Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü

Dokuz Eylül Üniversitesi Mühendislik Fakültesi Endüstri Mühendisliği Bölümü END 3618 Kalite Planlama & Kontrol Bölüm 5: Değişkenler & Nitelikler İçin Kontrol Kartları & FMEA Analizi Yrd. Doç. Dr. Kemal SUBULAN (06-08).03.2018

MINITAB 14 ile İstatistiksel Proses Kontrol Uygulaması Bir otomotiv ve Makine Aksamı şirketi, aşağıda teknik resim detayı verilen fren diskini döküm ve talaşlı imalat teknikleri ile imal etmektedir. Porya çapı (C), fren disklerinin üretimindeki kritik kalite karakteristiklerinden biri olarak görülmektedir. Kalite planlama ve kontrol birimi, her saat başı imal edilen fren disklerinden rastgele 5 adet örnek alarak fren disklerinin porya çapını ölçmektedir. Alt kontrol gruplarına ilişkin gözlem değerleri tabloda verilmiştir.

X -R ve X -S kontrol grafiklerini MINITAB 14 yazılımını kullanarak oluşturup, yorumlayınız. Standartların belli olmadığı durum (Kalite karakteristiğinin normal dağılım gösterip/göstermediği ve dağılımın parametreleri, ortalaması & standart sapması bilinmiyor)

Tanımlayıcı İstatistiklerin Hesaplanması

Kalite Karakteristiği Gözlem Değerlerine Ait Histogramın Elde Edilmesi Elde edilen histogram neticesinde, porya çapı bireysel gözlem değerlerinin normal dağılım gösterdiği söylenemez. Bunu daha iyi test etmek için verilerin, normal dağılıma uyup uymadığını belirlemek amacıyla, Anderson-Darling Normallik testi uygulanabilir.

Tanımlayıcı İstatistiklerin Grafiksel Özeti Anderson-Darling Normallik testinde, A-squared test istatistiğinin düşük, hesaplanan p-değerinin ise önceden belirlenen önem derecesinden (%95 güven düzeyi için önem derecesi 0.05) yüksek olması durumunda, verilerin normal dağıldığı söylenebilir. Porya çapı için A-squared test istatistiği yüksek ve p-değeri 0.05 ten küçük olduğundan normal dağıldığı söylenemez.

Normallik Testi Porya çapı gözlem değerlerinin normal dağıldığının söylenebilmesi için, normallik testinden elde edilen normal olasılık grafiğinde, tüm noktaların belirlenen doğru üzerinde veya bu doğruya yakın olması beklenir.

X-R Kontrol grafikleri merkez çizgi ve kontrol limitlerinin elde edilmesi X-S Kontrol grafikleri merkez çizgi ve kontrol limitlerinin elde edilmesi

MINITAB 14 Kullanılarak Kontrol Kartlarının Elde Edilmesi Her bir alt kontrol grubu, (5 gözlem değerinden oluşan) sırasıyla tek bir sütun olacak şekilde çalışma sayfasına girilerek veri girişi sağlanır.

Standartlar belli olsaydı, kalite karakteristiği değerlerinin alındığı popülasyona ait ortalama ve standart sapma değerleri bilinseydi, bu alanlar doldurulacaktı. Kontrol dışı durumların test edilmesi için hassaslaştırma (Duyarlılığı arttırma) kurallarının uygulanması

X-bar & R Aralık Kontrol Grafiklerinin Elde Edilmesi

Test Sonuçlarının İncelenmesi 19, 20 ve 21 örneklem ortalamalarının 3σ kontrol limitleri dışında olması, 5-13 örneklemler (Birbirini izleyen 9 ardışık nokta merkez çizginin üstünde, aynı tarafında, yer almakta). 18-19-20 örneklemler (Birbirini izleyen 3 ardışık noktadan 2 si uyarı/ikaz limitlerini, 2σ aşmış). 9, 10 ve 12 örneklemler (Birbirini izleyen 5 noktadan 4 ü merkez çizginin 1σ ötesinde yer almakta.

X-bar & S Standart Sapma Kontrol Grafiklerinin Elde Edilmesi Standartlar belli olmadığı için kalite karakteristiğinin ortalaması ve standart sapması bilinmiyor; test edilecek hassaslaştırma kuralları belirlenir.

X-ort ve R grafikleri ile X-ort ve S grafikleri birbirlerini destekler nitelikte test sonuçları üretmiştir. Başka bir deyişle, X-ort grafiklerine göre fren diski porya çapı örneklem ortalamalarının proses ortalamasından sapma göstermesi nedeniyle süreç kontrol altında değildir. Süreç ortalamasından sapmalar söz konusudur (Örneklem ortalamalarının değişkenliği). Dolayısıyla, sürece müdahale edip, gerekli düzenleyici önlemler alınmalıdır. R ve S grafiklerine göre ise, aralık ve standart sapma değerleri kontrol limitleri dahilinde olduğundan süreç değişkenliğinin kontrol altında olduğu söylenebilir.

Değişken Örneklem Büyüklüğü ile X ve S Kontrol Kartları X-ort ve S standart sapma grafiklerinin merkez çizgi değerlerinin hesaplanmasında, ağırlıklı ortalama yaklaşımından faydalanılır. Kontrol limitlerinin hesaplanmasında kullanılan A 3, B 3 ve B 4 kontrol çarpanlarının (sabitler) değeri, her bir alt örneklem grubu için örneklem büyüklüğüne bağlı olarak ilgili tablodan belirlenir.

Örnek Otomobil motor piston halkalarının iç çap ölçümleri yandaki tabloda verilmiştir. Alt kontrol gruplarındaki örneklem büyüklüğü n = 3, 4 ve n = 5 olarak değişkenlik göstermektedir.

Alınan ilk örneklem için (n = 5) X-ort ve S grafiklerinin kontrol limitlerinin hesaplanması

Her bir alt kontrol grubu için, kontrol limitleri ayrı ayrı hesaplanmaktadır. X-ort grafiği

S standart sapma grafiği Alınan 17 örnekte n = 5 Değişen genişlikteki kontrol limitlerine alternatif olarak, bazı durumlarda ortalama örneklem büyüklüğü n veya en sık alınan (modu) örneklem büyüklüğünün de kullanımı söz konusu olabilir. Kontrol kartlarının üst yönetime sunulacağı zaman bu durum uygulanabilir. Ortalama örneklem büyüklüğü, tamsayı değer alamayabileceğinden, genellikle en sık tekrar eden örneklem büyüklüğünün alınması tercih edilir.

