Problemet var ikke prosessen...

De tok 600 prøver i året og jaktet på prosessfeil. Så oppdaget de at problemet var målesystemet.

Produksjonssjefen stirret på dataene. Variasjonen ga ingen mening.

De tok 600 prøver i året på én enkelt prosess. 30 minutter per filterbatch. Manuell, subjektiv sjekk av klarhet. Prøveresultatene varierte kraftig.

De jaktet på årsaker. Diskuterte hva som kunne være galt med prosessen.

Til de fant ut: Det var ikke prosessen. Det var målesystemet.

Som produksjonssjefen sa:

«Hvis du skal sortere muttere og har fått utlevert en tommestokk, så har du ikke sjanse. Men har du et mikrometer, så kan du sortere dem etter størrelse.»

De hadde brukt «tommestokk» når de trengte «mikrometer». Variasjonen de så kom fra målingene selv, ikke fra det de målte.

Kort oppsummert

Problem: 600 manuelle prøver per år med stor variasjon. Teamet jaktet på prosessfeil som ikke fantes.

Årsak: Målesystemet (manuell, subjektiv sjekk) ga mer variasjon enn selve prosessen.

Tiltak: Erstattet manuell sjekk med online turbiditetsmåler og automatiserte filterprosessen.

Resultat: 600 færre prøver per år, 300 timer spart, 10-15% produktivitetsøkning, bedre arbeidsmiljø.

Utfordringen: Variasjon uten forklaring

Bedriften hadde en filtreringsprosess der de sjekket klarhet manuelt. Hver batch krevde en subjektiv vurdering: «Er dette klart nok?»

Problemet var at svarene varierte. Samme produkt kunne få ulike vurderinger avhengig av hvem som så på det, når de så på det, og hvordan lyset falt.

Når prøveresultatene svingte, antok de at prosessen var ustabil. De lette etter årsaker i råvarer, temperaturer og utstyr. De justerte parametre og prøvde ulike tiltak.

Ingenting hjalp. Variasjonen fortsatte.

Det var først da de stilte et annet spørsmål at ting endret seg: «Hva om problemet ikke er prosessen, men måten vi måler på?»

Hva dette viser

Hva dette handler om: Målesystemanalyse (MSA) vurderer om målemetoden din er pålitelig nok til å skille reell variasjon fra målestøy. Hvis målesystemet varierer mer enn prosessen, ser du ikke virkeligheten.

Hvorfor det skjer: Manuelle målinger er ofte subjektive. De påvirkes av operatør, tidspunkt, lysforhold og forventninger. Uten å teste målesystemet separat, blander du sammen to kilder til variasjon.

Hvordan du kjenner det igjen:

• Prøveresultater varierer mer enn forventet

• Samme prøve gir ulike resultater når ulike personer måler

• Dere diskuterer om tallene stemmer i stedet for hva dere skal gjøre

• Tiltak basert på data gir ikke forventet effekt

Hvis målesystemet varierer mer enn prosessen, optimaliserer du feil ting.

Fra subjektiv vurdering til objektiv måling

Bedriften bestemte seg for å erstatte den manuelle klarhetssjekken med en online turbiditetsmåler. Dette er et instrument som måler hvor mye lys som spres av partikler i væsken, og gir et objektivt tall i stedet for en subjektiv vurdering.

I tillegg automatiserte de selve filterprosessen, slik at beslutningen om «ferdig filtrert» ble tatt av systemet basert på målingene.

Endringen fjernet to kilder til variasjon samtidig: den subjektive vurderingen og den manuelle håndteringen.

Resultatet

Etter implementeringen så de konkrete forbedringer:

• 600 færre manuelle prøver per år

• 30 minutter spart per batch (totalt 300 timer per år)

• 10-15% økning i produktivitet

• Mindre eksponering for kjemikalier

• Bedre arbeidsmiljø for operatørene

Men den viktigste gevinsten var kanskje denne:

De sluttet å jakte på prosessfeil som ikke fantes.

Med pålitelige data kunne de endelig ta beslutninger de stolte på.

Kjenner du igjen dette?

Kanskje du ikke tar 600 manuelle prøver i året. Men jeg vedder på at du kjenner igjen dynamikken:

• Prøveresultater varierer, og du vet ikke om du skal stole på dem

• Du justerer prosessen basert på målinger, men ingenting blir bedre

• Teamet diskuterer hva som er galt, men ingen er sikre

• To personer måler samme ting og får ulike svar

• Dere bruker mer tid på å diskutere dataene enn å handle på dem

Når målesystemet gir for mye variasjon, jakter du på årsaker som ikke finnes og velger tiltak som ikke virker.

Hva du kan gjøre hos deg

Steg 1: Still spørsmålet

Neste gang data varierer uventet, spør: «Er dette reell variasjon i prosessen, eller variasjon i målingen?» Ikke anta at prosessen er problemet før du har sjekket målesystemet.

Steg 2: Test repeterbarheten

La samme person måle samme prøve flere ganger. Hvis resultatene varierer mye, har du et problem med repeterbarheten i målesystemet.

Steg 3: Test reproduserbarheten

La flere personer måle samme prøve. Hvis resultatene varierer mellom personer, har du et problem med reproduserbarheten. Kanskje prosedyren er uklar, eller metoden er for subjektiv.

Steg 4: Vurder om målesystemet er godt nok

Sammenlign variasjonen i målesystemet med variasjonen du prøver å oppdage. Hvis målesystemet «bråker» mer enn signalet du leter etter, trenger du en bedre målemetode.

Ofte stilte spørsmål

Hva er målesystemanalyse (MSA)?

MSA er en strukturert metode for å vurdere om et målesystem er pålitelig nok til formålet. Du tallfester hvor mye av variasjonen som kommer fra målingen selv, og hvor mye som kommer fra det du faktisk prøver å måle.

Hvordan vet jeg om målesystemet mitt gir for mye variasjon?

En tommelfingerregel er at målesystemets variasjon bør utgjøre mindre enn 10% av den totale variasjonen du ser. Mellom 10-30% kan være akseptabelt avhengig av formålet. Over 30% betyr at målesystemet skjuler mer enn det avslører.

Hva er forskjellen på presisjon og nøyaktighet?

Presisjon handler om hvor like resultatene er når du måler det samme flere ganger. Nøyaktighet handler om hvor nær resultatene er den sanne verdien. Du kan være presis uten å være nøyaktig, og omvendt.

Når bør jeg gjennomføre en MSA?

Før du bruker data til viktige beslutninger. Spesielt når du innfører nye målemetoder, når data varierer uventet, eller når tiltak basert på data ikke gir effekt.

Vil du ha flere historier om problemløsning?

Denne historien er fra vårt ukentlige nyhetsbrev, hvor vi deler erfaringer. Korte historier for deg som vil løse problemer ved roten og oppnå målbar, varig verdiskapning.

Meld deg på nyhetsbrevet vårt:

Hvis du vil lære mer om temaene i dette innlegget:

• Lær målesystemanalyse (MSA) i praktisk nettkurs

• Forstå forskjellen på støy og signal med statistisk prosesskontroll

• Slik finner du rotårsaker i stedet for å behandle symptomer