Root Cause Analysis voor fabrikanten: de definitieve, actiegerichte gids

De bron van problemen op de shopfloor vinden

Productie kan een chaotische, snelle en complexe onderneming zijn, die fabrikanten dwingt om niet alleen unieke uitdagingen te identificeren, maar ook op te lossen. Deze problemen kunnen productie vertragen, knelpunten of stoppingen creëren wanneer ze minst verwacht worden. Wanneer dergelijke problemen opduiken, vallen velen terug op root cause analysis (RCA) om een oplossing te implementeren.

Hier is wat we in deze diepgids over het identificeren van hoofdoorzaken zullen behandelen. Voel u vrij om naar een specifiek gedeelte te springen:

• Wat is een Root Cause Analysis?
• De voordelen van RCA
• Hoe een Root Cause Analysis uit te voeren
• Beschikbare methodes en tools
• Root Cause Analysis voorbeelden verkennen

Wat is een Root Cause Analysis?

Root cause analysis, of RCA, is een specifiek proces dat erkent dat storingen en problemen terug te voeren zijn naar een bepaalde oorzaak en dat een oplossing om die oorzaak te rectificeren, door de keten zal reisperen en resulteren in een verbeterde toestand. RCA probeert de oorzaak van defecten en problemen te identificeren in plaats van simpelweg symptomen te behandelen of "branden te blussen".

Voordelen van Root Cause Analysis

Root cause analysis wordt erkend als een kritisch onderdeel in zowel de lean productiemethodologie als Six Sigma. Het optimaliseert de tijd die nodig is om door te boren tot de oorzaak van een probleem en biedt een structuur voor probleemoplossing binnen de productie.

Voordelen van root cause analysis zijn:

• Kostenbesparing
  • Omdat root cause analysis de "ziekte" en niet de symptomen behandelt, kan het kosten verlagen door downtime te verlagen, defecten te reduceren en processen te verbeteren.
• Realistische processen
  • Veel productiebedrijven opereren met deels gebroken processen. Root cause analysis helpt processen te optimaliseren om praktische oplossingen te bieden en SOPs vast te leggen die gevolgd kunnen worden zonder hoeken te kappen of van het proces af te dwalen.
• Automatisering
  • Vandaag de dag hebben fabrieken meer toegang en inzicht in data dan ooit. Deze data kan worden geparsed, geanalyseerd en gecontextualiseerd om root cause analysis bruikbaar te maken voor andere afdelingen en fabrieken binnen hetzelfde bedrijf. Dit fungeert als een krachtversterker voor verbetering.
• Proactiviteit
  • Omdat automatisering door data-analyse ideaal past bij de resultaten van root cause analysis, kunnen veiligheid, onderhoud en kwaliteitszorgen nauwkeuriger worden voorspeld en snel worden aangepakt om downtime te reduceren.

Hoe een Root Cause Analysis uit te voeren

De root cause analysis aanpak zal verschillen van bedrijf tot bedrijf evenals van probleem tot probleem. Het kan zich richten op machine-specifieke problemen over een specifiek OEM-machinetype. Het kan ook worden gebruikt voor knelpuntanalyse tussen afdelingen. Of het kan worden gebruikt om fabrieksbrede defecten binnen een onderneming aan te pakken.

Over het algemeen zijn er zes stappen betrokken bij root cause analysis:

1. Het probleem definiëren

De eerste stap is de meest kritieke. Alle teamleden moeten het probleem begrijpen. Het moet objectief worden gesteld. En het vereist verduidelijkende vragen om te bepalen dat het inderdaad een urgent probleem of knelpunt is. Dit is de breedste fase en is een algemene probleemstelling zoals een defectpercentage, knelpunt, of gemiste levering.

