Examensarbete i Maskinteknik
Studie av process och
maskinduglighet på Electrolux Laundry Systems
plåtberedningsmaskiner
– A study of process and machine capability on Electrolux Laundry Systems sheet metal processing machines
Författare: Jonatan Hansson, Jonas Duong Handledare LNU: Martin Kroon
Handledare företag: Niklas Lindsköld, Electrolux Laundry Systems
Examinator LNU: Izudin Dugic Datum: 2019-06-05
Kurskod:2MT16E, 22.5hp
Sammanfattning
Maskiner inom industriell tillverkning har en teoretisk duglighet, däremot skiljer sig den teoretiska från den faktiska när den placeras i en process. Då påverkas
dugligheten av alla processens komponenter.Variationer delas upp i olika källor.
Majoriteten kommer från samma källor. T.ex. materialet, maskinen, operatören eller arbetsmetoden m.fl.
Företaget som projektet utförs på är Electrolux Laundry Systems. De tillverkar torktumlare och tvättmaskiner för professionellt bruk. Deras plåtberedning har problem med variationer som orsakar problem för hela produktionskedjan. Orsaken är att dugligheten bland plåtberedningens resurser inte är känd för företaget. Vore det känt vilken duglighet plåtberedningens resurser har skulle företaget på förhand veta om detaljen går att tillverka internt eller inte, det skulle också vara möjligt att ta hem produktion som just nu ligger ute på entreprenad.
Syftet med projektet är att undersöka vilken faktisk duglighet de olika maskinerna i plåtberedningen har. Projektet omfattar tre stansar, tre kantpressar samt två kantvikar.
Ett annat av projektets målen är att ge förslag på hur kvalitetsbrister kan förebyggas och övervakas.
Genomförandet består av två faser. Dels intervjuer med maskinoperatörer och dels själva duglighetsstudien. Målet med första delen var att fråga de som arbetar vid de studerade maskinerna om problem och brister som upplevs vid deras arbetsstation.
Andra fasen bestod av att designa en testdetalj med förmåga att mäta hela processens duglighet. Därav designades den med hål och klippta kanter för stansen, men även vikta kanter för bockningsmaskinerna. Den utrustades också med en dubbelbockning enligt företagets önskemål.
Efterhand som stansarna tillverkade testdetaljen mättes hålbildens centrering i förhållande till detaljens ytterkanter upp. Därefter skickades ett systematiskt blandat urval vidare till respektive bockningsmaskin. De färdigbockade urvalen mättes sedan upp och och resultat antecknades.
Resultatet från intervjuerna sammanställdes i orsak-verkan-diagram. Dugligheten beräknades från mätdatan i duglighetsindexet Cpk. Mätdatan plottades även måttvis i diagram.
Duglighetsberäkningarna resulterade i Cpk-värden som låg under rekommenderade nivåer på samtliga studerade maskiner. Första stansen hade problem med
centreringen av sitt utfall, dock bestod utfallen av spetsiga normalfördelningskurvor.
Övriga två stansar hade centrerade utfall, däremot var utfallskurvorna flacka. Bland bockningsmaskinerna var variationen måtten emellan stor på samtliga. Bäst var kantpress 3 och kantvik 1. Samtliga bockningsmaskiner hade i synnerhet dåligt resultat för dubbelbockningen.
Slutsatsen som författarna drar är att underhåll för stansmaskinerna behöver innehålla injusteringar, för bockningsmaskinerna behöver operatörerna kompetensutvecklas.
Summary
Machines used in industrial production have a theoretical capability. However the theoretical capability differs from the actual when the machines are placed in a process. There the machines are subject to all of the processes components.
Variations primarily derives from a few sources. I.g. the material used, the machine, the machine operator or the method used by them.
The project is hosted in Electrolux Laundry Systems. They manufacture washing machines and dryers for professional use. Their sheet metal preparation process has problems with variations. It causes problem for the whole production process. The cause of this problem lies in the lack of knowledge on their machines capability. If it was known to the company, it would allow them to know beforehand if they could manufacture a component or if they would have to outsource it.
The projects purpose is to study which capability the sheet metal preparation machines actually have. The resources to be studied consists of three punching machines, three press brake machines and two bending machines. Another goal the project has is how possible quality deficiencies can be preventent and monitored.
The implementation consists of two phases. One with interviews with the machine operators and second, the capability study. The goal with the first phase is to collect possible deficiencies present on the operators workstations.
The second phase was to design a component to measure both the machines capability, but also the whole process. Therefore the component was designed to have both holes and bended edges. The company also wanted a double bend on the component.
After the punching machines manufactured the component the hole pattern was measured in relation to the outer edges. When it was finished, a systematically mixed selection was sent forward to the bending machines. When they had done their operations on the component they were measured up once again.
The results from the interviews was put together in cause and effect diagrams. The capability was calculated using the capability index Cpk. The data was also plotted in diagrams dimension by dimension.
The cababilty calculations resulted in Cpk values below recommended levels in all machines. The first punching machine had problems with its normal distribution curves being offset to the target dimension. The other two punching machines had flatter curves though they were flatter than the first punching machine. The bending machines had large variation inbetween the dimensions. Press brake machine 3 and bending machine 1 achieved the highest capability. Nevertheless all the bending machines had bad results regarding the double bend.
The conclusion taken from the study is for one, the maintenance for the punching machines must include a readjustment of it’s tools. For the bending machines the operators must raise their own capability.
Abstract
Inom industriell tillverkning har alla maskiner en teoretisk duglighet. Den skiljer sig däremot från den faktiska när den sätts i en process, där påverkas dugligheten av samtliga resurser i processen. Electrolux Laundry Systems har problem i sin plåtberedning som beror på att dugligheten bland plåtberedningens maskiner är okänd.
Projektet handlar om att beräkna dugligheten i Electrolux Laundry Systems plåtberedningsmaskiner samt ge förslag på hur dugligheten kan förbättras och övervakas. De studerade maskinerna består av tre stansar och fem
bockningsmaskiner. Dugligheten mäts i duglighetsindexet Cpk. Mätdatan plottas även i diagram måttvis.
Resultatet från studien visar att samtliga plåtberedningmaskiners duglighet beräknades till under 1,0. Ett godkänt värde bör ligga mellan 1,33 och 1,66. Det betyder att plåtberedningsprocessen inte är duglig.
Nyckelord: Duglighet, Duglighetsstudie, Cpk, Kvalitetsutveckling, Plåtberedning, Statistisk processtyrning
Förord
Författarna läser det maskintekniska programmet på Linnéuniversitet i Växjö. Den ena läser inriktningen produktionsutveckling medan den andre läser
produktutveckling. Utbildningen omfattar 180 högskolepoäng.
Då en av rapportens författare tidigare har arbetat vid kvalitetsavdelningen på Electrolux Laundry Systems i Ljungby var det givet att ställa frågan ifall det fanns möjlighet att genomföra sitt examensarbete där. Ett möjligt projekt presenterades av kvalitetsavdelningens ledning som författarna tyckte lät intressant och som således kom att bli ett lämpligt examensarbete för två maskinstudenter.
Författarna vill rikta tack till samtliga på kvalitetsavdelningen, men framför allt Daniel Andersson som alltid var till hands för att svara på frågor och som hjälpte till att organisera praktiska moment i projektgenomförandet. Författarna vill även tacka maskinoperatörerna som med sitt arbete deltog i projektet. Slutligen vill vi även rikta tack till vår handledare Martin Kroon och programansvarige Izudin Dugic som väglett oss under projektets gång.
