Duglighetstester - Hur och Varför?

Vid duglighetstester beräknas maskiners och processers slumpmässiga spridning, och med utgångspunkt från erhållen spridning, dess duglighetstal.

 

A - Målvärde
B - Toleransgräns
C - Spridning

  • Duglighetstester ger möjlighet till kostnadsbesparingar, kvalitetsförbättringar hos slutprodukterna, minskad kassation/kontroll och maximalt utnyttjande av befintlig produktionskapacitet Vid testerna beräknas aktuella värden för maskinspridning och maskinduglighet
  • Duglighetstalen ger information om förutsättningar finns för att tillverka detaljer enligt "nollfelsprincipen" och om man kan kontrollera och styra processen med hjälp av återkommande periodiska provuttag. Ofta används Xbar-R diagram, s.k. styrdiagram, för att följa processens förändringar i tiden.
  • Kartläggning av duglighetstal avseende alla maskiner ger - förutom en bild över hur olika bearbetningstempon skall fordelas mellan befintliga maskiner - ett underlag som ger värdefull information vid planering av underhåll och nyinvesteringar.

Duglighetstester av maskiner och processer bör alltid göras innan Statistisk Processtyrning (SPC/SPS) tillämpas.

Insamling av mätdata

Oavsett om målet är att göra en statistisk analys på en process eller att kontrollera en enskild detalj så är det första steget att samla in någon typ av mätdata.
Beroende på verksamhetsområde kan denna insamling ske på flera väldigt olika sätt. Vid tillverkning av plastdetaljer kan till exempel en formspruta skicka mätdata över nätverket.

Inom fordonsindustrin används automatiserade koordinatmätmaskiner som sparar mätdata i filer. Vid andra tillverkningsprocesser kanske mätning görs för hand på enskilda detaljer. Dessa och många andra möjligheter finns att fånga upp det data som utgör själva basresursen vid kvalitetsstyrning.

Processtyrning

Genom att förenkla insamling av mätdata försvåras automatiskt analysen av det. En mätprocess kan generera många tusen mätvärden på ett dygn och att inte upptäcka problem i tillverkningsprocessen omedelbart medför försämrad kvalitet och ofta stora kostnader för företaget.
Varken analys i efterhand eller mänsklig övervakning är hållbara lösningar på problemet.
Analysen måste vara både automatisk och omedelbar för att avvikande trender och försämrad precision ska kunna upptäckas i tid med lämpliga larm som följd.
Då kan åtgärder tas så att processen justeras och kvalitetsbristkostnaderna minimeras.

Analys

Fördelen med att ha allt mätdata samlat på en och samma plats är att det är möjligt att i efterhand analysera data och använda det som rapportunderlag.

Behoven är olika

Statistisk kvalitetsstyrning berör många tillämpningsområden. Produktionsprocesser görs säkrare med statistisk processtyrning (SPS) och kvaliteten på mätsystemen i sig bestäms med mätsystemsanalys (MSA). På grund av variationen av tillämpningsområden, tillsammans med skillnader i arbetssätt och produktionsmiljöer, så ser behoven olika ut mellan olika företag och koncerner.

Maskinspridning

Är den spridning av en egenskap/mått som erhålls när minst 25 (oftast 50) detaljer mäts.

  • Maskinspridningen uttrycks i samma mätstorhet som måttet
  • Detaljerna som uppmäts vid maskinduglighetstester skall vara tillverkade i följd under kontrollerade forhållanden så att inte ändringar i material, temperatur, verktygsslitage och operatör påverkar resultatet.

Normalfördelninsskurva

Antalet mätvärden är störst i centrum - i närheten av medelvärdet (Xbar).