2. Data verzamelen

Data-verzameling is cruciaal in root cause analysis. Hier proberen teamleden zoveel mogelijk causale elementen op te sommen. Alles ligt op tafel, en de lijst kan breed en gedetailleerd zijn. Vandaag de dag is het gemakkelijker om data in root cause analysis te localiseren en te benutten omdat veel OEM-apparatuurfabrikanten data-verzameling in hun machines inbouwen. Het kan ook het geval zijn dat een fabriek data-verzamelapparaten heeft geïmplementeerd voor die machines die het niet natureel bevatten.

3. Oorzaken scheiden van symptomen

Het is gebruikelijk om symptomen te verwarren met oorzaken. Sommige tools en methodes kunnen helpen om door te boren tot de scheiding van symptomen en oorzaken. De veronderstelling is dat als de oorzaken kunnen worden bepaald en gecorrigeerd, de symptomen zullen stoppen met bestaan. Hier kan data-verzameling ook cruciaal zijn, omdat veel data-verzamelingssystemen analyses hebben die in staat zijn om categorieën van problemen te bepalen.

4. Correctieve actie bepalen

Eenmaal de hoofdoorzaak bepaald, kan een effectieve oplossing worden gemaakt. Dit kan training, mechanische wijziging, vloerlay-out, of meer robuuste data-verzameling en analytische capaciteiten omvatten. Vaak kan data helpen bij het opstellen van de correctieve actie. Door realtime data en inzichten in handen te hebben wanneer de hoofdoorzaak wordt bepaald, kunnen managers een relevante, real-world oplossing creëren op basis van actual data.

5. De oplossing implementeren

Eenmaal de hoofdoorzaak vastgesteld, en de correctieve actie geïdentificeerd, moet het team de oplossing implementeren. Dit betekent bestaande SOPs herzien of vervangen, nieuwe workflows creëren, en de resultaten auditen. Hoe dieper de data-verzamelcapaciteit, hoe groter de impact van de analyse op de gekozen oplossing. Het kan zelfs mogelijk zijn om autonoom of semi-autonoom actie door de machines te programmeren om de implementatie te helpen of de voortgang van de oplossing te monitoren of de groei ervan te beïnvloeden.

6. Resultaten valideren en uitbreiden

Geen oplossing duurt lang zonder een auditproces. Dit audit-stuk moet de effectiviteit van de oplossing valideren. Dit wordt toegankelijker wanneer data-verzameling robuust is en onderworpen aan realtime analyse. Door dit te doen, kan de geldigheid van de oplossing worden gemonitord of aangepast om de effectiviteit te verbeteren. En als het antwoord een succes is, kan de hoofdoorzaak overdraagbaar zijn naar andere processen en afdelingen binnen het bedrijf.

Root cause analysis kan door een team handmatig worden ondernomen. Maar wanneer het gecombineerd wordt met geavanceerde data-verzameling en analyse, versnelt en versterkt het de impact. Oplossingen kunnen worden uitgerold naar andere fabrieken en andere afdelingen die vergelijkbare problemen ervaren, en het kan productie-efficiëntie verbeteren en defecten in productie reduceren.

Root Cause Analysis methodes en tools

Voor bedrijven die root cause analysis ondernemen, zijn er veel tools en methodologieën beschikbaar om te gebruiken. We bieden een kort overzicht van veel van deze strategieën hieronder:

De Vijf Waaroms

Eén van de meest voor de hand liggende root cause analysis tools is ook een van de meest effectieve. Simpelweg "waarom" vijf keer vragen kan helpen door te boren tot de oorzaak. Het dwingt tot diepere en meer kritische denk tot alle excuses zijn uitgeput. Realistischerwijs kan het iets meer of minder dan vijf duren, maar de methodologie is dat het eindantwoord onthuld kan worden door waarom te vragen tot alle oplossingen zijn aangenomen.

