GRUPPARBETE. Sex Sigma Analys av kapmaskin på Ferruform AB. IEK215 Statistisk processtyrning och Sex Sigma Ht-2005

GRUPPARBETE Sex Sigma Analys av kapmaskin på Ferruform AB IEK215 Statistisk processtyrning och Sex Sigma Ht-2005 Mats Forsberg Anders Johansson Jennie Söderlind Sara Wedin Luleå tekniska universitet Institutionen för industriell ekonomi och samhällsvetenskap Avdelningen för kvalitets- och miljöledning

Sammanfattning Denna rapport behandlar en granskning enligt DMAIC-cykeln på kapprocessen av bakaxelbryggor vid Ferruform AB i Luleå. I denna process varierar längden på de kapade enheterna med en stor spridning vilket medför problem vid nästa operation. Mätvärdena samlades in av projektgruppen under ett förmiddagsskift. Efter att kvalitetsanalyser genomförts har det konstaterats att processen varken är i statistisk jämvikt eller är duglig. Då projekttiden var begränsad innebar det att få mätningar utfördes samt att det gjordes under ett kort tidsintervall. Detta medför att det blir svårt att dra några slutsatser om processens prestanda på lång sikt. De exakta orsakerna till problemen kunde inte heller identifieras. De misstänks dock bero på slitage i lager, leder, fundamentfästet och liknande vilket gör att vibrationer lättare uppstår och variationer skapas. En annan trolig orsak är att svetsen ibland kan vara hård och därmed påverka sågklingans ingreppsvinkel. Rekommendationerna är att göra grundligare studier av orsakerna till den systematiska variationen som finns i processen. Detta för att utesluta att det finns enkla åtgärder för att lösa problemen innan nyinvestering av maskin utförs. 2

Innehållsförteckning 1 Introduktion...4 1.1 Bakgrund... 4 1.1.1 Syfte... 4 2 Teori...5 2.1 Sex Sigma... 5 2.2 Analysverktyg... 6 3 Define...8 3.1 Problembakgrund... 8 3.2 Syfte och mål... 9 3.3 Avgränsningar... 9 3.4 Besparingar... 10 3.5 Datainsamling... 10 3.6 Risker... 10 3.7 Projektplan... 10 3.7.1 Tidsplan... 10 3.7.2 Planerade verktygsval... 11 4 Measure...12 4.1 Mätmetod... 12 4.1.1 Osäkerheter i mätningarna... 12 4.2 Datamaterial... 13 4.3 Utvärdering av Measurefasen... 13 5 Analyze...14 5.1 Resultat av analysen... 14 5.2 Rekommendationer... 19 6 Diskussion...20 7 Referenser...21 Bilagor Bilaga 1 Bilaga 2 Autokorrelation 1 sida Orsak-verkan-diagram. 1 sida 3

1 Introduktion Den globala konkurrensen ställer allt högre krav på dagens företag vad gäller kundtillfredsställelse och ökad lönsamhet. Kunderna kräver allt högre kvalitet till ett lägre pris och förbättringsarbetet i företagen måste utvecklas kontinuerligt. Sex Sigma är en affärsstrategi med tydliga ramar för hur ett förbättringsprojekt ska utföras. Syftet är att minska variationer i processen. Fördelarna med ett lyckat Sex Sigma-program är många: kostnadsbesparingar, ökad produktivitet, förbättrade cykeltider, reducering av fel och eliminering av onödigt arbete (DoubleClick AB, 2003). 1.1 Bakgrund Ferruform AB är ett dotterbolag till Scania som i första hand tillverkar bakaxelbryggor, tväroch sidobalkar samt stötfångare. Företaget grundades 1967 och är beläget i Luleå och är en av stadens största verkstadsindustrier med strax över 700 anställda. På Ferruform delas produktionen upp i två delar, stål och axlar. Axeldelen består av tre avdelningar, bearbetning, svetsning och stödaxel. Avdelningarna är sedan indelade i mindre grupper som har olika ansvarsområden inom processen. Figur 1 Färdigtillverkad bakaxelbrygga (Sundqvist, 2004) En bakaxelbrygga (härefter benämnd brygga, se figur 1 ovan) är den sista länken som överför kraften från motorn till lastbilens drivhjul. De tillverkas på svetsavdelningen genom att diverse delkomponenter svetsas på en stomme, kallad banjo. Tidigt i processen borras ett hål genom båda banjohalvorna. Ett av dessa hål används sedan genom hela processen med funktionen att det centrerar banjon vid alla operationer. Detta hål kallas pilothål. Efter tillverkning av bakaxelbryggan ska den målas för att till sist finbearbetas (avdelningen för bearbetning) innan den skickas till kund. Arbetet på svetsavdelningen sker i fem olika arbetsgrupper där förädlingsgraden ökar för varje grupp 1.1.1 Syfte Syftet med projektet är att få en praktisk tillämpning av DMAIC-cykeln och ytterligare förståelse för hur ett Sex Sigma-projekt genomförs. 4

