VÝZNAM VYHODNOCOVÁNÍ DAT Z VÝROBNÍCH PROCESŮ K ŘÍZENÍ A ZLEPŠOVÁNÍ KVALITY

Podobné dokumenty
Kolotoč mistrů 7 exkurzí a seminářů pro mistry výroby přímo ve výrobních závodech září březen 2017, pořadatel NTI consulting, s.r.o.

7 exkurzí a seminářů pro mistry výroby přímo ve výrobních závodech

Kolotoč mistrů 7 exkurzí a seminářů pro mistry výroby přímo ve výrobních závodech září březen 2017, pořadatel NTI consulting, s.r.o.

Nový standard pro analýzu rizik v dodavatelském řetězci automobilového průmyslu Failure Mode and Effects Analysis

PROCE55 Manufacturing. Přehled

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Servis. Maximální využitelnost stroje. Predictive Monitoring.

KANBAN Autopal s.r.o., závod HLUK

INFLUENCE OF COSTS FOR OPERATING, MAINTENANCE AND RENEWAL OF EQUIPMENT IN ELECTROPLATING CONTACT SYSTEMS AND IMMERSION HEATERS

Business Continuity Management jako jeden z nástrojů zvládání rizik. Ing. Martin Tobolka AEC, spol. s r.o.

1. Cyklus PDCA Metodika 8D, 8D report Metoda 5W2H Metodika 5x proč Ishikawův diagram příčin a následku...

ŘÍZENÍ JAKOSTI. Profesionální management svařovacích dat pro každý provoz

Praktické použití metod průmyslového inženýrství

Zkouška ITIL Foundation

Vybrané praktické aplikace statistické regulace procesu

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Analýza konstrukčního řešení

Logistika bez starostí od roku skladování doprava VAS E-commerce

SPECIFIKACE KVALITY NÁPRAVNÁ A PREVENTIVNÍ OPATŘENÍ ING. PETRA ŠOTOLOVÁ

Jak mohou informační technologie zvyšovat efektivitu výroby a logistiky

Bc. Michal Burda, Západočeská univerzita v Plzni, Univerzitní 8, Plzeň Česká republika

IQ - SixSigma. IQ SixSigma Software pro analýzu a sledování procesů

On line sledování a řízení výroby - MES HYDRA

Výukový materiál zpracovaný v rámci projektu Výuka moderně

Výukový materiál zpracovaný v rámci projektu Výuka moderně

MES neboli Manufacture Execution System je podnikový informační systém, jehož primárním cílem je řízení výroby.

Uživatelem řízená navigace v univerzitním informačním systému

MANAŽER KVALITY PŘEHLED POŽADOVANÝCH ZNALOSTÍ K HODNOCENÍ ZPŮSOBILOSTI CO 4.4/2007

POČÍTAČOVÁ SIMULACE JAKO NÁSTROJ OPTIMALIZACE SVAŘOVACÍ LINKY

Návod k požadavkům ISO 9001:2015 na dokumentované informace

VLIV POČTU NESHODNÝCH VZORKŮ PŘI VYHODNOCOVÁNÍ PŘIJATELNOSTI SYSTÉMU MĚŘENÍ METODOU KŘÍŽOVÝCH TABULEK

Gemba Workshopy v rámci Mezinárodního týdne produktivity IPW 2019

Pelantová Věra Technická univerzita v Liberci. Předmět RJS. TU v Liberci

Řešení pro správu logů, shodu a bezpečnost ve státní správě a samosprávě. Ing. Martin Pavlica Corpus Solutions a.s. divize Security Expert

Network Audit Komplexní provozní a bezpečnostní monitoring sítě

Global 8D report efektivní nástroj pro zvyšování jakosti výroby v integrovaném systému řízení kvality

Vizuální řízení. Vlastimil Ježek Studijní program Průmyslové inženýrství. Frenštát pod Radhoštěm

kapitola 2 předprojektová fáze 31

PROCESY CO ZÍSKÁTE: Předpoklad pro certifikace ISO. Lean Six Sigma Fast Track

VYBRANÉ NÁSTROJE ZAJIŠTĚNOSTI ÚDRŽBY

Implementace MES systému HYDRA Případová studie

Management rizik v životním cyklu produktu

Výroční zpráva společnosti TRW Carr s. r. o. za rok 2007

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

KOMPLETNÍ OUTSOURCING LOGISTICKÝCH SLUŽEB

Přístupy k efektivnímu využití modelu MBI

Dodavatelský portál Senior Flexonics Czech, s.r.o. David Matuška manažer logistiky

