MBM Zarządzanie Jakością cz 3


2012-11-19
dr inż. Adam Jednoróg
Statystyczne sterowanie jakością
Zarządzanie Jakością
dr inż. Adam Jednoróg
- część III
1
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" ZARZDZANIE JAKOŚCI: " Zarządzanie jakością [PN-ISO 9000:2006]
 Koncepcje (TQM, Kaizen, Six Sigma, ISO 9000)
 skoordynowane działania dotyczące kierowania
 Metody
organizacją i jej nadzorowania w odniesieniu do
" Projektowania (QFD, FMEA, DOE, Robust design, TRIZ) jakości
Zarządzanie
" Sterowania i kontroli (SPC, Badanie zdolności, Kontrola
jakością
odbiorcza, Poka-Yoke, DOE, Shainin)
 Narzędzia Doskonalenie
Polityka jakości jakości
" Tradycyjne (histogram, arkusze, diagram Ishikawy,
i cele jakości
wykres Pareto, itd.)
Zapewnienie
" Nowe (diagray relacji, pokrewieństwa, macierze, & )
Planowanie
Sterowanie jakości
jakości
jakością
 działania ukierunkowanie na spełnienie wymagań organizacji
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
S
" zbiór działań wzajemnie powiązanych lub
Statystyczne Sterowanie Jakością
wzajemnie oddziałujących, które
Kontrola odbiorcza
Planowanie eksperymentów
przekształcają wejścia w wyjścia
wyrywkowa
(Design of Experiments  DOE)
(Acceptance Sampling)
[ISO 9000:2006]
Statystyczne Sterowanie Procesem
(Statistical Process Control  SPC)
Poszukiwanie X1 Y1
Decyzja o optymalnych
X2 Y2
PROCES
przyjęciu lub parametrów
Ocena stabilności
odrzuceniu partii wyrobu lub
i zdolności
Y=f(X)
na podstawie procesu
procesów
próbki
Ym
(decyzja o
Xn
korekcji procesu)
6
1
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
"  Podejmowanie decyzji na podstawie faktów
[ISO 9000:2006]  jedna z zasad zarządzania GAOS PROCESU
GAOS KLIENTA
jakością
 Potrzebne dane, aby:
"  wsłuchać się w  głos procesu
" zdobyć wiedzę o procesie
" zrozumieć jak oddziaływać na proces, jeśli zajdzie taka - ??? - Wymagania
potrzeba
- Specyfikacje
" sformułować teorie o relacjach przyczynowo-skutkowych
Usłyszeć  głos procesu
" ocenić teorie o relacjach przyczynowo-skutkowych
i odnieść go do  głosu klienta 
CHARAKTERYSTYKA PROCESU
7 8
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
30
mm
kg
25
PLN
czas
20
pH
WIP
15
10
?
5
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
" Eksperyment Deminga z lejkiem
" Kulki wypadają z lejka, który można ustawić nad dowolnym punktem stołu
t " Wysokość lejka nad stołem jest stała
" Czy możliwe są takie wyniki procesu?
9 10
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Nie ma dwóch takich samych rzeczy
" Każdemu zjawisku, każdemu procesowi towarzyszą
zmienności (rozproszenia)
Losowe
rozproszenie
punktów
Zakłócenia
wokół
wartości Yn
X1
zadanej
t
t
Wyjście 1
Wejście 1
Process
Xn
System
t
Wyjście m
Wejście n
Ą Wyniki doświadczenia
11 12
2
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Co można powiedzieć o tym procesie?
" Przy podejmowaniu decyzji o regulacji procesu
należy odpowiedzieć na pytanie:
Gdy
tolerancja
Czy w zaobserwowanych danych nastąpiła
jest taka
istotna zmiana?
A co, gdy
" Aby mieć możliwość dostrzegania istotnych
tolerancja
jest taka?
zmian w procesie należy
myśleć statystycznie
Tu chyba trzeba (ang. statistical thinking)
dokonać regulacji
procesu?
13 14
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Literatura
Obserwacja procesu
Eksperyment
Dane
PROCES ZMIENNOŚĆ DANE NARZDZIA
Fakty
STATYSTYCZNE
Myślenie statystyczne
MYŚLENIE NARZDZIA
jako katalizator!
STATYSTYCZNE STATYSTYCZNE
Teoria
Hipotezy
Przypuszczenia
Zrozumieć naturę
Pomysły
zmienności
Modele
procesu!!!
Ą Proces zdobywania wiedzy rozumianej jako
znajomość relacji przyczynowo-skutkowych
15 16
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Granica naturalnej Granica naturalnej
zmienności zmienności
Badana Badana
Linia centralna Linia centralna
właściwość właściwość
Granica naturalnej Granica naturalnej
zmienności zmienności
Czas Czas
" Naturalne, charakterystyczne dla danego procesu
" Istotne zmiany w procesie
" Zawsze występują, ale mogą być redukowane
" Powodują je przyczyny wyznaczalne
" Powodowane przez przyczyny niewyznaczalne
" Stan statystycznie stabilny = przewidywalny " Stan statystycznie niestabilny = nieprzewidywalny
17 18
3
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Znajomość charakteru zmienności procesu
" NIE opieraj swoich decyzji
pozwala skierować działania naprawcze we
na pojedynczych wynikach
właściwym kierunku
" NIE opieraj swoich decyzji
" Przyczyny specjalne (problemy dorazne)
na porównaniu jedynie dwóch wyników
 Mogą być usunięte wskutek działań o
" NIE dziw się, że jeden wynik różni się od
charakterze lokalnym
drugiego
" Przyczyny losowe (problemy chroniczne)
" Jeśli proces jest STABILNY odrzucaj pokusę
konieczności poszukiwania przyczyn tej
 Mogą być usunięte wskutek działań o
różnicy wyników
charakterze systemowym
 Wymagają zaangażowania kierownictwa
19 20
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
problemy sporadyczne
" Deming
działania dorazne
 94% problemów to skutek działań o
charakterze systemowym
 6% problemów to skutek działań o charakterze
lokalnym
" Podobne obserwacje poczynił Juran
doskonalenie
 85%  management controllable
 15%  worker controllable
problemy chroniczne
" Problemy chroniczne (charakter losowy)
wymagają działań systemowych (głębokich
zmian)
Czas
21 22
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Stan statystycznej stabilności nie jest
" Regulacja procesu, jeśli jest on w stanie
naturalnym stanem procesów!!!
statystycznie stabilnym, prowadzi do
zwiększenia jego zmienności lub destabilizacji -
zjawisko przeregulowania " Doprowadzenie i utrzymanie procesów w
stanie statystycznej stabilności , to rezultat
" Zanim zaczniesz proponować rozwiązania
zamierzonych działań mających na celu
w projekcie doskonalącym, przekonaj się, czy
eliminację przyczyn specjalnych i reddukcję
zmiany czynnika, którym chcesz regulować
zmienności
proces nie doprowadzą do jego
(Deming)
przeregulowania
23 24
4
Niezgodności (PPM, DPMO, ...)
