قدرة العملية: احسب Cp وCpk، ثم اتخذ الإجراء المناسب

الرئيسية » الموارد » قدرة العملية: احسب Cp وCpk، ثم اتخذ الإجراء المناسب

وقت القراءة المقدر: 11 دقائق

تصف قدرة العملية مدى قدرة عملية تصنيع مستقرة على تلبية متطلب محدد، مثل قطر ثقب أو وزن تعبئة. وهي تقارن التباين الطبيعي للعملية بحدود المواصفات. يقيس Cp مدى اتساع التشتت مقارنة بنطاق التفاوت المسموح، بينما يأخذ Cpk في الحسبان أيضًا موضع متوسط العملية.

وهذا فرق مهم. فقد تكون القياسات الناتجة عن العملية متقاربة جدًا، لكنها تقع بالقرب الشديد من أحد حدود التفاوت المسموح. وبالمثل، قد تتوفر للآلة ساعات شاغرة غدًا، من دون أن تكون معتمدة لتصنيع سمة ذات متطلبات دقيقة.

لذلك تنتهي دراسة قدرة العملية المفيدة بقرارين: ما الذي يجب تغييره في العملية، وأي مسار إنتاج يمكن استخدامه لتنفيذ العمل. يساعد SkyPlanner APS في المهمة الثانية. فبعد إدراج مسار الإنتاج المعتمد ومحطات العمل المؤهلة وتحديث بياناتها، يجدول أوامر الإنتاج على تلك الموارد ويوضح أثر طاقتها الإنتاجية المحدودة على التسليم.

كيفية حساب Cp وCpk

ابدأ بخاصية واحدة تقيسها وبالمواصفات المنطبقة عليها. لا تجمع أبعادًا غير مترابطة في مؤشر واحد. وللحساب التقليدي الذي يفترض توزيعًا طبيعيًا، تحتاج إلى ما يلي:

• USL: الحد الأعلى للمواصفة، أي أكبر قيمة مسموح بها.
• LSL: الحد الأدنى للمواصفة، أي أصغر قيمة مسموح بها.
• المتوسط: متوسط القيم المقاسة للعملية قيد الدراسة.
• سيغما: الانحراف المعياري المقدّر للعملية، وهو يصف تشتت النتائج الفردية.

استخدم وحدات القياس نفسها في جميع الحسابات. تُستمد الحدود من متطلبات المنتج المنطبقة، لا من أعلى القياسات وأدناها في عينتك. وهي تختلف أيضًا عن حدود خرائط الضبط التي تصف سلوك العملية.

Cp: قارن عرض نطاق التفاوت المسموح بتشتت العملية

Cp = (USL − LSL) / (6 × sigma)

البسط هو عرض نطاق التفاوت المسموح. أما المقام فهو مدى تشتت العملية المتعارف عليه، ويمتد بمقدار ثلاثة انحرافات معيارية على كل جانب من المتوسط وفق نموذج التوزيع الطبيعي.

يجيب Cp عن السؤال التالي: هل يمكن احتواء هذا التشتت داخل نطاق التفاوت المسموح إذا كان متوسط العملية في منتصف المسافة بين الحدين؟ لكنه لا يخبرك إن كان المتوسط يقع فعلًا في ذلك المنتصف.

Cpk: تحقق من المسافة إلى الحد الأقرب

Cpk = min[(USL − mean) / (3 × sigma), (mean − LSL) / (3 × sigma)]

احسب القيمة على كل جانب وخذ النتيجة الأصغر؛ فهي تخص الجانب الذي يتيح هامشًا أقل. وبذلك يعكس Cpk كلًا من تشتت العملية وموضع متوسطها.

عند استخدام البيانات نفسها وتقدير سيغما نفسه، لا يمكن أن يتجاوز Cpk قيمة Cp. ويتساويان عندما يقع المتوسط في منتصف المسافة بين حدود المواصفات. ويشير الفرق بينهما إلى انحراف متوسط العملية عن المنتصف، لكنه لا يثبت استقرار العملية.

عمليًا، هذه تقديرات محسوبة من عينات، وليست قيمًا معلومة بدقة تامة للمجتمع الإحصائي. لذا وضّح طريقة تقدير سيغما. وفق الأسلوب الشائع في إعداد التقارير للتمييز بين التباين داخل العملية والتباين الكلي، يستخدم Cp وCpk تقديرًا للتباين داخل العملية، بينما يستخدم Pp وPpk التباين الكلي. وقد يؤدي تغيير التقدير إلى تغيير النتيجة حتى لو لم تتغير المواصفات.