Fishbone Diagrammen

Fishbone diagrammen, ook bekend als Ishikawa diagrammen, zijn visuele oorzaak-gevolg grafieken die helpen de oorzaken op te bouwen uit alle bijdragende factoren. Het probleem wordt beschouwd als de "kop" van de vis. De oorzaken worden gecategoriseerd als kleinere botten onder een lijst van oorzaakcategorieën. Het visuele aspect helpt teams opties te beoordelen die niet in abstract denken zijn opgekomen.

Bron

Failure Mode and Effects Analysis

Voor producten met hoge complexiteit wiens voortgezette prestaties kritiek zijn, is failure mode and effects analysis (FMEA) een optie voor het bepalen van de hoofdoorzaak. Deze methode kijkt naar gebieden waar ontwerpstoring kan optreden. Op veel manieren zoekt het naar de hoofdoorzaak van defecten en storingen voordat ze gebeuren. Het kan helpen bij het bepalen van processtoringen voor assemblage of productie.

Fault Tree Analysis

Voor root cause analysis in kritieke veiligheidssystemen waar engineering defecten rampzalige effecten kunnen hebben, is fault tree analysis (FTA) een effectief root cause analysis tool. Het helpt begrijpen hoe systeemstoringen kunnen gebeuren en welke storingen mogelijk zijn. Deze "ongewenste toestand" wordt dan toegewezen aan lagere fail-events in een boomstructuur wat helpt mogelijke storingen te identificeren en ingenieurs in staat te stellen om te ontwerpen om de falingsrisico te compenseren of te elimineren.

Pareto Grafieken

Een Pareto grafiek is een andere bewuste visualisatiemethode die teams helpt de frequentie van problemen in root cause analysis te begrijpen. Het "rankt" problemen visueel om teams te helpen weten wat ze eerst moeten aanpakken. Pareto grafieken zijn ook waardevol wanneer er veel verschillende oorzaken zijn.

Door ze in volgorde van belangrijkheid te lijsten, kunnen oplossingen eerst worden gemaakt om de meest significante defecten te elimineren. De root cause analysis, vaak onderdeel van lean of six sigma methodologieën, kan dan worden herhaald om de volgende paar niveaus op de grafiek aan te pakken om verbeteringen door te zetten na de initiële fase.

Pareto grafieken maken het makkelijk om de 20% van de issues te pinpointen die 80% van het probleem veroorzaken.

Is/Is Not Analyse

Er is gezegd dat de helft van het leven is weten wat niet te doen. Net als de vijf waaroms, is Is/Is Not Analyse simpel maar krachtig. Door het probleem visueel te splitsen in een "is" en "is not" categorie, kunnen root cause analysis teams een lijst creëren om zich op te richten die hen helpt begrijpen welke condities de situatie beïnvloeden en welke niet. Het houdt teams op spoor en voorkomt dat ze valse oorzaken opsommen of najagen.

Root Cause Analysis voorbeelden verkennen met MachineMetrics

De hoofdoorzaak van elk probleem vinden vereist een toegewijd team en hard werk. En hoe meer handmatig de inspanning, hoe meer tijd het zal kosten voor proceswijziging. Maar procesoptimalisatieteams hebben vandaag de dag een bondgenoot in de strijd om hoofdoorzaken te bepalen.

Data-verzameling wordt snel de standaard in de huidige productieomgevingen. Gesofisticeerde data-verzamelapparaten, software en analytische programma's vervangen de spreadsheets, handmatig gemaakte grafieken, en menselijke input systemen die gebruikt worden voor root cause analysis.

Met platforms zoals MachineMetrics kunnen bedrijven nu realtime, geautomatiseerde data-verzameling benutten alsook geavanceerde analyses om bruikbare, gestandaardiseerde en gecontextualiseerde data te renderen voor diegenen die op zoek zijn naar hoofdoorzaken van problemen. Deze data verzameld direct van de besturing van machines betekent dat accurate en onbevooroordeelde hoofdoorzaken sneller en effectiever kunnen worden bepaald dan handmatige processen.

