SPC (Statistical Process Control of Statistische Procescontrole) Wat is het?

< Back

Introductie SPC

Statistical Process Control of statistische procescontrole (SPC) bestaat al enige tijd in de industrie.
In 1924 ontwikkelde een man van Bell Laboratories de controletabel en het concept dat een proces in
statistische controle zou kunnenzijn. Die man was William A. Shewart. Uiteindelijk publiceerde hij een boek
met de titel “Statistical Method from the Viewpoint of Quality Control” (1939).

Het SPC proces is tijdens de Tweede Wereldoorlog op grote schaal ingezet door het leger in munitie-
en wapenfabrieken. De vraag naar producten had hen gedwongen om op zoek te gaan naar een betere en
efficiëntere manier om de productkwaliteit te bewaken.  Zonder de veiligheid in het gedrang te brengen.
SPC vulde die behoefte.

Het gebruik van SPC technieken in Amerika vervaagde na de oorlog. Het werd vervolgens opgepikt door
de Japanse productiebedrijven waar het nog steeds wordt gebruikt. In de jaren zeventig begon SPC weer
op te komen omdat de Amerikaanse industrie de druk voelde van hoogwaardige producten die uit Japan
werden geïmporteerd.

Tegenwoordig is SPC weer een veel gebruikt kwaliteitsinstrument in vele industrieën, over de hele wereld.

Wat is SPC nu precies?

SPC is een methode om de kwaliteit te meten en te beheersen door het productieproces te bewaken.

Kwaliteitsdata worden verzameld in de vorm van product- of procesmetingen of metingen van verschillende machines of instrumenten. De data worden verzameld en gebruikt voor het evalueren, bewaken en besturen van een proces.

SPC is een effectieve methode om voortdurend verbetering te realiseren. Door een proces te bewaken en te beheersen, kunnen we ervoor zorgen dat het op volle toeren functioneert.

Een van de meest uitgebreide en waardevolle bronnen van informatie met betrekking tot SPC is de handleiding gepubliceerd door de Automotive Industry Action Group (AIAG).

Waarom zou je SPC willen gebruiken?

Productiebedrijven worden vandaag de dag steeds vaker geconfronteerd met toenemende concurrentie. Tegelijkertijd blijven de kosten van grondstoffen stijgen. Dit zijn factoren die bedrijven voor het grootste deel niet kunnen beheersen.

Daarom moeten bedrijven zich concentreren op wat ze WEL kunnen controleren: hun processen. Bedrijven zouden meer moeten streven naar voortdurende verbetering van kwaliteit, efficiëntie en kostenreductie.

Veel bedrijven vertrouwen nog steeds uitsluitend op inspectie na productie om kwaliteitsissues te detecteren. Het SPC proces wordt geïmplementeerd om een bedrijf te verplaatsen van een detectie op basis van kwaliteitscontroles naar een detectie op basis van preventiebedrijf.

Door de prestaties van een proces in realtime te bewaken, kan de operator trends of veranderingen in het proces detecteren voordat deze tot inferieure producten en/of schroot leiden.

Hoe maak je correct gebruik van SPC?

Voordat SPC of een nieuw kwaliteitssysteem wordt geïmplementeerd, moet het productieproces worden geëvalueerd om de belangrijkste verspillingsgebieden te bepalen. Enkele voorbeelden van verspilling van het productieproces zijn nabewerking, afval en overmatige inspectietijd.

Het zou het nuttigst zijn om de SPC hulpmiddelen eerst in deze gebieden in te zetten. Tijdens de SPC worden niet alle dimensies gecontroleerd vanwege de kosten, tijd en productievertragingen die kunnen ontstaan.

Voorafgaand aan de implementatie van SPC moeten de belangrijkste of de meest kritieke kenmerken van het ontwerp of proces worden geïdentificeerd door een Cross Functional Team (CFT) tijdens een controle of “Design Failure Mode and Effects Analysis” (DFMEA) -oefening.

