Peamised järeldused
- RCA eesmärk on leida õige põhjus probleemist, ilma selleta on parandusmeetmed suunatud ja defektid tõenäoliselt korduvad.
- Korrelatsioon ei ole põhjuslik seos, on RCA kõige levinum viga kahe omavahel seotud teguri juhuslik seostamine ilma tegelikku põhjus-tagajärg seost valideerimata.
- Olulised andmed on sageli puudulikud või mittetäielikud, mistõttu on oluline olemasolevate tõendite põhjal põhjuslikku seost mõista, kasutades struktureeritud meetodeid, nagu teekonna analüüs, miks-miks analüüs ja protsesside kaardistamine.
- Mitmed algpõhjused võivad kaasa aidata ühele probleemile ja tuvastatud algpõhjus võib erineda olenevalt sellest, kes uurib – operaator, tööriistade valmistaja või juhtkond –, mistõttu on RCA eesmärk ja ulatus kriitilise tähtsusega.
- RCA on piiratud protsess piiratud kulude, aja ja valede otsuste riskiga, mis nõuab distsiplineeritud arutluskäiku ja vastupanu eeldustele või ennatlikele järeldustele.
- Püsiv parandusmeede vajab kinnitamisttuleb leiud testimise teel valideerida, usaldusnivoo alusel dokumenteerida ja enne uurimise lõpetamist toetada ajutisi ohjeldamismeetmeid.
Välimus võib olla petlik. Eriti kui rike võib olla mitme teguri tagajärg, mis toimivad kas eraldi või koos. Just seetõttu kasutab algpõhjuste analüüs ehk RCA asjade tuumani jõudmiseks nüansirikast ja hoolikat lähenemisviisi.
Põhjuste analüüs on ametijuhendis harva mainitud oskus. Ausalt öeldes tuleb aga öelda, et iga juht viib läbi RCA-d regulaarselt, et teha teadlikke otsuseid. Iga tehing vajab taustauuringut, mis sarnaneb RCA-ga. Juhtumianalüüside ja RCA metoodikate lugemine on sama hea kui teoreetiline juhend tegelikuks rakendamiseks. RCA seisneb suuresti heades tähelepanekutes, heas statistika põhitõdede mõistmises ja paindumatus võimes jääda oma teadmiste juurde ilma oletusi tegemata või järeldusi tegemata.
RCA-d on sageli tüütud, kuna võimalusi on tohutult palju ja sama probleemini viib mitu rida pealtnäha ratsionaalseid seletusi. Enamik usutavaid seletusi on kas ratifitseerimatud või viivad katsetamiseni ebamõistliku lähenemisviisi või kõrgemate kulude tõttu.
RCA sarnaneb sageli projektiga, millel on kulude, aja ja valede otsuste riski piirangud. RCA-lt oodatakse tavaliselt algpõhjuse parandamist, mis saab avastada alles aja jooksul. Mõnikord on RCA-d seotud karistuste jaotamisega ja neid võib olla väga keeruline lahti harutada, st põhjust ja tagajärge omavahel seostada ilma neid omavahel segi ajamata.
Selles artiklis tahaksin jagada blogi lugejatega mõningaid RCA nüansse, mis on jäämurdjaks. Selle artikli tagasiside ja vastuste põhjal saame jagada järgnevat sisu, mis süveneb RCA täpsesse protsessi, nii loomingulisse protsessi kui ka iteratiivsesse ja defineeritud protsessi.
Miks on algpõhjuste analüüs (RCA) tootmises oluline?
Probleemi lahendamiseks on vaja leida selle õige põhjus. Vastasel juhul on parandusmeetmed sihitud ja kasutud. Veaotsingu tegijate õiges suunas suunamine on RCA.
RCA põhikomponendid on:
- Kohesed leiud ja ajutised ohjeldamismeetmed – olukorra hindamise meetmed;
- Kõik võimalikud ja tegelikud leiud, mis ebaõnnestumisele kaasa aitavad – kõigi tegurite hindamine ja põhjendus;
- Algpõhjuse kontrollimine;
- Püsiv parandusmeede ja
- Märkused läbiviidud testide ja valideerimiste, usaldusnivoo ja tegurite protsentuaalse panuse kohta ebaõnnestumisse.