Proses Standart Sapmasının Tahmin Edilmesi Proses standart sapması σ tahmin edilirken, her bir örneklemin standart sapma değeri s i (i = 1,2, 25) kullanılır ve örneklemlerin ortalama standart sapması S hesaplanır. Ortalama standart sapma değeri, en çok tekrar eden örneklem büyüklüğü (n = 5) için, örneklem büyüklüklerinin modu kullanılarak hesaplanır. Alınan 17 örnekte n = 5 olduğu için, sürecin standart sapmasının tahmini, en sık alınan bu örneklem büyüklüğü için yapılmıştır.

s 2 Örneklem Varyansı Kontrol Grafiği Bazı araştırmacılar, süreç değişkenliğinin tespit edilmesinde, örneklem varyansının s 2 kullanılabileceğini önermişlerdir. s 2 kontrol grafiğinin parametreleri (Merkez çizgi, AKL & ÜKL), ki-kare dağılımı kullanılarak belirlenir. Çünkü, varyanslar ile ilgili nokta tahminleri, güven aralığı tahminleri ve testler ki-kare dağılımı kullanılarak yapılır. Örneklem standart sapmasının ortalamasının karesi ki-kare dağılımının n-1 serbestlik derecesindeki alt ve üst α 2 yüzdelik noktaları Standartların belli olduğu durumda, s 2 yerine popülasyon varyansı σ 2 biliniyorsa kullanılabilir. Örneklem varyansı kontrol grafiği, olasılık limitleri kullanılarak tanımlanmıştır.

Örnek İmalatı devam eden bir mamulün kalite özelliğine ilişkin değişkenlik, örneklem varyansına göre kontrol edilmek isteniyor. Belirli aralıklarla imalattan çıkan birimlerden örnekler alınmış ve her biri 5 er birim içeren (n=5) 10 alt kontrol grubu oluşturulmuştur. Merkez çizgi = Örneklem standart sapmalarının ortalamasının karesi = 1.3608 2 = 1.8518 1 α = 0.95 (%95 güven düzeyi için), α 2 = 0.025

Ki-kare dağılımı olasılık tablosu ÜKL = 1.8518 11.14 = 5.1572 4 AKL = 1.8518 0.48 = 0.2222 4 Alt ve üst kontrol limitlerinin ki-kare dağılımı kullanılarak hesaplanması

Birimler Kontrol Grafikleri (Individual X and Moving Range-XmR) Üretimde, süreç izlemede kullanılan örneklem büyüklüğünün n = 1 olduğu durumlar vardır. Yani örneklem büyüklüğü, bireysel bir birimi içermektedir. Örnek büyüklüğünün (n) 1 e eşit olma nedenleri: Otomatik muayene ve ölçme teknolojilerinin kullanımı ve üretilen her bir birimin analiz edilmesi gerekliliği (Rasyonel alt grup oluşturmanın mümkün olmadığı tahribatlı muyanede olduğu gibi), Örneklem alma maliyetinin yüksek olması, Üretim oranının çok yavaş olması (Zamana bağlı olarak birden fazla örnek oluşturmanın çok zor olduğu durumlar), gözlem değerleri arasında geçen uzun zaman aralıkları rasyonel alt gruplamada problemlere yol açabilir, Proses üzerindeki tekrar ölçümler, birçok kimyasal proseslerde olduğu gibi laboratuvar veya analiz hatası nedeniyle farklılık göstermektedir.

Hareketli Aralık Kontrol Grafiği ve Birimler Kontrol Grafiği Kağıt üretimi gibi proses endüstrilerinde, rulo boyunca kaplama kalınlığı gibi bazı kalite (karakteristiği) parametrelerinin ölçümleri hassasiyet gösterir. Bir başka deyişle, standart sapmanın çok küçük olduğu durumlarda, rulo boyunca kaplama kalınlığı sürekli olarak çok az farklılıklar gösterecektir. Standart sapmadaki küçük değişimlerin sürekli kontrol altında tutabilmesi için sürekli (tekrar eden) bireysel gözlem değerlerine ihtiyaç vardır. Yarı iletken üretiminde, örneğin mikron boyutunda ölçülmüş silikon devre levhası üzerinde birkaç farklı yerde oksit kalınlığının ölçülmesi gibi aynı birim ürün üzerinde zorunlu olarak çoklu ölçümlerin yapılması. Böyle durumlarda, her bir alt kontrol grubunun büyüklüğü n = 1 olduğundan grup içi değişim olmaz. Bu nedenle birbirini takip eden alt gruplar arasındaki fark, değişimin bir ölçüsü olarak kullanılır. Bu fark hareketli aralık olarak adlandırılır. (Formüllerde n = 2 alınmıştır).

Özet Olarak Üretim hızı oldukça düşük, üretim sayısı az olduğu durumlarda, Otomatik ölçüm cihazları ile her bir birimin ölçümünün yapılabildiği durumda, Üretim sürecinde değişkenlik çok az olduğu durumlarda, Test metodu tahribatlı olduğunda, birimler kontrol grafikleri tercih edilmektedir. X birimler kontrol grafiği, Hareketli Değişim Aralığı (MR) Kontrol Grafiği ile birlikte kullanılır. Hareketli Değişim Aralığı, birbirini izleyen iki veri arasındaki değişkenliği gösterir.

Hareketli Aralık ve Birimler Kontrol Grafiklerinin Kontrol Limitlerinin Hesaplanması

Örnek Uygulama Yandaki tabloda, bir bankanın son 20 haftalık konut kredisi başvuruları için işlem maliyeti değerleri verilmiştir. Bu veriler ile Hareketli Aralık Kontrol Grafiği ve Bireysel Gözlem Değerleri Kontrol Grafiği tekniklerini kullanarak sürecin analizini gerçekleştiriniz. Hareketli Aralık Kontrol Grafiği Merkez çizgi

Bireysel Gözlem Değerleri Kontrol Grafiği

Gerek hareketli aralık, gerekse bireysel gözlem değerleri kontrol grafiklerinde kontrol limitleri dışında olan herhangi bir nokta olmadığından sürecin kontrol altında olduğu söylenebilir. Bireysel gözlem değerlerinin yüksek olması durumu, hareketli aralık değerlerinin de fazla olmasına yol açacaktır. Bu nedenle, hem hareketli aralık hem de bireysel gözlem değerleri kontrol limitleri dışına düşen noktalar oluşacaktır. Birimler kontrol grafiklerinde, hem proses ortalamasının kontrol dışında olması, hem de proses varyansının kontrol dışında olması çok sık rastlanan bir durumdur.

MINITAB 14 ile Birimler Kontrol Grafiklerinin Oluşturulması

Kontrol kartı uygulamasının ilk aşamasında elde edilen yukarıdaki deneme kontrol limitleri güvenilir olduğundan, 2.aşamada süreç izleme amacıyla kullanılabilir.

