Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Minőségmenedzsment Statisztikai folyamatszabályozás.

Hasonló előadás


Az előadások a következő témára: "Minőségmenedzsment Statisztikai folyamatszabályozás."— Előadás másolata:

1 Minőségmenedzsment Statisztikai folyamatszabályozás

2 A folyamatok változékonysága Random – azaz véletlenszerű, nem tudjuk befolyásolni, véletlenszerű Szisztematikus – valamilyen okra visszavezethető, és a folyamatjellemző átlagának eltolódását okozhatja Szabályozott folyamatok – csak random hatások vannak Szabályozatlan folyamatok – szisztematikus hatások is megjelenhetnek

3 Adatgyűjtés A szabályozó kártyák adatai mintavételezéssel kapjuk, melynek előnye: –Olcsóbb –Kevesebb időt igényel –Kevesebb beavatkozással jár (roncsolásos vizsgálatok) –Van ahol persze megvalósítható a mindendarabos ellenőrzés

4 Mintavétel Véletlen mintavétel –minden darabnak ugyanakkora esélye van a kiválasztásra –Legáltalánosabb –Nehezen megvalósítható Szisztematikus mintavétel –Vagy idő vagy sorozat szerint Racionális alcsoportok szerinti mintavétel –Alcsoportok logikailag homogének –Ha egyben kezelnénk, akkor a mérések változatosságában egy ismert hatás is szerepet játszana –Pl. kórházak reggeli esti mérése

5 Az ellenőrzés vonatkozhat: –Folytonos, mérhető változóra (variable)  méréses ellenőrzés –Valamilyen megállapított minőségi tulajdonságra (attribute)  minősítéses ellenőrzés Például az alkatrész méretezése folytonos változó lesz, míg a hibás darabok száma diszkrét változó

6 Folyamatszabályozó ábra elkészítése 1. kritikus műveletek - amelyek nem jól működnek és negatívan befolyásolják a termék minőségét 2. A termék kritikus tulajdonságainak meghatározása – amelyek befolyásolják a termék használhatóságát 3. Ezek vagy változók vagy attribútumok 4. Kiválasztani a megfelelő folyamatszabályozó ábrát 5. Meghatározni a határértékeket és folyamatosan figyelni 6. Változtatni a határértékeket, ha a folyamat változik

7 Sazbályozó határok UCL – Upper Control limit (felső szabályozó határ) CL – Central line (középvonal) LCL – lower Control limit (alsó szabályozó határ) Az szabályozó határokat magából a folyamatból számoljuk és nem tévesztendők össze a műszaki vagy specifikációs határokkal az ún. specifikációs határokkal

8 Eloszlás Egyedi adatok elvben bármilyen eloszlást követhetnek, a gyakorlatban azonban ezeket legtöbbször normális eloszlást követnek centrális határeloszlás tétele: nagy minta- elemszám esetén (mondjuk, n nagyobb, mint 30), az összes lehetséges mintaátlagokból álló populáció közelítően normális eloszlású lesz m átlaggal és σ/n standard deviációval

9 Normális eloszlást követő adatok –99,73%-kal az m± 3 σ –95,44%-a az m± 2 σ –68,26%-a az m± 1 σ határok között helyezkedik el Ha valamennyi mért adatunk az m± 3 σ között helyezkedik el, akkor szabályozottnak tekintjük.

10

11 Hipotézis vizsgálat H 0 = a folyamat kontrollált Döntés KontrolláltNem kontrollált valóságkontrollált OKElső fajú hiba (a szállító kockázata) Nem kontrollált Másod fajú hiba (a fogyasztó kockázata) OK

12 Az m± 3 σ szabályozó határok esetén az első fajú hiba 0,27%-os, ami azt jelenti, hogy átlagosan az esetek 0,27%-ban akkor is a szabályozó határok túllépését tapasztaljuk, ha a folyamat valójában ellenőrzés alatt van –Ez a téves riasztás esete (a szállító kockázata) ha a folyamatot a minta alapján ellenőrzés alatt levőnek tekintjük, holott az valójában ellenőrizetlen, ezzel a hibás darabokat továbbengedjük a fogyasztónak. –Elmaradt riasztás esete (fogyasztó kockázata)

