เรียกดูตามหมวดหมู่
บทนำ: เหตุใดการวิเคราะห์ระบบการวัด (MSA) จึงมีความสำคัญมากกว่าที่ทีมส่วนใหญ่ตระหนัก
ในโรงงานหลายแห่ง, ความผันแปรของกระบวนการที่สังเกตได้ตั้งแต่ 10% ถึง 30% อาจเกิดจากระบบการวัดเอง, ไม่ใช่กระบวนการที่ถูกควบคุม นั่นหมายความว่าเศษวัสดุบางส่วนไม่ใช่เศษวัสดุจริง ผลลัพธ์ที่อยู่นอกข้อกำหนดบางส่วนเป็นสัญญาณเตือนที่ผิดพลาด และข้อมูลความสามารถบางส่วนอาจไม่น่าเชื่อถือเท่าที่เห็น. การวิเคราะห์ระบบการวัด (MSA) ช่วยให้วิศวกรด้านคุณภาพและกระบวนการสามารถแยกความแปรผันของกระบวนการที่แท้จริงออกจากข้อผิดพลาดในการวัด ก่อนที่จะตัดสินใจเกี่ยวกับการควบคุม การปรับกระบวนการ หรือการรายงานต่อลูกค้า.
กล่าวโดยสรุป MSA ตั้งคำถามสำคัญว่า: คุณเชื่อถือตัวเลขที่ได้จากเครื่องมือวัด อุปกรณ์จับยึด วิธีการทดสอบ และผู้ตรวจสอบของคุณได้หรือไม่? หากคำตอบคือไม่ แม้แต่กระบวนการที่เสถียรก็อาจดูไม่เสถียร และกระบวนการที่มีประสิทธิภาพก็อาจดูเหมือนไม่มีประสิทธิภาพ นี่คือเหตุผลที่ระบบการวัดที่อ่อนแอ มักก่อให้เกิดต้นทุนแฝงผ่านการปฏิเสธที่ผิดพลาด ข้อบกพร่องที่มองข้าม การทำงานซ้ำ และความเข้าใจผิด เอสพีซี หรือผลการตรวจ Cpk.
บทความนี้จะอธิบายว่าการวิเคราะห์ระบบการวัด (Measurement System Analysis: MSA) คืออะไร เหมาะสมกับงานควบคุมคุณภาพการผลิตอย่างไร และ Gage R&R มีบทบาทอย่างไรในกรอบงาน MSA ที่กว้างขึ้น นอกจากนี้ คุณจะได้เรียนรู้คุณสมบัติหลัก 5 ประการของ MSA วิธีการดำเนินการศึกษา Gage R&R ทีละขั้นตอน และวิธีการตีความผลลัพธ์อย่างถูกต้อง เพื่อให้ข้อมูลการวัดของคุณสนับสนุนการตัดสินใจที่ดีขึ้นในสายการผลิต.
การวิเคราะห์ระบบการวัดคืออะไร และมีความเกี่ยวข้องกับการควบคุมคุณภาพในกระบวนการผลิตอย่างไร
MSA กำหนดว่าคุณสามารถเชื่อถือตัวเลขได้มากแค่ไหน
เอ็มเอสเอ MSA (Meaning System Analysis) คือวิธีการที่มีโครงสร้างในการประเมินว่ากระบวนการวัดของคุณมีความแม่นยำและสม่ำเสมอเพียงพอสำหรับการตัดสินใจด้านคุณภาพหรือไม่ ในการผลิต กระบวนการนั้นรวมถึงเครื่องมือวัด อุปกรณ์จับยึด วิธีการ สภาพแวดล้อม สภาพชิ้นส่วน ซอฟต์แวร์ และผู้ที่ใช้เครื่องมือ MSA ในการควบคุมคุณภาพการผลิตมีความสำคัญ เพราะแม้แต่กระบวนการที่มีประสิทธิภาพก็อาจดูไม่เสถียรหากระบบการวัดเพิ่มสัญญาณรบกวนมากเกินไป ก่อนที่คุณจะตอบสนองต่อแนวโน้ม ปฏิเสธชิ้นส่วน หรือเริ่มการผลิตใหม่ การดำเนินการแก้ไข, คุณต้องมั่นใจว่าข้อมูลที่ได้สะท้อนถึงตัวผลิตภัณฑ์ ไม่ใช่วิธีการตรวจสอบ.