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Metody oceny
" Jak odróżnić dwa stany procesu?
" Kiedy zmiany w procesie są na tyle istotne,
aby podjąć decyzję o jego regulacji?
" Potrzebna jest wiedza do modelowania
zmienności procesu i podejmowania na tej
podstawie:
Metoda liczbowa Metoda alternatywna
 Decyzji diagnostycznych
Rejestrowanie występowania
Mierzenie i rejestrowanie wartości
(JAK JEST? vs. JAK BYAO?)
pewnej cechy (atrybutu) w każdej
liczbowych właściwości jakościowej
jednostce należącej do
każdej jednostki należącej do
 Decyzji predykcyjnych (JAK BDZIE?)
rozpatrywanego zbioru i zliczanie
rozpatrywanego zbioru
jednostek posiadających tę cechę
lub zliczanie takich przypadków
występujących w jednostce, grupie
jednostek
25
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Metody oceny Ą Podstawowe statystyki opisowe
- średnia
Położenie
- mediana
(tendencja centralna)
- dominanta (wartość modalna)
OCENA OCENA
- rozstęp
LICZBOWA ALTERNATYWNA
- odchylenie standardowe
Rozproszenie
(błąd standardowy)
Skala  ciągła Skala dwustopniowa (dyspersja)
- odchylenie ćwiartkowe
10.2
- wariancja
TAK NIE
10.1 Asymetria - asymetria
Wiele poziomów
jakości ZGODNY NIEZGODNY
Koncentracja,
10.0 - kurtoza
spłaszczenie rozkładu
JEST NIE MA
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Miary położenia: Ą Miary rozproszenia:
" Wartość średnia arytmetyczna (środek ciężkości " Rozstęp (R  ang.Range)
rozkładu)  ang. Mean
n  Różnica między maksymalną i minimalną wartością
xi w próbce

i=1
 Prosty w obliczeniach, ale może dawać złe wyniki w
x =
n
przypadku występowania tzw. wartości oddalonych
(ang. Outlier)
Ą Wartość modalna (dominanta)  wartość, która
" Odchylenie standardowe (s  ang. Standard
występuje w rozkładzie najczęściej (moda)
deviation)
ż Może być kilka wartości modalnych
n
Ą Mediana (wartość środkowa)  dzieli rozkład na - x)2
(xi
i=1
s s =
połowę
n -1
Ą Wariancja s2  kwadrat odchylenia std.
5
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Histogram of C2
Ą Histogram  rozkład empiryczny
30
" Histogram zbudowany na
25
podstawie danych z próbki
" Wyniki obserwacji: x1, x2, x3, ..., xn
20
pobranej z procesu lub
15
populacji nazywany jest
" Tworzymy szereg rozdzielczy:
10
ROZKAADEM EMPIRYCZNYM
5
 ustalenie liczby klas
0
Histogram of C2
15,60 15,75 15,90 16,05 16,20 16,35
Normal
C2
 nie istnieje jedno kryterium wyboru liczby klas, można
Mean 16,01
30
StDev 0,1561
N 190
Ą Do rozkładu teoretycznego przyjąć np. k = n
25
można dopasować jeden z
 określenie szerokości przedziału
20
wielu dostępnych w
15
 pogrupowanie wyników w klasy
statystyce ROZKAADÓW
10
TEORETYCZNYCH
5
0 Liczba klas ma wpływ na wyniki analizy!
15,60 15,75 15,90 16,05 16,20 16,35
C2
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Przyjęcie założenia, że rozkład wartości
Ą Przykład histogramu
Histogram
badanej charakterystyki odpowiada
14
określonemu ROZKAADOWI TEORETYCZNEMU
12
pomaga:
10
8  w analizie danych
6
 w wyciąganiu wniosków
4
 w przewidywaniu wyników
2
 w wyznaczaniu granic zmienności własnej procesu
0
19,8 19,9 20,0 20,1 20,2
Średnica
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Rozkład normalny - właściwości
" Rozkład normalny właściwości
" Jest rozkładem błędów losowych
" Stanowi podstawę do konstruowania
Wartość średnia
metod wnioskowania statystycznego
" Jest rozkładem granicznym dla wszystkich
innych rozkładów
" Opisuje go funkcja gęstości: 1 (x - m)2
68.3%
f(x) = exp-
ż
s 2p 2s2

95.4%
Ą Właściwości:
99.73%
ż Kształtem przypomina symetryczny dzwon
ż Ma jeden wierzchołek dla wartości dla wartości oczekiwanej
-3s -2s -1s m +1s +2s +3s
E(x)=m f(x=m)=0.3989
Prawie wszystkie pomiary powinny mieścić się w tym zakresie
ż Wariancja V(X)=s2
6
Frequency
Frequency
Częstość
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Analiza histogramu - przykład Ą Analiza histogramu - przykład
Dolna Wartość Górna
tolerancja nominalna tolerancja
Komentarz: & & & & & & & & & & & & & & & & & & & & & & & & & & & Komentarz: & & & & & & & & & & & & & & & & & & & & & & & & & & &
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Analiza histogramu - przykład Ą Analiza histogramu - przykład
Komentarz: & & & & & & & & & & & & & & & & & & & & & & & & & & & Komentarz: & & & & & & & & & & & & & & & & & & & & & & & & & & &
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Stan statystycznie stabilny (uregulowany) " Stan statystycznie niestabilny (nieuregulowany)
 zmienność własna procesu (naturalna, szum)  zmienność całkowita procesu
Działanie
przyczyn
specjalnych
41 42
7
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Cel kart kontrolnych Shewharta :
" Karty kontrolne Shewharta pomagają:
 Porównać stan bieżący stan procesu ze
 Wstępnie ocenić stan procesu.
zmiennością własną procesu, a
 Wykryć stany niestabilności procesu i wyeliminować ich
przyczyny.
NIE TYLKO ZE SPECYFIKACJAMI!
 Ustabilizować proces.