ماذا لو كان للمواصفة حد واحد فقط؟

استخدم المؤشر المناسب أحادي الجانب: Cpu = (USL − mean) / (3 × sigma) عند وجود حد أعلى، أو Cpl = (mean − LSL) / (3 × sigma) عند وجود حد أدنى. يتطلب حساب Cp ثنائي الجانب حدين للمواصفة. لا تختلق متطلبًا ثانيًا لمجرد تطبيق المعادلة.

الحد الطبيعي ليس بالضرورة حدًا للمواصفة. وقد تتطلب الخاصية التي لا يمكن أن تأخذ قيمة سالبة تحليلًا لتوزيع غير طبيعي، بدلًا من الحساب القائم على نموذج التوزيع الطبيعي أعلاه.

مثال حسابي: Cp جيد وCpk أضعف

تخيّل ثقبًا ناتجًا عن التشغيل الميكانيكي بحدَّي مواصفة يبلغان 19.90 مم و20.10 مم. أظهرت دراسة مناسبة أن المتوسط يبلغ 20.04 مم، وأن الانحراف المعياري المقدّر داخل العملية يبلغ 0.020 مم. هذه قيم توضيحية، وليست قياسات مأخوذة من أحد العملاء.

يبلغ عرض نطاق التفاوت المسموح 0.20 مم، ويبلغ مدى التشتت الممتد على ستة انحرافات معيارية 0.120 مم:

Cp = (20.10 − 19.90) / (6 × 0.020) = 1.67، بعد التقريب.

تحقق الآن من كل جانب من جانبي المتوسط:

• مؤشر الجانب العلوي: (20.10 − 20.04) / (3 × 0.020) = 1.00.
• مؤشر الجانب السفلي: (20.04 − 19.90) / (3 × 0.020) = 2.33، بعد التقريب.
• قيمة Cpk هي القيمة الأصغر: 1.00.

التشتت ضيق نسبيًا، لكن متوسط العملية قريب جدًا من الحد الأعلى، مما يمنع الاستفادة الكاملة من نطاق التفاوت المسموح. والاكتفاء بعرض Cp سيخفي هذه المشكلة.

إذا انتقل المتوسط إلى 20.00 مم وبقي الانحراف المعياري دون تغيير، فسيظل Cp عند 1.67 وسيرتفع Cpk إلى 1.67، بعد التقريب. لذا يُعد ضبط المتوسط عند المنتصف تحسينًا يستحق الدراسة. لكن ذلك لا يضمن أن تعديل الإزاحة سيُبقي التباين دون تغيير؛ تحقّق من العملية بعد تعديلها استنادًا إلى أدلة جديدة.

إذا كانت قيمة Cp نفسها أقل مما يلزم لتلبية المتطلب المتفق عليه، فلن يكفي ضبط المتوسط عند المنتصف لحل المشكلة. بل يجب أيضًا تقليل التشتت، مثلًا بمعالجة مصدر محدد للتباين في أدوات التصنيع أو المواد أو الإعداد أو الظروف البيئية. ابحث عن السبب قبل تغيير العملية.

ما القيمة الجيدة لمؤشر Cpk؟

عندما تكون قيمة Cpk هي 1.00، يقع حد المواصفة الأقرب على بُعد ثلاثة انحرافات معيارية مقدّرة من المتوسط. وتُستخدم قيمة 1.33 كثيرًا كمعيار مرجعي، لكنها ليست قاعدة اعتماد عامة. فالقيمة المطلوبة تعتمد على العميل والخاصية والمخاطر ومتطلبات الجودة المنطبقة.

قيّم النتيجة وفق المعيار المتفق عليه، لا بمجرد اللون الذي يعرضه البرنامج:

• Cpk أقل من القيمة المطلوبة: الهامش الذي أثبتته الدراسة غير كافٍ. تحقّق من صلاحية الدراسة، ثم عالج موضع المتوسط أو التباين أو كليهما.
• Cpk يساوي القيمة المطلوبة أو يتجاوزها: راجع ظروف الدراسة وعدم اليقين الإحصائي قبل قبول النتيجة كدليل يستند إليه الإنتاج.
• Cpk يساوي صفرًا: يقع المتوسط على أحد حدود المواصفات.
• Cpk سالب: يقع المتوسط خارج أحد حدود المواصفات، وتكون نتيجة حساب الجانب الأقرب سالبة.