Gegevens zouden vervolgens worden verzameld en gecontroleerd op basis van deze essentiële of kritische kenmerken.

Data verzamelen en opnemen?

SPC data wordt verzameld in de vorm van metingen van een productdimensie / functie of proces instrument lezing.

De data wordt vervolgens geregistreerd en bijgehouden in verschillende soorten controlediagrammen, op basis van het type data dat wordt verzameld. Het is belangrijk dat het juiste type diagram wordt gebruikt om waardevolle en nuttige informatie te verkrijgen.

De data kan in de vorm van continue variabele data of attribuutdata zijn. De data kan ook worden verzameld en geregistreerd als individuele waarden of als gemiddelde van een groep metingen.

Enkele algemene richtlijnen en voorbeelden staan hieronder vermeld. In deze lijst staat niet alles en wordt alleen als referentie meegeleverd.

Variabele Data

Individual – Bereik verplaatsende diagram: te gebruiken als jouw data afzonderlijke waarden hebben.

Xbar – R-kaart: te gebruiken als jij data opslaat in subgroepen van 8 of minder.

Xbar – S-kaart: te gebruiken als jouw subgroep groter is dan 8.

Attribuutgegevens

P-kaart – voor het opnemen van het aantal defecte onderdelen in een groep onderdelen.

U-kaart – voor het registreren van het aantal defecten in elk onderdeel.

Control charts (Regelkaarten)

Een van de meest gebruikte ‘control charts’ voor variabele data zijn de X-Bar- en de R chart. De X-bar staat voor de gemiddelde waarde van de variabele X. De X-bar grafiek geeft de variatie in de steekproefgemiddelden of gemiddelden weer.

De bereiktabel (R Chart) toont de variatie binnen de subgroep. Het bereik is eenvoudig het verschil tussen de hoogste en de laagste waarde. De volgende stappen zijn vereist om een X-bar en R-chart te maken:

Geef de steekproefgrootte met “N” aan. Gewoonlijk zijn 4 of 5 algemene steekproeven normaal in de industrie. Onthoud dat de steekproefgrootte acht of minder moet zijn. Bepaal ook de frequentie waarmee de steekproefresultaten worden verzameld.

Begin met het verzamelen van jouw eerste set proeven. Een algemene regel is om honderd metingen te verzamelen in groepen van vier, wat zou resulteren in vijfentwintig datapunten. Bereken de gemiddelde waarde voor elk van de vijfentwintig groepen van vier proeven.

Bereken vervolgens het bereik van elk van de vijfentwintig proeven van vier metingen. Het bereik is het verschil tussen de hoogste en laagste waarde in elke set van vier proefmetingen.

Bereken de X-bar (het gemiddelde van de gemiddelden), zodat de X-bar grafiek wordt weergegeven als een vaste middenlijn.

Bereken het gemiddelde van de steekproefmetingen of “R” waarden. Dit wordt dan de middenlijn van de bereikgrafiek.

Bereken de bovenste (Upper Control Limit) en onderste (Lower Control Limit) controlelimieten voor elke grafiek. Voor alle duidelijkheid, de controle limieten zijn de “spec” limieten die door de engineer op de tekening zijn ingesteld. De controlelimieten zijn afgeleid van de verzamelde data. De meeste engineers maken gebruik van statistische software die de berekeningen automatisch uitvoeren.

Zodra de grafiek is opgezet, meet de operator of technicus meerdere proeven, voegt de waarden bij elkaar en rekent vervolgens de gemiddelden uit. Deze waardes worden vervolgens weer vastgelegd in een ‘control chart’ of X-bar chart. Het bereik van de subgroepen wordt ook vastgelegd.

De proefmetingen moeten met regelmatige tussenpozen worden afgenomen en geregistreerd, inclusief datum en tijd om de stabiliteit van het proces te volgen. Let op eventuele speciale of aanwijsbare oorzaken en pas het proces zo nodig aan om een stabiel en gecontroleerd proces te behouden.