 Odróżnić to co losowe w procesie
 Utrzymać proces w stanie statystycznie stabilnym
od tego co jest specjalne
(zapewnić status quo)
 Jak najszybciej wykryć nienaturalne zmienności
 Redukować zmienność procesu.
procesu
43 44
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
X - R
Ą Schemat karty kontrolnej Shewharta Xśr-R
" Karta kontrolna to test hipotezy o tym,
czy proces jest w stanie statystycznie
UCL = X + A2 R
stabilnym
X
X
X
H0: stan statystycznie stabilny
LCL = X - A2 R
Czas
H1: stan statystycznie niestabilny
Ą lub
UCL = D4 R
H0: nie ma statystycznie istotnych zmian R
R
X
LCL = D3 R
H1: są statystycznie istotne zmiany
Czas
45 46
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Analiza karty kontrolnej Shewharta Xśr-R Ą Zmiana granic karty kontrolnej Shewharta Xśr-R
Działanie przycyzn
Działanie przyczyn
Wstępne Zauw ażalna popraw a Now e granice
specj alnych
specj alnych Porównyw anie z
monitorow anie procesu kontrolne dla
punkty poza granicami
nielosow y przebieg, w zór
granicami kontrolnymi
procesu Zmniej szenie rozrzutu następnej karty
kontrolnymi
Górna granica kontorlna (UCL)
Linia
centralna
Przedłużenie nowych
granic kontrolnych
Usprawnienie
Przedłużanie granic
Dolna granica kontrolna (LCL)
procesu
1 2 3 4 5 6 7 8 9 10
47 48
8
Cecha jakościowa
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Doskonalenie procesu w wyniku redukcji
Ciągłe doskonalenie jakości,
Ą UWAGA!
minimalizowanie zakłóceń
zmienności i stabilizacji procesu
losowych
KARTY KONTROLNE POKAZUJ
Ocena zdolności, analiza zródeł
KIEDY S PODSATWY DO TEGO,
występowania zakłóceń losowych,
podjęcie działań ulepszających
BY PODEJRZEWAĆ, ŻE PROCES
Identyfikacja zakłóceń specjalnych, ich
przyczyn, podjęcie działań
WYSZEDA SPOD KONTROLI
korygujących, obliczanie granic
kontrolnych
(JEST NIESTABILNY)
Zakłócenia specjalne
wyeliminowane
Stwierdzenie przyczyn takiego stanu wymaga
zastosowania innych dodatkowych narzędzi
rozwiązywania problemów i znajomości
Analiza zebranych danych, proces poza kontrolą,
procesu
występowanie zakłóceń specjalnych
Zbieranie informacji o procesie, pomiary, wykreślanie
punktów na karcie
49 50
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
" Wskaznik zdolności procesu
Ą Wskaznik zdolności potencjalnej procesu Cp
GAOS KLIENTA
GAOS PROCESU
- Obraz
DT GT
- Wymagania T
statystyczny
- Specyfikacje
6s
T GT - DT
Wskaznik zdolności procesu pokazuje jaka jest relacja
C = =
p
między  głosem klienta a  głosem procesu 6s 6s
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
Ą Czy wskaznik procesu Cp mówi wszystko? Ą Wskaznik zdolności rzeczywistej procesu Cpk
Cp = 1.0
w = 2700 PPM
X
DT GT
T
Cp = & & &
3s 3s
w = & & & ...
ć
GT - x x - DT
" Wskaznik zdolności potencjalnej Cp uwzględnia wielkość rozproszenia
C = min ,
pk

3s 3s
procesu ale nie uwzględnia położenia rozkładu procesu
Ł ł
" Sama wartość Cp nie mówi nam wszystkiego zdolności procesie
9
S
A
CZ
2012-11-19
Statystyczne sterowanie jakością Statystyczne sterowanie jakością
zdolność procesu
potencjalna rzeczywista " Kontrola odbiorcza wyrywkowa
Cp=1,5 Cpk=1,5
Ą Zależność między
 To kontrola wyrywkowa, w której podejmuje się
wskaznikami Cp i Cpk
decyzje o przyjęciu lub nieprzyjęciu partii (lub
Cp=1,5 Cpk=1
innej grupy wyrobów) na podstawie wyników
Cp=1,5 Cpk<1
badania próbki bądz próbek pobranych z tej partii
[PN-ISO 3534-2:1994]
UWAGA!
Cp=1,5 Cpk=0
Tę samą wartość wskaznika Cpk można
uzyskać przez:
Przyjęcie
- Zmniejszenie Cp, tzn. zmniejszenie
Cp=1,5 Cpk<0
partii
rozproszenia s
- zmniejszenie odchylenia wartości średniej
Decyzja
Cpk=-1 od środka pola tolerancji
Cp=1,5
dolna granica górna granica Odrzucenie
tolerancji tolerancji
Wartość nominalna
Próbka partii
Wartość średnia procesu
Partia wyrobu
Literatura:
" A.Hamrol   Zarządzanie Jakością z
przykładami
Metoda FMEA
" PN-ISO 7870:2006, Karty kontrolne -- Ogólne
wytyczne i wprowadzenie
" PN-ISO 8258:1996, Karty kontrolne Shewharta
dr inż. Adam Jednoróg
Metoda FMEA Metoda FMEA
" FMEA a systemy zarządzania jakością
" Terminologia
normy
ISO 9000:2006
[Norma PN-ISO 9001:2008]
10
2012-11-19
Metoda FMEA Metoda FMEA
" Wymagania normy PN-ISO 9001:2008 " Wymagania normy PN-ISO 9001:2008
[Norma PN-ISO 9001:2008]
[Norma PN-ISO 9001:2008]
Metoda FMEA Metoda FMEA
" Czy takie działania są potrzebne? " Czy takie działania są potrzebne?
Metoda FMEA Metoda FMEA
" FMEA  Failure Mode and Effects Analysis
" FMEA to usystematyzowany zbiór działań,
" FMEA  analiza rodzajów błędów i ich efektów
które mają na celu:
" Główne zadania FMEA:
 przewidzenie potencjalnych  czarnych
 określenie potencjalnych rodzajów błędów
scenariuszy
 określenie skutków potencjalnych błędów
(czy potencjalnych skutków błędów)
 Wyłonienie spośród nich największych
 określenie przyczyn potencjalnych błędów
zagrożeń
(czy potencjalnych przyczyn błędów)
 Wypracowanie zdolności do ich
" Cel:
 rozpoznać i oszacować ryzyko i słabe punkty wyrobu przezwyciężania
możliwie jak najszybciej, aby dać szansę na wprowadzenie
 Udokumentowanie powyższego procesu
działań korygujących lub zapobiegawczych
11
2012-11-19
Metoda FMEA Metoda FMEA
" Historia: " Dlaczego FMEA?
