Pourquoi n'est-il pas valide à 100 % pour le test FPC à 100 %

C'est une pratique courante d'effectuer une inspection à 100 % afin d'éviter l'expédition de produits non conformes. Chaque produit fabriqué est inspecté et jugé bon ou mauvais. Les marchandises seront expédiées et les articles non conformes seront laissés pour réparation ou mise au rebut. Tout est simple et direct. Il semble qu'une inspection à 100 % soit une méthode très efficace, quelles que soient les erreurs des inspecteurs.

Nous supposons que les valeurs caractéristiques du produit sont normalement distribuées, notées Y, comme le montre la figure ci-dessous.

La norme de qualification du produit est connue et les valeurs de spécification des limites supérieure et inférieure ont également été données, telles que LSL et USL dans la figure ci-dessus. Les produits entre LSL et USL seront des produits éligibles. Mais nous ne connaissons pas la valeur réelle de Y, nous devons utiliser un système de mesure pour la mesurer, la valeur mesurée de Y est appelée X.

La valeur X mesurée n'est pas égale à Y, car il existe une erreur de mesure, que nous appelons E. Comme l'erreur de mesure est également distribuée normalement, nous obtenons la distribution de la valeur de mesure comme indiqué dans la figure ci-dessous, qui est similaire à la forme de distribution de Y, mais la variance de X est plus grande, égale à la variance de Y plus la variance de l'erreur de mesure E.

Ensuite, nous utilisons la distribution normale bivariée pour montrer la corrélation entre Y et X.

Le modèle probabiliste de cette distribution peut être représenté par une série d'ellipses dans le plan de coordonnées XY. La figure ci-dessous montre un, deux et trois contours d'écart type de deux distributions normales bivariées, où les coefficients de corrélation intraclasse sont définis comme {{0}}.95 et 0.80.

Comme on peut le voir sur la figure ci-dessus, à mesure que l'erreur de mesure augmente, l'ellipse de la distribution normale bivariée devient plus épaisse et l'axe principal est biaisé. Ce qui nous intéresse, c'est : à quelle gamme de mesures X correspond un Y qualifié.

La plage blanche dans la figure ci-dessous indique la gamme de produits qualifiés

L'icône ci-dessous montre la gamme de produits expédiés après une inspection à 100 %.

À ce stade, nous avons clairement vu que la gamme de produits expédiés après une inspection à 100 % est différente de la gamme de produits qualifiés réels.

La gamme de produits qui passent l'inspection à 100 % ≠ la gamme de produits qualifiés

Nous classons tous les produits en quatre catégories en fonction de la qualité des produits et du fait qu'ils soient expédiés ou non :

Produits d'inspection qualifiés (GS : bon et expédié)

Produit rejeté par contrôle qualifié (GR : Bon et Rejeté)

Les produits non qualifiés ont réussi l'inspection (BS : Bad and Shipped)

Produit rejeté par inspection sans réserve (BR : Mauvais et Rejeté)

GS vs BR est le résultat que nous voulons voir, BS causera des problèmes aux clients et GR se causera des problèmes à lui-même.

La figure suivante montre la position de chaque catégorie dans la distribution normale bivariée.

Pour le producteur, il souhaite que la proportion de produits qualifiés expédiés (PGS : Proportion de bon produit expédié) soit la plus élevée possible :

PGS=GS / (GS plus GR1 plus GR2)

Pour le client, ce qu'il souhaite, c'est que la proportion de mauvais produits rejetés (PBR : Proportion de mauvais produits rejetés) soit la plus élevée possible :

PBR=(BR1 plus BR2) / (BR1 plus BR2 plus BS1 plus BS2)

Malheureusement, PGS et PBR ne sont pas linéairement liés.

Vous trouverez ci-dessous un tableau d'évaluation présentant les valeurs de PGS et PBR pour différents niveaux d'erreur de mesure et la proportion de produit non conforme global.

Interprétez l'ensemble de données dans le coin inférieur droit du tableau ci-dessus : lorsque le taux global de défaillance du produit est de 1 % et que l'erreur de mesure est importante (ICC=0.8), le producteur aura une probabilité de 98,6 % de expédier des produits qualifiés, mais la proportion de produits défectueux rejetés n'est que de 70%, et un grand nombre de produits défectueux iront aux clients.

Comment résoudre ce problème? Il semble n'y avoir que deux façons.

La première méthode : respectez le test à 100 %, puis améliorez le système de mesure, de sorte que l'ellipse dans la distribution normale bivariée soit aplatie comme une ligne droite, puis PGS et PBR seront très élevés.

Le prix est le suivant : vous avez besoin d'un système de mesure presque parfait, qui nécessite souvent un investissement énorme qui ne résout pas le problème, il le laisse derrière lui.

La deuxième méthode : Améliorer la capabilité du processus afin que le résultat du processus se situe dans les limites supérieure et inférieure de la spécification. À l'heure actuelle, une inspection à 100 % n'est plus nécessaire, ce qui permet non seulement d'économiser l'investissement dans la mise à niveau du système de test, mais également d'économiser le coût de l'inspection, et plus encore. Le but est de résoudre réellement le problème.

Jusqu'à présent, nos conclusions sont très claires :

L'existence d'une erreur du système de mesure rend l'inspection à 100 % incapable d'avoir une validité à 100 % ;

Une inspection à 100 % ne peut pas résoudre les problèmes de qualité, et elle nécessitera également des investissements inutiles en équipement et des coûts d'inspection du personnel ;

Le système de mesure doit être utilisé pour améliorer considérablement la qualité et la cohérence du processus de production, et non à des fins d'inspection