорошую часть, которая затем списывается или, в лучшем случае, отправляется на переработку. В крупном производстве даже 1% ложноположительный коэффициент может переводиться в тысячи сломанных деталей в месяц. Для дорогих компонентов, таких как лопасти аэрокосмической турбины или имплантаты медицинского устройства, стоимость материала может быть ошеломляющей. Помимо прямой потери материала, ложноположительные также тратят время проверки и нарушают производственный поток. Комплексное исследование Gauge R &R показывает, имеет ли система измерения достаточное разрешение и стабильность, чтобы избежать этих ложных тревог. За счет снижения вариации повторяемости и воспроизводимости, ложноположительный коэффициент резко падает, и лоб уменьшается без каких-либо изменений в базовом процессе.

Как ошибки измерения приводят к переделке

Ложные негативы ещё более коварны. Дефектный продукт измеряется как «хороший» и проходит проверку. Затем он продолжает идти по линии, часто вводя последующие процессы, где дефект обнаруживается позже — или хуже, после отгрузки. Когда дефект вылавливается ниже по течению, деталь должна быть переработана, часто требуя разборки, переработки или переработки. Переработка потребляет труд, энергию и материалы, и она продлевает время выполнения. В многоступенчатых процессах дефект, который не обнаруживается в точке происхождения, может вызвать каскадную переработку на каждой последующей станции. Gauge R&R помогает определить первопричину этих ложных негативов: система измерения не обладает чувствительностью к обнаружению реальных сдвигов процесса. Улучшая %GRR (процент общего изменения, приписываемого датчику), производители могут уверенно устанавливать более жесткие ограничения контроля и улавливать проблемы раньше, резко сокращая циклы переработки.

Проведение исследования Gauge R&R

Для реализации преимуществ сокращения отходов и переработок исследование Gauge R&R должно быть спроектировано и выполнено правильно. Стандартная методология изложена в руководстве AIAG по MSA, в котором рекомендуется следующие шаги:

Выбор частей и операторов

Выберите репрезентативную выборку деталей, которые охватывают весь диапазон ожидаемых изменений процесса — в идеале 10 частей, которые включают предельные значения спецификации и среднее значение процесса. В ней должны участвовать по меньшей мере 2-3 оператора. Операторы должны быть теми, кто регулярно выполняет измерение. Случайность порядка измерения и частей для устранения эффектов обучения и смещения порядка. Каждый оператор измеряет каждую часть по меньшей мере 2-3 раза (часто 3 реплики используются для адекватного количества степеней свободы).

Методы сбора и анализа данных

Сбор данных должен происходить в нормальных условиях производства, а не в лаборатории. Два основных метода анализа являются Range Method (иногда называемый Short Method) и ANOVA Method. Метод ANOVA (Анализ вариации вариации от части к части) является предпочтительным, поскольку он может разделять повторяемость, воспроизводимость и частичное взаимодействие, а также может обнаруживать взаимодействие оператора по частям. Большинство статистических пакетов программного обеспечения (например, Minitab, JMP, R) включают специализированные модули анализа Gauge R&R. Ключевыми выводами являются стандартное отклонение повторяемости , воспроизводимость (σrepro) и комбинированный σGRR.

Результаты интерпретации: %GRR и ndc

Наиболее широко используемым показателем является %GRR, определяемый как отношение стандартного отклонения GRR либо к общему стандартному отклонению (вариантность процесса), либо к допуску спецификации.

  • %GRR < 10%: приемлема система измерений.
  • 10 % ≤ % GRR ≤ 30 %: условно приемлемо, может быть приемлемо в зависимости от применения, стоимости отказа и истории улучшения процесса.
  • %GRR > 30%: неприемлемо; необходимо приложить все усилия для улучшения системы измерений.

Другой важной метрикой является Число отдельных категорий (ndc), которое указывает, сколько отдельных групп может различить измерительная система. Желательно иметь ndc по меньшей мере 4; значения ниже 2 означают, что система едва различает различия между частями, что приводит к высоким показателям утилизации/переработки. Когда ndc низок, процесс по существу работает вслепую: одно и то же считывание может исходить от деталей, охватывающих весь диапазон допусков. Эта двусмысленность заставляет производителей использовать широкие диапазоны приемки, которые позволяют многим несоответствующим частям проходить (повышающиеся переделки), а также отклонять многие соответствующие части (повышающийся лом). Улучшение ndc даже одной категорией может оказывать измеримое влияние на урожайность.

