Nell’articolo Il Metodo di Controllo Più Efficace abbiamo visto che lo Zero Quality Control (ZQC) di Shigeo Shingo è il modo migliore per tenere sotto controllo un processo produttivo.
Ora, ci possono essere dei casi dove lo ZQC non è facilmente applicabile.
In questi casi, lo Statistical Process Control (SPC) è lo strumento da preferire subito dopo lo ZQC.
I Metodi di Controllo a Confronto
Per capire dove si posiziona l'SPC, confrontiamo i quattro principali approcci al controllo della produzione
I 2 Vantaggi dell’Analisi Statistica
Perché dovresti iniziare a raccogliere ed elaborare i dati in modo statistico?
Principalmente per due motivi:
1. Monitorare la Stabilità del Processo
L'SPC ti aiuta a intercettare le anomalie e i cambiamenti imprevisti del tuo processo produttivo prima che si generino degli scarti o comunque prima di avere un numero di scarti elevato.
Se ti limiti a un normale controllo di conformità, finché il pezzo è in tolleranza non ti allarmi. L'SPC, invece, ti avvisa in anticipo che qualcosa sta cambiando.
Lo strumento principale per questo monitoraggio sono le Carte di Controllo
Processo Stabile: Un processo si dice stabile quando i dati fluttuano in modo casuale intorno alla linea media (Centrale).
Nessun punto tocca o supera le linee tratteggiate che rappresentano l'UCL (Limite di controllo Superiore) e l'LCL (Limite di controllo Inferiore).
Non ci sono "gradini" o trend verso l'alto o verso il basso. (Vedi Carta di controllo sopra)
Processo Instabile: Un processo si dice instabile quando ci sono dei punti fuori dai limiti di controllo (Vedi i punti in rosso nella carta di controllo sopra).
Oppure quando ci sono una serie di letture anomale consecutive (vedi i sottogruppi 11-14 allineati in basso nella carta R)
Queste situazioni ti segnalano che una causa esterna sta disturbando la produzione.
2. Valutare la Capacità del Processo
Un processo può essere perfettamente stabile, ma produrre comunque scarti.
Questo accade quando la sua variabilità naturale è più ampia della tolleranza richiesta dalle specifiche tecniche (es. dal Disegno).
Attraverso l'elaborazione statistica di un piccolo campione (solitamente dai 30 ai 50 pezzi), l'SPC traccia una curva a campana ((Gaussiana – vedi curva sotto).
Questa curva simula e proietta la variabilità che otterresti producendo migliaia di pezzi.
Un Caso Pratico: Il paradosso dei pezzi conformi
Ipotizziamo che tu debba verificare se una nuova macchina sia in grado di mantenere in tolleranza il diametro di alcuni alberini in ottone.
Prendi un campione pilota di 30 pezzi prodotti sul nuovo macchinario e, calibro alla mano, scopri che sono tutti perfettamente conformi. (Vedi istogramma qui sotto: LSL=Limite inferiore della specifica e USL= Limite superiore della specifica).
Guardando questo semplice istogramma ti sentiresti sicuro di approvare la produzione?
Senza l'analisi statistica rischieresti di fare un grave errore di valutazione.
Se applichiamo la curva a campana ai dati di quegli stessi 30 pezzi, ecco cosa potrebbe emergere:
La campana ci rivela che la variabilità naturale della macchina è troppo ampia rispetto alle specifiche.
Significa che se avviassi una produzione di 5.000 pezzi, le "code" rosse della curva si trasformerebbero inevitabilmente in scarti sul tavolo del controllo qualità.
Se, al contrario, la curva statistica fosse risultata più stretta e completamente racchiusa tra i limiti LSL e USL, avresti potuto validare la macchina a colpo sicuro. (Vedi gaussiana sotto)
Vuoi saperne di più?
Se desideri approfondire l'SPC o hai bisogno di supporto per implementarlo nella tua azienda, scrivici a: info@synergistic-experience.it