Vigtige konklusioner
- RCA handler om at finde den rigtige årsag af et problem, uden det er korrigerende handlinger retningsløse, og fejl vil sandsynligvis opstå igen.
- Korrelation er ikke årsagssammenhæng, er den mest almindelige fejl i RCA tilfældigt at forbinde to korrelerede faktorer uden at validere en sand årsag-virkning-sammenhæng.
- Nøgledata mangler ofte eller er ufuldstændige, hvilket gør det vigtigt at opbygge årsagsforståelse ud fra tilgængelig evidens ved hjælp af strukturerede teknikker som stianalyse, hvorfor-hvorfor-analyse og proceskortlægning.
- Flere underliggende årsager kan bidrage til et enkelt problem, og den identificerede grundårsag kan variere afhængigt af, hvem der undersøger, operatøren, værktøjsmageren eller ledelsen, hvilket gør RCA’ens hensigt og omfang kritisk.
- RCA er en begrænset proces begrænset af omkostninger, tid og risiko for forkerte beslutninger, hvilket kræver disciplineret ræsonnement og modstand mod antagelser eller for tidlige konklusioner.
- Permanente korrigerende handlinger kræver verifikation, skal resultaterne valideres gennem testning, dokumenteres med konfidensniveauer og understøttes af midlertidige inddæmningsforanstaltninger, før undersøgelsen afsluttes.
Skinnet kan bedrage. Især når en fejl kan være resultatet af flere faktorer, der enten isoleret eller i kombination. Netop derfor anvender rodårsagsanalyse eller RCA en nuanceret og omhyggelig tilgang til at komme til bunds i tingene.
Rodårsagsanalyse er sjældent en færdighed, der nævnes i en jobbeskrivelse. Men for at være fair, udfører alle ledere rutinemæssigt en RCA for at kunne træffe informerede beslutninger. Enhver aftale kræver baggrundsresearch i stil med RCA. At læse casestudier og metoder til RCA er kun så god som teoretisk vejledning til den faktiske anvendelse. RCA handler i høj grad om gode observationer, god forståelse af det grundlæggende i statistik og en urokkelig evne til at holde sig til det, man ved, uden at lave antagelser eller drage forhastede konklusioner.
RCA’er er ofte kedelige, da der er en enorm liste af muligheder og flere rækker af tilsyneladende rationelle forklaringer, der fører til det samme problem. De fleste af de plausible forklaringer er enten ikke-ratifikable eller en blindgyde for eksperimenter på grund af urimelig tilgang eller højere omkostninger.
RCA ligner ofte et projekt med begrænsninger i forhold til omkostninger, tid og risiko for forkerte beslutninger. RCA forventes normalt at korrigere en underliggende årsag, som kun kan opdages med tiden. Nogle gange er RCA’er knyttet til fordeling af sanktioner og kan være meget vanskelige at udrede, dvs. korrelere årsag og virkning uden at forveksle den ene med den anden.
I denne artikel vil jeg gerne dele nogle nuancer af RCA, en icebreaker, med bloglæserne. Baseret på feedbacken og responsen på denne artikel kan vi dele efterfølgende indhold, der dykker ned i den præcise RCA-proces, den kreative proces såvel som den iterative og definerede.
Hvorfor rodårsagsanalyse (RCA) er vigtig i produktionen
At løse en udfordring kræver at finde dens korrekte årsag. Ellers er korrigerende tiltag retningsløse og nytteløse. At pege fejlfinderne i den rigtige retning er RCA.
Hovedkomponenterne i en RCA er:
- Øjeblikkelige resultater og midlertidige inddæmningsforanstaltninger – evaluering af ICA;
- Alle mulige og faktiske fund, der bidrager til fiaskoen – vurdering og begrundelse for alle faktorer;
- Verifikation af den egentlige årsag;
- Permanente korrigerende handlinger; og
- Noter om de udførte tests og valideringer, konfidensniveau og procentvis bidrag fra faktorer til fejlen.
Efficient Innovations har arbejdet på adskillige RCA-projekter for vores værdsatte kunder inden for plastforme, støbeprocesser, maskiner, emballageautomation og fyldelinjemaskiner.
Almindelige fejl i RCA: Undgå casual korrelationsbias
Folk har en tendens til at tænke på bestemte måder, hvilket kan føre til systematiske afvigelser fra rationel vurdering. Den mest almindelige og berygtede af alle bias er den casual korrelationsbias.
Enhver statistisk data kan analyseres for korrelation – hvis der findes en regression i disse data, er det almindelig menneskelig tendens til tilfældigt at korrelere faktorerne. Selvom regression kan forklares, har den ikke nødvendigvis en årsag. Dette er den primære faktor, som jeg har fundet at være af monumental betydning for at korrigere et systems forhold eller for at drage en statistisk inferens.
Vi hos EIPL har i løbet af det seneste år udført mange RCA- og databaserede analyser, som alle har kulmineret i at rette en almindelig fejl – tilfældig korrelation af de afhængige og uafhængige faktorer, der er involveret i analysen; hvor en korrekt identificeret regression blev forvekslet med en årsag.