13 Átlag kártya Kiugró értéke –Szándékos vagy nem szándékos változás a folyamatban –Új tapasztalatlan kezelő –Különböző nyersanyag –Gépalkatrész kisebb hibája Trend –Eszköz elévülése –Eszköz fokozatos romlása –Páratartalom, hőmérséklet fokozatos változása Ciklikusság: –Bejövő anyagok szezonális hatása –Hőmérséklet, páratartalom ismétlődő hatása –Bármely napi, heti kémiai, mechanikai, pszichológiai esemény –Az üzemeltetők időszakos rotációja

14 Terjedelem kártya Kiugró érték –Tapasztalatlan operátor –Bejövő anyag nagyobb szórása Trend –Javul a munkavállaló képzettsége –Csökken a munkavállaló képessége, fáradtság, unalom, figyelmetlenség –Fokozatosan javul a bejövő anyag egységessége Periodikusság –Hibás gyártóeszköz –Karbantartási hiba

15 Szabályozó diagramok

16 Fajtái Átlag - egy folyamat, vagy termékparaméter átlagértékének időbeli változását figyeli. A szélsőséges ingadozásokra érzékeny Terjedelem - az adott paraméter időbeli ingadozásának csökkenését, vagy növekedését figyeli. Kézi kártyavezetéshez igen alkalmas. Szórás - az adott paraméter időbeli ingadozásának csökkenését, vagy növekedését figyeli. Számításigényes, ezért főleg számítógépes kártyavezetésnél használják. (kis szórás esetén) Egyedi érték - az adott paraméter időbeli változását és egyben az egyedi mérések közötti eltérés ingadozásának mértékét figyeli Medián - egy folyamat, vagy termékparaméter közepes értékének(medián) időbeli változását figyeli. Kevésbé érzékeny a szélsőséges ingadozásokra. Mozgó átlag – a mozgó átlag kártyával múltbeli adatok alapján előre tudjuk jelezni a folyamat mozgását Mozgó terjedelem - az egyedi adatok ingadozásának kisimításával inkább a hosszú távú trendek kimutatására alkalmas.

17 és R – átlag és terjedelem kártya Mintanagyság – n=4 vagy n=5 jól kezelhető, rövid intervallumokkal, hogy a mintán belüli szórás kicsi legyen Mintavétel gyakorisága – hogy tükrözzön minden változást, mint műszakváltás, gépkezelő csere, stb. Minták száma – 25 vagy több minta

18 Minta átlag A minta terjedelme Ahol n a mintanagyság Minta átlagok átlaga Terjedelmek átlaga Ahol m a minták száma

19 Szabályozó határok számítása Ahol A 2, D 3, D 4 a mintanagyságtól függő állandók

20 Feladat day16657 day28667 Day37666 day46754

21 X és MR kártya Ha a folyamat olyan lassú, hogy nincs értelme a mintavételnek Nem érvényesül a centrális határeloszlás tétele (g vagy h kártya) Egyedi értékek rögzítése Szabályozó határok helyett természetes határok

22 Medián kártya Ha túl sok időbe kerül, vagy kényelmetlen az átlag számítás Páratlan elemszám (n) használata célszerű, hogy el lehessen kerülni a számítást (3,5,7) 20

23 átlag és S-kártya Ha a folyamat szóródására vagyunk kíváncsiak, ami egyébként nagyon kicsi (high-tech termékek) Az átlag kártya szabályozó határait is újra kell számolni Ha egy érték kívül esik, határozzuk meg az okát, és utána kihagyva az értéket nézzük meg hogy akkor szabályozott-e a folyamat

24 Minősítéses jellemzők szabályozókártyái

25 Hibás darabok mérése: p-kártya: hibás darabok aránya, állandó és változó mintanagyságnál is használható np-kártya – hibás darabok száma, állandó mintanagyságot igényel c-kártya – hibák száma, egy termékegységre eső hibák száma, állandó mintaméretet igényel u-kártya – hibaarány, egy termékegységre eső átlagos hibaszám szabályozókártyája, mind állandó mind változó mintaméretnél alkalmazható

26 p-kártya p – a hibás darabok aránya Mind a p-t mind a σ-t lehet becsülni a mintákból is k>25 50

27 Feladat Egy ellenőr feladata egy telefontársaság hibásan kiállított számláinak ellenőrzése. Az alábbi táblázat 20 mintára vonatkozó hibás darabok számát tartalmazza (mindegyik minta 100 elemű volt). Állítsa össze a p- kártyát, amely 99,74%-kát a véletlen hibáknak leírja, ha a folyamat szabályozott.