2 Teori 2.1 Sex Sigma Begreppet Sex Sigma introducerades vid Motorola under 1980-talet som namn på deras förbättringsprogram med fokus på reduktion av oönskad variation. För en tillverkningsprocess i statistisk jämvikt och normalfördelat utfall ska, enligt Sex Sigma, avståndet mellan processens genomsnittvärde och närmaste toleransgräns vara minst sex gånger processens standardavvikelse, σ (Bergman & Klefsjö, 2001). Huvudsyftet med Sex Sigma är att förbättra processerna. Genom att förbättra sina processer erhålls minskade kostnader, ökad kundtillfredsställelse och ökade inkomster (Park, 2003). Den viktigaste metodiken inom Sex Sigma är de som brukar kallas DMAIC-cykeln/processen. DMAIC står för Define, Measure, Analyse, Improve och Control vilka är de fem faser som genomgås under ett Sex Sigma projekt (Park, 2003). Figur 1 visar en schematisk bild över DMAIC-processen. De fem faserna innebär följande: Define: I den här fasen ska projektets omfattning samt vilka begränsningar som finns definieras. En ansvarig för projektet ska utses, samt att beräkningar på finansiella vinster ska utföras. Measure: En nulägesbeskrivning upprättas och processens in- och outputs identifieras, hitta relevant data. En processkarta är ett bra verktyg för att beskriva processen och ett orsak-verkan-diagram underlättar problemsökning. Analyse: Analysera de data som inhämtats i förra fasen och identifiera kritiska faktorer. Improve: Verifiera de kritiska faktorerna och förbättra dessa. Control: Implementera en kontrollplan (Bañuelas & Antony, 2003) Figur 2 En schematisk bild över DMAIC-processen, Bañuelas & Antony (2003, s 254) 5

2.2 Analysverktyg Datainsamling Ett viktigt steg i ett Sex Sigma-projekt är att samla in det data som ska analyseras. Detta kan göras på två olika sätt, manuellt mäta varje enhet eller automatiskt med en fastmonterad mätutrustning. Brainstorming Idékläckningsmetod för att antingen generera idéer eller lösa problem, där de involverade muntligt eller skriftligt framkastar förslag utan att själva censurera eller kritisera dem. Förslagen utvärderas i stället i efterhand (Nationalencyklopedin, 2005). Orsak-verkan-diagram Orsak-verkan-diagram, figur 4, kallas även ibland för fiskbensdiagram eller Ishikawadiagram, efter sin upphovsman Kauro Ishikawa. Fiskbensdiagrammet är ett hjälpmedel för att strukturera upp vilka huvud- och delorsaker som påverkar ett givet problem. Orsakernas inbördes beroende får också de en tydligare struktur i ett fiskbensdiagram. Diagrammet är ett dokument som kan ligga till grund för val av vilka parametrar som ska fungera som beslutsunderlag för var felavhjälpande insatser ska sättas in. Diagrammet kan också användas till planering av t ex en arbetsoperation (IVF Industriforskning och utveckling AB, 2005). Figur 3 Ett fiskbensdiagram visar på ett strukturerat sätt sambanden mellan orsaker och verkan (ett problem eller ett resultat). Histogram Histogram är en grafisk form som åskådliggör frekvenserna av olika klasser i ett statistiskt material. Har man stora datamängder är det svårt att presentera varje mätvärde för sig. Då är den grafiska presentationen en fördel. För att få en överblick över datamängden delas mätvärdena in i klasser. Varje klass representeras av en stapel med sin höjd proportionell mot antalet data inom klassgränserna (IVF Industriforskning och utveckling AB, 2005). 6

