EXAMENSARBETE - pure.ltu.se - Luleå tekniska universitet

EXAMENSARBETE
Duglighetsstudier och mätsystemsanalys
En fallstudie enligt Sex Sigma vid Fredriksons Verkstads AB
Eric Jonsson
2015
Civilingenjörsexamen
Industriell ekonomi
Luleå tekniska universitet
Institutionen för ekonomi, teknik och samhälle
Duglighetsstudier och mätsystemsanalys
En fallstudie enligt Sex Sigma vid Fredriksons Verkstads AB
Eric Jonsson
VT-2015
Civilingenjörsprogrammet
Industriell ekonomi – Kvalitetsutveckling
Luleå Tekniska universitet
Institutionen för ekonomi, teknik och samhälle
Förord
Detta examensarbete är det avslutande momentet i min utbildning till civilingenjör i
industriell ekonomi vid Luleå tekniska universitet. Denna rapport och examensarbete
omfattar 30 högskolepoäng och har genomförts våren 2015 vid Fredriksons Verkstads
AB i Vadstena (Östergötland).
Först vill jag rikta ett stort tack till alla medarbetare på Fredriksons som välkomnade
mig med öppna armar och alltid ställde upp när det fanns behov av hjälp. Att vara
författare och examensarbetare på egen hand har varit en tuff individuell utmaning
samt en prövning att testa sina egna vingar. Därför vill jag tacka er på Fredriksons
Verkstads AB för den hjälp ni har bistått med, som har gjort det möjligt att genomföra
examensarbetet.
Särskilt vill jag rikta ett extra stort tack till min handledare Pernilla Fahlström på
Fredriksons Verkstads AB. Tack för att du Pernilla öppnade upp möjligheten för mig
att genomföra mitt examensarbete hos er samt bistått med din hjälp och kloka rådgivning. Tack vill jag också säga till legendaren Mats (Pilo) Karlsson som har varit
enormt viktig med sin kunskap och med sin vilja att hjälpa till. Slutligen vill jag även
tacka min handledare Erik Lovén vid Luleå tekniska universitet för hans värdefulla
synpunkter.
Vadstena, Maj 2015
Eric Jonsson
I
II
Sammanfattning
Fredriksons Verkstads AB märker av en allt tuffare konkurrens hos sina kunder, vilket
har varit bakgrunden till att detta examensarbete initierades. Examensarbetet har varit
inriktat på att undersöka hur duglig laserskärningsprocessen är vid fallföretaget. Studien undersöker maskinernas duglighet samt operatörernas inverkan på processen.
Parallellt undersöks den interna rutinen för duglighetsstudier för att finna utvecklingsmöjligheter.
För att undersöka dugligheten praktiserades Sex Sigma-arbetssättet och dess DMAICcykel. Med detta systematiska arbetssätt gick det fastställa att en av två lasermaskiner
inte var tillräckligt duglig. Det visade sig att i den icke dugliga maskinen så var processen förskjuten. Inverkan av operatörerna var inte märkbar vid någon av maskinerna enligt praktiserat arbetssätt.
I studien gjordes en mätsystemsanalys för att undersöka mätsäkerheten och därmed
reliabiliteten. Baserat på undersökningen av mätinstrumenten gick det säkerställa
representativ data.
Under studien reviderades Fredriksons Verkstads AB rutin för duglighetsstudier. Efter
analysen fanns det behov att utveckla rutinens innehåll då det i sitt nuvarande skick
krävde omfattande kompetens inom Sex Sigma för att kunna tillämpas.
Detta examensarbete resulterade i en kalibrerad lasermaskin, vilket resulterade i
kommande laserskurna produkter hamnade närmre målvärdet. Mätsystemsanalysen
påvisade skillnader mellan olika mätinstrument, vilket ger Fredriksons underlag till att
välja rätt mätinstrument efter situation. Dessutom skapades en guideline för att komplettera rutinen för interna duglighetsstudier.
III
IV
Abstract
Fredriksons Verkstads AB senses a tougher competition, not only by themselves but
also among their customers, which is one reason to this study. In addition to the increasing competition customers understand the market better, which increases their
demands. This report is an effect of such development, because the case company
Fredriksons Verkstads AB, does strive for organizational development and to meet
customers’ demands. The purpose of this study is to define the capability of a laser
cutting process. The study investigates both the machine capability and if the operators have any effect on the process. Parallel to the capability study, Fredriksons Verkstads AB own routine for capability analysis was reviewed.
With the aim to determine the capability, the theory of Six Sigma was practiced. This
study was based on the systematic project steps of the DMAIC-cycle. With this approach it was possible to determine that two of the laser cutting machines did not
perform well enough. One machine was shown to be off target regard to the expectation of the machine distributor performance promises of the machine. Further on in
the analysis it was shown the operators did not influence on the process, at least no
significant influence.
This study included an analysis of the tools for measurement and thereby an investigation of the reliability. Based on this analysis it was possible to say that the data was
measured correctly.
Fredriksons Verkstads AB routine for capability test was revised. The analysis
showed that the previous routine was hard to understand and to use.
This study resulted in one calibrated laser cutting machine. The measurement analysis
pointed out differences between the tools, which was helpful when deciding the most
appropriate way to measure, depending on the specific situation. A new guideline was
developed to give better support for new Six Sigma projects at Fredriksons Verkstads
AB.
V
VI
Innehållsförteckning
1
Inledning ........................................................................................................................................................... 1
1.1 Bakgrund .................................................................................................................................................. 1
1.2 Fredriksons Verkstads AB:s kvalitetsarbete ......................................................................................... 2
1.3 Problemdiskussion ................................................................................................................................... 2
1.4 Fallstudiens syfte ...................................................................................................................................... 3
1.5 Fallstudiens avgränsningar ..................................................................................................................... 4
1.6 Rapportens disposition ............................................................................................................................ 4
2
Studiens metod och arbetsgång ....................................................................................................................... 6
2.1 Undersökningssyfte .................................................................................................................................. 6
2.2 Undersökningsansats ............................................................................................................................... 6
2.3 Undersökningsstrategi ............................................................................................................................. 7
2.4 Datainsamling ........................................................................................................................................ 10
2.4.1
Litteraturstudie ................................................................................................................................ 10
2.5 Arbetsgång DMAIC ............................................................................................................................... 11
2.6 Kvalitetssäkring av studien ................................................................................................................... 11
2.6.1
Kvalitetssäkring av mätningar ......................................................................................................... 11
2.6.2
Kvalitetssäkring av resultat ............................................................................................................. 12
3
Referensram inom kvalitetsteknik ................................................................................................................ 14
3.1 Sex Sigma ................................................................................................................................................ 14
3.1.1
Normalfördelningsantagandet ......................................................................................................... 14
3.1.2
Styrdiagram ..................................................................................................................................... 15
3.1.3
Variationer ...................................................................................................................................... 17
3.1.4
Duglighetsstudier ............................................................................................................................ 18
3.1.5
Mätsystemsanalys............................................................................................................................ 19
3.2 Sex Sigmas arbetssätt DMAIC.............................................................................................................. 20
3.2.1
DEFINE .......................................................................................................................................... 20
3.2.2
MEASURE...................................................................................................................................... 20
3.2.3
ANALYZE ...................................................................................................................................... 20
3.2.4
IMPROVE....................................................................................................................................... 21
3.2.5
CONTROL ...................................................................................................................................... 21
3.3 Kanomodellen ........................................................................................................................................ 21
3.4 SIPOC ..................................................................................................................................................... 22
3.5 Paretodiagram........................................................................................................................................ 22
4
Fallstudie enligt DMAIC ............................................................................................................................... 23
4.1 DEFINE .................................................................................................................................................. 23
4.1.1
Problemformulering ........................................................................................................................ 23
4.1.2
Besparingspotential och effekter ..................................................................................................... 28
4.1.3
Kundbehov ...................................................................................................................................... 29
4.1.4
SIPOC ............................................................................................................................................. 29
4.1.5
Planering av fallstudie ..................................................................................................................... 30
4.2 MEASURE ............................................................................................................................................. 31
4.2.1
Definiera informationsbehovet ........................................................................................................ 31
4.2.2
Identifiering av viktiga parametrar .................................................................................................. 32
4.2.3
Val av mätmetod ............................................................................................................................. 34
4.2.4
Test av mätmetod och utvärdering av mätsäkerhet.......................................................................... 34
4.2.5
Fastställda krav och definierat nuläge ............................................................................................. 37
4.2.6
Planering och genomförande av mätning ........................................................................................ 38
4.3 ANALYZE .............................................................................................................................................. 38
4.3.1
Variation och duglighet ................................................................................................................... 38
VII
4.3.2
Enkät ............................................................................................................................................... 41
4.3.3
Identifierade orsaker till variation ................................................................................................... 43
4.3.4
Utvärdering av rutin för duglighetsstudier ...................................................................................... 45
4.3.5
Orsakshypoteser .............................................................................................................................. 46
4.3.6
Identifiering av grundorsaken till att problem uppstår..................................................................... 46
4.4 IMPROVE .............................................................................................................................................. 47
4.4.1
Identifierade möjliga lösningar........................................................................................................ 47
4.4.2
Val av lösning ................................................................................................................................. 47
4.4.3
Test av lösning ................................................................................................................................ 48
4.4.4
Planera implementering ................................................................................................................... 49
4.4.5
Plan för attityder och förändringsmotstånd ..................................................................................... 49
4.4.6
Verifiering av resultat ...................................................................................................................... 49
4.5 CONTROL ............................................................................................................................................. 50
4.5.1
Standardisera arbetssättet ................................................................................................................ 50
4.5.2
Utforma och planera styrningen ...................................................................................................... 50
4.5.3
Slutlig uppföljning och verifiering .................................................................................................. 51
4.5.4
Slutrapport och överlämnande ......................................................................................................... 52
4.5.5
Dela erfarenheter ............................................................................................................................. 52
5
Diskussion ....................................................................................................................................................... 53
5.1 Metoddiskussion och reflektion ............................................................................................................ 53
5.2 Validitets- & Reliabilitetsdiskussion..................................................................................................... 54
5.3 Fortsatta studier ..................................................................................................................................... 55
6
Slutsats ............................................................................................................................................................ 57
6.1 Slutsats utifrån fallstudiens syfte .......................................................................................................... 57
6.2 Slutsats utifrån examensarbetets syfte ................................................................................................. 57
6.3 Avslutande rekommendationer............................................................................................................. 58
7
Referenser ....................................................................................................................................................... 59
Bilagor
Bilaga A
Statistiska metoder & duglighetsstudie ................................................................................. 2 sidor
Bilaga B
Enkätformulär........................................................................................................................... 1 sida
Bilaga C
Instruktion laseroperatörer ..................................................................................................... 1 sida
Bilaga D
Ritning ....................................................................................................................................... 1 sida
Bilaga E
Mätprotokoll & Mätinstruktion ............................................................................................ 2 sidor
Bilaga F
Ostrukturerade intervjuer ........................................................................................................ 1 sida
Bilaga G
Analys av FV-041-1 .............................................................................................................. 12 sidor
Bilaga H
Analys av FV-041-2 .............................................................................................................. 10 sidor
Bilaga I
Analys av FV-041-3 ................................................................................................................ 10 sidor
Bilaga J
Analys av FV-041-4 ................................................................................................................ 10 sidor
Bilaga K
Mätsystemsanalys ................................................................................................................... 4 sidor
Bilaga L
Enkätresultat ............................................................................................................................. 1 sida
Bilaga M
Guideline för duglighetsstudier ............................................................................................ 5 sidor
Bilaga N
Observationer ............................................................................................................................ 1 sida
VIII
1 Inledning
Detta kapitel ämnar introducera läsaren till en mer generell bakgrund och fallstudiens specifika problem. I kapitlet presenteras fallstudiens syfte samt avgränsningar
och rapportens disposition.
1.1 Bakgrund
Enligt Gratiela (2014) är teknik en viktig komponent som bidrar till fenomenet globalisering. Den snabba teknologiska utvecklingen skapar förutsättningar för att effektivisera bland annat produktutveckling, vilket leder till branschledande konkurrensfördelar och kostnadsbesparingar. I denna rapport tolkas branschledande konkurrensfördelar som produkter/tjänster som tillfredsställer/skapar kundbehov bättre än konkurrenterna. Hsu, Ou och Ou (2013) menar att företag idag inte bara kan fokusera på de
finansiella resultaten, utan behöver fokusera på hur resurserna ska användas effektivt.
Enligt Hsu m fl. (2013) har finanskrisen 2008 lett till att banker har ökat sina riskanalyser och kräver att företag skall påvisa mer än vinstdrivande mål.
Kaur och Sharma (2014) menar också att trycket på att företag behöver bli mer uthålliga har ökat. Detta betyder att företagen bör bli mer långsiktiga i sina beslutsfattanden. En viktig faktor för långsiktighet är att möta kundens behov samt levererar en
hög kvalitet. Detta har lett till att kvalitetsarbete idag anses vara en konkurrensfördel.
Kaur och Sharma (2014) nämner även Total Quality Management (TQM) som ett bra
sätt att arbeta med ett helhetsperspektiv där man strävar efter ständiga förbättringar i
hela organisationen.
Bergman och Klefsjö (2012) säger att företag som arbetat aktivt med kvalitetsfrågor
har stärkt företagets marknadsposition, sänkt interna kostnader samt reducerat tiden
för produktutveckling. De sprider sina tankar och synsätt när det gäller kvalitetsarbete, som de kallar det offensiv kvalitetsutveckling. Vidare menar de att det finns fler
sätt att se på kvalitetsarbete. De senaste årtiondena har begreppen Sex Sigma och
Lean varit populära. Brännström-Stenberg och Deleryd (1999) visar i sin studie hur
statistisk processtyrning (SPS) är bra att arbeta med om man vill sänka kvalitetbristskostnader, upptäcka avvikelser, minska behov av inspektioner samt öka kunskap
om processen. Studien visar också att den absolut bästa effekten av att implementera
SPS kommer av att företaget fattar det beslutet själva och inte blir tvingade av t.ex.
kunder.
Det här examensarbetet berör svensk tillverkningsindustri och är en fallstudie vid
företaget Fredriksons Verkstads AB (benämns fortsatt FV i rapporten) som påverkas i
allra högsta grad av dagens tuffa klimat och konkurrenssituation. En viktig del i utveckling av industrin har varit lasermaskiner som bland annat skär plåt. Dessa maskiner har skapat förutsättningar för att öka produktiviteten med 200-500% jämfört med
1
tidigare tekniker (Lerner, 1999). Lasermaskinerna slog sig in på marknaden på grund
av den höga kvaliteten, låga underhållskostnader och stora möjligheter till automatisering (ibid). Vendramini (2011) informerar i sin studie hur ett italienskt industriföretag
såg fördelarna omgående av att installera lasermaskiner. De nya lasermaskinerna
presterade genast en hög kvalitet i form av bättre precision samt mindre spridning. På
liknande sätt har det varit för FV då man har investerat i lasermaskiner på grund av
alla dess fördelar.
FV arbetar aktivt med kvalitetsfrågor för att utveckla företaget. Kunderna ställer
högre och högre krav samtidigt som FV har kunder som begär extra hög kvalitet inom
t.ex. medicintekniska produkter. Detta gäller krav på material men främst snäva toleranser på de tillverkade detaljerna. Enligt Deleryd (1999) begär fler och fler kunder
idag duglighetsmått, på liknande sätt som man begär att företag är certifierade med
kvalitetsstandarderna ISO 9001 och ISO 14001. I ISO 9001 står det även att företag
ständigt skall mäta och kunna påvisa huruvida en process fungerar, alltså föreskriver
ISO 9001 SPS och duglighetsmått. Idag efterfrågar kunder mått på lasermaskinernas
duglighet.
1.2 Fredriksons Verkstads AB:s kvalitetsarbete
FV är ett företag inom tillverkningsindustrin med 166 anställda och omsätter 350
MSEK. Företaget har specialiserat sig inom bearbetning av materialen rostfritt stål,
kolstål och aluminium (Fredriksons.se, 2015). FV producerar transportsystem samt
diverse produkter genom kontraktstillverkning. Majoriteten av produkterna som är
kontraktstillverkade levereras till livsmedelsindustrin, medicinindustrin samt fordonsindustrin.
Enligt Miljö- och kvalitetschefen sker produktionen vanligtvis i små batcher där man
tillverkar ett stort antal olika produkter. Kvalitet är en viktig del i företaget då många
av produkterna levereras inom livsmedelsindustrin samt medicinindustrin med specifika kundkrav. Därför innehar FV ISO-certifieringar; ISO 9001, ISO 14001, ISO
13485, ISO 3834-2 samt ISO 15085-2 (Fredriksons.se, 2015). Dessa standarder
granskas kontinuerligt både internt och externt. Miljö- och kvalitetschefen säger att de
externa revisorerna granskar verksamheten varje år och vart tredje år utförs en mer
omfattande revision. Dessa standarder ligger till grund för FV kvalitetsarbete som
drivs idag då med hjälp av en egen kvalitetshandbok har utarbetats utifrån ISOstandarderna. Dessa standarder är bara en del i FV arbete med kvalitet. Enligt Miljöoch kvalitetschefen arbetar man aktivt med delar ur arbetssätten inom Toyota Production System (TPS, även kallat Lean) samt Sex Sigma.
1.3 Problemdiskussion
Enligt Miljö- och kvalitetschefen sker uppföljning av avvikelser på daglig basis, då
dessa registreras i affärssystemet för att i nästa steg i processen bearbetas av personal
2
i antingen produktionen, logistik, inköp eller på kvalitetsavdelningen. Avvikelser hos
FV betyder artiklar/produkter som inte uppfyller kravspecifikation enligt beställning.
I affärssystemet har avvikelserna kategoriserats inom områdena externkund, internkund och leverantör. Företagets mål är att inte skicka avvikande produkter till kund
utan istället upptäcka dem internt och åtgärda dem. FV har också ett aktivt arbete med
sina leverantörer där grundorsaken till avvikelser undersöks tillsammans. Under 2014
lyckades man minska antalet avvikande produkter från kund med 25 % och till 2015
är målet att sänka antalet med ytterligare 20 % (ibid). För att lyckas med detta mål
behöver man upptäcka och åtgärda avvikelser internt samt hos leverantör.
Det är ett tufft konkurrensklimat för FV och enligt miljö- och kvalitetschefen är det
flera större kunder som är påverkade av en minskad orderingång. Den största förändringen är en storkund som har fått en betydligt hårdare konkurrens från att nästan haft
monopol. Detta innebär minskad orderläggning hos FV. Därför är det viktigt för FV
att hela tiden arbeta med att utveckla organisationen och arbeta mer effektivt för att
fortsatt vara konkurrenskraftiga samt lönsamma.
1.4 Fallstudiens syfte
FV arbetar med kvalitetsfrågor och strävar hela tiden efter att bli bättre. Under 2015
är målet att reducera avvikelser som når kunden med 20 %. Detta examensarbete
avsåg att bidra till denna reducering genom att sprida kunskap och förståelse av att
arbeta med dugligheten. Att studera duglighet innebär dock inte någon förbättring i
sig. Duglighetsmåttet är en del av Sex Sigma där andra delar har en större koppling
till just förbättringar, så som styrdiagram samt improve-fasen. Duglighetsmåttet är
däremot en viktig komponent som behöver definieras för att slutligen bearbeta och
utvärdera möjliga förbättringsförslag. I denna studie beräknades duglighetsmått och
baserat på resultatet bearbetades förbättringar.
Att arbeta med duglighet i kombinationen med statistisk processtyrning handlar om
att proaktivt förebygga fel och utveckla stabila processer, vilket resulterar i färre
avvikelser. På så vis är duglighetsstudier ett arbetssätt som kan hjälpa FV att nå sina
förbättringsmål på 20 % mindre avvikelser till kund. Duglighetsstudier är en del av
Sex Sigma-arbetssättet och helheten kan skapa förbättrade processer. Duglighetsberäkningar i sig genererar inte några förbättringar men det ger underlag till vad som
behöver förbättras.
FV arbetar idag med Sex Sigma-arbetssättet, men efterfrågar hjälp gällande duglighetsstudier på plåtbearbetningsmaskiner. Enligt miljö- och kvalitetschefen finns det
kunder idag som efterfrågar duglighetsmått på maskinerna. FV utgår från de duglighetsmåtten som maskinleverantörerna utlovar. FV har även intresse att undersöka om
operatörerna har någon påverkan på variationen i produktionen. Det finns en rutin för
hur duglighetsstudier skall genomföras på företaget, men denna rutin tillämpas sällan.
Därför fanns det intresse vid uppstarten av detta arbete från FV sida att utvärdera hur
3
användbar rutinen är och vid behov justera rutinen. Utifrån detta mynnade syftet ut till
två undersökningsfrågor:
1. Är det möjligt att fastställa dugligheten hos lasermaskinerna Bystronic och
Trumpf?
a. Vilken är respektive lasermaskins duglighet?
b. Vilken inverkan har operatörerna?
2. Hur ser rutinen ut och fungerar Fredriksons Verkstads AB nuvarande rutin för
duglighetsstudier och hur kan rutinerna utvecklas för att förbättra företagets
processer?
Det primära syftet var att beräkna dugligheten och undersöka operatörernas inverkan
på processen. Genom följa arbetssättet för duglighetsstudier gav studien ett exempel
på hur duglighetsstudier kan genomföras hos FV, vilket kan användas som stöd i
framtida förbättringsarbeten. Syftet var även att granska den interna rutinen för duglighetsstudier. Sekundärt fanns det en ambition att hjälpa FV med förbättringsförslag
utifrån resultatet från duglighetsstudierna och granskningen av FV egna rutin för
duglighetsstudier.
1.5 Fallstudiens avgränsningar
Denna fallstudie avgränsar sig till att med hjälp av DMAIC-cykeln som modell undersöka dugligheten hos en utvald del av organisationen. Exempelvis en viss avdelning beroende på var behovet är som störst. FV hade egna önskemål att utföra denna
studie på plåtavdelningen, vilket grundar sig på att FV har kunder som efterlyste
duglighetsmått från plåtavdelningen. För att besluta om lämpligt område för pilotprojektet gjordes en noggrann undersökning i Define-fasen (se avsnitt 4.1). I define-fasen
identifierades var i organisationen det såg ut att finnas mest bekymmer. Denna undersökning visade att plåtavdelningen hade störst potential baserat på antalet avvikelser
och kassationskostnader. Därmed blev plåtavdelningen intressant att undersöka och
resulterade i en avgränsning till lasermaskinerna på plåtavdelningen.
1.6 Rapportens disposition
Denna rapport har en annorlunda disposition jämfört med en traditionell vetenskaplig
rapport. Detta beror på att examensarbetet baseras på en fallstudie som följer arbetssättet enligt DMAIC-cykeln. Några av de traditionella kapitlen empiri, analys och
resultat har slagits samman till ett kapitel som heter fallstudie enligt DMAIC. Denna
åtgärd utfördes för att det ska bli enklare för läsare att följa arbetsgången enligt
DMAIC och utvecklingen i fallstudien. I Figur 1-1 presenteras rapportdispositionen.
Figuren visar hur de traditionella rubrikerna bildar ett yttre skal medan fallstudien
bildar en inre kärna, som ett projekt i projektet.
4
Introduktion
Studiens metod och arbetsgång
Analys
• Define
A
• Analyze
M
Referensram inom kvalitetsteknik
Empiri
D
Realiseras via
I
Resultat
Diskussion
C
Slutsatser
• Measure
• Improve
• Control
Figur 1-1 Visuell beskrivning av rapportens disposition
5
2 Studiens metod och arbetsgång
Detta kapitel avser att ge läsaren en bild över hur denna studie har genomförts, vilka
aspekter som tagits i beaktande för kraven på en vetenskaplig rapport. Syftet är att
studien ska kunna gå att upprepa om så önskas och då ge samma resultat. Avsnittet
berör forskningsansats, undersökningsstrategi och datainsamling. Kapitlet innefattar
en mer utvecklad beskrivning hur arbetet har gått till i respektive fas enligt DMAICcykeln. Avslutningsvis presenteras åtaganden för att vidhålla hög validitet och reliabilitet.
2.1 Undersökningssyfte
Saunders, Lewis och Thornhill (2012) presenterar tre definitioner av undersökningssyften. Dessa tre definitioner är:
1. Undersökande studie innebär att man vill veta hur något fungerar. Enligt
Saunders m fl. (2012) går denna typ av studie utföras på flera sätt. Det går att
undersöka hur något fungerar med hjälp av t.ex. litteraturstudier och intervjuer.
2. Beskrivande studie innebär att en profil söks för händelser, personer eller
andra situationer (Saunders m fl., 2012)
3. Förklarande studie avser att visa sambandet och funktionen mellan två variabler (Saunders m fl., 2012).
Saunders m fl. (2012) påpekar också hur det definierade undersökningssyftet kan
skifta under arbetet. Detta innebär att det är viktigt att reflektera över arbetets utveckling. Detta måste ske löpande genom att ställa frågan om det håller sig till den initiala
planen eller om arbetet har tagit en annan utveckling?
I detta examensarbete användes ett undersökande syfte, ändamålet var att studera
situationen vid lasermaskinerna ute i företaget utifrån teorierna i ämnet. Frågorna är
hur duglighetsstudier kan utformas och hur den befintliga rutinen för duglighetsstudier fungerar.
2.2 Undersökningsansats
Det finns traditionellt tre forskningsansatser; induktiv, deduktiv och abduktiv ansats
(Saunders m fl., 2012).
•
•
•
Induktiv ansats innebär att insamlad data är utgångspunkten för att upprätta
teori via en analys av data.
Deduktiv ansats är motsatsen till induktiv, baserat på studerad teori skrivs en
hypotes. Denna hypotes testas sedan genom datainsamling.
Abduktiv ansats är en kombination av induktiv och deduktiv ansats.
6
I Figur 2-1 presenteras en illustration av hur induktiv och deduktiv ansats fungerar.
Induktiv
Data
Teori
Deduktiv
Figur 2-1 Illustration av induktiv och deduktiv ansats
(Matthews & Ross, 2010, s. 37)
I det här examensarbetet har en abduktiv forskningsansats använts. I början av examensarbetet användes en deduktiv ansats då en grund skapades med relevanta teorier
inom områden. Under examensarbetet uppdagades nya insikter i de olika faserna i
DMAIC-cykeln och därmed behövde referensramen kompletteras. Därför användes
även induktiv ansats till viss del, dock upprättades inga egna teorier från insikter och
observationer, utan befintlig teori inom ämnet kompletterades i referensramen.
2.3 Undersökningsstrategi
Det finns flera strategier för att angripa ett examensarbete. Enligt Saunders m fl.
(2013) är valet av strategi beroende vilket mål man vill uppnå, i detta fall besvara
undersökningsfrågorna. Nedan presenteras undersökningsstrategier:
•
•
•
•
Experiment är enligt Saunders m fl. (2013) och Mathews och Ross (2010)
den mest grundläggande strategin när det gäller forskning. Med denna strategi
undersöks vad som händer med beroende variabler när en oberoende variabel
ändras. Denna strategi lämpar sig bäst om syftet är förklarande eller undersökande (Saunders m fl., 2013)
Enkät används oftast i kombination med deduktiv ansats tillsammans med
undersökande eller beskrivande syfte (Saunders m fl., 2013). Datainsamlingen
sker genom enkäter och intervjuer.
Arkivundersökning innebär att data samlas in av administrativa register och
befintliga dokument. Denna strategi går att använda med alla undersökningssyften. Det är viktigt i denna strategi att vara kritisk mot data då data tenderar
att föråldras med tiden (Saunders m fl., 2013).