لا تفسّر Cpk على أنه نسبة القطع المطابقة أو معدل رفض مضمون. فتحويل المؤشر إلى معدل عيوب متوقّع يتطلب افتراضات بشأن التوزيع والاستقرار، فضلًا عن موضع كلا الحدين. ولا تكفي قيمة Cpk وحدها لإعطاء الصورة الكاملة.

كذلك لا يقيس Cpk مباشرةً مدى الاقتراب من قيمة مستهدفة محددة بصورة مستقلة في التصميم. فعند ثبات التشتت ووجود حدين، يبلغ أقصى قيمة له عندما يقع المتوسط في منتصف نطاق التفاوت المسموح. وإذا اختلفت القيمة الهندسية المستهدفة عن ذلك المنتصف، فقيّم أيضًا مدى تحقيقها بدلًا من إزاحة متوسط العملية لمجرد تعظيم Cpk.

تحقّق من الدراسة قبل الوثوق بالرقم

غالبًا ما تكون الحسابات هي الجزء السهل. أما السؤال الأصعب فهو: هل تصف القياسات العملية التي تنوي تشغيلها؟

استخدم نظام قياس مناسبًا للمهمة

تحقّق من أن طريقة القياس قادرة على تمييز الفروق في الخاصية المقاسة، وأن خطأ القياس مقبول بالنسبة إلى القرار المطلوب. المعايرة مهمة، وكذلك الانحياز وقابلية التكرار والاختلافات بين المشغّلين أو طرق القياس. ويساعد تحليل نظام القياس على فصل تباين القياس عن تباين التصنيع.

استخدم قيماً مقاسة فعلية في دراسة Cp/Cpk القائمة على بيانات متصلة. فعدد الوحدات السليمة والمعيبة لا يغني عن توزيع قياسات أقطار الثقوب أو الأوزان أو غيرها من الخصائص المقاسة.

خذ عينات تمثّل الظروف التي سيشملها القرار

حدّد إصدار المنتج والخاصية ومسار الإنتاج والمعدات والإعداد وظروف الإنتاج ذات الصلة. وسجّل زمان إجراء القياسات ومكانها. فتشغيل قصير بأداة واحدة ومشغّل واحد ودفعة مواد واحدة لا يثبت تلقائياً قدرة العملية في ظروف أخرى.

اجمع البيانات بترتيبها الزمني. وعند استخدام مجموعات فرعية منطقية، اجمع القياسات بحيث يمثّل التباين داخل كل مجموعة التباين قصير الأجل للعملية المراد تقييمه، مع إتاحة كشف التغيرات بين المجموعات في الدراسة. لا تُعِد تجميع البيانات لتحسين المؤشر، ولا تستبعد القياسات غير الملائمة دون الإفصاح عن ذلك.

تجنّب دمج بيانات آلات أو تجاويف قوالب أو إعدادات مختلفة قبل التحقق من أنها تمثّل عملية واحدة. فقد يخفي المدرج التكراري المجمّع تحوّلاً أو مزيجاً من توزيعات يحتاج إلى فحص منفصل.

تحقّق من الاستقرار قبل التنبؤ

استخدم خريطة ضبط إحصائي مناسبة واستعن بمعرفتك بالعملية لفحص التغيرات والاتجاهات والأسباب الخاصة. يعرض المدرج التكراري توزيع النتائج، لكنه لا يحتفظ بتسلسلها الزمني، ولذلك لا يمكنه وحده إثبات الاستقرار.

قد تكون العملية مستقرة ومع ذلك تعجز عن الالتزام بحدود السماح. وفي المقابل، فإن تقديراً مرتفعاً لقدرة عملية غير مستقرة لا يوفّر تنبؤاً موثوقاً بالإنتاج المستقبلي. اعمل على تثبيت العملية ثم أعد تقييمها، بدلاً من اعتبار المؤشر إذناً بالاستمرار دون تغيير.

افحص التوزيع وعدم اليقين

تعتمد الصيغ التقليدية على نموذج التوزيع الطبيعي. افحص البيانات ومدى ملاءمة التوزيع لها؛ وإذا كانت الخاصية لا تتبع فعلاً توزيعاً طبيعياً، فاستخدم تحويلاً له ما يبرّره أو طريقة مناسبة لتقييم القدرة مع التوزيعات غير الطبيعية. حذف المشاهدات إلى أن تجتاز البيانات اختبار التوزيع الطبيعي ليس حلاً.

