Processduglighet: beräkna Cp och Cpk och vidta åtgärder

Hem » Resurser » Processduglighet: beräkna Cp och Cpk och vidta åtgärder

Beräknad lästid: 11 minuter

Processduglighet beskriver hur väl en stabil tillverkningsprocess kan uppfylla ett specificerat krav, till exempel på håldiameter eller fyllnadsvikt. Processens naturliga variation jämförs med specifikationsgränserna. Cp anger hur spridningen ryms inom toleransen, medan Cpk också tar hänsyn till var processens medelvärde ligger.

Den skillnaden är viktig. Mätvärdena från en process kan ligga tätt samlade men ändå för nära en toleransgräns. På samma sätt kan en maskin ha lediga timmar i morgon utan att vara godkänd för att tillverka en detalj med höga krav på en viss egenskap.

En användbar duglighetsstudie leder därför till två beslut: vad som behöver ändras i processen och vilken operationsföljd som kan användas för arbetet. SkyPlanner APS hjälper till med den andra uppgiften. När den godkända operationsföljden och uppgifterna om tillåtna produktionsgrupper hålls aktuella schemalägger systemet order på dessa resurser och visar vad deras begränsade kapacitet innebär för leveransen.

Så beräknar du Cp och Cpk

Börja med en mätbar egenskap och den specifikation som gäller för den. Slå inte ihop orelaterade mått i ett enda index. För den konventionella beräkningen, som bygger på normalfördelning, behöver du:

• USL: den övre specifikationsgränsen, alltså det största tillåtna värdet.
• LSL: den undre specifikationsgränsen, alltså det minsta tillåtna värdet.
• Medelvärde: genomsnittet av mätvärdena för den process som studeras.
• Sigma: processens skattade standardavvikelse, som beskriver spridningen hos enskilda resultat.

Använd samma enheter genom hela beräkningen. Gränserna hämtas från de produktkrav som gäller, inte från stickprovets högsta och lägsta mätvärden. De ska inte heller förväxlas med styrgränserna i ett styrdiagram, som beskriver processens beteende.

Cp: jämför toleransvidden med processens spridning

Cp = (USL − LSL) / (6 × sigma)

Täljaren är toleransvidden. Nämnaren är det konventionella måttet på processens spridning, som i en normalfördelningsmodell sträcker sig tre standardavvikelser åt vardera hållet från medelvärdet.

Cp svarar på frågan: skulle spridningen rymmas inom toleransen om processen var centrerad mitt emellan gränserna? Det visar inte om processen faktiskt är centrerad där.

Cpk: kontrollera avståndet till den närmaste gränsen

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

Beräkna värdet för båda sidorna och välj det lägsta. Det motsvarar sidan med minst marginal. Cpk speglar därmed både processens spridning och dess läge.

Med samma data och samma skattning av sigma kan Cpk inte överstiga Cp. De är lika stora när medelvärdet ligger mitt emellan specifikationsgränserna. En skillnad mellan dem visar att processen inte är centrerad, men säger inget om huruvida den är stabil.

I praktiken är detta skattningar beräknade från stickprov, inte exakt kända populationsvärden. Ange hur sigma har skattats. Enligt den vanliga rapporteringskonventionen som skiljer på variation inom delgrupper och total variation används en skattning av variationen inom delgrupper för Cp och Cpk, medan Pp och Ppk använder den totala variationen. En annan skattning kan ge ett annat resultat även om specifikationen är oförändrad.

Vad gäller om det bara finns en specifikationsgräns?

Använd det ensidiga index som är relevant: Cpu = (USL − medelvärde) / (3 × sigma) för en övre gräns eller Cpl = (medelvärde − LSL) / (3 × sigma) för en undre gräns. Ett tvåsidigt Cp kräver två specifikationsgränser. Hitta inte på ett andra krav för att kunna använda formeln.

En naturlig gräns är inte automatiskt en specifikationsgräns. För en egenskap som inte kan anta negativa värden kan det också behövas en analys för en annan fördelning än normalfördelningen, i stället för beräkningen ovan.

Räkneexempel: bra Cp men svagare Cpk

Tänk dig ett bearbetat hål med specifikationsgränserna 19,90 mm och 20,10 mm. En lämpligt utformad studie ger ett medelvärde på 20,04 mm och en skattad standardavvikelse inom delgrupper på 0,020 mm. Värdena används för att illustrera beräkningen och är inte mätningar från någon kund.

