Målinriktad SPS - en utredning i processtabilitet

• Main Authors: Larsson, Kerstin, Lundmarck, Josefina
• Format: Others
• Language: Swedish
• Published: Linköpings universitet, Institutionen för ekonomisk och industriell utveckling 2009
• Subjects: Statistisk processtyrning; försöksplanering; Mechanical engineering; Maskinteknik
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:liu:diva-17390

  Det statistiska kvalitetsverktyget Statistisk Processtyrning, SPS, introducerades på BT Products AB i Mjölby utifrån en specifik implementeringsprocess. Introduktionen utfördes i en målningsprocess och genom detta arbete kunde aktuell process utvärderas och orsaker bakom eventuell urskiljbar variation eftersökas. I gällande process målas gods till eldrivna truckar svarta genom elektrostatisk pulvermålning, där eftersträvad färgskikttjocklek är 70 µm. Målningen utförs automatiserat av fyra robotar och för att erhålla kunskap om processens uppförande studerades och analyserades utfallet statistiskt utifrån en bestämd kvalitetsindikator, färgskikttjockleken. Data samlades in utifrån denna indikator genom kontinuerlig mätning på utvalt objekt och med hjälp av en mätmall för att erhålla jämförbara observationer. Tillförlitligheten hos insamlad data analyserades och observationerna uppvisade en normalfördelning och slumpmässighet. En hög grad av autokorrelation sågs dock, varför transformation av data krävdes innan fortsatta studier kunde utföras. I och med denna transformation erhölls oberoende och därmed tillförlitliga residualer, vilka studerades i styrdiagram för att information om processens uppförande över tiden skulle erhållas. Observationerna är individuella och anges som variabeldata, varför stora skiftningar i processen studerades i x‑ och MR-diagram och små skiftningar i EWMA-diagram. Vid studie av dessa diagram kunde såväl alarm som trender identifieras och processen ansågs därmed vara instabil. Dessa företeelser antogs vara resultatet av urskiljbar variation, orsakad av kontrollerbara faktorer. I den efterföljande processutvärderingen kom därför arbetet att fokusera på identifikation av dessa faktorer. För denna identifikation sattes en fokusgrupp samman, vilka listade möjliga faktorer i ett Ishikawadiagram utifrån de sju M:en. Uppkomna faktorer testades utifrån främst tre olika metoder; tvåfaktorförsök, enfaktorförsök och loggning. Faktorförsöken genomfördes genom målning av testplåtar, där skillnad i färgskikttjocklek beroende på vald faktornivå studerades. Loggning av faktorer utfördes parallellt med produktion, varpå dessa värden ställdes mot registrerade värden på färgskikttjockleken i en ANOVA- eller korrelationsanalys. Utifrån resultatet av dessa tester delades undersökta faktorer in i Signifikanta, Delvis signifikanta, Eventuellt signifikanta och Ej signifikanta. De faktorer som ansågs vara signifikanta är Fluidisering och Pulverbatch, vilka kan vara bidragande orsaker bakom den urskiljbara variationen som identifierats. Fluidiseringen har periodvis varit undermålig i ett av de pulverkök som förser robotarna med pulver, något som kan förklara uppvisad låg korrelation mellan robotarna och den höga nivå av autokorrelation som skådats. Vid ett test med fyra olika säckar från två olika batcher sågs även en varierad batchhärkomst påverka resultatet, med en skillnad i färgskikttjocklek på mellan 10 och 20 µm på testplåten. De Delvis signifikanta faktorerna, så som injektorplugg, elektrod och munstycken, kan påverka utfallet vid en hög grad av förslitning och troligen fås störst inverkan i de fall då dessa samverkar. Genom att utföra rekommenderade åtgärder beträffande de signifikanta faktorerna, med avseende på att minska variationen, kan processen åter studeras och utredas. Beroende på utfall kan en stabil process förbättras och i annat fall söks nya källor till variation.   ===   The statistical quality tool Statistical Process Control (SPC) was introduced at BT Products AB in Mjölby following the process of SPC implementation. The current process is a powder coating process where parts for powered trucks are painted black. The electrostatic powder coating is performed by four automatized robots and the desired layer thickness is 70 µm. The process has been evaluated from a quality characteristic, specified as the layer thickness, and special causes behind variation were identified. Data has been collected continuously from the process by measuring objects in the production, using a self-developed measurement template to receive comparable data. Statistical tools have been used to evaluate whether the data were reliable or not. A normal probability plot confirmed that the observations were normally distributed and a scatter plot established randomness. Autocorrelation was detected and the data had to be transformed, why the independent and reliable residuals were used in the subsequent analysis. Control charts were used to study the process over time, where individual x- and MR-charts detected large shifts in the process, while EWMA-charts detected small shifts. Alarms, trends and abnormal patterns were identified in these control charts, which led to the conclusion that the process could be considered out of control. The special causes behind this variation were assumed to stem from controllable factors and the work was therefore focused on identifying these special causes. Factors were listed in an Ishikawadiagram by a focus group and tested using mainly three different methods. Design of experiments was used to test a two factorial design, and single factors were tested by one-factor-tests. A sheet metal was painted in both test methods and the difference in layer thickness, dependent on chosen level of the factor, was studied. Other factors were logged parallel to the production. Additional observations were compared to the registered layer thickness on parts and the relation analysed using ANOVA- or correlation analyses. Examined factors from these tests were divided and categorized into Significant, Partially significant, Possibly significant and Not significant. Fluidisation and powder batch were identified as significant factors and thereby possible causes behind the identified variation. The fluidisation in one of the powder containers has at times been misbegotten, something that can explain the high level of autocorrelation and the low level of correlation between the robots. When testing the batches, four sacks from two different batches were used and a large difference in layer thickness was observed depending on powder origin. A high degree of wear of the partially significant factors, as injector nozzle, electrode and gun nozzle, could affect the result, but they likely have the largest impact when collaborating. By performing recommended actions, in an attempt to reduce the variation on the basis of the significant factors, the process once again can be studied and evaluated. Depending on the result, a stable process can be improved, alternatively, new sources behind variation identified.