  • Normalfordelningskurvans form (utseende) är känd. Formen beskriver hur mätvärden kommer att fördelas omkring ett medelvärde vid en slumpmässig fördelning av ett oändligt antal mätvärden.
  • I program utvärderas inlästa mätvärden, därefter utförs beräkningar och anpassningar till normalfördelningskurvans form.
  • Med utgångspunkt från mätvärdens fördelning och medelvärde beräknas positionen för toleransgränserna, Xbar+3s resp. Xbar-3s. Avståndet mellan dessa gränser ger värdet för spridningen. Spridningen beräknas som 6*värdet för beräknad standardavvikelse.
  • Vid normalfordelat utfall kommer 99.73% av alla värden att hamna mellan gränserna (Xbar+3s samt Xbar-3s). Det innebär, genom den statistiska utvärderingen, kan vi förutse att vid en fortsatt tillverkning, kommer 99.73 % av alla kommande detaljer att hamna inom 6 s, (Xbar +/3s), gränserna.

Exempel på maskinspridning:

En detalj vars längd skall vara 10 mm visar en beräknad spridning (6s) på 0.07mm när man mäter längdmåttet hos 50 st detaljer. OBS! Detaljerna skall vara tillverkade i följd!

  • Detta betyder att maskinen i sig har defekter som gör att detaljer med snävare toleranskrav än 0.07 mm - ej kan tillverkas med ett duglighetstalt som överstiger 1. Lägsta rekommenderade duglighetstal för maskin är ofta 1,5 (Cm).

Duglighets & Processtyrning

Genom att ha kontroll på tillverkningsprocessen med insamling av mätdata får man med automatik loggad duglighetstest och processtyrning. Eftersom man med hjälpmedel kan visualisera grafer och diagram så är det lätt att stämma av mätdata för erforderlig precision i tillverkningen och därmed styra processen utan ökade kassaktionskostnader.

Nedanstående normalfördelningskurva, beskriver hur mätvärden fördelas vid oändligt antal provuttag. Kurvans form och utseende är grunden för duglighetstester.

 

Duglighets- och kapabilitetstester

Vid en duglighetstest, som sträcker sig över längre tid, har man påverkan från olika "komponenter", som tillsammans ger dugligheten for processen. Dessa kan indelas i följande huvudgrupper.

  • Duglighet är en översättning av engelska Capability, därför används också den "svengelska" benämningen kapabilitetstest.

Vad påverkar?

Nedan följer en uppräkning av olika faktorer som påverkar processen.

Maskin

Maskinens variation, exempelvis slitage och glapp.

Människa

Olika operatörer, kan med olika handhavande, påverka processen. Inte minst vid mätning och registrering av mätresultat

Miljö

Temperaturforändringar, i maskin och omgivning, påverkar resultaten. Jämför skillnaden en vann sommardag, med en kall januaridag, när dörrarna öppnas. Buller och vibrationer kan också påverka resultaten.

Material

Materialvariationer påverkar slutresultatet. Jämför ett plåtmaterial, som skall pressas, med 10 % toleranser på tjockleken.

Metod

Genom olika upplägg och förberedelser, kan störningar införas.

Management

Utbildning och information, från överordnade och mellan medarbetare. Skapa rutiner.

Processduglighet

Processduglighet, är den duglighet och spridning i processen, som uppkommer under längre tid, dar alla redovisade komponenter påverkar utfallet.

Analysera ingående komponenter

I vissa fall vill man genom analyser, få kännedom om de olika komponenternas inverkan på processen.

Genom att begränsa tidsintervallet, och försöka hålla de övriga påverkande komponenterna så konstanta som möjligt, finns det möjligheter att analysera och få kännedom om de olika komponenters påverkan.

Maskinduglighet

En maskinduglighetstest utförs på ett sådant sätt så att inte material, miljö, metod eller människan påverkar resultaten.

Därför skall ett antal på varandra följande detaljer, som kommer från maskinen analyseras, oftast 25 eller 50 st

Resultatet ger ett begrepp om det bästa som maskinen kan prestera, dvs. dess duglighet

Tips!

