Автор: Jody Muelaner
Автор перевода: Зарипова А. С.
В этой статье я познакомлю вас с основами поддержания качества.
Это включает обеспечение качества, контроль качества и метрологию. Мы используем гарантии качества, чтобы получить уверенность в том, что требования к качеству будут выполнены. Контроль качества используется для проверки того, что требования выполнены. Это тонкая грань, и на практике термины иногда используются взаимозаменяемо. Метрология – это наука об измерениях. Так мы гарантируем, что можем с уверенностью сравнивать результаты измерений по всему миру.
Эти принципы могут применяться к продуктам или услугам, но я собираюсь сосредоточиться на производстве и как эти три фундаментальные концепции связаны друг с другом в этом контексте. Поэтому я избегал подробностей конкретных методов, и я не попадаю ни в какие из математики. Я сохраню это для следующей статьи.
Египтяне использовали стандарты измерения, с регулярными калибровками, чтобы гарантировать, что камни будут сочетаться в их великолепных строительных проектах. Но современные системы качества действительно начались во время промышленной революции. До этого механические товары строились ремесленниками, которые собирали каждую деталь, чтобы вписаться в сборку. Это означало, что каждая машина и каждая ее часть были уникальны. Если часть должна быть заменена, то мастер должен будет поместить новую часть.
В конце 18 века французские производители оружия начали изготавливать мушкеты со стандартными деталями. Это означало, что армия могла носить запасные части и быстро обменивать их на сломанные. Эти взаимозаменяемые части все еще были намотаны, чтобы вписаться в сборку, но вместо того, чтобы подгонять каждую часть к отдельному пистолету, он был приспособлен к главной части.
Спустя несколько лет американские оружейники начали использовать этот метод, но приспособили его к своим неподготовленным работникам. Они подавали датчики, чтобы те соответствовали главной части, рабочие устанавливали приспособления и производственные машины, используя манометры, а также датчики для проверки деталей. Это позволило ряду машин, каждая из которых выполняла одну операцию с неквалифицированным оператором, получать точные детали. Затем детали можно быстро собрать в сложные машины.
Таким образом, фундамент для современного производства был заложен за 100 лет до того, как Форд применил эти идеи к движущейся производственной линии.
Система главных частей, датчиков и одноразовых машин работала, когда весь продукт производился на одном заводе. Современные глобальные цепочки поставок нуждаются в другой системе. Вместо того, чтобы иметь физическую основную часть, у нас есть чертежная или цифровая CAD-модель. Указанные допуски гарантируют, что детали будут совмещены и выполняться по назначению. Вместо того, чтобы каждый производитель приходил к одной главной части для установки своих датчиков, они калибровали свои измерительные приборы. Инструменты затем используются для установки производственных машин и проверки произведенных деталей.
Все качество зависит от этого процесса калибровки. Наиболее важным понятием является то, что все измерения имеют неопределенность. Если бы я попросил вас оценить высоту этого текста, вы можете сказать: «Это около 4 мм». Использование слова «около» означает, что в вашей оценке есть определенная неопределенность. Фактически, мы никогда не сможем узнать точную истинную ценность чего-либо, все измерения фактически оцениваются и имеют некоторую неопределенность. Разница между результатом измерения и истинным значением является ошибкой измерения. Поскольку мы не можем знать истинное значение, мы также не можем знать ошибку: это непознаваемые величины. Все, что мы можем количественно рассказать об окружающем нас мире, – это результаты измерений, и они всегда имеют некоторую неопределенность, даже если эта неопределенность очень мала.
Если бы вы оценили высоту этого текста как «около 4 мм, плюс-минус 1 мм», то теперь у вас есть определенные ограничения для вашей неопределенности. Но вы все еще не можете быть на 100 процентов уверены, что это правда. У вас может быть некоторый уровень уверенности, скажем 95 процентов, что это правда. Если бы вы увеличили пределы, скажем, плюс-минус 2 мм, тогда ваша уверенность увеличится, возможно, до 99 процентов. Таким образом, неопределенность дает некоторые границы, в пределах которых мы имеем уровень уверенности в том, что истинное значение есть. Хорошо, отличная философия! В будущей статье я расскажу об этих идеях и о том, как можно вычислить неопределенность для определенного уровня достоверности.