SPS och styrdiagram SPS kan tillämpas för all typ av serietillverkning men är effektivast vid långa serier. Med kunskap om processens spridning är det möjligt att med enkel statistik styra en tillverkningsprocess mot sitt målvärde, trots slumpvisa variationer i maskiner och omgivning. SPS är även ett hjälpmedel för att bedöma om en process arbetar på ett kontrollerat sätt, det vill säga endast varierar slumpmässigt kring ett medelvärde, eller ej. Det ger också en god diagnos över processens duglighet (kapabilitet) och kan därför vara ett bra beslutsunderlag för förbättringar (IVF Industriforskning och utveckling AB, 2005). Ett sätt att öka känsligheten i styrdiagram är att införa ytterligare larmregler. En variant på detta är Western Electrics larmregler som ser ut enligt följande: Regel 1: En punkt hamnar utanför någon av 3 sigmagränserna Regel 2: Två punkter av tre utanför 2 sigmagränserna Regel 3: Fyra av fem punkter utanför 1 sigmagränserna, på samma sida av centrallinjen. Regel 4: Åtta punkter i rad på samma sida centrallinjen. En nackdel med att införa fler larmregler är att risken för falskt alarm ökar (Bergman & Klefsjö, 2001). Duglighetsanalyser För att avgöra om en process producerar enheter med mått inom toleransgränser utförs duglighetsanalyser. Analysen utgår från hur stor spridning processen har och hur väl vänteoch målvärdet sammanfaller. En dålig duglighet säger att processen har för stor spridning och/eller att centreringen inte är bra. Vid beräkning av maskinduglighet är gränsvärdena för processens duglighetsindex C m > 1,5 och CM m < 0,2 (Bergman & Klefsjö, 2001). 7

3 Define 3.1 Problembakgrund I första arbetsgruppen på svetsavdelningen på Ferruform, intaget, består arbetet av tillverkning av bryggans stomme (banjo), se figur 2. Brygghalva (streckat) Kil Svetsfog Hals Figur 4 Bilden visar stommen av en bakaxelbrygga, även kallad banjo. Detta projekt behandlar en kapmaskin som ingår i processen för banjotillverkning. Processkartan i figur 3 samt efterföljande beskrivning visar arbetsgången i intaget. INPUT Pressade halvor 1. Fogberedning 2. Kilhäftning Intaget 3. Banjosvetsning 4. Kapning 5. Stukning/ friktionssvetsning OUTPUT Banjo levereras till arbetsgrupp 2 Figur 5 Processkarta över arbetsgången i intaget. Fetmarkerad ruta visar aktuell maskin. Input Pressade halvor (se figur 4) som ska svetsas ihop till stommen på en bakaxelbrygga kommer in. 1. Fogberedning innan halvorna kan svetsas ihop med varandra måste kanterna fräsas raka så att de ligger jämnt mot varandra när de svetsas. 2. Kilhäftning halvor och kilar (figur 4) fästs ihop med punktsvetsning innan robotsvetsning. 3. Banjosvetsning stommen svetsas ihop av industrirobotar. 4. Kapning banjons hals (figur 4) kapas till rätt längd (mätt från centrum). 5. Friktionssvets/stukning beroende på hur bryggan ska tillverkas fungerar maskinen olika. I detta projekt ligger fokus på funktionen stukning av bryggor, det vill säga att kanterna värms upp och pressas ihop som en förberedelse för en senare svetsoperation. Output Den färdiga banjon levereras till efterföljande operation (arbetsgrupp 2) där fortsatt förädling tar vid. De två sista delprocesserna (kapning och stukning) som visas i processkartan i figur 4 är i hög grad beroende av varandra. Kapen justeras efter hur stukningen presterar. Den process som i 8

