Wat is oorzaakanalyse? Een gids voor productie- en procesverbetering.

De schijn kan bedrieglijk zijn. Vooral wanneer een storing het gevolg kan zijn van meerdere factoren die afzonderlijk of in combinatie optreden. Juist daarom hanteert een oorzaakanalyse (Root Cause Analysis, RCA) een genuanceerde en zorgvuldige aanpak om de kern van de zaak te achterhalen.

Oorzaakanalyse (Root Cause Analysis, RCA) wordt zelden genoemd in een functiebeschrijving. Eerlijkheidshalve moet echter gezegd worden dat elke manager routinematig een RCA uitvoert om weloverwogen beslissingen te kunnen nemen. Elke deal vereist achtergrondonderzoek vergelijkbaar met een RCA. Het lezen van casestudies en methodologieën voor RCA is slechts een theoretische leidraad voor de daadwerkelijke toepassing. RCA draait grotendeels om goede observaties, een goed begrip van de basisprincipes van statistiek en een onwrikbaar vermogen om vast te houden aan wat men weet, zonder aannames te doen of voorbarige conclusies te trekken.

RCA’s zijn vaak omslachtig omdat er een enorme lijst met mogelijkheden is en meerdere ogenschijnlijk rationele verklaringen die naar hetzelfde probleem leiden. De meeste plausibele verklaringen zijn ofwel niet te onderbouwen, ofwel een doodlopende weg voor experimenten vanwege een onredelijke aanpak of hoge kosten.

Een oorzaakanalyse (RCA) lijkt vaak op een project met beperkingen op het gebied van kosten, tijd en het risico op verkeerde beslissingen. Van een RCA wordt doorgaans verwacht dat deze een onderliggende oorzaak aanpakt, die soms pas na verloop van tijd aan het licht komt. Soms zijn RCA’s gekoppeld aan het opleggen van sancties en kan het erg lastig zijn om oorzaak en gevolg te ontwarren zonder ze met elkaar te verwarren.

In dit artikel wil ik graag een aantal nuances van RCA delen, als een ijsbreker voor de lezers van de blog. Op basis van de feedback en reacties op dit artikel kunnen we vervolgartikelen publiceren die dieper ingaan op het exacte RCA-proces, zowel het creatieve als het iteratieve en gedefinieerde proces.

Waarom oorzaakanalyse (RCA) belangrijk is in de maakindustrie

Om een ​​probleem op te lossen, moet je de juiste oorzaak vinden. Anders zijn corrigerende maatregelen doelloos en nutteloos. De oorzaak van het probleem vaststellen is wat nodig is om degenen die het probleem oplossen in de juiste richting te wijzen.

De belangrijkste onderdelen van een RCA zijn:

• Onmiddellijke bevindingen en tussentijdse beheersingsmaatregelen – evaluatie van ICA;
  
• Alle mogelijke en feitelijke bevindingen die hebben bijgedragen aan het falen – beoordeling en onderbouwing van alle factoren;
  
• Verificatie van de hoofdoorzaak;
  
• Permanente corrigerende maatregelen; en
  
• Notities over de uitgevoerde tests en validaties, het betrouwbaarheidsniveau en het percentage bijdrage van factoren aan het falen.

Efficient Innovations heeft voor onze gewaardeerde klanten talloze RCA-analyses uitgevoerd op het gebied van kunststofmatrijzen, spuitgietprocessen, machines, verpakkingsautomatisering en vullijnmachines.

Veelvoorkomende fouten bij RCA: het vermijden van vertekening door causale correlatie

Mensen hebben de neiging om op bepaalde manieren te denken, wat kan leiden tot systematische afwijkingen van rationele oordeelsvorming. De meest voorkomende en beruchte van al deze denkfouten is de vertekening door toevallige correlatie.

Elke statistische dataset kan worden geanalyseerd op correlatie – als er een regressie in die data wordt gevonden, is het een algemene menselijke neiging om de factoren op een willekeurige manier met elkaar te correleren. Hoewel regressie verklaarbaar is, heeft het niet per se een oorzaak. Dit is de belangrijkste factor die ik van cruciaal belang vind bij het corrigeren van een systeem of het trekken van statistische conclusies.