Toleransvidden är 0,20 mm och spridningen på sex sigma är 0,120 mm:

Cp = (20,10 − 19,90) / (6 × 0,020) = 1,67, avrundat.

Kontrollera nu båda sidorna om medelvärdet:

• Index för den övre gränsen: (20,10 − 20,04) / (3 × 0,020) = 1,00.
• Index för den undre gränsen: (20,04 − 19,90) / (3 × 0,020) = 2,33, avrundat.
• Cpk är det lägsta värdet: 1,00.

Spridningen är relativt liten, men processen ligger för nära den övre gränsen för att utnyttja toleransen fullt ut. Det problemet skulle döljas om enbart Cp rapporterades.

Om medelvärdet flyttades till 20,00 mm och standardavvikelsen förblev oförändrad skulle Cp ligga kvar på 1,67 och Cpk stiga till 1,67, avrundat. Centrering är därför en möjlig förbättring att undersöka. Det innebär inte att variationen garanterat förblir oförändrad när en offset justeras. Verifiera den justerade processen med nya data.

Om Cp i sig är för lågt för det överenskomna kravet räcker det inte att centrera processen. Även spridningen måste minska, till exempel genom att åtgärda en identifierad källa till variation i verktyg, material, ställ eller omgivning. Utred orsaken innan du ändrar processen.

Vad är ett bra Cpk-värde?

Vid Cpk 1,00 ligger den närmaste specifikationsgränsen tre skattade standardavvikelser från medelvärdet. 1,33 är ett vanligt riktvärde, men ingen allmän regel för godkännande. Vilket värde som krävs beror på kunden, egenskapen, risken och de kvalitetskrav som gäller.

Bedöm resultatet mot det överenskomna kriteriet, inte bara utifrån en färgmarkering i programmet:

• Cpk under det kravställda värdet: den påvisade marginalen är otillräcklig. Kontrollera att studien är giltig och åtgärda sedan processens läge, spridning eller båda.
• Cpk lika med eller över det kravställda värdet: granska studiens förutsättningar och den statistiska osäkerheten innan resultatet godtas som underlag för produktion.
• Cpk lika med noll: medelvärdet ligger på en specifikationsgräns.
• Negativt Cpk: medelvärdet ligger utanför en specifikationsgräns, vilket ger ett negativt värde i beräkningen för den närmaste gränsen.

Tolka inte Cpk som andelen godkända detaljer eller som en garanterad felandel. För att omvandla ett index till en förväntad felandel krävs antaganden om fördelning och stabilitet samt kännedom om båda gränsernas läge. Ett enskilt Cpk-värde ger inte hela bilden.

Cpk mäter inte heller direkt hur nära processen ligger ett separat angivet konstruktionsmålvärde. Vid en given spridning och två gränser når Cpk sitt maximum i toleransens mittpunkt. Om konstruktionsmålvärdet skiljer sig från mittpunkten behöver du även bedöma hur väl processen träffar målvärdet, i stället för att flytta processen enbart för att maximera Cpk.

Granska studien innan du litar på värdet

Själva beräkningen är oftast den enkla delen. Den svårare frågan är om mätningarna beskriver den process som du tänker köra.

Använd ett mätsystem som är lämpligt för uppgiften

Kontrollera att mätmetoden har tillräcklig upplösning för egenskapen och ett mätfel som är acceptabelt för beslutet. Kalibrering är viktig, men det gäller även systematiska mätfel, repeterbarhet och skillnader mellan operatörer eller metoder. En mätsystemanalys hjälper till att skilja variationen i mätningen från variationen i tillverkningen.

Använd faktiska mätvärden i en Cp/Cpk-studie baserad på variabeldata. Antalet godkända och felaktiga enheter kan inte ersätta fördelningen av håldiametrar, vikter eller andra uppmätta egenskaper.

Ta stickprov som täcker de förhållanden beslutet ska gälla för

Definiera produktrevision, egenskap, operationsföljd, utrustning, uppställning och relevanta produktionsförhållanden. Dokumentera när och var mätningarna gjordes. En kort körning med ett verktyg, en operatör och ett materialparti visar inte automatiskt att processen är duglig även under andra förhållanden.

