Viktiga slutsatser
- RCA handlar om att hitta rätt orsak av ett problem, utan det är korrigerande åtgärder riktningslösa och fel sannolikt att återkomma.
- Korrelation är inte kausalitet, det vanligaste misstaget i RCA är att nonchalant koppla samman två korrelerade faktorer utan att validera ett verkligt orsak-verkan-samband.
- Viktiga uppgifter saknas ofta eller är ofullständiga, vilket gör det viktigt att bygga kausal förståelse från tillgängliga bevis med hjälp av strukturerade tekniker som väganalys, varför-varför-analys och processkartläggning.
- Flera bakomliggande orsaker kan bidra till ett enda problem, och den identifierade grundorsaken kan variera beroende på vem som undersöker, operatören, verktygstillverkaren eller ledningen, vilket gör RCA:s avsikt och omfattning avgörande.
- RCA är en begränsad process begränsad av kostnad, tid och risk för felaktiga beslut, vilket kräver disciplinerat resonemang och motståndskraft mot antaganden eller förhastade slutsatser.
- Permanenta korrigerande åtgärder kräver verifiering, måste resultaten valideras genom testning, dokumenteras med konfidensnivåer och stödjas av interimistiska inneslutningsåtgärder innan utredningen avslutas.
Skenet kan bedra. Särskilt när ett misslyckande kan vara resultatet av flera faktorer som verkar antingen isolerat eller i kombination. Det är just därför rotorsaksanalys, eller RCA, använder en nyanserad och noggrann metod för att komma till botten med saker och ting.
Rotorsaksanalys är sällan en färdighet som nämns i en arbetsbeskrivning. Men för att vara rättvis genomför varje chef rutinmässigt en RCA för att kunna fatta välgrundade beslut. Varje affär kräver bakgrundsforskning i likhet med RCA. Att läsa fallstudier och metoder för RCA är bara så bra som teoretisk vägledning för faktisk tillämpning. RCA handlar till stor del om goda observationer, god förståelse för statistikens grunder och en orubblig förmåga att hålla sig till det man vet utan att göra antaganden eller dra förhastade slutsatser.
RCA:er är ofta tråkiga eftersom det finns en enorm lista med möjligheter och flera rader av till synes rationella förklaringar som leder till samma problem. De flesta av de rimliga förklaringarna är antingen ogiltigförklarbara eller en återvändsgränd för experiment på grund av orimliga tillvägagångssätt eller högre kostnader.
RCA liknar ofta ett projekt med begränsningar vad gäller kostnad, tid och risk för felaktiga beslut. RCA förväntas vanligtvis korrigera en underliggande orsak, som bara kan upptäckas med tiden. Ibland är RCA kopplade till fördelning av påföljder och kan vara mycket svåra att reda ut, dvs. korrelera orsak och verkan utan att förväxla det ena med det andra.
I den här artikeln vill jag dela med mig av några nyanser kring RCA, en isbrytare, till bloggläsarna. Baserat på feedbacken och responsen på den här artikeln kan vi dela med oss av efterföljande innehåll som djupdyker i den exakta processen bakom RCA, den kreativa processen såväl som den iterativa och definierade.
Varför rotorsaksanalys (RCA) är viktig inom tillverkning
Att lösa ett problem kräver att man hittar dess rätta orsak. Annars är korrigerande åtgärder meningslösa och meningslösa. Att peka felsökarna i rätt riktning är RCA.
De viktigaste komponenterna i en RCA är:
- Omedelbara resultat och interimistiska inneslutningsåtgärder – utvärdering av ICA;
- Alla möjliga och faktiska fynd som bidrar till misslyckandet – bedömning och resonemang för alla faktorer;
- Verifiering av grundorsak;
- Permanenta korrigerande åtgärder; och
- Anteckningar om utförda tester och valideringar, konfidensnivå och procentuellt bidrag från faktorer till misslyckandet.
Efficient Innovations har arbetat med ett flertal RCA-projekt för våra uppskattade kunder inom plastformar, gjutprocesser, maskiner, förpackningsautomation och fyllningslinjer.
Vanliga misstag i RCA: Undvika tillfällig korrelationsbias
Människor tenderar att tänka på vissa sätt som kan leda till systematiska avvikelser från rationellt bedömningsfattande. Den vanligaste och mest ökända av alla bias är den tillfälliga korrelationsbiasen.
Varje statistisk data kan analyseras för korrelation – om det finns en regression i den datan är det en vanlig mänsklig tendens att korrelera faktorerna nonchalant. Även om regression kan förklaras har den inte nödvändigtvis en orsak. Detta är den främsta faktorn som jag har funnit vara av monumental betydelse för att korrigera ett systems förhållanden eller för att dra en statistisk slutsats.