MSA เป็นศาสตร์ที่ครอบคลุมกว้างขวาง ในขณะที่ Gage R&R เป็นการศึกษาย่อยภายในศาสตร์นั้น วิธีการ MSA แบบเต็มรูปแบบจะตรวจสอบคุณสมบัติหลายประการของระบบการวัด รวมถึงว่าระบบนั้นตั้งอยู่ตรงกลางอย่างถูกต้องหรือไม่ มีความเสถียรตลอดเวลาหรือไม่ และผู้ปฏิบัติงานที่แตกต่างกันได้ผลลัพธ์ที่คล้ายคลึงกันหรือไม่ ส่วน Gage Repeatability and Reproducibility จะเน้นเฉพาะเรื่องความแปรปรวน: ว่าความแปรปรวนนั้นมาจากตัวอุปกรณ์เองมากน้อยเพียงใด และมาจากความแตกต่างของผู้ประเมินมากน้อยเพียงใด.
เหตุใดข้อผิดพลาดในการวัดจึงก่อให้เกิดความเสี่ยงในการตัดสินใจ
เหตุผลที่ MSA สมควรได้รับความสนใจคือความเสี่ยงในการตัดสินใจ วิศวกรคุณภาพไม่ได้วัดเพื่อความอยากรู้อยากเห็น แต่พวกเขาทำการวัดเพื่อยอมรับ ปฏิเสธ คัดแยก ปรับปรุง ปล่อยผ่าน หรือส่งต่อ หากระบบการวัดอ่อนแอ คุณอาจทำผิดพลาดที่เสียค่าใช้จ่ายสูงสองอย่างคือ ปล่อยชิ้นส่วนที่ชำรุดผ่านไป หรือปฏิเสธชิ้นส่วนที่ดี ในการดำเนินงานที่มีปริมาณมาก แม้แต่ข้อผิดพลาดเล็กน้อยก็อาจส่งผลให้เกิดของเสีย การทำงานซ้ำ แรงงานในการคัดแยก หรือความเสี่ยงต่อลูกค้าอย่างมาก.
ลองพิจารณาสถานีตรวจสอบขนาดชิ้นส่วนยานยนต์ที่ตรวจสอบเส้นผ่านศูนย์กลางรูด้วยเกจวัดรูแบบดิจิทัล หากค่าความคลาดเคลื่อนของชิ้นส่วนนั้นแคบมาก และความแปรปรวนของการวัดมีมากเมื่อเทียบกับค่าความคลาดเคลื่อนนั้น ชิ้นส่วนที่อยู่ในเกณฑ์ก้ำกึ่งอาจเปลี่ยนผลการตรวจสอบระหว่างผ่านและไม่ผ่าน ขึ้นอยู่กับว่าใครเป็นผู้ทำการวัดหรือเวลาที่ทำการตรวจสอบ ซึ่งจะสร้างความไม่เสถียรในแผนภูมิ SPC และความสับสนในสายการผลิต ทีมงานอาจปรับกระบวนการที่ดำเนินไปได้ตามปกติอยู่แล้ว ซึ่งจะเพิ่มความแปรปรวนของกระบวนการที่ไม่จำเป็น นอกเหนือจากความแปรปรวนของการวัด.
หลักการที่มีประโยชน์อย่างหนึ่งคือการแยกความแปรผันโดยรวมของกระบวนการออกจากความแปรผันของระบบการวัด ความแปรผันโดยรวมคือสิ่งที่คุณสังเกตเห็นในข้อมูล ส่วนความแปรผันของระบบการวัดคือส่วนที่เกิดจากวิธีการวัดของคุณ หากความแปรผันที่สังเกตได้ส่วนใหญ่มาจากระบบการวัด กระบวนการก็จะดูแย่กว่าที่เป็นจริง และตัวชี้วัดความสามารถก็จะน่าเชื่อถือน้อยลง.
ข้อผิดพลาดด้านตำแหน่งเทียบกับข้อผิดพลาดด้านการกระจาย
เอ็มเอสเอ นอกจากนี้ยังช่วยให้วิศวกรสามารถแยกแยะความแตกต่างระหว่างข้อผิดพลาดสองประเภทหลักได้: ข้อผิดพลาดที่เกี่ยวข้องกับตำแหน่งที่ตั้ง และ ข้อผิดพลาดที่เกี่ยวข้องกับการแพร่กระจาย. ข้อผิดพลาดด้านตำแหน่งจะทำให้ผลลัพธ์คลาดเคลื่อนจากค่าที่แท้จริง ในขณะที่ข้อผิดพลาดด้านการกระจายจะทำให้การอ่านค่าซ้ำๆ ไม่สม่ำเสมอมากเกินไป ความแตกต่างนี้มีความสำคัญเพราะวิธีการแก้ไขแตกต่างกัน ระบบที่มีข้อผิดพลาดด้านตำแหน่งอาจต้องมีการปรับเทียบหรือแก้ไขค่าอ้างอิง ในขณะที่ระบบที่มีการกระจายมากเกินไปอาจต้องปรับปรุงอุปกรณ์จับยึด ปรับปรุงคำแนะนำในการทำงาน หรือฝึกอบรมผู้ปฏิบัติงานใหม่.
