Produksjon av medisinske elektrodeputer involverer mange kontrollerte prosesser.

Materialer konverteres, lag settes sammen, hydrogel kan påføres, komponenter kuttes og kobles sammen, og ferdige produkter inspiseres før frigjøring.

Men inspeksjon forteller bare produsenter hva som skjedde med produktet på et bestemt tidspunkt.

For en mer proaktiv tilnærming kan produsenter også overvåkehvordan selve produksjonsprosessen oppfører seg.

Det er her Statistical Process Control, ofte kjent somSPC, kan spille en viktig rolle.

I stedet for å vente på at et ferdig produkt skal falle utenfor en spesifikasjon, bruker SPC produksjonsdata for å identifisere endringer, trender og uvanlige variasjoner mens en prosess kjører.

For produksjon av medisinske elektrodeputer kan dette gi enda et lag med prosesssynlighet.

Statistisk prosesskontroll bruker målinger samlet inn under produksjon for å forstå hvordan en prosess oppfører seg.

I stedet for å se på individuelle målinger isolert, kan produsenter undersøke data over tid.

Tenk deg for eksempel en produksjonsprosess der en målbar egenskap registreres med jevne mellomrom.

En enkelt måling kan virke normal.

Men hvis flere påfølgende målinger gradvis beveger seg i én retning, kan det mønsteret gi nyttig informasjon om prosessen.

SPC hjelper produsenter med å skille mellom:

• Forventet prosessvariasjon
• Uvanlig variasjon
• Trender
• Skifter
• Potensiell prosessustabilitet

Målet er ikke bare å samle flere tall.

Det er ågjøre produksjonsdata til nyttig informasjon om prosessatferd.

Medisinske elektrodeputer inneholder flere produksjonstrinn, og hver prosess kan introdusere variasjon.

Avhengig av produktet og prosessen, kan produsenter overvåke egenskaper knyttet til:

• Dimensjoner
• Materialplassering
• Lagjustering
• Kutteytelse
• Påføring av hydrogel
• Tilkobling eller montering
• Andre målbare prosessegenskaper

De spesifikke parametrene som overvåkes bør bestemmes av produktdesignet og produksjonsprosessen.

Det viktige prinsippet er detikke alle målbare parametere trenger å bli en SPC-parameter.

God prosessovervåking fokuserer oppmerksomheten på egenskaper som er meningsfulle for produktytelse eller prosessstabilitet.

En av de største forskjellene mellom tradisjonell inspeksjon og SPC er måten data tolkes på.

Tenk på to forenklede produksjonsscenarier.

Scenario A

Målingene holder seg relativt stabile rundt forventet prosesssenter.

Scenario B

Målinger forblir innenfor spesifikasjonen, men beveger seg gradvis i én retning over tid.

Hvis kun spesifikasjonsgrensene vurderes, kan begge situasjonene fremstå som akseptable.

Men fra et prosesskontrollperspektiv fortjener scenario B oppmerksomhet.

En prosess kan vise tegn til endringfør et produkt faktisk blir avvikende.

Dette er en av grunnene til at SPC kan være nyttig.

Det hjelper produsenter med å se utover:

"Er dette produktet akseptabelt?"

og spør også:

"Oppfører prosessen seg som forventet?"

Før du bruker SPC effektivt, må produsentene forstå hvor variasjonen kan komme fra.

Produksjonsvariasjon kan påvirkes av mange faktorer, inkludert:

Materialer

Ulike materialpartier kan ha målbare forskjeller innenfor sine aksepterte krav.

Utstyr

Maskininnstillinger, mekanisk tilstand eller driftsforhold kan påvirke prosesseffekten.

Verktøy

Verktøyets tilstand og justering kan påvirke konverterings- eller skjæreprosesser.

Miljø

Visse produksjonsprosesser kan være følsomme for miljøforhold.

Menneskelige faktorer

Oppsettsprosedyrer, omstillinger og manuelle operasjoner kan introdusere variasjon.