Birimler Kontrol Kartı Uygulamasının II. Aşaması Sürecin izlenmesi amacıyla 21-40 haftaları arasında konut kredisi işlem maliyetleri için yeni gözlem değerleri yandaki tablodaki gibi elde edilmiştir. Bireysel gözlem değerleri kontrol grafiği ve hareketli aralık kontrol grafikleri yeniden oluşturulmuştur. Birimler kontrol grafiğine göre 39. ve 40. gözlem değerlerinde proses ortalamasının değişim gösterdiği (arttığı) görülmektedir.

Hareketli aralık kontrol grafiği de aynı gözlem değerlerinde kontrol dışı bir durumun varlığına işaret etmiştir. Bir başka deyişle, proses ortalamasındaki sapmalar, hareketli aralık değerlerindeki değişim ile de tespit edilebilir durumdadır. Bu değişkenliğe neden olan kaynağı belirlenebilen özel neden tespit edilip, sürece müdahale edilerek gerekli önlemler alınmalıdır. Hareketli aralık grafikleri yorumlanırken, bu grafikler üzerindeki örüntülere (pattern) dikkat edilmelidir. Hareketli aralık değerleri korelasyon içerir ve bu korelasyon bir döngü (cycle) veya trend gibi örüntüler oluşturabilir. Bireysel gözlem değerleri kontrol grafiğindeki bireysel gözlem değerlerinin korelasyon içermediği varsayılmaktadır.

Ortalama Koşum Uzunlukları (ARL) Shewhart kontrol grafiklerinde, 3-sigma kontrol limitlerinin kullanılması durumunda, sürecin kontrol altında olduğu durumda, ortalama koşum uzunluğu ARL 0 370 tir. Sürecin kontrol altında olması durumunda bu değerin yüksek olması istenir (Yanlış alarm verme sıklığının az olması). Birimler kontrol grafiklerinde de bu değere yakın ARL 0 değerleri elde edilir. Prosesteki değişimleri yakalamanın en temel yolundan biri işletim karakteristik eğrisi veya ARL eğrilerine başvurmaktır. 3-sigma kontrol limitleri ile çalışıldığında, birimler kontrol grafikleri için sürecin kontrol altında olmadığı zaman elde edilen ARL 1 değerleri tablodaki gibidir. Sürecin kontrol altında olmadığı durumlarda, ARL 1 değerinin küçük olması istenir ki sürecin kontrol altında olmadığı hızlı bir şekilde fark edilebilsin. Bu değerlere göre, birimler kontrol grafiklerinin küçük değişimleri tespit edebilme yeteneği azdır. Proses ortalamasında 1-sigma lık değişimi tespit etmek için eğer her saat başı örneklem alınıyorsa, 44 saat gibi uzun bir zamanın geçmesi gereklidir.

X Kontrol Grafiği İçin İşletim Karakteristik Eğrileri β riski, 3-sigma kontrol limitlerinin kullanılması durumunda ve n örneklem büyüklüğü ile çalışıldığında, proses ortalamasından meydana gelebilecek k-sigma lık sapmanın tespit edilememe olasılığını ifade eder. n = 5 olduğu durumda, proses ortalamasında meydana gelebilecek 1 σ lık sapmanın alınan ilk örneklemde tespit edilebilme olasılığı; 1 β = 1 0.75 = 0.25 dir. İkinci ve üçüncü örneklemlerde tespit edilebilme olasılıkları ise giderek azalır.

Birimler Kontrol Grafikleri ve Gözlem Değerlerinin Normallik Testi Birimler kontrol grafikleri, gözlem değerlerinin normal dağılım gösterip göstermediğinden önemli ölçüde etkilenir. Bunun temel sebebi, verilerin normal dağılım göstermemesi durumunda, kontrol altındaki sürecin ortalama koşum uzunluğundaki ARL 0 önemli değişimlerden kaynaklanmaktadır. Bu nedenle de, birimler kontrol kartı uygulamasının 2. aşamasında normal dağılım göstermeyen veriler ile elde edilen kontrol limitlerinin kullanılması uygun olmaz. Bu sorunu çözmenin en temel yöntemi, normal dağılmayan gözlem değerlerinin logaritmasının alınarak yaklaşık normal dağılan verilere dönüştürülmesidir. Birimler kontrol grafikleri oluşturulurken, normallik varsayımının mutlaka kontrol edilmesi gerekir. Bunun için de normal olasılık grafikleri kullanılabilir. Konut kredisi işlem maliyetleri verisine ait normal olasılık grafiğine göre, verilerin normal dağıldığı söylenebilir.

Örnek - Normal Dağılıma Dönüştürme Üretim hızının çok yavaş olduğu bir işletmede (Üretim oranı düşük), 25 adet silikon levhanın direnç değerleri ölçülmüş ve birimler kontrol grafikleri yardımıyla sürecin analiz edilmesi istenmiştir. Bireysel gözlem değerleri için kontrol grafikleri oluşturulmadan evvel, verilerin normal dağılıp dağılmadığı test edilmelidir.

Bireysel gözlem değerleri için elde edilen normal olasılık grafiğine göre, verilerin normal dağılım gösterdiği söylenemez (Doğru üzerinde sapmalar fazla). Tabanı e olan logaritma fonksiyonu (ln) dönüşümü uygulanan verilerin yaklaşık normal dağılım gösterdiği söylenebilir (Doğru üzerinde sapmalar nispeten daha az).

Bireysel Gözlem Değerleri Kontrol Grafiği Hareketli Aralık Kontrol Grafiği Sürecin kontrol dışında olduğuna dair herhangi bir noktaya rastlanmadığından (Kontrol dışında herhangi bir nokta bulunmamakta), sürecin kontrol altında olduğu söylenebilir.

Dönüşüm yapılmadan önce elde edilen birimler kontrol grafikleri Gözlem değerlerinin normal dağılım göstermediği durumda sürecin kontrol dışında olduğuna dair yanlış alarm oluşabilir.