Jonatan Hansson & Jonas Duong Växjö, 05 Jun 2019
Innehållsförteckning
1. INTRODUKTION ... 1
1.1BAKGRUND OCH PROBLEMBESKRIVNING ... 1
1.2PROBLEMFORMULERING ... 2
1.3SYFTE ... 3
1.4MÅL ... 3
1.5FRÅGESTÄLLNINGAR ... 3
1.6AVGRÄNSNINGAR ... 3
2. METOD ... 5
2.1VETENSKAPLIG STÅNDPUNKT ... 5
2.1.1 Vetenskaplig angreppssätt ... 5
2.1.2 Forskningsdesign ... 5
2.1.3 Positivism och Hermeneutik ... 5
2.2METODVAL ... 6
2.3FORSKNINGSETIK ... 7
2.4VALIDITET &RELIABILITET ... 7
2.5ÖVERBLICK METODVAL ... 8
3. TEORI ... 9
3.1VARIATIONER OCH KVALITET ... 9
3.1.1 Olika typer av variationer och dess ursprung ... 9
3.2STATISTISK PROCESSTYRNING ... 10
3.2.1 Visualiering ... 10
3.3PROCESSDUGLIGHET... 11
3.3.1 Duglighetsstudier ... 12
3.4DE SJU FÖRBÄTTRINGSVERKTYGEN ... 12
3.4.1 Orsak-verkan-diagram ... 12
3.5 Duglighetsindex ... 13
3.5.1 Tolkning av duglighetsindex ... 14
3.6TILLVERKNINGSMETOD ... 14
3.6.1 Plastiska & klippande plåtbearbetningsmetoder ... 14
3.7MÄTINSTRUMENT ... 16
3.7.1 Skjutmått ... 16
4. GENOMFÖRANDE ...18
4.1RESURSER I PLÅTBEREDNINGEN ... 18
4.2INTERVJUER MED MASKINOPERATÖRER ... 18
4.3DESIGN AV TESTDETALJ ... 18
4.4GENOMFÖRANDE AV DUGLIGHETSSTUDIE ... 19
4.4.1 Urval för duglighetstudie... 19
4.4.2 Serienummer för urval... 20
4.4.3 Uppmätning av utbredningsens hålbild ... 22
4.4.4 Uppmätning av bockade kanter ... 22
5. RESULTAT ...24
5.1RESULTAT AV INTERVJUER ... 24
5.1.1 Intervju 1 ... 24
5.1.2 Intervju 2 ... 25
5.1.3 Intervju 3 ... 25
5.1.4 Intervju 4 ... 26
5.1.5 Intervju 5 ... 26
5.1.6 Intervju 6 ... 27
5.1.7 Orsak-verkan-diagram intervjuer ... 27
5.2RESULTAT DUGLIGHETSSTUDIE ... 29
5.2.1 Duglighet, plåtberedningens resurser ... 29
5.2.2 Duglighet, klippt eller stansat till kant ... 30
5.2.3 Duglighet i Cp... 30
5.2.4 Urvalsfördelning stans ... 31
5.2.4 Urvalsfördelning bockningsmaskiner ... 32
5.2.5 Duglighet hörndetaljer respektive övriga ... 33
6. DISKUSSION ...34
7. SLUTSATSER ...37
REFERENSER ...38
BILAGOR ...42
1. Introduktion
1.1 Bakgrund och problembeskrivning
Vad kvalitet betyder beror på vem frågan ställs till. Tillfrågas
slutanvändaren till en produkt skiljer sig svaren gentemot om ingenjören som har tagit fram produkten tillfrågas. Kvalitet kan definieras som en produkts förmåga att tillfredsställa en kunds förväntningar, eller huruvida den uppfyller satta toleranser (Sahay 2016).
Deleryd (1996) skriver att variationer i tillverkning har varit ett problem sedan den industriella revolutionens begynnelse. Ett av de överliggande målen inom kvalitetsutveckling är enligt Sahay (2016) att få ner eller helt eliminera variationer och defekter i produkter. Han hävdar även att
förbättrad kvalitet leder till flera fördelar, som till exempel ökad lönsamhet och ett högre upplevt produktvärde.
Kostnaden för kvalitet delas upp i två olika grupper: Den för att upprätthålla god kvalitet och den som uppstår när dålig kvalitet produceras (Crosby 1979). I första kategorin finns det t.ex. kostnader för kvalitetskontroll och kasserade defekta detaljer. I den senare finns förseningar och omarbeten men även lägre tillit till företaget.
Ett sätt att sänka kvalitetsbristkostnader är att röra sig från ett upptäckande system till ett förebyggande. Sahay (2016) skriver att flera företag har sänkt sina kostnader för dålig kvalitet m.h.a. förebyggande kvalitetsutveckling.
Duglighetsstudier är ett exempel på förebyggande system. När
processdugligheten är känd går det undvika att låta processen tillverka produkter den inte är kapabel till.
Duglighetsstudier används för att mäta hur väl en process producerar inom en satt toleransgräns. För att det ska vara möjligt att utföra en
duglighetsstudie ställs det krav på att processen ska vara i bl.a. statistisk jämvikt. För att uppnå detta måste de urskiljbara variationskällorna åtgärdas eller kompenseras för. När variationsorsaker ska identifieras måste arbetet ske noggrant och med systematik (Bergman, Klefsjö 2012). Dennis (2015) nämner fyra grundorsaker till variation, människa, maskin, metod och material, dessa kompletteras av Bergman och Klefsjö (2012) med ytterligare tre, management, mätning och miljö.
Identifieras en variationskälla måste själva grundorsaken konstateras. I ett orsak-verkan-diagram pekas ett eller flera problem ut. Sedan pekas orsakerna till problemen ut (Bergman, Klefsjö 2012). Att ställa frågan
”varför" minst fem gånger nämns som ett sätt att identifiera grundorsaken till ett problem (Isixsigma-editorial).
Ett flertal duglighetsverktyg existerar för att beräkna maskinens och
processens duglighet men behandlar bara produkter med en egenskap. Idag produceras komplicerade produkter med flera egenskaper, vilket leder till att de gamla duglighetsverktygen inte längre uppnår kraven (Kun-tzu, Kuen- Suan 2016).
Ett annat sätt att kontrollera maskinernas duglighet är att studera dess historik. Vilka detaljer har den tillverkat innan? Vad var resultatet? De detaljer som blev underkända, vilka var orsakerna till problemet?
1.2 Problemformulering
Maskiner och verktyg har alltid en teoretisk duglighet, däremot skiljer sig den teoretiska dugligheten från den faktiska när maskinen placeras i en process.
Den faktiska dugligheten påverkas av hela processen, en maskin ska bara ses som en kugge i ett system. Där olika kuggar påverkar varandra. Detta leder till variationer. Dessa kan delas upp i fyra olika källor: Maskin, Människa, Material och Metod. 4M (Dennis 2015). Då skiljer sig den enskilda kuggens duglighet från hela processens.
Deleryd konstaterade att skillnaden mellan teorin kring duglighetsstudier och den praktiska implementeringen bland de studerade svenska företagen var omfattande. Han nämner bl.a. att oengagerat ledarskap och metodfel m.fl. var orsaker till varför duglighetsstudier ofta misslyckades (Deleryd 1996; 1998).
Då många företag saknar kunskap om deras processers kapabilitet vet de inte vilka toleranser de kan uppnå. Om det vore känt, skulle det leda till flera besparingar. T.ex. skulle tillverkningsprocessen minska sin materialåtgång då det på förhand är känt vilka toleranser som går att uppnå. Det skulle också leda till färre utfallsprov under konstruktionstadiet då konstruktörerna skulle veta om detaljen går att tillverka internt eller inte utan att behöva testa.
Lägre materialåtgång leder till mindre miljöpåverkan. Reducerad
arbetsåtgång sänker processens kostnad per tillverkad detalj. Till exempel är den genomsnittliga timlönen cirka en fjärdedel i Polen gentemot vad den är i Sverige (Eurostat 2016). Detta ställer höga krav på effektiva processer, god kvalitet och automatisering för att tillverkande industri överhuvudtaget ska kunna vara kvar i Sverige.
Electrolux Laundry System tillverkar torktumlare och tvättmaskiner för industriellt bruk. En stor del av komponenterna tillverkas av plåt internt.
Plåtberedningen på anläggningen har problem med att variationer ställer till problem i hela produktionskedjan. Från nästa resurs i plåtberedningen till
själva montering. Problemen grundar sig i att den faktiska dugligheten i plåtberedningsprocessen inte är känd för företaget. Därför läggs detaljer som inte gått att tillverka internt ut på entreprenad. Vore dugligheten känd för företaget skulle det vara möjligt att på förhand veta om nya detaljer går att tillverka internt eller inte, samtidigt som det skulle vara möjligt att ta hem viss produktion som just nu tillverkas av underleverantör.