De X-bar en R Chart zijn slechts twee voorbeelden van de beschikbare ‘control charts’ die beschikbaar zijn voor procesbewaking en –verbetering.

Het analyseren van de data

De datapunten die op een control chart zijn vastgelegd, moeten tussen de controlelimieten vallen, op de voorwaarde dat alleen veel voorkomende oorzaken en geen speciale oorzaken zijn geïdentificeerd.

De veel voorkomende oorzaken vallen tussen de controlelimieten, terwijl de speciale oorzaken over het algemeen uitschieters zijn of (net) buiten de controlelimieten vallen.

Voordat een proces wordt beschouwd als een statistische controle proces, mogen er geen speciale oorzaken meer zijn in een van de grafieken.

Een proces dat in controle is zal geen speciale oorzaken bevatten en de data moet tussen de controlelimieten vallen.

Enkele voorbeelden van veelvoorkomende oorzaken zijn:

  • Variatie in materiaaleigenschappen binnen een specificatie
  • Seizoensveranderingen in omgevingstemperatuur of vochtigheid
  • Slijtage van de machine of gereedschappen
  • Variabiliteit in door de gebruiker ingevoerde instellingen
  • Normale meetvariaties

Daarentegen vallen speciale oorzaken over het algemeen buiten de controlelimieten of duiden op een drastische verandering of verschuiving in het proces. Hieronder enkele voorbeelden van speciale oorzaakvariaties:

  • Foute controllers
  • Slechte apparatuuraanpassingen
  • Een verandering in het meetsysteem
  • Een procesverschuiving
  • Defecte machine
  • Grondstofeigenschappen uit ontwerpspecificaties
  • Gebroken gereedschap
  • Onervaren operator die niet bekend is met het proces

Bij het bewaken van een proces via SPC grafieken controleert de inspecteur of alle gegevenspunten binnen de controlegrenzen liggen en let op trends of plotselinge wijzigingen in het proces.

Als er enige speciale oorzaken van variatie worden vastgesteld, moeten passende maatregelen om de oorzaak vast te stellen en corrigerende maatregelen worden genomen om het proces terug te brengen naar een staat van statistische controle.

Er zijn ook andere variaties of patronen van datapunten binnen de controlelimieten die ook moeten worden gevolgd en onderzocht. Deze omvatten, maar zijn niet beperkt tot:

  • Wordt uitgevoerd met 7 of meer datapunten op een rij aan één kant van de middellijn van het proces
  • Veranderingen in de normale verspreiding van data, waarbij meerdere datapunten verder van elkaar of dichter bij elkaar vallen
  • Trends die worden weergegeven door 7 of meer datapunten die consistent stijgen of dalen
  • Verschuivingen in de dataspreiding boven of onder het normale gemiddelde

Door speciale oorzaken, trends of verschuivingen in het proces aan te pakken, kunnen we verzekeren dat we onderdelen produceren die voldoen aan de eisen van de klant.

Vergeet niet dat de controlelimieten altijd moeten liggen tussen de spec limieten bepaald door de engineer en / of de klant.

SPC Oplossing voor het Ignition Platform?

Als jij een productiebedrijf bent, heb jij een Manufacturing Execution System (MES) oplossing nodig om je te helpen
met taken zoals het bijhouden van productie, het beheer van recepten, het verzamelen van SPC data en het berekenen van OEE.

Ignition MES by Inductive Automation® is een volledig geïntegreerde software toolkit die ons de mogelijkheid biedt om al jouw industriële
data te verzamelen, met elk SCADA of ERP systeem te verbinden en zo ongeveer iedere denkbare MES applicatie te bouwen.
Dit maakt Ignition het ideale platform voor jouw.

Meer over de MES oplossing van Ignition >>