Yaklaşık Normal Dağılan Gözlem Değerleri (Dönüşüm Yapıldıktan Sonra) ile Elde Edilen Birimler Kontrol Grafikleri

Popülasyon Standart Sapmasının Tahmin Edilmesi Birimler kontrol grafikleri kullanıldığında, kalite karakteristiğinin incelendiği popülasyona ait standart sapma, ortalama hareketli aralık MR kullanılarak tahmin edilir. σ = 0.8865 MR d 2 sabitinin n=2 için eşleniği 1 d2

Değişkenler İçin Kontrol Grafiklerinin Hizmet Sektöründe Kullanımı Değişkenler için kontrol grafikleri sadece imalat/üretim ortamlarında değil, aynı zamanda hizmet sektöründe de geniş uygulama alanları vardır. Buna örnek olarak konut kredisi başvuru sürecinin kontrol edilmesinde ve izlenmesinde birimler kontrol grafiklerinin kullanımı örnek olarak verilebilir. Hizmet kalitesini ölçmek için müşterilerin maruz kaldığı işlem maliyetleri kullanılarak süreç analizi yapılıp, süreç iyileştirme faaliyetlerinde bulunulabilir. Hizmet sektörü ve imalat sektörü açısından kontrol kartı uygulamaları, 2 temel fark içermektedir. (i) Hizmet sektöründe spesifikasyon limitlerinin direkt ürün üzerinde uygulanması çok nadir görülebilen bir durumdur. Bu nedenle, proses yeterlilik kavramı hizmet sektöründe genelde tanımlanamaz. (ii) Hizmet sektöründe ölçülebilir kalite özelliklerinin belirlenmesi daha zordur ve hayal gücü gerektirir (Ortalama hizmet süresi, ödemelerin tam zamanında/geç yapılması, kuyrukta bekleme süreleri vs.).

Örnek: Rasyonel Alt Grup Oluşturmanın Önemi Havacılık ve uzay endüstrisinde, jet uçak motorlarının gaz türbini üretiminde döküm sürecinde, türbin yüksekliği kritik bir kalite karakteristiğidir. Üretilen her bir döküm parçası için rastgele 5 türbin seçilerek türbin yükseklikleri ölçülmüş ve 20 alt kontrol grubu oluşturulmuştur. Süreci kontrol altında tutmak ve iyileştirmek amacıyla, ilk olarak X ve S kontrol grafikleri oluşturulmuştur. Standart sapma kontrol grafiğinde çok nadir kontrol dışı sinyaller oluşmasına rağmen, X kontrol grafiği çok sayıda kontrol dışı durumun varlığına işaret etmiştir.

Kontrol kartı hazırlama prosedürü üzerine yapılan detaylı analizlere göre, çok sayıda kontrol dışı durumun oluşmasındaki temel problem, tek bir döküm parçası üzerinde rasyonel alt grup olarak rastgele 5 türbin yüksekliği ölçümünün alınmasıdır. Bu nedenle, X kontrol grafiği üzerindeki kontrol dışı noktalar, düzeltici önlemler/aksiyonlar için geçerli bir dayanak oluşturmamaktadır ve standart sapma grafiği, kontrol dışı durumların varlığını desteklememektedir. Ortaya çıkan bu duruma göre, rasyonel alt grup oluşturmanın mantığındaki, X kontrol grafiği örneklemler arasındaki değişkenliği izlediğinden, örneklemler arasındaki değişkenliğin, S grafiğinin izlediği örneklem içindeki değişkenlik ile tutarlı olmadığı görülmektedir.

Tek bir spesifik döküm parçası üzerindeki türbin yüksekliklerinin birbirlerine çok yakın olması (Standart sapma kontrol grafiğine göre), farklı döküm parçalarına ait türbin yüksekliklerinin ortalamaları arasında ise anlamlı varyasyonların olması sebebiyle (standart sapma değerlerinin çok küçük olması nedeniyle X kontrol grafiği için temel bir dayanak oluşturamaması), firmadaki kalite mühendisleri her bir döküm parçası üzerindeki türbin yüksekliklerinin ortalamasını bireysel gözlem değerleri olarak alıp, ortalama türbin yüksekliğini kontrol etmek amacıyla birimler ve hareketli aralık kontrol grafiklerini kullanmaya karar vermişlerdir. Bu çözümün pratikte çok iyi bir şekilde işe yaradığı oluşturulan 3 kontrol grafiğinde de görülmektedir. İlk kontrol grafiği, türbin ortalamalarını içeren bireysel gözlem değerleri kontrol grafiğidir.

Türbin yüksekliklerinin ortalamalarının kullanıldığı birimler kontrol grafiğine göre süreç kontrol altındadır. Esas itibariyle, ortalama türbin yüksekliklerinin hareketli aralık değerleri, parçalar arasındaki ortalama yükseklik değerlerindeki değişimin çok daha makul şekilde tahmin edilmesini sağlamaktadır. Standart sapma grafiği ise tek bir döküm parçası üzerindeki türbin yüksekliklerinin değişiminin ölçülmesine katkı sağlamaktadır. Bu değişkenliğin olabildiğince küçük olması, aynı parça üzerindeki yüksekliklerin yaklaşık olarak aynı, özdeş olduğunu gösterir.

Değerlendirme & Yorumlar Kontrol kartı uygulamalarında, sürecin kontrol edilmesi ve iyileştirilmesi amacıyla doğru kontrol grafiğinin seçilmesi ve bu doğrultuda rasyonel alt kontrol gruplarının oluşturulması kritik önem taşımaktadır. Ölçülen kalite karakteristiği değişkeninin davranışının analiz edilmesi ve kontrol kartı kullanmanın amacının iyi anlaşılmış olması gereklidir. Örneğin, ilgili örnekte eğer aynı spesifik döküm parçası üzerindeki türbin yükseklikleri arasındaki değişim tamamen birbirinden ayrı olsaydı (ilişkili olmasaydı veya standart sapma büyük olsaydı), ortalama türbin yüksekliklerinin bireysel ölçümler olarak kullanılması uygun olmayacaktı. Bu durumda, (i) örneklem içerisindeki her bir bireysel türbin kullanılarak kontrol kartı oluşturulması gerekecekti, (ii) Çoklu akış süreçleri (tek bir stabil sürecin çıktılarından ziyade, çok sayıda paralel süreçlerin çıktılarının bir araya getirilmesi) için kontrol kartları kullanımı araştırılması gerekecekti, (iii) veya çok değişkenli kontrol kartlarının (Multivariate control charts) kullanılması gerekecekti.