خطّط لحجم العينة ومدة جمعها وفقاً لغرض الدراسة والمتطلبات المنطبقة. فحتى العدد الكافي من المشاهدات، إذا أُخذ من تشغيل واحد في ظروف مواتية على نحو استثنائي، قد لا يكشف التباين المهم. كما أن العينات الصغيرة تزيد عدم اليقين في تقدير المؤشر، لذا راجع فترة الثقة أو حدّ الثقة الأدنى عندما يستلزم قرار القبول ذلك.

احرص على أن يكون التقرير واضحاً وقابلاً للتفسير، ووثّق فيه إصدار المواصفة وظروف الدراسة وخطة أخذ العينات وطريقة تقدير سيغما وأدلة الاستقرار وطريقة التعامل مع التوزيع وتقديرات المؤشرات ومعيار القبول المتفق عليه. فهذه التفاصيل تتيح لمن يراجع التقرير لاحقاً فهم ما يدعمه الرقم فعلياً.

لا يمكن استخدام Cp/Cpk وPp/Ppk وCm/Cmk بالتبادل

وفق الاصطلاح الشائع الذي يميّز بين التباين الداخلي والتباين الكلي، يصف Cp وCpk القدرة باستخدام تقدير للتباين داخل العملية، بينما يستخدم Pp وPpk الانحراف المعياري الكلي لبيانات الدراسة. يقارن كلا الزوجين التشتت بحدود المواصفات، ويأخذ Cpk وPpk أيضاً موضع المتوسط في الحسبان.

قد يشير انخفاض Ppk بوضوح عن Cpk إلى تباين بين المجموعات الفرعية لا يلتقطه تقدير التباين الداخلي. افحص التسلسل الزمني ومصادر التباين. ولا يحوّل أيٌّ من هذين المؤشرين البيانات غير المستقرة إلى تنبؤ موثوق، كما أن المؤشر الكلي لا يمثّل إلا الظروف التي أُخذت منها العينات فعلياً.

يُستخدم Cm وCmk في دراسة قدرة الآلة، التي تُجرى عادةً في ظروف مضبوطة بهدف عزل مساهمة الآلة في التباين. ويختلف هذا النطاق عن نطاق عملية إنتاج تتعرض للمزيج المعتاد من العوامل المؤثرة.

قد تختلف التسميات وأعراف الحساب بين المعايير والقطاعات وبرامج التحليل. وعند مقارنة التقارير، تحقّق من غرض الدراسة وبياناتها وتقدير التباين والطريقة المستخدمة، ولا تكتفِ بتشابه الصيغ. لا يمكن ببساطة تغيير تسمية نتيجة دراسة آلة واعتبارها دليلاً على قدرة عملية الإنتاج بأكملها.

أدرج العملية المعتمدة في خطة الإنتاج

بعد أن يقيّم قسم الجودة الدراسة، ينبغي أن تكون النتيجة العملية واضحة: ما طريقة التصنيع المقبولة، وفي أي ظروف، وما المراقبة أو الإجراءات التصحيحية المطلوبة. وثّق الاعتماد ونطاقه ضمن إجراءات الجودة لديك.

ثم زوّد فريق تخطيط الإنتاج بتفاصيل مسار الإنتاج والموارد التي يسمح بها القرار. فقد تعتمد الطريقة المعتمدة على أكثر من مجرد الآلة؛ إذ قد تكون لأدوات التصنيع والبرنامج والمواد والإعداد وظروف التشغيل أهمية أيضاً. وتحديد أهلية محطة العمل جزء من تنفيذ ذلك القرار، وليس بديلاً عن جميع ضوابط الإنتاج المرتبطة به.

لنفترض أن تصنيع الثقب معتمد على مركز تشغيل واحد. وهناك مركز ثانٍ لديه وقت متاح، لكنه غير مؤهّل لهذه العملية. نقل الأمر إليه لن يحل مشكلة الطاقة الإنتاجية ضمن الشروط المعتمدة. يحتاج فريق التخطيط إلى معرفة ما إذا كان بالإمكان استيعاب العمل على المركز المؤهّل، إلى جانب الأعمال الأخرى التي سبق الالتزام بها.

دع SkyPlanner يجدول العمل على الموارد المؤهّلة

يحوّل SkyPlanner APS مسار الإنتاج الذي تحافظ على تحديثه إلى جدول إنتاج يراعي حدود الطاقة المتاحة. حدّد خطوات العملية ومددها ومحطات العمل المؤهّلة لها، إلى جانب الورديات والطاقة الإنتاجية وعلاقات الاعتماد والأولويات. ويتولى Arcturus، محرك الجدولة بالذكاء الاصطناعي، توزيع العمليات على الموارد التي أعددتها. ويوضح مخطط جانت الزمني مواعيد العمل المجدول وكيفية تنسيقه مع الأوامر الأخرى.

