AI w jakości
AI w jakości? Dlaczego nie! Wielu z nas ciężko wyobrazić
CzytajKonsultant, trener narzędzi branży motoryzacyjnej, właściciel D4R.
To że systemy pomiarowe należy przed ich oddaniem do użytku ocenić wie chyba każdy. I nie ma to znaczenia czy mamy do czynienia z oceną przydatności suwmiarki czy też mówimy o ocenie typu zgodny niezgodny, z jaką mamy do czynienia przy kontroli wzrokowej.
Jedno i drugie jest systemem pomiarowym. Z tym że w przypadku oceny zgodny niezgodny znacznie łatwiej o błąd.
Z tego artykułu dowiesz się jak ustrzec się błędów i poprawnie wykonać badanie systemu atrybutywnego, czyli takiego na wyjściu z którego jest decyzja a nie wartość liczbowa.
Przydatne materiały: Core Tools: APQP, FMEA, MSA, SPC, PPAP
Systemy atrybutywne bardzo często wykorzystywane są tam, gdzie zależy nam na czasie oraz oszczędnościach. Jak wiadomo pomiar kosztuje. Kosztem jest czas operatora, sam środek kontrolno-pomiarowy, konieczność jego wzorcowania itd.
Wprowadzenie oceny bazującej na danych ciągłych dla np. aspektów wizualnych może wiązać się z naprawdę dużymi inwestycjami w skomplikowane systemy kamer. Potem ktoś to musi utrzymywać, konserwować, wzorcować.
Dlatego też często decydujemy się na uproszczenie pomiarów zastępując klasyczne narzędzia pomiarowe sprawdzianami lub zwyczajnie wykonywaną przez operatora oceną wzrokową.
Np. zamiast mierzyć wyroby w lab. możemy wykonać z metalu prosty sprawdzian Go/NoGo, który po osadzeniu w otworze od razu oceni jego zgodność.
Minusem takiego podejścia jest to, że nie wiemy tak naprawdę, w której części tolerancji znajduje się dany wymiar. Ale nie zawsze jest to najważniejsze.
Należy pamiętać że tego typu system również powinien zostać poddany analizie MSA. Z tym że nie będzie to klasyczny %GR&R. Najpopularniejsza metoda wykorzystywaną do oceny tego rodzaju systemów to metoda Kappa, zwana również metodą ekspercką.
Całą analizę można sprowadzić do 3 kroków:
– Wybierz charakterystykę i przygotuj próbki
– Określ status każdej z nich (ocena ekspercka).
– Dokonaj oceny systemu.
Przyjrzyjmy się każdemu z tych kroków.
Zaczynamy od zgromadzenia próbek zgodnych, niezgodnych oraz takich z szarej strefy, czyli wątpliwych. Powinny one reprezentować naturalną, spodziewaną zmienność naszego procesu produkcyjnego.
Istotnym jest to, aby znalazły się tu również próbki z tak zwanej szarej strefy. Jest to obszar blisko granicy tolerancji. O ile suwmiarka bądź średnicówka da nam konkretną wartość liczbową o tyle w przypadku oceny OK/NOK w obszarach blisko tolerancji łatwo o błąd.
No dobrze, a ile próbek powinniśmy zgromadzić?
Odpowiedź jest prosta: wystarczająco dużo aby przedstawić spodziewaną zmienność procesu produkcyjnego. A tak poważnie: tutaj nie ma dobrej odpowiedzi. Wiadomo że im więcej tym lepiej.
Jednak pytanie czy zawsze będziemy mieć do dyspozycji wystarczająco dużo części niezgodnych oraz tych z szarej strefy? Bo przecież te tak na prawdę są najbardziej interesujące!
Krok 2 to ocena próbek przez eksperta, który musi stwierdzić czy można/nie można uznać danego wyrobu za zgodny. Ekspert powinien posiadać wiedzę związaną z samym wyrobem jak i jego funkcją. Może to być lider jakości lub najlepiej wyszkolona w zakładzie osoba, która bez problemu i wahania jest w stanie podjąć dobrą decyzję.
Ekspert powinien dokładnie obejrzeć wyroby i dokonać klasyfikacji zgodny/niezgodny. Jego odpowiedzi należy zanotować. Będą to wartości odniesienia przy ocenie decyzji podejmowanych przez operatorów.
Gdy to zrobimy możemy przejść do samego badania.