första hand behandlas i detta projekt är kapningen, finns beskriven nedan i figur 6 samt i efterföljande processbeskrivning. INPUT Svetsad banjo 1. Centrering 2. Fixering av banjo Kapen 3. Kapning 4. Frisläppning av banjo OUTPUT Kapad banjo, redo för stukning Figur 6 Processkarta över aktiviteterna i kapen. Den fetmarkerade rutan visar aktuell maskin motsvarande den i figur 5. Input svetsade banjor kommer till kapen via ett transportband. 1. Centrering banjon styrs med hjälp av pilothålet mot en slags styrpinne för att centreras. 2. Fixering av banjo På varje sida fixeras banjon med hjälp av V-block både uppifrån och nedifrån och på båda sidorna om det förväntade kapsnittet. 3. Kapning En sågklinga på varje sida rör sig underifrån och upp och kapar halsarna vid ett i förväg inställt mått. Det tar ungefär fyra minuter att kapa banjohalsarna. 4. Frisläppning av banjo Efter slutförd kapning släpper V-blocken och lösgör banjon. Output färdigkapade banjor förs via ett transportband vidare till stukning. Kapmaskinen består av två identiska sågmaskiner som byggts samman för att kunna kapa båda sidorna på banjon samtidigt. Kapen är ett stort problem då måttet från centrum ut till halsen på banjon kan variera väldigt mycket, även utanför toleransgränserna. Toleransgränserna tas liten hänsyn till, då det som styr längden på banjon i första hand är nästkommande maskin. Företaget anser att det finns behov av en ny maskin, men innan beslut om inköp tas behövs tydliga data som visar prestanda på den befintliga kapen. Problemet med att banjons längd inte blir rätt visar sig tydligt i nästkommande operation, stukningen/friktionssvetsen. Den maskinen har relativt långa ställtider och blir väldigt svår att optimera när längden på en banjo kan variera så pass mycket. När banjons mått ger problem i stukningen tar det ungefär två timmar att åtgärda. Detta händer i snitt en gång per vecka. 3.2 Syfte och mål Syftet med projektet är att ta fram och analysera data från en kapmaskin på svetsavdelningen på Ferruform AB med hjälp av DMAIC-cykeln. Målet är att med hjälp av olika analysverktyg, bland annat styrdiagram och duglighetsanalyser, tolka och hitta orsaker till att det finns variationer i den aktuella kapmaskinen på Ferruform. Från Ferruforms sida är målet att få fram ett resultat som kan fungera som beslutsunderlag vid inköp av en ny maskin. 3.3 Avgränsningar På grund av tidsbrist avgränsas projektet till att ta fram och analysera data enbart från kapen. Datainsamlingen genomförs under enbart ett skift (8 timmar). 9

I första hand fullgörs de tre första stegen i DMAIC-cykeln, det vill säga define, measure och analyse. De övriga stegen, improve och control, behandlas i mån av tid. 3.4 Besparingar Den besparingspotential som kan nämnas är vad företaget i första hand är intresserad av att underlätta för operatörerna. Det ses som psykiskt påfrestande att ha stopp i produktionen och behöva arbeta extra med det om felet beror på en felaktig maskin. Det finns självklart också en ekonomisk besparingspotential som kan vara intressant. Om variationen på banjolängden kan minimeras finns det en större möjlighet till optimering av stukningen/friktionssvetsen. Med kortare ställtider och en optimerad process förväntas genomflödet öka. Det uppstår problem, som innebär ungefär två timmars stopp, i snitt en gång per vecka. Detta innebär att produktionen står still i 96 timmar per år (2h/v * 48v/år). Ifall operatörskostnaden skattas till 300kr/h skulle det innebära en årlig förlust på knappt 30 000 kr/år. Cykeltiden i varje maskin i intaget är ungefär fyra minuter. När det inte är några problem är flödet genom processen jämnt och hela processen kan sägas vara en flaskhals. Om problemen i kapen skulle åtgärdas skulle det vara möjligt att kapa ca 1000 banjor (stopp 96h/år * 10 banjor/h) extra per år eftersom kapen har kapaciteten att klara av 10 banjor per timme. Det förutsätts dock att ett behov i form av order finns. Idag tillverkas ungefär 50 000 banjor om året. 3.5 Datainsamling Insamling av erfordrad data utförs av projektgruppen. Minst 50 mätningar (provgruppsstorlek = 1) förväntas vara möjliga att genomföra. Mätningarna utförs direkt i produktionen och beräknas vara klara på ett skift (åtta timmar). Det finns en specifik mall som används vid mätningar av detta slag och det som mäts är kaplängden, det vill säga avståndet från banjons centrum till ena kanten. 3.6 Risker Då projektgruppens kunskaper om aktuell maskin är väldigt små kan det vara svårt att hitta relevanta orsaker till eventuella avvikelser. Förhoppningen är att operatörer och produktionstekniker ska vara till hjälp. Datainsamlingen utförs under en kort tidsperiod och bör ge en bild över hur maskinen fungerar under den aktuella tidpunkten. Då inga tidigare mätningar har gjorts finns det en risk att mätvärdena feltolkas, eftersom det inte finns något att jämföra med. 3.7 Projektplan 3.7.1 Tidsplan En grov tidsplan är fastställd enligt följande: 23/11 Definedel klar 10