  • Gör duglighetstester med kontinuerliga intervaller, för att se förändringar
  • Utför duglighetstester före och efter en översyn eller renovering, för att få reda på om prestanda förbättrats
  • Beställ dina maskiner, med uppgivna duglighets/kapabilitets krav. Så får du inga problem vid leveransgodkännande av dina maskiner
  • Tänk på att om du har flerspindliga maskiner, så bör analyser göras på varje spindel
  • Använd resultaten från duglighetstesterna, vid maskinbeläggning. "Lägg" de svåra jobben i maskiner med bästa prestanda

Kännedom ger dig styrkan, att redan i offertstadiet, veta om du har maskiner som klarar uppställda krav.

Datorstöd för FMEA

FMEA är en förkortning av Failure Mode and Effect Analysis, och heter på svenska feleffektanalys. FMEA är ett arbetssätt som används under produkt- respektive produktionsutvecklingsfaserna för att i rätt tid identifiera potentiella felmöjligheter, dvs. man skall försöka förutse felmöjligheter och finna medel för att minska riskerna för att fel skall uppstå.

Det är viktigt att både konstruktions-FMEA och process-FMEA genomförs för att ta ett helhetsgrepp över hela produkt- respektive produktionsutvecklingsfasen. Syftet med en konstruktions-FMEA är att förutsättningslöst ifrågasätta konstruktionen, medan en process-FMEA förutsättningslöst ifrågasätter processen ur produktion och produktionsanläggningssynpunkt.

FMEA-metoden:

  • Förutsätter ett systematiskt arbetssätt.
  • Förutsätter en samtidig värdering av såväl felförekomst som allvarlighetsgrad och upptäcktssannolikhet.
  • Bygger på en objektiv kalkylering av ett risktal.
  • Förutsätter samarbete i grupp.

FMEA-metoden kan tillämpas på alla former av processer:

  • Planering av produkter, system, anläggningar

Konstruktion och utveckling av produkter och produktionsmedel.

  • Produktionsberedning
  • Materialanskaffning
  • Logistik § Programvaror
  • Administrativa processer

Tillvägagångssätt (kortfattat)

Till varje feleffektanalys måste data samlas in, dvs. fakta om produkt eller produktionsutvecklingsfasen beroende på om en konstruktions- eller process-FMEA skall göras. Därefter fylls ett dokument i där man anger benämning, artikelnummer etc för produkten. Feltypen beskrivs, vilken felorsak som kan uppstå samt vilken feleffekt detta kan ge. Efter detta anges provningsmetod för att upptäcka det potentiella felet för att slutligen göra en värdering av denna feltyp genom att räkna fram ett risktal (RPN – Risk Priority Number) för att fel skall inträffa.

Risktalet räknas fram genom att multiplicera tre olika bedömningsfaktorer, där varje bedömningsfaktor värderas utifrån en skal ifrån 1-10:

  • Felintensitet (P0)
  • Allvarlighetsgrad (S)
  • Upptäcktssannolikhet (Pd)

RPN = P0*S* Pd

När risktalet för vart och ett av momenten är färdig fylls för varje moment i rekommenderad åtgärd.

Med datorstöd effektiviseras och halveras tidsåtgången för FMEA analyser. Ger dessutom underlag för att arbeta mer konstruktivt i uppföljningsarbetet.

För att datastödd FMEA ska vara ett flexibelt hjälpmedel så är det en fördel om verktyget arbetar mot en databas, vid FMEA analyser av

  • Design
  • Utveckling
  • Konstruktion
  • Process
  • Miljö
  • Produktkritik
  • Metodgenomgångar

Man bör kunna skapa projekt genom att utgå från befintliga projekt. Ändra och komplettera med delprojekt från ett komponentbibliotek.

Delprojekt, som används ofta, lyfts till ett komponentbibliotek, exempelvis analyser för materialink matning, lödning, borrning, fräsning, brotschning, packning.

Genom att välja en lösning för användare i nätverk möter man behovet, att sprida användandet över hela företaget.