 1963  Apollo projekt (NASA, USA)  wzrost wymagań jakościowych
 1965 - przemysł lotniczy i kosmiczny - American  nowe prawne ograniczenia (odpowiedzialność
Military Standard MIL-STD-1629A (zródło dla wielu producenta za wyrób)
dokumentów)
 wzrost złożoności wyrobów
 1975  przemysł nuklearny
 wymagania obniżania kosztów
 1978 Ford  pierwszy użył FMEA jako metodę
 krótsze czasy rozwoju wyrobu
zapewnienia jakości
 rosące wymagania zw. z ekologią
 lata 80-te  rozpowszechnianie metody
Metoda FMEA Metoda FMEA
" FMEA to ANALIZA!!!
FMEA
" To typowy przykład strukturalnego i
systematycznego podejścia do analizy sytuacji
Praca zespołowa Procedura
" To analiza  krok po kroku , która powinna
postępowania
uwzględnić wszystkie możliwości
" Udokumentowana analiza FMEA, to cenny
Zespół
Formularz
interdyscyplinarny
zbiór wiedzy o wyrobie, procesie
Narzędzia
FMEA
Mapa procesu
Ishikawa
Pięć dlaczego (5 Why)
itp..
Metoda FMEA Metoda FMEA
" Rodzaje FMEA
" Główne składniki FMEA
Przyczyna Wada Skutek
FMEA Części
FMEA Systemu FMEA Podsystemu
Wystąpienie Wykrywalność Dotkliwość
FMEA Procesu Montażu FMEA Procesu Montażu FMEA Procesu
12
Design FMEA
Process FMEA
2012-11-19
Metoda FMEA Metoda FMEA
PUNKTACJA WYSTPIENIE DOTKLIWOŚĆ WYKRYWALNOŚĆ
" Główne składniki FMEA
1 Prawie nigdy Niezauważalna Całkowicie oczywista
FUNKCJA
Czasami Niezadowolenie Widoczna, ale może
pozostać niezauważona
RODZAJ WADY
10 Często Poważny skutek Nie do wykrycia
POTENCJALNE
SKUTKI
PRZYCZYNY
Metoda FMEA Metoda FMEA
" Okreśalnie ryzyka
Ą Określenie dotkliwości
" Liczba priorytetowa ryzyka (ang. Risk Priority
Skutek Kryteria Uciażliwość
Może zagrozić bezpieczeństwu
Number)
Niebezpieczeństwo 10, 9
operatora
 ma wskazać te elementy systemu, które wymagają
produkt nie działa, utrata
wysoki podstawowej funkcji 100% 8,7
w pierwszej kolejności działań doskonalących
wadliwości
Część produkcji do złomowania,
średni 6
część do naprawy
niski 100% produkcji można poprawić 5
LPR = DOT WYK WYS
bardzo niski, drobny wada łatwa do wykrycia i naprawy 4,3,2
brak brak niepożądanych efektów 1
Metoda FMEA Metoda FMEA
Ą Określenie występowalności Ą Określenie wykrywalności
Prawdopodobieństwo
Pkt Opis
Opis
wykrycia
Pkt Wystąpienie
Prawie pewne, że bieżące kontrole wykryją potencjalną przyczynę wady /
FMEA wyrobu / konstrukcji FMEA procesu 1 Prawie absolutne
wadę
Wada prawie wykluczona;
B. duża szansa, że bieżące kontrole wykryją potencjalną przyczynę wady /
2 Bardzo duże
1 Nieprawdopodobne Niewielka możliwość wystąpienia wady w porównywalnych procesach nie
wadę
występuje
Duża szansa, że bieżące kontrole wykryją potencjalną przyczynę wady / wadę
3 Duże
2 Bardzo rzadko Niska możliwość wystąpienia Proces pod stałą kontrolą (Cp>1,33)
Średnio duża szansa, że bieżące kontrole wykryją potencjalną przyczynę wady
4 Średnio duże
3 Rzadko Niska możliwość wystąpienia Proces pod stałą kontrolą (Cp>1,00)
/ wadę
Średnia szansa, że bieżące kontrole wykryją potencjalną przyczynę wady /
5 Średnie
4 Przeciętnie Umiarkowana możliwość wystąpienia
wadę
Proces porównywalny z podobnymi, w
Mała szansa, że bieżące kontrole wykryją potencjalną przyczynę wady / wadę
6 Małe
5 Przeciętnie Umiarkowana możliwość wystąpienia których wada czasami się pojawiała
(Cp<1,00)
B. mała szansa, że bieżące kontrole wykryją potencjalną przyczynę wady /
7 Bardzo małe
6 Przeciętnie Możliwa znacząca liczba wad
wadę
Niewielka szansa, że bieżące kontrole wykryją potencjalną przyczynę wady /
7 Często Wysoka możliwość wystąpienia 8 Niewielkie
Proces nie jest pod statystyczną
wadę
kontrolą
8 Często Wysoka możliwość wystąpienia Znikoma szansa, że bieżące kontrole wykryją potencjalną przyczynę wady /
9 Znikome
wadę
9 Bardzo często Bardzo wysoka możliwość wystąpienia
Bieżące kontrole nie są stosowane lub nie wykryją lub mogą nie wykryć
10 Absolutna pewność
Wady prawie nie da się usunąć
potencjalnej przyczyny wady / wady
niewykrycia
10 Bardzo często Niemal pewne wystąpienie wielu wad
13
RYZYKO
2012-11-19
Metoda FMEA
" Formularz FMEA
Ą Powiązania między rodzajami FMEA
Defekt Błąd wymiaru
Niezadowolony klient Wada wyrobu Wada zespołu Wadliwa część
Błąd działań TPM
systemu geometrycznego
Zespół Tuleja Tuleja
Klient Wózek widłowy Blok sterujący Maszyna+serwisant
rozdzielacza rozdzielacza rozdzielacza
Skutek Błędu Rodzaj Błędu Przyczyna Błędu
ANALIZA KONSTRUKCYJNA FMEA SYSTEMU
Skutek Błędu Rodzaj Błędu Przyczyna Błędu
ANALIZA KONSTRUKCYJAN FMEA WYROBU
Skutek Błędu Rodzaj Błędu Przyczyna Błędu
ANALIZA KONSTRUKCYJNA FMEA ZESPOAU
Skutek Błędu Rodzaj Błędu Przyczyna Błędu
ANALIZA KONSTRUKCYJNA FMEA CZŚCI
Skutek Błędu Rodzaj Błędu Przyczyna Błędu
