Tillverkning av medicinska elektroder innefattar många kontrollerade processer.

Material omvandlas, lager sätts ihop, hydrogel kan appliceras, komponenter skärs och ansluts och färdiga produkter inspekteras innan de släpps.

Men inspektionen berättar bara för tillverkarna vad som hände med produkten vid en viss tidpunkt.

För ett mer proaktivt tillvägagångssätt kan tillverkare också övervakahur själva produktionsprocessen beter sig.

Det är här Statistical Process Control, allmänt känd somSPC, kan spela en viktig roll.

Istället för att vänta på att en färdig produkt ska falla utanför en specifikation, använder SPC produktionsdata för att identifiera förändringar, trender och ovanliga variationer medan en process körs.

För tillverkning av medicinsk elektroddyna kan detta ge ytterligare ett lager av processsynlighet.

Statistisk processkontroll använder mätningar som samlas in under produktionen för att förstå hur en process beter sig.

Istället för att titta på enskilda mätningar isolerat kan tillverkare granska data över tid.

Föreställ dig till exempel en produktionsprocess där en mätbar egenskap registreras med jämna mellanrum.

En enstaka mätning kan verka normal.

Men om flera på varandra följande mätningar gradvis rör sig i en riktning, kan det mönstret ge användbar information om processen.

SPC hjälper tillverkare att skilja mellan:

• Förväntad processvariation
• Ovanlig variation
• Trender
• Skifter
• Potentiell processinstabilitet

Målet är inte bara att samla in fler siffror.

Det är attförvandla produktionsdata till användbar information om processbeteende.

Medicinska elektroddynor innehåller flera tillverkningssteg, och varje process kan introducera variation.

Beroende på produkt och process kan tillverkare övervaka egenskaper relaterade till:

• Mått
• Materialpositionering
• Lagerinriktning
• Skärprestanda
• Hydrogelapplikation
• Anslutning eller montering
• Andra mätbara processegenskaper

De specifika parametrarna som övervakas bör bestämmas av produktdesignen och tillverkningsprocessen.

Den viktiga principen är detinte varje mätbar parameter behöver bli en SPC-parameter.

Bra processövervakning fokuserar uppmärksamheten på egenskaper som är betydelsefulla för produktens prestanda eller processstabilitet.

En av de största skillnaderna mellan traditionell inspektion och SPC är hur data tolkas.

Betrakta två förenklade produktionsscenarier.

Scenario A

Mätningarna förblir relativt stabila runt det förväntade processcentret.

Scenario B

Mätningarna håller sig inom specifikationen, men rör sig gradvis i en riktning över tiden.

Om endast specifikationsgränserna beaktas kan båda situationerna verka acceptabla.

Men ur ett-processkontrollperspektiv förtjänar scenario B uppmärksamhet.

En process kan visa tecken på förändringinnan en produkt faktiskt blir avvikande.

Detta är en av anledningarna till att SPC kan vara användbar.

Det hjälper tillverkare att se bortom:

"Är den här produkten acceptabel?"

och fråga också:

"Blir processen som förväntat?"

Innan de använder SPC effektivt måste tillverkarna förstå var variationen kan komma ifrån.

Produktionsvariation kan påverkas av många faktorer, inklusive:

Material

Olika materialpartier kan ha mätbara skillnader inom sina accepterade krav.

Utrustning

Maskininställningar, mekaniskt tillstånd eller driftsförhållanden kan påverka processutdata.

Verktyg

Verktygets skick och inriktning kan påverka konverterings- eller skärprocesser.

Miljö

Vissa tillverkningsprocesser kan vara känsliga för miljöförhållanden.

Mänskliga faktorer

Inställningsprocedurer, omställningar och manuella operationer kan introducera variation.

Processinställningar

Ändringar i driftsparametrar kan påverka den resulterande produkten eller mellanmaterialet.

Detta sammanfattas ibland med begreppet5M1E ramverk:

• Man
• Maskin
• Material
• Metod
• Mått
• Miljö

Syftet är inte att anta att varje variation har samma orsak.

Det är för att ge ett strukturerat sätt att undersöka var processförändringar kan uppstå.

Ett praktiskt SPC-system kan ses som en kontinuerlig cykel:

Mät → Spela in → Analysera → Undersök → Förbättra → Övervaka igen

Steg 1: Mät

En relevant egenskap mäts enligt en etablerad metod.

Steg 2: Spela in

Resultatet registreras tillsammans med lämplig produktionsinformation.

Steg 3: Analysera

Data granskas för mönster, variation, skiftningar eller andra signaler.

Steg 4: Undersök

Om ett ovanligt mönster identifieras undersöker tillverkningsteamet potentiella orsaker.

Steg 5: Förbättra

När så är lämpligt genomförs korrigerande eller förebyggande åtgärder.

Steg 6: Övervaka igen

Processen fortsätter att övervakas för att avgöra om förändringen gav det avsedda resultatet.

Detta gör SPC till en kontinuerlig process snarare än en kvalitetsaktivitet-en gång.

Denna distinktion är viktig när man diskuterar SPC.

Specifikationsgränserbeskriva vad produkten eller processen ska uppfylla enligt definierade krav.

Kontrollgränserär statistiska gränser som används för att förstå det naturliga beteendet hos en process baserat på insamlad data.

De svarar på olika frågor.

Specifikationsbegränsningar frågar:

Uppfyller resultatet det definierade kravet?

Kontrollgränser hjälper till att fråga:

Uppträder processen konsekvent med sitt etablerade mönster?

En process kan därför hålla sig inom specifikationen samtidigt som den visar en ovanlig statistisk signal.

