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)
© Copyright 2024