ANALIZA FMEA PROCESU
[Dzięki uprzejmości Sauer-Danfoss Sp. z o.o. Wrocław]
Metoda FMEA
Metoda FMEA
Numer FMEA Numer FMEA
System Tylne drzwi ANLIZA PRZYCZYN I SKUT KÓW WAD 1234 ANLIZA PRZYCZYN I SKUTKÓW WAD 1234
(FMEA KONST RUKCJI) (FMEA PROCESU)
x Strona 1 / 1 Strona 1 / 1
Podsystem Siłownik gazowy
Element systemu Odpowiedzialny za konstrukcjęIreneusz Borkowski - Gł. konstruktor Sporządził T.Kowalski (lider) - BiR 320 29 88, Pozycja Czop końcowy, cylinder Odpowiedzial ny za proces Ireneusz Borkow ski - Gł. technolog Sporządził T.Kowalski (lider) - BiR 320 29 88,
Rok modelu/pojazdu 199x/Lion Data 02.03.98 Data FMEA (org.)8x.03.02 (poprawki) 8x.07.14 Rok modelu/pojazdu 199x/Lion Data 02.03.98 Data FMEA (org.)8x.03.02 (poprawki) 8x.07.14
Zespół odpowiedzialnych T.Kow alski (lider) - BiR 320 29 88, E.Mądro (protokolant) - Produk. 320 78 43, B. Komorowski - Jakość 320 77 86, I. Waszkow ski - Serw . 320 45 Zespół odpowiedzialnych T.Kowalski (lider) - BiR 320 29 88, E.Mądro (protokolant) - Produk. 320 78 43, B. Komorowski - Jakość 320 77 86, I. Waszkowski - Serw. 320 45
93, T. Dymkow ski - Inżyni er. 320 99 44 93, T. Dymkowski - Inżynier. 320 99 44
Pozycja Wyniki działań Funkcja Wyniki działań
Rodzaj D Potencjalna W Bieżąca kontrola / W L Odpowiedzialny Rodzaj D Potencjalna W Bieżąca kontrola / W L Odpowiedzialny
procesu
Potencjalne skutki C Zalecane dział Potencjalne skutki C Zalecane
D W W L D W W L
potencjalnej O przy czyna / Y weryfikacja Y P i data zakoń potencjalnej O przyczyna / Y weryfikacja Y P i data
wady E działani e(a) Podjęte
wady E anie(a) Podjęte O Y Y P O Y Y P
wady T mechanizm wady S konstrukcji K R czenia wady T mechanizm wady S konstrukcji K R zakończenia
Funkcja działania T S K R Wymagania dział ania T S K R
1. GS 1359 spaw za długi 2 test spoiny 3 54 Dodatkowe J. Maślanka Przeliczo- 9 1 3 27 1. 1. części nie 1.1. odrzucenie po Analiza J. Maślanka zmniej-
Średnica czopu test ciśnienia oraz
Czop przeliczenia 01.02.98 ne Zespawanie zespawane teście ciśnieni a doskonalenia 01.02.98 8 1 1 8
szono
poniżej karty kontrolne
ograniczj ący 1. brak 9 wytrzyma- czopu 8 2 1 16
procesu zmien-
drzwi nie pozostają specyfiakcji (SPC)
szczelności z łościowe końcowego z toczenia ność o
otwarte
utrzymać olej i cylindrem cylindrem czopu 20%
test spoiny 3 54 Dodatkowe J. Maślanka Przeliczo- 9 1 3 27
gaz w
2 przeliczenia 01.02.98 ne
cylindrze spaw za krótki (zapewnić
wytrzyma-
szczelność
łościowe
cylindra)
2. wadliwy 2.1 odrzucenie po
test ciśnienia oraz
parametry DOE oraz
spaw teście ciśnieni a J. Jenerał określono
tolerancja karty kontrolne
8 spawania poza 3 2 48 dobranie
25.01.98 kluczowe
Ustalić za J. Jenerał 8 2 1 16 (SPC) 8 2 1 16
określona
2. GS 12660 1. niskie ciś drzwi zamykają się test sprężania 16 specyfikacj ą parametrów
8 za mała średnica i dł pomocą DOE 25.01.98 czynniki i
2 1
Tłok nienie zbyt łatwo ugość USL i LSL ich
wartości
sprężanie
Ustalić za J. Jenerał 8 2 1 16 Wprowadzenie J. Jenerał 8
olej/gaz 3. wadliwy 3.1 niskie ciśnienie, parametry test ciśnienia oraz 2 1 16
2. wysokie ciś utrudnione 2 tolerancja wdrożono
za duża średnica i dł pomocą DOE 25.01.98 spaw opadanie drzwi spawania poza karty kontrolne
kontroli 25.01.98
test sprężania
1
nienie zamykanie drzwi 8 ugość 16 określona 10 2 60 operację
USL i LSL ostatecznej na
3
specyfikacją (SPC)
kontroli
operacji
montażu
Zapobieganie błędom
" Czy zdarzyło się Pani/Panu coś takiego:
 jechać do pracy i nie pamiętać o tym?
 zapomnieć, gdzie zaparkowany został
Zapobieganie błędom
samochód?
 wyjść z domu i nie pamiętać czy zamknięte
dr inż. Adam Jednoróg zostały drzwi lub wyłączone żelazko?
 wrócić do domu z pracy zapominając wstąpić
po drodze do sklepu?
 itp.
DLACZEGO?
14
2012-11-19
Zapobieganie błędom Zapobieganie błędom
" Takie błędy zdarzają się również pracownikom
" Błędy ludzkie:
 dlaczego?
 Losowe ze swej natury i niemożliwe do wykrycia za
 Rutyna
pomocą metod statystycznych (SPC)
 Automatyzm wykonywania pewnych działań
 Ludzie mają trudności ze skupieniem uwagi przy
 Oczywistość pewnych działań
wykonywaniu powtarzalnych czynności
(działanie na tzw. autopilocie)
" Prowadzi to często do pojawiania się
 Pomyłki wynikają z chwilowej nieuwagi lub
zaskakujących, czasami wręcz
nieumyślnych działań
nieprawdopodobnych błędów
Zapobieganie błędom Zapobieganie błędom
" Co zrobić w sytuacji, gdy popełnianie błędów
" Shigeo Shingo (1909-1990)
przez ludzi należy uznać za coś normalnego
" Jeden z twórców Systemu
( Kto nic nie robi, nie popełnia błędów )
Produkcji Toyoty (ang. Toyota
 Można wymagać od pracowników ostrożności
Production System)
Bądz ostrożny! Patrz co robisz!