Wij van EIPL hebben het afgelopen jaar veel RCA- en data-analyses uitgevoerd, die allemaal hebben geleid tot het corrigeren van een veelgemaakte fout: het toevallige verband tussen de afhankelijke en onafhankelijke factoren in de analyse; waarbij een terecht geïdentificeerde regressie ten onrechte werd aangezien voor een oorzaak.

Casusvoorbeeld: RCA in spuitgiet- en verpakkingslijnen

Laat ik dit toelichten met een voorbeeld uit de spuitgietindustrie. Telkens wanneer een onderdeel defect raakt aan de assemblagelijn of de verpakkingslijn, controleren we de meetresultaten van het onderdeel en de resultaten van de functionele tests op afwijkingen.

Overigens kunnen hogere lekkages op de verpakkingslijn samengaan met een toename van het aantal gevallen waarin de deksels met een lagere kracht worden verwijderd in het laboratorium. Hoewel de twee factoren perfect met elkaar lijken samen te hangen en logisch in overeenstemming lijken, kunnen ze niet causaal met elkaar in verband worden gebracht.

Wil de regressie een oorzaak-gevolgrelatie zijn, dan moeten ze voldoende van elkaar gescheiden zijn om afzonderlijk te kunnen worden getest, of ze mogen de vals-negatieve test niet schenden.

Belangrijkste uitdagingen bij het uitvoeren van een RCA

• Ontbrekende informatie en beperkingen in de gegevens

Omdat het onmogelijk is om alle gegevens te verzamelen en langdurig te bewaren/monitoren, ontbreken of zijn de belangrijkste gegevens die nodig zijn voor een oorzaakanalyse (RCA) vaak moeilijk te verkrijgen. Of zelfs onmogelijk, gezien de chronologie van de gebeurtenissen.

De kernvaardigheid komt dus neer op het vermogen om causale verbanden te detecteren op basis van de beschikbare informatie. Bij technische RCA wordt het statistische perspectief vaak niet meegenomen of is het onbekend.

Er zijn verschillende benaderingen beschikbaar, zoals padanalyse, hiërarchische verwantschapsstudie en het wegen van uitschieters en significantiewaarden, waarmee rekening moet worden gehouden voordat we het gewicht van de mogelijke bijdragende factoren bepalen.

• Het verzamelen van bewijsmateriaal en het in kaart brengen van processen

Gegevens en bewijsmateriaal verzamelen om de volgorde van de gebeurtenissen vast te stellen.

Brainstormen en waardetoewijzing voor RCA.

Dit kan een tijdrovend proces zijn, omdat verschillende OEM’s en teams mogelijk samen moeten brainstormen om de mogelijke manieren te bepalen om informatie te verzamelen. De sleutel tot succes in deze stap ligt in het maken van gedetailleerde procesdiagrammen, in Excel of op papier, met input van de mensen die het proces het beste kennen.

Inzicht in meerdere hoofdoorzaken en perspectieflagen

Veelheid aan grondoorzaken en perspectieflagen: Dit is een zeer interessant punt als het gaat om grondoorzaakanalyse.

Het is zeer waarschijnlijk dat verschillende factoren bijdragen aan de situatie of het ontstaan ​​van het onderzochte probleem. Een andere belangrijke factor is echter het feit dat deze factoren vaak tegelijkertijd voorkomen. Gebeurt dat altijd tegelijk?

Als we zeggen dat we de hoofdoorzaak hebben gevonden, kan dat zo zijn vanuit het oogpunt van die specifieke afdeling.

De oorzaak-gevolganalyse heeft bijvoorbeeld geleid tot het inzicht dat problemen zoals fabricagetoleranties het gevolg kunnen zijn van toleranties in het IM-gereedschap of de kerninzet, naast vele andere factoren zoals stapeltoleranties, montagemethoden, vakmanschap of onderhoudsprocedures.