Fallstudie betyder att frågorna varför, vad och hur? ställs (Saunders m fl.
2012; Yin, 2013). En fallstudie är en empirisk undersökning av nutida fenomen i dess naturliga miljö (Woodside, 2010). Denna strategi används vanligtvis när studien utgår från befintlig teori och jämför teorin med det undersökta
fenomenet.
7
•
•
Etnografi är den allra första kvalitativa forskningsstrategin där man undersöker den kulturella förändringen över tid (Saunders m fl., 2013).
Aktionsforskning är en iterativ process som är utformad för att skapa lösningar till organisatoriska problem (Saunders m fl., 2013). Denna strategi används för att främst vill bidra till och främja en mer problemlösande kultur i
företaget.
Detta examensarbete avser att undersöka dugligheten hos lasermaskiner i deras befintliga miljö. I studien används befintlig teori som grund, därför användes fallstudie som
undersökningsstrategi.
Under measure-fasen gjordes egna mätningar och olika tester för att finna bästa mätmetod. Således användes en experiment strategi i denna fas, samtidigt som författarens direkta medverkan i vissa moment av duglighetsanalysernas mätningar innebar
en slags ofrivillig aktionsforskning.
Saunders m fl. (2012); Van de Ven (2007) påpekar vikten av triangulering. Med detta
menas att man bör hitta flera källor som säger samma sak. Därför är det i examensarbetes intresse att undersöka informationskällor för att skapa korrekt bild av situationen. I denna fallstudie handlade det om att observera, intervjua samt hämta information
från affärssystemet. Således användes strategierna enkät samt arkivundersökning.
Dessa två strategier användes för att skapa en bild av nuläget, speciellt i Define- samt
Measure-faserna. I Measure-fasen utfördes även experiment för att samla in data samt
testa speciellt när det gäller mätutrustning.
DMAIC-arbetssättet är i sig en iterativ process som är till för att lösa problem på ett
strukturerat sätt samt ansätta en viss kultur. Detta arbetssätt är i sig förenligt med
action-forsknings strategin. Mer precist används denna strategi mer tydligt i Analyzesamt Improve-fasen där problem analyseras med verktyg som Ishikawadiagram och
styrdiagram för att sedan bearbeta lösningar.
Med DMAIC-arbetssättet ansätts ofta viss kultur när det gäller kvalitetstänk och
problemlösning. Därför fanns det möjligheter till en etnografisk strategi då kulturen
studeras över tid. I detta examensarbete var tiden knapp och control-fasen hann inte
genomarbetas. Därmed undersöktes inte heller den möjliga kulturella förändringen,
som kan förväntas uppstå i organisationen efter en längre tid då nya arbetssättet är
förankrat i organisationen.
I Figur 3-2 presenteras en visuell beskrivning hur fallstudien är den övergripande
strategin som används för att besvara syftet och undersökningsfrågorna. För att göra
detta specificeras underliggande strategier som användes i respektive DMAIC-fas.
8
Define - Enkät & Arkivundersökning
DMAIC
Fallstudie
Measure - Enkät, Arkivundersökning, Experiment
Analyze - Aktionsforskning
Improve - Aktionsforskning
Control - Etnografisk
Figur 2-2 Illustrering av examensarbetets undersökningsstrategier
Till Figur 2-2 kommer här en beskrivning och motivering till de val som gjorts:
1. Define
a. För att definiera problemet utfördes ostrukturerade intervjuer och därmed applicerades enkät-strategin i denna fas
b. När problemet definierades så baserades detta på fakta som bland annat kom från affärssystemet, vilket innebär att strategin arkivundersökning användes.
2. Measure
a. I denna fas delades en enkät ut för att ta reda på hur personalen uppfattade deras arbete när det gäller kvalitet, av det enkätstrategi.
b. I denna fas skall man definiera viktiga mått och därför användes intranät och affärssystem för att till exempel hämta dessa mått från rutiner.
På så sätt användes arkivundersökningen.
c. I denna fas testades mätmetoden och därför användes experiment.
3. Analyze
a. I denna fas utfärdades analysen, vilket kan ses som ett steg i problemlösningsprocessen. Författaren själv utförde momenten i detta steg, således aktionsforskning.
4. Improve
a. I improve-fasen undersöktes förbättringsmöjligheter utifrån analysunderlaget. Detta gjorde författaren själv och testade angreppsätt och
idéer och således användes aktionsforskning.
5. Control
a. Med Sex Sigma är ett av målen att inrätta ett iterativt förbättringsarbete, därför användes strategin etnografi för att studera huruvida det
hade blivit några förändringar i företaget. Dock räckte inte tiden till för
att studera dessa effekter fullt ut.
9
2.4 Datainsamling
I en deduktiv fallstudie påpekar Gerring (2007) vikten av att erhålla hög kvalitet på
teorin som studien grundar sig på. Gerring (2007) menar på att bevis för ett ämne
aldrig är fast eller konstant, snarare förändras bevis med tiden. Därför understryker
Gerringer (2007) vikten av att samla in befintlig data samt ny data. Saunders m fl.
(2012) presenterar två sätt att samla in data på; (1) primärdata eller (2) sekundärdata.
Primärdata innebär då att man samlar in data själv genom t.ex. intervjuer, egna under
sökningar och mätningar (ibid). Sekundärdata innebär att data redan är insamlat av
någon annan. Detta kan vara affärssystem, mail och andra rapporter.
I denna studie hämtades information från sekundär interndata, en av den mest omfattande informationskällan var affärssystem. Men det samlades även in primärdata i
form av intervjuer, muntliga möten samt från egna observationer och mätningar av
tillverkade detaljer samt tester av mätverktyg.
Saunders m fl. (2012) presenterar två sätt att klassificera data; (1) kvalitativ data och
(2) kvantitativ data. Kvalitativ innebär att data består av t.ex. anteckningar från en
intervju medan kvantitativ data består ofta av siffror t.ex. mätetal och diverse register.
I detta examensarbete användes både kvalitativ data och kvantitativ data. Kvalitativ
data kom från observationer, enkäter, intervjuer samt affärssystem. Mycket kvantitativ data hämtades från affärssystemet men data skapades också via egna mätningarna.
I tabell 2-1 presenteras det mer i detalj hur data samlades in.
2.4.1 Litteraturstudie
I avsnittet 2.3 undersökningsstrategi nämndes vikten av teorier som erhåller hög
kvalitet. Van de Ven (2007) säger att en teoris trovärdighet baseras på teorins sannolikhet att bli motbevisad. I detta arbete samlades fakta och information in om Sex
Sigma-arbetssättet och DMAIC-cykeln i litteraturstudien. För information inom detta
område användes kursböcker som ingår i kurserna inom ämnet kvalitetsteknik (Luleå
tekniska universitet), så som Bergman och Klefsjö (2012), Montgomery (2013) och
Sörqvist och Höglund (2007). Dessa kursböcker bygger på ledande forskare på området som redovisar tekniker som varit beprövade i decennier.
Förutom dessa kursböcker användes Luleå tekniska universitets (LTU) databaser via
biblioteket. Till sökningen användes LTU egna sökmotor PRIMO som i sin tur söker i
alla databaser skolan har tillgång till. Vid artikelsökningen gjordes en avgränsning till
”preer reviewed”. I dessa databaser användes nyckelord ”Six sigma”, ”DMAIC”,
”process capability”, ”statistical process control”, ”Gauge R&R”, ”mätsystemsanalys”, ”precision to tolerance”, ”laser cutting” och ”laser industry” för att komplettera
böckerna.
10
Litteraturen studeras löpande under examensarbetet men de flesta verk hämtades i
början när problemet och teorin beskrevs. Vid sökningarna har det funnits en strävan
att hitta färska artiklar med det allra senaste på området. Det finns några äldre artiklar
som har använts, vilket dock fungerar bra i detta ämne då kärnan i Sex Sigma inte har
förändrats med tiden.
2.5 Arbetsgång DMAIC
Denna fallstudie har som avsikt att praktisera Sex Sigma-arbetssättet med dess definierade DMAIC-cykel. I Tabell 2-1 nedan presenteras en sammanställning om vad som
har utförts i varje fas enligt DMAIC. Tabellen informerar vilka verktyg som har använts i respektive fas samt hur information och data har samlats in.
Tabell 2-1 Arbetsgång enligt DMAIC i det aktuella projektet
Fas
Verktyg
Paretodiagram
DEFINE
KANO-modellen
SIPOC
MEASURE
Enkät-kvalitativ
data
Informationskällor
Affärssystem: Monitor
Semi-strukturerade intervjuer: Avd. Chef
(plåt), Kvalitetschef, Operatörer
Observationer: Plåtavdelningen
Observationer: Plåtavdelningen
Observationer: Mätrummet
Ostrukturerade intervjuer: Operatörer
Tester: Egen utbildning av mätmaskin
ShewhartMätningar: Egna mätningar med skjutmått och
diagram
ANALYZE
mätmaskin
Duglighetsstudier
Analysprogram: Statgraphic
Mätsystemsanalys
Semi-strukturerade intervjuer: programmerare,
IMPROVE 5 varför?
servicetekniker, representant från Trumpf
CONTROL Control-fasen specificerades inte då den inte blev slutförd. Avsnittet är påbörjat och i
denna rapportversion har inga specifika verktyg eller källor ännu använts.
2.6 Kvalitetssäkring av studien
I detta avsnitt presenteras hur resonemang fördes kring validitet och reliabilitet för
examensarbetet samt fallstudien.
2.6.1 Kvalitetssäkring av mätningar
Validitet handlar om att mäta rätt (Saunders m fl., (2012). Validitet går dela upp i ett
internt och ett externt perspektiv. I det interna perspektivet handlar om att mäta det
man har som avsikt att mäta. Medan det externa perspektivet handlar om att generalisera resultatet så fler intressenter kan ser värde informationen (Saunders m fl., 2012).
11
Utifrån examensarbetets syfte och arbetssätt att undersöka dugligheten och använda
DMAIC-cykeln kom problemet att brytas ner i detalj. Detta innebar att noggrann
undersökning gjordes så att rätt mätning genomfördes. Vid insamling av data identifierades många variansbidrag till processen. I rapporten har dessa definierats och dess
enskilda påverkan och effekten tillsammans har utvärderats samt analyserats.
Det finns dock svårigheter med att generalisera resultatet från en fallstudie på ett
företag vid en specifik process samt maskin (ibid). Därför var det viktigt att löpande
reflektera över generaliserbarheten och vilka delar som andra kan se som intressanta
samt vara till hjälp för intressenter. Genom att använda DMAIC-cykeln, vilket är ett
generaliserande iterativ process som går att använda flera situationer. Därmed går det
använda denna rapport som stöd till kommande förbättringsprojekt både på FV och
andra organisationer. Fallstudien följer Sörqvist och Höglunds (2007) tolkning av
DMAIC-cykeln och detta examensarbete exemplifierar hur man kan följa deras steg i
respektive fas.
Triangulering har redan nämnts som en viktig del i datainsamling, för att stärka validiteten. Genom att använda flera källor så som intervjuer, enkäter, observationer och
sökningar i affärssystem bearbetas olika influenser för ett skapa en verklighetstrogen
bild av problemet. I fallstudien har flera källor använts för att bearbeta nivån av rapportens validitet, på så sätt mäta rätt. I define-fasen kom information från flera källor;
operatörer, chefer, affärssystem och egna observationer. Detta gav en övergripande
bild av vad problemet var.
2.6.2 Kvalitetssäkring av resultat
Reliabilitet innebär att en repeterande process ska ge samma resultat vid varje repetition (Saunders m fl., 2012). För det här examensarbetet innebär detta att en annan
utövare skall med denna metod nå samma resultat.
I define- och measure-fasen användes triangulering för att säkerställa att rätt information hittades och beskrev problematiken samt vilken data som behövdes samlas in.
Speciellt i define-fasen gjordes en undersökning om huruvida plåtavdelningen var det
mest intressanta området. Detta gjordes genom diskussion med anställda, granskning
av statistik från affärssystem samt egna observationer. Med dessa källor kunde en
verklighetsbild upprättas som också blev en start för hela projektet.
I measure-fasen planerades det hur artiklarna för testskärning och mätning skulle
strategiskt tillverkas för att förbruka så lite resurser som möjligt. Utformningen för
tillverkningen fick en speciell utformning. Den strategiska planeringen av datainsamlingen grundades i att besvara undersökningsfrågorna med en datainsamling,
denna blev då komplex. Det kritiska i datainsamlingen var antalet insamlade detaljer
som mättes och analyserade. FV hade önskemål om att dessa tester inte skulle kosta
12
några stora summor. Därför tillverkades inte särskilt många detaljer/produkter, dock
tillräckligt för att kunna påvisa resultat.
Statistisk processtyrning och grunden inom allmänstatistik bygger på att samla in data
och basera beslut på fakta. I detta examensarbete samlades data in under vanliga
arbetsförhållanden då operatörerna får vanliga om än något anpassade order att tillverka undersökningsartiklar. Med detta upplägg avser rapporten att mäta den vanliga
arbetssituationen vid plåtavdelningen. Detta gäller datainsamlingen för att genomföra
analys och beräkning av processens duglighet. Insamlingen av datat blev utformad på
ett visst sätt för att kunna analysera maskin samt operatör.
13
3 Referensram inom kvalitetsteknik
I det här kapitlet blir läsaren introducerad till den teoretiska referensramen inom
kvalitetsteknik som används i examensarbetet. I kapitlet presenteras området Sex
Sigma-arbetssättet, samt specificerade verktyg som fungerar som hjälpmedel i
DMAIC-cykeln. I Figur 3-1 finns en visuell beskrivning hur teorin ligger till grund för
att besvara undersökningsfrågorna.
Define
• Paretodiagram
• Kanomodellen
• SIPOC
Measure
Beskriver
problemet
Figur 3-1
Samlar in
data
Analyze
• Styrdiagram
• Duglighetsstudier
• Mätsystemsanalys
Söker svaren på
undersökningsfrågorna
Visuell beskrivning på hur teorin använts för att besvara
undersökningsfrågorna
3.1 Sex Sigma
Bergman och Klefsjö (2012) presenterar Sex Sigma som ett koncept för att minska
variation för att därigenom minska kostnader och öka kundnöjdheten. En ytterligare
effekt av minskad variation kan exempelvis vara en ökad leveransprecision. Enligt
Sörqvist och Höglund (2007) är Sex Sigma ett koncept för ständiga förbättringar.
Grundkonceptet är att basera beslut på fakta och definiera problemet. Syftet med Sex
Sigma är att använda metodiken till komplexa problem där rotorsaken behöver identifieras.
Den statistiska modellen fungerar så att processen/produktens mått eller något annat
attribut vars medelvärde bör ligga innanför 6 standardavvikelser (Sörqvist &
Höglund, 2007). Medelvärdet bör inte heller skifta mer än 1,5 standardavvikelser över
tid. Med denna förhållning till att styra processer/produkter är målet att inte ha mer än
3,4 fel per en miljon felmöjligheter (Bergman & Klefsjö, 2012; Sörqvist & Höglund,
2007).
3.1.1 Normalfördelningsantagandet
Enligt Yap och Sim (2011) är normalfördelningen den mest frekvent använda fördelningen inom statistisk teori och tillämpningar. Vid ett upprättande av styrdiagram bör
insamlad data vara normalfördelat. Om data inte är normalfördelat går det ibland att
transformera data till en approximativ normalfördelning.
14
Normalfördelat data innebär visuellt att fördelningen är symmetrisk (se Figur 3-2). En
normalfördelning har väntevärdet µ och variansen σ2 (Montgomery, 2012).
-3σ
Figur 3-2
μ
+3σ
Normalfördelningskurva (Sörqvist & Höglund, 2007)
Om det finns en oberoende variabel och en normalfördelning antas. Detta går att
kontrollera via den centrala gränsvärdesatsen, vilket betyder att addition av ett stort
antal oberoende slumpmässiga variabler går mot en normalfördelning (ibid). Yap och
Sim (2011) har utvärderat diverse normalfördelningstester och kommit fram till exempel att Shapiro Wilks test är användbart för att undersöka normalfördelningen.
Normalfördelningens egenskap är att specifika intervall alltid kommer innehålla
bestämda andelar (Montgomery, 2012, Sörqvist & Höglund, 2007).
3.1.2 Styrdiagram
Styrdiagrammet är ett verktyg som utvecklades redan 1920 av Dr Walter Shewhart
(Kolesar, 1993; Wilcox & Bourne, 2003). Shewhart blev tillfrågad att undersöka hur
variation i en produktionsprocess orsakade kvalitetsproblem (Kolesar, 1993).
Shewhart kom fram till hur det går att använda statistiska tekniker för att undersöka
variationen i processer (Godfrey, 1986). Enligt Bergman och Klefsjö (2012) finns det
två olika sorters variation, (1) urskiljbar variation och (2) slumpmässig variation.
Urskiljbar variation innebär att man kan härleda variationen exempelvis till en maskin
som är felinställd. Resterande variation anses vara slumpmässig, därmed slumpmässig
variation. Syftet med styrdiagrammet är att upptäcka urskiljbar variation.
Principen för styrdiagram går ut på att mätvärden plottas i en tidsserie där medelvärdet bildar en centrallinje (Bergman & Klefsjö, 2012). Därefter ritas styrgränser som
placeras ± 3 standardavvikelser från medelvärdet (se figur 3-3). Bergman & Klefsjö
(2012) kommenterar vikten av att särskilja styrgränserna som är baserat på processens
variation samt toleransgränser som har sitt ursprung i kundspecifikationer. Syftet med
att visualisera data med dessa diagram är att upptäcka ovanliga händelser och dra
lärdom av dessa.
15
Sö
3σ
CL
3σ
Su
Figur 3-3
Shewhart-diagram (Sörqvist & Höglund, 2007)
Bergman och Klefsjö (2012); Montgomery (2013) presenterar hjälpmedel för att tolka
om processen är i statistik jämnvikt, hjälpmedlet är Western Electrics varningsregler.
Dessa varningsregler ger en fingervisning hur situationen skall tolkas när mätvärden
noteras nära eller utanför styrgränserna. Varningsreglerna berör fler gränser än ± 3
standardavvikelser, de omfattar också ± 2 och ± 1 standardavvikelser. Dessa gränser
används för olika hypotestest om processen är i statistisk jämnvikt eller inte. Konkret
används ofta Western Electrics varningsregler, vilka ger larm om följande har inträffat:
1. Någon punkt utanför ± 3σ gränserna
2. Två av tre successiva punkter mellan ± 3σ och ± 2σ gränserna
3. Fyra av fem successiva punkter på samma sida om centrallinjen och över ± 1σ
gränsen
4. Åtta punkter i följd på ena sidan om centrallinjen
Den grundläggande principen för Shewhart-diagram, även kallat styrdiagram, är alltid
den samma. Dock finns det olika varianter som skall användas med fördel vid vissa
specifika situationer eller olika typer av data. I Figur 3-4 finns en sammanställning av
de vanligaste styrdiagrammen och när dessa ska användas.
16
Figur 3-4 Guide till att välja rätt styrdiagram (Montgomery, 2013)
3.1.3 Variationer
När data samlas in för analys är det viktigt att definiera och reflektera över de olika
variationsbidragen. Bergman & Klefsjö (2012) nämner inom- och mellangruppsvariation tillsammans blir processens variation. Inomgruppsvariation är den variation som
finns i urvalet/provgruppen som tas vid det utsatt tillfälle. Mellangruppsvariationen är
variationen mellan provgrupper som är insamlade vid olika tillfällen. I Figur 3-5
presenteras en illustration av Bergman & Klefsjös resonemang.
Figur 3-5 Visuell beskrivning av inom- & mellangruppsvariation
(Bergman & Klefsjö, 2012, s. 287)
Produkternas fysiska variation (processvariation) täcker inte den totala variationen i
uppmätt data. Enligt Montgomery (2013) finns det variationsbidrag från mätprocessen. Det handlar om repeterbarhet, mätmetodens förmåga att ge samma resultat vid
upprepade mätningar. Reproducerbarhet innefattar operatörernas inverkan på mätningen. I Tabell 3-1 presenteras en sammanställning av de olika variationstyperna.
17
Tabell 3-1 Sammanställning av olika variationstyper
Variationstyp
Inomgruppsvariation
Mellangruppsvariation
Processvariation
Mätsystemsvariation
Mätmetodsvariation (repeterbarhet)
Operatörsvariation ”mätning” (reproducerbarhet)
Beteckning
𝜎𝐼2
2
𝜎𝑀
𝜎𝑃2
2
𝜎𝑔𝑎𝑢𝑔𝑒
2
𝜎𝑟𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
2
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
𝜎𝑇2
Totala variationen
Ekvationen för den totala variationen skrivs enligt Montgomery (2013) på följande
vis:
2
2
2)
2
𝜎𝑇2 = 𝜎𝑃2 + 𝜎𝑔𝑎𝑢𝑔𝑒
= (𝜎𝐼2 + 𝜎𝑀
+ (𝜎𝑟𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
+ 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
)
(3.1)
3.1.4 Duglighetsstudier
Deleryd (1999) beskriver duglighet som en process förmåga att skapa en produkt som
motsvarar en definierad specifikation. Sörqvist och Höglund (2007) säger att duglighet är en process förmåga att leverera resultat som uppfyller ställda krav. Följaktligen
undersöks en process förmåga att möta kravspecifikationer med hjälp av en duglighetsstudie (Montgomery, 2013).
Bergman och Klefsjö (2012); Montgomery (2013); Sörqvist och Höglund (2007)
presenterar de allra vanligaste och mest välkända duglighetsmåtten Cp och Cpk. Cp
anger processens potentiella duglighet, Cp tar dock inte hänsyn till processens centrering jämfört med toleransgränserna (se ekvation 3.2), vilket däremot Cpk gör.
𝐶𝑝 =
𝑈𝑆𝐿 − 𝐿𝑆𝐿
6𝜎
(3.2)
En tumregel är att Cpk>1,33 (Bergman & Klefsjö (2012); Montgomery (2013);
Sörqvist & Höglund (2007). Nedan presentar ekvation 3.3 hur Cpk skall beräknas.
Toleransgränser betecknas USL (övre toleransgräns) och LSL (nedre toleransgräns).
Standardavvikelsen betecknas som σ.
𝐶𝑝𝑘 = 𝑚𝑖𝑛 �
𝑈𝑆𝐿 − 𝜇 𝜇 − 𝐿𝑆𝐿
,
�
3𝜎
3𝜎
(3.3)
Montgomery (2013); Sörqvist och Höglund (2007) informerar om fall där man endast
har en toleransgräns. I dessa situationer, så kallad ensidiga toleransgränser, då beräknas dugligheten enligt ekvation 3.4 eller 3.5.
𝐶𝑝𝑢 = �
𝑈𝑆𝐿 − 𝜇
�
3𝜎
18
(3.4)
𝐶𝑝𝑙 = �
3.1.5 Mätsystemsanalys
𝜇 − 𝐿𝑆𝐿
�
3𝜎
(3.5)
Mätsystemsanalys kan utföras på flera sätt, enligt Montgomery (2013) går detta att
analysera genom ANOVA (Analysis of variance). Knowels, Anthony och Vickers
(2000) nämner dock Gauge R & R som en av den allra vanligaste. Båda leder till
samma resultat men Gauge R & R är enklare att hantera när det kommer till manuella
beräkningar och därför lyfts denna analys-metod ytterligare.
Gauge R & R undersöker utrustningens repeterbarhet och reproducerbarhet. Denna
kontroll av mätsystem utförs för att bekräfta att rätt mätning görs. Annars kan det vara
ett imaginärt problem som studeras på grund av mätsystems brister (Montgomery &
Woodall, 2008). Med Gauge R & R undersöks mätsystemets förmåga att mäta processens variation med samma operatör, utrustning, metod och artikel, således repeterbarhet (Knowels m fl., 2000). Variationen mellan operatörernas förmåga att använda
samma utrustning studeras också, således reproducerbarhet (ibid).
Montgomery (2013) påpekar mätningens centrala del inom allt kvalitetsarbete. Det är
inte minst en viktig del i DMAIC-cykeln (se avsnitt 3.2). Dåliga mätningar kan leda
till felaktigt underlag för beslutsfattande, vilket kommer att påverka företagets prestation. Montgomery (2013) presenterar grunden till en mätsystemsanalys enligt ekvation
3.6.
𝑦 =𝑥+𝜀
(3.6)
I ekvation 3.6 står y för det totala observerade mätvärdet, x är det sanna värdet från
mätningen och ε står för mätningsfelet (ibid). Detta leder till följande formel som
står för variansen av den totala mätningen, se ekvation 3.7.
2
2
2
𝜎𝑇𝑜𝑡𝑎𝑙
= 𝜎𝑃𝑟𝑜𝑐𝑒𝑠𝑠
+ 𝜎𝐺𝑎𝑢𝑔𝑒
(3.7)
Vidare skattas mätfelet via ekvation 3.8 (Montgomery, 2001).
2
2
2
2
𝜎𝑀ä𝑡𝑛𝑖𝑛𝑔𝑠𝑓𝑒𝑙
= 𝜎𝐺𝑎𝑢𝑔𝑒
= 𝜎𝑅𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
+ 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
(3.8)
När mätningsfelet är beräknat så går det enligt Montgomery (2013) att utvärdera hur
bra metoden är genom en P/T-kvot, vilket står för precision to tolerance. Detta beräknas enligt ekvation 3.9, enligt Montgomery (2013) skall resultatet vara ≤ 10 % för att
man ska anse mätsystemet vara tillräckligt noggrant.
6𝜎𝑔𝑎𝑢𝑔𝑒
P
=
T 𝑈𝑆𝐿 − 𝐿𝑆𝐿
19
(3.9)
3.2 Sex Sigmas arbetssätt DMAIC
Sex sigma har ett givet systematiskt arbetssätt, vilket skapar förutsättningar för att
identifiera grundorsakerna till variation. Konceptets arbetssätt benämns som DMAIC
och står för Define, Measure, Analyze, Improve och Control (Bergman & Klefsjö,
2012; Montgomery, 2013; Sörqvist & Höglund, 2007). DMAIC arbetssättet är på sikt
ett cykliskt förfarande som skall främja det ständiga arbetet mot ständiga förbättringar. Förbättringsprojekt i sin tur upprepas över tid utifrån behov. DMAIC arbetssättet
illustreras i Figur 3-6 nedan.
Define
Control
Measure
Improve
Analyze
Figur 3-6 Sex Sigmas arbetssätt DMAIC
3.2.1 DEFINE
Enligt Figuren 2-2 ovan börjar Sex Sigma-arbetssättet med steget Define. I detta steg
definieras problemet och en problemformulering. Det är även av intresse att undersöka besparingspotential och vilken övrig inverkan projektet kommer att ha på företaget. I denna fas kartläggs även vilka som är kunder och intressenter (Sörqvist &
Höglund, 2007). Montgomery (2013) beskriver Define fasen på samma sätt, men ger
också förslag på att använda ett SIPOC-diagram som verktyg (supplier, input, process, output, customer).
3.2.2 MEASURE
I denna fas är syftet att inhämta information som skall ligga till grund för analysen så
att man baserar beslut på fakta (Sörqvist & Höglund, 2007). Moment som ingår i
denna fas är att definiera nuläget, vad som skall mätas samt hur det ska mätas. Ofta
görs här dessutom en mätsystemsanalys.