25/11 Handledning 02/12 Insamling av mätdata 02/12 Teoridel klar 07/12 Handledning 09/12 Measuredel klar 11/12 Analysedel klar 16/12 Rapport färdig för korrekturläsning 08/01 Sista inlämningsdatum för rapport Utöver dessa datum är det inbokat projekttid varje vecka för att bearbeta de ingående momenten i sex sigma projektet. Eftersom datainsamlingen sker den 2 december kommer en stor vikt att läggas på teoridelen i den inledande fasen av projektet. 3.7.2 Planerade verktygsval Det kommer att användas olika verktyg för att samla in data och framförallt analysera den data som insamlas. De verktyg som troligtvis kommer att användas är: Datainsamling Brainstorming Orsak-verkandiagram Histogram SPS och styrdiagram Duglighetsanalyser Vid analyser med hjälp av bland annat styrdiagram och beräkning av duglighet används programvarorna Statgraphics Centurion XV och MS Excel. 11

4 Measure Idag finns inget tillgängligt datamaterial. De mätningar som utförs sker på första och sista banjon i en order, då kontrolleras måttet men ingen statistik förs. 4.1 Mätmetod För att ta fram lämpliga mätvärden från den aktuella maskinen besöker projektgruppen Ferruform under ett skift (8 timmar). Mätningarna utförs av projektgruppen med hjälp av ett digitalt mätinstrument med precision på hundradelsmillimeter. Mätinstrumentet kalibreras en gång om året. Mätningen går till på följande sätt: En kalibrerad järnstång (markerad mörkgrå i figur 7) placeras genom de båda styrhålen i banjons centrum. Med hjälp av ett specialtillverkat mätinstrument (markerad ljusgrå i figur 7) kan sträckan, s, från banjons mitt (järnstången) ut till halsens ände mätas. I bilden nedan visas hur mätinstrumentet placeras på banjon. 740,03 s v s h Figur 7 Skiss över hur mätinstrumentet placeras, s = uppmätt sträcka. En centrerande järnstång (mörkgrå på bilden) placeras genom styrhålen, mätinstrumentet (ljusgrå på bilden) mäter sträckan från centrum till banjons ände. Under mättillfället mäts 36 banjor på både höger och vänster sida. Eftersom 50 mätvärden önskas får projektgruppen hjälp av en operatör som mäter resterande 14 banjor. Mellan dessa två mättillfällen finns det ett glapp på ett okänt antal banjor, men tiden emellan överstiger inte 20 timmar. Följande beräkningar baseras på 50 provgrupper med provgruppsstorlek 1, tagna i följd. 4.1.1 Osäkerheter i mätningarna Det kan förekomma en viss osäkerhet i mätningarna eftersom användandet av mätinstrumentet inte är optimalt. Det finns ett glapp mellan järnstången och styrhålen samt ett mellan järnstången och mätinstrumentet. Beroende på vem som utför mätningen och hur mätinstrumentet placeras kan värdet variera. För att så långt som möjligt undvika ovan nämnda variationer har antalet personer som utfört mätningar minimerats samt att en tydlig kommunikation angående mätmetodiken förts. 12