Efficient Innovations on töötanud meie lugupeetud klientide jaoks arvukate RCA-dega plastvormide, vormimisprotsesside, masinate, pakendiautomaatika ja täiteliinide masinate valdkonnas.
RCA levinumad vead: juhusliku korrelatsioonieelarvamuse vältimine
Inimesed kipuvad mõtlema teatud viisil, mis võib viia süstemaatiliste kõrvalekalleteni ratsionaalsest otsustusprotsessist. Kõige levinum ja kurikuulsam eelarvamus on juhuslik korrelatsioon.
Iga statistilist andmestikku saab korrelatsiooni osas analüüsida – kui nendes andmetes leitakse regressioon, on inimestel tavaline kalduvus tegureid juhuslikult korreleerida. Kuigi regressiooni saab seletada, ei ole sellel tingimata põhjust. See on peamine tegur, millel on minu arvates tohutu tähtsus süsteemi vigade korrigeerimisel või statistiliste järelduste tegemisel.
Meie EIPL-is oleme viimase aasta jooksul läbi viinud palju RCA ja andmepõhiseid analüüse, mille tulemusel parandasime levinud vea – analüüsis osalevate sõltuvate ja sõltumatute tegurite juhusliku korrelatsiooni, kus õigesti tuvastatud regressiooni peeti ekslikult põhjuseks.
Juhtumi näide: RCA survevalu- ja pakendamisliinidel
Lubage mul selgitada survevalu tööstusest pärit näitega. Iga kord, kui komponent montaaži- või pakendamisliinil rikki läheb, kontrollime komponentide mõõtmistulemustes ja funktsionaalsete testide tulemustes kõrvalekaldeid.
Muide, suuremad lekked pakendamisliinil võivad laboris esineda koos madalama kaane eemaldamiseks vajalike jõudude sagenemisega. Kuigi need kaks tegurit tunduvad olevat täiesti omavahel seotud ja loogiliselt kooskõlas, ei saa nende vahel olla põhjuslikku seost.
Selleks, et regressioon oleks põhjuse ja tagajärje seos, peavad need olema piisavalt eraldiseisvad, et neid saaks eraldi testida, või ei tohi nad rikkuda vale-negatiivsete testide kriteeriume.
RCA läbiviimise peamised väljakutsed
Puuduv teave ja andmete piirangud
Kuna kõiki andmeid on võimatu omada ja neid pikka aega säilitada/jälgida, võivad RCA jaoks vajalikud põhiandmed sageli puududa või olla raskesti kättesaadavad. Või on sündmuste kronoloogiat arvestades võimatu.
Seega taandub põhioskus võimele tuvastada põhjuslikke seoseid olemasoleva teabe põhjal. Tehnilises RCA-s statistilist vaatenurka sageli ei arvestata või see pole teada.
Saadaval on lähenemisviise, näiteks teekonna analüüs, hierarhiline afiinsusuuring ja kõrvalekallete väärtuste diskonteerimine – olulisuse väärtusi tuleb enne võimalike soodustavate tegurite kaalu määramist arvesse võtta.
Tõendite kogumine ja kaardistamisprotsessid
Andmete ja tõendite kogumine sündmuste jada kindlakstegemiseks.
Ajurünnak ja väärtuskaardistamine RCA jaoks.
See võib olla ammendav, kuna erinevad originaalseadmete tootjad (OEM-id) ja meeskonnad võivad vajada ühist ajurünnakut, et määrata kindlaks teabe kogumise võimalikud viisid. Selle etapi võti peitub üksikasjalike protsesside kaardistamise diagrammide koostamises kas Exceli tabelites või paberil, kaasates panuse inimestelt, kes protsessi kõige paremini tunnevad.
