Korelacja temperatury z wadą produktu: jak sprawdzić, czy znaleziono przyczynę

01Potraktuj wykres jako początek diagnozy

Jeżeli większej temperaturze towarzyszy więcej odrzuconych opakowań, wykres może wskazywać ważny kierunek. Nie dowodzi jednak, że temperatura sama wywołuje wadę. Obie wielkości mogą zmieniać się wraz z czasem kampanii albo napełnieniem zbiornika. NIST wyraźnie odróżnia zależność na wykresie rozrzutu od dowodu przyczynowości.

Przed zmianą nastawy sprawdź, czy dane są poprawnie powiązane z tym samym materiałem i momentem procesu.

02Dodaj kontekst do punktów

Własna checklista analizy:

• partia surowca i wersja receptury;
• czas od początku kampanii;
• operator, zmiana i stan urządzenia;
• przepływ, napełnienie oraz postoje;
• moment korekt ustawień;
• metoda i moment oceny wady.

Rozdziel wykres według sensownych grup, ale nie twórz wielu podziałów tylko po to, aby uzyskać oczekiwany wynik. Zachowaj przypadki niepasujące do hipotezy; mogą ujawnić ukryty czynnik.

03Zaplanuj próbę, która rozróżnia wyjaśnienia

Przykład: temperatura i ilość uszkodzonych cząstek rosną pod koniec partii. Jednocześnie zwiększa się liczba obiegów produktu. Możliwe, że wpływ ma historia mechaniczna, temperatura albo ich połączenie. Potrzebna jest próba z kontrolą tych zmiennych w dopuszczonym zakresie.

Nie ingeruj w parametry związane z bezpieczeństwem bez odpowiedniej oceny. Jeżeli nie można wykonać zaplanowanego doświadczenia, wniosek powinien zachować ostrożność i opisać ograniczenie danych obserwacyjnych.

Po potwierdzeniu kierunku sprawdź powtarzalność na nowych danych. Reguła wyprowadzona z jednego zdarzenia może nie działać w innym zakresie składu lub wydajności. Następny krok to zapis hipotezy, oczekiwanego mechanizmu i warunku, który mógłby ją obalić. Dzięki temu analiza prowadzi do sprawdzalnej korekty, a nie trwałego ustawienia opartego na przypadkowym wykresie.

04Zdefiniuj wadę przed rysowaniem wykresu

Zapis „zła konsystencja” może obejmować kilka różnych sytuacji: niejednorodność, nadmierną płynność albo trudne dozowanie. Jeśli każdą z nich wpisano do tej samej kolumny, wykres połączy odrębne problemy. Zacznij od sprawdzenia, czy osoby oceniające stosowały ten sam opis oraz sposób klasyfikacji. Gdy zasady zmieniły się w trakcie kampanii, zaznacz tę zmianę na osi czasu. Wzrost wykrywalności nie musi oznaczać wzrostu częstości samej wady.

Wybierz również jednostkę obserwacji. Reklamacja, opakowanie i partia nie są zamienne. Jedno zgłoszenie może dotyczyć kilku opakowań, a kilka zgłoszeń tego samego zdarzenia może zostać wpisanych oddzielnie. Ustal sposób rozpoznawania takich powiązań przed liczeniem. NIST opisuje wykres rozrzutu jako narzędzie pokazujące związki w danych; jego użyteczność zależy jednak od tego, co faktycznie reprezentują poszczególne punkty.

05Więcej zgłoszeń nie zawsze oznacza większy udział wady

Hipotetycznie w pierwszym okresie wykryto 8 wad wśród 1000 ocenionych opakowań, a w drugim 12 wśród 3000. Liczba wad wzrosła, lecz ich udział spadł z 0,8 % do 0,4 %. Jeżeli w drugim okresie zarejestrowano także inną temperaturę procesu, wykres samej liczby wad może zasugerować kierunek zależności sprzeczny z wykresem udziałów. Oba zestawienia trzeba oprzeć na porównywalnej ocenie produktu.

Ten rachunek nie dowodzi poprawy procesu. Kontrola mogła objąć inną część produkcji, a mała liczba zdarzeń ogranicza pewność porównania. Potrzebne są informacje o sposobie wyboru opakowań, kompletności zapisów oraz zmianach kryteriów. Jeżeli nie znamy liczby ocenionych jednostek, nazwijmy wynik liczbą odnotowanych przypadków. Nie przedstawiajmy go jako częstości w całej produkcji. Uczciwy opis luki jest bardziej użyteczny niż procent oparty na przypadkowo dostępnym mianowniku.