Det finns således ett behöv att undersöka hur ett företag som ägnar sig åt plåtbearbetning kan gå tillväga för att genomföra en duglighetsstudie och vilka misstag som kan undvikas.
1.3 Syfte
Syftet med detta arbetet är att öka kunskapen kring implementering av duglighetsstudier i plåtberedning samt förstå vilka faktorer det är som påverkar dugligheten.
1.4 Mål
Projektets mål är att förenkla processen från konstruktion till serieproduktion samt klargöra vilka källor till variation som finns i plåtberedningsprocessen.
Ett annat mål är att beräkna dugligheten i de olika resurserna i
plåtberedningen samt hur kvalitetsbrister kan förebyggas och övervakas kontinuerligt.
1.5 Frågeställningar
Vilken duglighet finns i Electrolux Laundry Systems plåtberedningsprocesser för torktumlare och tvättmaskiner?
Vilka faktorer påverkar dugligheten i deras plåtberedning?
1.6 Avgränsningar
Projektet kommer använda sig av ett urval från operatörerna. Detta för att kunna analysera resurserna djupare.
Det kommer inte kontrolleras huruvida plåtens valsriktning påverkar processernas utfall. Detta p.g.a. att studien blir för omfattande.
Det totala urvalet för studien kommer uppgå till 147 detaljer. 49 detaljer per stans och 25 per stansmaskin inräknat ställbitar. Övriga 22 detaljer kommer användas för att göra program till maskiner och agera buffert ifall något
oförutsett händer. Urvalets storlek är primärt en omfattningsfråga för författarna och för företaget en kostnadsfråga. I ett möte med personal som har bred erfarenhet av maskinparken diskuterades det att 20 detaljer räckte för att få ett statistiskt pålitligt resultat. 149 testdetaljer motsvarar 12 helformatsplåtar.
2. Metod
2.1 Vetenskaplig ståndpunkt
2.1.1 Vetenskaplig angreppssätt
Det finns tre olika sätt att använda sig av teori när ett vetenskapligt arbete ska genomföras, induktivt, deduktivt och abduktivt. Det induktiva sättet innebär att studien använder sig av teorin för att få en djupare förståelse för det uppnådda resultatet efter att studien har blivit genomförd. En deduktiv studie som är vanligare vid kvantitativa metoder använder teorin för att ställa upp en hypotes och sedan används den empiriska datan för att antingen stärka tesen, eller påtala dess svaghet.
Denna studien kommer ägna sig åt ett abduktivt förhållningssätt. Det innebär att en kombination av de två ovanstående metoderna används. En växling mellan teori och empiriskt material för att få en djupare förståelse för båda, vilket är en av fördelarna. Däremot tar analysstadiet längre tid då ny teori tas in kontinuerligt för att bättre förstå resultatet (Blomkvist, Hallin 2015).
2.1.2 Forskningsdesign
Projektet är en fallstudie, det är en av tre olika designer som nämns i Blomkvist och Hallin (2015). En fallstudie kännetecknas av en stor
diversifierad mängd empiri som studerar fallet på ett djupare sätt än vad en kvantitativ studie hade gjort. Den passar bra när syftet är utforskande vilket stämmer in på det aktuella projektet. En fallstudie ska ha ett systematiskt sätt för val av olika metoder. Bland annat för införskaffning av empiri eller för analysen av den. Den kan inte leda till en statistisk generaliserbarhet
eftersom resultatet inte stämmer för alla fall av samma karaktär, däremot kan den djupare analysen stämma på ett statistiskt plan (Blomkvist och Hallin 2015).
2.1.3 Positivism och Hermeneutik
Positivism och Hermeneutik är de två olika vetenskapliga förhållningssätten som beskrivs i Patel och Davidson (2011). Positivismen är ett
förhållningssätt som baseras på sökandet efter hårda data i form av siffror medan hermeneutiken eftersöker mjukare, mer subjektiva data. En annan stor skillnad är synen på forskarens roll. I det positivistiska förhållningssättet ska forskarens roll vara osynlig. Det ska med andra ord vara totalt irrelevant vem som utför studien. Resultatet ska bli det samma. Detta i kontrast till den hermeneutiska synen på forskaren då det ses som en tillgång om forskaren blandar in sin subjektiva upplevelse. Inom positivismen är kvantitativa och
statistiska studier vanliga medan kvalitativa studier är vanligare inom hermeneutiken.
Fallstudien kommer att utgå positivistiskt i sitt förhållningssätt då ett hermeneutiskt förhållningssätt inte lämpar sig till empiriska studier där ett fenomen i tillverkande industri ska studeras och analyseras. Bland annat p.g.a. att det empiriska materialet kommer bestå av siffror
2.2 Metodval
Metoder delas upp i två olika kategorier enligt Blomkvist och Hallin (2015).
Kvantitativa och kvalitativa. Den kvantitativa metoden kännetecknas av generaliserade data och statistik i sifferform som arbetar deduktivt. T.ex.
enkätstudier. De kvalitativa studierna går djupare in i datainsamlingen.
Mjuka data i form av upplevelse samlas in och personliga upplevelser är viktiga. En induktiv ansats är vanligast (Blomkvist, Hallin 2015). Detta stöds också av Patel och Davidsson (2011). De hävdar liknande att kvantitativ forskning fokuserar på statistiska metoder och kvalitativa fokuserar på mjuka data i form av intervjuer och tolkande analyser. Inom den kvalitativa metoden finns fallstudien, som valts till forskningsdesign. Då syftet är utforskande och ett fenomen inom tillverkningsindustrin ska
studeras lämpar sig fallstudien väl, bl.a. på grund av att en lösning på problemet kräver en djupare förståelse och mycket empiri kommer produceras.
Då en större kvantitet empiri kommer hanteras måste
datainsamlingsmetoden vara både kvantitativ och kvalitativ. Då en
plåtberedningsprocess behöver tillverka en större kvantitet för att eliminera uppstartsvariationer. Dels måste processens utfall mätas upp och dels måste en statistisk överblick produceras. För att undvika ett hundratal detaljer mäts upp som är i princip identiska måste ett urval väljas. Det går att definiera på olika sätt. Det går till exempel totalt slumpa urvalet. Ett annat sätt är att på ett systematiskt sätt välja sitt urval. Det går att genomföra periodiskt. T.ex.
väljs vart femte eller vart tionde ur populationen. Ett annat systematiskt sätt är att välja populationen på basis av ålder, erfarenhet eller kön (Blomkvist, Hallin 2015). Studien kommer m.h.a. ett systematiskt sätt välja urval från processen periodiskt då det inte är realistiskt att kontrollera funktionsmåtten på alla detaljer. Urvalet från operatörer och beredare kommer väljas på erfarenhet och anställningstid. Då det är personer som tillhör de olika extremerna. Med andra ord yngre nyanställda och äldre erfarna operatörer.
Detta för att få med hela spektret av variationskällorna. Intervjuerna med operatörerna och beredarna kommer kännetecknas det kvalitativa intervjuer för att få en djupare kunskap av hur deras metoder skiljer sig åt och vad de tror kan orsaka variationer i processen.
2.3 Forskningsetik
Inom forskning finns det etiska krav som måste följas. Blomkvist och Hallin (2015) nämner fyra olika krav som måste uppfyllas. I projektets fall är samtyckeskravet och konfidentialitetskravet i synnerhet relevanta. Eftersom operatörernas och beredarens arbetsinsats ska studeras och mätas måste särskild hänsyn tas. De forskningsetiska kraven kan påverka studiens reliabilitet. Det utvecklas i kapitel 2.4. Centralt är att ingen tar skada av studien och att författarna förhåller sig opartiskt till resultaten. Det är också viktigt att källor hänvisas korrekt då det är viktigt att skilja på vad som är ny kunskap och vad som är gammalt (Blomkvist, Hallin 2015).