Пример: сокращение отходов на 30% на автомобильном заводе

Рассмотрим поставщика автомобильных деталей среднего размера, который производил тормозные суппорты. Процесс производил около 20 000 деталей в смену, со скоростью утилизации 4,5% и скоростью переработки 7,2%. Стоимость каждой переработанной детали составляла 12 долларов, а каждая переработанная деталь стоила дополнительные 6 долларов в рабочей силе и расходных материалах. Исследование базового калибра Gauge R & R на первичной проверке диаметра показало 42% GRR (повторяемость 18%, воспроизводимость 24%). ndc был 1,9. Система измерения была явно точкой удушья. Операторы были обучены непоследовательно, и цифровые каллиперы не были перекалиброваны за шесть месяцев. Исследование первопричины выявило:

  • Используются две разные модели с каллипером с разным разрешением.
  • Стандартного крепежа нет — операторы держали детали наготове.
  • Температура окружающей среды колеблется до 10 ° C между дневными и ночными сменами.

Корректирующие действия включали: (1) приобретение двух одинаковых каллиперов с высоким разрешением и специального приспособления, (2) написание стандартной операционной процедуры с фотографиями, (3) обучение всех операторов в одной сессии с практической демонстрацией и (4) внедрение ежемесячного графика калибровки. Последующее исследование Gauge R & R три месяца спустя показало, что % GRR упал до 9,5%, а ndc вырос до 4,3. В течение следующего квартала показатель утилизации упал с 4,5% до 2,8%, а коэффициент переработки снизился с 7,2% до 4,1%. Ежегодная экономия превысила 640 000 долларов США. Этот случай иллюстрирует, что даже система измерения среднего уровня может быть самым большим фактором отходов - и что система Gauge R & R является диагностическим инструментом для разблокировки этих сбережений.

Лучшие практики для эффективной реализации Gauge R&R

Хотя одно исследование Gauge R&R может принести немедленную выгоду, реальная сила заключается в встраивании этого анализа в систему качества в качестве цикла непрерывного улучшения.

Обучение операторов и стандартизация

Вариация воспроизводимости почти всегда является проблемой обучения и коммуникации. Разработайте четкие, визуальные рабочие инструкции для каждого измерения. Используйте «атрибут» или «go/no-go» проверки экономно; по возможности, используйте переменные данные, которые позволяют более богатый статистический анализ. Проведите периодические межоператорские корреляционные исследования - например, попросите всех операторов измерить один и тот же набор деталей в один и тот же день и сравнить их результаты. Устраните любые расхождения немедленно. Это не только уменьшает изменение воспроизводимости, но и формирует собственность оператора на процесс измерения.

Регулярная сертификация каучуков

Повторяемость может увеличиваться с течением времени по мере износа датчиков, дрейфа электроники или ослабления механических деталей. Распространяется месячный график калибровки, но интервал должен руководствоваться данными тренда из повторных исследований Gauge R&R. Многие производители считают, что ежеквартальных исследований достаточно для стабильных процессов, но если %GRR начинает ползти дальше 15%, необходима перекалибровка или ремонт. Ведите журнал всех датчиков, их калибровочный статус и последние результаты Gauge R&R. Используйте этот журнал для определения приоритетности капитальных вложений: датчик, который последовательно показывает высокую вариацию повторяемости, должен быть заменен более стабильным инструментом.

Интеграция с системами улучшения процессов

Gauge R&R никогда не должна быть самостоятельным видом деятельности. Это необходимое условие для эффективного статистического управления процессами (SPC) и Lean Six Sigma. Перед использованием контрольных карт для мониторинга процесса, измерительная система должна иметь приемлемые ограничения Gauge R&R; в противном случае контрольные сигналы будут завышены, а сигналы из-под контроля могут быть ложными сигналами тревоги - или пропущены полностью. Аналогично, в проекте Six Sigma DMAIC исследование Gauge R&R является частью фазы «Измерение». Если система измерения неадекватна, любой последующий анализ данных ненадежен. Привязывая Gauge R&R непосредственно к сокращению событий Kaizen, производители могут создать добродетельный цикл: лучшее измерение → более точные данные → лучший анализ корневой причины → меньше дефектов → меньше отходов и переработок.

