GRUPPARBETE - Luleå tekniska universitet

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 Autokorrelation……………………………………………………… 1 sida
Bilaga 2 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, tvär-
och 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 vänte-
och 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 Cm > 1,5 och CMm < 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.
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
Brygghalva
(streckat)
Svetsfog
1.
Fog-
beredning
2.
Kilhäftning
Intaget
3.
Banjosvetsning
4.
Kapning
Figur 5 Processkarta över arbetsgången i intaget. Fetmarkerad ruta visar aktuell maskin.
5.
Stukning/
friktionssvetsning
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
Kil
Hals
OUTPUT
Banjo
levereras
till arbetsgrupp
2
8

första hand behandlas i detta projekt är kapningen, finns beskriven nedan i figur 6 samt i
efterföljande processbeskrivning.
INPUT
Svetsad
banjo
1.
Centrering
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
2.
Fixering av
banjo
Kapen
3.
Kapning
På grund av tidsbrist avgränsas projektet till att ta fram och analysera data enbart från kapen.
Datainsamlingen genomförs under enbart ett skift (8 timmar).
4.
Frisläppning
av banjo
OUTPUT
Kapad
banjo,
redo för
stukning
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.
sv
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.
sh
740,03
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
Vänster
741
740,5
740
739,5
739
738,5
738
738 738,5 739 739,5 740 740,5 741
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.
Höger
742
741,5
741
740,5
740
739,5
739
739 739,5 740 740,5 741 741,5 742
Normal distribution
14

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

X
MR(2)
742
741,5
741
740,5
740
739,5
739
1,5
1,2
0,9
0,6
0,3
0
X Chart for Höger
0 10 20 30 40 50
Observation
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 = 741,30
CTR = 740,30
LCL = 739,29
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
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
20
16
12
8
4
Figur 13 Duglighetsstudie av mätvärden från vänster sida av banjon.
Process Capability for Höger
LSL = 739,0; Nominal = 740,0; USL = 741,0
0
738 739 740 741 742
Höger
Figur 14 Duglighetsstudie av mätvärden från höger sida av banjon.
Normal
Mean=739,628
Std. Dev.=0,5829
Cp = 0,71
Pp = 0,57
Cpk = 0,44
Ppk = 0,36
K = -0,37
Normal
Mean=740,297
Std. Dev.=0,4553
Cp = 0,99
Pp = 0,73
Cpk = 0,70
Ppk = 0,51
K = 0,30
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, 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
lag
12 15 18
Estimated Autocorrelations for Höger
1
0,6
0,2
-0,2
-0,6
-1
0 3 6 9
lag
12 15 18
Bilaga 1 Sid 1 (av 1)

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