ตัวอย่างการตรวจสอบสินค้าอิเล็กทรอนิกส์ขาเข้าทำให้เรื่องนี้ชัดเจนขึ้น สมมติว่าซัพพลายเออร์ส่งตัวต้านทานความแม่นยำสูงมาให้ และทีมรับสินค้าของคุณวัดระยะห่างระหว่างขาด้วยระบบวิชั่น หากระบบอ่านค่าได้สูง 0.03 มม. อย่างสม่ำเสมอ นั่นคือปัญหาเรื่องตำแหน่ง หากระบบอ่านค่าได้แตกต่างกันในแต่ละครั้งสำหรับชิ้นส่วนเดียวกัน นั่นคือปัญหาเรื่องความคลาดเคลื่อน และนั่นคือจุดที่ Gage R&R มีความสำคัญเป็นพิเศษ.
คุณสมบัติทั้งห้าประการของ MSA: ความเอนเอียง ความเป็นเส้นตรง ความเสถียร ความสามารถในการทำซ้ำ และความสามารถในการสร้างผลลัพธ์ซ้ำ
หากคุณต้องการทราบเกี่ยวกับการประยุกต์ใช้ในทางปฏิบัติของ เอ็มเอสเอ, คุณสมบัติทั้งห้าประการนี้เป็นเกณฑ์ตรวจสอบหลักที่จะบอกคุณได้ว่าระบบการวัดนั้นน่าเชื่อถือหรือไม่.
กรอบแนวคิดนี้มีความสำคัญก่อนที่คุณจะทำการศึกษาความสามารถของกระบวนการ กำหนดขีดจำกัดการควบคุมให้เข้มงวดขึ้น หรือตัดสินใจว่าจะทำการศึกษา Gage R&R อย่างไร กระบวนการอาจดูไม่เสถียรเพียงเพราะเครื่องมือวัดไม่เสถียร และกระบวนการที่มีความสามารถอาจดูอ่อนแอเพราะวิธีการวัดทำให้เกิดความแปรปรวนมากเกินไป ใน MSA ในการควบคุมคุณภาพการผลิต ความแตกต่างนี้จะช่วยป้องกันการตัดสินใจที่ผิดพลาดซึ่งเกิดจากข้อมูลที่ไม่ถูกต้อง.
อคติ
ค่าความคลาดเคลื่อน (Bias) คือความแตกต่างระหว่างค่าเฉลี่ยที่วัดได้กับค่าอ้างอิงที่ทราบ ค่านี้จะบอกคุณว่าระบบอ่านค่าสูงหรือต่ำเกินไปอย่างสม่ำเสมอหรือไม่ นี่เป็นข้อผิดพลาดที่เกิดจากตำแหน่ง ไม่ใช่ปัญหาที่เกิดจากความคลาดเคลื่อนของค่าที่วัดได้.
เครื่องทดสอบแรงบิดเป็นตัวอย่างง่ายๆ หากวัดค่ามาตรฐาน 10.00 นิวตันเมตรซ้ำๆ แล้วได้ค่าเฉลี่ย 10.18 นิวตันเมตร แสดงว่าระบบมีค่าเบี่ยงเบนไปในทางบวก หากไม่สนใจค่าเบี่ยงเบนนี้ ผลการวัดแรงบิดอาจแสดงว่าขันแน่นเกินไปหรือหลวมเกินไป ทั้งๆ ที่ไม่ใช่เช่นนั้น.
ความเป็นเส้นตรง
ความเป็นเส้นตรงแสดงให้เห็นว่าค่าความคลาดเคลื่อนคงที่ตลอดช่วงการวัดทั้งหมดหรือไม่ เครื่องมือวัดอาจทำงานได้ดีใกล้ค่าเป้าหมายค่าหนึ่ง แต่มีความแม่นยำน้อยลงที่ค่าต่ำหรือค่าสูง ซึ่งจะสร้างความเสี่ยงในการตัดสินใจที่ไม่เท่ากันในขนาดผลิตภัณฑ์หรือช่วงข้อกำหนดต่างๆ.
ตัวอย่างเช่น เกจวัดความสูงแบบดิจิทัลอาจอ่านค่าได้อย่างแม่นยำที่ 20 มม. แต่จะคลาดเคลื่อนสูงขึ้นที่ 150 มม. ในกรณีเช่นนั้น ข้อมูลการตรวจสอบชิ้นส่วนขนาดสั้นอาจเชื่อถือได้ ในขณะที่ข้อมูลจากชิ้นส่วนขนาดใหญ่กว่านั้นไม่น่าเชื่อถือ เรื่องนี้มีความสำคัญเมื่อมีการใช้เครื่องมือเดียวกันกับผลิตภัณฑ์หลายกลุ่มหรือหลายช่วงคุณลักษณะ.