Niteliklere (Belirtiler & Özellikler) Göre Kontrol Grafikleri Kalite karakteristiklerinin ölçülemediği ama uygun-uygun değil, iyikötü, geçer-geçmez, kabul-ret gibi niteliklerin değerlendirilerek sayılabildiği durumlarda kullanılır. Bir veya birden fazla kalite karakteristiğine göre, uygun/uygun değil gibi sınıflandırmanın yapıldığı durumlarda kullanılır. İncelenen bir birim ürün üzerindeki hata/kusur sayıları ile ilgilenildiği durumlarda kullanılır. Değişkenler için kontrol grafikleri kadar fazla bilgi sunamamalarına rağmen, (Sadece uygunsuzlukların sınıflandırılması: kusurlu/kusursuz) nitelikler için kontrol grafikleri pratikte geniş uygulama alanına sahiptir. Kalite karakteristiği değerlerinin ölçümünün zor olduğu hizmet sektöründe de, niteliklere göre kontrol grafikleri kalite geliştirme/iyileştirme aracı olarak kullanılabilmektedir.

p (Kusurlu Oranı) Kontrol Grafiği Ürünlerin belli özelliklerinin standartlara uygunluğu yerine bu ürünlerin kusurlu olup olmadıklarının araştırılması durumunda, prosesten alınan örneklerin ortalamaları yerine kusurlu oranlarının kontrol edilmesi uygundur. Bu işlem p grafiği ile yapılır. Ürün üzerinde incelenen bir veya birden fazla kalite özeliğine göre, ürün standartları sağlamıyorsa, kusurlu olarak adlandırılır. Birden fazla kalite özelliği eş zamanlı olarak incelenebilir. Kusurlu oranı kontrol grafiğinin istatistiksel açıdan temeli Binom dağılımına dayanmaktadır. Ardışık olarak üretilen her bir birim ürün birbirinden bağımsız olmakla birlikte, p parametresine sahip Bernoulli rastgele değişkeninin realizasyonudur. X R ve X S grafiklerine nazaran p grafiklerinde oran söz konusu olduğu için daha büyük hacimli örnekler alınmalıdır. Örnek büyüklüğü (n) tespitinde n. p > 1 durumu sağlanmalıdır (p = 0.05 ise n > 20 olmaktadır).

n, örneklem büyüklüğü D, kusurlu ürün sayısı Binom dağılımının beklenen değeri, n. p Varyansı ise, n. p(1 p) Binom dağılımının olasılık yoğunluk fonksiyonu (Parametreleri p ve n) Örneklem içerisindeki kusurlu oranı p rastgele değişkeninin dağılımı binom dağılımından elde edilir. Ortalaması ve varyansı aşağıdaki gibi hesaplanabilmektedir.

Standartların Belli Olması Durumu Standartların belli olması durumu, üretim sürecine ait gerçek kusurlu oranı p standart değerinin bilinmesi anlamına gelmektedir. Bir başka deyişle, popülasyonunun (ana kütle) kusurlu oranı bilinmemektedir. Bu durumda, p kontrol grafiğinin merkez çizgisi ve alt/üst kontrol limitleri aşağıdaki gibi hesaplanmaktadır. Bazı durumlarda, n ve p nin değerine bağlı olarak LCL (alt kontrol limiti) negatif olarak hesaplanır. Bu durumda, alt kontrol limiti %0 dan küçük olamayacağından, 0 olarak alınır. Birbirini izleyen n ardışık örnek alınarak, p kusurlu oranları hesaplanıp, kontrol grafiği üzerine işlenir. p değerleri kontrol limitleri içerisinde kaldığı ve herhangi bir sistematik rassal olmayan örüntü (pattern) oluşturmadığı sürece, p seviyesinde proses kontrol altındadır denir.

Standartların Belli Olmaması Durumu Genelde, sürece ait p kusurlu oranı kesin ve net bir şekilde bilinmez bu durumda, n adet örnek içeren m adet örneklem alınarak, kusurlu oranı tahmin edilmeye çalışılır. Daha evvel de belirtildiği üzere, örneklem sayısı en az 20-25 civarında olmalıdır. Her bir örneklem için kusurlu oranları hesaplanır. Daha sonra, tüm örneklemleri içeren ortalama kusurlu oranı hesaplanarak, sürecin p ortalama kusurlu oranı tahmin edilir ve bu değer merkez çizgi olarak belirlenir. Standartların belli olmadığı durumda alt ve üst kontrol limitlerinin hesaplanması

Dondurulmuş portakal suyu konsantrasyonunu 6-oz luk mukavva kutularda paketleyen bir makineden alınan örneklemler alınarak kutulardan herhangi bir sızma durumunun (Çatlak & delik olması) olup olmadığı değerlendirilerek, kusurlu & kusursuz olarak ayrılıyor. Paketleme makinesinden çıkan kutulardaki kusurlu oranlarının iyileştirilmesi amacıyla, p-kontrol grafiğini oluşturunuz. Örnek 3 vardiya çalışan makineden yarım saat arayla 50 gözlem değeri içeren toplam 30 örneklem alınarak kusurlu ürün sayıları belirlenmiştir.

Ortalama kusurlu oranının hesaplanması (Merkez çizgi) Alt ve üst kontrol limitlerinin hesaplanması

Aşama-I, deneme kontrol limitlerinin elde edilmesi. 15. ve 23. örneklemlerdeki kusurlu oranları üst kontrol limitini aşmış, proses kontrol dışındadır. Özel nedenler bulunup, düzeltici önlemler uygulanarak giderilmelidir. 15. örneklemdeki kontrol dışı durumun sebebi, yeni bir hammadde/malzeme kullanımı olarak belirlenmiştir. Kullanılan bu yeni hammadde, bazen üretimin performansını olumsuz yönde etkilemektedir. 23. örneklemdeki kontrol dışı durumun sebebi olarak ise, örneklemin alındığı zamanda, makineye deneyimsiz yeni bir operatörün atanması olarak belirlenmiştir.

Merkez Çizgi ve Kontrol Limitlerinin Revize Edilmesi 15. ve 23. örneklemler elimine edilerek, kontrol limitleri ve merkez çizgi yeniden hesaplanmıştır. p = 0.215 seviyesinde süreç kontrol altındadır. Bu durumda kontrol limitlerinin daralması sebebiyle, 21. örneklemdeki kusurlu oranı, üst kontrol limitini aşmaktadır. Ancak, veriler analiz edildiğinde, kontrol dışı gibi gözüken bu durumun herhangi bir özel nedeni belirlenememiştir. Bu nedenle, bu noktanın göz ardı edilebileceğine karar verilmiş ve yeni kontrol limitlerinin gelecek üretimin izlenmesinde kullanılabileceği belirtilmiştir (Aşama-I tamamlandı).

Süreç İyileştirme Çalışması Süreç kontrol altında olmasına rağmen (stabil bir şekilde devam ediyor), üst yönetim p = 0.215 oranını yüksek bulmuş ve sürecin iyileştirilmesi amacıyla, kontrol kartları uygulamasına ek olarak, sürecin bir kalite mühendisi tarafından analiz edilmesini uygun bulmuştur. Kalite mühendisi, makine üzerinde bazı ayarlamaların yapılabileceğini tespit etmiş ve bu ayarlardan sonraki üç vardiya boyunca 50 gözlem değerinden oluşan 24 ek örneklem alınıp, kusurlu oranı incelenmiştir.