Vi på EIPL har under det senaste året genomfört många RCA- och databaserade analyser, vilka alla kulminerat i att korrigera ett vanligt misstag – en tillfällig korrelation av de beroende och oberoende faktorer som är involverade i analysen; där en korrekt identifierad regression misstagits för en orsak.
Fallexempel: RCA i formsprutnings- och förpackningslinjer
Låt mig förklara med ett exempel från formsprutningsindustrin. Varje gång en komponent går sönder på monteringslinjen eller förpackningslinjen kontrollerar vi om det finns extremvärden i komponentmätningsresultaten och funktionstestresultaten.
För övrigt kan högre läckage på förpackningslinjen förekomma samtidigt som ökade fall av krafter vid borttagning av lägre lock i laboratoriet. Även om de två faktorerna verkar perfekt korrelerade och logiskt överensstämmande, kan de inte vara orsakssamband.
För att regressionen ska vara en orsak och verkan-analys måste de vara tillräckligt separata för att kunna testas isolerat, eller så får de inte bryta mot de falskt negativa testen.
Viktiga utmaningar vid genomförande av RCA
Saknad information och databegränsningar
Eftersom det är omöjligt att ha all data och underhålla/övervaka den under lång tid, kan de viktigaste uppgifterna som krävs för RCA ofta saknas eller vara svåra att få tag på. Eller omöjliga med tanke på händelsernas kronologi.
Den viktigaste färdigheten kokar alltså ner till förmågan att upptäcka orsakssamband baserat på tillgänglig information. I teknisk RCA beaktas ofta inte den statistiska synvinkeln eller är inte känd.
Det finns tillgängliga metoder, såsom väganalys, hierarkisk affinitetsstudie och diskontering av värden för extremvärden, signifikansvärden att beakta innan vi fastställer viktningen av de möjliga bidragande faktorerna.
Insamling av bevis och kartläggning av processer
Insamling av data och bevis för att fastställa händelseförloppet.
Brainstorming och värdekartläggning för RCA.
Detta kan vara uttömmande eftersom olika OEM-tillverkare och team kan behöva brainstorma tillsammans för att fastställa möjliga vägar för att samla in information. Nyckeln till att uppnå detta steg ligger i att skapa detaljerade processkartläggningsdiagram antingen i Excel-ark eller på papper med input från de personer som bäst känner till processen.
Förstå flera grundorsaker och perspektivlager
Mångfald av grundorsaker och synpunkter: Detta är en mycket intressant punkt när det gäller grundorsaksanalys.
Det är ganska troligt att olika faktorer bidrar till situationen eller uppkomsten av det problem som undersöks. En annan parallell bidragande faktor är dock mångfalden av dessa faktorer som inträffar tillsammans. Förekommer de alltid tillsammans?
När man säger att vi har nått grundorsaken, kan det vara så ur den specifika avdelningens synvinkel.
Till exempel har varför-varför-analysen lett till förståelsen att problem som tillverkningstoleranser kan vara ett resultat av toleranser i IM-verktyget eller kärninsatsen, utöver många andra faktorer som staplingstoleranser, monteringsmetoder, utförande eller underhållspraxis.
För både kunden och formtillverkaren kan dessa vara ”grundorsaken”.
Om denna grundorsak delades med företagets tekniska chef, kan han/hon fördjupa sig i varför tillverkningstoleranserna för enskilda komponenter inte uppfylldes och upptäcka att de använda elektroderna var slitna, uppriktningsmetoden var felaktig, kontrollfrekvensen med fräsverktyget var otillräcklig, verktygsvalet var felaktigt eller en kombination av några av dessa faktorer.
Med kunskap om samma grundorsak kan företagets verkställande direktör undersöka varför metoden inte var rätt eller varför valet av verktyg var felaktigt. VD:n kan upptäcka att det inte fanns tillräcklig budget för att underhålla skärarna, att personalen var överarbetad, att verktyget köptes från den billigaste anbudsgivaren, och så vidare.
Således blir det mycket viktigt vem som ber om RCA och med vilken avsikt.
RCA-metodologier: Från varför-varför-analys till statistiska tillvägagångssätt
Att läsa fallstudier och metoder för RCA är bara så bra som teoretisk vägledning för faktisk tillämpning.
RCA handlar till stor del om goda observationer, god förståelse för statistikens grunder och en orubblig förmåga att hålla sig till det man vet utan att göra antaganden eller dra förhastade slutsatser.
Metoder som varför-varför-analys, väganalys, hierarkisk affinitetsstudie och statistiska utvärderingstekniker hjälper till att fastställa viktningen av bidragande faktorer och undvika feltolkning av regression som kausalitet.
Bästa praxis för att genomföra RCA effektivt
RCA liknar ett projekt med begränsningar vad gäller kostnad, tid och risk för felaktiga beslut.