Как только мы определили неопределенность (или «точность») измерения, мы можем применить это, чтобы решить, соответствует ли часть определенному допуску. Например, предположим, что часть указана равной 100 мм +/- 1 мм. Мы измеряем его и получаем результат 100,87 мм. Является ли эта часть спецификацией? Простой ответ: «Мы не знаем, может быть, так оно и есть, но, возможно, в нашем измерении была ошибка, и на самом деле эта часть составляет более 101 мм. Возможно, была еще большая ошибка, а части на самом деле меньше 99 мм! Если мы не знаем, что такое неопределенность измерения, мы не знаем, насколько мы уверены в том, что эта часть находится в спецификации. Предположим, что неопределенность измерения была дана так, чтобы результат измерения составлял 100,87 мм +/- 0,1 мм при 95-процентной достоверности. Теперь мы можем с уверенностью сказать, что 95% -ная уверенность в том, что эта часть находится в пределах спецификации.
Поэтому понимание и количественная оценка неопределенности измерений имеет решающее значение для поддержания качества. Теперь давайте рассмотрим калибровку и связанную с ней концепцию прослеживаемости. Это фундаментальный аспект неопределенности. Калибровка – это сравнение со ссылкой, и неопределенность этого сравнения всегда должна быть включена по причинам, объясненным ниже. Прослеживаемое измерение – это то, которое имеет непрерывную цепочку калибровки, полностью возвращаясь к основному стандарту. Начиная с 1930-х годов, дюйм был определен как 25,4 мм и, следовательно, также прослеживается к тому же стандарту метра. Все измерения должны быть прослежены до того же стандарта, чтобы обеспечить совместимость деталей, изготовленных в разных странах.
Неопределенность измерений возникает из разных источников. Некоторые из них приведут к последовательной ошибке или предвзятости в результате. Например, неизвестная ошибка, возникающая при калибровке инструмента, приведет к постоянной ошибке при каждом использовании. Этот тип эффекта известен как систематическая неопределенность, приводящая к систематической ошибке. Другие источники приведут к ошибкам, которые изменяются случайным образом каждый раз, когда производится измерение. Например, турбулентность в воздухе может вызвать небольшие, случайно изменяющиеся возмущения лазерных измерений, механическое воспроизведение и выравнивание могут приводить к случайным изменениям ошибок в механических измерениях. Этот тип эффекта известен как случайная неопределенность, приводящая к случайной ошибке.
Обычно условно делят на случайную неопределенность на повторяемость, случайную неопределенность результатов при тех же условиях и воспроизводимость, случайную неопределенность в измененных условиях. Конечно, условия никогда не могут быть точно такими же или совершенно разными, поэтому различие несколько расплывчато. Типы условий, которые могут быть изменены, это то что делают измерение в разное время, с другим оператором, другим инструментом, с использованием другой калибровки и в другой среде.
Существует два широко используемых метода для количественной оценки неопределенности измерения. Калибровочные лаборатории и научные учреждения обычно проводят оценку неопределенности в соответствии с Руководством по выражению неопределенности в измерениях (ГУМ). Метод GUM включает в себя сначала рассмотрение всех влияний, которые могут повлиять на результат измерения. Затем необходимо определить математическую модель, дающую результат измерения как функцию этих величин влияния. Рассматривая неопределенность в каждой входной величине и применяя «Закон распространения неопределенности», можно рассчитать оценку суммарной неопределенности измерения. Подход ГУМ иногда описывается как восходящий, так как он начинается с рассмотрения каждого индивидуального влияния. Каждое влияние обычно указывается в таблице, называемой бюджетом неопределенности, который используется для вычисления суммарной неопределенности.
Промышленные измерительные процессы обычно оцениваются с использованием метода анализа систем измерения (MSA), как это рекомендовано в методологии Шесть сигм, и обычно следуют рекомендациям справочного руководства MSA по автомобильной промышленности (AIAG). MSA включает в себя проведение исследований Gage, в которых повторные измерения сравниваются со ссылкой в разных условиях для определения смещения, повторяемости и иногда воспроизводимости.