2.4 Validitet & Reliabilitet
Blomkvist och Hallin (2015) definierar validitet som att rätt subjekt
undersöks och reliabilitet som att det studeras på rätt sätt. Det går också att uppnå validitet genom bl.a. hänvisa till “peer reviewed” litteratur. Den ska överensstämma med det som faktiskt ska studeras. Det kan också vara en idé att låta sina kurskamrater och andra med kunskap i ämnet läsa igenom och ge kritik. En egen slags ”peer review” (Blomkvist, Hallin 2015).
Patel och Davidson hävdar att validitet uppnås när det som ska studeras definieras noga och mätinstrumentet mäter just det den ämnar mäta. Det är också en god idé att mäta samma sak med olika instrument, eller mäta något annat med samma instrument för att jämföra resultaten (Patel, Davidson 2011)
Reliabilitet handlar om ett instruments förmåga att producera samma resultat flera gånger och inte påverkas av yttre faktorer och ge ett felvärde. Även om olika personer mäter med samma instrument och får samma resultat betyder inte det att hög reliabilitet har uppnåtts. Instrumentet kan ha en okänd felmarginal (Patel, Davidson 2011).
Studien ämnar uppnå hög reliabilitet genom att referera relevant och ”peer reviewed” teori från erkända forskare inom området. Mätdonen som kommer användas för kontroll av mått på testdetaljer kalibreras av tredje part kontinuerligt efter en given tidsplan. Validitet uppnås genom att bl.a.
låta personer med god erfarenhet av maskinparken rådgiva vid konstruktion av testdetalj så det är möjligt att mäta rätt saker och se till att om en variation uppstår att den inte påverkar ett annat mått. Med andra ord så att rätt
variation antecknas.
Bjurström (2016) skriver om att mätningar driver beteenden. När någon vet att insatsen blir mätt kommer denna prestera bättre för att möta ett mål, klarar den inte detta finns det risk att resultatet blir manipulerat. Med andra ord kan själva mätningen påverka studiens reliabilitet, eller frångå
forskningsetiken. En säkerhetsfaktor kommer läggas på resultatet för att kompensera detta.
2.5 Överblick metodval
För att se en sammanfattning av metodvalen som gjort i projektet. Se figur 1 nedan.
Figur 1: Metodval gjorda i projektet.
Metodval
Vetenskapligt förhållningssätt
Positivistiskt synsätt Vetenskapligt
angreppssätt Abduktiv
Datainsamling
Kvantitativ
Kvalitativ
Forskningsdesign Fallstudie
3. Teori
Rapportens teorikapitel utvecklar teorin kring kvalitetsutstyrning och dess utveckling. Det kommer även beskrivningar av tillverkningsprocesser och mätteknik.
3.1 Variationer och kvalitet
Variationer och kvalitet hänger tätt ihop skriver Sahay (2016). Ända sedan den industriella revolutionen har variationer mellan tillverkade produkter orsakat svårigheter i produktionen (Deleryd 1996). Sahay (2016) skriver att detaljerna som produceras i en process alltid varierar dem emellan. Han ger exemplet att volymen i två aluminiumburkar aldrig har samma volym, trots att volymen som står skriven på burken hävdar så. När variationen i
processerna förflyttas utanför toleransgränserna är när kvaliteten börjar försämras. Det primära målet med kvalitetsutveckling är att reducera variationerna i processerna (Sahay 2016).
3.1.1 Olika typer av variationer och dess ursprung
Variationer i processer delas upp i två olika kategorier. De urskiljbara och de slumpmässiga. Flera författare menar att skillnaden handlar om
informationsläget. Det finns m.a.o. ingen given skiljelinje dem emellan (Karlebo handbok 2000; Bergman och Klefsjö 2012). I vissa fall är det omöjligt att härleda variationer till givna källor då de ger väldigt små
variationsbidrag. T.ex. glapp i spindlar, dålig innerbelysning i verksamheten eller varierande temperaturer i fabriken (Bergman och Klefsjö 2012).
Flera författare skriver att variationer går att härleda till fåtal ett antal grundorsaker. De primära är människan, dess arbetsmetod. Maskinen som används och materialet som används. Det skrivs även att ledningen, mätning och miljön är primära variationskällor (Dennis 2015; Bergman, Klefsjö 2012; Sahay 2016).
3.2 Statistisk processtyrning
Statistisk processtyrning används för att övervaka och analysera
processernas utfall och resultat. Genom att omvandla processutfallen till siffror går det analysera dem statistiskt och matematiskt (Campbell 2011).
Det är även ett hjälpmedel när variationsorsaker ska urskiljas och åtgärdas då det är möjligt att binda typer av variationer till dess grundorsaker (Sower 2017; Campbell 2011).
Förbättringsarbete underlättas även när ett kvitto på förändringens verkan på resultatet kan ges på ett statistiskt plan (Sower 2017).
Både Sower (2017) och Campbell (2011) nämner att metoder inom SPS möjliggör pålitliga prognoser på processens utfall. Sower (2017) menar att detta har positiva effekter på planering t.ex. inom materialåtgång. Se figur 2 för fler positiva följder av statistisk processtyrning.
Figur 2: Positiva följder av SPS, (SPC på engelska). (Sower 2017)
3.2.1 Visualiering
För att det statistiska underlaget ska kunna användas måste det bearbetas med grafiska eller numeriska hjälpmedel. T.ex. med grafer, staplar eller histogram som finns i den grafiska kategorin. En numerisk metod är att räkna ut och jämföra de olika urvalens standardavvikelse eller jämföra median eller medelvärden (Sahay 2016).
För att data ska kunna visualiseras effektivt måste den sorteras efter väl valda parametrar. Sahay (2016) demonstrerar hur livstiden på 200 tv- apparater ser ut. Först är datan inlagd i en 10x20 värden stor tabell utan struktur. Med den demonstrationen hävdar han att det är svårt att få någon överblick eller dra några analyser ur den osorterade datan. Även när hela
urvalet är sorterat i storleksordning i samma tabell är det svårt att utläsa något ur datan. Det är inte förrän datan plottas i ett histogram eller i en frekvensdistribution datan går att analysera. Detta stärks av Bjurström (2016) som hävdar att man aldrig ska presentera siffror i tabell utan alltid göra det med grafer, som t.ex. styrdiagram.
3.3 Processduglighet
Processduglighet definierar Bergman och Klefsjö (2012) som förmågan hos en maskin eller process att tillverka detaljer inom en satt toleransgräns.
Sahay (2016) definierar det liknande som en process förmåga att vara inom sina toleransgränser. Spiring (2010) skriver att om en process inte är duglig spelar det ingen roll hur mycket personalen anstränger sig för att uppnå god kvalitet, processen är inte kapabel. Då slösas det bara på verksamhetens resurser. Han påtalar också att det borde vara sunt förnuft att inte ålägga en arbetsuppgift till en process som inte klarar av att leverera krävd kvalitet, han hävdar dock att så inte alltid är fallet.
Duglighet avser hur väl en process utfall träffar målvärdet med hänsyn till övre och undre toleransgräns. Beroende på vilket index som används kan det även tas hänsyn till hur centrerad processen är (Spiring 2010). En duglig process är en som är väl centrerad med lite variation med hänsyn till toleransgränserna (Sahay 2016).
Figur 3 exemplifierar hur olika processers utfall ser ut. Process 1 är mest duglig då den är mest centrerad vid målvärdet. Process 2 har lägre spridning men är förskjuten mot undre toleransgränsen. Den tredje processen är dåligt centrerad med har tyngdpunkten på målvärdet.
Figur 3: Exempel på olika processutfall
3.3.1 Duglighetsstudier
Spiring (2010) skriver att det generella målet med en duglighetsstudier är att mäta förmågan hos en process att producera inom en satt toleransgräns. Det ställs också vissa krav på själva processen. Bl.a. ska den vara i statistisk jämvikt.