ความเสถียร
การทดสอบความเสถียรจะตรวจสอบว่าระบบการวัดเปลี่ยนแปลงไปตามเวลาหรือไม่ เมื่อทำการวัดค่าอ้างอิงเดียวกัน การทดสอบนี้จะตรวจจับการเปลี่ยนแปลงที่เกิดจากการสึกหรอ สภาพแวดล้อม สภาพของอุปกรณ์จับยึด ปัญหาแบตเตอรี่ หรือการสูญเสียการสอบเทียบ ระบบที่เสถียรจะให้ผลลัพธ์ที่เปรียบเทียบได้ในวันนี้ สัปดาห์หน้า และเดือนหน้า.
เวอร์เนียร์คาลิเปอร์แบบพกพาที่ใช้ในการตรวจสอบสินค้าขาเข้า อาจผ่านเกณฑ์มาตรฐานในช่วงเช้า แต่จะเริ่มเบี่ยงเบนทีละน้อยหลังจากใช้งานหนักเป็นเวลาหลายสัปดาห์ หากมองข้ามแนวโน้มนี้ วิศวกรอาจเข้าใจผิดว่าคุณภาพของซัพพลายเออร์เปลี่ยนแปลงไป ในขณะที่ความจริงแล้วเครื่องมือต่างหากที่เริ่มเบี่ยงเบน ความเสถียรมีความสำคัญอย่างยิ่ง โดยเฉพาะอย่างยิ่งในกรณีที่การตรวจสอบต้องการหลักฐานที่ตรวจสอบย้อนกลับได้เกี่ยวกับการควบคุมการวัดอย่างต่อเนื่อง.
ความสามารถในการทำซ้ำ
ความสามารถในการทำซ้ำคือความแปรผันเมื่อ ผู้ดำเนินการคนเดียวกัน วัดชิ้นส่วนเดียวกันหลายครั้งโดยใช้เครื่องมือวัดและวิธีการเดียวกัน ซึ่งสะท้อนถึงความสม่ำเสมอของอุปกรณ์และวิธีการภายใต้สภาวะควบคุม ในการศึกษา Gage R&R ส่วนใหญ่ สิ่งนี้เรียกว่า ความแปรปรวนของอุปกรณ์.
ข้อผิดพลาดที่พบบ่อยคือ เมื่อชิ้นส่วนเข้าที่ได้ยาก หรือแรงสัมผัสไม่สม่ำเสมอ ตัวอย่างเช่น การวัดรูอาจแตกต่างกันไป เนื่องจากหัววัดมีความไวต่อมุมหรือความลึกของการสอดใส่ ข้อผิดพลาดในการวัดซ้ำสูงหมายความว่าเครื่องมือ อุปกรณ์จับยึด หรือวิธีการวัดนั้นจำเป็นต้องได้รับการแก้ไข ก่อนที่การฝึกอบรมผู้ปฏิบัติงานเพียงอย่างเดียวจะช่วยได้.
ความสามารถในการทำซ้ำ
ความสามารถในการทำซ้ำได้คือความแปรผันระหว่าง ผู้ดำเนินการที่แตกต่างกัน การวัดชิ้นส่วนเดียวกันด้วยเกจเดียวกัน สะท้อนให้เห็นว่าวิธีการนั้นสามารถถ่ายทอดจากผู้ประเมินคนหนึ่งไปยังอีกคนหนึ่งได้ดีเพียงใด นี่คือจุดที่มักพบปัญหาจากคำแนะนำในการทำงานที่ไม่ชัดเจน.
ในสายการประกอบชิ้นส่วนอิเล็กทรอนิกส์ ผู้ตรวจสอบสามคนอาจวัดความสูงของรอยบัดกรีแตกต่างกัน เนื่องจากพวกเขาวางชิ้นส่วนใต้กล้องจุลทรรศน์ในลักษณะที่แตกต่างกันเล็กน้อย หากผู้ปฏิบัติงานคนหนึ่งอ่านค่าสูงอย่างสม่ำเสมอและอีกคนอ่านค่าต่ำ ปัญหาไม่ได้อยู่ที่เครื่องมือวัดเท่านั้น แต่ยังอยู่ที่เทคนิคการวัดด้วย ก่อนที่ทีมจะเชื่อถือข้อมูลการตรวจสอบ พวกเขาจำเป็นต้องมีทั้งข้อผิดพลาดในการวัดซ้ำต่ำและข้อผิดพลาดในการสร้างผลลัพธ์ซ้ำต่ำ.