Prosessinnstillinger

Endringer i driftsparametere kan påvirke det resulterende produktet eller mellommaterialet.

Noen ganger oppsummeres dette ved å bruke konseptet5M1E rammeverk:

• Mann
• Maskin
• Materiale
• Metode
• Mål
• Miljø

Hensikten er ikke å anta at hver variasjon har samme årsak.

Det er å gi en strukturert måte å undersøke hvor prosessendringer kan oppstå.

Et praktisk SPC-system kan sees på som en kontinuerlig syklus:

Mål → Registrer → Analyser → Undersøk → Forbedre → Overvåk på nytt

Trinn 1: Mål

En relevant egenskap måles etter en etablert metode.

Trinn 2: Ta opp

Resultatet registreres sammen med passende produksjonsinformasjon.

Trinn 3: Analyser

Dataene gjennomgås for mønstre, variasjoner, forskyvninger eller andre signaler.

Trinn 4: Undersøk

Hvis et uvanlig mønster blir identifisert, undersøker produksjonsteamet potensielle årsaker.

Trinn 5: Forbedre

Der det er hensiktsmessig, iverksettes korrigerende eller forebyggende tiltak.

Trinn 6: Overvåk igjen

Prosessen fortsetter å overvåkes for å avgjøre om endringen ga det tiltenkte resultatet.

Dette gjør SPC til en kontinuerlig prosess i stedet for en-engangs kvalitetsaktivitet.

Dette skillet er viktig når man diskuterer SPC.

Spesifikasjonsgrenserbeskrive hva produktet eller prosessen skal oppfylle i henhold til definerte krav.

Kontrollgrenserer statistiske grenser som brukes til å forstå den naturlige oppførselen til en prosess basert på innsamlede data.

De svarer på forskjellige spørsmål.

Spesifikasjonsgrenser spør:

Oppfyller resultatet det definerte kravet?

Kontrollgrenser hjelper deg å spørre:

Oppfører prosessen seg i samsvar med det etablerte mønsteret?

En prosess kan derfor forbli innenfor spesifikasjonen mens den viser et uvanlig statistisk signal.

Omvendt kan en prosess ha relativt stabil oppførsel, men fortsatt være sentrert på et uegnet sted i forhold til spesifikasjonen.

Dette er grunnen til at SPC ikke bør behandles som bare en annen måte å tegne spesifikasjonsgrenser på et diagram.

Et kontrolldiagram er et av de vanlige verktøyene som brukes i SPC.

Den viser typisk målinger i kronologisk rekkefølge sammen med et prosesssenter og statistisk utledede kontrollgrenser.

Diagrammet lar produksjonsteam se hvordan prosessen oppfører seg over tid.

I stedet for å gå gjennom hundrevis av tall i et regneark, kan ingeniører lettere identifisere:

• Plutselige skift
• Gradvise trender
• Uvanlig variasjon
• Klynger
• Potensielle uteliggere
• Endringer etter en prosessjustering

Den eksakte kontrolldiagrammet- avhenger av typen data som overvåkes og hvordan målingene samles inn.

Derfor bør et SPC-system utformes rundt prosessen i stedet for å bruke ett diagramformat på hver produksjonskarakteristikk.

Se for deg en produksjonsprosess hvor en viktig måling historisk sett har holdt seg relativt stabil.

Over tid begynner målingene å bevege seg gradvis.

Ingen individuelle målinger har ennå overskredet spesifikasjonen.

Uten trendovervåking kan prosessen fortsette uendret.

Med passende SPC-overvåking kan trenden utløse en undersøkelse.

Teamet kan da spørre:

• Var det en materiell endring?
• Ble utstyret justert?
• Ble verktøy byttet?
• Endret en oppsettstilstand?
• Var det en vedlikeholdshendelse?
• Endret miljøforholdene seg?
• Var det et problem med-målesystemet?

Hensikten med undersøkelsen er ikke å anta at SPC har identifisert årsaken.