3.4 De sju förbättringsverktygen
Variationer i produktion beror ofta på flera olika faktorer, därför är det viktigt att arbeta systematiskt och noggrant vid kvalitetsutveckling. Det är också av stor vikt att fokusera på de orsaker som ger störst effekt. För att kunna urskilja orsakerna finns det sju förbättringsverktyg (Karlebo handbok 2000). För att alla skulle kunna delta i förbättringsarbetet ställdes det krav på att verktygen skulle vara enkla att använda, men fortfarande effektiva
(Bergman och Klefsjö 2012).
3.4.1 Orsak-verkan-diagram
Orsak-verkan-diagram är ett av de sju förbättringsverktygen inom systematisk kvalitetsförbättring. Andra namn på verktyget är
Ishikawadiagram eller fiskbensdiagram. Först väljs en kvalitetsbrist ut.
Sedan benas de olika orsakerna till bristen ut. I detta steget är det en bra idé att studera de olika M:ens bidrag till problemet (Bergman och Klefsjö 2012).
Alla kategorier stämmer inte nödvändigtvis in på vart enda sektor (Sahay 2016). Se figur 4 för exempel på orsak-verkan-diagram.
Författarna till Karlebo handbok (2000) skriver att först ska en av de grövre orsakerna identifieras, sedan ska faktorerna förfinas innan nästa grövre faktor börjar studeras. Bergman och Klefsjö (2012) skriver om metoden
“fem varför” för att “bena” ut diagrammets finare orsaker. Detta för att urskilja grundorsaken till bristen.
Figur 4: Exempel orsak-verkan-diagram. (Sahay 2016)
3.5 Duglighetsindex
Det enklaste sättet att beräkna dugligheten på en process är att dividera den tillåtna spridningen med den faktiska där kvoten blir duglighetsmåttet (Spiring 2010). En form av verkningsgrad på processen. Sahay (2016) nämner också att det går att plotta mätdatan i histogram där spridningen visualiseras i relation till toleransgränserna.
Enligt Spiring (2010) är det dock vanligast att beräkna duglighet m.h.a.
duglighetsindexen Cp och Cpk. För att resultatet från duglighetsberäkningen ska vara statistiskt pålitligt nämner Spiring (2010) att urvalet borde bestå av 50 enheter. Siffran är dock inte huggen i sten.
Det enklaste duglighetsindexet Cp, som står för ”Process Capability”
beräknas m.h.a. övre och undre toleransgräns, Tö respektive Tu samt urvalets standardavvikelse σ (De-Felipe,Benedito 2017; Bergman,klefsjö 2012; Spiring 2010). Se ekvation 4 för formeln som beräknar Cp. En av svagheterna med Cp är att det inte tas med i beräkningen hur väl centrerat till målvärdet urvalet är (Spiring 2010). Därför är det inte lämpligt att
använda Cp om urvalets normalfördelningskurva ser ut som process 2 i figur 3.
Andra generationens duglighetsindex togs fram eftersom Cp inte tar hänsyn till huruvida processens utfall ligger centrerat kring målvärdet eller inte. Cpk som är ett av den andra generationens duglighetsindex tar hänsyn till hur väl centrerad processens utfall är (Spiring 2010).
Cpk utgörs av en kombination av två duglighetsindex. Cpö och Cpu,
”process capability” övre och undre (Spiring 2010). De kan beskrivas som inversen av varandra. Cpö beräknar dugligheten för den övre halvan av normalfördelningen 6σ och Cpu för den undre. I formeln tas differansen mellan utfallsgenomsnittet µ och respektive toleransgräns och slutligen divideras med varsin halva av normalfördelningen 6σ. Då de två formlerna enbart beräknar respektive del av processdugligheten måste de jämföras för att få hela bilden av dugligheten (Spiring 2010).
𝐶𝑝ö =𝑇ö − 𝜇 3𝜎
( 1 )
𝐶𝑝𝑢 =𝜇−𝑇ö
3𝜎
( 2 )
𝐶𝑝𝑘 = 𝑚𝑖𝑛(𝐶𝑝ö, 𝐶𝑝𝑢) ( 3 )
𝐶𝑝 =𝑇ö−𝑇𝑢
6𝜎 ( 4 )
3.5.1 Tolkning av duglighetsindex
Duglighetsindexens skala går uppåt, desto högre värde, desto mer kapabel är processen (Spiring 2010).
Enligt Tsai och Chen (2006) delas Cp-värden in i olika nivåer. Där värden över 1,67 bedöms vara mycket bra. Är värdet mellan 1 och 1,33 är processen kapabel med viss risk att detaljer hamnar utanför toleransgränserna. Är Cp- värdet under 1 menar Tsai och Chen (2006) av processen borde stoppas. Då är den inte kapabel.
Spiring (2010) skriver att ett cp-värde på över 1,0 har vanligtvis bedömts som kapabel och ett under som inte kapabel. Vid ett värde på 1,0 produceras 2700 detaljer utanför toleransgränserna per 1 miljon tillverkade enheter. Vid 1,33 tillverkas 63 detaljer utanför toleransgränserna per miljon enheter.
Uppnås 1,66 blir inte mer än 0,6 enheter per miljonen utanför
toleransgränsen (Spiring 2010). Däremot stämmer bara värdena om utfallet är centrerat kring målvärdet (Spiring 2010). För exempel på en centrerad normalfördelningskurva, se process 1 och 3 i figur 3.
Cpk har liknande värden. Där ett Cpk-värde på 1,33 ger 63 detaljer utanför toleransen för varje miljon tillverkade enheter. Spiring (2010) nämner att bilindustrin brukar använda värdet på Cpk ovan för att bedöma huruvida deras process är kapabel.
3.6 Tillverkningsmetod
En tillverkningsmetod är att forma, sammanfoga eller ge ett material nya egenskaper. Det finns ett hundratal olika tillverkningsmetoder. Stansning, bockning, mig-svetsning eller sandgjutning m.fl. Det finns många metoder som kan användas för att producera en produkt, men alla metoder är inte lika effektiva, därför måste man ha kunskap om vilka tillverkningsmetoder som finns, men även kunskap om material för att kunna optimera tillverkningen (Ashby 2011).
3.6.1 Plastiska & klippande plåtbearbetningsmetoder
Plastiska och klippande bearbetning är två olika metoder för formgivning.
Den plastiska bearbetningsmetoden används för att ändra materialets form utan att sönderdela materialet, men även producera former den andra
metoden inte kan genomföra. Inom den plastiska metoden kan man använda
sig av olika tekniker som dragning, bokning och smidning. Klippning sönderdelar materialet genom att två eggar arbetar mot varandra. Den klippande bearbetningsmetoden delas in i två olika metoder, Stansning och klippning (Karlebo handbok 2000).
3.6.1.1 Bockning
Bockning är huvudsakligen en metod för att m.h.a. böjande moment omforma plåt, rör eller profiler m.fl. (Karlebo handbok 2000). Bockning sker genom att plåten trycks ner i den undre fasta verktygshalvan av den övre rörliga och på så vis omformar plåten (Karlebo Handbok 2000) 3.6.1.2 Stansning
Stansning är en plåtbearbetningsmetod som avser klippningen mellan en stans och dyna. Stansen tränger in i materialet genom att plastiskt deformera plåten längs med stansens ytterkontur. Sedan uppstår brott i materialet längs med samma kant och konturen trycks ut i dynan (Karlebo handbok 2000).
För principskiss av stansning se figur 5.
Figur 5: Principskiss för stansning (Karlebo handbok 2000)
3.6.1.3 Klippning
Klippning är en operation som kan utföras mellan raka, kurvformade eller cirkulära skär. Vid en rak klippningsoperation arbetar arbetsstyckena
parallellt mot varandra eller med en viss lutningsvinkel, medan vid cirkulära skär erhålls en lutningsvinkel. Vinkeln får inte överstiga summan av
friktionsvinklarna, då glider arbetsstycket undan skären. Vid användning av raka skär bör vinkeln vara mindre än 12° (Karlebo handbok 2000). Se figur 6 för en principskiss av klippning.
Figur 6: Principskiss för klippning (Karlebo handbok 2000).