Custom Code Management. Přechod na S/4HANA

Výukový materiál zpracovaný v rámci projektu Výuka moderně

SOUBOR OTÁZEK PRO INTERNÍ AUDIT (Checklist)

JAROSLAV NENADÁL / DARJA ~OSKIEVIČOVÁ RUŽENA PETRÍKOVÁ / JIRÍ PLURA JOSEF TOŠENOVSKÝ MODERNI MANAGEMENT JAKOSTI MANAGEMENT PRESS, PRAHA 2008

Pareto analýza. Průmyslové inženýrství. EduCom. Jan Vavruška Technická univerzita v Liberci

Automatizovaný sběr dat Online stav skladů

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

CONTROLLING IN LOGISTICS CHAIN

Analýza současného stavu vozového parku a návrh zlepšení. Petr David

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

MST - sběr dat pomocí mobilních terminálů on-line/off-line

Případová studie k připojení dvou nízkotlakých licích strojů do systému MASA

Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Lean Six Sigma Green Belt

Standardy projektového řízení

SYSTÉM PRO AUTOMATICKÉ OVĚŘOVÁNÍ ZNALOSTÍ

COMPATEL Popis služby elektronických komunikací

Téma dizertační práce - Strategie ŠKODA AUTO pro čínský trh

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Gymnázium a Střední odborná škola, Rokycany, Mládežníků 1115

Metodické listy pro prezenční a kombinované studium předmětu Logistické systémy

Sedm základních nástrojů řízení jakosti

Mobile Device Management Mobilita v bankovním prostředí. Jan Andraščík, Petra Fritzová,

BMW FUTURE MOBILITY DEVELOPMENT CENTER (FMDC) Mikroregion Sokolov východ, Katharina Will, Petr Pospisil

Procesy a management rizik ve zdravotnické laboratoři. Ing. Alena Fischerová Systémy jakosti s.r.o

Metodický pokyn pro řízení kvality ve služebních úřadech: Kritéria zlepšování

Referenční projekty STRANA 1 (CELKEM 6)

PRODUKTY. Tovek Tools

Předmluva: Vítejte v ITIL! Úvod 15 IT Infrastructure Library O této knize ITIL (IT Infrastructure Library ) 1.3. Služby a správa služeb

Výukový materiál zpracovaný v rámci projektu Výuka moderně

TOP 10 produktů a služeb

Globální strategie, IT strategie, podnikové procesy. Jaroslav Žáček

Řízení neshodného produktu

Michal Hátle, T-Systems Czech Republic

Softwarová podpora v procesním řízení

T T. Think Together Michal Příbrský THINK TOGETHER

Ekonomické aspekty jakosti. Je levnější dělat věci správně hned napoprvé, než to opakovat!

Procesy implementace systému CAQ MSN Management preventivní údržby strojů

Strategie Implementace GDPR. Michal Zedníček ALEF NULA, a.s.

zvyšování produktivity v automobilovém průmyslu Vladimír Bartoš ředitel podpory prodeje MINERVA ČR a.s.

PERSONÁLNÍ ŘÍZENÍ V SYSTÉMU JAKOSTI

FUNKČNÍ VZOREK FUNKČNÍ VZOREK - SOLAR PANEL TESTER. ZAŘÍZENÍ PRO MEZIOPERAČNÍ TESTOVÁNÍ SOLÁRNÍCH PANELŮ

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Procesy, procesní řízení organizace. Výklad procesů pro vedoucí odborů krajského úřadu Karlovarského kraje

Vizualizace. » Bc. Vlastimil Ježek, IEn. Listopad Studijní program Průmyslové inženýrství. Mohelnice

HODNOCENÍ VÝKONNOSTI PODNIKU VE SPOJITOSTI SE STRATEGICKÝMI CÍLY

1. soustředění (2 hod.)

KEY PERFORMANCE INDICATORS (KPI)

Jak auditovat systémy managementu bez příruček a směrnic Ing. Milan Trčka

Návrh a implementace algoritmů pro adaptivní řízení průmyslových robotů

Metodické listy pro kombinované studium předmětu MANAGEMENT JAKOSTI Metodický list č. l

SPECIFIKA CERTIFIKACE PODLE ČSN EN ISO 9001:2001 V ORGANIZACÍCH, KTERÉ SE ZABÝVAJÍ VÝVOJEM SOFTWARE

Transkript:

VÝZNAM VYHODNOCOVÁNÍ DAT Z VÝROBNÍCH PROCESŮ K ŘÍZENÍ A ZLEPŠOVÁNÍ KVALITY Ing. Petr Jurák Týmový vedoucí oddělení kvality divize sedadlových systémů, Brose CZ spol. s r.o. E-mail: petr.jurak@brose.com Abstrakt Článek popisuje základní principy práce s daty z výrobních procesů a jejich následného zpracování k řízení a zlepšování kvality. Jsou zde také zmíněny možnosti výrobních zařízení řídit výrobní procesy samy nebo ve spolupráci s dalšími zařízeními výrobní linky. Velice důležitou součástí je také propojení vyhodnocovaných dat s nástroji řešení problémů a jejich efektivní využití. Abstract The article describes a basic principles work with data from production processes and their following evaluation for quality control and quality improvement. There are also mentioned possibilities of manufacturing equipment to manage production processes by them self and in cooperation with the other machines in production line. Very important part is also connection of evaluated data with the problem solving tools and their effective using. Úvod Z pohledu pracovníka, který se pohybuje v oblasti řízení kvality ve velkých společnostech zabývajících se výrobou a vývojem komponentů pro automobilový průmysl od roku 2001 a zároveň z pohledu absolventa VŠB TU Ostrava, Fakulty metalurgie a materiálového inženýrství ve studijním oboru Management jakosti z roku 2012, mohu na základě osobních zkušeností potvrdit, že téma sběr a efektivní vyhodnocování dat byl, je a do budoucna určitě bude základním stavebním kamenem úspěšného fungování kterékoliv společnosti.

Dnešní dostupné informační technologie a jejich neustálý vývoj nabízejí možnosti mít on-line propojení výrobních zařízení, linek, skladů a mít k dispozici obrovské množství informací, což ale zároveň klade nároky na jejich efektivní využívání. V tomto článku bych rád seznámil čtenáře se základními principy využití těchto informací k řízení a zlepšování kvality ve společnosti Brose CZ, kde pracuji od roku 2016 na pozici vedoucího kvality divize sedadlových systémů. Historie společnosti Brose CZ Společnost Brose CZ zahájila své působení v České republice v roce 2003, kdy zaměstnávala přibližně 500 zaměstnanců v závodě v Rožnově pod Radhoštěm se zaměřením na výrobu uzamykacích systémů. V roce 2004 byla dokončena výstavba nového závodu v Kopřivnici a byla zde zahájena výroba sedadlových systémů. V následujících letech došlo k dalšímu rozšiřování závodu: např. Instalace moderní lakovny v roce 2008, zahájení výroby ventilátorů a elektrických motorů v Kopřivnici v roce 2010, přesun výroby zámků do Rožnova pod Radhoštěm v roce 2011, uvedení do provozu logistického konceptu vysoce automatizovaným skladem v roce 2013, investice do Brose Kids Clubu vzdělávacího a volnočasového centra pro děti zaměstnanců firmy a v roce 2015 začátek působení zákaznických týmů pro divizi sedadlových systémů. Obr. 1 Letecký snímek areálu závodu Brose CZ v Kopřivnici. Společnost Brose CZ získala v roce 2015 ocenění za společenskou odpovědnost a v roce 2016 ocenění pro podnik podporující zdraví nejvyššího stupně. Počet zaměstnanců se ustaluje na cca 3.400 [1]

Produktové portfolio Brose CZ: Internetový časopis o kvalitě - Divize sedadlových systémů (Přední sedadla, Zadní sedadla) závod Kopřivnice - Divize motorů (Motory pro topná a klimatizační zařízení, Motory pro elektronické brzdné systémy, Ovladač klapek chlazení motorů) závod Kopřivnice - Divize dveřních systémů (Zámky bočních dveří, Moduly zámků) závod Rožnov pod Radhoštěm Obr. 2 Struktura předního sedadla Obr. 3 Ventilátor chladícího modulu Obr. 4 Zámek bočních dveří Společnost Brose CZ je součástí skupiny Brose, kterou založil Max Brose v roce 1908. Brose se stalo celosvětově úspěšnou společností, která je pátým největším dodavatelem automobilového průmyslu v rodinném vlastnictví na světě, s více než 25,000 zaměstnanci v 62 závodech ve 23 zemích. Mezi hlavní zákazníky společnosti Brose CZ patří: Audi, Behr, BMW, Continental, Daimler, Fiat, Faurecia, Ford, GM, Jaguar Land Rover, Lear, MAN, Porsche, PSA, Scania, Volvo aj. [1]