06Sprawdź, co wydarzyło się wcześniej

Zależność może mieć odwrócony kierunek. Operator zauważa problem i zmienia parametr w granicach zatwierdzonego sposobu pracy. W zestawieniu końcowym wada występuje więc razem ze zmienioną temperaturą, choć zmiana była reakcją na problem. Do rozróżnienia potrzebny jest zapis czasu pierwszej obserwacji, polecenia korekty i rzeczywistego przebiegu procesu. Sama godzina zapisania uwagi w systemie może być późniejsza niż zdarzenie.

Połącz dane tylko wtedy, gdy dotyczą tego samego materiału. Wynik opakowania nie powinien być przypisany do przypadkowego odczytu z chwili jego oceny, jeżeli produkt wcześniej przechodził przez bufor. Poproś właściciela procesu o wyjaśnienie powiązania czasowego. Zaznacz niepewność przypisania zamiast przesuwać wykres do chwili, w której zależność wygląda najmocniej. Dobór przesunięcia po obejrzeniu wyniku wymaga późniejszego niezależnego sprawdzenia, ponieważ łatwo dopasować przypadkowy wzór.

07Szukaj również danych niewygodnych dla wyjaśnienia

Przygotuj zestaw przypadków zgodnych z hipotezą i takich, które jej przeczą. Jeśli wada występuje także bez analizowanej zmiany temperatury, rozważ inne czynniki. Jeśli zmiana występuje bez wady, sprawdź różnice w składzie, czasie oczekiwania lub sposobie oceny. Nie usuwaj wyjątków tylko dlatego, że osłabiają wykres. Mogą pokazać, że skutek zależy od połączenia kilku okoliczności albo że problem dotyczy wyłącznie części wyrobów.

Dalsze postępowanie zależy od jakości dowodów. Przy brakach w identyfikacji najpierw popraw zbieranie danych. Przy spójnej, lecz niepotwierdzonej zależności przygotuj z technologiem plan sprawdzenia w dozwolonym zakresie procesu. Nie zmieniaj parametrów odpowiedzialnych za bezpieczeństwo na podstawie samej korelacji. Gdy nowe dane nie potwierdzają wzoru, zachowaj tę informację i wróć do pozostałych wyjaśnień. Klient powinien dostać opis hipotezy, dane wspierające i przeczące oraz wyraźny warunek uznania jej za przydatną do kolejnej decyzji.

W raporcie zachowaj także zakres danych, który wybrano do analizy. Początek i koniec kampanii mogą mieć inne warunki niż środek; wybranie tylko wygodnego odcinka ogranicza wniosek, nawet gdy obliczenie korelacji jest poprawne. Takie ograniczenie powinno być widoczne przy wykresie.

08Pytania, które pojawiają się w praktyce

Czy wysoki współczynnik korelacji wystarczy, żeby zmienić proces?

Nie. Najpierw trzeba sprawdzić znaczenie danych, kolejność zdarzeń i możliwe wspólne przyczyny. Silny związek może wynikać na przykład z równoczesnej zmiany surowca i organizacji produkcji. Współczynnik opisuje wybrany zestaw liczb, lecz nie określa bezpiecznej lub skutecznej korekty. Decyzja procesowa wymaga odpowiedniej wiedzy technicznej i potwierdzenia w warunkach właściwych dla produktu.

Czy można usunąć pojedynczy wynik odstający?

Najpierw wyjaśnij jego pochodzenie. Błąd przepisywania można poprawić z zachowaniem śladu, ale nietypowego wyniku rzeczywistej partii nie należy usuwać tylko dlatego, że przeszkadza w analizie. Pokaż, jak wniosek zmienia się z tym punktem i bez niego, oraz uzasadnij ewentualne wyłączenie. Czasem właśnie odstający przypadek ujawnia pominięty wariant produktu albo problem identyfikacji.

09Jak zaprojektować próbę rozdzielającą dwie przyczyny

Zanim zmienisz temperaturę, sprawdź, czy wraz z nią zmieniały się przepływ, czas kampanii albo surowiec. Zaplanuj porównanie w zatwierdzonym zakresie procesu, utrzymując pozostałe istotne warunki możliwie stałe. Wynik oceń względem wcześniej wybranego kryterium wady. Jeśli nie da się rozdzielić czynników w produkcji, nazwij wniosek hipotezą i zaproponuj właściwą próbę poza regularną partią. Korzystna korelacja w archiwum nie zastępuje dowodu skuteczności korekty.