3.7 Mätinstrument
Mätdon eller mätinstrument är verktyg som används för att fastställa avståndet mellan två ytor. Mätdonen delas upp i tre olika kategorier. De fasta, de visande och de övriga. Exempel på fasta mätdon är mätpinnar, toleransringar och bladmått m.fl. Vad de har gemensamt är att måtten är fasta. Det går m.a.o. bara kontrollera om måtten överstiger eller understiger det fasta mätdonets kända storlek. Skjutmått och mikrometer är exempel på visande mätdon. De visar det uppmätta måttets storlek på en skala. I den tredje kategorin finns gränsindikatorer och koordinatmätmaskiner (Hågeryd, Björklund, Lenner 2002).
3.7.1 Skjutmått
Skjutmått är en typ av mätinstrument som används för att mäta distanser mellan frånvända, motvända eller likvända ytor. Noggrannhet är ner till hundradelar av millimeter om en nonieskala eller en digital används. Det förstnämnda ger en bättre mätnoggrannhet men tar längre tid att läsa av. En konsekvens av detta är att frekvensen av avläsningsfel ökar vid lång
avläsningstid. Digitala skjutmått som visar värdet på en display dras inte med samma problem och minskar därmed risken för avläsningsfel (Karlebo handbok 2000).
Enligt den svenska standarden (SS 2853) förekommer det ett krav på skjutmått med avläsning på 0,1 och 0,05mm. Skjutmåttets mätfel får inte överstiga en viss gräns med hänsyn till mätlängd. För specifika tillåtna fel se tabell 1.
Tabell 1, Tillåtna mätdonsfel i µm för skjutmått, svensk standard (SS 2853).
Mätlängd L mm
Tillåtet mätdonsfel
±µm
Mätlängd L mm
Tillåtet mätdonsfel
±µm
0 100 200 300 400 500
50 60 70 80 90 100
600 700 800 900 1000
110 120 130 140 150
4. Genomförande
4.1 Resurser i plåtberedningen
De resurser som kommer studeras i plåtberedningen är tre stycken stansmaskiner. Stans 1 är den nyaste av dem. Stans 3 är den äldsta. Fem bockningsmaskiner i form av tre kantpressar och två kantvikar kommer också studeras. Samtliga stansar och kantvikar kommer från den italienska tillverkaren Salvagnini. Kantpress 1 är den äldsta kantviken och är tillverkad av Amada. De sista två kantpressarna är nya maskiner tillverkade av LVD.
Se tabell 2 för studerade maskiner. Se bilaga 6 för maskinleverantörernas datablad över sina maskiners duglighet.
Tabell 2, resurser i plåtbearbetningen
Stans 1 Stans 2 Stans 3
Kantpress 1 Kantpress 2 Kantpress 3
Kantvik 1 Kantvik 2
4.2 Intervjuer med maskinoperatörer
Kvalitativa semistrukturerade intervjuer genomfördes med utvalda maskinoperatörer. Totalt genomfördes sex stycken intervjuer. Två per
maskintyp. Urvalet för maskinoperatörerna bestämdes på basis av erfarenhet, dels de som arbetat tio år eller längre med en av maskintyperna, och dels de som är mindre erfarna. Fem år eller mindre med respektive maskintyp.
Frågoformuläret bestod av sex frågor inräknat de forskingsetiska kraven. För formuläret se bilaga 3.
Efter godkännande av ansvarig för respektive station genomfördes intervjuerna på plats vid arbetsstationen ute i produktionen. Först upplystes respektive maskinoperatör om de forskningsetiska kraven och godkände dem. Frågorna lästes upp för operatören och svar gavs innan nästa fråga ställdes. När fråga fyra ställdes gavs det tid för operatören att vid behov leta upp ritning eller detalj som nyligen blivit fel. Resultat från intervjuer antecknades m.h.a. papper och penna.
Figurer som operatörer ritade som hjälpmedel för att förtydliga problem nedtecknades på separat papper.
4.3 Design av testdetalj
För att mäta dugligheten i de olika resurserna designades en testdetalj. För ritning på färdig testdetalj se bilaga 2. För att mäta dugligheten i samtliga resurser krävdes det att detaljen uppfyllde följande attribut:
Erhållna datablad från stansarnas och kantvikarnas tillverkare Salvagnini redogjorde att stansarna behövde minst ett yttermått på 400mm för att maskinen skulle kunna mata ut detaljer på egen hand. För att kantvikarna skulle kunna utföra bockningsoperationerna behövde varje kant vara
minimum 15mm plus plåttjockleken. Hålen behövde också vara ekvivalenta med stansverktygen som företaget har tillgängliga.
Från LVD:s datablad redogjordes det att kantpressarna behövde minst 15mm plus plåttjockleken för att kunna bocka kanten.
För att testdetaljen skulle kunna mätas upp snabbt användes kvadratiska hål placerade parallellt med ytterkanterna.
Ett önskemål från företagets sida var att utrusta testdetaljen med en dubbelbockning. Se figur 7.
Figur 7: Specificering av dubbelbockning på testdetalj.
4.4 Genomförande av duglighetsstudie
4.4.1 Urval för duglighetstudie
Då duglighetsstudiens resultat måste vara statistiskt pålitligt ställs det krav på antal enheter i det undersökta urvalet. Spiring (2010) skriver att det är vanligt att urvalen består av 50 eller fler enheter. I denna studiens fall är det dels en kostnadsfråga och dels en omfattningsfråga. Då det får plats tolv testdetaljer per fullformatsplåt. Skulle då varje resurs ha minst 50 detaljer skulle det behöva produceras minst 250 testdetaljer. Det motsvarar 21 helformatsplåtar. Den andra aspekten som avser projektomfattning handlar
om det fysiska tiden det tar att mäta upp varje detalj. Spiring (2010) nämner också att urvalsstorleken på minst 50 enheter inte ett absolut värde. Tilldelas maskinoperatörerna ställbitar elimineras uppstartsvariationer och då krävs färre bitar för att ge ett statistiskt signifikant resultat.
I ett möte med erfarna maskinoperatörer och experter på maskinerna i fråga bestämdes det att bockningsmaskinerna behövde åtminstonde fem stycken ställbitar. Då stansmaskinerna inte dras med uppstartsvariationer bedömdes det att inga ställbitar skulle avsättas för dem.
Den slutliga urvalsstorleken visas i tabell 3. Total urvalsstorlek summeras till 147 enheter.
För att få ut processdugligheten ur samtliga resurser behövdes urvalen från stansresurserna blandas jämt ut till bockningsresurserrna. Urvalet till bockningsmaskinerna blandades systematiskt ut genom att vart tredje detalj från stansurvalet kom från samma resurs. Således kom ingen detalj ur
urvalet från samma stans i rad med varandra. Testdetaljerna som tillverkades från fullformatplåtens hörn blandades på samma sätt. Totalt bestod urvalet till bockningsmaskinerna av nio hörnbitar och elva vanliga.
Tabell 3, Urval per resurstyp
Stans 49st
Kantvik 20+5st
Kantpress 20+5st
4.4.2 Serienummer för urval
I samband med att testdetaljerna mättes upp märkes samtliga med
serienummer för att ha spårbarhet på mätdatan. Första delen av serienumret består av vilken stans som tillverkat detaljen och sedan vilken i ordningen detaljen är tillverkad. Andra delen beskriver vilken bockningsmaskin det är som har vikt kanterna och vilken i ordningen detaljen är, likt stansen. Ett serienummer ser ut som följande. R1-30 R4-15. Det innebär att testdetaljen kommer från stans 1, är den 30:e i ordningen och är den 15:e i ordningen från kantpress 1. Se tabell 4 för vilken maskin som ger vilket tecken. De 16 första detaljerna från varje stans är detaljer som tillverkats av plåten på fullformatens hörn.
Tabell 4: Serienummerförteckning för plåtberedningens resurser.