Samla in data i tidsordning. Om rationella undergrupper används ska mätningarna grupperas så att variationen inom varje undergrupp representerar den korttidsvariation i processen som ska studeras, samtidigt som studien kan påvisa förändringar mellan undergrupperna. Gruppera inte om data för att förbättra indexet och uteslut inte obekväma mätvärden utan att redovisa det.

Slå inte samman data från olika maskiner, formkaviteter eller uppställningar utan att först kontrollera om de representerar en och samma process. Ett gemensamt histogram kan dölja en förskjutning eller en blandning av fördelningar som behöver undersökas separat.

Fastställ stabiliteten innan du gör en prognos

Använd ett lämpligt styrdiagram och kunskap om processen för att undersöka förändringar, trender och särskilda orsaker till variation. Ett histogram visar resultatens fördelning, men inte deras tidsföljd. Det kan därför inte ensamt visa att processen är stabil.

En stabil process kan ändå sakna förmåga att hålla toleransen. Omvänt är en till synes god duglighetsskattning från en instabil process ingen tillförlitlig prognos för framtida produktion. Stabilisera processen och gör en ny bedömning i stället för att se indexet som ett klartecken att fortsätta utan förändringar.

Kontrollera fördelningen och osäkerheten

De vedertagna formlerna bygger på en normalfördelningsmodell. Granska data och hur väl fördelningen passar. Om egenskapen faktiskt inte är normalfördelad ska du använda en välgrundad transformation eller en lämplig metod för duglighetsanalys av icke-normalfördelade data. Att ta bort observationer tills ett normalitetstest godkänns är ingen lösning.

Planera stickprovsstorlek och studiens längd utifrån syftet och de krav som gäller. Även ett tillräckligt antal observationer från en ovanligt gynnsam körning kan missa den variation som är avgörande. Små stickprov gör dessutom det skattade indexet osäkert. Granska därför ett konfidensintervall eller en nedre konfidensgräns när beslutet om godkännande kräver det.

Se till att rapporten går att tolka: ange specifikationsrevision, studieförhållanden, provtagningsplan, metod för att skatta sigma, belägg för stabilitet, metod för att hantera fördelningen, skattade index och överenskommet acceptanskriterium. Dessa uppgifter gör att nästa person kan förstå vilka slutsatser värdet faktiskt ger stöd för.

Cp/Cpk, Pp/Ppk och Cm/Cmk är inte utbytbara

Enligt den vanliga konventionen som skiljer mellan variation inom undergrupper och total variation beskriver Cp och Cpk dugligheten utifrån den skattade variationen inom processen. Pp och Ppk använder den totala standardavvikelsen för studiens data. Båda indexparen jämför spridningen med specifikationsgränserna. Cpk och Ppk tar dessutom hänsyn till medelvärdets läge.

Om Ppk är märkbart lägre än Cpk kan det tyda på variation mellan undergrupper som skattningen inom undergrupperna inte fångar upp. Undersök tidsföljden och variationskällorna. Ingen av beteckningarna gör instabila data till en tillförlitlig prognos, och ett index baserat på total variation är bara representativt för de förhållanden som faktiskt ingick i provtagningen.

Cm och Cmk hör till en maskinduglighetsstudie, som vanligtvis genomförs under kontrollerade förhållanden för att isolera maskinens bidrag till variationen. En sådan studie har en annan omfattning än en studie av en produktionsprocess som utsätts för sin normala blandning av påverkansfaktorer.

Benämningar och beräkningskonventioner kan skilja sig mellan standarder, branscher och analysprogram. När du jämför rapporter ska du kontrollera studiens syfte, data, variationsskattning och metod – inte bara om formlerna ser likadana ut. Ett resultat från en maskinstudie kan inte bara få en ny etikett och användas som belägg för hela produktionsprocessen.

För in den godkända processen i produktionsplanen

När kvalitetsfunktionen har utvärderat studien bör det praktiska resultatet vara tydligt: vilken tillverkningsmetod som är acceptabel, under vilka förhållanden och vilken övervakning eller vilka korrigerande åtgärder som krävs. Dokumentera godkännandet och dess omfattning i kvalitetsprocessen.

Ge sedan produktionsplaneringen tillgång till den operationsföljd och de resurser som beslutet tillåter. Den godkända metoden kan bero på mer än maskinen: verktyg, program, material, ställ och driftförhållanden kan ha betydelse. Att ange vilka produktionsgrupper som får användas är en del av att omsätta beslutet i praktiken, men ersätter inte alla tillhörande kontroller i produktionen.