Süreç, p = 0.215 seviyesinden çok daha iyi bir seviyede (Daha düşük kusurlu oranı) devam etmektedir. 41. örneklemde kusurlu oranı alt kontrol limitinin altına düşmüştür, ancak bu kontrol dışı durumun herhangi bir özel nedeninin olmadığı anlaşılmıştır. Bu nedenle, bu durum göz ardı edilebilecektir. Kalite mühendisleri tarafından gerçekleştirilen süreç analizleri doğrultusunda yapılan makine ayarları, sürecin iyileşmesine katkı sağlamıştır. İstatistiksel proses kontrol uygulamalarının varlığı, operatörlerde de süreç kalitesi konusunda daha fazla farkındalık uyandıracak, bu da süreç performansının sürekli olarak izlenip iyileştirilmesine katkıda bulunacaktır.

MINITAB 14 ile p-kusurlu Oranı Kontrol Grafiğinin Oluşturulması

Hata Türü ve Etkileri Analizi (FMEA) FMEA tekniği; sistem, tasarım, süreç ve servis konularında hataları ortaya çıkmadan tanımlamayı ve gidermeyi veya en azından kullanıcıdaki etkisini ortadan kaldırmayı hedefleyen bir mühendislik tekniğidir. FMEA, hataların sistematik analizini ve hataların giderilmesini sağlaması nedeni ile, hataların oluşturabileceği risklerin minimize edilmesine, hata maliyetlerinin düşürülmesine, güvenilirliğin arttırılmasına ve kalitenin sistematik olarak geliştirilmesine yardımcı olmaktadır. FMEA nın amacı; sistem, süreç ve ürünlere ait potansiyel hataların, oluşmadan önce, planlama ve geliştirme safhasında tespiti, önem derecelerinin belirlenmesi, değerlendirilmesi ve önlenmesi için uygun önlemlerin alınmasını sağlamaktır. FMEA, bir güvenilirlik analiz metodu ve önleyici kalite güvence yaklaşımıdır. Güvenilirlik, bir ürün, hizmet veya sistemin belirli koşullar altında ve belirli zaman aralığında (kullanım ömrü boyunca) kendisinden beklenen fonksiyonları yerine getirebilme yeteneğidir.

FMEA Analizi FMEA, en yaygın kullanılan risk analizi ve değerlendirme metotlarından biridir. Hataların önlenmesine dönük klasik ve yeni yaklaşımlar: Hata, girdi, süreç ve çıktıda (ürün/hizmet) kaliteyi etkileyen makine, metot, işgücü, malzeme unsurlarından bir veya birkaçında beliren şartların, spesifikasyonların, standartların dışına çıkma durumudur. Hata Türü ve Etkileri Analizi, yüzlerce hata türü için iyileştirme yapılmasının planlanması yerine, sistemin bütünü üzerinde en büyük katkıyı sağlayacak hata türlerini önceliklendiren bir yöntemdir. FMEA nın amacı, ürün veya proseste oluşabilecek hata türlerini, etkilerini ve kritiklik derecelerini saptayıp; bunları ortadan kaldırmak için düzeltici önlemler almak veya sürekli bir şekilde bu hataların oluşma potansiyellerini azaltmak ve böylece ürünün geliştirilmesini sağlamaktır.

FMEA Türleri Sistem FMEA: Sistem ve alt sistemleri analiz ederek, sistemin eksikliklerinden doğan sistem fonksiyonları arasındaki potansiyel hata türlerini belirlemeye odaklanır. Amacı, sistemin kalitesini, güvenilirliğini ve korunabilirliğini arttırmaktır. Kısaca, bir sistem FMEA çalışması, sistem yetersizliklerinden kaynaklanan sistemin fonksiyonları arasındaki potansiyel hata türlerine odaklanır. Aynı zamanda sistemler arası ilişkileri ve sistemin elemanlarını da kapsar. Servis FMEA: Organizasyon faaliyetleri arasında çıkan aksaklıkların analiz edilmesine odaklanır. Servis FMEA, servisin müşteriye ulaşmadan analiz edilmesidir. Amacı, organizasyondaki aksaklıkların analiz edilmesi ve organizasyon kalitesini, güvenilirliğini ve korunabilirliğini arttırmaktır. Bir diğer deyişle, servis hatalarının tüm organizasyon üzerindeki etkileri minimize edilerek; kalite, güvenilirlik ve hizmet yoluyla müşteri memnuniyeti maksimize edilmeye çalışılır.

FMEA Türleri Tasarım FMEA: Tasarım hatalarından doğan hata türlerine yönelik olarak üretime başlamadan önce ürünlerin analiz edilmesinde kullanılır. Bir diğer deyişle, ürünün tasarlanması aşamasından önce kullanılan bir analitik teknik olup, tasarım yetersizliklerinin neden olduğu ürün olası hata türlerine odaklanır. Tasarımdaki potansiyel zayıflıkların üstesinden gelmek için kullanılır, sürece bağlı değildir. Proses (Süreç) FMEA: Üretim veya montaj proseslerindeki eksikliklerden doğabilecek hata türlerini ortadan kaldırmak ve üretim ile montaj prosesini analiz etmek için kullanılır. Proses FMEA nın amacı, müşteri beklenti ve ihtiyaçlarını karşılamak için tasarlanmış ürün özelliklerinin imalatı ve süreçleri sırasında tasarım amacına uygun olarak gerçekleştirilmesini güvence altına almaktır. Donanım hataları, çalışanların hataları, uygun olmayan malzeme ve yöntemlerin kullanımı sonucu oluşan hatalar, proses FMEA ile ürün üretime girmeden önce belirleneceğinden kusurları düzeltmek kolay olacaktır.

FMEA Ekibinin Oluşturulması FMEA, beyin fırtınası temelli bir yöntem olup, ekip işidir ve bireysel olarak yapılamaz; takım çalışması gerektirir. İşletme içerisinde, farklı departmanlarda çalışan kilit çalışanlar ekibe dahil edilmelidir. Çünkü problemlerin tanımlanması ve RÖS (Risk Öncelik Sayısı) belirlenebilmesi bilgi ve tecrübe gerektirir. FMEA ekibin başında, ilgilenilen tasarım parçası ve süreçten sorumlu kişi yer alabilir. Ekip lideri, toplantıları düzenler, ekibin sekreterlik görevini yapar, ekibi yönetir ve yönlendirir, zaman kaybını önlemeye çalışarak ekibi sürekli kontrol altında tutar. Firma içi risklerin tanımlanması ve önceliklendirilmesi söz konusu ise, iş güvenliği uzmanı ekibe liderlik edebilir. Ekip çok kalabalık olmamalıdır ve tek bir bölümden katılan kişilerce oluşturulmamalıdır. Çalışılan konuya ilgisiz kişiler ekibe dahil edilmemelidir.