Laten we enkele voorbeelden verkennen van hoe MachineMetrics kan worden gebruikt om de oorzaak van problemen op uw shopfloor te identificeren:

RCA in Real-time: Het Huidige Shift Dashboard

Het huidige shift dashboard is een geweldige oplossing voor het monitoren van productievoortgang in realtime. Het biedt zichtbaarheid van prestaties ten opzichte van doel, zodat operators verwachte en daadwerkelijke prestaties kunnen vergelijken. Op deze manier kunt u operators en managers machtigen om problemen op de vlucht te identificeren.

Dit is een geweldige korte termijn en realtime strategie voor het aanpakken van problemen op een dagelijkse basis, voordat een meer diepgaande analyse kan worden voltooid.

Er zijn meerdere weergaven die kunnen worden gebruikt voor het huidige shift dashboard, waaronder delen doel, OEE, benutting, en downtime.

Onze klanten monteren meestal monitoren door de shopfloor heen, zodat alle stakeholders volledige zichtbaarheid hebben over alle toepasbare machines.

De belangrijkste oorzaken van downtime identificeren met Pareto Rapporten

Een van de nuttigste rapporten voor het begrijpen van downtime-razones is de Downtime Pareto, die alle geregistreerde downtime-razones aggregeert.

Met dit rapport kunt u eenvoudig de meest schrikwekkende downtime-razones identificeren. Verder kunt u de data segmenteren over verschillende shifts, machinecellen, of zelfs individuele machines voor een meer gedetailleerde blik op waar problemen kunnen liggen. Verder kunt u zien waar ongeplande downtime optreedt versus geplande downtime.

Veelvoorkomende categorieën van downtime zijn excessieve tool changeover, excessieve job changeover, gebrek aan operator, en ongepland machineonderhoud. Met MachineMetrics zult u niet alleen een accurate blik op downtime hebben, maar ook kunnen bepalen waar uw probleem ligt.

De MachineMetrics Downtime Pareto visualiseert de belangrijkste redenen voor downtime op de shopfloor.

Het Productierapport analyseren om productie-inefficiënties te identificeren

Er zijn veel metrics beschikbaar in het MachineMetrics Productierapport. Continue verbeteringsmanagers, shopfloor-supervisors en ingenieurs kunnen het productierapport analyseren om beter te begrijpen hoe een plant presteert. Wanneer het gaat om het optimaliseren van uw efficiëntie, zijn er verschillende productie-efficiëntie en job runtime metrics die u wilt zorgen dat ze in het rapport zitten:

Productie-efficiëntie

De metrics beschikbaar in het Productierapport gerelateerd aan machine productie-efficiëntie voor een voltooide Job zijn:

• Productie-efficiëntie
• Totale Deel Tijd
• Actuele Deel Tijd
• Gemiddelde PPH
• Ideale PPH
• Verwachte PPH
• Verwachte Deel Tijd
• Ideale Deel Tijd
• Totale Setup
• Verwachte Setup

Job Run Times

De metrics beschikbaar in het Productierapport gerelateerd aan machine run times voor een voltooide Job zijn:

• Eerste Start Tijd
• Laatste Eind Tijd

Het Productierapport is gevuld met informatie over hoe efficiënt delen en jobs worden voltooid.

Begin vandaag nog met het identificeren van inefficiënties

Met MachineMetrics wordt shopfloor data automaat in realtime verzameld, en gestandaardiseerd om out-of-the-box (en aangepaste) rapporten en visualisaties te propageren. Geef macht terug in de handen van besluitnemers met accurate data die precies uitlegt wat er op de shopfloor gebeurt, voorzien van de zichtbaarheid om betere beslissingen te nemen.

Begin vandaag nog met het identificeren van inefficiënties en het oplossen van problemen. Boek een demo met ons team vandaag om te bespreken hoe MachineMetrics downtime kan reduceren, capaciteit kan verhogen, en bottom-line impact kan drijven voor uw organisatie.

Begin met het identificeren van productieproblemen

Boek een Demo