Vyhodnocování definovaných KPI (Key Performance Indicators) K operativnímu řízení jednotlivých výrobních procesů mimo jiné využívá společnost Brose CZ systém sledování klíčových ukazatelů v oblastech Lidé, Kvalita, Finance, Dodávky. Vybrané klíčové ukazatele jsou vyhodnocovány na denní bázi a v případě odchylky od definovaného cíle jsou definována a realizována nápravná opatření. KPI jsou sledovány ve výrobě na úrovni jednotlivého zařízení, výrobní linky, výrobního týmu až po výsledky celé výrobní divize a závodu. Ukazatele z oblasti kvality jsou například: - počet reklamací (incidentů) od zákazníka, - hodnota šrotace - hodnota RFT (Right First Time počet výrobků vyrobených napoprvé). Základem funkčního systému řízení je efektivní sběr dat z výrobních zařízení a výrobních procesů. Nezbytnou součástí fungujícího systému je rychlé a efektivní zpracování reportů, na základě kterých se může tým spolupracovníků dále scházet a dle potřeby rozhodovat o případných nápravných opatřeních vedoucích ke zlepšení výkonosti. Sběr dat z výrobních procesů za účelem následné analýzy Aby bylo možné data z výrobních zařízení a procesů vyhodnocovat a na základě znalosti skutečného stavu se správně rozhodovat je potřeba zajistit co nejpřesnější sběr dat. Dnešní moderní společnosti, jako je Brose CZ, se snaží sběr dat zajistit pomocí moderních technologií bez nutnosti zásahu člověka (operátora ve výrobě, seřizovače nebo mistra). Jednotlivá zařízení výrobní linky mezi sebou komunikují prostřednictvím počítačové sítě a zaznamenávají požadované informace do předem definovaných databází k dalšímu zpracování o každém vyrobeném kuse. Jedná se o výsledky automatických kontrolních operací v průběhu výrobního procesu. Například kontroly svarových spojů při robotickém laserovém svařování, hodnoty utahovacího momentu u šroubových spojů a výsledky testování jednotlivých dílů na konci výrobního procesu, kde je specifickou kategorií měření akustických vlastností elektrického polohování sedadel. V případě jednodušších operací nebo u pracovišť, kde je nezbytné posouzení pracovníkem výroby, není možné data zaznamenávat strojem bez zásahu člověka. V těchto případech je nutné tyto informace zaznamenávat pracovníkem a zajistit jejich přenos do informačního systému s co nejmenším zpožděním. Jedná se nejčastěji o zaznamenávání informací o výpadcích z výrobního procesu a kategorizace vad dle připravených chybových kódů.

On-line sběr a vyhodnocování dat Zastavení výrobního zařízení v případě detekce chyby ve výrobním procesu nebo vstupním materiálu je dnes již běžně realizováno, může se jednat o detekci, kterou vyhodnotí stroj například pomocí senzorů nebo měření požadovaných veličin. V takovém případě zařízení výrobní operaci nezahájí nebo po jejím ukončení zůstane ve stavu, kdy pracovník nemůže výrobek standardním způsobem použít ke zpracování na další výrobní operaci. U automatizovaných výrobních zařízení dochází k separaci vadných dílů bez zásahu pracovníka. Jeden z přínosů moderních technologií a vzájemného propojení strojů je využití dat k zabezpečení funkce interlocking (blokování provedení výrobní operace, pokud neexistuje v systému zařízení nebo v databázi potvrzení o úspěšném dokončení kroku předchozího). Dalším přínosem sběru informací z výrobních procesů a jejich ukládání v databázích umožnuje následné zpětné dohledání informací traceability. Mohou být ukládány informace o šaržích vstupních materiálů, hodnoty procesních parametrů, výsledky automatických měření a kontrol. Součástí moderní výrobní společnosti je mít možnost z dostupných dat v informačním systému získávat přehled o aktuálním vývoji jednotlivých zaznamenávaných hodnot a zobrazovat je v reálném čase dle potřeby nebo rovnou rozesílat předem definovaným uživatelům například formou e-mailové zprávy. Nástroje využívané k analýze výrobních dat Základní funkce z oblasti řízení kvality jsou dnes již naprogramovány v samotných zařízeních, jako je např. zastavení stroje v případě automatického odhalení chyby, blokování operace pokud nebyl korektně ukončen předchozí krok. I přes všechny tyto dnešní možnosti však může dojít ke zhoršení některého z klíčových ukazatelů výroby a je nutná rychlá a efektivní analýza dat, která pak pracovníkům pomůže k identifikaci kořenové příčiny a následné definici nápravných opatření. K těmto účelům jsou využívány různé softwarové řešení dodané přímo výrobci jednotlivých zařízení, případně informační systémy upravené dle potřeb uživatelů. Nejčastěji požadovaným výstupem v oblasti kvality je přehled výpadků podle četnosti výskytu s možností porovnávat různá časová období, výrobní varianty a jejich trendy. Jedná se například o využívání principů Paretovy analýzy. Jeden ze základních úkolů pracovníků procesní kvality je každodenní kontrola výsledků jednotlivých procesů, tak aby byli schopni