Исследование типа 1-го уровня – это быстрая проверка, обычно выполняемая для первоначального понимания изменения в датчике. Он включает в себя один оператор, измеряющий одну калиброванную опорную часть 25 или более раз, а затем учитывает изменение и смещение результатов. Этот тип теста часто называют исследованием повторяемости за пределами MSA. Исследование Повторяемость и воспроизводимость измерительного прибора используется для получения более подробного понимания процесса измерения. Обычно 10 частей измеряются дважды по меньшей мере тремя различными операторами. Затем статистический метод, называемый ANOVA, используется для определения того, сколько изменений вызвано прибором и сколько вызвано оператором. Это рассматривает изменение оператора и последующие изменения во времени и окружающей среде как полное представление условий воспроизводимости.
MSA иногда называют сверху вниз, поскольку он в значительной степени рассматривает процесс измерения как черный ящик и экспериментально определяет систематические и случайные неопределенности. Двумя важными понятиями в MSA являются точность, используемая как эквивалент неопределенности; и точность, используемая как эквивалент случайной неопределенности. Преимущество оценки неопределенности заключается в том, что она способна рассматривать все источники неопределенности и, если она будет выполнена, то это дает наиболее точную оценку неопределенности. Проблемы с этим подходом включают в себя тот факт, что для этого требуется метролог, способный вырабатывать математическую модель и риск человеческой ошибки, приводящий к значительным влияниям, которые опущены или неправильно оценены.
Метод GUM также применим только для индивидуального измерения, которое было выполнено со значениями, известными для любых примененных поправок. Поэтому трудно правильно применить оценку неопределенности, чтобы предсказать неопределенность промышленного процесса измерения. MSA может быть гораздо легче применена и предназначена для прогнозирования точности промышленного процесса измерения. Проблема с этим подходом заключается в том, что некоторые систематические эффекты игнорируются, а условия воспроизводимости могут быть не полностью представлены, что приводит к недооценке неопределенности.
Примером упущения систематических эффектов является то, что при определении смещения проводится сравнение со ссылкой, которая рассматривается как истинная ценность – в действительности ссылка также имеет неопределенность, которая должна быть включена. Этот метод основан на изменении всех условий воспроизводимости, чтобы их эффекты можно было увидеть при изменении результатов при повторных измерениях. Вполне вероятно, что способ изменения этих условий не будет полностью отражать изменения, наблюдаемые в течение жизни реального процесса измерения.
До сих пор я сосредоточился на контроле качества. Как измерения могут доказать, что детали соответствуют спецификациям после их производства. Теперь давайте кратко рассмотрим обеспечение качества, то, как мы гарантируем, что процесс производит хорошие детали в первую очередь. Этот аспект качества в значительной степени рассматривается Статистическим управлением процессом. Процесс может быть оценен путем создания нескольких частей и измерения их для определения изменения и смещения в процессе производства. Вместо того, чтобы давать эти результаты напрямую, это нормально, чтобы разделить допуск по точности процесса.
SPC во многом эквивалентен MSA. Для понимания случайных и систематических эффектов требуется подход сверху вниз. Однако вместо оценки измерений он используется для оценки результатов процесса. Как правило, он имеет те же преимущества и недостатки, что и MSA, и может быть использован подход оценки неопределенности снизу вверх, если это вызывает беспокойство. Первоначально может показаться, что существуют фундаментальные различия между MSA и SPC из-за очень различной терминологии в SPC. Однако изменение общей причины (или случайное изменение причины в старой литературе) является эквивалентом точности; кратковременная изменчивость эквивалентна повторяемости; долгосрочная изменчивость является эквивалентом воспроизводимости; и изменение особых причин (или назначаемое изменение причины в старой литературе) является эквивалентом предвзятости.
SPC также уделяет гораздо большее внимание обеспечению того, чтобы процесс осуществлялся в «статистическом контроле». В широком смысле это означает, что эффекты являются случайными и обычно распределяются с любыми значительными систематическими эффектами, исправленными. Это сильная сторона SPC и иногда игнорируется как при оценке неопределенности, так и в MSA. Основным инструментом, используемым в SPC для проверки процесса контроль, является контрольная диаграмма. Это дает простой графический вид процесса, где можно легко обнаружить, когда процесс дрейфует или создает ошибки, которые не могут быть объяснены нормальными случайными вариациями. Например, если несколько точек все увеличиваются или уменьшаются, это означает, что процесс дрейфует.
В этой статье я попытался дать общий обзор большого и сложного предмета. Я внедрил основополагающие принципы поддержания качества, не вникая в какие-либо математические требования, необходимые для применения этих методов.
Следите за новостями на эти темы.