Stans 1 R1
Stans 2 R2
Stans 3 R3
Kantpress 1 R4
Kantpress 2 R5
Kantpress 3 R6
Kantvik 1 R7
Kantvik 2 R8
4.4.3 Uppmätning av utbredningsens hålbild
När luckor i stansarnas körplan fanns, klippte och stansade respektive stansresurs ut testdetaljens utbredning. Hålbildens placering kontrollerades gentemot utbredningens ytterkanter. Både mot stansad och klippt kant. Det mättes också huruvida hålbilden var skev. Detta resulterade i totalt 16 mått.
Se figur 8 för specificering. I takt med att testdetaljerna från de tre olika stansarna mättes upp skickades ett systematiskt blandat urval vidare till respektive bockningsmaskin.
Figur 8: Ritningsbild utbredning. Inringade mått uppmätta. P.g.a. symmetri visas bara värdet på fyra av de totalt 16 uppmätta måtten.
4.4.4 Uppmätning av bockade kanter
I takt med att bockningsmaskinerna producerade färdiga testdetaljer från utbredningarna mättes de upp. Totalt mättes 13 mått på färdig testdetalj, dock utgick fyra mått i kantvik 2 då komplikationer uppstod i två mindre bockar. Måtten som utgick är följande: 7, 8, 11 och 12. För att se de måtten som mättes se figur 9.
Figur 9: Färdig testdetalj. Inringade mått 1-13 uppmätta.
4.5 Duglighetsberäkningar
Mätdatan från uppmätningen sammanställdes i ett exceldokument. Där beräknades standardavvikelsen σ och måttgenomsnittet µ från urvalen på varje urval. Därefter beräknades dugligheten i Cpk för varje detalj.
Dugligheten beräknades med erkvation 1, 2 och 3. Se nedan för
exempeluträkning av Cpk. Exemplet beräkar Cpk på mått 1 för stans 1.
𝐶𝑝ö =𝑇ö−𝜇
3𝜎 =73,5−73,14
3∗0,304 =0,396 𝐶𝑝𝑢 =𝜇−𝑇𝑢
3𝜎 =73,14−72,9
3∗0,304 =0,263
1 2
𝐶𝑝𝑘 = 𝑚𝑖 𝑛(𝐶𝑝ö, 𝐶𝑝𝑢) = 𝑚𝑖 𝑛(0,396; 0,263) = 0,263 3
5. Resultat
5.1 Resultat av intervjuer
Tre av maskinoperatörerna som intervjuades kunde ta fram detaljer som nyligen blivit fel. På stansen uppgavs det att problemen primärt kom ifrån att gamla program låg kvar i listan. Problem uppstår också då stansarnas
begränsningar inte är kända för programberedarna. Det förekom också att stansen använde fel verktyg av misstag när arbetsbelastningen var hög.
Operatörerna på både kantvik och kantpress upplevde att det ofta var svårt att få plåten att räcka till radier på bockningskanterna. Sedan var det konsensus hos alla intervjuade maskinoperatörer att ritningar ofta var svåra att tyda.
5.1.1 Intervju 1
Maskinoperatören arbetar vid kantviken och har gjort det i fyra år när intervjuen genomfördes. Ett problem som maskinoperatören upplevde förekom var att maskinen inte alltid klarade av att vika kanterna 90º över hela bockningskanten. Operatören ritade en figur för att illustrera hur en detalj kan se ut när det händer. Se figur 10 för bilden.
Figur 10: Bockad detalj med sned kant.
Ett annat problem som maskinoperatören upplevde var att maskinens begränsningar inte tas hänsyn till av beredare och ritningsritare. Operatören tar upp ett exempel på kantvikens begränsning. En detalj måste t.ex. vara minst 260mm lång på ett av dess yttermått för att kantviken ska kunna mata ut detaljen av sig själv. En annan begränsning som tas upp är att maskinen måste ha åtminstone 15mm plus plåtens tjocklek för att den ska kunna bocka kanten. Slutligen upplevde operatören att det uppstår fler variationer i
maskinens utfall när tunnare plåt bearbetas.
5.1.2 Intervju 2
Maskinoperatören som intervjuas arbetar vid stansmaskinerna och har gjort det i mellan tre och ett halft och fyra år. Operatören berättar att det
förekommer att stansen använder fel verktyg. Det resulterar i att runda hål kan bli kvadratiska istället. Frekvensen på felet upplever operatören vara cirka en gång i veckan. Orsaken enligt honom är stress och ett större antal arbetsuppgifter som ska utföras samtidigt.
Maskinoperatören berättar om att stansen får detaljer i körplanen som är för små för att maskinen ska kunna mata ut dem på egen hand. Det medför att maskinoperatören manuellt behöver ta ut detaljerna ur maskinen. Detaljen måste ha minst ett yttermått som är 400mm långt för att
utmatningsfunktionen ska fungera.
Maskinoperatören berättar också att det är vanligt att fel revision på en detalj tillverkas. (Revisioner är olika upplagor eller versioner av detaljer). Orsaken enligt operatören är att gamla körprogram till maskinen ligger kvar i listan programmen tas ifrån. En annan orsak är att det är omständigt att ta reda på vilken revision det är som ska tillverkas. Problemet uppstod med lägre frekvens förut när en anställd hade ansvar för hela processen, nu är ansvaret delat på fler poster.
Ett annat förekommande problem enligt operatören är att maskinen har för snabb matning när plåt 0,6mm eller tunnare bearbetas. Resultatet blir enligt operatören att plåten trycks ihop så plåten liknar ett dragspel. Matningen går enligt operatören bara att justera på en av stansarna under pågående
tillverkning.
Stansen ska i maskinoperatörens utsago även ha problem med att bearbeta plåt med tjocklek 2mm eller mer. I synnerhet när plåten är hårdare. Rostfri plåt tas upp som exempel. Problemet resulterar i att verktygen inte alltid klarar att slå hål i plåten fullt ut. Felet upptäcks oftast i slutet av
produktionsserien då kvalitetskontrollen brukar genomföras.
5.1.3 Intervju 3
Maskinoperatören som arbetar med kantpressarna har gjort det i totalt 15 år.
Varav fem av dessa är på Electrolux Laundry Systems. Ett vanligt problem är att vissa bockar blir spegelvända. Enligt operatören förekommer det att hål på detaljer placeras för nära bockningsradien. Är toleransen snäv eller slut hamnar då hålen på radien vilket gör dem ovala.
Operatören upplever att kantpresstationen dras med problem med ritningsläsning. Det förekommer också att det saknas viktiga mått på ritningarna eller att det de är otydliga. Det är också ett problem att alla operatörer inte har rätt kompetens för att tillverka vissa detaljer. Till
exempel trycker vissa på stationen enligt den intervjuade operatören plåtstycket snett eller för hårt in i verktyget.
Enligt operatören läggs mycket tid på att åtgärda brister som orsakats i andra resurser innan detaljen kom till kantpressen. Maskinoperatören upplever att alla på stationen skulle klara en tolerans på ± 0,5mm per bockningskant.
5.1.4 Intervju 4
Personen som intervjuas har arbetat vid kantviken i 16 år. Operatören beskriver att grader från stansen orsakar problem för kantviken då det leder till att kanterna blir snedbockade. Det åtgärdas genom att ställa om
maskinen. Det förekommer dock att det inte är grader på samtliga detaljer vilket i sin tur orsakar variationer. Ett annat problem som beskrivs är att det hänger kvar skrot i plastfilmen som ligger på den rostfria plåten. Det orsakar ytskador. Operatören uppskattar att det orsakar åtminstone 20 kasseringar i veckan.
En annan källa till variationer på kantviken är när strukturellt instabila detaljer ska bockas. För exempel på sådan detalj, se bilaga 4. Enligt operatören leder den strukturella svagheten till att maskinen får svårare att hålla fast detaljen vilken i sin tur leder till ökade variationer.
Andra problem på den intervjuade operatörens station är att det skickas vidare spegelvända detaljer från stans. Dåliga ritningar och problem med dess avläsning är också ett problem som upplevs. För att undvika problem med tolerans upplever operatören att det skulle behövas ± 0,7mm per bockningsoperation.
5.1.5 Intervju 5
Den intervjuade maskinoperatören har arbetat vid stansen i 21 år. Ett problem som förekommer på stansen är att detaljer stansas ut spegelvända.