Ganske,SPC gir et tidlig signal om at prosessen kan fortjene oppmerksomhet.

SPC avhenger av data.

Det betyr at selve måleprosessen må være pålitelig.

Hvis et målesystem introduserer overdreven variasjon, kan det hende at de resulterende SPC-dataene ikke representerer produksjonsprosessen nøyaktig.

Av denne grunn kan produsenter måtte vurdere:

• Måleutstyr
• Målemetoder
• Kalibrering
• Operatørens prosedyrer
• Repeterbarhet av målinger
• Målingsreproduserbarhet
• Prøvetakingsmetoder

Dette fører til et viktig prinsipp:

Bedre diagrammer kan ikke kompensere for upålitelige målinger.

Før de tolker en prosesstrend, må produsentene ha tillit til at dataene representerer egenskapen som overvåkes.

Det kan være fristende å samle så mye produksjonsdata som mulig.

Men mer data betyr ikke automatisk bedre prosesskontroll.

Hvis hver måling blir en overvåket parameter, kan systemet bli unødvendig komplisert.

Et nyttig SPC-program bør fokusere på egenskaper som er meningsfulle.

Utvalget kan vurdere:

• Produktkrav
• Prosessrisiko
• Historisk variasjon
• Kundens krav
• Produksjonserfaring
• Forholdet til produktets ytelse
• Evne til å måle karakteristikken pålitelig

Dette skaper et mer praktisk system.

Målet er ikke:

"Samle alt."

Det er:

"Overvåk hva som betyr noe."

SPC skal ikke fungere som et isolert kvalitetssystem.

Den kan fungere sammen med andre produksjonskontroller.

For eksempel:

Inspeksjon av innkommende materiell

Bidrar til å verifisere at materialer oppfyller definerte krav før produksjon.

Under-prosessen inspeksjon

Sjekker relevante egenskaper under produksjon.

SPC

Overvåker prosessatferd og variasjon over tid.

Endelig inspeksjon

Bekrefter ferdige-produktkrav før utgivelse.

Prosessvalidering

Gir dokumentert bevis på at en definert prosess konsekvent kan oppnå det tiltenkte resultatet under etablerte forhold.

Disse aktivitetene svarer på ulike spørsmål.

Sammen gir de et mer komplett bilde av produksjonskontroll.

SPC er også nyttig utover bare å identifisere unormale forhold.

Langsiktige-produksjonsdata kan hjelpe produsenter med å forstå hvordan en prosess oppfører seg på tvers av:

• Ulike produksjonsperioder
• Ulike materialpartier
• Utstyrsvedlikeholdssykluser
• Verktøyendringer
• Prosessforbedringer
• Produktkonfigurasjoner

Dette historiske perspektivet kan støtte kontinuerlig forbedring.

For eksempel, etter at en prosessforbedring er implementert, kan produksjonsdata gjennomgås for å finne ut om variasjonen faktisk avtok eller om den observerte forbedringen bare var midlertidig.

Dette skaper en tilbakemeldingssløyfe:

Produksjon → Data → Analyse → Forbedring → Produksjon

Over tid kan dette hjelpe produksjonsteam med å bygge dypere kunnskap om prosessene deres.

For en produsent av medisinske elektrodeputer handler ikke SPC om å gjøre produksjon unødvendig statistisk.

Det handler om å synliggjøre prosessatferd.

En produksjonslinje kan se stabil ut fra utsiden.

Men data kan avsløre endringer som er vanskelige å se visuelt.

Dette er spesielt verdifullt for produkter som produseres gjentatte ganger over lange produksjonsperioder.

Jo mer produksjonshistorie en produsent akkumulerer, jo flere muligheter er det til å forstå:

• Normal prosessvariasjon
• Tilbakevendende mønstre
• Prosessskifter
• Utstyrsrelaterte-endringer
• Verktøyrelaterte-trender
• Effekter av prosessforbedringer

Den kunnskapen blir en del av produsentens prosesskompetanse.