3.2.3 ANALYZE
I Analyze-fasen studeras variation samt duglighet (Sörqvist & Höglund, 2007). Om
variationen är för stor undersöks vidare grundorsakerna till avvikelsen. Montgomery
(2013); Sörqvist och Höglund (2007) menar på att ett SIPOC-diagram alt. flödesscheman är till god hjälp för att hitta grundorsakerna. Det är också möjligt att använda
orsak-verkan-diagram, även kallat Ishikawadiagram (Bergman & Klefsjö, 2012).
20
3.2.4 IMPROVE
Den föregående analyze-fasen ska ge underlag för att bearbeta lösningar (Sörqvist &
Höglund, 2007). I denna fas finns det utrymme för kreativitet och söka lösningar på
problem. Slutligen testas de mest troliga och kvalificerade lösningarna efter projektmedlemmarnas bedömning. (Montgomery, 2013). I denna fas skapas nya arbetssätt
och åtgärder med hopp om förbättringar.
3.2.5 CONTROL
I denna fas kontrolleras oftast två saker; (1) kontrollera att förbättringsförslaget fungerar, (2) utvärdera projektet och reflektera hur det har gått (Sörqvist & Höglund, 2007).
Oftast utförs även en uppskattning av gjorda besparingar och vinster.
3.3 Kanomodellen
Kanomodellen är ett hjälpmedel för att precisera kunders olika behov (Bergman &
Klefsjö, 2012). Modellen går ut på att identifiera behov utifrån tre olika kategorier,
dessa är basbehov, uttalade behov och omedvetna behov (Bergman & Klefsjö, 2012;
Shahin, Pourhamidi, Antony & Hyun Park, 2013). Denna indelning skapar förutsättningar för större förståelse av kundens behov och utifrån detta som företag bli bättre
på att uppfylla behoven.
Basbehov måste tillfredsställas annars kommer kunden att bli missnöjd. Detta behov
är så grundläggande att det är sällan eller aldrig så att kunden frågar efter det, det skall
bara levereras (Bergman & Klefsjö, 2012). Uttalade behov är sådant kunden uttrycker
är viktigt och sådant man förväntar sig vara en del av produkten/tjänsten. Omedvetna
behov är sådana behov kunden själv inte har reflekterat över eller insett att man behöver. Från företagets perspektiv är det viktigt att hitta kundernas omedvetna behov då
företaget kan skaffa sig stora konkurrensfördelar om dessa uppfylls (ibid). Modellen
presenteras i Figur 3-7 nedan.
Kundtillfredställelse
Mycket
nöjd
Uttalade/förväntade behov
Omedvetna/Oväntade behov
Inte alls
Helt
Grad av
Uppfyllelse
Bas/förväntade behov
Mycket
missnöjd
Figur 3-7 Kanomodellen (Bergman & Klefsjö, 2012, p.322)
21
3.4 SIPOC
SIPOC har redan nämnts som en viktig del i Define-fasen och akronymen står för
supplier, input, process, output samt customer. SIPOC-diagrammet är ett verktyg som
beskriver processens övergripande flöde och intressenter som är en del av processen
(Sörqvist & Höglund, 2007). Montgomery (2013) förklarar innehållet i ett SIPOCdiagram på följande vis:
•
•
•
•
•
Supplier – Leverantör av information, material eller övrigt till processen
Input – Det material/information som skickas till processen
Process – Processtegen som förädlar råvaran, information etc
Output – Produkten som skickas till kunden
Customer – Kan vara extern slutkund eller nästkommande internkund i förädlingskedjan
3.5 Paretodiagram
Bergman och Klefsjö (2012) menar att i kvalitetsarbete baseras beslut på fakta och
därmed insamling av data viktigt. Ett lämpligt verktyg för att sammanställa data för
att få en enkel överblick är paretodiagram. Exempelvis använde Gijo (2005) sig av ett
paretodiagrammet i sin studie för att tolka data på ett överskådligt sätt. I paretodiagrammet presenteras kategorier och hur de står i relation till varandra. Diagrammet
visar också hur stor andel varje kategori är av totalen. Bergman och Klefsjö (2012)
menar att detta verktyg är kompatibelt med 80-20 regeln, vilket exempelvis kan betyda att 80 % av felen kommer från 20 % av processen. I diagrammet brukar det vara
enkelt att urskilja att det är ett fåtal kategorier som står för t.ex. största andelen fel (Se
Figur 3-8).
70
100
90
80-20 regeln
80
60
70
50
60
50
40
40
30
30
20
10
0
20
Kategorier
Figur 3-8 Paretodiagram
22
10
0
Andel (%)
Storlek (st, kr)
80
4
Fallstudie enligt DMAIC
I det här kapitlet kommer läsaren att följa arbetsgången i detta projekt enligt
DMAIC-cykeln. Arbetssättet följer helt Sörqvist och Höglunds (2007) upplägg när det
gäller vilka moment som skall utföras vid varje fas. Härnäst kommer läsaren börja
med Define-fasen för att bli introducerad till problemet i denna fallstudie.
4.1 DEFINE
I Define-fasen definierades problemet i ett problemformuleringsavsnitt. Nästa steg i
Define-fasen var att definiera besparingspotentialen och de effekter projektet kunde
leda till. Slutligen kartlagdes intressenter, kundbehov och ett SIPOC-diagram upprättades.
4.1.1 Problemformulering
180
Avvikelser
160
140
120
100
80
60
40
20
0
Andel
100
90
80
70
60
50
40
30
20
10
0
Andel (%)
Antal avvikelser (st)
Utifrån FV mål att minska antalet avvikelser hos kund med 20 % under 2015 är proaktivt arbete viktigt för företaget. Mer specificerat behövs förebyggande åtgärder till
att upptäcka avvikelserna internt innan de når kunden. Frågan är, vilken är den
främsta förekommande avvikelsen alternativt är det någon avdelning som har fler
avvikelser än andra? Utifrån detta resonemang undersöktes flest förekommande avvikelsen per avdelningen vid FV med hjälp av ett Paretodiagram, se Figur 4-1.
Avdelningar
Figur 4-1 Avvikelserapport 2014 Fredriksons Verkstads AB, avvikelser uppdelade
på avdelningar med ett Paretodiagram
23
1000000
900000
800000
700000
600000
500000
400000
300000
200000
100000
0
Kassationskostnad
Andel (%)
100
90
80
70
60
50
40
30
20
10
0
Andel (%)
Kassationskostnad (kr)
I Figur 4-1 går det se att det är plåtavdelningen som har flest avvikelser registrerade.
På plåtavdelningen finns 163 avvikelser registrerade, vilket motsvarar 42 % av den
totala andelen avvikelser. Dessa siffror säger dock inte allt, plåtavdelningen är den
avdelningen som tillverkar flest artiklar. Skulle det inkluderas i beräkningen kommer
plåtavdelningen inte vara lika utstickande om det togs i relation till antal artiklar och
omsättning. Studeras kassationskostnaden per avdelningen återkommer ett liknande
mönster, vilket indikerar på att plåtavdelningen är intressant för vidare undersökning.
Plåtavdelningen är ett av de första stegen i produktionsprocessen, beroende på produkt. Därmed uppdagas synergieffekter längre fram i processen genom förbättringar
på plåtavdelningen (se Figur 4-2).
Avdelningar
Figur 4-2 Paretodiagram på kassationskostnader fördelat per avdelning
En identifierad avvikelse kan i vissa fall omarbetas eller på något sätt räddas. Vissa
artiklar måste beroende på typen avvikelse kasseras. Detta är en parameter som kan
ses ha koppling till avvikelser. På Fredriksons kasserades totalt för 2 219 000 kr 2014.
Av dessa kassationer står plåtavdelningen för 39 %. Kassationen på plåtavdelningen
stod för 867 000 kr 2014 (se Figur 4-2). I diagrammet har inte inköp, produktionsteknik och monteringen någon kassationskostnad. I affärssystemet kopplas inte kassationer till dessa avdelningar då de sällan är orsaken till att kassationen uppstår.
Utifrån examensarbetets syfte att undersöka duglighet och rutinen för duglighetsstudier var det bra att avgränsa studien till en avdelning. Detta projekt har en tidsram att
förhålla sig till därför kan det vara bra att fokusera på en avdelning för att visa på ett
exempel hur detta arbetssättet kan gå till. Sen kan företaget utvidga arbetet till andra
avdelningar från en generaliserande arbetssätt.
24
För att gräva djupare i kassationsproblematiken studerades plåtavdelningen vidare.
Baserat på 80-20 regeln visar undersökning att plåtavdelningen står för flest kassationer och avvikelser och därmed har störst förbättringspotential. Det skulle rent hypotetisk kunna vara enklare att hitta förbättringar på trycksvarvsavdelningen eller maskinavdelningen och därmed skulle någon av de avdelningarna väljas. Utifrån den här
angivna informationen går det inte avgöra vilken avdelning som har den förmånligaste förbättringspotentialen praktiskt sett, därför väljs plåtavdelningen då den påvisar
störst utrymme för förbättringar. I Figur 4-3 nedan presenteras kategorisering av
kassationer på plåtavdelningen.
Bearbetning
Kostnad (kr)
250 000
Andel (%)
100
90
80
70
60
50
40
30
20
10
0
200 000
150 000
100 000
50 000
0
Andel (%)
Material
Kassationsbenämning
Figur 4-3 Kassationer vid plåtavdelningen kategoriserade med ett Paretodiagram
Vid en kassation dokumenteras materialkostnaden samt bearbetningskostnaden, därför har dessa delats upp i olika färger i Figur 4-3. I Paretodiagrammet i Figur 4-3
utmärker sig främst två kassationstyper, vilket är (1) maskinfel och (2) ställbitar/första bit. Därmed undersöks dessa vidare för att studera bakomliggande orsaker
till kostnaderna. Ställbit/första bit registreras som en kassation i affärssystemet. FV är
medvetna om detta och offererar till kund kostnaden för ställbitarna, således är det
ingen kostnad för FV. Därför märktes denna kassation med grönt i Figur 4-3, samma
sak gäller för provserier. Ställbitar och provserier är ett nödvändigt ont för att FV
skall kunna testköra produktionen för att verifiera det utlovade resultatet. På lång sikt
skulle kunderna självfallet uppskatta en prisminskning på grund av FV har effektivi-
25
serat sin process med prov/ställbitar, i dagsläget överväger fördelen med denna
kvalitetssäkring trots denna kontrollkostnad det medför.
80
Antal avvikelser (st)
70
60
50
40
30
20
10
0
Andel (%)
100
90
80
70
60
50
40
30
20
10
0
Andel (%)
Amtal avvikelser (st)
I vidareundersökningen gällande maskinfel fanns inte den informationen i affärssystemet. Istället intervjuades avdelningschefen gällande maskinfel. Plåtavdelningens
chef säger att maskinfel har en överhängande koppling till lasermaskinerna. Ibland
sker okontrollerad värmebildning i lasermaskinerna. Värmebildningen accelererar och
då svetsats materialet ihop samtidigt som maskinen skär i plåten. Detta kallas internt
på FV för lasersvetsning. Utifrån detta granskades internavvikelserna på plåten mer
noggrant och syftet var att söka efter de plåttyper FV använder på plåtavdelningen.
Av de 163 stycken internavvikelserna kunde plåttyper spåras till 117 stycken av
dessa. I Figur 4-4 nedan presenteras ett paretodiagram över antalet internavvikelser på
plåtavdelningen och plåttyper.
Plåttyp
Figur 4-4 Paretodiagram som visar antalet internavvikelser på plåtavdelningen
sorterat på plåttyp
I Figur 4-4 går det tveklöst urskilja att rostfri plåt är kopplat till den största andelen
internavvikelserna på plåtavdelningen, mer precist 58 %. Rostfri plåt ska rimligtvis ha
flest avvikelser då detta är det vanligaste plåtmaterialet i verksamheten. I Tabell 4-1
nedan presenteras en sammanställning av materialet som förbrukats vid plåtavdelningen mellan 2014-01-26 till 2015-01-26.
26
Tabell 4-1 Fördelning av plåtförbrukning
Plåtar
Fördelning
Svartplåt:
1 333,94 ST
11,0%
Rostfri plåt:
6 306,97 ST
52,0%
Syrafastplåt:
2 019,70 ST
16,6%
SMO plåt:
38,20 ST
0,3 %
Ytbehandlad plåt:
13,14 ST
0,1 %
2 356,28 ST
19,4%
62,23 ST
0,5 %
Aluminiumplåt:
Övrigt:
I Tabell 4-1 ovan går det se rostfri plåt används mest, syrafast plåt samt aluminium är
de plåttyper som används näst mest frekvent. Det är också dessa tre plåttyperna som
har flest avvikelser kopplade till sig. Därför var det av intresse att undersöka maskindugligheten som levereras vid arbete med dessa 3 plåttyper. Nästa intressanta steg var
att utse några artiklar som man skulle kunna mäta. Enligt programmeraren på plåtavdelningen hanteras omkring 40 000 artiklar, vissa mer frekvent och andra mer sällan.
Eftersom intresset ligger i att undersöka maskindugligheten oavsett artikel var det
bättre att skapa en separat artikel för detta ändamål. Undersöka några enstaka artiklar
skulle eventuellt leda några förbättringsåtgärder, dock inte någon större besparing.
Genom skapa en egen artikel skapades förutsättningar till identifiering av problem
som kunde generaliseras och utnyttjas för respektive plåttyp istället. Hypotesen var att
maskinfel inte är artikelberoende.
Utifrån ovanstående resonemang valdes problemet gällande maskinfel undersökas för
plåttyperna rostfri-, syrafast- och aluminiumplåt med hjälp av en duglighetsstudie hos
lasermaskinerna. Dessa tre plåtar täckte ett brett spann av egenskaper bland plåt när
det gäller laserskärning. Rostfri- och syrafastplåt är in princip samma plåt och hanteras på samma sätt i lasern. Skillnaderna är den syrafasta plåten är ytbehandlad. Resultatet från att testa dessa plåtar går sedan även att generalisera till svartplåt som laserskärs på samma sätt som rostfri plåt förutom att det laserskärs med en annan gas. Det
som skiljer sig från mängden är aluminium, vilket är ett betydligt mjukare material
och påverkas mer av värmebildningen vid laserskärning. Denna effekt blir proportionerligt större ju tjockare aluminiumgodset är. Följaktligen kan inte till exempel
resultatet från rostfri plåt med fullständig säkerhet gälla för aluminium.
I denna undersökning var det möjligt att inkludera ytterligare en kassationskategori,
nämligen operatörsfel. I denna duglighetsstudie var det möjligt att använda flera
operatörer för att undersöka deras påverkan på processen. Kassationskategorierna
maskinfel och operatörsfel står för en kostnad närmare 300 000 kr 2014.
27
4.1.2 Besparingspotential och effekter
I detta avsnitt kommer projektets besparingspotential och effekter att kategoriseras
monetärt, samt utifrån ett kund- och medarbetarperspektiv.
Monetärt
Ur ett monetärt perspektiv skulle en minskning av enbart maskinfel innebära besparingar. Baserat på Figur 4-3 kasseras det för 200 000 kr på grund av maskinfel. När
det gäller operatörsfel var kassationskostanden ca 100 000 kr. Detta blir tillsammans
ca 300 000 kr och står för materialkostnaden och bearbetningskostnaden. Eliminera
dessa kassationstyper skulle innebära besparingspotential motsvarande kassationskostnad. Det är inte rimligt att eliminera 100 % av dessa kostnader, men förhoppningsvis stora delar kan i praktiken lyckas.
I denna kassationskostnad inkluderas inte effekter och kostnader i form av övertid,
materialbrist och förseningar. Idag sker arbetet efter en körplan och alla kassationer
innebär omproduktion av artiklarna. Detta måste planeras in och kan i vissa fall innebära övertid. Material beställs efter körplan och orderingång. Kasserat material innebär behov av nytt material, vilket kan behövas beställas av leverantörer. Finns ingen
tillräcklig buffert leder detta till förseningar. Förseningar som eventuellt kan leda till
försenade leveranser. Kvantifiera dessa kostnader är svårt men det går att konstatera
stora negativa effekter som fel och kassationer kan leda till.
Det finns en stor möjlighet att göra förändringar vid plåtavdelningen som kan ge
många effekter. Eftersom plåtavdelningen många gånger är första steget i produktionsprocessen blir varje förbättring på plåtavdelningen en förbättring för hela flödet.
Kund
Eliminera kassationer skulle innebära mindre tid åt omarbeten och därmed minskar
risken för förseningar. En hög leveransprecision bidrar till en bra kundrelation. Effekten av att minska kassationerna skapar förutsättningar för att leverera i tid och bygga
vidare på en långsiktig kundrelation. Utifrån Kanomodellen skulle detta innebära att
kundens basbehov är uppfyllt, vilket är väsentligt i arbetet att behålla kunderna.
Medarbetare
Alla kassationer innebär att artiklar måste produceras på nytt, vilket inte är planerat i
den ursprungliga körplanen. Således måste omarbetningen pressas in under ordinarie
tid eller till och med via övertid. En pressad och tight körplan kan innebära stress för
medarbetarna. Detta kan i sin tur öka antalet fel i form av operatörsfel, då operatören
inte hinner med och istället tar genvägar för att hinna med sina arbetsuppgifter. Detta
leder då till stressig arbetsmiljö som tär på operatörerna och det finns risk för osämja
då ombearbetning måste pressas in i körplanen.
28
Att minska mängden omarbeten innebär att operatörer och chefer kan ägna mer tid åt
att göra rätt från början samt förbättra kvaliteten. Effekten av detta projekt kan innebära en mer positiv spiral då det ges tid till att arbeta proaktivt istället för reaktivt.
4.1.3 Kundbehov
FV utlovar laserskärning med precisionen ± 0,1 mm till den externa kunden, detta är
baserat på maskinleverantörens maskinspecifikation. Tillverkningen av artikeln sker
enligt specifikationer mot den externa kunden. Plåtavdelningen skickar ofta artikeln
vidare internt till nästa processteg, till internkund. Därför specificeras med hjälp av
Kanomodellen de behov intern- och externkunden har (se Tabell 4-2). Detta har gjorts
i en mer generell beskrivning då behoven kan anses vara liknande oavsett artikel.
Tabell 4-2 Identifierade bas-, uttalade och omedvetna behov för intern samt extern
kund enligt Kanomodellen
Basbehov
Uttalade
behov
Internkund
Leverera inom avtalad tid
Kontrollera antalet detlajer
Följ uppsatta rutiner
Kontrollera kvalitet
Skicka med rätt dokument
Packa på speciellt sätt
Lägga/placera på specifik lagerplats
Omedvetna Återkoppling på arbetet
behov
Externkund
Leverera inom avtalad tid
Tillverka enligt ritning
Finish (utseende)
Bestämmer materialleverantörer
Kvalitetskrav (ISO 9001)
Miljökrav (ISO 14001)
Kunna lämna förbättringsförslag
4.1.4 SIPOC
Via observationer sammanfattades processflödet av lasermaskinerna i ett SIPOCdiagram, se Tabell 4-3. Detta diagram visar vilka som är en del av processen, vad som
går in samt vad som kommer ut. Sedan presenteras även processtegen.
29
Tabell 4-3 Processflöde på plåtavdelningen presenteras med hjälp av ett
SIPOC-diagram
SIPOC
Processens namn: Laserskärning av plåtartiklar
Processens start: Order mottagning
Processens slut: Kontrollerad och packad
plåtartikel
Leverantörer:
•
•
•
•
•
•
Kunder (order)
Beredning
Planering
Programmeringsoperatör
Kittningsoperatör
Laseroperatör
Input:
•
•
•
•
•
•
Order
Ritning
Material (plåt)
Programmeringsfil
Programmerad maskin
Plåtartikel
Processbeskrivning:
Kunder:
•
Order
Körplan
Ladda mskinen
med material
Programmering
Hämta
programfil i
lasermaskin
Utför arbetet
Kontrollera
artikel enligt
rutin
Packa artikel
enligt rutin
Skicka till nästa
steg i processen
•
•
Programmeringsoperatör
Laseroperatör
Operatör, nästa processteg
Output:
•
•
•
•
•
•
Körplan
Programmeringsfil
Programmerad maskin
Plåtartikel
Kontrollerad artikel
Avslutat ärende
4.1.5 Planering av fallstudie
Syfte
Syftet med detta projekt är att undersöka två lasermaskiners duglighet genom att
tillverka en artikel i tre olika plåttyper; rostfri-, syrafast- och aluminiumplåt. Projektet
har även som ambition att undersöka operatörernas inverkan på processen.
Uppföljningsbara mål
•
•
Fastställa lasermaskinernas duglighet
Fastställa operatörernas inverkan på processen
Roller ur ett Sex Sigma-perspektiv
•
•
Project Champion: Pernilla Fahlström, handledare, Kvalitets- och miljöchef,
Fredriksons Verkstad AB
o Förstahandskontakt på företaget, följer projektet löpande
Master Black Belt: Erik Lovén, handledare, Luleå tekniska universitet
o Ger stöd och feedback av beräkningar och tekniska lösningar
30
•
•
Black Belt (OBS! ej certifierad): Eric Jonsson, examensarbetare, Luleå tekniska universitet
o Utför alla moment och är ansvarig för att driva igenom studien
Yellow belt: Programmerare och planerare av lasermaskinerna, Fredriksons
Verkstads AB
o Bistår med kunskap och hjälper till med planering samt diverse reflektioner
Nödvändiga resurser
•
•
•
•
•
Tillgång till material:
o Rostfriplåt
o Syrafast plåt
o Aluminiumplåt
Artikel (ritning)
Operatörer (tid för att göra tester)
Mätverktyg
Programvarorna excel och Statgraphics för beräkningar och diagram
Risker och hot
•
Resurser: Tid, Budget, Anställda. Viktigt att följa den planerade datainsamlingen för att projektet skall hålla tidsramen för projektet och minimera
kostnaderna. Sedan involveras operatörerna för att de ska känna sig delaktiga
och medhjälpliga.
4.2 MEASURE
I Measure-fasen undersöktes informationsbehovet, sedan specificerades viktiga mått.
Utöver detta testades mätmetoden, utformades planering och genomförandet av mätningen.
4.2.1 Definiera informationsbehovet
FV har ett påbörjat projekt gällande lasermaskinernas duglighet, projektet blev inte
slutförd. Projektet är inte heller dokumenterat, vilket innebär att det inte finns mycket
information att utgå ifrån. Det fanns testbitar som används till att mäta diverse mått
på, men dessa gick inte använda då det inte fanns data på hur körningar utfördes och
hur bitarna mättes. Ur ett perspektiv av validitet och reliabilitet var det därför lämpligt
att samla in primärdata.
För att kunna utföra denna fallstudie gällande duglighetsmått fanns det behov att
samla variabeldata. Denna fallstudie avsåg att använda variabeldata då det fanns
många variabler med definierade toleranser från kund som gick att mäta, exempelvis
artiklars längd, bredd etc.
31
4.2.2 Identifiering av viktiga parametrar
I Tabell 4-4 presenteras en sammanställning av viktiga parametrar som identifierades.
Efter Tabellen kommer mer ingående förklaring på de viktiga parametrarna.
Tabell 4-4 sammanställning av viktiga parametrar
Viktiga parametrar
Plåttyp
Specificering
Kommentar
Rostfritt, Syrafast,
Aluminium
Plåttjocklek
2 mm
Artikel
Egen
Dessa plåttyper identifierades i Definefasen. Initialt kommer studien undersöka
rostfritt och försöka generalisera resultatet
så det kan ge effekter på övriga material
Bystronic lasermaskinen kan bara laserskära
upp till 6 mm, därför väljs en vanlig dimension som 4 mm som även går att använda i Trumpf lasern.
Skapat en egen artikel som man kan undersöka vanliga mått på, se Bilaga D.
Cpk skall överstiga 1,33. Provgruppsstorleken skall vara 2 replikat med 15 provgrupper.
För att minimera budget kommer den egna
artikeln laserskäras på spillbitar som annars
hade kasserats.
Till försöket måste körtiden planeras in i
körplanen genom en T-order. Operatörer
måste informeras och rekryteras till projektet.
Duglighetsstudier Enligt rutin 3.5
Resurser
Liten budget
Resurser
Körtid & Operatörer
När det gäller de två lasermaskinerna FV innehar utlovas det till kund toleransen ± 0,1
mm. Detta är baserat på lasermaskinernas specifikation från maskinleverantörerna.
Mellan kunder skiljer sig toleranskraven åt, de kan både vara vidare och snävare än
maskintoleransen. Maskintoleransen är fortsatt viktig då detta är FV utgångspunkt vid
åtagande av jobb och utlovande till kund. Längd, bredd och radie är viktiga mått som
skall vara inom toleranserna för artiklarnas specifikation, följaktligen enligt ritning.
Dessa är också sådana variabler som går att mäta.
Tidigare i Define-fasen identifierades tre stycken råmaterial som är av större intresse
att undersöka. Dessa råmaterialtyper är rostfri plåt, syrafast plåt samt aluminiumplåt.
Denna undersökning utgick från FV egna rutin för duglighetsstudier, vilket finns i
Bilaga A. I denna rutin finns det instruktioner om hur omfattande provtagningen skall
vara samt vad dugligheten som skall uppfylla för FV skall var nöjd. Rutinen säger att
provtagningen skall innehålla 30 stycken artiklar och duglighetsmått Cpk skall var
minst 1,33.
32
Genom att låta en operatör på en av lasermaskinerna producera en order med 30
stycken enheter är det då inte troligt att det kommer vara någon större skillnad mellan
enheterna. Det var mer intressant att se om order av samma enheter skiljer sig över
tiden. Operatörerna fick order att tillverka 2 enheter vid 10 olika tillfällen per maskin.
På så vis gick det undersöka om maskinen prestation skiftade genom replikerat samt
undersöka operatörens påverkan med att lägga 10 ordrar. I Figur 4-5 presenteras en
karta över hur data ska samlas in.
Figur 4-5 Illustration av datainsamlingen
Med ambitionen att producera 40 stycken testartiklar per maskin och operatör innebar
totalt 80 artiklar. Artikeln är 100 mm x 100 mm vilket innebar att dessa tester kom att
förbruka ca 0,8 m2 plåt. Detta är förstås en kostnad, men målet var att försöka göra
dessa tester på spillbitar som annars hade skickats för återvinning. Kostnaden för
projekten blir den bortfallna återvinningsintäkten. Med det här upplägget blev materialkostnaden för testet bli försumbar då artiklarna skickades på återvinning efter avslutat projekt.
Det mått som har presenterats hittills är kvantitativa mått och var intressant att komplettera med kvalitativa mått. Därför var det intressant att undersöka med en kortare
enkät hur kvalitetsarbetet upplevs fungera på plåtavdelning. Detta är intressant för att
33
skaffa en uppfattning om hur de anställdas upplever kvalitetsarbetet till en nulägesbeskrivning.
4.2.3 Val av mätmetod
De mätmetoder som utfördes var en enkätundersökning samt mätning av diverse mått
på laserskurna artiklar. Enkätundersökningen utfördes för att samla in kvalitativ data
och skapa en uppfattning om hur de anställda ser på kvalitetsarbetet generellt på
avdelningen. Sedan samlades kvantitativ data in genom att en egendesignad artikel
mäts. I Bilaga B presenteras utformningen på enkäten som delades ut till 12 operatörer på plåtavdelningen.