Maskinoperatören ger möjliga orsaker till hur det uppstår. När det kommer en brådskande order till en redan fullt upptagen stans skickar ordern vidare till en annan stans om den är ledig. Själva resursbytet leder till felet.
Ett annat problem som maskinoperatören beskriver är att materialets kvalitet varierar. T.ex. kan plåten vara vågig eller så kan plåtens kanter vara ojämna.
För att åtgärda detta klipper operatörerna plåtkanterna.
Det händer också att detaljer ritas med håldiametrar som det inte finns verktyg till menar maskinoperatören. T.ex. kan ett hål måttsättas till 5,4mm i diameter. Då används det verktyg som har den närmsta diametern jämfört med hålet. Maskinoperatören beskriver även att det kan vara svårt att urskilja vilken revision det är som ska tillverkas. Anledningen till detta
enligt operatören är att det är omständigt och att flera gamla program ligger kvar i listan.
5.1.6 Intervju 6
Maskinoperatören som intervjuas har arbetat vid kantpressen i 7 år.
Operatören upplever att det förekommer problem med otydliga rintingar.
Ritningarna kan sakna mått, vissa mått kan motsäga varandra. T.ex. beskrivs en ritning operatören fått som hade två olika toleranser för samma mått.
Ett annat problem som maskinoperatören upplever är förekomsten av grader på detaljerna. Detta orsakar sneda bockar när detaljen kommer snett i
verktyget.
Maskinoperatören upplever problem med materialet. Det kan ha en för stor pilhöjd vilket innebär att plåten är vågig. Ett annat materialproblem är bearbetning av blankpolerad plåt. Det sista materialproblemet som
operatören beskriver är att det ibland används för hård och skör plåt. Plåten får då sprickor när den bockas.
Operatören upplever att det personligen skulle räcka med ± 0,3mm i tolerans per bockad kant medan stationen överlag skulle behöva ± 0,5mm för att hålla sig inom toleransgränsen.
5.1.7 Orsak-verkan-diagram intervjuer
Resultaten från intervjuerna sammanställdes maskintypsvis i tre stycken orsak-verkan-diagram för att det skulle bli lättare att en holistisk syn på intervjuernas resultat. Se figurer 11, 12 och 13.
Figur 11: Variationskällor kantpress
Figur 12: Variationskällor kantvik
Figur 13: Variationskällor stans
5.2 Resultat duglighetsstudie
5.2.1 Duglighet, plåtberedningens resurser
Detaljen och toleransen som resultatet är beräknat på är fiktiva och kan inte direkt översättas till serieproduktion.
Dugligheten är mätt efter toleranser satta på detaljritning. Se bilaga 2.
Ekvation 1-3 har använts för att beräkna dugligheten i Cpk. Resultatet som presenteras i figur 14, 15 och 16 är medelvärdet från duglighetsberäkningen per mått uppdelat per maskin.
Resultatet som presenteras i figur 14, 15 och 16 är medelvärdet på varje måtts beräknade duglighet.
Stans 3 är den dugligaste av stansarna med ett Cpk på 0,80. I stans 1 och 2 uppmättes 0,78 respektive 0,63 i Cpk.
Kantpress 1 nådde 0,60 i Cpk, i kantpress 2 uppmättes 0,14 i duglighet.
Tredje kantpressens duglighet uppgick till 0,82 i dess Cpk-värde.
Kantvik 1:s duglighet uppmättes till 0,82 och den andra till 0,14 i Cpk.
För lättare överblick och jämförelse av resursernas duglighet, se figur 14.
Duglighet för enskilda mått presenteras i bilaga 1.
Figur 14: Duglighet per resurs i Cpk
5.2.2 Duglighet, klippt eller stansat till kant
I stans 1 är stanskanten marginellt dugligare än den klippta. I stans 2 skiljer sig dugligheten markant mellan klippt och stansat till kant. Klippt till kant visar en högre duglighet med faktor 1,5:1. Stans 3 har den klippta kanten en duglighet som är större med faktorn 1:2. För lättare jämförelse se figur 15.
Figur 15: Duglighet klippt eller stansat till kant.
5.2.3 Duglighet i Cp
Dugligheten är mätt efter toleranserna i detaljritningen i bilaga 2. Ekvation 4 har använts för att beräkna maskinernas duglighet. Dugligheten är mätt i duglighetsindexet Cp.
Stans 1 uppgick till 1,26 i duglighet, stans 2 och 3 uppgick till 0,76 respektive 0,94 i Cp.
Kantpress 1 uppnådde 0,73, kantpress 2 0,48 och kantpress 3 1,0.
Kantvik 1:s duglighet beräknades till 1,0 och kantvik 2 beräknades till 0,49.
Se figur 16 för en jämförelse resurserna emellan.
Stans 1 Stans 2 Stans 3
Klippt till kant 0,74 0,75 1,07
Stansat till kant 0,82 0,50 0,53
- 0,20 0,40 0,60 0,80 1,00 1,20
Figur 16: Duglighet per resurs i Cp
5.2.4 Urvalsfördelning stans
Stans 1 hade överlag spetsiga normalfördelningskurvor på utfallet. Dock var vissa mått förskjutna från målvärdet. Se figur 17 och 18. Dugligheten på mått 3 var -0,01 medan dugligheten på mått 15 var uppe på 2,4 för stans 1.
Stans 2 och 3 kännetecknades av flackare normalfördelningskurvor jämfört med stans 1. Fördelningskurvorna förhöll sig dock bättre till målvärdet. För exempel se figur 19. Övriga fördelningskurvor för samtliga mått finns i bilaga 7.
Den gröna kurvan är frekvensdensiteten, de blå staplarna visar hur många detaljer som hamnade på ett mått. De röda staplarna visar var
toleransgränsen går.
Figur:17 Urvalsfördelning stans 1 mått 3 Stans 1 Stans 2 Stans 3 Kantpress
1
Kantpress 2
Kantpress
3 Kantvik 1 Kantvik 2
Serie1 1,262 0,764 0,938 0,736 0,479 1,010 1,010 0,491
- 0,200 0,400 0,600 0,800 1,000 1,200 1,400
Duglighet Cp fullt urval
74,2 74,4 74,6 74,8 75 75,2 75,4 75,6 75,8 76 76,2 76,4 76,6 76,8 77 77,2 77,4 77,6 77,8 78 78,2
0 1 2 3 4 5 6
0 5 10 15 20 25 30 35
46,2 46,4 46,6 46,8 47 47,2 47,4 47,6 47,8 48 48,2 48,4 48,6 48,8 49 49,2 49,4 49,6 49,8 50 50,2
Figur:18 Urvalsfördelning stans 1 mått 15
Figur:19 Urvalsfördelning stans 2 mått 4
5.2.4 Urvalsfördelning bockningsmaskiner
Bockningsmaskinernas urvalsfördelningar bildade flacka
normalfördelningskurvor. Däremot var det inte centrering kring målvärdet på alla mått, så viss förskjutning förekom. För exempel på detta, se figur 20.
På dubbelbockningen lyckades kantpress 1 bäst med ett Cpk-värde på 0,14 medan kantvik två nådde 0,12. Övriga beräknades till 0,1 eller lägre.
Däremot var det stor spridning på den beräknade dugligheten måtten
emellan.T.ex. var det högsta värdet på kantpress 1 4,19 medan det lägsta 0,1.
Se figurer i bilaga 1 för duglighet måttvis per resurs och bilaga 7 för spridningsdiagram.
0 2 4 6 8 10 12
0 5 10 15 20 25 30 35 40 45
74,2 74,4 74,6 74,8 75 75,2 75,4 75,6 75,8 76 76,2 76,4 76,6 76,8 77 77,2 77,4 77,6 77,8 78 78,2
0 0,5 1 1,5 2 2,5 3 3,5
0 5 10 15 20 25 30 35
43,2 43,4 43,6 43,8 44 44,2 44,4 44,6 44,8 45 45,2 45,4 45,6 45,8 46 46,2 46,4 46,6 46,8 47 47,2