Omvänt kan en process ha relativt stabilt beteende men ändå vara centrerad på en olämplig plats i förhållande till specifikationen.

Det är därför SPC inte bör behandlas som bara ett annat sätt att rita specifikationsgränser på ett diagram.

Ett kontrolldiagram är ett av de vanligaste verktygen som används i SPC.

Den visar vanligtvis mätningar i kronologisk ordning tillsammans med ett processcenter och statistiskt härledda kontrollgränser.

Diagrammet låter tillverkningsteam se hur processen beter sig över tid.

Istället för att granska hundratals siffror i ett kalkylblad kan ingenjörer lättare identifiera:

• Plötsliga skiftningar
• Gradvisa trender
• Ovanlig variation
• Klustring
• Potentiella extremvärden
• Ändringar efter en processjustering

Den exakta kontrolldiagrammet- beror på vilken typ av data som övervakas och hur mätningarna samlas in.

Därför bör ett SPC-system utformas kring processen snarare än att tillämpa ett diagramformat för varje tillverkningsegenskap.

Föreställ dig en tillverkningsprocess där en viktig mätning historiskt sett har varit relativt stabil.

Med tiden börjar mätningarna att röra sig gradvis.

Ingen enskild mätning har ännu överskridit sin specifikation.

Utan trendövervakning kan processen fortsätta oförändrad.

Med lämplig SPC-övervakning kan trenden utlösa en utredning.

Teamet kan sedan fråga:

• Var det en materiell förändring?
• Har utrustningen justerats?
• Har verktyg bytts ut?
• Ändrades ett inställningsvillkor?
• Var det något underhållshändelse?
• Förändrades miljöförhållandena?
• Var det ett problem med-mätsystemet?

Syftet med utredningen är inte att anta att SPC har identifierat grundorsaken.

Snarare,SPC ger en tidig signal om att processen kan förtjäna uppmärksamhet.

SPC beror på data.

Det betyder att själva mätprocessen måste vara tillförlitlig.

Om ett mätsystem introducerar alltför stor variation, kan det hända att de resulterande SPC-data inte korrekt representerar tillverkningsprocessen.

Av denna anledning kan tillverkare behöva överväga:

• Mätutrustning
• Mätmetoder
• Kalibrering
• Operatörens rutiner
• Mätning repeterbarhet
• Mätningsreproducerbarhet
• Provtagningsmetoder

Detta leder till en viktig princip:

Bättre diagram kan inte kompensera för opålitliga mätningar.

Innan tillverkare tolkar en processtrend behöver tillverkare ha förtroende för att data representerar den egenskap som övervakas.

Det kan vara frestande att samla in så mycket produktionsdata som möjligt.

Men mer data betyder inte automatiskt bättre processkontroll.

Om varje mätning blir en övervakad parameter kan systemet bli onödigt komplicerat.

Ett användbart SPC-program bör fokusera på egenskaper som är meningsfulla.

Urvalet kan överväga:

• Produktkrav
• Processrisk
• Historisk variation
• Kundkrav
• Tillverkningserfarenhet
• Förhållande till produktens prestanda
• Förmåga att mäta egenskapen på ett tillförlitligt sätt

Detta skapar ett mer praktiskt system.

Målet är inte:

"Samla allt."

Det är:

"Övervaka vad som är viktigt."

SPC bör inte fungera som ett isolerat kvalitetssystem.

Det kan fungera tillsammans med andra tillverkningskontroller.

Till exempel:

Inkommande materialinspektion

Hjälper till att verifiera att material uppfyller definierade krav före produktion.

Under-besiktning

Kontrollerar relevanta egenskaper under tillverkningen.

SPC

Övervakar processbeteende och variation över tid.

Slutbesiktning

Bekräftar krav på färdiga-produkter innan lanseringen.

Processvalidering

Tillhandahåller dokumenterade bevis för att en definierad process konsekvent kan uppnå sitt avsedda resultat under etablerade förhållanden.

Dessa aktiviteter svarar på olika frågor.

Tillsammans ger de en mer komplett bild av tillverkningskontroll.

SPC är också användbart förutom att bara identifiera onormala tillstånd.

Lång-produktionsdata kan hjälpa tillverkare att förstå hur en process beter sig i:

• Olika produktionsperioder
• Olika materialpartier
• Utrustningsunderhållscykler
• Verktygsförändringar
• Processförbättringar
• Produktkonfigurationer

Detta historiska perspektiv kan stödja ständiga förbättringar.

Till exempel, efter att en processförbättring har implementerats, kan produktionsdata granskas för att avgöra om variationen faktiskt minskade eller om den observerade förbättringen bara var tillfällig.

Detta skapar en feedbackloop:

Produktion → Data → Analys → Förbättring → Produktion

Med tiden kan detta hjälpa tillverkningsteam att bygga djupare kunskap om sina processer.

För en tillverkare av medicinska elektroder handlar SPC inte om att göra tillverkningen onödigt statistisk.

Det handlar om att göra processbeteende mer synligt.

En produktionslinje kan se stabil ut från utsidan.

Men data kan avslöja förändringar som är svåra att se visuellt.

Detta är särskilt värdefullt för produkter som tillverkas upprepade gånger under långa produktionsperioder.

Ju mer produktionshistorik en tillverkare samlar på sig, desto fler möjligheter finns det att förstå:

• Normal processvariation
• Återkommande mönster
• Processförskjutningar
• Utrustningsrelaterade-ändringar
• Verktygsrelaterade-trender
• Effekter av processförbättringar

Den kunskapen blir en del av tillverkarens processkompetens.