W kroku 3 dajemy nasze próbki operatorom. Nie mówimy, która jest zgodna a która nie. Po prostu muszą oni ocenić wyroby, jeden po drugim według swojej aktualnej wiedzy.
Warto dokładnie zaplanować całe badanie. Do jego poprawnego wykonania potrzebujemy 3 operatorów a każdy z nich naszą grupę części powinien sprawdzić 3 razy. Jeżeli założymy że do badania pobraliśmy 50 próbek to przy 3 operatorach i 3 powtórzeniach otrzymamy 450 ocen! Sporo.
W ten sposób sprawdzimy zgodność odpowiedzi operatorów względem samych siebie, jak i porównać poszczególne osoby.
A gdy już to zrobimy będziemy mogli przejść do oceny.
Przyszedł czas na ocenę wyników. Będziemy to robić przez pryzmat 4 aspektów :
– Zgodności między operatorami,
– Zgodności operatora z samym sobą.
– Fałszywych alarmów,
– Błędnego kwalifikowania wyrobu niezgodnego
Oczywiście za każdym razem punktem odniesienia (jeżeli chodzi o zgodność wyrobu) będzie opinia eksperta.
System atrybutywny uznajemy za zgodny jeżeli jego efektywność jest wyższa niż 90%, ilość fałszywych alarmów jest mniejsza niż 5%, a liczba błędnych decyzji, rozumianych jako uznanie wyrobu niezgodnego za zgodny, jest mniejsza niż 2%.
Uzyskanie gorszych niż oczekiwanych wyników może świadczyć o 2 rzeczach:
– nasi operatorzy nie potrafią jeszcze posługiwać się wystarczająco dobrze sprawdzianem i należy ich przeszkolić lub
– zwyczajnie dana metoda nie nadaje się do kontroli tej charakterystyki.
Jeżeli spotkamy się z pierwszym z przypadków: naszym zadaniem będzie takie dobranie lub wyszkolenie operatorów aby za każdym razem poprawnie klasyfikowali wyroby. Kluczowe może okazać się również środowisko pracy (oświetlenie, zapylenie).
Jeżeli i to zawiedzie nie pozostanie nam nic innego jak zmienić metodę lub zastąpić ją systemem pomiarowym dającym wynik ciągły.
Albo przez działania prewencyjne zapewnić, że wada nie powstanie (a kontrola nie będzie potrzebna).
Poznaj 5 podstawowych podręczników branży motoryzacyjnej: APQP, FMEA, MSA, SPC, PPAP.Odbierz swój bezpłatny dostęp.
Wierzy że zarządzanie jakość to nie narzędzia a stan umysłu. Z wykształcenia inżynier budowy maszyn, trener i konsultant, pasjonat metody Six Sigma. W czasie swojej drogi zawodowej współpracował z takimi koncernami jak BMW, Audi, JLR czy Stellantis. Twórca QualityWersum czyli portalu e-learning dostarczającego treści edukacyjnych dla branży motoryzacyjnej.
Odpowiadamy tak szybko jak inżynier jakości, gdy właśnie otrzymał informacje o nowym problemie.
Bezpośredni kontakt
+48 507 799 644
MSA czyli precyzja i dokładnosć Rafał Rakoczy Konsultant, trener narzędzi
CzytajComments are closed.
D4R Rafał Rakoczy
ul. Kolorowa 22
38-500 Sanok
kontakt@d4r.pl
NIP: 6871779567
REGON: 528801286
Copyright © D4R
Cookie | Duration | Description |
---|---|---|
cookielawinfo-checkbox-analytics | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Analytics". |
cookielawinfo-checkbox-functional | 11 months | The cookie is set by GDPR cookie consent to record the user consent for the cookies in the category "Functional". |
cookielawinfo-checkbox-necessary | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookies is used to store the user consent for the cookies in the category "Necessary". |
cookielawinfo-checkbox-others | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Other. |
cookielawinfo-checkbox-performance | 11 months | This cookie is set by GDPR Cookie Consent plugin. The cookie is used to store the user consent for the cookies in the category "Performance". |
viewed_cookie_policy | 11 months | The cookie is set by the GDPR Cookie Consent plugin and is used to store whether or not user has consented to the use of cookies. It does not store any personal data. |
[…] – Precyzja i dokładność systemów pomiarowych od kuchni– Cg i Cgk czyli MSA typu I– %GR&R – powtarzalność i odtwarzalność– Systemy to oceny atrybutywnej – metoda Kappa […]