Risk Öncelik Katsayısının Hesaplanması FMEA tekniği diğer risk analizi teknikleri gibi, girdi olarak sayısal verilere (olasılık, şiddet, keşfedilebilirlik) ihtiyaç duyar. Bir başka deyişle, Olasılık, şiddet ve saptanabilirliğe bağlı olarak hataların önceliği belirlenir. Pek çok durumda, hazır veri mevcut değildir veya mevcut veriler yeterli ve güvenilir değildir. Bu durumda, çoğu kez sayısal veriler uzman yargısına başvurularak tahmin edilmektedir. Bir FMEA nın çıktısı, risk öncelik göstergesidir (RÖS). En yüksek RÖS değerine sahip hatalardan başlanarak iyileştirme planları (önleyici faaliyetler/kontrol önlemleri) belirlenir.

Hatanın Oluşma Olasılığı Potansiyel hata türlerinin gerçekleşme olasılıkları ve sıklığıdır. Hatanın frekansıdır. Hata Olasılığı Hatanın İhtimali Derece Çok Yüksek: Kaçınılmaz Hata >1 in 2 10 1 in 3 9 Yüksek: Tekrar Tekrar Hata 1 in 8 8 1 in 20 7 Orta: Ara Sıra Olan Hata 1 in 80 6 1 in 400 5 1 in 2,000 4 Düşük: Nispeten Az Olan Hata 1 in 15,000 3 1 in 150,000 2 Pek Az:Olası Olmayan Hata <3.4 in 1,000,000 1

Hatanın Şiddeti (Ciddiyeti) Potansiyel hata türünün müşteri üzerindeki etkisinin, ciddiyetinin derecelendirilmesidir. Hatanın etki derecesidir. Sistem OHTEA Şiddet Etki Sınıflaması Etki Şiddetin Etkisi Derece Uyarısız Gelen Tehlike Felakete yol açabilecek etkiye sahip ve uyarısız gelen potansiyel hata 10 Uyarısız Gelen Tehlike Yüksek hasara ve toplu ölümlere yol açabilecek etkiye sahip ve uyarısız gelen potansiyel hata 9 Çok Yüksek Sistemin tamamen hasar görmesini sağlayan yıkıcı etkiye sahip ağır yaralanmalara, 3. derece yanık, akut ölüm vb. etkiye sahip hata türü 8 Yüksek Orta Ekipmanın tamamen hasar görmesine sebeb olan ve ölüme, zehirlenme, 3. derece yanık, akut ölümcül hastalık vb. etkiye sahip hata Sistemin performansını etkileyen, uzuv ve organ kaybı, ağır yaralanma, kanser vb. yol açan hata 7 6 Düşük Kırık, kalıcı küçük iş göremezlik, 2. derece yanık, beyin sarsıntısı vb. etkiye sahip hata 5 Çok Düşük İncinme, küçük kesik ve sıyrıklar, ezilmeler vb. hafif yaralanmalar ile kısa süreli rahatsızlıklara neden olan hata 4 Küçük Sistemin çalışmasında yavaşlatan hata 3 Çok Küçük Sistemin çalışmasında kargaşaya yol açan hata 2 Yok Etki Yok 1

Keşfedilebilirlik (Fark Edilebilirlik) Farkedilebilirlik Farkedilebilirlik Olasılığı Derece Fark Edilemez Çok Az Az Çok Düşük Düşük Orta Yüksek Ortalama Yüksek Çok Yüksek Hemen hemen Kesin Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği mümkün değil Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği çok uzak Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği uzak Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği düşük Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği çok düşük Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği orta Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği yüksek ortalama Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği yüksek Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği çok yüksek Potansiyel hatanın nedeninin ve takip eden hatanın keşfedebilirliği hemen hemen kesin 10 9 8 7 6 5 4 3 2 1 Ürün veya parçanın üretim veya montaj hattını terk etmeden önce hataların tespit edilebilme olasılığıdır. Hatanın müşteriye gitmeden önce yakalanabilme yeteneğidir.

Sonuçların Değerlendirilmesi Genel kabul görmüş değerlendirme olarak, RÖS değerlerine göre düzeltici önlem alma kararları şu şekilde verilir; RÖS < 60 ise önlem almaya gerek yoktur. 60 RÖS 100 ise önlem alınması gerekir. RÖS > 100 ise acil önlem alınması gerekir. RÖS değerinin almış olduğu değere göre, olası hata şekillerini veya nedenlerini ortadan kaldırmak veya olumsuz etkilerinin en aza indirilmesi için tasarım, üretim süreci, malzeme veya üretim yöntemi gibi çeşitli unsurlarda değişiklik önerilir. Bunun için olasılık, şiddet ve keşfedilebilirlik değerlerini azaltmak gereklidir. Hata meydana geldikten sonra ıskartaların gözlenmesi, güvenirliğin ortaya konulması ve problemlere çözüm üretilmesinin yeterli sonuç getirmediği görülmüş ve bu reaktif uygulamalardan vazgeçilerek proaktif uygulamalara geçilmiştir. FMEA gibi proaktif bir yaklaşım ile ıskartaların önüne geçilir, ürün kalitesini etkileyen güvenilirlik ve kullanılabilirlik arttırılır.

FMEA Sonrası Alınacak Önlemler Operasyon sırası değişikliği, Tasarım değişikliği, parametre değer değişikliği, İlave yeni operasyon veya operasyonlar, Makine değişikliği veya yeni tezgah ilavesi, Yeni/ilave ölçme veya kontrol metotları, Yeni/ilave ölçme veya kontrol aletleri, Aparat/takım ilavesi veya değişikliği/tadilatı, Talimatların veya prosedürlerin gözden geçirilmesi, İşçilerin eğitimi, test yöntemlerinin iyileştirilmesi, Yeni/ilave kalite kontrol noktaları oluşturulması, toleransların değiştirilmesi. Alınacak önlemler ile genellikle hataların şiddet değeri azaltılamaz. İyileştirme faaliyetleri ile, hata türünün ortaya çıkma sıklığı (olasılığı) azaltılabilir veya keşfedilebilirlik derecesi (hatanın belirlenmesi şansı) arttırılabilir. İyileştirme faaliyetleri gerçekleştirildikten sonra (Gerekli düzeltici önlemler alındığında), RÖS değeri tekrar hesaplanır ve bu değerin azalması beklenir.