Voor zowel de klant als de matrijzenmaker kunnen dit de “hoofdoorzaak” zijn.

Als deze onderliggende oorzaak met het hoofd van de technische dienst van het bedrijf wordt gedeeld, kan hij/zij dieper graven in de reden waarom de productietoleranties voor individuele componenten niet werden gehaald. Zo kan bijvoorbeeld blijken dat de gebruikte elektroden versleten waren, de uitlijnmethode gebrekkig was, de frequentie van de controles met het freesgereedschap onvoldoende was, de gereedschapskeuze onjuist was, of een combinatie van deze factoren.

Met de kennis van dezelfde onderliggende oorzaak kan de directeur van het bedrijf onderzoeken waarom de methode niet deugde of waarom de gereedschapskeuze onjuist was. De directeur kan bijvoorbeeld ontdekken dat er onvoldoende budget was voor het onderhoud van de snijgereedschappen, dat het personeel overbelast was, dat het gereedschap bij de goedkoopste aanbieder was gekocht, enzovoort.

Het is dus van groot belang wie de RCA aanvraagt ​​en met welk doel.

RCA-methodologieën: van ‘waarom-waarom’-analyse tot statistische benaderingen

Het lezen van casestudies en methodologieën voor RCA is slechts een theoretische leidraad voor de daadwerkelijke toepassing.

RCA draait grotendeels om goede observaties, een goed begrip van de basisprincipes van statistiek en een onwrikbaar vermogen om vast te houden aan wat men weet, zonder aannames te doen of voorbarige conclusies te trekken.

Methoden zoals why-why-analyse, padanalyse, hiërarchische verwantschapsstudie en statistische evaluatietechnieken helpen bij het bepalen van het gewicht van de bijdragende factoren en voorkomen dat regressie ten onrechte als causaliteit wordt geïnterpreteerd.

Beste werkwijzen voor het effectief uitvoeren van een oorzaakanalyse (RCA)

RCA is vergelijkbaar met een project dat te maken heeft met beperkingen op het gebied van kosten, tijd en het risico op verkeerde beslissingen.

RCA’s zijn vaak omslachtig omdat er een enorme lijst met mogelijkheden is en meerdere ogenschijnlijk rationele verklaringen die naar hetzelfde probleem leiden. De meeste plausibele verklaringen zijn ofwel niet te onderbouwen, ofwel een doodlopende weg voor experimenten vanwege een onredelijke aanpak of hogere kosten.

Van een RCA (Root Cause Analysis) wordt doorgaans verwacht dat deze de onderliggende oorzaak aanpakt, die soms pas na verloop van tijd aan het licht komt. Het kan ook gevoelige aspecten omvatten, zoals de toewijzing van sancties, waardoor het cruciaal is om oorzaak en gevolg zorgvuldig en zonder verwarring met elkaar in verband te brengen.

Conclusie: RCA als instrument voor corrigerende maatregelen en continue verbetering

Om een ​​probleem op te lossen, moet je de juiste oorzaak vinden. Anders zijn corrigerende maatregelen doelloos en nutteloos. De oorzaak van het probleem vaststellen is wat nodig is om degenen die het probleem oplossen in de juiste richting te wijzen.

In het volgende artikel zullen we de creatieve kant van forensisch onderzoek in de informatiemanagementsector verkennen. Tot die tijd horen we graag uw mening en opmerkingen.

Wij nodigen u graag uit om contact met ons op te nemen voor meer informatie over hoe ons team u kan helpen bij het uitvoeren van een grondige oorzaakanalyse voor uw huidige problemen. Uw vragen zijn belangrijk voor ons en we doen er alles aan om u de nodige begeleiding te bieden, zodat u deze uitdagingen effectief kunt aanpakken.

