Tháng Một 18

Sử dụng độ phân giải danh mục để đánh giá kết quả Gage R&R

SIX SIGMA TOOLS & TEMPLATES

0  comments

Mặc dù nghiên cứu đo độ tái tạo và độ lặp lại (GR&R) là một công cụ quan trọng trong bộ công cụ DMAIC (Xác định, Đo lường, Phân tích, Cải thiện, Kiểm soát) của Six Sigma, nhưng nó không phải là công cụ hấp dẫn nhất; những sai lầm trong quá trình thực hiện nó là phổ biến ở những người mới thực hành Six Sigma. Tiêu chuẩn để đánh giá xem một thiết bị đo có được chấp nhận hay không có thể khác nhau đáng kể giữa các tổ chức, nhưng hầu hết tập trung vào một trong những điều sau:

  • Số lượng tối thiểu các danh mục riêng biệt
  • Tỷ lệ phần trăm tối đa của biến thể R&R vào biến thể nghiên cứu tổng thể

Tuy nhiên, việc sử dụng thước đo thứ ba – độ phân giải danh mục của máy đo – có thể giúp đảm bảo đánh giá đúng về máy đo và cung cấp một cách trực quan hơn để thông báo kết quả đo cho các đồng nghiệp không quen thuộc với Six Sigma.

Lựa chọn bộ phận thích hợp

Để dựa vào số lượng các danh mục riêng biệt hoặc phần trăm đóng góp R&R yêu cầu lựa chọn bộ phận thích hợp cho nghiên cứu – dựa trên cửa sổ dung sai. Việc lựa chọn một nhóm các bộ phận quá đa dạng sẽ làm cho thiết bị đo có vẻ tốt hơn so với thực tế, trong khi việc lựa chọn một nhóm các bộ phận quá giống nhau có thể khiến một thiết bị đo tốt bị đánh giá là không đủ. Để chứng minh những điều này, hãy xem xét hai nghiên cứu giả định về R&R được thực hiện bởi hai học viên Six Sigma mới về các quy trình riêng biệt cho Công ty Liberty Weights hư cấu.

Câu chuyện về hai cơ sở

Liberty Weights sản xuất tạ tập với nhiều mục tiêu khác nhau. Các quy định gần đây yêu cầu khối lượng thực của quả cân phải trong vòng 1 lb so với khối lượng được quảng cáo. Để đảm bảo Liberty có thể đo lường đầy đủ các trọng lượng được sản xuất và đảm bảo tuân thủ, các nghiên cứu của gage R&R được thực hiện tại hai cơ sở sản xuất của họ – cơ sở AoC ban đầu và cơ sở CoUS mới được thiết kế với thiết bị và quy trình cải tiến. Đối với mục đích của nghiên cứu điển hình này, dữ liệu phân phối thông thường được tạo bằng cách sử dụng độ lệch chuẩn bên dưới.

Bảng 1: Độ lệch tiêu chuẩn được sử dụng
Cơ sở StDev của Sai lệch đo lường nhà điều hành StDev của lỗi đo lường thiết bị
AoC 0,25 lbs. 1,00 lbs.
CoUS 0,10 lbs. 0,10 lbs.

Ngoài ra, cho mục đích của ví dụ này, thiết bị CoUS được giả định là có thiết bị đo lường vượt trội hơn thiết bị của cơ sở AoC cũ hơn, với độ tái lập và sai số lặp lại thấp hơn đáng kể. Bộ phận Six Sigma của Liberty yêu cầu một hệ thống đo lường phải có ít nhất bảy danh mục riêng biệt và phần trăm đóng góp R&R dưới 10 phần trăm.