En FMEA-analys innehåller viktig information, som i orätta händer kan vålla stor skada. Därför bör det finnas flera nivåer av säkerhet och befogenheter.

För att se sambanden mellan processteg, felmöjlighet, klassificering, felsätt, felorsak, osv. organiseras nformationen på bildskärmen enligt släktträdsprincipen.

För att kunna orientera sig i delprocesser och vid urval, så tilldelas vanligtvis varje processteg ett löpnummer.

För att se samband och prioriteringar, så finns möjligheter till urval och riskprofildiagram. Ett urval kan baseras på allvarlighet, personskada, åtgärder, RPN, åtgärdas av, åtgärdsdatum.

Ordlista


annotering
(eng. annotation) Godtycklig information som är bunden till en viss enhet. Det kan till exempel vara ett operatörsnamn som är bundet till ett visst mätvärde, eller ett ritningsnummer som är bundet till en viss produkt. Andra ord som används med liknande betydelse är tracefield och metadata.


CMM Koordinatmätmaskin (eng. CMM, coordinate measure machine). En maskin som automatiskt mäter flera mätpunkter på en detalj, vägledd av koordinater från detaljens ritning.


Cp Duglighetsindex för stabil process (eng. Cp, process capability). Anger hur många gånger spridningen ryms inom tolerans. Ett högt Cp innebär en liten spridning och därmed en bra process med avseende på spridning. En riktlinje brukar vara Cp > 1.33, vilket motsvarar 4 sigma. Formeln för Cp är: Cp = (ÖTG-UTG)/(6*s) där s = Rbar*d2 (d2 ur tabell). Notera: Här beskrivs Cp som definierat enligt QS9000, men det finns också definitioner av Cp och Cpk som togs fram av Volvo och Ford och som i QS9000 benämns som Pp och Ppk.


Cpk Korrigerat duglighetsindex för stabil process (eng. Cpk, process capability index).

Duglighetsindex korrigerat till att innefatta fördelningens centrering. Ett högt Cpk innebär en liten spridning samt bra centrering kring målvärdet och därmed en bra process med avseende på spridning och centrering. En riktlinje brukar vara Cpk > 1.33, vilket motsvarar 4 sigma.

Formeln för Cpk är: Cpk = min(ÖTG-Xbar, Xbar-UTG)/ (3*s) där s = Rbar*d2 (d2 ur tabell).

Notera: Här beskrivs Cpk som definierat enligt QS9000, men det finns också definitioner av Cp och Cpk som togs fram av Volvo och Ford och som i QS9000 benämns som Pp och Ppk.


DARG Analys- och rapportverktyg. Ständiga förbättringar kräver analyser och uppföljningar, för att kunna hålla rätt fokus. DARG ingår som en del av SQC koncept och via den så analyseras/bearbetas mätdata arkiverade i relationsdatabasen. Med DARG modulen arbetar man enligt modellen SQC (Statistical Quality Control), genom att sammanställa mätdata insamlade och lagrade i databasen. Gör urval på Metadata (Fixtur, Serien Nr, Material, Formrum, Maskin, Företag, etc.) alternativt  jämför resultaten över olika tidsperioder och kunder. DARG modulen är ett kraftfullt verktyg för att extrahera värdefullt analysmaterial ur databasens informationsbank. ("Datamining")


feleffektanalys Se FMEA.


FMEA Feleffektanalys (eng. FMEA, Failure Mode and Effect Analysis). Ett verktyg som används under produkt- respektive produktionsutvecklingsfaserna med syfte att i rätt tid identifiera potentiella felmöjligheter.


Gage R&R  (eng. Gage R&R, Gage Repeatability and Reproducibility) Den kombinerade uppskattningen av repeterbarhet och reproducerbarhet för ett mätsystem. Ger ett mått på mätsystemets duglighet. Repeterbarhet innebär variationen när en operatör använder samma instrument för att mäta samma mått flera gånger. Reproducerbarhet innebär variationen när flera operatörer använder samma instrument för att mäta samma mått. Gage R&R är en del av MSA.


metadata Se annotering.