Mitmete algpõhjuste ja perspektiivikihtide mõistmine
Põhjuste ja vaatenurkade mitmekesisus: see on põhjuste analüüsi puhul väga huvitav punkt.
On üsna tõenäoline, et uuritava olukorra või probleemi tekkimisele aitavad kaasa erinevad tegurid. Teine paralleelne panus on aga nende tegurite paljusus koos esinemine. Kas need esinevad alati koos?
Kui öeldakse, et oleme jõudnud algpõhjuseni, võib see nii olla selle konkreetse osakonna vaatenurgast.
Näiteks on miks-miks analüüs viinud arusaamani, et sellised probleemid nagu tootmistolerantsid võivad tuleneda IM-tööriista või südamiku sisetüki tolerantsidest lisaks paljudele muudele teguritele, nagu virnastustolerantsid, montaažimeetodid, töötlus või hooldustavad.
Nii kliendi kui ka vormitootja jaoks võivad need olla „põhjuseks“.
Kui seda algpõhjust ettevõtte tehnilise juhiga jagati, võib ta süveneda sellesse, miks üksikute komponentide tootmistolerantse ei järgitud, ning avastada, et kasutatud elektroodid olid kulunud, joondusmeetod oli vigane, freesimistööriista kontrollide sagedus oli ebapiisav, tööriista valik oli vale või mõne nimetatud teguri kombinatsioon.
Sama algpõhjuse teadmisega võib ettevõtte tegevdirektor uurida, miks meetod ei olnud õige või miks tööriista valik oli vale. Tegevdirektor võib avastada, et lõikurite hooldamiseks polnud piisavalt eelarvet, personal oli ülekoormatud, tööriist osteti odavaimalt pakkujalt jne.
Seega muutub väga oluliseks see, kes ja millise kavatsusega RCA-d küsib.
RCA metoodikad: miks-miks analüüsist statistiliste lähenemisviisideni
RCA juhtumianalüüside ja metoodikate lugemine on sama hea kui teoreetiline juhend tegeliku rakendamise jaoks.
RCA seisneb suuresti heades vaatlustes, statistika põhitõdede heas mõistmises ja paindumatus võimes jääda oma teadmiste juurde ilma oletusi tegemata või järeldusi tegemata.
Sellised lähenemisviisid nagu miks-miks analüüs, teekonna analüüs, hierarhiline afiinsusuuring ja statistilised hindamistehnikad aitavad määrata soodustavate tegurite kaalu ja vältida regressiooni väärtõlgendamist põhjusliku seosena.
RCA efektiivse läbiviimise parimad tavad
RCA sarnaneb projektiga, millel on kulude, aja ja valede otsuste riski piirangud.
RCA-d on sageli tüütud, kuna võimalusi on tohutult palju ja sama probleemini viivad mitmed pealtnäha ratsionaalsed seletused. Enamik usutavaid seletusi on kas ratifitseerimatud või viivad katsetamise tupikusse ebamõistliku lähenemisviisi või kõrgemate kulude tõttu.
RCA-lt oodatakse tavaliselt algpõhjuse parandamist, mis võib aja jooksul avastada. See võib hõlmata ka tundlikke aspekte, näiteks karistuste jaotamist, mistõttu on oluline põhjus ja tagajärg hoolikalt seostada ilma segadust tekitamata.
Kokkuvõte: RCA kui parandusmeetmete ja pideva täiustamise tööriist
Probleemi lahendamiseks on vaja leida selle õige põhjus. Vastasel juhul on parandusmeetmed sihitud ja kasutud. Veaotsingu tegijate õiges suunas suunamine on RCA.
Järgmises artiklis uurime kohtuekspertiisi loomingulist poolt kiirsuhtlustööstuses. Seni ootame teie arvamusi ja kommentaare.
Kutsume teid meiega ühendust võtma, et saada lisateavet selle kohta, kuidas meie meeskond saab teid teie valitsevate probleemide põhjaliku algpõhjuste analüüsi läbiviimisel abistada. Teie küsimused on meile olulised ja oleme pühendunud vajaliku juhendamise pakkumisele, et aidata teil nende väljakutsetega tõhusalt toime tulla.