Nghiên cứu về Gage R&R của AoC

Tại AoC, Đai đen lao vào nghiên cứu của mình. Anh ta chọn tám bộ phận từ kho, lấy hai mẫu mỗi chiếc có trọng lượng 30, 40, 50 và 70 lb. Liberty Weight. Anh ta có mỗi trọng số này được đo hai lần bởi ba toán tử, theo thứ tự ngẫu nhiên. Khi tiến hành phân tích, anh ấy rất vui khi thấy nghiên cứu của mình cho thấy mức độ chấp nhận được rõ ràng theo tiêu chuẩn của Liberty – với 20 hạng mục riêng biệt và tỷ lệ đóng góp R&R chỉ là 6,83%!

Hình 1: Gage R&R (Phân tích phương sai [ANOVA]) cho Trọng lượng tại AoC

Hình 1: Gage R&R (Phân tích phương sai [ANOVA]) cho Trọng lượng tại AoC

Bảng 2: Kết quả Gage R&R của AoC
Nguồn StdDev (SD) Nghiên cứu Var (6 x SD) % Nghiên cứu Var (% SD)
Tổng Gage R&R 1,0936 6,5616 6,83
Độ lặp lại 1,0413 6.2478 6,50
Khả năng tái lập 0,3341 2.0049 2,09
Nhà điều hành 0,3341 2.0049 2,09
Bán phần 15,9826 95.8957 99,77
Tổng biến động 16.0200 96.1199 100,00
Số danh mục riêng biệt = 20

Vấn đề của AoC

Thật không may, việc xem xét kỹ hơn dữ liệu cho thấy một câu chuyện kém thuận lợi hơn. Black Belt đã rơi vào một cái bẫy phổ biến – muốn đánh giá sức mạnh trên toàn bộ bối cảnh của dòng sản phẩm. Ở đây, các phần được chọn bao gồm phạm vi quá lớn. Thay vì trả lời câu hỏi, “Tôi có thể phân biệt giữa các bộ phận xấu và bộ phận tốt không?” Thay vào đó, Black Belt đã trả lời câu hỏi, “Tôi có thể phân biệt giữa các sản phẩm khác nhau của chúng tôi không?” Trừ khi công việc của anh ta được kiểm tra cẩn thận, nếu không sẽ có sự tin tưởng không chính đáng đối với gage của AoC.

Việc xem xét một số liệu bổ sung có thể cung cấp cho Đai đen manh mối về lỗi của anh ta – cách giải quyết các danh mục riêng biệt đó. Bằng cách xác định phạm vi của các bộ phận được kiểm tra (trong trường hợp này, trọng lượng thực tế của các bộ phận nằm trong khoảng từ 29,29 lbs. Đến 70,42 lbs., Cho phạm vi 41,13 lbs.) Và chia cho 20 loại riêng biệt, độ phân giải loại 2,06 lbs. . có thể được tính toán.

Nghĩa là, không cần thực hiện các phép đo lặp lại, thiết bị đo có thể phân biệt một cách đáng tin cậy giữa các bộ phận chỉ khi trọng lượng chênh lệch hơn 2,06 lbs. Đây rõ ràng là một vấn đề – cố gắng sử dụng thiết bị đo này để đánh giá xem trọng lượng có nằm trong khoảng 1 lb. so với mục tiêu hay không sẽ dẫn đến việc nhiều sản phẩm tốt bị phân loại sai thành lỗi. Tương tự, các sản phẩm xấu thường có thể được xem xét trong đặc điểm kỹ thuật.

Nghiên cứu về Gage R&R của CoUS

Riêng biệt, Đai đen thứ hai bắt đầu một cuộc R&R gage tại cơ sở CoUS. Nhận thức được sự nguy hiểm của việc chọn chênh lệch quá rộng, cô ấy chọn ngẫu nhiên tất cả tám phần từ hàng tồn kho có trọng lượng 50 lb. Ngoài lựa chọn bộ phận, gage R&R được chạy bằng phương pháp tương tự như trong ví dụ đầu tiên, với trọng số được đo hai lần bởi ba toán tử, theo thứ tự ngẫu nhiên. Lần này, kết quả của Gage R&R kém xa so với tiêu chuẩn của Liberty, chỉ có hai hạng mục riêng biệt và mức đóng góp của Gage R&R là 56,63%.