28 z=3,00 p=220/(20*100)=0,11 σ=(0,11(1- 0,11)/100) 1/2 =0,03 UCL=0,11+3*0,03=0,2 LCL=0,11-3*0,3=0,02

29 np -kártya Hibás darabok száma Csak azonos mintanagyság esetén használható K>25 50

30 c-kártya termékegységben, területegységben vagy térfogategységben (mintában) a nem- megfelelések (hibák) számának közvetlen értékét ábrázolja. (pl.:foltok/hibák extrudált csöveken, festéshibák egy négyzetméter felületben, az összes hiba 50 munkadarabon) Akkor használják, ha a hibák egy folytonos termékáramban vannak jelen (buborékok üvegben, lyukak huzalok szigetelésében, stb.) és ahol több fajta hiba lehet jelen egy ellenőrzési egységben. c 1, c 2 az aktuális hibák száma az egyes mintákban, k számú minta esetében Ha az LCL negatív  LCL=0

31 Feladat Tekercselt huzalok ellenőrzésének az adatit mutatja az alábbi tábla. 18 tekercset ellenőriztek. A folyamat ellenőrzés alatt van. Rajzolja meg a c-ellenörző kártyát, ha a megengedett eltérés 3 szórásnyi.

32 Feladat megoldása

33 U-kártya Ha a mintavétel helye (pl a felület nagysága) különböző méretű lehet n- átlagos minta méret nagyság u – hibák száma / termék Ha az LCL negatív  LCL=0

34

35 Folyamatképesség

36 Folyamat stabilitás vs folyamatképesség Ha a folyamat szabályozott, az nem jelenti azt, hogy az előállított termékek megfelelőek, vagy selejtmentesek A folyamatképesség annak mértéke, hogy a folyamat a termék minőségi specifikációit, illetve előírt tűréshatárait mennyire tudja tartani Ez a kettő független egymástól

37 Specifikációs határ USL – Upper specification limit (felső specifikációs határ) LSL – lower specification limit (alsó specifikációs határ) A tűréshatárok nem magából a folyamatból számítjuk, hanem külső műszaki, üzleti, biztonsági vagy adminisztratív szempontok alapján állapítjuk meg

38 Folyamatképesség vizsgálat - sokaságra A teljes sokaságra vonatkozóan, ahol  - a populáció átlaga - a populáció szórása

39 Folyamatképesség vizsgálat - mintából 1. válasszuk ki a kritikus folyamatot 2. határozzuk meg az n nagyságát –1950 (ha attribútum) –1

40 USL 6σ LSL Cp=1 Cpk=1

41 Folyamatképesség vizsgálat I Ha nem lehetséges a mintavételezés, akkor a teljes populációra vonatkozó adatok alapján

42 Folyamatképességi index Csak normális eloszlású jellemzők esetén értelmezett CP (capability process) – a CP nagyobb értéke nagyobb folyamatértéket jelez. CP>1 esetén tekintjük a folyamatot képesnek a specifikációk tartására – csak kétoldali tűréshatárok esetén van értelme

43 USL 6σ LSL Cp=1 Cpk=1

44 A folyamat központosításáért a gépvezető tehető felelőssé, de amikor a szórás nagyobb mint a megengedett tűréshatár a vezetőség döntése szükséges  a gép felújítására lehet szükség Cp>1Cp<1 Cpk>1A folyamat kapacitás megfelelő Nem lehetséges Cpk<1A kapacitás nem felel meg a dolgozó a felelős A vezetés a felelős

45 Feladat Egy vetítő egyik alkatrészének méretezési határértékei 30 és 40 milliméter. 30 mintavétel eredményeként a mintavételi átlagok átlaga ( ) 34 mm, a szórás pedig ( ) 3,5 mm. Határozza meg a folyamatképességet. Ha a folyamat nem magas szinten megfelelő, akkor hány százaléka az alkatrészeknek nem lesz megfelelő?

46 Feladat megoldása Cpu=(40-34)/3*3,5=0,57 Cpl=(34-30)/3+3,5=0,38 Cpk=0,38 A folyamat nem megfelelő A selejt meghatározásához a normális eloszlás tábla szükséges Z=(x-  )/ =(30-34)/3,5=-1,14 Z=40-34/3,5=1,71 0,1271+0,0436=0,1707  17,07% nem megfelelő

47 Köszönöm a figyelmet!


Letölteni ppt "Minőségmenedzsment Statisztikai folyamatszabályozás."

Hasonló előadás


Google Hirdetések