بالنسبة إلى مخطط الإنتاج، تتمثل الفائدة في تقليل الوقت الذي يقضيه في تذكّر قيود مسارات الإنتاج وتعديل قوائم انتظار الآلات يدوياً. وإذا كان أحد الموارد المعتمدة مثقلاً بالعمل، يظهر أثر ذلك على التسليم في الجدول. ويمكنك تقييم تغيير الأولويات أو إضافة وقت عمل على مورد مؤهّل، بدلاً من افتراض أن أي آلة متاحة تستطيع تنفيذ العمل.

أبقِ التقييم الإحصائي ضمن سير عمل الجودة. فدور SkyPlanner هنا هو الجدولة باستخدام معلومات مسار الإنتاج المعتمدة التي تحافظ على تحديثها، لا استنتاج التأهيل من قيمة Cpk أو تحديث الاعتماد تلقائياً. وعندما يعتمد قسم الجودة مورداً آخر، حدّث مسار الإنتاج ليشمل المورد المؤهّل، ودع الجدول يعكس الطاقة الإنتاجية الإضافية.

يمكنك أيضاً العمل من خلال مساعدك الخاص بالذكاء الاصطناعي، مثل Claude أو ChatGPT أو Microsoft Copilot، المتصل عبر MCP، وهي حلقة الوصل بين المساعد وSkyPlanner. أخبره بما تريد فهمه، مثل الأوامر التي تتنافس هذا الأسبوع على محطة عمل معتمدة بعينها. ويمكنه الجمع بين بيانات SkyPlanner ومعرفته بالمنتج لمساعدتك على مراجعة قائمة الانتظار واستخدام وظائف الجدولة المسموح بها. ويقلّل ذلك جهد العثور على المعلومات المناسبة، مع بقاء التحكم في أولويات الإنتاج بيدك.

يتكامل SkyPlanner مع أي نظام ERP أو MES عبر واجهة REST API المفتوحة الخاصة به. ويمكنك الإبقاء على هذه الأنظمة وربط بيانات الأوامر والإنتاج اللازمة للجدولة.

كيف يبدو تحسين إسناد العمل إلى الموارد عملياً؟

لدى KJH-Comp، المتخصصة في تصنيع الصفائح المعدنية بالتعاقد، كان نظام ERP وجداول البيانات يعرضان أحمال العمل الأسبوعية بصورة إجمالية، لكن إسناد العمل إلى الآلات على المستوى اليومي ظل يدوياً. اعتمدت الشركة SkyPlanner للجدولة ضمن حدود الطاقة المتاحة، مع الإبقاء على نظام C9000 ERP. وتصف قصة تجربتها إسناد العمل إلى الآلات تلقائياً، والكشف المبكر عن تجاوز العمل لطاقة آلة ثني معيّنة.

توضح هذه التجربة فائدة الجدولة: يصبح المورد المعني والفترة المتاحة للتسليم واضحين، بدلاً من أن تضيع تفاصيلهما ضمن إجمالي أسبوعي. وهي لا تتضمن أي ادعاء بشأن نتائج Cp/Cpk لدى KJH-Comp. وعندما تقيّد متطلبات قدرة العملية اختيار مسار الإنتاج، يبقى السؤال التخطيطي نفسه مهماً: متى يمكن إنجاز العمل على الموارد المسموح لك باستخدامها؟

اختبر الخطة باستخدام مسار إنتاج معتمد

استخدم Cp وCpk لفهم العلاقة بين حدود السماح والتشتت وموضع التوزيع. واستند إلى دراسة مصممة على نحو سليم لتحديد ما تعنيه هذه الأدلة للإنتاج. ثم اجعل مسار الإنتاج المعتمد قيداً فعلياً في الجدول، لا مجرد ملاحظة يجب على مخطط الإنتاج تذكّرها.

احجز عرضاً توضيحياً لـSkyPlanner، وأحضر تفاصيل مسار إنتاج معتمد واحد ومحطات العمل المؤهّلة له وحجم العمل الذي تمثله أوامرك الحالية. تعرّف على كيفية استيعاب العمل والتزامات التسليم التي تحتاج إلى اهتمام. وإذا كنت تفضّل الاستكشاف أولاً، جرّب SkyPlanner ببيانات تجريبية أو استخدم تجربة البدء المدعومة بالذكاء الاصطناعي في SkyPlanner Assistant.