Caseeksempel: RCA i sprøjtestøbnings- og pakkelinjer
Lad mig forklare med et eksempel fra sprøjtestøbeindustrien. Hver gang en komponent fejler på samlebåndet eller pakkelinjen, kontrollerer vi for afvigelser i komponentmålingsresultaterne og funktionstestresultaterne.
I øvrigt kan der forekomme højere lækager på pakkelinjen samtidig med øgede tilfælde af kræfter i forbindelse med fjernelse af de nedre låg i laboratoriet. Selvom de to faktorer synes perfekt korrelerede og logisk overensstemmende, kan de ikke være årsagssammenhængende.
For at regressionen kan være en årsag og virkning-analyse, skal de være adskilte nok til at kunne testes isoleret, eller de må ikke overtræde de falsk negative tests.
Vigtige udfordringer ved at udføre RCA
Manglende oplysninger og databegrænsninger
Fordi det er umuligt at have alle data og vedligeholde/overvåge dem i lang tid, kan de nøgledata, der kræves til RCA, ofte mangle eller være vanskelige at få fat i. Eller umulige i betragtning af begivenhedernes kronologi.
Den vigtigste færdighed koger således ned til evnen til at opdage årsagssammenhænge baseret på tilgængelig information. I teknisk RCA tages det statistiske synspunkt ofte ikke i betragtning eller er ikke kendt.
Der findes tilgange, såsom stianalyse, hierarkisk affinitetsstudie og diskontering af værdier for outliers, hvilket er signifikansværdier, der skal overvejes, før vi bestemmer vægtningen af de mulige medvirkende faktorer.
Indsamling af beviser og kortlægningsprocesser
Indsamling af data og beviser for at fastslå begivenhedernes rækkefølge.
Brainstorming og værdikortlægning for RCA.
Dette kan være udtømmende, da forskellige OEM’er og teams muligvis skal brainstorme sammen for at bestemme de mulige veje til indsamling af information. Nøglen til at nå dette trin ligger i at lave detaljerede procesdiagrammer enten i Excel-ark eller på papir med input fra de personer, der bedst kender processen.
Forståelse af flere rodårsager og perspektivlag
Mangfoldighed af rodårsager og synspunktlag: Dette er et meget interessant punkt, når det kommer til rodårsagsanalyse.
Det er ret sandsynligt, at forskellige faktorer bidrager til situationen eller forekomsten af det problem, der undersøges. En anden parallel faktor er dog, at disse faktorer forekommer sammen. Optræder de altid sammen?
Når man siger, at vi har nået roden af problemet, kan det være tilfældet fra den pågældende afdelings synspunkt.
For eksempel har hvorfor-hvorfor-analysen ført til forståelsen af, at problemer som fremstillingstolerancer kan være et resultat af tolerancer i IM-værktøjet eller kerneindsatsen, ud over mange andre faktorer såsom stablingstolerancer, monteringsmetoder, udførelse eller vedligeholdelsespraksis.
For både kunden og formproducenten kan disse være “grundårsagen”.
Hvis denne grundlæggende årsag blev delt med virksomhedens tekniske chef, kunne han/hun dykke dybere ned i, hvorfor produktionstolerancerne for individuelle komponenter ikke blev overholdt, og opdage, at de anvendte elektroder var slidte, justeringsmetoden var defekt, hyppigheden af kontrol med fræseværktøjet var utilstrækkelig, værktøjsvalget var forkert eller en kombination af nogle af disse faktorer.
Med kendskab til den samme grundlæggende årsag kan virksomhedens administrerende direktør undersøge, hvorfor metoden ikke var korrekt, eller hvorfor valget af værktøj var forkert. Direktøren kan opdage, at der ikke var tilstrækkeligt budget til at vedligeholde skærerne, at personalet var overbebyrdet, at værktøjet blev købt fra den billigste byder, og så videre.
Derfor bliver det meget vigtigt, hvem der anmoder om RCA’en, og med hvilken hensigt.
RCA-metodologier: Fra hvorfor-hvorfor-analyse til statistiske tilgange
At læse casestudier og metoder til RCA er kun så god som teoretisk vejledning til den faktiske anvendelse.
RCA handler i høj grad om gode observationer, god forståelse af det grundlæggende i statistik og en urokkelig evne til at holde sig til det, man ved, uden at lave antagelser eller drage forhastede konklusioner.
Tilgange som hvorfor-hvorfor-analyse, stianalyse, hierarkisk affinitetsstudie og statistiske evalueringsteknikker hjælper med at bestemme vægtningen af medvirkende faktorer og undgå fejlfortolkning af regression som årsagssammenhæng.
Bedste praksis for effektiv RCA-udførelse
RCA ligner et projekt med begrænsninger i forhold til omkostninger, tid og risiko for forkerte beslutninger.