FMEA Sonuçların Değerlendirilmesi RÖS, iyileştirme çalışmalarını yönlendirir. Aynı RÖS değerine sahip iki hata türü var ise, ilk olarak daha yüksek şiddete (etkiye) ve daha sonra da en yüksek keşfedilebilirliğe sahip olan hata türü ilk olarak ele alınmalıdır. RÖS değeri ile en fazla ortaya çıkan (ortaya çıkma olasılığı yüksek), şiddeti yüksek olan ve zor keşfedilebilen hatalar üzerinde öncelikle durulup, ortadan kaldırılmaya çalışılmalıdır. Hatanın şiddetinin azaltılması konusunda iyileştirme sağlanmalı, yeterli ve uygun kontrol yöntemleri ile de hatanın müşteriye gitmeden evvel kolay ve hızlı şekilde yakalanabilmesi sağlanmalıdır. Keşfedilebilirlik yeterince sağlanabiliyor olsa bile, fazla miktarda kontrol etmenin maliyet ve zaman açısından getirdiği yük düşünülerek, hatanın ortaya çıkma olasılığını azaltıcı çalışmalar yaparak, kontrol edilen parametre sayısı azaltılmaya çalışılmalıdır. RÖS değeri ne olursa olsun, eğer hatanın şiddeti 9 ve üzerinde ise insan sağlığı ve güvenliği (emniyeti) açısından tehlikeli olması nedeniyle bu hatalar mutlaka ele alınıp giderilmelidir.

Konteyner Sistemi için Tasarım FMEA Örneği Tasarım FMEA çalışması Kadıoğlu vd. (2009) tarafından, İzmir Kemalpaşa da bulunan araç üstü ekipman üretimi yapan bir firmada gerçekleştirilmiştir. Firma, tasarımını analiz ederek, tasarım hatalarını ve neden olacağı maliyetleri azaltmayı ve müşteri memnuniyetini arttırmayı amaçlamaktadır. FMEA çalışması, firmanın ana üretimi olan hidrolik sıkıştırmalı çöp kasaları bileşenlerinden konteyner sistemi üzerinde yapılmıştır. Konteyneri kaldırıp çöplerin çöp toplama haznesine boşaltılmasını sağlayan konteyner sistemi incelenmiş ve hatalar, bunların nedenleri ve etkileri verilmiştir. Konteyner sisteminde mevcut veya olası hatalar incelenmiş ve hatalara ait RPN (Risk Priority Number) veya RÖS değerleri için Pareto diyagramı oluşturulmuştur.

Belirlenen olası hatalar, bunların nedenleri ve etkileri dikkate alınarak RPN değerleri hesaplanmıştır. RPN değerlerine göre çizilen Pareto diyagramında %80 sınırını oluşturan hatalar belirlenmiş ve öncelikle bu hatalar için düzeltici faaliyetler önerilmiştir.

İyileştirmeden Önceki ve Sonraki RPN Değerleri Konteyner sistemi için yapılan çalışma sonucunda elde edilen RPN değerleri ile alınan önlemlerden sonra yeniden hesaplanan RPN değerlerine göre, önerilen düzeltici faaliyetler ile hataların oluşma olasılıkları, önem değerleri azaltılmış yada hataların keşfedilebilirlikleri arttırılmıştır. Sonuçta, önemli ve kritik hataların risk değerlerinde iyileştirmeler sağlanmıştır.

Proses FMEA Formu Hazırlama

Proses basamağı/faaliyet: Analiz edilecek proses ya da operasyonu kısaca tanımlayınız. (Kıvırma, delme, kaynak, montaj gibi..). Prosesin, çeşitli hata türlerini barındırabileceği birden çok operasyonu içerdiği durumlarda (montaj gibi), operasyonları ayrı ayrı listelemek daha uygundur. Potansiyel Hata Türü: Potansiyel Hata Türü, prosesin, Proses basamağı/faaliyet kolonunda tanımlanan proses gereklerini yerine getirmeyi engelleyecek potansiyel başarısızlık olarak tanımlanabilir. Söz konusu operasyondaki bir uygunsuzluğun tanımıdır. Kendisinden sonra gelen ilişkili operasyondaki bir hata türünün nedenini oluşturabileceği gibi; bir önceki ilişkili operasyondaki bir uygunsuzluğun sonucu da olabilir. Potansiyel hata türlerine örnek olarak:

Hatanın Potansiyel Etkileri Hata türünün müşteri üzerindeki etkileri olarak tanımlanır. Müşterinin bir iç müşteri ya da son kullanıcı da olabileceğini gözeterek, müşterinin neyi farkedebileceğini ya da yaşayabileceğini ifade ederek etkiler tanımlanmalıdır. Hata türünün güvenliği mi etkilediğini; yoksa kurallara uygunsuzluk mu oluşturduğu net bir biçimde ortaya konulmalıdır. Son kullanıcı için etkiler her zaman ürün ya da sistemin performansı olarak ifade edilmelidir. Örnek olarak: Eğer müşteri bir sonraki operasyon ya da daha sonra gelen operasyon(lar) ise, etkiler proses/operasyon performansı olarak ifade edilmelidir.

Proses (Süreç) FMEA Örneği

İş Sağlığı & Güvenliğinde FMEA ile Risk Analizi ve Değerlendirme

Kaynakça Douglas C. Montgomery (2009). Introduction to Statistical Quality Control, John Wiley & Sons, Inc. Şanslı Şenol (2012). İstatistiksel Kalite Kontrol, Nobel Akademik Yayıncılık. Demir Aslan (2003). Proses Kontrol ve Toplam Kalite, DEU Mühendislik Fakültesi Basım Ünitesi. Tayfun Özdemir (2000). İstatistiksel Kalite Kontrol, A.Ü.F.F. Döner Sermaye İşletmesi Yayınları, 62. Sermin Elevli. Kalite Kontrol Ders Notları. Nihal Erginel, İstatistiksel Süreç Kontrol Ders Notları, Anadolu Üniversitesi. Nihal Erginel, Hata Türü ve Etkileri Analizi, 2006. (https://www.slideshare.net/analiz16/7-fmea-1) Mehmet Çakmakçı, Kalite Planlama ve Kontrol, Ders notları (http://kisi.deu.edu.tr/mehmet.cakmakci/) http://kisi.deu.edu.tr//murat.tanik/fmea.pdf Çevik, O., & Aran, G. Kalite iyileştirme sürecinde hata türü etkileri analizi (FMEA)* ve piston üretiminde bir uygulama. SÜ İİBF Sosyal ve Ekonomik Araştırmalar Dergisi. pp. 241-265. Kadıoğlu, M., Uçmuş, E., & Gönen, D. (2009). Makine imalatı yapan bir işletmede tasarım hata türü ve etkileri analizi ile hata kaynaklarının belirlenmesi ve kalitenin iyileştirilmesi. BAÜ FBE Dergisi, Cilt:11, Sayı:1, pp. 42-55. http://content.lms.sabis.sakarya.edu.tr/uploads/37802/38554/kal_iyile%c5%9f_13.hfta_(fmea).pdf www.ors.com.tr/uploads/belfildokuman27.xls http://www.gelisim.org/makaleler/fmea.pdf http://www.nurdogan.net/fmea_dosyalar/fmea_ornegi.pdf