ขั้นตอนการดำเนินการศึกษา Gage R&R ทีละขั้นตอน
กำหนดขอบเขตการศึกษาให้ชัดเจนก่อนที่จะเริ่มทำการวัด
หากคุณต้องการทราบวิธีการดำเนินการศึกษา Gage R&R อย่างถูกต้อง ให้เริ่มต้นด้วยการตัดสินใจในการผลิตที่การวัดนั้นสนับสนุน ในเซลล์การผลิตปลอกวาล์วที่มีความแม่นยำสูง ทีมควบคุมคุณภาพใช้เกจวัดรูแบบดิจิทัลเพื่อตรวจสอบความคลาดเคลื่อนของเส้นผ่านศูนย์กลางภายในที่ 25.000 ± 0.020 มม. วัตถุประสงค์ของการศึกษาไม่ใช่การ "ตรวจสอบเกจ" โดยทั่วไป แต่เป็นการยืนยันว่าระบบการวัดนี้มีความน่าเชื่อถือเพียงพอสำหรับการอนุมัติ การปรับแต่ง และการวิเคราะห์ความสามารถหรือไม่.
ก่อนเริ่มการตั้งค่า ให้กำหนดวิธีการวัดให้แน่นอนเหมือนกับที่ผู้ปฏิบัติงานใช้ในโรงงาน ซึ่งรวมถึงการทำความสะอาดชิ้นส่วน สภาพอุณหภูมิ การยึดชิ้นงาน ตำแหน่งการวัด การตั้งค่าศูนย์ของเครื่องมือวัด และกฎการอ่านค่า หากเงื่อนไขใดๆ เหล่านั้นเปลี่ยนแปลงไปในระหว่างการศึกษา คุณอาจวัดความแปรปรวนของวิธีการวัดแทนที่จะเป็นความแปรปรวนที่แท้จริงของอุปกรณ์หรือผู้ประเมิน.
เลือกชิ้นส่วนที่แสดงถึงช่วงกระบวนการจริง
การเลือกชิ้นส่วน นี่คือจุดที่งานวิจัยหลายชิ้นล้มเหลวอย่างเงียบๆ สำหรับเซลล์การผลิตนี้ วิศวกรควรเลือกชิ้นส่วน 10 ชิ้นที่ครอบคลุมช่วงการทำงานจริง รวมถึงชิ้นส่วนที่อยู่ใกล้ช่วงต่ำสุด กลาง และสูงสุดของข้อกำหนดและช่วงกระบวนการ หากชิ้นส่วนทั้ง 10 ชิ้นเกือบจะเหมือนกัน งานวิจัยจะประเมินความสามารถของระบบในการแยกแยะความแตกต่างระหว่างชิ้นส่วนต่ำกว่าความเป็นจริง.
ให้ใช้ชิ้นส่วนที่ผลิตจริง ไม่ใช่ตัวอย่างต้นแบบ เว้นแต่ว่าแอปพลิเคชันนั้นต้องการหลักฐานอ้างอิงโดยเฉพาะ เป้าหมายคือ... เอ็มเอสเอ สำหรับการควบคุมคุณภาพในกระบวนการผลิตนั้น คือการทดสอบระบบการวัดภายใต้สภาวะที่สมจริง ชิ้นส่วนแต่ละชิ้นควรได้รับการติดฉลากที่ไม่ซ้ำกัน โดยไม่เปิดเผยขนาดที่คาดหวังให้กับผู้ประเมิน.
เลือกผู้ประเมินและออกแบบการทดลอง
เลือก ผู้ประเมิน 2-3 คน ผู้ที่ปกติแล้วทำการวัดหรือควบคุมดูแลการวัดนั้น ในตัวอย่างเซลล์การผลิตนี้ ทีมงานเลือกช่างเทคนิคคุณภาพ 1 คน พนักงานควบคุมเครื่องจักร 1 คน และหัวหน้ากะ 1 คน เพราะคนเหล่านี้คือผู้ที่ใช้ผลลัพธ์ในการยอมรับและแก้ไขกระบวนการผลิตจริง ๆ หลีกเลี่ยงการเลือกเฉพาะผู้ตรวจสอบที่มีทักษะมากที่สุด เพราะอาจทำให้ผลการศึกษาดูดีกว่าการปฏิบัติงานจริงในแต่ละวัน.
การออกแบบการศึกษาแบบไขว้มาตรฐานใช้ 10 ส่วน, ผู้ประเมิน 3 คน และการทดลองซ้ำ 2-3 ครั้ง ต่อชิ้นส่วน ผลิต การอ่าน 60 ถึง 90 ครั้ง. ผู้ประเมินแต่ละคนจะวัดชิ้นส่วนแต่ละชิ้นหลายครั้งโดยใช้เครื่องมือวัดและวิธีการเดียวกัน โครงสร้างนี้ช่วยให้คุณแยกความแปรปรวนของชิ้นส่วนออกจากความสามารถในการทำซ้ำและความสามารถในการสร้างผลลัพธ์ซ้ำได้.