RCA’er er ofte kedelige, da der er en enorm liste af muligheder og flere rækker af tilsyneladende rationelle forklaringer, der fører til det samme problem. De fleste plausible forklaringer er enten ikke-ratifikable eller en blindgyde for eksperimenter på grund af en urimelig tilgang eller højere omkostninger.
RCA forventes normalt at korrigere en underliggende årsag, som muligvis kun kan opdages med tiden. Det kan også involvere følsomme aspekter såsom tildeling af sanktioner, hvilket gør det afgørende at nøje korrelere årsag og virkning uden forvirring.
Konklusion: RCA som et værktøj til korrigerende handlinger og løbende forbedringer
At løse en udfordring kræver at finde dens korrekte årsag. Ellers er korrigerende tiltag retningsløse og nytteløse. At pege fejlfinderne i den rigtige retning er RCA.
I den næste artikel vil vi udforske den kreative side af retsmedicinske undersøgelser i IM-branchen. Indtil da venter vi på at høre jeres synspunkter og kommentarer.
Vi inviterer dig til at kontakte os for yderligere indsigt i, hvordan vores team kan hjælpe dig med at udføre en omfattende årsagsanalyse af dine eksisterende problemer. Dine spørgsmål er vigtige for os, og vi er forpligtet til at give dig den nødvendige vejledning til at hjælpe dig med at håndtere disse udfordringer effektivt.
Ofte stillede spørgsmål
- Hvad er rodårsagsanalyse (RCA) i sprøjtestøbning?Root Cause Analysis (RCA) i sprøjtestøbning er en struktureret undersøgelsesproces, der bruges til at identificere den grundlæggende årsag til defekter eller fejl. I stedet for at adressere overfladiske symptomer fokuserer RCA på at afdække de underliggende faktorer, der bidrager til kvalitets-, ydeevne- eller procesproblemer.
- Hvorfor er det vigtigt at udføre en undersøgelse og diagnostisk analyse for at løse problemer med støbning?
En grundig undersøgelse sikrer, at korrigerende handlinger er rettet mod den egentlige årsag til problemet, ikke kun dets symptomer. Uden korrekt diagnosticering kan indsatsen blive forkert rettet, hvilket kan føre til tilbagevendende defekter, spild af ressourcer og øget produktionsnedetid. - Hvad er de vigtigste trin i en undersøgelse af rodårsagen i produktionen?
Nøgletrinene omfatter identifikation af umiddelbare fund, implementering af midlertidige inddæmningsforanstaltninger, evaluering af alle mulige medvirkende faktorer, verificering af den grundlæggende årsag gennem test, definition af permanente korrigerende handlinger og dokumentation af valideringsresultater og konfidensniveauer. - Hvordan skelner man mellem korrelation og faktisk årsag, når man diagnosticerer defekter?
Korrelation indikerer, at to faktorer spiller sammen, men det bekræfter ikke årsagssammenhæng. For at fastslå en sand årsag skal variabler isoleres og testes uafhængigt, hvilket sikrer, at sammenhængen holder uden at overtræde statistiske eller logiske valideringskriterier. - Hvilke almindelige fejl opstår under RCA i diagnosticering af sprøjtestøbning?
En hyppig fejl er at antage, at korrelation er lig med årsagssammenhæng. Andre fejl omfatter at lave antagelser uden tilstrækkelige data, ignorere statistisk evaluering, overse medvirkende faktorer eller afslutte undersøgelsen for tidligt uden ordentlig verifikation. - Hvordan understøtter dataindsamling og proceskortlægning effektiv diagnosticering?
Præcis dataindsamling og detaljeret proceskortlægning hjælper med at rekonstruere rækkefølgen af begivenheder, der fører til fiasko. Samarbejdsbaseret brainstorming og systematisk dokumentation giver teams mulighed for at identificere mulige veje og evaluere medvirkende faktorer objektivt. - Hvilke udfordringer opstår typisk ved diagnosticering af fejl i støbeprocesser?
Almindelige udfordringer omfatter manglende eller ufuldstændige data, vanskeligheder med at fastsætte tidslinjer, flere interagerende variabler og omkostnings- eller tidsbegrænsninger. Disse faktorer gør det komplekst at isolere den egentlige årsag og kræver disciplinerede analytiske tilgange. - Kan flere grundlæggende årsager bidrage til et enkelt sprøjtestøbningsproblem
Ja, flere faktorer kan virke samtidigt eller sekventielt og skabe en defekt. De grundlæggende årsager kan variere afhængigt af perspektivet – operatør, værktøjsmager, kvalitetsingeniør eller ledelse – hvilket understreger vigtigheden af klart at definere undersøgelsens omfang. - Hvordan kan en effektiv diagnostisk undersøgelse forbedre produktionskvaliteten og reducere risikoen for gentagelse af problemer?
Ved at identificere og adressere den sande underliggende årsag muliggør RCA målrettede korrigerende handlinger. Dette reducerer gentagelse af defekter, forbedrer processtabiliteten, forbedrer produktkvaliteten og understøtter løbende forbedringer i produktionsprocesserne.