KKK
- Mis on survevalu puhul algpõhjuse analüüs (RCA)?Põhjuste analüüs (RCA) survevaluvormimisel on struktureeritud uurimisprotsess, mida kasutatakse defektide või rikete algpõhjuse väljaselgitamiseks. Pindmiste sümptomite käsitlemise asemel keskendub RCA kvaliteedi-, jõudlus- või protsessiprobleeme põhjustavate algtegurite paljastamisele.
- Miks on uuringu ja diagnostilise analüüsi läbiviimine oluline vormimisprobleemide lahendamiseks?
Põhjalik uurimine tagab, et parandusmeetmed on suunatud probleemi tegelikule põhjusele, mitte ainult selle sümptomitele. Ilma korraliku diagnostikata võivad jõupingutused olla vales suunas suunatud, mis toob kaasa korduvaid defekte, ressursside raiskamist ja suurenenud tootmisseisakuid. - Millised on tootmises algpõhjuse uurimise protsessi põhietapid?
Peamised sammud hõlmavad koheste leidude tuvastamist, ajutiste ohjeldamismeetmete rakendamist, kõigi võimalike soodustavate tegurite hindamist, algpõhjuse kontrollimist testimise abil, püsivate parandusmeetmete määratlemist ning valideerimistulemuste ja usaldusnivoo dokumenteerimist. - Kuidas eristada defektide diagnoosimisel korrelatsiooni ja tegelikku põhjust?
Korrelatsioon näitab, et kaks tegurit liiguvad koos, kuid see ei kinnita põhjuslikku seost. Tõelise põhjuse kindlakstegemiseks tuleb muutujad isoleerida ja testida eraldi, tagades seose püsimise ilma statistilisi või loogilisi valideerimiskriteeriume rikkumata. - Millised on tavalised vead survevalu diagnostikas RCA ajal?
Sagedane viga on eeldada, et põhjuslik seos on korrelatsiooniga võrdne. Teiste vigade hulka kuuluvad eelduste tegemine ilma piisavate andmeteta, statistilise hindamise ignoreerimine, soodustavate tegurite tähelepanuta jätmine või uurimise enneaegne lõpetamine ilma korraliku kinnituseta. - Kuidas andmete kogumine ja protsesside kaardistamine toetavad tõhusat diagnostikat?
Täpne andmete kogumine ja detailne protsesside kaardistamine aitavad rekonstrueerida ebaõnnestumiseni viinud sündmuste jada. Koostöös toimuv ajurünnak ja süstemaatiline dokumenteerimine võimaldavad meeskondadel tuvastada võimalikke teid ja hinnata objektiivselt kaasa aitavaid tegureid. - Millised väljakutsed tekivad tavaliselt vormimisprotsesside rikete diagnoosimisel?
Levinud probleemide hulka kuuluvad puuduvad või mittetäielikud andmed, raskused ajakavade kehtestamisel, mitmed omavahel seotud muutujad ning kulu- või ajapiirangud. Need tegurid muudavad tegeliku algpõhjuse väljaselgitamise keeruliseks ja nõuavad distsiplineeritud analüütilist lähenemist. - Kas ühe survevaluvormimise probleemi põhjuseid võivad olla mitu?
Jah, defekti tekitamiseks võivad samaaegselt või järjestikku toimida mitu tegurit. Põhjused võivad olenevalt vaatenurgast – operaator, tööriistade valmistaja, kvaliteediinsener või juhtkond – erineda, mistõttu on oluline selgelt määratleda uurimise ulatus. - Kuidas saab tõhus diagnostiline uuring parandada tootmise kvaliteeti ja vähendada probleemide kordumist?
Tõelise algpõhjuse tuvastamise ja sellega tegelemise abil võimaldab RCA võtta sihipäraseid parandusmeetmeid. See vähendab defektide kordumist, parandab protsessi stabiilsust, tõstab toote kvaliteeti ja toetab tootmisprotsesside pidevat täiustamist.