4.2 Datamaterial Tabell 1 Mätvärden för höger och vänster sida av banjon. Värdena visas i enheten millimeter. Vänster Höger Vänster Höger 1 739,30 740,73 26 740,32 740,32 2 740,13 740,36 27 738,81 741,01 3 739,96 740,37 28 739,53 740,59 4 739,07 740,32 29 739,12 740,71 5 739,61 739,58 30 739,30 740,17 6 739,18 740,41 31 739,99 740,25 7 739,00 740,24 32 740,11 740,30 8 739,52 739,94 33 740,87 739,51 9 739,29 739,82 34 740,04 739,83 10 739,50 739,88 35 739,95 740,10 11 739,60 740,52 36 739,70 740,50 12 738,95 740,13 37 738,98 739,68 13 739,14 740,12 38 739,24 739,14 14 739,56 740,00 39 738,63 740,03 15 738,56 739,55 40 738,64 739,99 16 740,45 740,39 41 739,25 739,94 17 740,26 740,74 42 740,15 740,25 18 740,66 740,30 43 739,86 740,81 19 740,24 740,41 44 740,17 740,66 20 739,81 740,58 45 739,59 741,01 21 738,56 740,03 46 738,80 741,77 22 739,52 739,84 47 740,27 740,51 23 739,66 740,63 48 740,00 740,69 24 740,12 740,87 49 739,80 740,63 25 740,09 740,46 50 740,55 740,23 4.3 Utvärdering av Measurefasen Förhoppningen innan measurefasen inleddes var att inhämta minst 50 på varandra följande mätvärden. Den främsta orsaken till att detta inte gick att uppnå är tidsbrist för projektgruppen. Tidsbristen uppstod för att ansvarig operatör var upptagen i möten samt att det uppstod stopp senare i flödet som påverkade den aktuella maskinen. Som vid alla manuella moment finns det även en variation i operatörernas mätteknik och noggrannhet. Då det var projektgruppen som utförde de flesta mätningarna ökar osäkerheten eftersom dessa personer inte är inövad på mättekniken. En positiv sidoeffekt med att utföra mätningarna själva var att en djupare förståelse för processen kunde erhållas samt att möjligheter för diskussion med ansvarig operatör och produktionstekniker gavs. 13

5 Analyze 5.1 Resultat av analysen Till att börja med testades ifall mätvärdena var normalfördelade eftersom de annars måste normaliseras för att vidare analyser ska kunna utföras. Det test som genomfördes var ett Shapiro-Wilks-test i programmet Statgraphics, resultatet visas i tabell 2. Både vänster och höger sida visade sig vara normalfördelade med 95 % signifikansnivå då P-värdet överstiger 0,05. Figur 8 visar normalfördelningsplot över mätvärdena. Tabell 2 P-värden från Kolomognov Smirrnov-test för vänster respektive höger sida. Test Statistik P-värde Shapiro-Wilks W 0,968166 0,324561 Shapiro-Wilks W 0,985985 0,9139 741 742 740,5 741,5 Vänster 740 739,5 739 Höger 741 740,5 740 738,5 739,5 738 738 738,5 739 739,5 740 740,5 741 Normal distribution 739 739 739,5 740 740,5 741 741,5 742 Normal distribution Figur 8 Normalfördelningsplot över mätvärden för vänster och höger sida på banjon. Efter att det konstaterats att värdena är normalfördelade gjordes även test för att kontrollera autokorrelation (se bilaga 1). Testet visade att detta förkom, men då mätvärdena togs från ett kort tidsintervall har slumpen stor inverkan och kan vara anledningen till resultatet. På grund av denna osäkerhet har det antagits att ingen autokorrelation förkommer. Styrdiagram uppfördes sedan för att se om processen kan antas vara i statistisk jämvikt. 14

X Chart for Vänster 742 741 UCL = 741,04 CTR = 739,63 LCL = 738,21 X 740 739 738 0 10 20 30 40 50 Observation Figur 9 X-diagram över mätvärden från vänster sida av banjon. MR(2) 2 1.6 1.2 0.8 0.4 0 MR(2) Chart for Vänster 0 10 20 30 40 50 Observation Figur 10 MR-diagram över mätvärden från vänster sida av banjon. UCL = 1.74 CTR = 0.53 LCL = 0.00 15

X Chart for Höger 742 741,5 741 UCL = 741,30 CTR = 740,30 LCL = 739,29 X 740,5 740 739,5 739 0 10 20 30 40 50 Observation MR(2) 1,5 1,2 0,9 0,6 0,3 0 Figur 11 X-diagram över mätvärden från höger sida av banjon. MR(2) Chart for Höger 0 10 20 30 40 50 Observation Figur 12 MR-diagram över mätvärden från vänster sida av banjon. UCL = 1,24 CTR = 0,38 LCL = 0,00 De larmregler som används är WesternElectrics. Detta på grund av att öka känsligheten. Processen kan inte antas vara i statistisk jämvikt då larm ges i samtliga styrdiagram (se diagram 9-12). Styrdiagrammet för vänster sidas X-värden ger larm på två ställen. Det första för att det finns åtta eller fler på varandra följande punkter på samma sida om centrumlinjen och det andra för att fyra av fem punkter finns utanför 2 sigmagränserna. Moving range diagrammet ger larm för att en punkt befinner sig utanför 3 sigmagränserna. I X-diagrammet för höger sida uppkommer två larm för punkter utanför 3 sigmagränserna och ett larm för att fyra av fem på varandra följande punkter ligger utanför 2 sigmagränserna. I moving rangediagrammet för höger sida är det en punkt som ligger utanför 3 sigmagränsen. Eftersom 16