สุ่มลำดับการวัด
การสุ่ม สิ่งนี้มีความสำคัญอย่างยิ่ง เพราะผู้ปฏิบัติงานเรียนรู้ จดจำ และชดเชย หากผู้ประเมิน A วัดชิ้นส่วนที่ 1 ถึง 10 ตามลำดับ แล้วทำซ้ำในลำดับเดิม ความทรงจำอาจลดความแปรผันที่ปรากฏและบิดเบือนผลลัพธ์ได้ ในการศึกษาเกี่ยวกับวาล์วและปลอก วิศวกรจะเตรียมเอกสารลำดับแบบสุ่มสำหรับแต่ละการทดลอง เพื่อไม่ให้ผู้ประเมินคนใดรู้ว่าชิ้นส่วนใดจะตามมา หรือเคยวัดชิ้นส่วนนั้นมาก่อนหรือไม่.
การปกปิดข้อมูลก็สำคัญเช่นกัน อย่าให้ผู้ประเมินเห็นผลการวัดก่อนหน้า อภิปรายผลลัพธ์ หรือเปรียบเทียบชิ้นส่วนระหว่างการศึกษา แม้แต่เบาะแสเล็กๆ น้อยๆ เช่น ชิ้นส่วนที่เรียงซ้อนกันตามขนาด ก็อาจทำให้ข้อมูลคลาดเคลื่อนได้.
ระเบียบวินัยการควบคุมการเก็บรวบรวมข้อมูล
ในระหว่างการดำเนินการ ให้ถือว่าการศึกษาครั้งนี้เป็นการทดสอบแบบควบคุม ไม่ใช่การตรวจสอบตามปกติ ควรใช้เกจวัดเดียวกัน อุปกรณ์จับยึดเดียวกัน คำแนะนำในการทำงานเดียวกัน และสภาพแวดล้อมเดียวกันตลอดการดำเนินการ หากชุดเกจวัดรูเสียหาย อุณหภูมิห้องเปลี่ยนแปลงอย่างรวดเร็ว หรือมีการนำอุปกรณ์จับยึดที่แตกต่างออกไปมาใช้ในระหว่างดำเนินการ ให้หยุดและเริ่มต้นใหม่แทนที่จะเปลี่ยนแปลงสภาพแวดล้อม.
บันทึกค่าที่วัดได้ทั้งหมดอย่างถูกต้องตามที่แสดง รวมถึงค่าทศนิยม โดยไม่ต้องปัดเศษหรือ "แก้ไข" ค่าที่ผิดปกติใดๆ นอกจากนี้ ให้บันทึกด้วยว่าใครเป็นผู้ทำการวัด การทดลองครั้งใด และเหตุการณ์ผิดปกติใดๆ ที่อาจส่งผลต่อการวิเคราะห์ การจัดการข้อมูลที่ดีจะช่วยป้องกันข้อโต้แย้งในภายหลัง เมื่อทีมตรวจสอบว่าปัญหาเกิดจากเครื่องมือ วิธีการ หรือการดำเนินการ.
วิธีตีความผลลัพธ์ Gage R&R และหลีกเลี่ยงข้อผิดพลาดทั่วไปของ MSA
อ่าน GRR ในฐานะตัวชี้วัดความเสี่ยงในการตัดสินใจ
หลังจากที่คุณรู้วิธีการทำการศึกษา Gage R&R แล้ว คำถามต่อไปคือ ตัวเลขที่ได้นั้นเพียงพอสำหรับการตัดสินใจที่เกจนั้นสนับสนุนหรือไม่ ในตัวอย่างของห้องปฏิบัติการเครื่องจักรกล ทีมงานได้วัดเส้นผ่านศูนย์กลางรูเจาะที่สำคัญโดยใช้ชิ้นส่วน 10 ชิ้น ผู้ประเมิน 3 คน และการทดลอง 3 ครั้ง การศึกษาของพวกเขาได้ผลลัพธ์ดังนี้ GRR = 22%, ซึ่งบ่งชี้ทันทีว่าระบบการวัดกำลังสร้างสัญญาณรบกวนมากเกินไปสำหรับคุณลักษณะที่ต้องการความคลาดเคลื่อนต่ำ นั่นไม่ได้หมายความว่าเครื่องมือวัดนั้นไร้ประโยชน์โดยอัตโนมัติ แต่หมายความว่าสัญญาณกระบวนการ ผลลัพธ์ความสามารถ และการตัดสินว่าผ่านหรือไม่ผ่าน มีความเสี่ยงมากกว่าที่หลายทีมคาดการณ์ไว้.