MSA Mätsystemsanalys (eng. MSA, Measurement System Analysis). En metod för att avgöra hur mycket variationen inom mätsystemet bidrar till processens totala variation. MSA innefattar bland annat Gage R&R.


målvärde (eng. target value) Det värde som eftersträvas i en process. I en bra process ligger medelvärdet (Xbar eller Xdbar) på målvärdet och spridningen är liten.


nom Se nominellt värde. nominellt värde (eng. nominal value) I allmänhet det värde utifrån vilket toleransgränserna är specificerade. Om toleransintervallet för en dimension är 3,0 ± 1,0 så är det nominella värdet 3,0. Nominellt värde bör inte blandas ihop med målvärde, även om dessa kan sammanfalla. Andra definitioner för nominellt värde finns.


Pp Duglighetsindex för instabil process (eng Pp, process performance). Anger hur många gånger spridningen ryms inom tolerans. Ett högt Pp innebär en liten spridning och därmed en bra process med avseende på spridning. En riktlinje brukar vara Pp > 1.67, vilket motsvarar 5 sigma. Formeln för Pp är: Pp = (ÖTG-UTG)/(6*sigma). Se även Ppk, Cp och Cpk.


Ppk Korrigerat duglighetsindex för instabil process (eng. Ppk, process performance index). Duglighetsindex korrigerat till att innefatta fördelningens centrering. Ett högt Ppk innebär en liten spridning samt bra centrering kring målvärdet och därmed en bra process med avseende på spridning och centrering. En riktlinje brukar vara Ppk > 1.67, vilket motsvarar 5 sigma. Formeln för Ppk är: Ppk = min(ÖTG-Xbar, Xbar-UTG)/(3*sigma). Se även Pp, Cp och Cpk.


R Variationsvidd (eng. R, range) i en provgrupp, dvs differensen mellan det största och minsta värdet i provgruppen. Rbar R, medelvärdet av variationsvidderna i alla provgrupper. Se R.


Rmax Övre styrgräns i R-diagram.


sigma σ, standardavvikelse (eng. standard deviation). En uppskattning av hur mycket mätvärden är spridda från medelvärdet. Standardavvikelsen används i första hand om mätvärdena är normalfördelade, eftersom den kan vara missvisande vid andra fördelningar.


sex sigma (eng. six sigma)
1. Ett kvalitetsmått som innebär att standardavvikelsen utgör maximalt en sjättedel av tolerans. Detta medför att av en miljon tillverkade detaljer är inte fler än 3,4 defekta.

2. En metodik som tillhandahåller tekniker och verktyg för att höja dugligheten och reducera variansen i en process.


SPS Statistisk processtyrning (eng. SPC, Statistical Process Control). Gör det möjligt att producera detaljer enligt nollfelsprincipen genom att upptäcka onormala variationer och förslitningstrender. Använder statistiska metoder för att beskriva, styra och åskådliggöra processer.


SQC Statistisk kvalitetskontroll (eng. SQC, Statistical Quality Control). Statistiska metoder som används för att mäta, övervaka, kontrollera och förbättra kvalitet.


statistisk kvalitetskontroll Se SQC.


tracefield Se annotering.


UTG Undre toleransgräns (eng. LTL). Kan vara absolut eller relativ ett nominellt värde (betecknas då ibland ΔUTG eller dUTG). Se även ÖTG.


X Betecknar ett enskilt mätvärde.


Xbar X, medelvärdet av alla mätvärden eller av mätvärdena i en provgrupp. Se X.


Xdbar X, medelvärdet av alla provgruppers Xbar-värden. Se Xbar.


ÖTG Övre toleransgräns (eng. UTL). Kan vara absolut eller relativ ett nominellt värde (betecknas då ibland ΔÖTG eller dÖTG). Se även UTG.