Hình 2: Báo cáo Gage R&R (ANOVA) cho Cân nặng tại CoUS

Hình 2: Báo cáo Gage R&R (ANOVA) cho Cân nặng tại CoUS

Bảng 3: Kết quả Gage R&R của CoUS
Nguồn StdDev (SD) Nghiên cứu Var (6 x SD) % Nghiên cứu Var (% SD)
Tổng Gage R&R 0,098587 0,59152 56,63
Độ lặp lại 0,096988 0,58193 55,71
Khả năng tái lập 0,017685 0,10611 10.16
Nhà điều hành 0,017685 0,10611 10.16
Bán phần 0,143482 0,86089 82.42
Tổng biến động 0,174088 1,04453 100,00
Số danh mục riêng biệt = 2

Vấn đề của CoUS

Thoạt nhìn, gage AoC có vẻ tốt hơn nhiều so với thực tế vì lựa chọn phần quá rộng. Bây giờ thiết bị đo CoUS có vẻ tệ hơn nhiều so với thực tế, vì lựa chọn bộ phận quá hẹp. Phạm vi của các bộ phận thực tế ra khỏi dây chuyền sản xuất CoUS nhỏ hơn cửa sổ dung sai mà thiết bị đo lường cần đánh giá.

Ở đây, việc xem xét giải pháp danh mục có thể giúp khắc phục sự cố này. Trong nghiên cứu CoUS, phạm vi của các bộ phận chỉ là 0,42 lbs. (trọng lượng tối đa 50,25 lbs. và trọng lượng tối thiểu 49,83 lbs.). Mặc dù chỉ có hai danh mục riêng biệt, phạm vi nhỏ hơn cho độ phân giải danh mục là 0,21 lbs.

Trên thực tế, thiết bị đo CoUS có khả năng hơn nhiều so với thiết bị đo AoC.

Phần kết luận

Cả hai nghiên cứu đều đưa ra kết luận không chính xác xuất phát từ việc lựa chọn bộ phận không phù hợp – những lỗi thường xảy ra trong thực tế. Chọn phạm vi các bộ phận thích hợp thường là một quá trình không trực quan đối với những người thực hành Six Sigma, những người đã quen với việc ghi nhớ toàn bộ quy trình và nếu các giới hạn đặc điểm kỹ thuật thực tế không tồn tại, thì cửa sổ dung sai dễ sử dụng cũng không. Việc sử dụng độ phân giải danh mục để xác định “so với” của đồng hồ đo lường cung cấp một số liệu mạnh mẽ hơn cho các lỗi trong lựa chọn bộ phận. Mở rộng phạm vi các bộ phận sẽ mở rộng số lượng danh mục riêng biệt, nhưng độ phân giải danh mục vẫn giữ nguyên.

Cuối cùng, việc sử dụng phân giải danh mục cũng hỗ trợ truyền đạt khả năng của thiết bị đo cho những người ít hiểu biết hơn về thống kê. Trong khi giải thích “R&R gage đóng góp vào 13% biến thể nghiên cứu” sẽ tạo ra những cái nhìn trống rỗng, “Thiết bị này chính xác trong vòng một phần năm pound” dễ hiểu hơn đối với những người mới bắt đầu. Đưa các kết quả vào một thước đo thực tế hơn sẽ giúp đảm bảo hệ thống đo lường của bạn được đánh giá một cách thích hợp.

Nguồn: www.isixsigma.com

Chủ đề liên quan:

Dr. William Edwards Deming, cha đẻ hệ thống lý thuyết về kiểm soát chất lượng bằng phương pháp thống kê

QMS là gì? ISO 9001 và các hệ thống quản lý chất lượng

Ba cách đơn giản để chuỗi cung ứng có thể góp phần tạo ra các chiến lược sản phẩm có tác động và tăng trưởng kinh doanh bền vững

{"email":"Email address invalid","url":"Website address invalid","required":"Required field missing"}
>