หลักเกณฑ์ทั่วไปนั้นตรงไปตรงมา: โดยทั่วไปแล้ว มาตรฐานที่ต่ำกว่า 10% ถือว่ายอมรับได้ มาตรฐาน 10% ถึง 30% ยอมรับได้ในบางกรณี ขึ้นอยู่กับการใช้งาน และมาตรฐานที่สูงกว่า 30% มักไม่เป็นที่ยอมรับ สำหรับการวางจำหน่ายผลิตภัณฑ์ ลูกค้า พีพีเอพี หากมีหลักฐานหรือคุณลักษณะที่มีค่าความคลาดเคลื่อนแคบ วิศวกรคุณภาพส่วนใหญ่ควรพิจารณาช่วงค่ากลางอย่างระมัดระวัง หากผลลัพธ์ 22% เดียวกันนั้นเกี่ยวข้องกับรูเจาะที่เกี่ยวข้องกับความปลอดภัยซึ่งใช้ในการประกอบขั้นสุดท้าย ทีมงานควรปรับปรุงระบบการวัดก่อนที่จะเชื่อถือความสามารถหรือแนวโน้มการตรวจสอบ หากเป็นการคัดกรองเบื้องต้นในกระบวนการผลิตเท่านั้น ความเสี่ยงทางธุรกิจอาจต่ำกว่า แต่ข้อจำกัดนั้นยังคงต้องได้รับการบันทึกไว้.
แยกความสามารถในการทำซ้ำออกจากความสามารถในการสร้างผลลัพธ์ซ้ำ
ตัวเลข GRR โดยรวมบอกขนาดของปัญหา แต่การแบ่งระหว่างความสามารถในการทำซ้ำและความสามารถในการสร้างผลลัพธ์ซ้ำได้จะบอกว่าควรดำเนินการแก้ไขที่จุดใด ในการศึกษาเกี่ยวกับเซลล์การผลิต ความสามารถในการทำซ้ำเป็นสาเหตุหลักของความแปรปรวน ในขณะที่ความแตกต่างระหว่างผู้ประเมินแต่ละคนนั้นค่อนข้างน้อย นั่นชี้ให้เห็นว่า ปัญหาอาจอยู่ที่เครื่องมือวัด อุปกรณ์จับยึด วิธีการสัมผัส หรือการวางตำแหน่งชิ้นส่วน มากกว่าการฝึกอบรมผู้ปฏิบัติงานเพียงอย่างเดียว หากความสามารถในการสร้างผลลัพธ์ซ้ำได้เป็นปัจจัยหลัก ทีมงานจะมุ่งเน้นไปที่การทำงานที่เป็นมาตรฐาน ลำดับการวัด และเทคนิคของผู้ประเมินเป็นอันดับแรก.
ตีความ GRR และ NDC ร่วมกัน
วิศวกรไม่ควรอ่าน GRR โดยไม่ตรวจสอบข้อมูลเพิ่มเติมด้วย เอ็นดีซี, หรือจำนวนหมวดหมู่ที่แตกต่างกัน NDC แสดงให้เห็นว่าระบบการวัดสามารถแยกความแตกต่างระหว่างชิ้นส่วนต่างๆ ออกเป็นกลุ่มที่มีประโยชน์ได้อย่างน่าเชื่อถือหรือไม่ ในทางปฏิบัติ NDC ควรมีอย่างน้อย 5 และหลายทีมชอบค่า 10 ขึ้นไปเพื่อการจำแนกที่ชัดเจนยิ่งขึ้น ในตัวอย่างเซลล์การผลิต ผลการศึกษาได้ค่า NDC = 3 ซึ่งหมายความว่าระบบไม่สามารถแยกแยะความแตกต่างที่มีความหมายได้อย่างชัดเจนเพียงพอระหว่างชิ้นส่วนที่เลือกไว้ ค่า GRR ปานกลางร่วมกับค่า NDC ที่อ่อนแอ บ่งบอกว่าระบบไม่เพียงแต่มีสัญญาณรบกวน แต่ยังจัดอันดับชิ้นส่วนสำหรับการวิเคราะห์กระบวนการได้ไม่ดีอีกด้วย.
หลีกเลี่ยงข้อผิดพลาดที่พบบ่อยที่สุดในการเรียน
ข้อผิดพลาดที่พบบ่อยอย่างหนึ่งคือ ช่วงชิ้นส่วนที่ไม่ดี. หากทีมงานฝ่ายกลึงเลือกชิ้นงานที่มีรูเจาะเกือบเหมือนกัน 10 ชิ้นจากช่วงเวลาการผลิตที่คงที่หนึ่งชั่วโมง ความแปรผันระหว่างชิ้นงานจะน้อยลงอย่างไม่เป็นธรรมชาติ ทำให้ระบบการวัดดูแย่ลงและทำให้ค่า NDC ลดลง การศึกษาที่ดีกว่าควรรวมถึงชิ้นงานที่ครอบคลุมช่วงการทำงานจริง โดยเฉพาะอย่างยิ่งชิ้นงานที่อยู่ใกล้ขีดจำกัดความคลาดเคลื่อน.