processen inte är i statistisk jämvikt innebär det att duglighetsanalysen enbart ger en ögonblicksbild för den aktuella mätperioden. Det går alltså inte att dra slutsatser av duglighetsstudien som går att tillämpa på processen över en längre period. Även att denna mätperiod var förhållandevis kort gör att osäkerheten för en långsiktig tolkning blir stor. frequency 15 12 9 6 3 Process Capability for Vänster LSL = 739,0; Nominal = 740,0; USL = 741,0 0 737 738 739 740 741 742 Vänster Normal Mean=739,628 Std. Dev.=0,5829 Cp = 0,71 Pp = 0,57 Cpk = 0,44 Ppk = 0,36 K = -0,37 Figur 13 Duglighetsstudie av mätvärden från vänster sida av banjon. frequency 20 16 12 8 4 Process Capability for Höger LSL = 739,0; Nominal = 740,0; USL = 741,0 0 738 739 740 741 742 Höger Normal Mean=740,297 Std. Dev.=0,4553 Cp = 0,99 Pp = 0,73 Cpk = 0,70 Ppk = 0,51 K = 0,30 Figur 14 Duglighetsstudie av mätvärden från höger sida av banjon. 17

Tabell 3 Duglighet för vänster sida, 95.0% konfidensintervall Index Lower Limit Upper Limit Cp 0,56669 0,845376 Pp 0,458887 0,684558 Cpk 0,316138 0,571095 Ppk 0,242629 0,475824 Tabell 4 Duglighet för höger sida 95.0% konfidensintervall Index Lower Limit Upper Limit Cp 0,797461 1,18964 Pp 0,58747 0,876375 Cpk 0,532267 0,864936 Ppk 0,377097 0,652187 Då det tidigare konstaterats att processen inte är i statistisk jämvikt så är nedanstående resultat enbart tolkningar från en ögonblicksbild, och inte för ett längre perspektiv. Med duglighetsstudien och styrdiagrammet som underlag, visar det på att maskinen inte uppfyller de normala kvalitetskrav som ställs i dagens samhälle. Eftersom de ovanstående tabellerade indexen (tabell 3 och 4) ska vara lika med eller överstiga 1.5 för att spridningen ska anses duglig, kan processen inte anses vara det. Processen är även dåligt centrerat då absolutbeloppet av K (se figur 13-14) bör understiga 0.2. Orsakerna till detta kan vara många men är svåridentifierade. För att göra detta lättare upprättades ett orsak-verkan-diagram (se bilaga 2). Den främsta orsaken som vi i projektgruppen kommit fram till, är framför allt att maskinen har använts mycket. Detta kan ha medfört att slitage uppkommit i viktiga komponenter så som lager, leder, fundamentfästet etcetera vilket gör att vibrationer lättare uppstår och variationer skapas. Andra orsaker kan vara att svetsen från föregående operationer är olika hårda. Detta kan medföra att sågklingan rör sig och får olika vinklar vid ingrepp, vilket gör att längden på banjorna varierar efter kapningen. Som tidigare nämnt i utvärdering av Measurefasen har även osäkerheten i mätningarna effekt på mätvärdena och analysen. 18

5.2 Rekommendationer Som Ferruform redan konstaterat är inte processen stabil och tillfredställande. Vi har dock inte kunnat identifiera orsakerna till detta och rekommenderar att en djupare granskning genomförs. Detta för att verkligen vara säker på att problemen inte går att åtgärda med enkla medel istället för att införskaffa en helt ny maskin. En annan sak som kan vara bra att införa är att dokumentation förs över första- och sistabitskontrollen då det ändå utförs mätningar på dessa. Detta kan sedan användas för utföra kvalitetsanalyser så som kapabilitetstest, styrdiagram etcetera några gånger per år, då kunskap om detta redan finns på företaget. 19