I Bilaga C finns en arbetsinstruktion till operatörerna som de följde. Denna instruktion
är framtagen för båda operatörerna skall få samma förutsättningar att göra på samma
sätt. I Bilaga D bifogas ritningar på den artikel som tillverkades. Det som skiljer
ritningarna åt är märkningen. Strategin var att märka artikeln med vilken maskin de är
skurna i och vilken operatör som har utfört arbetet, lasermaskinen märkte plåtbitarna
själv. Detta gjorde det enklare att organisera artiklarna och det blev inte några oklarheter i vilken maskin och vilken operatör som utförde arbetet.
Mätningarna av de tillverkade artiklarna utfärdades i FV egna mätrum. I detta mätrum
användes en CNC koordinatmaskin till att mäta håldiameter. Ett skjutmått användes
också till att mäta längd och bredd. Dessa mätningar utfördes av författaren vilket gav
författaren god kontroll på mätningarna. Den stora frågan var hur representabelt detta
var för den ordinarie mätpersonalen. Dock var mätpersonalen de som instruerade till
vissa mätverktyg och hur de fungerade.
4.2.4 Test av mätmetod och utvärdering av mätsäkerhet
När det gäller att mäta längd och bredd användes skjutmåttet, vilket gav ett tillräckligt
noggrant resultat då mätningen ger en decimal mer än toleransen. Toleransen är ± 0,1
mm och skjutmåttet mäter 0,01 mm. Till försöket har olika skjutmått testats och det
interna skjutmåttet med id Nr 3888 användes till försöket. Testet av detta skjutmått
visar på hög mätsäkerhet.
Det är svårare att använda skjutmåttet till att bestämma diametern, därför togs beslutet
att använda en mätmaskin som mäter 0,001 mm. Med denna maskin levererade ett
mer precist resultat erhållas gällande håldiametern.
När dessa mätmetoder hade testats fanns det en potentiell påverkan av den mätande
operatören. Mätningen sker manuellt med hjälp av två redskap. Därför var det viktigt
att följa mätinstruktionerna noggrant.
Vid testet av skjutmåttet identifierades en standardavvikelse på 0,01 mm efter mätningen hade gjorts 20 gånger på en och samma detalj (se Tabell 4-5). Detta uppfattas
34
som mycket lågt för en sådan manuell process och standardavvikelsen på 0,01 mm är
hanterbar när toleransen är på ± 0,1 mm.
Tabell 4-5 Test av skjutmått
Analys av skjutmått
Mätning
Längd (mm)
Mätning
Längd (mm)
1
99,97
11
100,00
2
99,99
12
99,98
3
99,98
13
99,99
4
99,99
14
100,01
5
99,98
15
100,00
6
99,99
16
100,00
7
99,98
17
99,99
8
99,98
18
100,00
9
99,97
19
99,99
10
100,00
20
100,00
STDEV 0,010990426
Vid test av mätmaskinen noterades en variation beroende på om man låste mätmaskinen i Z-led, vilket är i lodrätt riktning, eller inte. I Tabell 4-6 presenteras skillnaden
när man låser i Z-led respektive inte låser vid mätning av samma detalj 20 gånger.
35
Tabell 4-6 Test mätmaskin
Mätning
Artikel test1 Hål D3
Artikel test1 Hål D3 (låst i Z-led)
1
29,977
mm
29,989
mm
2
29,965
mm
30,001
mm
3
29,98
mm
30,009
mm
4
29,983
mm
30,008
mm
5
29,967
mm
30,001
mm
6
29,97
mm
29,991
mm
7
29,961
mm
29,998
mm
8
29,967
mm
29,999
mm
9
29,989
mm
29,992
mm
10
29,969
mm
29,989
mm
11
29,991
mm
29,994
mm
12
29,968
mm
29,998
mm
13
29,972
mm
30,005
mm
14
29,977
mm
29,991
mm
15
30,004
mm
29,987
mm
16
30,014
mm
29,99
mm
17
29,985
mm
29,992
mm
18
29,962
mm
29,988
mm
19
29,979
mm
29,997
mm
20
30,022
mm
29,995
mm
STDEV
0,016901884
0,006594256
Average
29,9801
29,9957
I Tabellen 4-6 ovan går det se att det skiljer ca 0,015 mm om man låser mätmaskinen
i Z-led. Detta tolkades som väldigt liten skillnad och gott mätresultat på grund av den
manuella hanteringen. För bästa resultat vid mätningen av varje hål skall dock maskinen låsas i Z-led, då även standardavvikelsen minskar avsevärt vid låsning.
Den variation som har noterats i mätmaskinen beror inte enbart på mätoperatören. I
Figur 4-6 går det se att hålet har en struktur efter laserskärningen, vilket påverkar
resultatet då mätmaskinen mäter på 0,001 mm noggrannhet. Alltså varierar resultatet
litet på var man mäter i strukturen. Hur stor inverkan detta har på variation är svårt att
avgöra och det var inte heller möjligt att undvika det vid mätningen.
36
Struktur
Z-led
Figur 4-6 Illustration mätning av diameter
Sammanfattningsvis gjordes en extra kontroll genom att undersöka vad dessa standardavvikelser innebär om precision to tolerance (P/T) beräknas.
6𝜎𝑠𝑘𝑗𝑢𝑡𝑚å𝑡𝑡 6 ∗ 0,010990426
P
skjutmått =
=
≈ 0,33
T
𝑈𝑆𝐿 − 𝐿𝑆𝐿
0,2
P
6𝜎𝑚ä𝑡𝑚𝑎𝑠𝑘𝑖𝑛 6 ∗ 0,006594256
mätmaskin =
=
≈ 0,20
T
𝑈𝑆𝐿 − 𝐿𝑆𝐿
0,2
(4.1)
(4.2)
Enligt Montgomery (2013) bör P/T vara högst 10 % och resultatet från skjutmåttet
blev 33 % samt för mätmaskinen 20 %. Detta är enligt Montgomery inte godkänt,
utan han begär att mätprocessens variationsbidrag skall vara mindre. Att resultatet
blev högre än 10 % har troligtvis med att göra att mätprocessen utgörs av en del manuell hantering. Mätprocessen uppfyller inte riktlinjerna på max 10 % och verkligheten är den att detta är de mätverktyg som finns tillgängliga. Författarens egen uppfattning var den att det är en bra mätprocess om standardavvikelserna studeras och det
skall inte vara mätningarna som avgör resultatet. Detta ger i detta fall kunskap om
mätprocessens bidrag till den totala variansen.
4.2.5 Fastställda krav och definierat nuläge
Insamlingen av datat var inte kostsamt, artiklarna blev laserskurna på spillbitar som
annars hade kasserats. Det tog däremot tid att laserskära och det är främst den kostnaden som finns i insamlingen av datat. Laserskärningen av en order på 2 st artiklar tar
29 sekunder. Till denna tid måste ställtiden tilläggas för de ordrar som tillverkas på
spillbitar på 5-10 minuter, vilket gjordes flera gånger. Tillverkningstillfällena valdes
produktionen blev hämmad i övrigt, exempelvis under en rast eller när operatören
förberedde eller plockade av andra ordrar. De ordrar som tillverkades tillsammans
med andra ordrar på hela plåtar förlänger bara totaltiden med 29 sekunder, vilket inte
37
påverkade produktionen nämnvärt. Detta var inom ramen från företagets krav om
insamlingen av data inte fick bli för kostsam eller störa produktionen.
4.2.6 Planering och genomförande av mätning
För att insamlingen av data inte skulle bli påverkat av att en examensarbetare genomförde en undersökning med hjälp av vanliga produktionsordrar. Detta innebar att
operatörerna arbetade under vanliga arbetsförhållanden. Eftersom det blev totalt 40
ordrar fick programmeraren på plåtavdelningen planera när ordrar skulle köras i
körplan.
Målet var att artiklarna som skulle testas ska läggas in i vanliga produktionen då flera
artiklar laserskärs oftast på samma plåt. Ett sådant upplägg skulle innebära att tiden
för examensarbetet skulle överskridas. Därför tillverkades examensarbetets artiklar på
separata spillbitar under dags- och kvällsskift. Operatörerna hanterade dessa spillbitar
som vilket arbetet som helst, det ska inte innebära ovanliga arbetsrutiner för operatörerna.
Insamlingen av data startade 2015-02-24 och blev klar 2015-03-25. Det gick inte se i
planeringen allt för många dagar framåt, utan avstämningar gjordes dagligen för att se
hur datainsamlingen gick. I praktiken kom insamlingsmängden att justeras från 15
ordrar per operatör och maskin till 10 ordrar. Detta innebar att man gick från totalt 60
ordrar till 40, vilket innebar att datainsamling gick snabbare. Utgångspunkten var att
testa om det gick att analysera om mängden data minskades ytterligare. Anledningen
till neddragningen var att spara tid.
4.3 ANALYZE
I detta avsnitt analyseras de producerade artiklarna med hänseende till variation samt
duglighet. Sedan beskrivs resultatet från enkäten som genomfördes på plåtavdelningen. Slutligen sker en djupdykning i orsakerna som bidrar till fel och variation samt en
granskning av rutinen för duglighetsstudier.
4.3.1 Variation och duglighet
Artiklarna FV-041-1, FV041-2, FV-041-3 samt FV-041-4 har analyserat enskilt med
hänseende på variation och duglighet i bilaga G-J. I Tabellen 4-6 har resultatet från de
enskilda analyserna sammanställts.
38
Operatör 2
Operatör 1
Tabell 4-6
Duglighetsstudie
Mått
Längd
Bredd
D30
D20
D10
Bystronic
Stdev
Cpk
0,0192
2,3
0,0197
1,88
0,0200
1,36
0,0257
2,07
0,0241
1,14
Trumpf
Stdev
Cpk
0,0157
0,4
0,0134
0,62
0,0131
2,54
0,0240
2,1
0,0185
0,69
Längd
Bredd
D30
D20
D10
0,0134
0,0406
0,0158
0,0159
0,0175
0,0298
0,0171
0,0147
0,0179
0,0189
2,01
0,91
2,3
2,02
1,99
-0,36
0,33
2,43
1,09
0,78
Sammanfattningsvis går det fastställa att Bystronicmaskinen levererar dessa produkter
med hög duglighet och det går inte påvisa någon signifikant skillnad mellan operatörerna. Det är sammanlagt 2 mått för Bystronicmaskinen som inte uppfyller kraven på
ett Cpk-värde på minst 1,33. Detta berodde på att tre produkter vinklade upp sig på
laserbordet på ett sådant sätt att de krockade på laserhuvudet. Detta bidrog då till att
godset som låg på bordet förflyttade sig och kommande laserskärningar blev fel.
Följaktligen finns det behov att studera orsaker till att detaljen/produkten viker sig. I
detta fall var det 3 bitar av totalt 80 som blev drabbade av detta problem, det vill säga
procentuellt 3,75 %. Detta kan anses tillräckligt stort för att driva vidare för att undersöka förbättringsmöjligheter då kvalitetschefen samt programmeraren styrkte att detta
var ett vanligt problem.
När Trumpfmaskinens resultat studerades identifierades en förskjutning i processen,
denna förskjutning betyder att maskinen laserskär för mycket material (se tabell 4-7).
Detta mönster är liknande på alla mått, för hålen blir det omvänt. Förenklat kan man
säga att laserstrålen var bredare i verkligheten än vad programvaran hade fått uppgift
om.
Tabell 4-7
Mått
Längd
Bredd
D30
D20
D10
Förskjutning Trumpfmaskinen
Målvärde
100 mm
100 mm
30 mm
20 mm
10 mm
Resultat (medel)
99,91
99,92
30,04
20,05
10,05
39
Differens
0,09
0,08
0,04
0,05
0,05
Med övertygande resultat fanns det behov av att justera maskinens laserskärning
närmre målvärdet. Denna förskjutning var så pass stor att Cpk-värden blir alldeles för
små och uppfyller därmed inte kravet på minst 1,33. Inte heller i Trumpfmaskinen
fanns det någon skillnad mellan operatörerna.
Från värdena i Tabell 4-6 går det beräkna ett snitt på alla standardavvikelser, detta blir
då 0,01975 mm. Det är viktigt att notera att i denna standardavvikelse är inkluderar av
mätningens standardavvikelse. I Measure-fasen noterades standardavvikelsen för
skjutmåttet att vara ca 0,01 mm, vilket påverkar mätningen av längden samt bredden.
Standardavvikelsen från mätmaskinen var ca 0,0065, vilket då påverkar måtten D30,
D20 samt D10. Standardavvikelsen 0,01975 kan ses till en början som stor, men sett
till påverkan från mätprocessen är den troligtvis betydligt mindre. Sammanfattningsvis går det konstatera att det inte är kritiskt att minska variationen.
En intressant notering var att ingen artikel hade blivit lasersvetsad, vilket identifierades som ett stort problem i define-fasen. Detta verkar enligt denna studie inte vara
något frekvent problem när det gäller 2 mm tjock plåt. Det är troligtvis ett problem
som snarare är kopplat till tjockare material som påverkas av en mer omfattande
värmebildning.
I Figur 4-7 ges en överblick av de variationsbidrag som finns i det insamlade datat.
Det är främst två olika moment; (1) tillverkningen i maskinen, (2) mätprocessen.
Figur 4-7
Illustration av de olika variansbidragen
Vid tillverkningen ägde produktionen rum under normala förhållanden, då ordrar
skickades som vanligt. Operatörerna var ändå medvetna om examensarbetet men hur
det påverkar processen är svårt att specificera eller kvantifiera. Sedan fanns det ett
40
variationsbidrag från maskinen samt variationen som uppstår mellan operatörerna,
vilket redan har nämnts i analysdelen.
I mätprocessen fanns det en uppmätt variation från skjutmått och mätmaskinen. Vid
dessa mätningar användes mätutrustning som fanns hos FV egna mätrum. Det kan
finnas skillnader i utförandet, vilket medför variationsbidrag från själva mätprocessen
(se Tabell 4-7).
I Tabell 4-7
Sammanställning av variansbidragen
Variationsbidrag
Arbetsförhållanden
Maskin
Operatör
Skjutmått
Mätmaskin
Mätoperatör
Standardavvikelse
Går ej att kvantifiera
0,03765388
0,01552685
0,010990426
0,006594256
Går ej att kvantifiera
Värdena i Tabell 4-7 går inte studera enskilt då de är kopplade till varandra. I variationsbidragen från maskinen och operatören finns variationsbidraget från skjutmåttet
och mätmaskinen inkluderat. Eftersom det är svårt att definiera exakt variationen för
respektive faktor går det istället summera variationsbidraget för att analysera värsta
möjliga scenario. I ekvation 4.3-4.4 beräknas det totala variationsbidraget.
2
2
𝜎𝑡𝑜𝑡𝑎𝑙 = �𝜎𝑚𝑎𝑠𝑘𝑖𝑛
+ 𝜎𝑜𝑝𝑒𝑟𝑎𝑡ö𝑟
𝜎𝑡𝑜𝑡𝑎𝑙 = �0,037653882 + 0,015526852 = 0,0407295
(4.3)
(4.4)
Ur ekvation 4.4 presenteras totalvariationen till cirka 0,04 mm. Detta kan uppfattas
som mycket om toleransen är ± 0,10 mm. Med antagandet att processen är någorlunda
centrerad så är detaljerna innanför toleransgränserna. Denna standardavvikelse baseras på ett värsta scenario där största variationsbidraget från maskin, operatör och
mätverktyg sker samtidigt. Detta resultat påvisar även att mätverktygen och hanteringen av dessa inte har en sådan stor påverkan att det inte går att lita på resultatet.
Variationsbidraget från mätningarna är inte så pass stort att det fanns någon oro över
att det inte gick lita på mätresultatet. Hade variationsbidraget från mätningarna varit
betydligt större hade det varit svårt att lita på datat om det till exempel skulle vara
innanför eller utanför toleransgränserna.
4.3.2 Enkät
Enkäten delades ut till 12 anställda på plåtavdelning och bestod av 5 kryssfrågor och
tre ”öppna” skriv frågor (se Bilaga B). I Figur 4-8 presenteras resultatet från enkätens
första fem kryssfrågor. Utifrån påståendet/frågan fick respondenten kryssa i siffrorna
1-5. Siffran 1 står för ”stämmer inte alls” och 5 står för ”stämmer mycket bra”.
41
Har du tillräcklig
kunskap/kompetens/information för att göre
ett bra arbete?
Anser du att kvalitetsfrågor är viktigt för
plåtavdelningen?
Uppmanas du komma med
förbättringsförslag?:
Är du involverad i kvalitetsfrågor?:
Kvalitetsfrågor tas upp dagligen?:
1
Figur 4-8
2
3
4
5
Genomsnittsresultatet från enkätens kryssfrågor, 1=stämmer inte alls
och 5= stämmer mycket bra
I Figur 4-8 framgår det att respondenterna tycker i stor utsträckning har tillräcklig
kunskap/ kompetens/ information för att gör ett bra jobb. Detta tolkas positivt att
respondenterna känner att de har goda förutsättningar för att genomföra sitt arbete.
Vidare tycker alla respondenter att det är viktigt med kvalitetsfrågor på just plåtavdelningen, synen på detta verkade enhällig.
Vid frågan om personalen uppmanas komma med förbättringsförslag blev resultatet 3,
därför varken bra eller dåligt. Detta tolkades som att det förekommer men inte ofta. I
nästa fråga steg resultatet till nästan 3,5 då respondenterna säger att de är involverade
i kvalitetsfrågor. Då finns det utrymme till förbättringar genom att involvera operatörerna betydligt mer då de förmodligen kan processer och maskinerna bäst. Gällande
kvalitetsfrågor på daglig basis blev resultatet 3. Detta tolkas som att kvalitetsfrågor tas
upp när något händer, i form av t.ex. fel eller avvikelser.
Avslutningsvis ställdes tre öppna frågor där respondenterna fick skriva ner sina tankar
och reflektioner. I Figur 4-9 presenteras svarsresultaten för respektive fråga.
Hur vet du vilka
produktspecifikationer samt
processinställningar som
gäller för en viss körning?
•Instruktioner, Ritning
•Riggkort
•Info från Team leader
•Vet inte
Figur 4-9
Hur vet du att ditt arbete blir
rätt eller fel?
•Enligt ritning
•Egenkontroll (första & sista
bit)
•Erfarenhet
•Frågar
Hur blir du uppmanad till att
utveckla och förbättra ditt
arbetssätt?
•Ingen direkt uppmuntran
•Genom positiv feedback från
chefer
•Utvecklingsamtal
Summering av svarsresultat på enkätens öppna frågor
42
I Figur 4-8 går det se hur respondenterna svarade när det gäller vilka processinställningar som gäller vid en viss körning. Flera av svaren löd att instruktioner, ritningar
och riggkort följdes för att veta vilka processinställningar som gäller, vilket uppfattades rimligt. Sedan svarade någon att man frågade Teamledaren, vilket inte låter särskilt hållbart att man ska fråga en specifik person om alla inställningar. Detta indikerar att instruktioner antagligen kan bli fler och tydligare för att team ledaren inte skall
behöva ägna tid åt att hjälpa medarbetarna med processinställningar utan istället jobba
med utveckling och förbättringar. Det fanns ytterligare ett mindre bra svar då någon
sa att den inte vet vilka processinställningar som gäller. I detta fall kan det vara medarbetare som flyttas runt mellan avdelningar för att justera kapaciteten där den behövs
allra mest. Enkäten gjordes på plåtavdelning. Man hade på plåtavdelningen tagit in
personal från andra avdelningar. I detta fall var det mycket bra att dessa deltog i enkäten för detta indikerar att instruktionerna inte är tillräckligt enkla och tydliga för att
kunna plocka in personal från andra avdelningar helt enkelt låta dessa följa arbetsinstruktionerna.
Till nästa fråga går det se svaren i Figur 4-9 hur personalen vet att ett arbete har blivit
rätt eller fel. De flesta verkar veta genom egen kontrollera av artikeln på första samt
sista bit. Det fanns några svar som lyfte fram erfarenhet. Det är mycket intressant att
det troligtvis finns bra kompetens och några har mycket erfarenhet. Detta indikerar att
arbetsmomenten utförs olika beroende på grad av erfarenhet. Hade det funnits en
standardiserade kontroller hade en given kvalitet kunnat garanteras. Därför är det
viktigt att utnyttja de som har mest erfarenhet för att sprida den vidare till övriga
medarbetare. Återigen finns ett svar som säger att operatören behöver fråga.
Sista frågan berör hur personalen blir uppmanad till att utveckla och förbättra sitt
arbetssätt. Ur sammanställningen av svaren visar det sig att det vanligaste svaret var
att det inte fanns någon direkt uppmuntran till förbättringar. Om personalen inte blir
uppmuntrade och får tilldelat förtroende för att förbättra sina arbetsprocesser blir det
rimligen få förbättringar som genomförs. Det fanns också några ljusglimtar i denna
fråga då någon svarade att man fick positiv feedback från sin chef eller återkoppling
på utvecklingssamtal. Således behöver personalen få mer uppmuntran att utveckla och
förbättra sina arbetsprocesser. Det ligger både medarbetarens och företagets intresse
att arbeta effektivare eller rent av bättre.
4.3.3 Identifierade orsaker till variation
I detta avsnitt undersöks två saker:
1. Varför Trumpfmaskinens process är förskjuten
2. Varför detaljer/produkter vinklar sig på rastret
När det gäller Trumpfmaskinens förskjutning diskuterades möjliga orsaker med en
servicetekniker. Enligt serviceteknikern är detta ett problem som Trumpf själva hade
43
kunskap om. Det handlar inte om att maskinen har gjort något fel utan snarare att det
har med kalibrering att göra. Eftersom ingen har utfört några mätningar på dessa
maskiner har detta inte belyst tidigare. Nu när förskjutningen är identifierad finns
justeringsmöjligheter vid lasermaskinen alternativt vid programmeringssteget.
Nästa del att undersöka var raster, mer specifikt varför detaljer/produkter viker sig
och krockar med laserhuvudet. I Figur 4-10 går det se hur raster ser ut.
Figur 4-10 Rasterbord i Trumpf lasermaskin
Tillsammans med programmeraren/planeraren på plåtavdelningen användes metoden
”5 varför” 1 för att beskriva varför detaljer/produkter viker sig. I Figur 4-11 presenteras diverse olika anledningar som bidrar till att detaljen viker sig.
Figur 4-11
Samlade orsaker till att detaljer/produkter viker sig
1
Frågan varför ställs ca 5 gånger för att identifiera rotorsaken till problemet, detta
arbetssätt är hämtat från LEAN (Dennis, 2002)
44
Till vänster i Figur 4-11 står det små detaljer som viker upp sig. Det går inte styra
efter någon minimumstorlek då många detaljer/produkter är små, vilket efterfrågas av
kund.
Nästkommande anledning till att detaljer/produkter viker sig beror på att rastret är
spetsigt och har ett visst avstånd mellan spetsarna och rasterraderna. Rastret är utformat för att ha en sådan liten kontaktyta som möjligt mot plåten för att inte laserstrålen
skall slita lika mycket på rastret. Minimal kontaktyta är önskvärt för det uppstår sprut
av metall från laserskärningen som fastnar och därmed bygger på lager för lager på
rastret.
Det går att undvika att en detalj/produkt viker sig mot rastret genom att inte skära ut
hela biten utan lämna 0,1 mm av laserskärningen kvar (internt kallas detta för nypning). Detta innebär att detaljen/produkten sitter fast och operatören måste själv bryta
loss biten. Denna metod innebär extraarbete då operatören måste slipa på detaljen då
det blir ett märke av nypningen. Det är programmeraren som sitter i programvaran
och väljer ut vilka bitar som ska nypas. Det är därmed inte ovanligt att man ibland
missar att nypa detaljen, då det saknas larm i datorn som ifrågasätter om det inte ska
nypas. Det finns inte heller någon rutin för hur detta skall hanteras utan många beslut
baseras på programmerarens erfarenhet.
4.3.4 Utvärdering av rutin för duglighetsstudier
I Bilaga A presenteras FV egna rutin för duglighetsstudier. Denna studie har utgått
från den befintliga rutinen, vilket inneburit främst att studien har förhållit sig till
minimum kravet på ett Cpk på minst 1,33. I övrigt är inte rutinen informativ utan
förutsätter väldigt goda kunskaper om duglighetsstudier och statistiska metoder.
Syftet med detta avsnitt är att analyseras rutinen steg för steg för att belysa förbättringsmöjligheter. Rutinen analyseras rubrik för rubrik i Figur 4-11.
45
Allmänt
• Det stämmer, duglighetstudier går att genomföra på utrustning och
process
Ansvar
• Här står det att " normalt sett sker ej löpande kapabilitetskontroller",
det är rätt men det är viktigt att kunna påvisa hur processerna fungerar
enligt ISO 9001.
Arbetssätt
• Denna text förutsätter goda kunskaper inom ämnet, till exempel
nämns Cpk utan någon förklaring på vad det är
• Bra att stanna produktionen tills det identifierade problemet är
åtgärdat
• Vad innebär "extra noggrann analys". Detta behövs specificeras
ytterligare
• Det är mycket oklart vad "30 detaljer/produkter ur samma
produktionsserie" innebär. Det finns betydligt fler sätt att samla in
data på beroend på vad som undersöks
Teori
• Här nämns x-, y- och z-led som de parametrar som undersöks i en
duglighetsstudie, men det finns betydligt fler. Behöver inte specificera
detta i rutinen
• Hur standardavvikelsen beräknas är inte specificerad
Arkivering
• Följs arkiveringsrutinen 9.8 så finns det en mapp för duglighetsstudier,
men det finns inget arbete sparat i mappen.
Figur 4-12
Analys av befintlig rutin för duglighetsstudier
4.3.5 Orsakshypoteser
I detta avsnitt kommer det väljas orsakshypoteser som är mer intressanta att undersöka vidare. När det gäller Trumpfmaskinen och dess förskjutning är orsakshypotesen
att maskinen inte är kalibrerad, därmed kommer maskinen att kalibreras efter den nya
kunskap som har belyst gällande processen.
Orsaken till att bitar ställer sig upp är identifierad, vilket är rastrets utformning. Rastret är utformat som så att små bitar skall fall i mellan rastret och sedan plockas upp ur
ett uppsamlingskärl. Syftet är även att större detaljer/produkter skall ligga kvar på
rastret. Ibland finns det detaljer som varken är tillräckligt stora för att ligga kvar eller
tillräckligt små för att trilla i mellan rastret. För att undvika detta problem kan programmeraren så kallat ”nypa” detaljen för att detaljen/produkten ska ligga kvar i
plåten. Således går det sammanfatta orsaken till att detta uppstår på grund av rastrets
utformning.
4.3.6 Identifiering av grundorsaken till att problem uppstår
När det gäller Trumpfmaskinen har grundorsaken identifierats i avsnitt 4.3.5. Grundorsaken till Trumpfmaskinens förskjutning härleddes till att maskinen behövdes
kalibreras. Mer information kring kalibrering och verifiering av resultat kommer i
avsnittet 4.4 som är Improve-fasen.
46
Grundorsaken till att detaljer/produkter viker sig har redan identifierats i avsnitt 4.3.5.
Det visade sig att det rastrets utformning är orsaken till att detaljer/produkter viker
sig.
Analys av enkät samt rutin för duglighetsstudier har ingen direkt påverkan på variationen när det gäller förskjutning samt vikta detaljer/produkter. Kunskap och observationer från dessa analyser tas i beaktande senare i avsnitt 4.4 som är Improve-fasen.
4.4 IMPROVE
Utifrån underlaget från analyze-fasen kommer förbättringsförslag bearbetas i detta
avsnitt. Först ut är att identifiera möjliga lösningar, för att sedan välja och testa lösningar för att slutligen planera implementering.