ข้อผิดพลาดอีกอย่างคือการใช้ เกจที่ไม่ได้สอบเทียบหรือบำรุงรักษาไม่ดี. การศึกษาวิจัยไม่สามารถซ่อมแซมไมโครมิเตอร์ เกจวัดลม หรือเกจวัดรูที่มีการสึกหรอ การเบี่ยงเบน หรือหน้าสัมผัสเสียหายได้ ก่อนทำการทดสอบ เอ็มเอสเอ, ตรวจสอบสถานะการสอบเทียบ ความละเอียด และสภาพของอุปกรณ์จับยึด.
ปัญหาสำคัญสุดท้ายคือ ความไม่สอดคล้องกันในการดำเนินการและการพึ่งพาสเปรดชีต. หากผู้ประเมินทำการวัดในทิศทางที่แตกต่างกัน ทำความสะอาดชิ้นส่วนต่างกัน หรือเห็นผลการวัดก่อนหน้า ความสามารถในการทำซ้ำก็จะผิดเพี้ยนไป การใช้สเปรดชีตแบบแมนนวลเพิ่มความเสี่ยงด้านการควบคุมเวอร์ชันและสูตร ดังนั้นแม้ว่าทีมงานจะเข้าใจว่าการวิเคราะห์ระบบการวัดคืออะไร แต่ระเบียบวินัยในการศึกษาที่อ่อนแออาจยังคงนำไปสู่ข้อสรุปที่ผิดพลาดได้.
สรุป: การกำหนดมาตรฐานเวิร์กโฟลว์ MSA ด้วย Jodoo
การวิเคราะห์ระบบการวัด วิธีการนี้จะมีประโยชน์ก็ต่อเมื่อกลายเป็นกระบวนการที่ควบคุมได้ ไม่ใช่เพียงแค่การวิเคราะห์ทางสถิติครั้งเดียว ในทางปฏิบัติ นั่นหมายความว่า การตั้งค่าการศึกษา ข้อมูลดิบ ตรรกะการคำนวณ ความคิดเห็นของผู้ตรวจสอบ และประวัติการอนุมัติทั้งหมดจะต้องได้รับการบันทึกและตรวจสอบย้อนกลับได้ สำหรับทีมที่ทำงานภายใต้ข้อกำหนดของ PPAP, IATF 16949 หรือการตรวจสอบจากลูกค้า การควบคุมบันทึกที่ไม่ดีอาจบั่นทอนแม้แต่การศึกษา Gage R&R ที่ถูกต้องตามหลักวิชาการก็ตาม.
ประเด็นสำคัญนั้นตรงไปตรงมา: ก่อนที่คุณจะเชื่อมั่นในความสามารถของกระบวนการ แนวโน้ม SPC หรือการตัดสินใจในการตรวจสอบ คุณต้องมีความมั่นใจในระบบการวัดเสียก่อน ซึ่งรวมถึงการทำความเข้าใจคุณสมบัติทั้งห้าของ MSA การดำเนินการศึกษา Gage R&R อย่างมีระเบียบวินัย และการตีความผลลัพธ์ในลักษณะที่นำไปสู่การดำเนินการแก้ไข เครื่องมือวัดที่มีประสิทธิภาพนั้นสำคัญ แต่กระบวนการ MSA ที่ทำซ้ำได้ต่างหากที่จะทำให้ความสามารถนั้นคงอยู่ได้ตลอดไป.
ในฐานะแพลตฟอร์มการผลิตแบบลีนที่ไม่ต้องเขียนโค้ด, Jodoo ช่วยให้ทีมงานด้านคุณภาพสร้างแบบฟอร์ม MSA ดิจิทัล บันทึกค่าการวัดได้อย่างสม่ำเสมอ และคำนวณได้ จีอาร์อาร์ และ เอ็นดีซี ระบบจะกำหนดเส้นทางการศึกษาเพื่อตรวจสอบและอนุมัติโดยอัตโนมัติ และจัดเก็บบันทึกทั้งหมดไว้ในฐานข้อมูลที่ค้นหาได้ หากคุณต้องการกำหนดมาตรฐาน MSA โดยไม่ต้องพึ่งพาโปรแกรมสเปรดชีต คุณสามารถทำได้ เริ่มทดลองใช้งานฟรี หรือ จองการสาธิต เพื่อศึกษาเทมเพลตเวิร์กโฟลว์ MSA.