6 Diskussion Redan tidigt visade Ferruform, genom produktionstekniker Roger Larsson, stort intresse för att detta projekt skulle genomföras. För projektgruppen innebar det en ökad motivation att genomföra projektet på ett sådant sätt att ett användbart resultat skulle uppnås. Roger Larsson har genom hela projektets gång påpekat att maskinen är dålig. Det finns redan en plan för inköp av en ny maskin, den behöver dock styrkas av tydlig bevisning av maskinens oduglighet. Det finns risk att projektgruppen färgats av dessa påpekanden och kanske inte tolkat mätvärdena på ett helt objektivt sätt. Dock visar analyserna på att någonting inte fungerar som det ska i maskinen. Projektet fick en hackig start då det första tilltänkta projektet fick avbrytas efter datainsamling på grund av för små variationer. Lyckligtvis dök detta projekt upp ganska snabbt, men dyrbar tid hade redan förlorats. Den tiden hade kunnat användas till att få en djupare förståelse för processen, samt att utföra fler mätningar. Mätningarna omfattar 50 mätvärden och har i analyserna behandlats som 50 på varandra följande värden. I verkligheten hämtades dessa värden i två omgångar med 36 respektive 14 värden. Analysen kanske borde ha behandlat värdena som de var inhämtade, det vill säga styrdiagram upprättas utifrån de första 36 mätvärden och de resterande 14 används för kontroll. För att få ett säkrare resultat behövs fler mätvärden. Det hade varit önskvärt att ha fler mätvärden att jobba med, men då mätningarna är så pass tidskrävande har det ej funnits möjlighet. Tidigare har ingen statistik förts över mätningarna så det har inte funnits något tidigare material att jämföra med. En stor hjälp under projektets gång har varit de handledningsmöten som projektgruppen haft med Rickard Garvare. De har öppnat våra sinnen. 20

7 Referenser Bergman, B. & Klefsjö, B (2001) Kvalitet från behov till användning 3:e uppl. Lund, Studentlitteratur. ISBN: 91-44-01917-3 Park (2003) Six Sigma for Quality and Productivity Promotion Tokyo, Asian Productivity Organization, ISBN: 92-833-1722-X Sundqvist, D. (2004) Spårbarhet på Ferruform, Examensarbete, Luleå tekniska universitet, ISSN:1402-1617 Bañuelas & Antony (2003) Six sigma ord for six sigma (senast uppdaterad 2005) http://www.emeraldinsight.com/insight/viewpdf.jsp?filename=html/output/published/emer aldfulltextarticle/pdf/1060160403.pdf (2005-12-06) DoubleClick AB(senast uppdaterad 2003) http://www.doubleclick.se/showpage.asp?id=228 (hämtat 2005-12-06) Nationalencyklopedin (senast uppdaterad 2005) http://www.ne.se/jsp/search/search.jsp?h_search_mode=simple&h_advanced_search=false&t _word=brainstorm (hämtat 2005-12-11) IVF Industriforskning och utveckling AB (senast uppdaterad 2005) http://extra.ivf.se/lean/pdf/kvalitet/fiskbensdiagram.pdf (hämtat 2005-12-11) IVF Industriforskning och utveckling AB (senast uppdaterad 2005) http://extra.ivf.se/lean/pdf/kvalitet/histogram.pdf (hämtat 2005-12-11) IVF Industriforskning och utveckling AB (senast uppdaterad 2005) http://extra.ivf.se/lean/pdf/kvalitet/sps.pdf (hämtat 2005-12-11) 21

Bilaga 1 Sid 1 (av 1) Bilaga 1, Autokorrelation Skattad autokorrelation av mätvärden på vänster och höger sida av banjon. Estimated Autocorrelations for Vänster 1 0,6 0,2-0,2-0,6-1 0 3 6 9 12 15 18 lag 1 0,6 0,2-0,2-0,6 Estimated Autocorrelations for Höger -1 0 3 6 9 12 15 18 lag

Bilaga 2 Sid 1 (av 1) Bilaga 2, Orsak-verkan-diagram Orsak-verkan-diagram Mätning Människa Miljö Kalibrering Mätteknik Mätnoggrannhet Mätprecision Oriktad banjo Noggrannhet Information Kunskap Skräp i fixturen Felaktig kaplängd Metod Dålig lämpad maskin Föregående operationer Maskin Vibrationer Kapvinkel Kvalitet på sågklinga Slitage Bromsar Pilotplatta Glapp Fundament 23