이 블로그는 통계적 공정 관리(SPC)에 대한 시리즈 중 세 번째입니다. 이전 블로그에서는 통계 기법 및 공정 능력 지수의 기본 사항에 대해 논의했습니다. 이 블로그에서는 관리도와 제조 환경에서의 핵심 이점에 중점을 둘 것입니다.
관리도는 생산 공정에서 원치 않는 변동을 식별하는 데 유용한 도구입니다. 통계적 관리의 목표는 공정 변동을 식별하고 통제할 수 없는 변동을 결정하는 것입니다. 일부 변형은 프로세스에 내재되어 있지만 다른 변형은 특별하거나 할당 가능합니다. 이러한 편차는 프로세스에서 일반적으로 볼 수 있는 "정상적인" 변동을 벗어납니다. 통계 도구를 사용하여 식별하여 정상적인 프로세스에서 줄이거나 제거 할 수 있습니다.
관리도를 이해하기 위해 먼저 변동에 대해 논의해 보겠습니다. 완벽한 세상에서는 변화가 없을 것입니다. 기계를 켤 때마다 매번 똑같은 부품이 생성됩니다. 그러나 우리는 기계가 고장나고, 내부 부품이 마모되고, 성형 도구가 마모되고, 온도가 변하고, 재료가 생산 배지에서 다른 배지로 미묘하게 변하는 완벽한 세상에 살고 있지 않습니다. 주어진 생산 공정에는 고객 요구 사항을 충족하는 부품을 생산하기 위해 함께 작동해야 하는 몇 가지 입력이 있습니다. 완성된 부품의 주요 특성을 측정하여 제조 공정을 평가할 수 있습니다. 관리도를 사용하여 특수 변형(예: 사출 금형 마모 또는 부적절한 기계 설정)으로 인한 고유한 변형을 식별할 수 있습니다. 이러한 고유한 불일치를 제거함으로써 프로세스를 "정상"으로 되돌릴 수 있습니다.
BOYD의 사출 성형에 일반적으로 사용되는 두 가지 유형의 관리도는 개별 차트와 x-bar R 관리도입니다. 아래 예에서 볼 수 있듯이 이 두 차트에는 1) 연구 중인 특정 데이터 세트의 평균(평균)인 중심선과 2) 동일한 데이터 세트에서 통계적으로 계산된 상한 및 하한 관리의 두 가지 요소가 있습니다. 주요 특성에 대한 측정 데이터는 시간이 지남에 따라 정기적으로 수집되고 입력됩니다.
통계적으로 계산된 관리 한계는 평균(평균)에서 3 표준 편차를 더하거나 뺀 값을 나타냅니다. 이러한 선은 공정 출력이 통계적으로 "가능성이 낮은" 것으로 간주되는 임계값을 나타냅니다. 다시 말해, 관리 한계는 공정에서 제거될 수 있는 특별하거나 할당 가능한 원인으로 인해 발생하는 "가능성이 낮은" 변동과 공정의 자연적 변동을 구분하는 것을 나타냅니다. 이러한 관리 한계 또는 비정상적인 데이터 실행(6회 이상의 연속 측정에 걸쳐 데이터가 증가하거나 감소)을 벗어나는 데이터 포인트를 조사하여 할당 가능한 변동의 원인을 확인하고 제거해야 합니다.
One of the biggest advantages of identifying and addressing variations early in the production cycle is to prevent problems before any out-of-specification parts are produced. It maximizes machine and material efficiency, which in turn lowers production cost and time. The various statistical tools employed by the process engineers at Boyd continue to play a pivotal role in meeting customer demands and consistently building high-quality parts. Learn more about Quality at Boyd or contact us.