4.4.1 Identifierade möjliga lösningar
Förskjutning i Trumpfmaskinen går att kalibrera för att processen skall vara inom
maskintoleranserna. Detta går att justera via programvaran som används i den dagliga
produktionen (Trutops).
Det finns två områden att förbättra när det gäller detaljer som viker sig. Det går antingen ”nypa” alla detaljer eller hitta en annan utformning på rastrena. Att standardisera ”nypning” på alla minde detaljer (vilket skulle behövas specificeras) är bara ett
botemedel på symtomen, inte lösningen på rotorsaken. ”Nypa” detaljen innebär merarbete i form av slipning. Därför studeras det vidare vilka möjligheter det finns att
förbättra rastren och ”nypning” finns med som en reservplan.
I analyze-fasen granskades FV egna rutin för duglighetsstudier. Denna granskning
identifierade några oklarheter samt att rutinen förutsätter goda kunskaper inom ämnet.
Detta innebär att det finns svårigheter att utveckla och starta fler Sex Sigma projekt då
enbart några få har tillräckliga kunskaper. Således finns det utrymme för förbättringar
när det gäller att utveckla rutinen så att fler kan praktiskt använda den. Det finns två
möjligheter att genomföra denna utveckling av rutinen; (1) genom att ändra befintliga
rutinen, (2) komplettera med en guideline.
4.4.2 Val av lösning
I lasermaskinens dator finns något som kallas T-tabell och mer precist snittspalt som
har grundinställningen 0,250, vilket är det mått som skall justeras. Det är oklart hur
stor skillnad det blir i laserskärningen om måttet 0,250 justeras, därför testades rätt
värde fram. Efter diskussion med Trumpfservicetekniker planerades att i ett första
försök testa minska snittspalten med 0,050 mm till 0,200 mm.
I sökandet av möjliga förbättringar på raster gick det konstatera efter diskussioner
med operatörer på plåtavdelningen samt Trumpf att det är svårt att utforma raster på
något annat sätt utan att kostnaderna blir större på grund av högre slitage. Därmed
47
ledde diskussionerna in på hur rastrenas livslängd kan ökas, enligt Trumpf finns det
en rasterrengörare som skulle fylla denna funktion. Genom att rengöra allt slagg
(sprut med material som uppstår vid laserskärning) så skulle man kunna utforma
rastrena annorlunda med mindre avstånd mellan piggarna. Då blir det mer slitage och
mer slagg som fastnar på rastrena, detta skulle vara möjligt att kompensera genom
rasterrengöraren (TSC 100) från Trumf. Diskussionerna kom inte mycket längre än så
här innan projektettiden löpte ut. Denna punkt tas med till vidare rekommendationer i
avsnitt 6.3.
Till rutinen för duglighetsstudier skapades en guideline, vilken i ett senare läge går att
uppdatera och justera på ett mer effektivt sätt. När en rutin uppdateras måste den
interna kvalitetsmanualen uppdateras och för att säkerställa att alla uppdateringar når
till exempel alla pärmar och berörda medarbetare i organisationen. Detta är ett mer
omfattande arbete än att justera en guideline som kan göras när som helst. Därför
skapas en guideline för att komplettera rutinen. De förbättringspunkter som identifierades i analysen när det gäller rutinen behöver dock fortsatt justeras inför nästa uppdatering av kvalitetsmanualen.
4.4.3 Test av lösning
När snittspalten i Trumpfmaskinen minskades så minskades även detaljen/produkten
ytterligare. Således skulle snittspaltsvärdet ökas, vilket gjordes från 0,25 mm till 0,30
mm. Denna justering räckte för att laserskärningen skulle positionera sig nära målvärdet. I testet tillverkades 4 detaljer, vilket gjordes för att tidigare resultat påvisade
signifikant positionsfel som var oberoende av tiden. Därför ansågs 4 detaljer räcka för
att avgöra om maskinen hade ändrat sin positionering. I Tabell 4-8 presenteras medelvärdet på alla mått på de 4 detaljerna som tillverkades.
Tabell 4-8
Resultat efter kalibrerad maskin
Längd
Bredd
D30
D20
D10
Medel innan kalibrering 99,900 99,920 30,030 20,045 10,050
Medel efter kalibrering 100,000 100,007 29,973 19,987 10,012
I Tabell 4-8 går det se längden och bredden nu är bättre överensstämmande med
väntevärdet 100 mm. Även hålen (diametrarna) stämmer väldigt bra efter kalibreringen. De är betydligt närmre väntevärdena nu än tidigare. Det är bättre att hålen tenderar
att vara något mindre, då finns alltid möjligheten att slipa för att justera. De förstora
går sällan att rädda.
I detta projekt fanns det inte tid till att testa huruvida guidelinen fungerade i verkligeheten. Utan det som fick tillämpas var utvärderingar av rutinen där anställda med
yellow-belt fick läsa och studera guidelinen för att kommentera oklarheter. Med några
små justeringar blev slutligen guidelinen klar och redo för att bli publicerad (se Bilaga
M för att se den slutliga guidelinen).
48
4.4.4 Planera implementering
Efter kalibreringen av Trumpfmaskinen behöver denna inställning appliceras på
kommande körningar i produktionen. Således behöver varje programmeringsfil uppdateras med snittspalt 0,3 mm.
Guidelinen publicerades på intranätet så alla enkelt ska kunna hämta materialet. Publikationen gjordes då guidelinen hade blivit granskad och godkänd. Materialet som
publiceras ska fungera som stöd till kommande Sex Sigma-projekt. Därför är det
sedan upp till cheferna samt kvalitetsavdelningen att starta nya Sex Sigma-projekt och
ta hjälp av denna guideline. Denna guideline förutsätter fortsatt grundkunskaper inom
Sex Sigma och ska därmed användas av dem som har utbildning inom Sex Sigma. I
FV fall kan det vara lämpligt att anställda med Sex Sigma utbildning samt Yellowbelt använder guidelinen för att genomföra kommande projekt, men det är viktig att
någon med Black Belt-kunskap leder projekten.
4.4.5 Plan för attityder och förändringsmotstånd
Vid inställning av maskin behövdes det inte tas någon hänsyn till attityder eller förändringsmotstånd då det handlade om en kalibreringsfråga. Själva kalibreringen
påverkar inte operatörernas arbete, utan de arbetar fortsatt som tidigare. Denna studie
påvisar dock vikten av att mäta för att kontrollera processen och därmed skulle det
behövas fler tester.
För att kommande Sex Sigma-projekt skall bli lyckade och fungera långsiktigt är det
viktigt att låta personerna närmast maskinerna och processen arbeta med förbättringarna. När det gäller plåtavdelningen skall Sex Sigma-projekt genomföras av
operatörerna och avdelningschefen skall fungera som stöd och kommunicera till
kvalitetsavdelningen om vilka resurser som behövs. Vid mer komplexa fall av analyser behövs projektledare med Black Belt-utbildning. Därför finns det behov av
fortsatt kompetensutveckling inom organisationen främst med Black Belt utbildning.
Dock är det viktigt att involvera operatörerna i större utsträckning som kan processerna bäst då de arbetar med dem dagligen. Chefer samt ledning ska ge stöd och resurser
till projekten. Det är viktigt att kvalitetsavdelningen är tydlig med hur projektet skall
genomföras och speciellt för cheferna. I den klassiska organisationen genomför cheferna och stödfunktioner förbättringarna och nu skall operatörerna göra detta istället.
Det är viktigt att chefer och stödfunktioner fungerar som hjälp till operatörerna som
genomför förbättringsarbetarna. På så vis skapas förutsättningar för mer involverade
arbetare och detta skapar mervärde på arbetsplatsen.
4.4.6 Verifiering av resultat
Kalibreringsinställningarna verifierades under kalibreringstestet. Fortsatt måste varje
produktionsorder justeras i programmeringsfilen till lasermaskinen för att dessa inställningar skall gälla.
49
Problematiken kring rasterutformningen är identifierad samt belyst. Vidare är ett
förbättringsförslag påbörjat men inte slutfört. Detta överlämnas som en fortsatt rekommendation till FV att fortsatt arbeta med.
Under detta projekt fanns det inte tid till att starta upp ett nytt Sex Sigma-projekt och
följa dess utveckling. Det kommer bli upp till FV att pådriva Sex Sigma-projekt för
att även följa upp utvecklingen samt se om Guidelinen fungerar.
4.5 CONTROL
Detta avsnitt behandlar hur arbetssättet skall standardiseras och kommande arbeten
ska utformas. Sedan undersöks resultatet och de effekter som projektet har lett till för
att slutligen dela erfarenheter till kommande projekt.
4.5.1 Standardisera arbetssättet
De nya och bättre maskininställningarna behöver inte justeras vid produktion. Dessa
är justerade i programtabeller, därmed är förändringen standardiserad då samma
resultat ges till alla ordrar i produktion. Vidare går det exempelvis diskutera hur
kommande kontrollmätningar kan genomföras. Maskinleverantören Trumpf hänvisar
till sin egen funktion som är inbyggd i maskinen. Detta är troligtvis det mest tidseffektiva sättet att kontrollera maskinen. Under denna projekttid fanns det inte tillräckligt med resurser för att undersöka detta, därför blir detta en fortsatt rekommendation
till FV.
Vad gäller guidelinen som skall främja kommande förbättringsarbete i form av Sex
Sigma-projekt är den i sin naturliga form standardiserad. Med denna guideline definieras några arbetssätt som FV kan använda som stöd. Sedan är det upp till kvalitetsavdelningen huruvida man vill standardisera ytterligare och bestämma hur många Sex
Sigma-projekt som ska genomföras per år till exempel. Oavsett antal Sex Sigmaprojekt finns nu en guideline som stöd. Denna guideline täcker inte alla typer av Sex
Sigma-projekt, dock är det en grund för att främst använda styrdiagram och beräkna
processers duglighet.
4.5.2 Utforma och planera styrningen
Kalibreringen av Trumpfmaskinen varar inte för evigt och det är också möjligt
Bystronicmaskinen förändras med tiden. Därför är det viktigt att fortsätta kontrollera
maskinerna genom tester. Enligt Trumpf finns det ett program i maskinen för kalibrering. Detta är ny information vid FV och ingen kunskap finns heller om hur man går
tillväga. Hur som helst är det viktigt med kontroller och beslut om hur ofta detta skall
göras överlämnas till FV som själva får ställa ambitionsnivån efter att läst denna
rapport.
50
4.5.3 Slutlig uppföljning och verifiering
Resultatet från denna studie anses vara tillfredställande då nya kunskaper om lasermaskinerna har presenterats. Det finns belägg för att skillnaderna mellan de två operatörernas hantering i lasermaskinerna inte har någon större inverkan på kvaliteten. Genom detta projekt har det gått fastställa att Bystronicmaskinen har en stabil process
medan Trumpfmaskinen ligger utanför godkänd nivå på kapabiliteten. Resultatet av
studien påvisar en förskjutning i Trumpfmaskinen. Denna förskjutning återgärdades
genom en ny kalibrering av snittspalten.
Kalibreringen av Trumpfmaskinen är en förbättring då processen blev mer centrerad.
Detta var dock inte ett problem som identifierades i define-fasen utan där var lasersvetsning ett stort problem. Detta problem uppstod inte under dessa tester, då måttfel
var det som identifierades. Några måttfel finns registrerade som internavvikelser men
inga är direkt kopplade till maskinen. Detta kan bero på ofullständiga eller inga kontroller alls av maskinerna. Eftersom ett problem har identifierats som man tidigare
inte kände till så var det svårt att kvantifiera effekterna. Flera produkter som tillverkas
till livsmedelsindustrin samt läkemedelsindustrin passerar regelbundet mätrummet
men det finns en del detaljer som inte genomgår lika noggrann kontrollmätning.
För att verifiera att det verkligen är ett problem gjordes tre stickprov där detaljerna
kontrollmättes. Dessa detaljer hade inga stränga toleranser, därför uppfyllde detaljerna
ritningskraven. Det var flera mått som inte var inom maskintoleransen på ± 0,1 mm.
Genom denna kalibrering blev processen mer centrerad och gick nu utlova detaljer
inom toleranserna ± 0,1 mm.
Rent monetärt blev det svårt att härleda och specificera exakta besparingar. I Definefasen pekades det ut maskinfel och operatörsfel vilket hade kassationskostnader på
300 000 kr. Måttfelen går inte koppla till dessa 300 000 kr, det finns dock besparingar
i form av omarbeten då fler detaljer blir rätt från början. Enligt kvalitetschefen finns
det erfarenhet av en standardorder på plåtdetaljer där kunden begärde fullständiga
mätprotokoll, vilket kunden inte brukar göra. I just detta ärende uppdagades flera
artiklar med måttfel som behövde bearbetas eller produceras på nytt. Detta indikerar
och understryker mörkertalet med detaljer som inte uppfyller toleranskraven. Det är
helt klart att kalibreringen kommer ge positiva effekter. Därmed finns det möjligheter
att denna förbättring bidrar till FV´s arbete för att reducera antalet externa avvikelser
ute hos kund med ytterligare 20 % 2015.
För medarbetaren kommer det innebära mindre omarbete och bearbetning. En stabilare process internt hos FV kommer smitta av sig till kund, främst genom sänkta
kostnader från FV på grund av förbättringar. Denna proaktiva handling är nödvändigt
även i ett längre perspektiv där kunder säkerligen kommer efterfråga fler mätprotokoll
samt detaljer med snävare toleranser.
51
4.5.4 Slutrapport och överlämnande
Denna rapport har överlämnats till Fredriksons Verkstads AB samt Luleå tekniska
universitet. Rapporten innehåller de delar som Sörqvist och Höglund (2007) anser ska
vara med i en slutrapport vad det gäller fallstudien enligt Sex Sigma (DMAICcykeln). Denna rapport motsvarar en mer detaljerar rapport medan det är även populärt enligt Sörqvist och Höglund (2007) att överlämna korta sammanfattande rapporter
på ett par sidor. Att detta nämns beror på att kommande Sex Sigma-projekt hos FV
inte behöver redovisa denna detaljeringsgrad och samma vetenskapliga upplägg utan
det kan fungera lika bra med en mer övergripande eller sammanfattande slutrapport
på ett par sidor.
4.5.5 Dela erfarenheter
Under projektet vid FV har alla varit tillmötesgående och hjälpt till. Många har även
visat stort intresse och ofta frågat hur det går och vilka resultat som kommit fram.
Min uppfattning är att operatörerna inte har varit oroliga över vad denna studie skulle
leda fram till utan mer intresserade av deltagande i förbättringarna. Under min tid på
plåtavdelningen ser jag goda förutsättningar för ett fortsatt arbete med Sex Sigma där
operatörerna blir mer delaktiga i förbättringsarbeten.
I studien användes en egenskapad artikel för att generalisera problematiken. Denna
artikel hade tre stycken hål, vilket i efterhand kanske var överflödigt då det innebar
betydligt mer jobb i form av mätningar och analyser. Det hade möjligen räckt med ett
hål för att generalisera resultatet.
52
5 Diskussion
I detta kapitel förs en diskussion gällande arbetsgång samt studiens resultat. Slutligen
en diskussion om förslag till områden för fortsatta studier.
5.1 Metoddiskussion och reflektion
Fallstudien har genomförts enligt DMAIC-strukturen. De olika faserna har följts
enligt Sörqvist och Höglunds (2007) rekommendationer. Sörqvist och Höglunds
struktur har fungerat och troligtvis varit en bidragande orsak till att projektet hållit
tidsplanen. Följa varje steg enligt Sörqvist och Höglund (2007) byggde en naturlig bro
till nästa steg. Strukturen bidrar till tydlighet och förståelse om problemet, hur data
skall samlas in och vilka problem det finns att lösa. Det har funnits utrymme för
flexibilitet och justeringar beroende på hur projekt har framskridit. I detta fall identifierades grundorsaken och åtgärden i Analyze-fasen det gäller Trumpfmaskinens förskjutning. Därmed var många frågeställningar besvarade i de kommande faserna.
Sammanfattningsvis är Sörqvist och Höglunds (2007) upplägg enligt DMAIC ett bra
stöd och är praktiskt användbart. Ibland finns det behov av flexibilitet och därmed
inte forma projektet som inte passar alla steg utan anpassa vissa delar. Det är många
steg som skall passeras i varje fas och ibland uppfattas det som dubbelarbete. Det är
med fördel många små steg som skall tas, vilket skapar de förutsättningar för att
projekten ska blir genomarbetade istället för resultera i snabba lösningar. Denna
metod är enligt min uppfattning lämplig till att undersöka rotorsaken till problem samt
implementera förbättringar.
Med Sex Sigmas arbetssätt DMAIC är det tydligt vad som skall göras. Om Sörqvist
och Höglunds (2007) steg följs är det ännu tydligare. Det svåra är resursfördelningen.
Min uppfattning är att mycket tid måste ämnas till att definiera problemet samt vad
som skall mätas. Det är viktigt att hålla tempo i de första stegen för att ge så mycket
tid som möjligt åt datainsamlingen. I detta fall tog datainsamlingen något längre tid än
planerat då datainsamlingen behövdes anpassas efter produktionen. Likaså är det
vanligt att ett Sex Sigma-projekt tar omkring 3-6 månader och under denna tid är det
svårt att genomföra en control-fas. Ibland är det möjligt att det kan ta lång tid innan
man ser effekterna, vilket betyder att control-fasen kan bli vilande ytterligare några
månader. Så blev det i detta fall då effekterna av kalibreringen eventuellt skulle gå att
se vid ett senare tillfälle.
Att Arbeta igenom en DMAIC-cykel innebär mycket arbete och skall helst tillämpas
på områden där man verkligen behöver gå till rotorsaken till problemet. Jag uppfattar
DMIAC-cykel dynamisk då det går att applicera på mindre omfattande problem
också. I vissa fall kan det vara tydligt vad problemet är och då går det med fördel att
spendera mindre tid på define-fasen och mer tid på de andra faserna.
53
Denna studies bidrag handlar både om att undersöka dugligheten och den nuvarande
duglighetsrutinen. I studien gjordes inte bara upptäckter utan även förbättringar. Från
denna studie överlämnas även en ny guideline för duglighetsstudier och ett exempel
med den här rapporten hur den kan praktiseras. Dessa bidrag kan ses som uträttade
förbättringar och underlag för fortsatt arbeta med ständiga förbättringar. Således är
detta examensarbete ett bidrag till FV vad det gäller hållbar utveckling. Det handlar
om att både göra ekonomiska besparingar men framförallt resurseffektivisera för att
FV skall kunna verka som en stark aktör på lång sikt.
5.2 Validitets- & Reliabilitetsdiskussion
En viktig del i diskussionen av validitet är det externa perspektivet, vilket refererar till
studiens generaliserbarhet. Utifrån denna studie, finns det fler organisationer som har
någon nytta av informationen? I denna studie finns det flera aspekter som kan ses som
användbara för andra organisationer. Studien påvisar hur Sex Sigma kan praktiseras
enligt arbetssättet DMAIC som Sörqvist och Höglund (2007) presenterar. Denna
studie exemplifierar hur varje steg har bearbetats vilket kan vara en vägledning för
många som står inför diverse vägskäl i sina Sex Sigma-projekt. Studien påvisar även
styrkan att arbeta med Sex Sigma för att lära känna sina processer. Ett vanligt fenomen är att man bara hinner ”släcka bränder”, således hantera symptom. Denna studie
visar hur proaktiva handlingar bidrar till förbättring av en process. Genom användning av styrdiagram går det att agera och justera processen innan problemet uppstår
och eventuella kassationer eller omarbetningar måste göras. Projektet har även resulterat i en bearbetad rutin samt guideline. Genom en bearbetad rutin och en ny guideline kan fler Sex Sigma-projekt fått stöd och genomföras på fler avdelningar. Sammanfattningsvis går det att generalisera arbetssättet till fler avdelningar samt andra
organisationer, exempelvis inom tillverkningsindustrin.
Denna studie förlitar sig mycket på en källa när det gäller DMAIC-cykeln. Arbetet
baseras på Sörqvist och Höglunds (2007) rekommendationer och det kan uppfattas
vagt att lita på deras rekommendationer. Samtidigt har arbetssättet sett liknande ut
över en längre tid och det går att se Sörqvist och Höglund (2007) som en sekundärkälla. Med det menat har de båda egna erfarenheter och de har studerat flera källor
gällande arbetssättet. Därmed uppfattas denna teori tillräcklig för att följa rekommendationer vad det gäller typen av steg i DMAIC-faserna.
Mer specifikt gällande resultatet av lasermaskinerna påvisar denna studie vikten av
mätningar och kontrollera maskinernas prestanda. Således ger denna studie upphov
till att organisationer med lasermaskiner bör genomföra tester med regelbundna intervall eller när något har antagits gått fel.
Studien hade som syfte att främst fastställa lasermaskinerans duglighet samt operatörernas inverkan på processen och utvärdera den egna rutinen. Detta var det primära
uppdraget som studien undersökte och gav svar på. Det fanns också ett sekundärt
54
syfte att bidra till förbättringar baserat på resultatet från det primära syftet. Duglighetsmåttet för Trumpfmaskinen var inte tillräckligt bra och detta ledde självfallet till
att förbättringsmöjligheter undersöktes. Likaså vad gäller problematiken kring raster
och dess dimensioner som dök upp i datainsamlingen. Dessa två förbättringsspår gick
inte att förutspå tidigare i projektet och har växt fram i analyserna. Frågan är om dessa
förbättringsförslag tagit överhanden över det primära syftet? Dock är det primära
syftet besvarat och det utförs en utredningen av möjliga förbättringsmöjligheter, vilket
också var en av förhoppningarna med denna studie. Baserat på resonemanget anses
studiens ge valida resultat.
Ur ett reliabilitetsperspektiv går det att ifrågasätta hur pass lämpligt det var att på
egen hand genomföra mätningarna. Det finns främst två frågetecken; (1) hur har
mätverktygen använts, (2) hur mycket skiljer min mätprocess mot FV egna. När det
gäller utrustningen har företagets egna mätverktyg använts, vilket stärker data reliabiliteten. Därefter kan det finnas skillnader mellan mitt sätt att hantera utrustningen mot
den ordinarie personalen. Innan utrustning användes instruerade mätpersonalen hur
utrustningen fungerade och hur den skulle användas. Således har utrustningen använts
på liknande sätt som om ordinarie personal hade gjort mätningarna. Genom egna
mätningar gav det författaren en bättre förståelse och kunskap om primärdatat. På så
vis kändes resultatet och förtroendet av mätningarna tryggt.
Vidare går det diskutera hur enkelt datainsamlingen kan följas. I rapporten redovisas
eventuellt inte observationer och ostrukturerade intervjuer tydligt nog. Samtidigt är
detta ett mindre företag och det är få antal personer som är involverade i projektet
såväl från plåtavdelning. Således är det högst troligt en ny person skulle komma i
kontakt med samma individer och samla in samma data och konstatera samma slutsatser.
5.3 Fortsatta studier
I studien användes måttet precision to tolerance (P/T) när det gällde mätsystemsanalys. Enligt Montgomery hade ett bra mätsystem är > 0,1. I denna studie användes
teorin för mätsystemsanalys för att analysera processen samt operatören och därmed
vore det intressant att undersöka vad ett rimligt P/T-tal då är. Variationen blir självfallet större då både mätfel, processfel och operatörsfel inkluderas och därmed borde ett
högre P/T-tal vara acceptabelt.
För FV finns det fortsatt flera intressanta områden att undersöka på plåtavdelningen.
Detta Sex Sigma-arbetssätt skulle följaktligen vara intressant att använda för att undersöka hur laserskärningen fungerar i tjockare material. Det finns en problematik
gällande in- och utskärning då laserstrålen är konisk. Detta gick inte att väva in den
koniska problematiken i denna studie då FV hade mer intresse av att jämföra maskinerna i en första studie.
55
Ett annat intressant område att undersöka är huruvida Sex Sigma skulle kunna användas Sex Sigma och utnyttja data som samlas in på daglig basis. I FV egna mätrum
registreras alla mätningar, vilket skulle kunna analyseras med hjälp av styrdiagram.
På samma vis finns det på flera stationer ute i produktionen där mätningar sker kontinuerligt, men data analyseras inte. Därför vore det intressant att undersöka hur utformning eller integrering av redan befintliga datainsamlingar skulle appliceras så
statistiken utnyttjas till en högre grad. Det finns därmed mycket information inom
organisationen som skulle kunna användas i högre utsträckning för att kontrollera
samt utveckla processerna. En viktig del i Sex Sigma och styrdiagram är att kartlägga
processens eventuelle förändringar från sitt stabila läge. Om detta händer skall processen justeras innan det går till detaljens mått hamnar utanför toleranserna. Följaktligen innebär detta ett mer proaktivt arbete istället för ett reaktivt arbete.
56
6 Slutsats
Avslutningsvis presenteras slutsatser till undersökningsfrågorna samt huruvida studien är generaliserbar till flera avdelningar samt företag.
6.1 Slutsats utifrån fallstudiens syfte
I det här avsnittet återkopplas undersökningsfrågorna som sattes upp inledningsvis.
Undersökningsfrågorna från avsnitt 1.4 besvaras i kronologisk ordning.
1. Är det möjligt att fastställa dugligheten hos lasermaskinerna Bystronic och
Trumpf?
a. Vilken är respektive lasermaskins duglighet?
b. Vilken inverkan har operatörerna?
2. Hur ser rutinen ut och fungerar Fredriksons Verkstads AB nuvarande rutin för
duglighetsstudier och hur kan rutinerna utvecklas för att förbättra företagets
processer?
SVAR 1A: Lasermaskinerna Bystronic och Trumpf duglighet har fastställts för 2 mm
tjock plåt. Det visade sig att Bystronicmaskinen påvisade bra resultat medan Trumpfmaskinen påvisade en viss förskjutning och behövde därmed justeras. Mer om duglighetsstudien i detalj finns att läsa i avsnitt 4.3.
SVAR 1B: I detta fall gick det inte härleda någon signifikant inverkan på processen
av operatörerna. Det lilla variansbidrag som identifierades är även påverkad av variansen av mätprocessen, vilket visar på liten inverkan från operatörernas sida.
SVAR 2: FV egna rutin för duglighetsstudier ställer stora krav på kunskap och erfarenhet hos den som skall utföra studierna. Rutinen informerar främst om att man har
som minimum krav är Cpk ≥1,33. Slutsatsen är följaktligen att rutinen inte är tillräckligt informativ för att fler skall kunna genomföra dessa tester för att i sin tur främja
FV till fortsatta utveckling av sina processer. Därför utvecklades en kompletterande
guideline och en Excelfil som skall fungera som stöd till kommande Sex Sigmaprojekt. Excelfilen ritar upp styrdiagram och beräknar duglighetsindex bland annat.
6.2 Slutsats utifrån examensarbetets syfte
Den intressanta frågan är om studiens resultat är intressant för andra delar inom FV
och andra företag. Denna studie har främst styrkt användbarheten av arbete i projekt
enligt Sex Sigma-arbetssättet DMAIC. Denna studie påvisar hur metodiken kan användas med undersökningssyfte att bestämma dugligheten i en viss process. För att
studien inte skall bli den enda på FV har en guideline skapats så att fler projekt kan
utformas på liknande sätt. Således är detta angreppsätt i ett förbättringsprojekt även
tillämpbart för andra organisationer.