" Twórca systemu SMED (Single
 Można straszyć, karać, grozić Minute Exchange of Die) - redukcja
czasu przezbrojeń
 Można a wręcz trzeba wspomagać
przez eliminację okazji do popełnienia błędów " Pomysłodawca tzw. rozwiązań
Poka-Yoke
Jak?
(ang. Mistake proofing)
Zapobieganie błędom Zapobieganie błędom
" Kontrola informacyjna
" Kontrola oceniająca
(ang. Informative inspection)
(ang. Judgement inspection)
 Cel: pozyskanie danych o procesie poprzez
 Cel: wykrycie niezgodności
kontrolę wyrobów w celu wykrycia stanów
 Przykład: kontrola odbiorcza, której celem jest wykrycie i
niestabilności procesu
odseparowanie jednostek niezgodnych (braków)
 Dostarcza więcej informacji o procesie i stąd daje
 Zakłada tzw. akceptowalnego poziomu jakości
większą szansę wykrycia przyczyn
 Dopuszcza określony poziom jednostek niezgodnych
 Informacja o niezgodności pojawia się po jej
  jeśli ktoś chce obniżyć poziom braków, to tego rodzaju wystąpieniu (po fakcie)
kontrola nie ma zupełnie żadnej wartości (Shigeo Shingo) " Przykłady - Statystyczne Sterowanie Procesem (SPC),
Kontrola sekwencyjna (ang. Successive checks)
Samokontrola (ang. Self-checks)
15
2012-11-19
Zapobieganie błędom Zapobieganie błędom
" Shingo krytykował oba rodzaje kontroli, bo
" Można zastosować
dopuszczały one możliwość pojawienia się
kontrolę odbiorczą 100%,
błędów w procesie produkcji
która będzie w 100% skuteczna
" Potrzebna jest metoda, która pozwoli:
" Problemy:
 zapobiegać pojawieniu się błędów
 jest to dosyć drogie rozwiązanie
 w przypadku pojawienia się błędu
 działania korygujące będą pojawiały się zbyt pózno
" umożliwi szybie ich wykrycie (pojawienie się błędu ma
 możliwość dużych strat zanim pojawi się interwencja
być łatwo wykrywalne)
" i szybkie usunięcie przyczyny
 trudno zapewnić 100% skuteczność kontroli
Ą Rozwiązaniem jest:
KONTOLA U yRÓDEA BADÓW!!!
CELEM JEST ZERO BADÓW !!!
Zapobieganie błędom Zapobieganie błędom
Niezgodności nie
występują!!!
" Kontrola u zródeł
Niezgodności
wykrywane po
(ang. Source inspection)
dokonaniu błędu
Niezgodności
wykrywane na
" Kontrola u zródła określa  przed faktem czy zaistniały
końcu linii
warunki konieczne dla wykonania bezbłędnej czynności
Kontrola u
zródeł " Kontrola u zródła jest realizowana za pomocą urządzeń
Poka-Yoke (ang. Mistake proofing)
" Urządzenia Poka-Yoke kontrolują PROCES a nie WYRÓB
Kontrola
informacyjna
Kontrola
oceniająca
Rodzaj kontroli
Zapobieganie błędom Zapobieganie błędom
Kontrola
Kontrola oceniająca
Samokontrola
sekwencyjna
Niezgodność
Niezgodność
Poka Niezgodność
Yoke
PREWENCYJNE DETEKCYJNE
w przypadku pojawienia się
zapobieganie przed
Błąd
błędu
wystąpieniem błędów
" umożliwi szybkie ich wykrycie
(pojawienie się błędu ma być
PARTIA
łatwo wykrywalne)
WYRÓB
PROCES 1 PROCES 2
WYROBÓW
" szybkie usunięcie przyczyny
16
Skuteczność
Przyczyny błędu
(warunki dla zaistnienia błędu)
2012-11-19
Zapobieganie błędom Zapobieganie błędom
" Rodzaje Poka-Yoke: " Poka-Yoke  metoda kontaktu
 Funkcje regulacyjne (regulatory functions)  Wykrywanie nieprawidłowości w postaci zmian
kształtu, wagi, temperatury
" metody kontroli/sterowania (control methods)
" metody ostrzegania (warning methods)
 Przykłady:
 Funkcje ustawiające (setting functions) " Oprzyrządowanie, w którym są elementy mechaniczne
(wypustki, bolce), które uniemożliwiają niewłaściwe
" metody kontaktu (contact methods)
zamontowanie elementu
" metody ustalonej wielkości (fixed value methods)
" Czujniki krańcowe, zbliżeniowe, fotokomórki, detektory
" metody koniecznego kroku (motion step methods)
ruchu, metalu, koloru
Zapobieganie błędom Zapobieganie błędom
Ą Poka-Yoke  metoda ustalonej wielkości
Ą Poka-Yoke  metoda koniecznego kroku
Polega na wykrywaniu ruchów przez sprawdzenie
liczby ruchów lub elementów w operacji
- np. liczniki ruchów
Upewnienie się, że czynności są dokonywane we
- np. przekazanie do określonej operacji wyliczonej
właściwej liczbie i kolejności (fotokomórka, licznik)
liczby elementów
Zapobieganie błędom Zapobieganie błędom
" Zasady Poka-Yoke: " Poka-Yoke  koszty:
 Skoncentruj się na kontroli U yRÓDEA  Proste, tanie
" 54% PY koszt mniejszy niż 100$
 Stosuj 100% KONTROLI przez zastosowanie
" 78% PY koszt mniejszt niż 250$
PROSTEJ kontroli wizualnej lub PROSTYCH
urządzeń
 AT&T
" połowa z 3.300 urządzeń PY kosztuje mniej niż 100$
 Spraw, aby kontrola została WBUDOWANA
" szacuje się oszczędności rzędu 2.545$/PY
w proces i uznana za jego część
 Celem jest osiągnięcie poziomu ZERA BADÓW
[Grout J.R., Mistake-Proofing Production, 1997]
i należy uznać, że jest to możliwe
17
2012-11-19
Zapobieganie błędom Zapobieganie błędom
" Przykłady z życia:
" Poka-Yoka detekcyjna  przykład:
Nie można wyciągnąć kluczyka
zanim nie zostanie wyłączone
zasilanie
Sygnał alarmowy w przypadku
niezapięcia pasów lub
niewyłączenia świateł
Zapobieganie błędom Zapobieganie błędom
Wszędzie tam, gdzie istotny jest czynnik ludzki:
Ą Poka-Yoka detekcyjna  przykład:
" operacje ręczne, czujność operatora istotna
" (ludzki umysł napotyka trudności w skupieniu ciągłej uwagi na
powtarzających się czynnościach)
" gdzie SPC trudne do zastosowania lub nie daje spodziewanych rezultatów
Układ laserowy
" gdzie przyczyną niezgodności są błędy (nie zmienność procesów czy też
wykrywa zle
złożoność procesów lub wyrobów)
zakręcone butelki
" gdzie tempo produkcji jest wysokie (nie ma czasu na kontrole)
" gdzie ocena odbywa się na podstawie atrybutów (danych
alternatywnych) a nie pomiarów,
" gdzie duża rotacja pracowników (np. McDonald)
Zapobieganie błędom Zapobieganie błędom
" Gdzie Poka-Yoke działa dobrze?