Veelgestelde vragen

1. Wat is oorzaakanalyse (RCA) bij spuitgieten?Oorzaakanalyse (Root Cause Analysis, RCA) bij spuitgieten is een gestructureerd onderzoeksproces dat wordt gebruikt om de fundamentele oorzaak van defecten of storingen te achterhalen. In plaats van zich te richten op oppervlakkige symptomen, concentreert RCA zich op het blootleggen van de onderliggende factoren die bijdragen aan problemen met kwaliteit, prestaties of processen.
2. Waarom is het uitvoeren van een onderzoek en diagnostische analyse belangrijk voor het oplossen van schimmelproblemen?
   Een grondig onderzoek zorgt ervoor dat corrigerende maatregelen gericht zijn op de werkelijke oorzaak van het probleem, en niet alleen op de symptomen. Zonder een goede diagnose kunnen inspanningen verkeerd worden ingezet, wat leidt tot terugkerende defecten, verspilde middelen en langere productiestilstand.
3. Wat zijn de belangrijkste stappen in een oorzaakonderzoeksproces in de productie?
   De belangrijkste stappen omvatten het vaststellen van de directe bevindingen, het implementeren van tijdelijke beheersmaatregelen, het evalueren van alle mogelijke oorzakelijke factoren, het verifiëren van de hoofdoorzaak door middel van testen, het definiëren van permanente corrigerende maatregelen en het documenteren van de validatieresultaten en betrouwbaarheidsniveaus.
4. Hoe maak je onderscheid tussen correlatie en daadwerkelijke oorzaak bij het diagnosticeren van defecten?
   Correlatie geeft aan dat twee factoren samen bewegen, maar bewijst geen oorzakelijk verband. Om een ​​echt oorzakelijk verband vast te stellen, moeten variabelen worden geïsoleerd en onafhankelijk van elkaar worden getest, waarbij ervoor wordt gezorgd dat de relatie standhoudt zonder dat statistische of logische validatiecriteria worden geschonden.
5. Welke veelvoorkomende fouten worden er gemaakt tijdens een oorzaakanalyse (RCA) bij de diagnose van spuitgietprocessen?
   Een veelgemaakte fout is de aanname dat correlatie gelijkstaat aan causaliteit. Andere fouten zijn onder meer het maken van aannames zonder voldoende gegevens, het negeren van statistische evaluatie, het over het hoofd zien van bijdragende factoren of het voortijdig concluderen van het onderzoek zonder de juiste verificatie.
6. Hoe dragen dataverzameling en procesmapping bij aan effectieve diagnostiek?
   Nauwkeurige gegevensverzameling en gedetailleerde procesmapping helpen bij het reconstrueren van de opeenvolging van gebeurtenissen die tot het falen hebben geleid. Gezamenlijke brainstormsessies en systematische documentatie stellen teams in staat mogelijke oorzaken te identificeren en de bijdragende factoren objectief te evalueren.
7. Welke uitdagingen doen zich doorgaans voor bij het diagnosticeren van defecten in spuitgietprocessen?
   Veelvoorkomende uitdagingen zijn onder meer ontbrekende of onvolledige gegevens, moeilijkheden bij het vaststellen van tijdlijnen, meerdere onderling beïnvloedende variabelen en kosten- of tijdsbeperkingen. Deze factoren maken het lastig om de werkelijke oorzaak te achterhalen en vereisen een gedisciplineerde analytische aanpak.
8. Kunnen meerdere oorzaken bijdragen aan één enkel probleem bij spuitgieten?
   Ja, meerdere factoren kunnen gelijktijdig of na elkaar een defect veroorzaken. De onderliggende oorzaken kunnen variëren afhankelijk van het perspectief – operator, gereedschapmaker, kwaliteitsingenieur of management – ​​wat het belang onderstreept van een duidelijke afbakening van het onderzoek.
9. Hoe kan een effectief diagnostisch onderzoek de productiekwaliteit verbeteren en het terugkeren van problemen verminderen?
   Door de werkelijke onderliggende oorzaak te identificeren en aan te pakken, maakt RCA gerichte corrigerende maatregelen mogelijk. Dit vermindert de herhaling van defecten, verbetert de processtabiliteit, verhoogt de productkwaliteit en ondersteunt continue verbetering in de productieprocessen.