57
I denna studie undersöktes lasermaskiner och dess duglighet, men påvisar även hur
viktigt det är med kvalitetsarbetet. Studien påvisar hur viktigt det är att mäta och
förstå processerna för att proaktiva åtgärder skall ske istället för reaktiva. Därmed
bekräftar studien vikten av kvalitetsfrågor och effekten av aktivt arbete genom arbetssättet Sex Sigma med faserna enligt DMAIC-cykeln.
6.3 Avslutande rekommendationer
Det är viktigt att fortsätta undersöka lasermaskinerna genom att mäta regelbundet. Det
är fortsättningsvis lämpligt att använda de inbyggda programmen i exempelvis
Trumpfmaskinen för att kontrollera dugligheten löpande, samt komplettera dessa
mätningar med manuella mätningar då och då.
Ett Sex Sigma-projekt är omfattande och bör användas vid mer ”extrema” situationer
där rotorsaken till problemet undersöks. Vid kommande projekt finns det behov av
projektledare med Black Belt kompetens. Därför är det viktigt att fortsätta utveckla
organisationen genom kompetenshöjande utbildningar inom Sex Sigma. Det finns
idag medarbetare som har Yellow Belt och det vore bra om fler fick den utbildningsnivån samt säkerställa Black Belt kompetens.
I kommande projekt och datainsamlingar är det fortsatt viktigt att analysera mätsystem och värdera rätt mätverktyg till rätt mätning. Baserat på den egna mätsystemsanalysen i denna studie visade att mätverktygen att de hade olika nivåer av variationsbidrag till processen. Exempelvis var mätmaskinen säkrare och bör användas i största
möjliga mån. Det är inte resurseffektivt att använda mätmaskinen till allt, det finns
detaljer med vidare toleranser och vid dessa tillfällen kan skjutmåttet vara den lämpligaste lösning. Sammanfattningsvis är det viktigt att ständigt utvärdera mätsystemen
för att välja rätt i två perspektiv; (1) skapa tillförlitlig data och (2) arbete resurseffektivt.
Vidare är det fortsatt intressant att undersöka utformning av raster och vad som kan
förbättras när det gäller problemet med vikande detaljer. En diskussion med maskinleverantören Trumpf är påbörjad gällande rasterrengörare och design på raster. På
grund av den begränsade projekttiden hann dock inte diskussionen slutföras.
58
7 Referenser
Bergman, B. & Klefsjö, B. (2012). Kvalitet från behov till användning (femte upplagan). Lund: Studentlitteratur.
Brännström-Stenberg, A. & Deleryd, M. (1999). Implementation of Statistical Process
Control and Process Capability Studies: Requirements or Free Will?. Total Quality Management, 10(4-5), 439-446. doi:10.1080/0954412997389
de Oliveira, O. (2013). Guidelines for the Integration of Certifiable Management
Systems in Industrial Companies. Journal Of Cleaner Production, 57, 124-133.
doi:10.1016/j.jclepro.2013.06.037
Deleryd, M. (1999). A Pragmatic View on Process Capability Studies. International
Journal Of Production Economics, 58(3), 319-330. doi:10.1016/s09255273(98)00214-x
Dennis, P. (2002). Lean Production Simplified - A Plain-Language Guide to the
World's Most Powerful Production System. (2. Ed.). New York: Productivity
Press.
Dubey, R., Gunasekaran, A. & Samar Ali, S. (2015). Exploring the Relationship
Between Leadership, Operational Practices, Institutional Pressures and Environmental Performance: A Framework for Green Supply Chain. International Journal Of Production Economics, 160, 120-132. doi:10.1016/j.ijpe.2014.10.001
Fredriksons.se. (2015). Fredriksons verkstads AB - conveyorsystem, konstruktion,
kontraktstillverkning. Hämtad 12 januari, 2015, från
http://www.fredriksons.se/start-svenska
Fredriksons.se. (2015). Om oss. Hämtad 12 januari, 2015, från
http://www.fredriksons.se/om-oss
Gerring, J. (2007). Case Study Research - Principles and Practices. New York: Cambridge University Press.
Gijo, E. (2005). Improving Process Capability of Manufacturing Process by Application of Statistical Techniques. Quality Engineering, 17(2), 309-315.
doi:10.1081/qen-200056494
Godfrey, A. (1986). Report: The History and Evolution of Quality in AT&T. AT&T
Technical Journal, 65(2), 9-20. doi:10.1002/j.1538-7305.1986.tb00289.x
59
Gratiela, D. (2014). A Quality Spiral for Knowledge Management. Annals Of The
University Of Oradea, Economic Science Series, 23(1), 1108-1116.
Hsu, L., Ou, S. & Ou, Y. (2013). A Comprehensive Performance Evaluation and
Ranking Methodology Under a Sustainable Development Perspective. Journal Of
Business Economics And Management,16(1), 74-92.
doi:10.3846/16111699.2013.848228
Kaur, P. & Sharma, S. (2014). Evaluating the Relationship and Influence of Critical
Success Factors of TQM on Business Performance: Evidence from SMEs of
Manufacturing Sector. IUP Journal Of Operations Management, 13(4), 17-30.
Knowles, G., Antony, J. & Vickers, G. (2000). A Practical Methodology for Analysing and Improving the Measurement System. Quality Assurance: Good Practice,
Regulation, And Law, 8(2), 59-75. doi:10.1080/105294100317173853
Kolesar, P. (1993). The Relevance of Research on Statistical Process Control to the
Total Quality Movement. Journal Of Engineering And Technology Management, 10(4), 317-338. doi:10.1016/0923-4748(93)90027-g
Lerner, E. (1999). Industrial Laser Cutting Goes Mainstream. Laser Focus World,
35(6).
Matthews, B. & Ross, L. (2010). Research Methods – A practical Guide for the Social
Sciences. Harlow: Longman.
Montgomery, D. (2001). Introduction to statistical quality control (4. ed.). New York:
Wiley.
Montgomery, D. (2013). Statistical Quality Control (7. ed.). Singapore: Wiley Singapore Pte.
Montgomery, D. & Woodall, W. (2008). An Overview of Six Sigma. International
Statistical Review, 76(3), 329-346. doi:10.1111/j.1751-5823.2008.00061.x
Saunders, M., Lewis, P. & Thornhill, A. (2012). Research Methods for Business
Students. (5. ed.). Harlow, England: Pearson.
Shahin, A., Pourhamidi, M., Antony, J. & Hyun Park, S. (2013). Typology of Kano
Models: A Critical Review of Literature and Proposition of a Revised Model. Int
J Qual & Reliability Mgmt, 30(3), 341-358. doi:10.1108/02656711311299863
60
Sörqvist, L. & Höglund, F. (2007). Sex Sigma - Resultatorienterat förbättringsarbete
som ger ökad lönsamhet och nöjdare kunder vid produktion av varor och tjänster. Lund: Studentlitteratur.
Van de Ven, A. (2007). Engaged Scholarship - A Guide for Organizational and Social Research. Oxford: Oxford University Press.
Vendramini, A. (2011). Acquiring New Markets Thanks to Lasers. Industrial Laser
Solutions, 26(6).
Wilcox, M. & Bourne, M. (2003). Predicting Performance. Management Division, 41(8), 806-816.
Woodside, A. (2010). Case Study Research. Bingley: Emerald Group Pub.
Yap, B. & Sim, C. (2011). Comparisons of Various Types of Normality
Tests. Journal of Statistical Computation and Simulation, 81(12), 2141-2155.
doi:10.1080/00949655.2010.520163
Yin, R. (2013). Case Study Research – Design and Methods. (5. ed.). Los Angeles:
SAGE.
61
Bilaga A
Bilaga A
Statistiska metoder & duglighetsstudie
Sida 1(2)
Bilaga A
Sida 2(2)
Bilaga B
Bilaga B
Enkätformulär
Stämmer inte alls
Stämmer mycket bra
Medarbetarenkät plåtavdelningen
1
2
3
4
5
Fråga 1: Kvalitetsfrågor tas upp dagligen?
□ □ □ □ □
Fråga 2: Är du involverad i kvalitetsfrågor?
□ □ □ □ □
Fråga 3: Uppmanas du komma med förbättringsförslag?
□ □ □ □ □
Fråga 4: Anser du att kvalitetsfrågor är viktigt för plåtavdelningen?
□ □ □ □ □
Fråga 5: Har du tillräcklig kunskap/kompetens/information för att gör ett
bra arbete?
□ □ □ □ □
Fråga 6: Hur vet du vilka produktspecifikationer samt processinställningar som gäller för en
viss körning?
Fråga 7: Hur vet du att ditt arbete blir rätt eller fel?
Fråga 8: Hur blir du uppmuntrad till att utveckla och förbättra ditt arbetssätt?
Sida 1(1)
Bilaga C
Bilaga C
Instruktion laseroperatörer
Operatör X1
Steg:
Beskrivning
Steg 1
Ladda lasermaskin (6KW) med 4 mm rostfriplåt
Steg 2
Hämta datafil FV-041-01 från server
Steg 3
Starta program
Steg 4
Kontrollera laserskärningen
Operatör X1
Steg:
Beskrivning
Steg 1
Ladda lasermaskin (4KW) med 4 mm rostfriplåt
Steg 2
Hämta datafil FV-041-03 från server
Steg 3
Starta program
Steg 4
Kontrollera laserskärningen
Operatör X2
Steg:
Beskrivning
Steg 1
Ladda lasermaskin (6KW) med 4 mm rostfriplåt
Steg 2
Hämta datafil FV-041-02 från server
Steg 3
Starta program
Steg 4
Kontrollera laserskärningen
Operatör X2
Steg:
Beskrivning
Steg 1
Ladda lasermaskin (4KW) med 4 mm rostfriplåt
Steg 2
Hämta datafil FV-041-04 från server
Steg 3
Starta program
Steg 4
Kontrollera laserskärningen
Sida 1(1)
Kontroll:
Kontroll:
Kontroll:
Kontroll:
Bilaga E
Bilaga D
Ritning
Sida 1(1)
Bilaga E
Bilaga E
Mätprotokoll & Mätinstruktion
Artikel:
Replikat 1
ID Längd Bredd
(mm)
(mm)
D30
(mm)
D20
(mm)
D10
(mm)
Replikat 2
Längd Bredd
(mm) (mm)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
Sida 1(2)
D30
(mm)
D20
(mm)
D10
(mm)
Bilaga E
Mätinstruktion
Steg
Beskrivning
Mät längden
Använd skjutmått 3888
Mät bredden
Använd skjutmått 3888
Mät diameter
hål D3
Mät diameter
hål D2
Mät diameter
hål D1
Illustration
Används stativ och
distanser så att artikeln
ligger stilla.
Mät varje hål med åtta
punkter
Lås mätmaskinen i Zled
Sida 2(2)
D3
D1
D2
Bilaga F
Bilaga F
Ostrukturerade intervjuer
De ostrukturerade intervjuerna gick ut på följande vis att respondenterna söktes upp
på deras arbetsplats för att svara på några frågor. Följande grundfrågor fanns som stöd
till intervjuerna:
•
•
•
Vilka är det största bristerna som du ser det?
Vad anser du kan bli bättre?
Hur fungerar det med förbättringsförslag, har du lämna förbättringsförslag,
vad hände då?
Respondent A
•
•
•
•
•
Ömtålig/repkänslig plåt kan ligga direkt på pall från leverantör, detta innebär
väldigt stora risker för repor.
Utskärning av små detaljer behöver ”nypas” annars kan de vika sig och krocka
med maskinen
o För Trumpf 6Kw görs detta i av programmeraren
o I Bystronic 4Kw kan detta programmeras eller göras vid maskinen. Utförs det på båda sättet så blir det dubbelnypning
Påpekar brister och förbättringsförslag, men får inget gehör eller respons, tappar då eget intresse och motivation
Ingen specifik styrning på kvalitet, det handlar om eget initiativ att arbeta med
kvalitet.
o Med rutin så packar man artiklarna försiktigt, för att undvika repor och
diskussioner om vem som har gjort fel med personer längre ner i processen.
Ofta stressigt med många uppgifter, då finns inte tillräckligt med tid för att
kontrollera kvalitet
Respondent B
•
•
Ett återkommande problem är repiga plåtar
o Laserbordet plåtarna läggs på förflyttar sig så snabbt att plåten rör på
sig ibland och blir repig.
o Skulle gå att låsa plåten med någon tving eller liknande
Få som tar upp förslag på måndagsmötena, alla lyssnar mest på statistik och
veckornas resultat.
Sida 1(2)
Bilaga F
Respondent C
•
Med många produkter med tuffa toleranser är det viktigt att se helheten i toleranskedjan. Börjar processen med artiklar med allt för stora toleranser blir det
ofta svårt att rädda upp produkten som har bearbetas i flertalet processteg.
o Svetsavdelningen har en standard för toleranser, detta har inte plåtavdelningen.
Sida 2(2)
Bilaga G
Bilaga G
Analys av FV-041-1
I den här bilagan analyseras artikeln FV-041-1, således tillverkad i Trumpf maskinen
av operatör 1. I Tabell G1 finns den insamlade datan presenterad som ligger till grund
för analysen.
Tabell G1
Datainsamling FV-041-1
Artikel: FV-041-1
Replikat 1
ID
Replikat 2
1
Längd
(mm)
99,95
Bredd
(mm)
99,95
D30
(mm)
30,025
D20
(mm)
20,049
D10
(mm)
10,017
Längd
(mm)
99,94
Bredd
(mm)
99,95
D30
(mm)
30,027
D20
(mm)
20,034
D10
(mm)
10,045
2
99,92
99,93
30,036
20,021
10,04
99,91
99,91
30,046
20,017
10,067
3
99,92
99,93
30,064
20,065
10,03
99,92
99,9
30,044
20,064
10,064
4
99,9
99,93
30,039
20,059
10,051
99,91
99,92
30,045
20,054
10,06
5
99,9
99,93
30,047
20,074
10,077
99,92
99,91
30,046
20,082
10,048
6
99,9
99,91
30,046
20,051
10,072
99,91
99,92
30,04
20,068
10,036
7
99,89
99,91
30,051
20,073
10,073
99,89
99,91
30,039
20,075
10,048
8
99,91
99,91
30,008
20,004
10,032
99,9
99,92
30,028
20,021
10,07
9
99,9
99,93
30,02
20,028
10,022
99,89
99,91
30,03
20,052
10,048
10
99,9
99,93
30,027
20,017
10,019
99,91
99,92
30,02
20,02
10,047
Analys av längd
Först ut i analysen är ett normalfördelningstest som är hämtat från statgraphic (se
Figur G1). Statgraphic har beräknat datats p-värde till 0,0222, vilket i regel innebär att
det inte går att säga att datat är normalfördelat. Men när datat studeras okulärt ser
datat ut att följa normalfördelningslinjen. Orsaken till det låga p-värdet är att många
av mätpunkterna har exakt samma värde, samtidigt som det finns två värden som
tenderar till att vara uteliggare. Men av att bara studera grafen anses datat ändå vara
normalfördelat. Analysen fortsätter för att se om det går att analysera vidare, annars
måste datat transformeras. En transformation undviks så länge som möjligt då det blir
svårare för intressenter att koppla det transformerade datat till ursprungsartikeln.
Sida 1(11)
Bilaga G
Figur G1
Normalfördelningstest av längden, hämtat från statgraphic
I Figur G2 presenteras ett Shewhart-diagram, vilket är baserat på medelvärdet från
varje provgrupp. Diagrammet ser inte bra ut med hänseende till styr- samt toleransgränser. Först och främst larmar statgraphic enligt western electrics larmregler för två
punkter som är utanför styrgränserna. Det finns även ett larm precis vid den undre
styrgränsen. Det går utifrån detta säga att processen inte är i statistisk jämnvikt, men
detta är inte det mest oroande. Det som är oroväckande är att centrumlinjen antar
värdet 99,91, vilket är bara en tiondels millimeter från toleransgränsen på 99,9. Det
går att säga att processen är förskjuten alldeles för nära den undre toleransgränsen.
Här finns det utrymmer för förbättring gällande att stabilisera processen samt förskjuta processen närmare värdet 100 mm.
Figur G2
Shewhart-diagram av måttet längd, hämtat från statgraphic
När det kommer till intervallet inom provgrupperna så visar det sig enligt Figur G3 att
differenserna är små. Centrumlinjen i diagrammet säger 0,01 mm, vilket måste anses
som bra och mycket lågt. Detta ger en indikation på att maskinen tillverkar två likadana bitar vid varje order. Dock så har diagrammet en iögonfallande systematisk
struktur. Denna analys bygger på få mätvärden och det blir svårt att ta några slutsatser
från detta mönster. Processen i sig ser stabil ut så en notering har gjorts ifall det
kommer på tal igen.
Sida 2(11)
Bilaga G
Figur G3
Shewhart-diagram av intervallet inom provgruppen, hämtat från
statgraphic
Med data som inte bara ligger utanför styrgränserna utan även toleransgränserna så är
självfallet slutsatsen att det inte är någon duglig process. Det kan kanske anses lite
tunt att uttala sig om detta med så få mätvärden, men att hamna utanför toleransgränser bör aldrig ses som okej. I Figur G4 går det se hur datat är förskjutet sett till toleransgränserna och processen har ett Cpk-värde 0,4. Detta är inte okej rent generellt
eller enligt FV egna stadgar, här behöver förbättringar utformas.
Figur G4
Duglighetsstudie på längden, hämtat från statgraphic
Analys av bredden
I analysen av bredden är det ett liknande problem som vid analysen av längden när det
gäller normalfördelningstest. Rent grafisk ser datat ut att vara normalfördelat men
enligt p-värdet 0,02 är fallet inte så. Detta p-värde är litet på grund av att flera mätpunkter har samma värden, se Figur G5. Men det går ändå att se att allt datat följer
normalfördelningslinjen. Därmed fortsätter analysen under förutsättningen att datat är
normalfördelat.
Sida 3(11)
Bilaga G
Figur G5
Normalfördelningstest på bredden, hämtat från statgraphic
I Figur G6 går det utläsa ett larm enligt western electics larmregler. I detta fall är det
medelvärdet från en provgrupp som ligger utanför den övre styrgränsen. Även om
detta indikerar på att processen inte är stabil så ser övriga värden ut att vara så. Detta
larm är även inom toleransgränserna så i detta läge behövs det inte undersöka vidare
varför den provgruppen fick ett sådant resultat. Det är visserligen värt att notera att
processen är förskjuten nära den undre toleransgränsen. I Figur G6 har den undre
styrgränsen samt toleransgränsen samma värde. Sen ser det mystiskt ut med de sju
sista punkterna så ser ut att följa varandra, kan detta vara ett tecken på autokorrelation? Vilket betyder att mätvärdena har en koppling mellan sig, autokorrelerad data är
till exempel om temperaturen i ett rum mäts varje sekund, då kommer mätvärdet vara
kopplat till mätvärdet innan.
Figur G6
Shewhart-diagram på måttet bredden, hämtat från statgraphic
I en vidareundersökning om datat var autokorrelerat gjordes med hjälp av Figur G7. I
diagrammet går det se att datat inte ger några indikationer till att vara autokorrelerad.
Sida 4(11)
Bilaga G
Figur G7
Autokorrelationstest på måttet bredd, hämtat från statgraphic
När det kommer till intervallen mellan artiklarna inom provgrupperna så visar Figur
G8 att processen ser stabil ut. I medel är skillnaden 0,01 mm, vilket är vanligtvis
hanterbart. Men om provgruppsmedlet ligget på 99,92 mm, så är det väldigt nära
toleransen och lätt att hamna utanför. Processen skulle behöva justeras mer mot väntevärdet 100 mm.
Figur G8
Shewhart-diagram på intervallet inom varje provgrupp, hämtat från
statgraphic
I duglighetsstudien i Figur G9 går det se ännu tydligare huruvida processen är förskjuten samt inte särskilt duglig. I Figur G9 presenteras ett Cpk-värde på 0,62 vilket är för
lågt samt inte godkänt.
Sida 5(11)
Bilaga G
Figur G9
Duglighetsstudie på måttet bredd, hämtat från statgraphic
Analys av D30
I Figur G10 presenteras ett normalfördelningstest som både visuellt och statistiskt
påvisas vara normalfördelat. Datavärdena följer normalfördelnignslinjen och p-värdet
är 0,7256, vilket överstiger 0,05, följdaktligen är datat normalfördelat.
Figur G10
Normalfördelningstest av måttet D30, hämtat från statgraphic
I nästa del när datat analyseras i Shehart-diagrammet så signalerar statgraphic flertalet
larm enligt western electrics larmregler. Två av larmen är precis på styrgränserna och
det är i detta fall inte hela världen då det är bit kvar till toleransgränserna. Sen är det
snarare så att det viktigare att konstatera att processens medel är något förskjutet över
väntevärdet. Således kan man justera processen närmre väntevärdet 30 mm.
Figur G11
Shewhart-diagram på måtte D30, hämtat från statgraphic
I Figur G12 presenteras det intervall som finns inom provgrupperna, i medel är detta
0,01 mm. Detta ses som hanterbart när provgruppsmedelvärdet ligger vid 30,04, då
kan det skifta något utan några problem. Det är dock ett något konstigt eller systematiskt mönster, ungefär som ett M i Figur G12. När processen i övrigt ser bra ut är det
inte vidare intressant att undersöka detta, det behövs också mer datat för att man skall
kunna tycka att det ska vara intressant att undersökas.
Sida 6(11)
Bilaga G
Figur G12
Shewhart-diagram över intervallet inom provgruppen, hämtat
från statgraphic
I Figur G13 presenteras ett duglighetsstudie vilket visar ett högt Cpk-värde på hela
2,54 trots att processen är förskjuten. Således finns det inga behov att justera processen mot väntevärdet, men skulle det vara enkelt att göra så finns det ingen nackdel
med det, såvida det inte är omfattande omställningskostnader.
Figur G13
Duglighetsstudie av måttet D30, hämtat från statgraphic
Analys av D20
I Figur G14 presenteras ett normalfördelningstest av måttet D20. Detta test visar att
datat är normalfördelat på 95 % konfidensintervall. När man studerar Figur G14 så
följer datat normalfördelningslinjen, det finns visserligen ett vågmönster men det
avviker inte särskilt långt från linjen. P-värdet på 0,1258 talar också för att datat är
normalfördelat, alltså fortsätter analysen med utgångspunkten att datat är normalfördelat.
Sida 7(11)
Bilaga G
Figur G14
Normalfördelningstest av D20, hämtat från statgraphic
I Figur G15 presenteras ett Shewhart-diagram på provgruppsmedelvärdet från måttet
D20. Figur G15 ger inget bra intryck med 7 st larm av 10 möjliga. Denna process ser
riktigt racklig ut och är därmed inte stabil. Samtidigt som det inte ser stabilt ut ser
datat ut att hålla sig inom toleransgränserna, vilket är det viktigaste. Men här finns det
utrymmer för förbättring.
Figur G15
Shewhart-diagram med provgruppsmedelvärdet från måttet D20,
hämtat från statgraphic
I Figur G16 presenteras intervallet som är inom provgruppen. I Figuren G16 går det
se att processen ser stabil ut och i medel ligger intervallet på 0,01 mm, vilket uppfatttas hanterbart. Detta ger indikationer på att maskinen leverera två liknande artiklar
från samma batch.
Sida 8(11)
Bilaga G
Figur G16
Shewhart-diagram på intervallet inom provgrupperna, hämtat från
statgraphic
När det kommer till hur duglig processen är så ser det bra ut enligt Figur G17. I den
här duglighetsstudien uppmättes Cpk-värdet till 2,10, vilket får anses som bra när
kravet ligger på 1,33. Dock ser man igen hur förskjuten processen är mot den övre
toleransgränsen. För att det ändå ska bli bättre behövs justeringar göras för en stabilare process som ligger närmre väntevärdet 20 mm.
Figur G17
Duglighetsstudie av D20, hämtat från statgraphic
Analys av D10
I Figur G18 presenteras ett normalfördelningstest, vilket påvisar att datat är normalfördelat. Datat följer normalfördelningslinjen sen är det beräknade p-värdet 0,37,
vilket överstiger 0,05 och detta indikerar då på en normalfördelning.
Sida 9(11)
Bilaga G
Figur G18
Normalfördelningstest av måttet D10, hämtat från statgraphic
I Figur G19 plottas medelvärdet från provgrupperna enligt principen av ett Shewhartdiagram. I Figur G19 går det se att processen ser stabil ut och verkar vara i statistisk
jämnvikt. Det finns inga larm att tala om men processen är förskjuten mot den övre
toleransgränsen. Den undre styrgränsen har samma värde som väntevärdet 10 mm.
Sammanfattningsvis håller man sig inom toleranserna, men man skulle kunna justera
processen mer mot väntevärdet om det inte är ett för kostsamt ingrepp.
Figur G19
Shewhart-diagram med provgruppsmedelvärdet av måttet D10, hämtat från statgraphic
I Figur G20 plottas intervallet som finns inom provgrupperna, denna process ser stabil
ut. Men i medel är intervallet 0,03 mm, detta uppfattas som aningen för mycket. I
flera analyser på de övriga måtten ligger intervallet omkring 0,01 mm, kan de vara så
att maskinen har svårare för precisionen av de minsta hålen? Detta är en ren spekulation, det är svårt att ta några slutsatser från detta resultat, men en notering har gjorts att
det är en aning högre spridning inom provgrupperna.
Sida 10(11)
Bilaga G
Figur G20
Shewhart-diagram på intervallet inom provgruppen, hämtat från
statgraphic
När processen duglighet studeras så går det se i Figur G21 att det är en låg duglighet
som erhålls. Cpk-värdet uppmätts till 0,69 och uppfyller inte FV krav på minst 1,33
och detta beror av att processen är så pass förskjuten mot den övre toleransgränsen.
Figur G21
Duglighetsstudie av måttet D10
Sida 11(11)
Bilaga H
Bilaga H
Analys av FV-041-2
I denna bilaga analyseras artikeln FV-041-2 och i Tabell H1 finns all data som analysen baseras på. Varje mått analyseras för sig, först ut är längden för att sen mäta
bredden, D30, D20 och slutligen D10.
Tabell H1
Datainsamling av artikel FV-041-2
Artikel: FV-041-2
Replikat 1
ID
Replikat 2
1
Längd
(mm)
99,91
Bredd
(mm)
99,94
D30
(mm)
30,044
D20
(mm)
20,042
D10
(mm)
10,054
Längd
(mm)
99,91
Bredd
(mm)
99,92
D30
(mm)
30,028
D20
(mm)
20,012
D10
(mm)
10,071
2
99,9
99,91
30,052
20,048
10,037
99,9
99,93
30,038
20,012
10,046
3
99,83
99,9
30,016
20,061
10,041
99,85
99,9
30,025
20,053
10,054
4
99,85
9,89
30,003
20,074
10,015
99,87
99,91
30
20,044
10,083
5
99,89
99,92
30,001
20,037
10,03
99,91
99,94
30,02
20,043
10,071
6
99,84
99,91
30,028
20,38
10,045
99,84
99,88
30,046
20,042
10,048
7
99,91
99,91
30,015
20,007
10,029
99,88
99,9
30,036
20,058
10,067
8
99,9
99,92
30,024
20,025
10,071
99,91
99,91
30,022
20,034
10,058
9
99,93
99,95
30,006
20,013
10,041
99,9
99,93
30,022
20,038
10,047
10
99,91
99,94
30,017
20,019
10,07
99,91
99,91
30,018
20,038
10,087
Analys av längd
I Figur H1 presenteras ett normalfördelningstest som inte ser särskilt bra ut. P-värdet
understiger 0,05 och kan därmed inte sägas vara normalfördelat på 95 % konfidensintervall. Rent grafiskt så ser majoriteten av mätvärdena ut att följa normalfördelningslinjen. Men det är en grupp mätvärden som är uppmätta till samma värde, vilket medför att dessa punkter inte följer normalfördelningslinjen. I detta fall hade det kanske
varit bättre att mäta med ännu en decimals noggrannhet, då skulle troligtvis mätvärdena visa sig vara normalfördelade. Datat uppfyller inte kraven för en perfekt normalfördelning men det går inte heller helt försumma tanken på normalfördelning. Därför
fortsätter analysen för att undvika transformeringar, vilket gör datat mer svårtolkat
och koppla till ursprungsdata.