Anta att hålet är godkänt för tillverkning i ett visst bearbetningscentrum. Ett annat bearbetningscentrum har ledig tid, men har inte kvalificerats för den här operationen. Att flytta ordern dit skulle inte lösa kapacitetsproblemet på ett godkänt sätt. Planeringen behöver se om arbetet ryms i det godkända bearbetningscentrumet tillsammans med de övriga operationer som redan har utlovats.

Låt SkyPlanner schemalägga arbetet på godkända resurser

SkyPlanner APS omvandlar den uppdaterade operationsföljden till ett produktionsschema som tar hänsyn till begränsad kapacitet. Ange processtegen, deras tidsåtgång och vilka produktionsgrupper som får användas samt skift, kapacitet, beroenden och prioriteringar. Arcturus, systemets AI för schemaläggning, placerar operationerna på de konfigurerade resurserna. Gantt-schemat visar när arbetet är inplanerat och hur det passar ihop med andra order.

För planeraren innebär det att mindre tid går åt till att hålla reda på begränsningar i operationsföljden och justera maskinköer manuellt. Om en godkänd resurs är hårt belastad syns påverkan på leveranserna i schemat. Du kan bedöma effekten av ändrade prioriteringar eller utökad arbetstid på en godkänd resurs i stället för att anta att vilken ledig maskin som helst kan ta operationen.

Låt den statistiska bedömningen ligga kvar i kvalitetsarbetet. SkyPlanners roll är här att schemalägga utifrån den godkända information om operationsföljder som du håller uppdaterad, inte att avgöra kvalificering utifrån ett Cpk-värde eller automatiskt uppdatera godkännandet. När kvalitetsfunktionen godkänner ytterligare en resurs uppdaterar du operationsföljden med den godkända resursen och låter schemat återspegla den utökade kapaciteten.

Du kan också arbeta via din egen AI-assistent, till exempel Claude, ChatGPT eller Microsoft Copilot, ansluten via MCP som länkar assistenten till SkyPlanner. Berätta vad du behöver få klarhet i, exempelvis vilka order som konkurrerar om en viss godkänd produktionsgrupp den här veckan. Assistenten kan kombinera data från SkyPlanner med produktkunskap för att hjälpa dig att granska kön och använda tillåtna schemaläggningsfunktioner. Det gör det enklare att hitta rätt information samtidigt som du behåller kontrollen över produktionsprioriteringarna.

SkyPlanner kan integreras med vilket ERP- eller MES-system som helst via sitt öppna REST API. Du kan behålla dessa system och ansluta de order- och produktionsdata som behövs för schemaläggningen.

Så ser bättre resursfördelning ut i praktiken

Hos KJH-Comp, som är legotillverkare inom plåtbearbetning, visade ERP-systemet och kalkylbladen en grov veckobeläggning, men arbetet fördelades fortfarande manuellt på maskiner dag för dag. Företaget införde SkyPlanner för schemaläggning med begränsad kapacitet och behöll sitt ERP-system C9000. Kundberättelsen beskriver automatisk fördelning av arbete på maskiner och hur det tidigare blir synligt när arbetet överstiger kapaciteten i en viss bockningsmaskin.

Erfarenheten visar nyttan med schemaläggningen: den aktuella resursen och leveransfönstret blir synliga i stället för att försvinna i en veckosumma. Det är inget påstående om KJH-Comps Cp/Cpk-resultat. För en operationsföljd där duglighetskrav begränsar resursvalet är samma planeringsfråga viktig: när kan arbetet bli klart på de resurser som ni får använda?

Testa planen med en godkänd operationsföljd

Använd Cp och Cpk för att förstå sambandet mellan tolerans, spridning och läge. Använd en väl utformad studie för att avgöra vad resultaten betyder för produktionen. Gör sedan den godkända operationsföljden till en faktisk begränsning i schemat, inte en anteckning som planeraren måste komma ihåg.

Boka en demo av SkyPlanner med en godkänd operationsföljd, de produktionsgrupper som får användas och er aktuella orderbeläggning. Se hur arbetet ryms och vilka leveransåtaganden som behöver uppmärksammas. Om du hellre vill utforska på egen hand först kan du prova SkyPlanner med demodata eller använda den AI-stödda kom igång-guiden i SkyPlanner Assistant.