iniciovat řešení problémů, pokud detekují zhoršující se trendy sledovaných ukazatelů nebo případně jiné nežádoucí abnormality. Obr. 5 Ukázka Paretova diagramu [2] Cílem těchto analýz je pak identifikování a co nejpřesnější vymezení problému, kterému se následně věnuje řešitelský tým spolupracovníků. K těmto účelům se využívá nástroj Is / Is not, který poskytuje návod na upřesnění popisu problému za pomocí jednoduchých strukturovaných otázek typu Co, Kde, Kdy a Jak velký rozsahu problému sledujeme. [3] Obr. 6 Ukázka nástroje Is / Is not [4] Pro tyto účely má velký přínos analýza dostupných dat v co nejkratším čase, tak aby pracovníci zabývající se hlubší analýzou odhaleného problému, mohli následně věnovat více času dalším kroků v řešení problému. Nezbytnou součástí řešení problému je možnost analyzovat zpětně výrobní data, kdy na základě jednoznačné identifikace výrobku, je možné dohledat výsledky automatických kontrol. Také je možné dohledat, zda byl např. v průběhu

výrobního procesu výrobek opravován, nebo opakovaně testován, což může následně přispět k určení kořenové příčiny vady. Nástroje využívané k řešení problémů Jako základní pilíř pro řešení problémů ve společnosti Brose CZ je využíván 8D Report, který je standardizován v podobě šablony MS Office. Tato standardizovaná šablona je doplněna o předpřipravené jednotlivé dílčí nástroje podporující správné použití 8D Reportu. Mezi tyto nástroje patří například již zmíněný formulář pro analýzu Is / Is not v oblasti popis problému. Pro korektní zpracování analýzy Is / Is not je velice výhodné využívat výsledky analýzy dat, jako například určení zda je sledovaná vada závislá na vyráběné výrobní variantě, zda je sledovaná vada časové závislá (ohraničená) nebo zda se podobný trend vyskytuje na jiných výrobcích, atd. Pro oblast analýzy kořenové příčiny se pak nejčastěji využívají formuláře pro Išikawův diagram a pro metodu 5 x Proč. Jestliže si řešitelský tým definuje možné příčiny problému, je nezbytné tyto příčiny následně potvrdit případně vyloučit. To je možné realizovat více způsoby, například měřením, plánovaným experimentem nebo lze v některých případech efektivně využít výstupy z analýzy výrobních dat a ušetřit celkový čas řešení problému. Závěr Cílem tohoto článku bylo zdůraznit význam efektivní práce s daty, která jsou dostupná pro řízení a kontrolu výrobních procesů a význam elektronického propojení výrobních zařízení mezi sebou a automatické ukládání informací ve výrobních databázích. Efektivní práce s daty spočívá v rychle dostupné možnosti tato data vyhodnotit a tím identifikovat co nejpřesněji oblast nebo problém, na který se zaměřit a dále se věnovat analýze kořenové příčiny a definování nápravných opatření. Častým problémem při řešení problémů bývá nedostatečně přesný popis problému z důvodu časové náročnosti sběru dat nebo jejich nedostupnosti. Klíčovým faktorem úspěchu jednotlivých řešitelských týmů vždy zůstává data správně interpretovat a identifikovat v nich závislosti, které vedou k nalezení kořenových příčin. Použitá literatura: [1] Oficiální internetové stránky společnosti Brose CZ spol s r.o.: https://www.brose.cz

[2] NENADÁL, J. - NOSKIEVIČOVÁ, D. - PETŘÍKOVÁ, R. - PLURA, J. - TOŠENOVSKÝ, J.: Moderní management jakosti, Management Press, Praha, 2008, 376 s, ISBN 978-80-7261-186-7 [3 ] PLURA, J.: Plánování a neustálé zlepšování jakosti, Computer Press, Praha, 2001, 244 s, ISBN 80-7226-543-1 [4] Quality-One International: Formulář pro použití metody Is/ Is not https://quality-one.com/wp-content/uploads/2016/08/8d-is-is-not-example.pdf