RCA:er är ofta tråkiga eftersom det finns en enorm lista med möjligheter och flera rader av till synes rationella förklaringar som leder till samma problem. De flesta troliga förklaringar är antingen ogiltigförklarbara eller en återvändsgränd för experiment på grund av orimligt tillvägagångssätt eller högre kostnad.
RCA förväntas vanligtvis korrigera en underliggande orsak, som bara kan upptäckas med tiden. Det kan också involvera känsliga aspekter som tilldelning av straff, vilket gör det avgörande att noggrant korrelera orsak och verkan utan förvirring.
Slutsats: RCA som ett verktyg för korrigerande åtgärder och kontinuerlig förbättring
Att lösa ett problem kräver att man hittar dess rätta orsak. Annars är korrigerande åtgärder meningslösa och meningslösa. Att peka felsökarna i rätt riktning är RCA.
I nästa artikel kommer vi att utforska den kreativa sidan av forensiska utredningar inom IM-branschen. Tills dess väntar vi på att höra era åsikter och kommentarer.
Vi välkomnar dig att kontakta oss för ytterligare insikter i hur vårt team kan hjälpa dig att genomföra en omfattande rotorsaksanalys för dina rådande problem. Dina frågor är viktiga för oss, och vi är fast beslutna att ge dig den vägledning som krävs för att du ska kunna hantera dessa utmaningar effektivt.
Vanliga frågor
- Vad är rotorsaksanalys (RCA) vid formsprutning?Rotorsaksanalys (RCA) vid formsprutning är en strukturerad undersökningsprocess som används för att identifiera den grundläggande orsaken till defekter eller fel. Snarare än att ta itu med ytliga symtom fokuserar RCA på att avslöja de underliggande faktorerna som bidrar till kvalitets-, prestanda- eller processproblem.
- Varför är det viktigt att utföra en undersökning och diagnostisk analys för att lösa mögelproblem?
En grundlig undersökning säkerställer att korrigerande åtgärder riktar sig mot den verkliga orsaken till problemet, inte bara dess symtom. Utan korrekt diagnostik kan insatserna bli felriktade, vilket leder till återkommande fel, slöseri med resurser och ökade produktionsstopp. - Vilka är de viktigaste stegen i en grundorsaksundersökningsprocess inom tillverkning?
Viktiga steg inkluderar att identifiera omedelbara fynd, implementera interimistiska åtgärder, utvärdera alla möjliga bidragande faktorer, verifiera grundorsaken genom tester, definiera permanenta korrigerande åtgärder och dokumentera valideringsresultat och konfidensnivåer. - Hur skiljer man mellan korrelation och faktisk orsak när man diagnostiserar defekter?
Korrelation indikerar att två faktorer samverkar, men det bekräftar inte orsakssamband. För att fastställa en sann orsak måste variabler isoleras och testas oberoende av varandra, vilket säkerställer att sambandet gäller utan att bryta mot statistiska eller logiska valideringskriterier. - Vilka vanliga misstag uppstår vid RCA vid diagnostik av formsprutning?
Ett vanligt misstag är att anta att korrelation är lika med kausalitet. Andra fel inkluderar att göra antaganden utan tillräckliga data, ignorera statistisk utvärdering, förbise bidragande faktorer eller avsluta undersökningen i förtid utan ordentlig verifiering. - Hur stöder datainsamling och processkartläggning effektiv diagnostik?
Noggrann datainsamling och detaljerad processkartläggning hjälper till att rekonstruera händelseförloppet som leder till misslyckande. Gemensam brainstorming och systematisk dokumentation gör det möjligt för team att identifiera möjliga vägar och utvärdera bidragande faktorer objektivt. - Vilka utmaningar stöter man vanligtvis på vid diagnostisering av fel i gjutningsprocesser?
Vanliga utmaningar inkluderar saknade eller ofullständiga data, svårigheter att fastställa tidslinjer, flera samverkande variabler och kostnads- eller tidsbegränsningar. Dessa faktorer gör det komplext att isolera den verkliga grundorsaken och kräver disciplinerade analytiska metoder. - Kan flera grundorsaker bidra till ett enda formsprutningsproblem
Ja, flera faktorer kan agera samtidigt eller efter varandra för att skapa ett fel. Grundorsakerna kan variera beroende på perspektivet – operatör, verktygsmakare, kvalitetsingenjör eller ledning – vilket betonar vikten av att tydligt definiera undersökningens omfattning. - Hur kan en effektiv diagnostisk undersökning förbättra produktionskvaliteten och minska återkommande problem?
Genom att identifiera och åtgärda den verkliga bakomliggande orsaken möjliggör RCA riktade korrigerande åtgärder. Detta minskar återkommande fel, förbättrar processstabiliteten, förbättrar produktkvaliteten och stöder kontinuerlig förbättring av tillverkningsverksamheten.