Пример: Связывание Gauge R&R с SPC

Предположим, что для управления критическим измерением используется диаграмма X-bar и R. Стандартное отклонение процесса составляет 0,5 мм, а допуск ± 1,5 мм. Измерительный датчик с %GRR 40% означает, что 40% наблюдаемого изменения является шумом измерения. Истинное изменение процесса поэтому меньше, чем предполагает диаграмма. Пределы управления становятся искусственно широкими, позволяя не обнаруживать сдвиги процесса. Со временем эти необнаруженные сдвиги производят части из толерантности, которые затем перерабатывают или сбрасываются большими партиями. Улучшая %GRR до менее чем 10%, пределы управления сужаются, сдвиги быстро улавливаются, и процесс может быть отрегулирован до накопления отходов.

Обычные подводные камни и как их избежать

Несмотря на доказанные преимущества, Gauge R&R часто неправильно применяется. Осознание распространенных ошибок помогает гарантировать, что анализ приводит к реальному сокращению лома, а не к вводящим в заблуждение результатам.

  • Используя только небольшое количество деталей: Меньше чем 5-8 частей часто недооценивают вариацию от части к части, искусственно раздувая %GRR. Используйте по меньшей мере 10 частей, которые охватывают диапазон процессов.
  • Выполнение исследования вне нормальных производственных условий:] Если операторы знают, что за ними наблюдают, они могут быть более осторожными, чем обычно, производя нереалистично низкий %GRR. «эффект Хоторна» может маскировать истинную производительность системы измерений. Проводить исследование во время регулярного сдвига, не объявляя об этом заранее.
  • Игнорирование взаимодействия оператора по частям: Метод ANOVA показывает, измеряют ли некоторые операторы одни части иначе, чем другие (например, оператор может бороться с частями вблизи верхнего предела). Этот термин взаимодействия часто является крупнейшим компонентом воспроизводимости.
  • Сосредоточение внимания только на %GRR и игнорирование ndc: %GRR в 12% при ndc в 2 всё ещё указывает на плохую способность к дискриминации.
  • Не предпринимая корректирующих действий после исследования: Цель состоит не только в том, чтобы сообщить о числе, но и в том, чтобы улучшить. Если %GRR высок, назначьте команду для исследования калибра, процедуры или обучения. Если он остается высоким после двух циклов, рассмотрите возможность замены системы измерения.

Заключение

Во многих организациях непропорционально большая доля отходов образуется не в процессе, а в системе измерений, используемой для его проверки. Gauge R&R обеспечивает математическую основу для различения истинной вариации процесса и шума измерения. Систематически уменьшая вариацию повторяемости и воспроизводимости, производители могут одновременно сокращать ложные отказы (scrap) и ложные утверждения (rework). Результаты ощутимы: более низкие материальные затраты, сокращение рабочего времени, более короткое время цикла и более высокая удовлетворенность клиентов.

Чтобы начать реализацию этих преимуществ, возьмите на себя обязательство регулярно проводить исследования Gauge R&R для всех критических характеристик качества. Инвестируйте в обучение операторов, стандартизированные процедуры и высококачественное оборудование. Используйте данные для достижения целевых улучшений и контролируйте влияние на показатели утилизации и переработки с течением времени. Когда вариация системы измерений падает ниже 10% от общей вариации процесса, завод получает четкое окно в свои истинные возможности - и путь к нулевым дефектам становится видимым. Путь начинается с одного исследования R&R; окупаемость инвестиций, как обнаружили бесчисленные производители, можно измерить в миллионах долларов отходов, которых удалось избежать.

Для дальнейшего чтения методологий и стандартов Gauge R&R обратитесь к руководству AIAG MSA и руководству ASQ по повторяемости и воспроизводимости образов . Для более глубокого статистического обсуждения Руководство по инженерной статистике NIST предлагает бесплатный, рецензируемый материал. А для практических программных инструментов см. модуль Minitab Gauge R&R , который широко используется в промышленности.