Sida 1(10)
Bilaga H
Figur H1
Normalfördelningstest av måttet längd
I nästa steg studerar ett Shewhart-diagram i Figur H2 som visar en instabil och förskjuten process. Processen ser inte ut att vara stabil med 5 larm av 10 möjliga, dessutom är 3 av dessa utanför styrgränserna. Inte nog med det så är processen förskjuten
utanför den undre toleransgränsen som är 99,9 mm. Sammanfattningsvis behöver
processen bli stabilare samt justeras närmre väntevärdet 100 mm.
Figur H2
Shewhart-diagram baserat på måttet längd, hämtat från statgraphic
I Figur H3 studeras intervallet inom provgruppen, vilket det visar sig i medel vara
0,01 mm. Detta uppfattas som bra då maskinen fortsatt verkar kunna tillverka två
identiska artiklar på samma plåt. Dock är det flera punkter där intervallet är detsamma, sannolikheten för detta kan anses vara låg.
Sida 2(10)
Bilaga H
Figur H3
Shewhart-diagram med intervallet inom provgruppen, hämtat från
statgraphic
I Figur H4 sammanfattas processen i en duglighetsstudie som påvisar ett litet Cpkvärde samt en förskjuten process. I Figur H4 går det se hur processen ligger centrerad
kring den undre toleransgränsen, vilket påvisas även med det låga Cpk-värdet -0,36.
Processen är följdaktligen inte duglig och behöver justeras.
Figur H4
Duglighetsstudie på måttet längd
Analys av bredden
I Figur H5 presenteras ett normalfördelningstest som indikerar på att datat är normalfördelat. Studerar man diagrammet rent grafiskt så följer mätpunkterna normalfördelningslinjen som de skall. P-värdet är 0,5522 och överstiger riktlinjen på minst 0,05,
därför går det sammanfattningsvis säga att datat är normalfördelat.
Sida 3(10)
Bilaga I
Figur H5
Normalfördelningstest av måttet bredd, hämtat från statgraphic
I Figur H6 presenteras en stabil process som kan ses vara i statistisk jämnvikt. Provgruppsmedelvärdena håller sig inom styrgränserna och inga larm signaleras. Sen sett
till toleranserna ser processen inte bra ut. Processen är förskjuten mot den undre
toleransen samt utanför den. Det går redan nu säga att duglighetsstudien kommer
påvisa ett rent av dåligt resultat.
Figur H6
Shewhart-diagram baserat på måttet bredd
När det kommer till intervallet inom provgrupperna så visar det sig för måttet bredd
att det i medel skiljer 0,02 mm, se Figur H7. Sedan ser processen ut att vara i statistisk
jämnvikt enligt figuren.
Figur H7
Shewhart-diagram med intervallet inom provgruppen, hämtat från
statgraphic
Sida 4(10)
Bilaga I
Slutligen då i duglighetsstudien fick breddmåttet dåligt resultat på grund av att processen är så pass förskjuten kring den undre toleransgränsen. I Figur H8 går det även
se ett lågt Cpk-värde som 0,33, detta är inte godkänt och här behöver processen justeras närmre väntevärdet.
Figur H8
Duglighetsstudie av måttet bredden, hämtat från statgraphic
Analys av D30
I Figur H9 presenteras ett normalfördelningstest som påvisar att datat är normalfördelat. Datat följer normalfördelningslinjen och p-värdet överstiger 0,05, däför går det
säga att datat är normalfördelat med 95 % konfidensintervall.
Figur H9
Normalfördelningstest av måttet D30, hämtat från statgraphic
Nästa del av analysen går ut på att studera huruvida datat är i statistisk jämnvikt. I
Figur H10 går det se att så är fallet, det finns inga larm och datat är inom styrgränserna. Det ser också bra ut om man ser till toleranserna så det inte farligt att två punkter
är så pass nära styrgränserna. Processen är något förskjutet från väntevärdet 30 mm då
medelvärdet ligger kring 30,02. Detta är i detta fall ingen fara då det finns marginal
till toleransgränserna.
Sida 5(10)
Bilaga I
Figur H10 Shewhart-diagram baserat på medelvärdet av provgrupperna, hämtat
från statgraphic
När det kommer till intervallet inom varje provgrupp så visar Figur H11 ett resultat på
att i medel är intervallet 0,01 mm. Sedan går det se i Figuren att processen ser ut att
vara i statistisk jämnvikt.
Figur H11
Shewhart-diagram baserat på intervallet inom provgrupperna, hämtat från statgraphic
I Figur H12 presenteras en duglighetsstudie som påvisade ett Cpk-värde 2,43, vilket
kan anses som bra. Det uppfyller det generella och FV egna krav på minst 1,33.
Figur H12
Duglighetsstudie på måttet D30, hämtat från statgraphic
Sida 6(10)
Bilaga I
Analys av D20
I Figur H13 presenteras ett normalfördelningstest, vilket påvisar att datat är normalfördelat. Datat följer normalfördelningslinjen på ett ypperligt sätt samt har ett p-värde
som överstiger det generella kravet på 0,05 för att datat skall kunna anses normalfördelat på 95 % konfidensintervall.
Figur H13
Normalfördelningstest av måttet D20, hämtat från statgraphic
I Figur H14 så presenteras medelvärdena från provgrupperna i ett Shewhart-diagram
som visar att processen är i statistisk jämnvikt. Medelvärdet är 20,04 mm, vilket är
något högt och förskjutet från väntevärdet 20 mm. Även om ett det är ett önskemål att
processen skall ligga mer centrerat vid väntevärdet så är processen idag innanför
toleranserna.
Figur H14
Shewhart-diagram baserat på provgruppsmedelvärdet från måttet
D20, hämtat från statgraphic
I Figur H15 presenteras ett Shewhart-diagram baserat på intervallet inom provgrupperna, vilket visar att intervallet är i medel 0,02 mm. Detta visar att maskinen levererar artiklar som är väldigt lika. I övrigt ser process ut att vara i statistisk jämnvikt och
har inga larma att tala om.
Sida 7(10)
Bilaga I
Figur H15
Shewhart-diagram baserat på intervallet inom provgruppen, hämtat
från statgraphic
I Figur H16 presenteras en duglighetsstudie som visar hur processen är förskjuten mot
den övre toleransgränsen, vilket resulterar i ett lägre Cpk-värde på 1,09. Detta är inte
tillräckligt bra så processen behöver justeras för att uppfylla FV egna krav på minst
1,33.
Figur H16
Duglighetsstudie på måttet D20, hämtat från statgraphic
Analys av D10
I Figur H17 presenteras ett normalfördelningstest som påvisar att datat är normalfördelat rent grafiskt samt statistiskt. Datavärdena följer normalfördelningslinjen som de
ska och p-värdet överstiger 0,05, därför går det dra slutsatsen att datat är normalfördelat på 95 % konfidensintervall.
Figur H17
Normalfördelningstest på måttet D10, hämtat från statgraphic
Sida 8(10)
Bilaga I
I Figur H18 presenterar att medelvärdena från varje provgrupp visar sig vara i statistisk jämnvikt. Dock så ser man i diagrammet hur processen är förskjuten mellan väntevärdet 10 mm samt den övre toleransgränsen på 10,1 mm. Detta kommer resultera i
ett lägre Cpk-värde i kommande duglighetsstudie.
Figur H18
Shewhart-diagram baserat på provgruppsmedelvärdet av måttet D10,
hämtat från statgraphic
I Figur H19 visas intervallet som är inom provgrupperna, i diagrammet går det utläsa
att i medel är intervallet 0,02 mm. I övrigt ser processen ut att vara stabil och därmed i
statistisk jämnvikt. Det är i provgrupp 4 som intervallet är lite större, men det är inte
värt att göra en djupdykning då processen ser bra ut i övrigt.
Figur H19
Shewhart-diagram baserat på intervallet inom provgrupperna, hämtat från statgraphic
I duglighetsstudien så bekräftas hypotesen från Shewhart-diagrammet med medelvärdena att Cpk- värdet blev ganska lågt på grund av förskjutningen. I Figur H20 går det
se att Cpk-värdet blev 0,78. Detta är inte tillräckligt och processen är i behov av att
finjusteras för att hamna mer centrerat kring väntevärdet 10 mm.
Sida 9(10)
Bilaga I
Figur H20
Duglighetsstudie av måttet D10, hämtat från statgraphic
Sida 10(10)
Bilaga I
Bilaga I
Analys av FV-041-3
I den här Bilagan analyseras artikel FV-041-3 med hänseende på längd, bredd samt
diameter på hålen D3, D2 och D1. I Tabell I1 är de uppmätta måtten sammanställda.
Tabell I1
Data från artikel FV-041-3
Artikel: FV-041-3
Replikat 1
Replikat 2
1
Längd
(mm)
100,01
Bredd
(mm)
99,96
D30
(mm)
29,996
D20
(mm)
20,016
D10
(mm)
10,02
Längd
(mm)
100
Bredd
(mm)
99,98
D30
(mm)
29,993
D20
(mm)
20,001
D10
(mm)
9,996
2
99,99
100
30,02
20,033
10,024
99,98
99,99
30,006
20,012
10,024
3
100,01
99,98
29,957
20,003
9,972
99,99
100,01
29,998
20,01
10,01
4
100
100,01
29,984
20,007
10,016
100,02
100,01
30,005
19,985
9,971
5
100,01
100,02
29,992
19,975
9,985
100,01
99,99
29,972
19,938
10,001
6
99,99
100
30,038
20,006
10,011
99,99
99,97
29,984
20,006
9,931
7
100,02
100,01
29,974
20,001
9,963
100,02
100,04
30,014
19,994
9,989
8
99,96
99,98
30,007
19,978
10,009
100
100,01
29,98
20,002
9,979
9
100,02
100
30
19,939
9,988
99,95
96,37
29,975
19,959
10,017
10
99,99
100,02
30,014
20,017
10,017
100
100,02
30
20,018
9,989
11
100,02
99,99
29,998
19,956
9,719
100,02
100,01
30,036
19,988
10,011
ID
Analys av längd
I Figur I1 presenteras ett normalfördelningstest, när diagrammet studeras okulärt ser
mätvärdena ut att följa en normalfördelning. Men det beräknade p-värdet är 0,0067,
vilket är lägre än kravet på minst 0,05 för att kunna säga att det är normalfördelat. Det
låga p-värdet beror av att det finns flera mätvärden har exakt samma värde, men
studerar man linjen i diagrammet så följer mätvärdena denna. Därför ses ändå mätvärdena som normalfördelade och analysen fortsätter.
I1
Normalfördelningstest av måttet längd, hämtat från statgraphic
Sida 1(10)
Bilaga I
I Figur I2 presenteras ett Shewhart-diagram för medelvärdena av provgrupperna.
Diagrammet visar inte på några larm enligt western electrics larmregler. Processen ser
stabil ut och anses med 95 % konfidensintervall vara i statistisk jämnvikt.
I2
Shewhart-diagram med medelvärden från provgrupper från måttet längd,
hämtat från statgraphic
I Figur I3 presenteras ett diagram som illustrerar intervallet som finns inom varje
provgrupp. Detta diagram visar sig vara stabilt förutom för provgrupp 9. I den provgruppen så skiljer det mycket mellan bitarna. Detta beror på att operatören har lagt in
en spillbit som har flyttat på sig samt vinklat sig så att lasern har slagit i. Detta innebar att första biten blev bra med den andra blev dålig. I detta ärende görs två noteringar; (1) bra att den dåliga biten kom med i analysen, (2) intressant att operatören skickar vidare en artikel som är dålig.
I3
Shewhart-diagram av intervallen inom provgrupperna av måttet längden,
hämtat från statgraphic
I Figur I4 presenteras slutligen en duglighetsstudie som påvisar ett Cpk-värde 2,3.
Detta uppfyller med marginal FV egna krav på minst 1,33 och därmed kan man anse
att denna process är duglig.
Sida 2(10)
Bilaga I
Figur I4
Duglighetsstudie på längden, hämtat från statgraphic
Analys av Bredd
I Figur I5 presenteras ett normalfördelningstest, vilket visar att 21 av 22 värden följer
en normalfördelningslinje medan ett värde sticker ut. På grund av detta blir p-värdet
lågt och datat skulle enligt det inte anses normalfördelat. Men av att studera diagrammet går det se att övriga mätvärden är normalfördelade.
Figur I5
Normalfördelningstest, hämtat från statgraphic
I nästa del av analysen när processens stabilitet studeras via ett Shewhart-diagram i
Figur I6 så går det urskilja ett larm. På samma sätt som i normalfördelningstestet är
det en provgrupp 9 som sticker ut. Här har det skett samma sak som när längden
analyserades, men när det gäller bredden blev det ett mer markant fel.
Sida 3(10)
Bilaga I
I6
Shewhart-diagram av bredd, hämtat från statgraphic
I övrigt ser processen ut att vara i statistisk jämnvikt, vilket presenteras i Figur I7 där
provgrupp 9 är bortplockat.
Figur I7
Shewhart-diagram Bredd, hämtat från statgraphic
I Figur I7 går det se att datat håller sig inom styrgränserna ± 3σ, statgraphic säger
också det att processen är i statistisk jämnvikt med 95 % konfidensintervall.
I Figur I8 presenteras det uppmätta intervallet inom provgrupperna, där en provgrupp
är bortplockad. Diagrammet visar att i medel skiljer det 0,02 mm inom provgruppen.
Detta är mycket litet och det går inte att påstå att maskinen står för denna variation,
mätningarna kan också ha ett bidrag. Men slutsatsen är att processen levererar jämna
resultat inom provgrupperna.
Sida 4(10)
Bilaga I
Figur I8
Shewhart-diagram intervall inom provgrupperna, hämtat från statgraphics
I Figur I9 presenteras en duglighetsstudie, till denna studie togs uteliggaren bort för
att studera de övriga måtten hur bra de är. I Figuren går det se att mätdatat är innanför
styr- och toleransgränser samt innehar ett Cpk-värde på 1,88. Detta överträffar FV
egna krav på 1,33 och kan anses som bra. Detta med reservation för ett värde som inte
var dugligt.
Figur I9
Duglighetsstudie på måttet bredd, hämtat från statgraphic
Analys av D30
I Figur I10 presenteras ett normalfördelningstest, vilket indikerar på att datat är normalfördelat. I Statgraphics utförs ett Shapiro-Wilks test vilket visar på ett p-värde
0,87. Detta p-värde är markant större än 0,05, således går det inte förkasta att datat är
normalfördelat med 95 % konfidensintervall.
Sida 5(10)
Bilaga I
Figur I10
Normalfördelningstest D30, hämtat från statgraphics
I Figur I11 presenteras den uppmätta diametern för varje provgrupp, Figuren indikerar
att processen är i statistisk jämnvikt. Det är inga larm som utlöses och statgraphic
påvisar att datat kan ses vara i statistisk jämnvikt med 95 % konfidensintervall.
Figur I11
Shewhart-diagram D30, hämtat från statgraphics
I Figur I12 presenteras intervallet som finns inom varje provgrupp. Diagrammet visar
på intervallet är i medel 0,03 mm. Detta ses som mycket litet och det är svårt att säga
om lasermaskinen eller mätningen har största bidraget till dessa intervall.
Figur I12
Shewhart-diagram intervall inom provgrupperna D30, hämtat från
statgraphics
Sida 6(10)
Bilaga I
I Figur I13 presenteras en duglighetsstudie av D30, denna studie påvisar ett Cpk-värde
på 1,36. Detta är inom ramen för vad FV ser som okej, det är på marginalen men
fortsatt godkänt.
Figur I13
Duglighetsstudie på måttet D30, hämtat från statgraphic
Analys D20
I Figur I14 presenteras ett normalfördelningstest där mätvärdena inte följer normalfördelningslinjen på något idealt sätt. Mätvärden kan kanske ses ha någon form av sform och testet visar på p-värdet är 0,0405. Detta är lägre än 0,05 som går åt för att
kunna generellt säga att mätdatat är normalfördelat. Här skulle det kanske vara lämpligt med någon form av transformering. Men en transformering innebär att det kan bli
svårt att relatera resultatet till plåtartiklarna samt förklara för de berörda. Det är med
fördel att använda rådatat så blir det enklare att analysera och återkoppla resultatet till
handledare samt andra berörda. Diagrammet ser som på snudd på normalfördelat och
p-värdet är inte långt ifrån så den fortsatta analysen fortlöper med ursprungsdatat.
Figur I14
Normalfördelningstest av D20, hämtat från statgraphic
I Figur I15 presenteras ett Shewhart diagram som påvisar en process som inte är i
statistisk jämnvikt. Det är provgrupp 5 samt 9 som larmas för att vara utanför ± 3
standardavvikelser. Även om dessa punkter larmar är de med marginal godkända för
utlovade toleranser om ± 0,1 mm.
Sida 7(10)
Bilaga I
Figur I15
Shewhart-diagram av D20 medel, hämtat från statgraphic
I Figur I16 presenteras intervallen inom provgrupperna och i detta fall ser intervallen
ut att vara i statistisk jämnvikt. Det är inga larm enligt western electrics som statgraphic heller noterar.
Figur I16
Shewhart-diagram av D20 provgrupps intervall, hämtat från statgraphic
I Figur I17 presenteras en duglighetsstudie för D20. Statgraphic påvisar ett Cpk-värde
som överstiger minimum kravet på 1,33, Cpk-värdet är 2,07.
Figur I17
Duglighetsstudie på måttet D20, hämtat från statgraphic
Sida 8(10)
Bilaga I
Analys av D10
Vid mätningen av sista diametern D10 noterades det på replikat 1 i provgrupp 11 att
hålet var dåligt laserskuret. Detta berodde på att lasern hade slagit på någon plåtbit
som ställt sig upp. Detta har noterats och går att härleda till operatörsfel då någon har
missat att nypa fast små bitar så att de inte ställer sig upp.
I Figur I18 presenteras ett normalfördelningstest som indikerar på att datat är normalfördelat. Enligt statgraphic när programmet utför ett Shapiro-Wilks test så går det
konstatera att p-värdet är mindre än 0,05, således går det inte enligt p-värdet säga att
datat är normalfördelat. Detta låga p-värde beror av ett mätvärde som är distanserad
från normalfördelningslinjen. I övrigt ser värdena normalfördelade ut och därför
fortsätter analysen med antagandet att datat är normalfördelat. Det är inte rimligt att
förkasta normalfördelning baserat på ett värde.
Figur I18
Normalfördelningstest D10, hämtat från statgraphics
I Figur I19 presenteras datat från provgrupperna i ett Shewhart-diagram. Detta diagram indikerar inte på några larm och ser stabil ut. Enligt statgraphic går det säga att
processen är i statistisk jämnvikt på 95 % konfidensintervall.
Figur I19
Shewhart-diagram D10, hämtat från statgraphics
I Figur I20 presenteras det intervall som finns mellan värdena i provgruppen. Diagrammet visar att i medel är intervallet 0,03 mm.
Sida 9(10)
Bilaga I
Figur I20
Shewhart-diagram intervall inom provgruppen D10, hämtat från
statgraphics
I Figur I21 presenteras en duglighetsstudie för måttet D10. Här uppfyller inte processen kraven som FV har att Cpk ska minst vara 1,33 då värdet är 1,14. Men ser man det
i relation till toleransgränserna så är processen med marginal innanför dessa, således
uppfylls fortsatt kundens krav. Men här finns det utrymme för förbättring.
Figur I21
Duglighetsstudie på måttet D10, hämtat från statgraphic
Sida 2(10)
Bilaga J
Bilaga J
Analys av FV-041-4
I den här bilagan analyseras artikeln FV-041-4 enskilt med hänseende på följande
mått; längd, bredd, D30, D20 samt D10.
Tabell J1
Datainsamling av artikel FV-041-4
Artikel: FV-041-4
Replikat 1
Replikat 2
1
Längd
(mm)
100,01
Bredd
(mm)
100,01
D30
(mm)
29,975
D20
(mm)
19,979
D10
(mm)
9,979
Längd
(mm)
100
Bredd
(mm)
100
D30
(mm)
29,984
D20
(mm)
19,97
D10
(mm)
9,989
2
100
99,99
29,976
19,979
9,989
100,01
100,01
29,971
19,992
9,998
3
100,02
100,01
29,988
20,006
10,021
100,02
99,99
29,976
19,987
9,994
4
100,01
100
29,972
19,995
9,987
100
99,98
29,964
20,007
10
ID
5
99,98
99,97
29,934
20,038
10,063
100,01
100,17
29,997
19,983
10,001
6
100,02
100,03
30,01
19,981
9,996
100,01
100,02
29,992
19,984
9,98
7
100,01
100,01
29,991
19,982
10,006
100,04
100,05
29,982
20,017
10,009
8
99,99
99,99
29,984
19,999
10
100,02
100,02
29,987
19,986
9,99
9
100,03
100,01
29,979
19,983
9,994
100,02
100,04
29,97
19,981
10,005
10
100,02
100,04
29,986
19,992
10,001
100,01
100,01
29,99
20,008
10,009
11
100
99,97
29,999
20,014
10,021
100,02
99,99
30,013
20,005
9,981
12
100,02
99,98
29,983
19,985
10,004
99,99
99,97
29,992
20,01
9,987
Analys av längd
I Figur J1 presenteras ett normalfördelningstest, genom enbart okulär avläsning går
det tyda att datat är normalfördelat. Statgraphics visar också genom ett Shapiro-Wilks
test att datat är normalfördelat med ett p-värde 0,17 som är större än 0,05. Därmed går
det säga att datat är normalfördelat med 95 % konfidensintervall.
Figur J1
Normalfördelningstest av längden, hämtat från statgraphics
Sida 2(10)
Bilaga J
I Figur J2 presenteras ett Shewhart-diagram med längdmåttet, diagrammet ser bra ut
utan några larm. Punkterna har också distans till ± 3σ styrgränserna. Med blotta ögat
går det se att processen är i statistisk jämnvikt, likaså säger statgraphic att datat är i
statistisk jämnvikt på 95% konfidensintervall.
Figur J2
Shewhart-diagram för längd, hämtat från statgraphic
I Figur J3 presenterar intervallet som finns mellan replikat 1-2 i varje provgrupp.
Diagrammet visar att medelintervallet är 0,02 mm. Detta är mycket liknande och
motsvarar samma intervall som identifierades i Bilaga I.
Figur J3
Shewhart-diagram med intervall inom provgruppen, hämtat från
statgraphic
I Figur J4 presenteras en duglighetsstudie, vilket ger ett Cpk-värde 2,01. Detta uppfylller FV egna krav på duglighet skall minst vara 1,33. Diagrammet visar också tydligt
att datat är distanserats från toleransgränser, följaktligen ser processen bra ut.
Sida 2(10)
Bilaga J
Figur J4
Duglighetsstudie av längden, hämtat från statgraphic
Analys av bredd
I Figur J5 presenteras ett normalfördelningstest, diagrammet påvisar en uteliggare
samt ett mycket lågt p-värde. Denna uteliggare påverkar självfallet så att p-värdet blir
mindre. Enligt p-värdet går det inte säga att datat är normalfördelat, men bortser man
från uteliggaren så följer de övriga datat normalfördelningslinjen. Det indikerar på att
datat ändå är normalfördelat.
Figur J5
Normalfördelningstest bredd, hämtat från statgraphic
I Figur J5 går det direkt se att uteliggaren också har värden som överstiger toleranserna man utlovar på FV. Detta syns inte lika tydligt i Figur J6 då de plottade värdena är
medelvärdet av provgrupperna.
Sida 3(10)
Bilaga J
Figur J6
Shewhart-diagram på måttet bredd, hämtat från statgraphic
I Figur J6 går det se hur den femte provgruppen har en liten topp, i denna topp finns
det ett allvarligt larm. Då en artikel är uppmätt till 100,17mm, således 0,07 utanför
den utlovade toleransen. Orsaken till detta verkar vara ett återkommande orsak att
plåtdetaljen viker upp sig så att laserhuvudet krockar med biten. Detta resulterar att
plåtbiten förflyttar sig och kommande skärningar blir fel. Förutom att detta har noterats så ser processen ut att vara i statistisk jämnvikt, till skillnad från analysen i Bilaga
I så är det något större spridning här då styrgränserna är nära toleransgränserna, som
är ± 0,1 mm.
Figur J7
Shewhart-diagram med intervallet inom provgrupperna för bredden,
hämtat från statgraphic
I Figur J8 presenteras ett duglighetsmått 0,91 vilket kan ses som mycket lågt, framförallt under FV egna krav. Detta låga resultat grunder sig mycket i den artikel som
uppmättes till 100,17 mm i provgrupp 5. Förutom denna avvikande artikel går det se
att övriga mätvärden är inom styrgränserna samt toleransgränserna. Därför är det
intressant att undersöka vidare vad det är som gör att bitar vrider sig och stöter mot
laserhuvudet.
Sida 4(10)
Bilaga J
Figur J8
Duglighetsstudie av måttet bredd, hämtat från statgraphic
Analys av D30
I Figur J9 presenteras ett normalfördelningstest av D30 och diagrammet intygar att
datat är normalfördelat. P-värdet på 0,08 överstiger 0,05 och därmed går det säga att
datat är normalfördelat. Det är några mätpunkter som inte ligger precis vid linjen, men
de är inga larm med hänseende på de utlovade toleranserna.
Figur J9
Normalfördelningstest av D30, hämtat från statgraphic
I Figur J0 presenteras ett Shewhart-diagram, vilket påvisar att processen är i statistisk
jämnvikt. Det är provgrupperna 6 samt 11 som är när styrgränserna, men det är viktigt
här att notera att det är väldigt långt ifrån toleransgränserna. I denna process verkar
dock medelvärdet vara något förskjutet under målvärdet. Sammanfattningsvis är
processen i statistisk jämnvikt och sett till toleranser också stabil.
Sida 5(10)
Bilaga J
Figur J10
Shewhart-diagram av D30, hämtat från statgraphic
Figur J11 presenterar intervallet som är inom varje provgrupp. Diagrammet visar att i
provgrupp 5 är det en så pass stor skillnad att statgraphic larmar. Det är dock är detta
intervall fortfarande hanterbart för att uppnå toleranskraven. Det är fortsatt inte bra att
det är så pass stor skillnad inom gruppen men i detta fall är det på liknande sätt som
förut att lasern har stött ihop med godset på något sätt att bitarna har förflyttat sig en
aning.
Figur J11
Shewhart-diagram av intervallet inom provgrupperna, hämtat från
statgraphic
I Figur J12 presenterar duglighetsstudien som uppmäter ett Cpk värde 2,3, vilket uppfyller FV krav på minst 1,33. Det går även se i diagrammet hur datat är något förskjutet under målvärdet, men detta är baserat på liten mängd data, så det är svårt att dra
några definitiva slutsatser från detta.
