Il forum sulla Qualità di QualitiAmo

[capelliteo]

Buongiorno a tutti, da alcuni mesi la mia azienda sta iniziando a lavorare con il settore Automotive, e sempre più i clienti mi chiedono di definire quanti ppm posso garantire...

io attualmente ho la possibilità di monitorare via spc la produzione ma non ho la più pallida idea di come calcolare le ppm del mio processo.

Qualcuno può aiutarmi??

Grazie mille a tutti
Teo

[QualitiAmo - Stefania]

Vediamo se ho capito bene la domanda.

Premettiamo che ppm significa "parti per milione" e che indica eventuali difettosità presenti in ogni milione di pezzi prodotti.

Se sai, dunque, quante difettosità escono dal tuo processo ti bastarelazionarle al milione di pezzi prodotti per sapere quale percentuale di pezzi buoni puoi garantire.

Dai un'occhiata a questa discussione.
_________________
Stefania - Staff di QualitiAmo

ISO 9001:2015 - SI AGGIUNGE ALLA COLLANA DEI LIBRI DI QUALITIAMO IL NUOVO TESTO CHE SVELA I SEGRETI DELLA FUTURA NORMA



IL PRIMO LIBRO NATO SULLE PAGINE DI QUALITIAMO



HAI DATO UN'OCCHIATA AL REGOLAMENTO DEL FORUM PRIMA DI SCRIVERE IL TUO MESSAGGIO?

[capelliteo]

Ho letto la pagina indicata, grazie mille, ma temo che il mio problema sia più "matematico"...

io ho il controllo finale e SPC, su molti prodotti, più o meno simili a quello in oggetto, quindi ho una quantità significativa di dati, che però non sono riferiti alla produzione che sto andando a quotare...
variano tolleranze e dimensioni...

come posso dai dati riferiti a un cp e cpk estrarre il dato delle ppm? e sopratutto posso farlo?


Poi esiste la questione che se le ppm sono prevedibili su una quota, ovviamente saranno più basse che su 4, ad esempio, come posso prevederle?

Grazie a tutti..

[#34]

Dai valori di cp e cpk puoi prevedere però quanti scarti ci sono nella tua produzione,ora non ricordo con esattezza i valori , mi pare che con Cpk maggiori di 1,33 tu possa ritenere conforme il 99,95 % della produzione, mentre con Cpk compreso tra 1 e 1.33 la percentuale già si abbassi al 95%.
Prendile con le pinze questi dati,ti ripeto.
In ogni caso quando chiedono ppm molto basse tendenti a zero, l'unica soluzione a mio modo di vedere è lavorare molto sul processo di produzione, renderlo constante (Cp) e centrato (CpK): con valori CpK superiori a 1,33 non avrai alcun problema di ppm.
_________________
In Lak'Ech !

[#34]

Eccolo, avevo due minuti, l'ho trovato..

Cpk Sigma level (σ) Area under the probability density function Process yield Process fallout (in terms of DPMO/PPM)
0.33 1 0.6826894921 68.27% 317311
0.67 2 0.9544997361 95.45% 45500
1.00 3 0.9973002039 99.73% 2700
1.33 4 0.9999366575 99.99% 63
1.67 5 0.9999994267 99.9999% 1
2.00 6 0.9999999980 99.9999998% 0.002

Nell'ultima COLONNA trovi proprio le ppm relazionate al Cpk che se = 1,67 equivale ad 1 ppm.
Spero di esserti stato utile.

_________________
In Lak'Ech !

[2p71828]

alcune puntualizzazioni e commenti

1) la difettosità non è solo uscire dalla tolleranza per "naturale" distribuzione delle quote nel processo, ma anche, se non soprattutto, a causa di avvenimenti accidentali che non sono descritti dalla gaussiane etc. In tale ambito a prima vista, il cpk ti fornisce solo un estimatore inferiore, tanto più che se consideri anche le cause di danneggiamento impreviste per trasporti, lavaggi etc.

2) la gaussiana, ovvero il modello di distribuzione delle quote, non simula quasi sicuramente le code reali. La gaussiana infatti prevede code fino a +infinito e -infinito oltre i limiti fisici della quota. Con Cpk oltre 1,67 molto spesso sei già nel campo in cui il modello vacilla.

3) la deviazione standard della distribuzione calcola è affetta anche dalla deviazione standard del processo di misura sigma^2=sigma^2 della quota + sigma^2 del processo di misura.

4) se più quote possono contribuire alle ppm e queste quote sono "realizzativamente" indipendenti le ppm si sommano

tutto questo per dire che se hai uno storico delle contestazioni dei clienti da quest'ultimo ricavi le ppm senza troppo mal di pancia
_________________
=fixed(exp(1);5)
sha-1=661bf49e78e9d958032859e811fa1ca27699207a