Ą Eliminacja niezgodności  metody
" Wszędzie tam, gdzie istotny jest czynnik ludzki:
 operacje ręczne, czujność operatora istotna
SPC ZMIENNOŚĆ
" (ludzki umysł napotyka trudności w skupieniu ciągłej uwagi na
powtarzających się czynnościach)
 gdzie SPC trudne do zastosowania lub nie daje spodziewanych
rezultatów
POKA-YOKE BADY
NIEZGODNOŚĆ
" gdzie przyczyną niezgodności są błędy (nie zmienność procesów czy
też złożoność procesów lub wyrobów)
 gdzie tempo produkcji jest wysokie (nie ma czasu na kontrole) DFMA ZAOŻONOŚĆ
 gdzie ocena odbywa się na podstawie atrybutów (danych
alternatywnych) a nie pomiarów
Obie formy kontroli mogą być stosowane razem:
 gdzie duża rotacja pracowników (np. McDonald)
" SPC do identyfikacji przyczyn specjalnych
" Kontrola zródłowa do zapobiegania ich ponownemu pojawieniu się
18
2012-11-19
Inżyniera jakości
Metody Robust Design
" Gdy wyrób funkcjonuje zle, to trzeba go
naprawić, zastąpić innym, śledzić,
Inżyniera jakości transportować i wreszcie przeprosić klienta
" Straty będą znacznie większe niż koszty jego
Metody Robust Design
wytworzenia i niekoniecznie te działania
muszą prowadzić do odzyskania utraconej
dr inż. Adam Jednoróg
reputacji firmy
Cokolwiek kierownictwo firmy myśli o stratach
spowodowanych złą jakością, to trzeba stwierdzić, że
są one w rzeczywistości sześć razy większe!!!
(Taiichi Ohno, Toyota Motor Company)
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Tradycyjnie straty jakości odnoszono do
" Konstruktorzy uwzględniają różne efekty, które mogą
kosztów poniesionych przez przedsiębiorstwo
mieć wpływ na funkcjonowanie wyrobu
w wyniku pojawienia się wyrobów
" Trzeba pamiętać, że gorsze wyniki w funkcjonowaniu
niezgodnych
wyrobu mogą być rezultatem
" Tradycyjne myślenie:
nie tylko czynników zewnętrznych, ale również
Straty są niskie,
interakcji między samymi częściami wyrobu
gdy przedsiębiorstwo sprzeda to,
" Mogą one być rezultatem zarówno błędów
co wyprodukowało
w procesie wytwarzania jak również  wrodzonych
" Ale wyroby mogą różnie zachowywać się
błędów w konstrukcji wyrobu
u klientów
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Wartość wyrobu
 Jeśli indywidualny klient uzna, że wartość wyrobu
Straty
Wszystkie Wszystkie
Wszystkie wyroby
przewyższa straty, które może on ponieść w
wyroby wyroby
jednakowo dobre
jednakowo jednakowo
wyniku użytkowania wyrobu i ma on odpowiednie
złe złe
środki finansowe, wtedy jest duże
Dolna Górna
W artość
tolerancja tolerancja
nom inalna
prawdopodobieństwo, że zakup zostanie
dokonany
" Koszt jednostkowy związany z niespełnieniem wymagań tolerancji będzie
zależał od działań podjętych na tym wyrobie:
Strata dla klienta
 poprawa w tym samym procesie  minimalny koszt potrzebny do
 sprowadzenia danej cechy do pola tolerancji
=
 zwrot do poprzedzających procesów
 obniżenie wartości, klasy  koszt, to różnica między ceną wyrobów
cena wyrobu + straty w wyniku jego użytkowania
reprezentujących poszczególne klasy
 złomowanie - koszt odpowiadający nakładom poniesionym na wytworzenie
danego wyrobu
19
2012-11-19
Inżyniera jakości
Inżyniera jakości
Metody Robust Design
Metody Robust Design
A
Ą Typy funkcji strat:
" Funkcja strat Taguchi
A
NTB (nominal-the-best)
L( y ) = ( y - m )2
2
T
wymiary
L(y)
-T m +T
L(y)  strata (ang. loss)
Wartość nominalna
y - wartość cechy jakościowej
A1
A2 A1
NTB - tolerancja górna i
( y - m )2 dla y Ł m
A (y - m) - wielkość odchylenia od

T dolna różne
L( y ) =

Strata wartości celowej
A2

( y - m )2 dla y ł m
($, PLN)
m - wartość celowa (nominalna) T2

+T1 m +T2
A - koszt (strata) dla społeczeństwa
w punkcie T
A
STB - smaller-the-better
m - T m m + T
T - wielkość tolerancji
zanieczyszczenie
Odchylenie A
2
k - współczynnik funkcji strat
L( y ) = y chropowatość
2
T
odchyłki kształtu, położenia
L( y ) = k( y - m )2
T
LTB - larger-the-better
2
A A wytrzymałość
AT
L( y ) =
k =
2
odporność
2 y
T
T
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Model funkcji strat
" Klasyfikacja czynników wpływających na system
 Koncepcja jednocząca aspekty jakości i kosztów, która
pozwala praktykować filozofię dążenia do wartości
Rozproszenie
Zewnętrzne Wewnętrzne
części
celowych
 Funkcja, która pozwala ująć zarówno ekonomiczne jak
i inżynierskie pojęcia w jednym modelu
Zakłócenia (Noise factors)
Wymiary
 Równanie umożliwiające wykonanie szczegółowej
optymalizacji wszystkich kosztów - jawnych i ukrytych,
Materiały
ponoszonych przez społeczeństwo (producent, klienci) Pożądane
WYRÓB / PROCES
WYRÓB / PROCES właściwości
w wyniku produkcji i użytkowania wyrobu Zmienne procesu
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Cele metod Robust Design:
" KLASYFIKACJA ZAKAÓCEC (ang. noise)
 ang. Robust  odporny, nieczuły, niewrażliwy
 ZEWNTRZNE (ang. External)
" Wynikają z warunków w jakich wyrób jest użytkowany
 system (wyrób, proces) nieczuły, odporny za