Sida 6(10)
Bilaga J
Figur J12
Duglighetsstudie på måttet D30, hämtat från statgraphic
Analys av D20
I Figur J13 presenteras ett normalfördelningstest där mätpunkterna i diagrammet
följer normalfördelningslinjen någorlunda. Det finns några punkter som distanserar
sig en aning. Enligt p-värdet som är 0,0528 går det anta med 95 % konfidensintervall
att datat också är normalfördelat.
Figur J13
Normalfördelningstest D20, hämtat från statgraphic
I Figur J14 presenteras ett Shewhart-diagram av provgruppernas medelvärden. Diagrammet ser bra ut då inga larm enligt western electrics går att se. Det som är iögonfallande är att det fem första punkterna stegrar i värde. Men sen ser processen stabil ut
och hoppar jämnt mellan över och under centrallinjen. Med så få mätvärden är det
svårt att dra några slutsatser av de första fem värdena.
Sida 7(10)
Bilaga J
Figur J14
Shewhart-diagram på provgruppsmedelvärdet av D20, hämtat från
statgraphic
I Figur J15 presenteras intervallet inom provgruppen. Diagrammet visar att processen
är stabil och statgraphic signalerar inga larm. Det är provgrupp 5 som är lite utstickande och nära styrgränsen. Men det är fortfarande med marginal till toleransgränsen
så det är inte värt att undersökas vidare.
Figur J15
Shewhart-diagram på intervallet inom provgrupperna, hämtat från
statgraphic
I Figur J16 presenteras en duglighetsstudie som påvisar ett Cpk-värde på 2,02, vilket
uppfyller FV egna krav på minst 1,33. Studeras diagrammet går det se att datat har
god marginal till toleransgränserna.
Sida 8(10)
Bilaga J
Figur J16
Duglighetsstudie på D20, hämtat från statgraphic
Analys av D10
I Figur J17 presenteras ett normalfördelningstest på D10, diagrammet visar att majoriteten av mätvärdena följer normalfördelningslinjen. Men det finns en uteliggare till
höger och detta medför ett lägre p-värde. Om diagrammet studeras i övrigt så liknar
datat en normalfördelning. Det kan finnas en oroande s-form, men den är så liten att
normalfördelning verkar fortsatt det mest rimliga.
Figur J17
Normalfördelningstest på D10, hämtat från statgraphic
I nästa del av analysen studeras Figur J18 som är ett shewhart-diagram som har plottat
medelvärdena från varje provgrupp. Diagrammet påvisar inga lustigheter, statgraphic
signalerar inga larm enligt western electrics. Det är provgrupp 5 som är nära styrgränsen men är ändå innanför och sett till toleransen med marginal på rätt sida. Sammanfattningsvis ser diagrammet bra ut och processen ser ut att vara i statistisk jämnvikt.
Sida 9(10)
Bilaga J
Figur J18 Shewhart-diagram med D10, hämtat från statgraphic
I Figur J19 presenteras ett shewhart-diagram över intervallen inom varje provgrupp. I
detta diagram visar det sig att det finns ett larm. Det är 0,06 mm skillnad mellan
artiklarna, vilket statgraphic larmar på. Men artikeln är inte utanför toleranserna så
tillsvidare går det se detta som slumpen. Det behövs mer data för att kunna se om det
är ett återkommande mönster för att man ska välja att gå vidare och lägga energi för
att undersöka orsaker till detta.
Figur J19
Shewhart-diagram med intervall inom provgruppen, hämtat från
statgraphic
I Figur J20 presenteras en duglighetsstudie med ett Cpk-värde 1,99, vilket uppfyller
FV egna krav på minst 1,33. Det går att se i diagrammet hur ett av mätvärdena är
utanför styrgränserna man innanför toleransgränserna.
Figur J20
Duglighetsstudie med D10, hämtat från statgraphic
Sida 10(10)
Bilaga K
Bilaga K
Mätsystemsanalys
I den här bilagan används teorin för mätsystemsanalys för att undersöka huruvida
stora variansbidragen är från operatör samt maskin. I Tabell K1 presenteras datat och
uppställningen som ligger till grund för denna analys. Det finns två viktiga skillnader
här som skiljer sig från teorin; (1) detta är ingen mätsystemsanalys utan analys av
produktionsprocess, (2) replikat 1-2 är två olika artiklar. I teorin är mätningen utförd
två gånger på exakt samma bit. Men i detta fall är intresset att undersöka hur bra
lasermaskinen lyckas skära två likadana bitar i samma batch. Teorin är ursprungligen
framtagen för att undersöka mätprocessen, i detta fall används teorin för att undersöka
en produktionsprocess.
Tabell K1
Replikat
1
99,95
Operatör 1
�
Replikat
𝑿
2
99,94
99,945
Sammanfattning av data
R
Operatör 2
�
Replikat
𝑿
2
99,91
99,91
0,01
Replikat
1
99,91
R
99,92
99,91
99,915
0,01
99,9
99,9
99,9
0
99,92
99,92
99,92
0
99,83
99,85
99,84
0,02
99,9
99,91
99,905
0,01
99,85
99,87
99,86
0,02
99,9
99,92
99,91
0,02
99,89
99,91
99,9
0,02
99,9
99,91
99,905
0,01
99,84
99,84
99,84
0
99,89
99,89
99,89
0
99,91
99,88
99,895
0,03
99,91
99,9
99,905
0,01
99,9
99,91
99,905
0,01
99,9
99,89
99,895
0,01
99,93
99,9
99,915
0,03
99,9
99,91
99,905
0,01
99,91
99,91
99,91
0
100,01
100
100,005
0,01
100,01
100
100,005
0,01
99,99
99,98
99,985
0,01
100
100,01
100,005
0,01
0
100,01
99,99
100
0,02
100,02
100,02
100,02
0
100
100,02
100,01
0,02
100,01
100
100,005
0,01
100,01
100,01
100,01
0
99,98
100,01
99,995
0,03
99,99
99,99
99,99
0
100,02
100,01
100,015
0,01
100,02
100,02
100,02
0
100,01
100,04
100,025
0,03
99,96
100
99,98
0,04
99,99
100,02
100,005
0,03
100,02
99,95
99,985
0,07
100,03
100,02
100,025
0,01
99,99
100
99,995
0,01
100,02
100,01
100,015
0,01
100,02
100,02
100,02
0
100
100,02
100,01
0,02
99,95
99,95
99,95
0
100,02
99,99
100,005
0,03
99,93
99,91
99,92
0,02
99,94
99,92
99,93
0,02
99,93
99,9
99,915
0,03
99,91
99,93
99,92
0,02
99,93
99,92
99,925
0,01
99,9
99,9
99,9
0
99,93
99,91
99,92
0,02
99,89
99,91
99,9
0,02
99,91
99,92
99,915
0,01
99,92
99,94
99,93
0,02
99,91
99,91
99,91
0
99,91
99,88
99,895
0,03
Sida 1(4)
Bilaga K
99,91
99,92
99,915
0,01
99,91
99,9
99,905
0,01
99,93
99,93
99,91
99,92
0,02
99,92
99,91
99,915
0,01
99,92
99,925
0,01
99,95
99,93
99,94
0,02
99,96
99,98
99,97
0,02
99,94
99,91
99,925
0,03
100
99,99
99,995
0,01
100,01
100
100,005
0,01
99,98
100,01
99,995
0,03
99,99
100,01
100
0,02
100,01
100,01
100,01
0
100,01
99,99
100
0,02
100,02
99,99
100,005
0,03
100
99,98
99,99
0,02
100
99,97
99,985
0,03
99,97
100,17
100,07
0,2
100,01
100,04
100,025
0,03
100,03
100,02
100,025
0,01
99,98
100,01
99,995
0,03
100,01
100,05
100,03
0,04
100
96,37
98,185
3,63
99,99
100,02
100,005
0,03
100,02
100,02
100,02
0
100,01
100,04
100,025
0,03
99,99
100,01
100
0,02
100,04
100,01
100,025
0,03
30,025
30,027
30,026
0,002
99,97
99,99
99,98
0,02
30,036
30,046
30,041
0,01
99,98
99,97
99,975
0,01
30,064
30,044
30,054
0,02
30,044
30,028
30,036
0,016
30,039
30,045
30,042
0,006
30,052
30,038
30,045
0,014
30,047
30,046
30,0465
0,001
30,016
30,025
30,0205
0,009
30,046
30,04
30,043
0,006
30,003
30
30,0015
0,003
30,051
30,039
30,045
0,012
30,001
30,02
30,0105
0,019
30,008
30,028
30,018
0,02
30,028
30,046
30,037
0,018
30,02
30,03
30,025
0,01
30,015
30,036
30,0255
0,021
30,027
30,02
30,0235
0,007
30,024
30,022
30,023
0,002
29,996
29,993
29,9945
0,003
30,006
30,022
30,014
0,016
30,02
30,006
30,013
0,014
30,017
30,018
30,0175
0,001
29,957
29,998
29,9775
0,041
29,975
29,984
29,9795
0,009
29,984
30,005
29,9945
0,021
29,976
29,971
29,9735
0,005
29,992
29,972
29,982
0,02
29,988
29,976
29,982
0,012
30,038
29,984
30,011
0,054
29,972
29,964
29,968
0,008
29,974
30,014
29,994
0,04
29,934
29,997
29,9655
0,063
30,007
29,98
29,9935
0,027
30,01
29,992
30,001
0,018
30
29,975
29,9875
0,025
29,991
29,982
29,9865
0,009
30,014
30
30,007
0,014
29,984
29,987
29,9855
0,003
29,998
30,036
30,017
0,038
29,979
29,97
29,9745
0,009
20,049
20,034
20,0415
0,015
29,986
29,99
29,988
0,004
20,021
20,017
20,019
0,004
29,999
30,013
30,006
0,014
20,065
20,064
20,0645
0,001
29,983
29,992
29,9875
0,009
20,059
20,054
20,0565
0,005
20,042
20,012
20,027
0,03
20,074
20,082
20,078
0,008
20,048
20,012
20,03
0,036
20,051
20,068
20,0595
0,017
20,061
20,053
20,057
0,008
20,073
20,075
20,074
0,002
20,074
20,044
20,059
0,03
20,004
20,021
20,0125
0,017
20,037
20,043
20,04
0,006
20,028
20,052
20,04
0,024
20,38
20,042
20,211
0,338
20,017
20,02
20,0185
0,003
20,007
20,058
20,0325
0,051
Sida 2(4)
Bilaga K
20,016
20,001
20,0085
0,015
20,025
20,034
20,0295
0,009
20,033
20,012
20,0225
0,021
20,013
20,038
20,0255
0,025
20,003
20,01
20,0065
0,007
20,019
20,038
20,0285
0,019
20,007
19,985
19,996
0,022
19,979
19,97
19,9745
0,009
19,975
19,938
19,9565
0,037
19,979
19,992
19,9855
0,013
20,006
20,006
20,006
0
20,006
19,987
19,9965
0,019
20,001
19,994
19,9975
0,007
19,995
20,007
20,001
0,012
19,978
20,002
19,99
0,024
20,038
19,983
20,0105
0,055
19,939
19,959
19,949
0,02
19,981
19,984
19,9825
0,003
20,017
20,018
20,0175
0,001
19,982
20,017
19,9995
0,035
19,956
19,988
19,972
0,032
19,999
19,986
19,9925
0,013
10,017
10,045
10,031
0,028
19,983
19,981
19,982
0,002
10,04
10,067
10,0535
0,027
19,992
20,008
20
0,016
10,03
10,064
10,047
0,034
20,014
20,005
20,0095
0,009
10,051
10,06
10,0555
0,009
19,985
20,01
19,9975
0,025
10,077
10,048
10,0625
0,029
10,054
10,071
10,0625
0,017
10,072
10,036
10,054
0,036
10,037
10,046
10,0415
0,009
10,073
10,048
10,0605
0,025
10,041
10,054
10,0475
0,013
10,032
10,07
10,051
0,038
10,015
10,083
10,049
0,068
10,022
10,048
10,035
0,026
10,03
10,071
10,0505
0,041
10,019
10,047
10,033
0,028
10,045
10,048
10,0465
0,003
10,02
9,996
10,008
0,024
10,029
10,067
10,048
0,038
10,024
10,024
10,024
0
10,071
10,058
10,0645
0,013
9,972
10,01
9,991
0,038
10,041
10,047
10,044
0,006
10,016
9,971
9,9935
0,045
10,07
10,087
10,0785
0,017
9,985
10,001
9,993
0,016
9,979
9,989
9,984
0,01
10,011
9,931
9,971
0,08
9,989
9,998
9,9935
0,009
9,963
9,989
9,976
0,026
10,021
9,994
10,0075
0,027
10,009
9,979
9,994
0,03
9,987
10
9,9935
0,013
9,988
10,017
10,0025
0,029
10,063
10,001
10,032
0,062
10,017
9,989
10,003
0,028
9,996
9,98
9,988
0,016
9,719
10,011
9,865
0,292
10,006
10,009
10,0075
0,003
10
9,99
9,995
0,01
9,994
10,005
9,9995
0,011
10,001
10,009
10,005
0,008
10,021
9,981
10,001
0,04
� 𝟏 = 𝟓𝟏, 𝟗𝟕𝟔𝟑𝟖𝟓𝟕𝟏
𝑿
� 𝟏 = 𝟎, 𝟎𝟓𝟓𝟏𝟓𝟐𝟑𝟖𝟏
𝑹
10,004
9,987
� 𝟐 = 𝟓𝟏, 𝟗𝟗𝟑𝟗
𝑿
9,9955
0,017
� 𝟐 = 𝟎, 𝟎𝟐𝟐𝟐𝟑𝟔𝟑𝟔𝟒
𝑹
Till denna analys undersöktes alla mått då allt klumpades ihop för respektive operatör.
Detta innebär att man inte ser någon skillnad på maskinerna, men från analyser av
dugligheten så ges det indikationer att operatörerna får liknande resultat i båda maskinerna, så detta innebär att det går att räkna på detta vis.
Sida 3(4)
Bilaga K
I ekvation K.1 presenteras en formel för den totala variansen och i detta fall ligger
intresset i att undersöka gauge. I detta fall så blir allt tvärt om gauge står för processen
och P står för mätfelet. Mätfelet har undersöktes i measure-fasen, både för skjutmått
samt mätmaskinen.
2
2
2)
2
𝜎𝑇2 = 𝜎𝑃2 + 𝜎𝑔𝑎𝑢𝑔𝑒
= (𝜎𝐼2 + 𝜎𝑀
+ (𝜎𝑟𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
+ 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
) (K.1)
Först analyserades repeterbarheten, i detta fall maskinens förmåga att producera två
likadana artiklar. I ekvation K.2 ges ett resultat på ca 0,015 i standardavvikelse. Detta
innebär att maskinen skiftar omkring ± 10 % från målvärdet. Detta uppfattas som
hanterbart då processen påvisat sig hålla sig inom toleranserna.
1 �
(𝑅1 +𝑅�2 )
𝜎𝑟𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡 = 2
𝑑2
1
=2
(0,055152381+0,022236364)
1,128
= 0,03430352
(K.2)
Nästa steg i processen är att undersöka reproducerbarheten, således operatörernas
förmåga att tillverka samma artiklar. I ekvation K.3 ges en standardavvikelsen 0,0096,
detta tolkas som mycket lågt och indikerar på att det är inte något stor skillnad mellan
operatörerna.
𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡 =
𝑅𝑋� 𝑋�𝑚𝑎𝑥 − 𝑋�𝑚𝑖𝑛 55,9939 − 51,97638571
=
=
= 0,01552685
𝑑2
𝑑2
1,128
(K.3)
I detta läge när både repeterbarheten samt reproducerbarheten är kalkylerade går
specificera måttet gauge. Detta utförs enligt ekvation K.4, se nedan.
2
2
𝜎𝑔𝑎𝑢𝑔𝑒 = �𝜎𝑟𝑒𝑝𝑒𝑡𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
+ 𝜎𝑟𝑒𝑝𝑟𝑜𝑑𝑢𝑐𝑒𝑟𝑏𝑎𝑟ℎ𝑒𝑡
= �(0,034303522 + 0,015526852 )
(K.4)
= 0,03765388
För att utvärdera huruvida en mätmetod är bra eller inte så använder Montgomery
(2013) ett P/T-tal. Detta står för precision to tolerance och beräknas enligt ekvation
K.5.
6𝜎𝑔𝑎𝑢𝑔𝑒
P
6 ∗ 0,03765388
=
=
≈ 0,46
T 𝑈𝑆𝐿 − 𝐿𝑆𝐿
0,2
(K.5)
Vid en analys av en mätmetod ska P/T-kvoten vara ≤ 10 % enligt Montgomery
(2013). I detta fall visar resultatet på hela 46 %, följdaktligen inte godkänt. Men det är
viktigt att komma ihåg att detta inte är en analys av en mätmetod utan en produktionsprocess. Det är självfallet att man inte vill att mätmetoden skall påverka resultatet
för mycket. Men i detta fall när produktionsprocessen studeras i form av maskin och
operatör bör det vara rimligt med en högre P/T-kvot.
Sida 4(4)
Bilaga L
1
2
2
2
5
2
2
3
1
5
3
3
5
5
5
4
4
5
5
5
5
2
3
3
2
6
4
4
3
4
7
5
3
5
8
2
2
1
4
9
2
2
2
5
10
4
4
4
4
11
3
4
4
5
Medel
3
3,36
3
4,45
Hur vet du vilka proHur vet du att ditt arbeduktspecifikationer samt tet blir rätt eller fel?:
processinställningar som
gäller för en viss körning?:
Kör inte laser- eller bock- Genom kontrol m.tolkar
maskiner
Rigginstruktioner
Ritningar, TO, riggkort/intruktioner
Erfarenhet
Enligt ritning
Enligt ritning
Ritning
Ingen aning
Enligt ritning
Enligt ritning
Frågor
-
Första & sista bits uppmätning
Vet ej
Egenkontroll
Erfarenhet, dokumentation
, ritningar
Ritning
Info från TL
Erfarenhet, dokumentation, ritningar
Sida 1(1)
Har du tillräcklig kunskap/kompetens/information
för att göre ett bra arbete?
Anser du att kvalitetsfrågor
är viktigt för plåtavdelningen?
Uppmanas du komma med
förbättringsförslag?:
Är du involverad i kvalitetsfrågor?:
Enkätresultat
Kvalitetsfrågor tas upp
dagligen?:
Respondent
Bilaga L
4
5
5
4
4
4
3
5
2
4
5
4
Hur blir du uppmanad
till att utveckla och förbättra ditt arbetsätt?:
Genom positiv feedback
från chefer (gäller min
ordinarie plats TP)
?
Genom att få mer ansvar
och frihet till att forma
arbetet
Ingen direkt uppmuntran
Jag är ny på plåtavdelningen
Inget
Inget
Självbevarelsedrift
Utvecklingssamtal
Bilaga M
Bilaga M
Guideline för duglighetsstudier
Guideline
Q-134 Guideline för
Sex Sigma projekt
Utgåva:
001
Sida:
117 (132)
Utfärdare:
Eric Jonsson
Datum:
2015-05-24
Datum:
2015-05-25
Fastställare: Pernilla Fahlström
Ansv.avd.
Kvalitet
Guideline Sex Sigma projekt
Syftet med denna guideline är att den skall fungera som stöd till Sex Sigma projekt vid
Fredriksons Verkstads AB. Guidelinen är utformad enligt DMAIC-faserna, varje fas
skall vara slutförd innan nästa fas får påbörjas. Inom varje fas finns det ett antal
frågor som skall besvaras, dessa är hämtade från Sörqvist & Höglund (2007) bok Sex
Sigma.
Define
1. Definiera problemet
2. Specificera besparingspotential om det ej går att kvantifiera så spekulera vilka
effekter som kan ges Monetärt, för Kund och för Medarbetare.
3. Specificera kundens behov/förväntningar på detalj/produkt
4. Beskriv processen (skapa förståelse för hur processen fungerar)
5. Beskriv roller och ansvarsområden i projektet
Measure
1. Bestäm vilken data som skall samlas in
2. Hur ska datat samlas in (vilka mätverktyg skall användas, hur många mätningar skall genomföras)?
Det finns två sätt att samla in data, antingen samla in individuella mätvärden
eller samla in provgrupper (se exempel nedan). Det är också viktigt att reflektera om datainsamlingen kommer ske med variabeldata eller attributdata.
Variabeldata: är mått i cm, mm, tid, kostnad osv sådant som går att kvantifiera
Attributdata: är variabler som defekt, godkänd/inte godkänd
Sida 1(5)
Bilaga M
Exempel 1: individuella mätvärden
Nedan beskrivs insamling av individuella mätvärden med en bild. Insamlingen
fungerar som så att en detalj/produkt väljs ut slumpmässigt varje vecka i detta
fall. Det kan även vara varje dag, varje timme. En rekommendation är att
samla in minst 15 mätvärden för att analysen skall bli så statistiskt rätt som
möjligt
Vecka 3
Vecka 4
Vecka 1
Vecka 2
Exempel 2: Provgrupper
När det gäller provgrupper som fungerar det så att 2-5 detaljer/produkter
samlas in varje vecka/dag/timme. En provgrupp med 5 detaljer/produkter
kommer ge ett säkrare resultat än med 2. Men här är det en fråga om resurser
och vad som är möjligt och rimligt att hinna med att mäta. Sedan skall mätningen bestå av minst 10-15 provgrupper.
Provgrupp 1
Vecka 1
Vecka 2
Sida 2(5)
Vecka 3
Vecka 4
Bilaga M
Analyze
1. Studera aktuell variation och bestäm dugligheten
Styrdiagram och dugligheten beräknas olika beroende på typ av datainsamling
samt datatyp. Nedan kommer en förklaring på respektive räknesätt. Sedan
finns ett Excel dokument för respektive uträkning sparat på ……
Analys av provgrupper samt variabeldata:
Styrdiagram beräknas som följande:
�����
𝑀𝑅
Ö𝑣𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑥̅ + 3
𝑑2
𝐶𝑒𝑛𝑡𝑟𝑎𝑙𝑙𝑖𝑛𝑗𝑒 = 𝑥̅
�����
𝑀𝑅
𝑈𝑛𝑑𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑥̅ − 3
𝑑2
Styrdiagram MR
�����
Ö𝑣𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝐷4 𝑀𝑅
𝐶𝑒𝑛𝑡𝑟𝑎𝑙𝑙𝑖𝑛𝑗𝑒 = �����
𝑀𝑅
�����
𝑈𝑛𝑑𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝐷3 𝑀𝑅
Vecka
1
Variabel (t.ex. mm)
7
Moving Range (MR)
-
2
2
|7-2|=5
3
5
|5-3|=3
4
6
|5-6|=1
…
…
…
Totalt
𝑥̅ = 5
�����
𝑀𝑅 = 2,25
Konstanterna d2, D4 och D3 hämtas ur tabell som finns i Excel dokumentet XXX.
Analys av provgrupper samt variabeldata:
Vecka
Provgrupp
1
Provgrupp
2
Provgrupp
3
Provgrupp
4
1
2
3
…
2,1
2,3
2
2,2
2
1,9
1,9
2,1
1,7
2,0
1,7
2,1
Styrdiagram X:
Styrdiagram R:
Provgrupp
5
1,8
2,1
2
𝑥̅
𝑅
2
2,04
1,94
𝑥̿
= 1,9333333
0,4
0,6
0,4
𝑅�
= 0,46666667
Ö𝑣𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑥̿ + 𝐴2 𝑅�
𝐶𝑒𝑛𝑡𝑟𝑎𝑙𝑙𝑖𝑛𝑗𝑒 = 𝑥̿
𝑈𝑛𝑑𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑥̿ − 𝐴2 𝑅�
Ö𝑣𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝐷4 𝑅�
𝐶𝑒𝑛𝑡𝑟𝑎𝑙𝑙𝑖𝑛𝑗𝑒 = 𝑅�
𝑈𝑛𝑑𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝐷3 𝑅�
Konstanterna A2, D4 och D3 hämtas ur tabell, se Excell dokumentet XXX
Sida 3(5)
Bilaga M
Bestäm duglighet
Dugligheten kan beräknas på flera sätt, men de två vanligaste är Cp samt Cpk. Det är att föredra
att beräkna Cpk då detta mått tar både hänsyn till processens spridning samt centrering, medan
Cp bara beaktar spridningen. I båda fallen skall måtten minst överträffa värdet 1,33. OBS
dugligheten går enbart beräkna för variabeldata.
xi: mätvärde
𝑥̅ : medelvärde av alla mätvärden
n: provgruppsstorlek
σ: Standardavvikelse
USL: Övre toleransgräns
LSL: Undre toleransgränsen
μ: väntevärde (målvärde)
𝐶𝑝𝑘
∑𝑛 ( 𝑥𝑖 − 𝑥̅ )
𝜎 = � 𝑖=1
𝑛−1
𝑈𝑆𝐿 − 𝐿𝑆𝐿
𝐶𝑝 =
6𝜎
𝑈𝑆𝐿 − 𝜇 𝜇 − 𝐿𝑆𝐿
= 𝑚𝑖𝑛 �
,
�
3𝜎
3𝜎
Analys av provgrupper med attributdata
Ett vanligt attribut som används är antalet defekta enheter. I detta exempel så undersöks
provgrupper med 200 detaljer/produkter där antalet defekter räknas. Vid attributdata går det
inte beräkna dugligheten i form av Cp eller Cpk. Istället måste en egen bedömning och målsättning specificeras på hur stor andel fel man kan tolerera.
Styrdiagram beräknas som följande:
𝑝̅ (1 − 𝑝̅)
𝑛
𝐶𝑒𝑛𝑡𝑟𝑎𝑙𝑙𝑖𝑛𝑗𝑒𝑛 = 𝑝̅
Ö𝑣𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑝̅ + �
𝑈𝑛𝑑𝑟𝑒 𝑠𝑡𝑦𝑟𝑔𝑟ä𝑛𝑠 = 𝑝̅ − �
𝑝̅ (1 − 𝑝̅)
𝑛
Vecka
1
Antal defekter
3
Andel defekta
(3/200) 0,015
2
2
(2/200) 0,010
3
4
(4/200) 0,020
4
1
(1/200) 0,005
…
…
…
Totalt
𝑝̅ = 0,0125
2. Ställ upp tänkbara orsaker till variationerna
3. Välj ut de orsaker som är mest troliga och testa om de stämmer
4. Samla in ytterligare data för att bestämma grundorsaken till problemet
Improve
1.
2.
3.
4.
5.
6.
Identifiera möjliga lösningar
Välj lösning
Testa lösningen
Planera genomförandet
Påverka attityder och hantera förändringsmotstånd
Verifiera resultat
Sida 4(5)
Bilaga M
Control
1.
2.
3.
4.
Standardisera arbetssättet
Utforma och planera styrningen
Slutlig uppföljning och verifiering
Slutrapportering och överlämnande
Sida 4(5)
Bilaga N
Bilaga N
•
•
•
•
•
Observationer
Hög kompetens, men dålig bredd. Få som kan allt..
Vore intressant att undersöka lasern under tid, blir sämre och sämre, sen blir
den bättre efter service.
In & utskärning
Hantering av plåt, förflyttning, lyft osv -> hög risk för repor
”Beredning – ingen som vet, vilken som ansvarar för kunden”
Reflektioner
•
•
Mäta på tusendelar tenderade att ge bättre data, alltså normalfördelat. Det blev
för små skillnader när man mätte på hundradelar
Hade man kunnat mäta på massor olika detaljer sen analyserat distansen mellan målvärdet och det faktiska värdet?
Sida 4(5)