" Temperatura, wilgotność, kurz, zasilanie, pola magnetyczne, drgania,
zakłócenia
błędy użytkownika
 WEWNTRZNE (ang. Internal)
" Jak:
" Wynikają ze zużywania się części, podzespołów wyrobu
 Robust design przy zastosowaniu modeli
" Gdy wyrób jest sprzedawany jako nowy, jego cechy funkcjonalne są
bliskie wartościom zadanym, ale z biegiem czasu pojawiają się
inżynierskich
odchylenia od tych wartości
 Robust design przy zastosowaniu planowania
 ZMIENNOŚĆ PROCESU
eksperymentów
" Nieunikniona zmienność procesu wytwarzania prowadzi do różnic we
właściwościach części składających się na gotowy wyrób
20
Wielkości sterujące
2012-11-19
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Fazy Robust Design
" Robust Design
 Projektowanie systemu
 Cel - minimalizacja rozproszeń wielkości wyjściowych bez
" Rozwinięcie prototypu, który wykonuje wymagane funkcje w
eliminacji przyczyn tych rozproszeń
nominalnych warunkach z minimalnym odchyleniem od wartości
docelowych
Y-wyjście
Y-wyjście
 Projektowanie parametrów
Dy
" Określenie optymalnych poziomów wartości dla parametrów
każdego elementu systemu, aby zmienności w cechach
funkcjonalnych były jak najmniejsze w szerokim zakresie warunków Dy Dy
Dy
 Projektowanie tolerancji
" Określenie najbardziej ekonomicznych tolerancji, które
minimalizują koszt przy danym akceptowanym odchyleniu od
Dx = const
wartości celowej
X-wejście X-wejście
Dx Dx
Projektowanie systemu
Projektowanie parametrów
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Robust Design  jak minimalizować rozproszenia na wyjściu?
" Minimalizacja rozproszeń wejść:
2
n 2
ć
n
2 2
ć
s = 2 2
y śy s xn
s =
y śy s xn
śxn
i=1
Ł ł
śxn
i=1
Ł ł
Ą Redukcja rozproszeń właściwości wyrobu, jego
części oraz wyjść procesów technologicznych
Minimalizacja czułości
mających na nie wpływ
(wrażliwości,
Minimalizacja rozproszeń
podatności)
Ą Jest to tradycyjnie stosowany sposób, który zwykle
wymaga nakładów finansowych
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" Minimalizacja czułości (wrażliwości) " Projektowanie parametrów  istota Robust Design
" Cel: minimalizacja wrażliwości
2
n
ć
2 2
s =
2
y śy s xn

n
śxn ć

i=1 2 2
Ł ł
mins = min s
ż
y śy xn
śxn
i=1
Ł ł

Ą  Znieczulanie właściwości wyrobu na rozproszenia
Ą Należy dobrać taką kombinację parametrów
właściwości jego części, co niekoniecznie musi być
wejściowych, która da w rezultacie najmniejszy
realizowane przez redukcję rozproszeń
rozrzut wielkości wyjściowej
Ą Jest to idea projektowania parametrów
Ą W wielu wypadkach konieczne będzie zastosowanie
procedur optymalizacyjnych
21
2012-11-19
Inżyniera jakości Inżyniera jakości
Metody Robust Design Metody Robust Design
" PRZYKAAD INA TILE COMPANY
" Projektowanie parametrów:
 Problem:
 Na etapie projektowania parametrów dąży się do poprawy
" Duża zmienność wymiarów produkowanych dachówek
jakości wyrobu bez zbytniego zwiększania kosztów
 Bieżące rozwiązanie:
 Zmiana parametrów wyrobu (wartości zadanych) jest
" Kontrola 100% i sortowanie wyrobów dobrych i złych
zwykle mniej kosztowna niż redukcja rozproszeń tych
" Było to drogie rozwiązanie
parametrów
 Powołano zespół do zbadania przyczyn problemu
" Stwierdzono, że przyczyną problemu jest nierównomierny rozkład temperatury
 Dobrze, gdy projektowanie tolerancji ma miejsce po
w piecu, w którym wypalane były dachówki
projektowaniu parametrów " Zdecydowano o zakupie nowego pieca (500 tys. dolarów)
" Koszt zakupu nowego pieca był niższy niż bieżące straty wynikające ze złej
 Nieodporna na szumy konstrukcja będzie zmuszała do jakości
niepotrzebnego zacieśniania tolerancji  Koszt zakupu nowego pieca był jednak mimo wszystko
kosztownym rozwiązaniem
[M.Phadke   Quality Engineering usign Robust Design ]
Inżyniera jakości
Metody Robust Design
" PRZYKAAD INA TILE COMPANY
 W wyniku burzy mózgów wybrano parametry, które mogą
być łatwo zmieniane
 Przeprowadzono kilka eksperymentów zgodnie z metodyką
Robust Design
" Stwierdzono, że zwiększanie zawartości wapna w jednym ze
składników z 1% do 5% wpływa na redukcję zmienności dachówek
" Wapno było najmniej kosztownym składnikiem
 Rezultat
Minimalizacja efektu zmienności temperatury
wewnątrz pieca bez wpływania na sam piec
(główną przyczynę problemu)
[M.Phadke   Quality Engineering usign Robust Design ]
22


Wyszukiwarka

Podobne podstrony:
Rola laboratoriów w świetle wymagań systemów zarządzania jakoscią
Zarzadzanie jakoscia rozwiazanie testu
Białka Zarządzanie jakością
Wspolczesne systemy zarzadzania Jakosc?zpieczenstwo ryzyko zaprak
Motywacja w systemie zarządzania jakością usług
Koncepcje zarządzania jakością
27 Zarządzanie jakością
zarządzanie jakością 1
zarządzanie jakością wykład 2
Zarzadzanie jakoscia teoria i praktyka zajako
zarzadzanie jakoscia wyklad 1
zarzadzanie jakoscia wyklad 1
04 Stosowanie procedur zarządzania jakością

więcej podobnych podstron