Quality Improvement Application in The Conductor Industry with Statistical Process Control

Year 2024, Volume: 29 Issue: 1, 67 - 84, 22.04.2024

İrem Meran , Hacer Güner Gören

https://doi.org/10.17482/uumfd.1299193

Abstract

Using quality tools, it is possible to obtain high quality products, reduce scrap rate and ensure customer satisfaction control by keeping the process under control. The most widely used tool among these is Statistical process control (SPC) with the aim of controlling, monitoring and improving a process. In this study, quality improvement studies were conducted in a company in conductor industry. Firstly, the current situation analysis of one product was analyzed using basic statistical methods such as histograms, pareto analysis, pareto analysis, scatter plot and control charts. Brainstorming and ishikawa diagram were used to determine the root causes of a decrease in the process capability index. Then, multivariate regression analysis was used to analyze the inputs thought to be effective in the process. Based on the results of the regression analysis, the experimental designs were developed and the correlation equation was constructed again. The production was carried out with the parameters obtained from experiments designed to achieve the target process adequacy and the process was observed to be improved based on the results obtained. This study has revealed that the use of statistical process control techniques in industrial applications can provide workforce, time, resource use efficiency and customer satisfaction.

Keywords

Statistical Process Control, Univariate and Multivariate Statistical Process Control, Control Charts, Experimental Design.

İSTATİSTİKSEL SÜREÇ KONTROLÜ İLE İLETKEN ENDÜSTRİSİNDE KALİTE İYİLEŞTİRME UYGULAMASI

Abstract

Süreci kontrol altında tutarak yüksek kalitede ürün elde etmek, hurda oranını azaltmak ve müşteri memnuniyetini sağlamak kalite araçları kullanarak mümkündür. Bunlardan en yaygın kullanılanı bir süreci kontrol altında tutmak, izlemek ve iyileştirmek amacını taşıyan İstatistiksel süreç kontrolüdür (IPK). Bu çalışmada iletken endüstrisinde faaliyet gösteren bir firma için istatistik süreç kontrol teknikleri ile kalite iyileştirme çalışmaları yapılmıştır. Öncelikle, temel istatistiksel süreç kontrol tekniklerinden histogram, pareto analizi, serpilme diyagramları ve kontrol çizelgeleri kullanılarak bir ürün için sürecin mevcut durum analizi yapılmıştır. Beyin fırtınası ve balık kılçığı diyagramı yardımıyla sürecin yeterliliğinin düşmesine sebep olduğu düşünülen kök nedenler belirlenmiştir. Daha sonra, çok değişkenli regresyon analizi ile süreçte etkili olduğu düşünülen girdiler analiz edilmiştir. Regresyon analizinin sonucuna göre deney tasarımları geliştirilmiş ve tekrar ilişki denklemi kurulmuştur. Hedef süreç yeterliliğine ulaşabilmek için tasarlanmış deneylerden elde edilen parametreler ile üretim yapılmış ve elde edilen sonuçlara göre sürecin müşteri isteği doğrultusunda iyileştirildiği gözlenmiştir. Bu çalışma, istatistiksel süreç kontrol tekniklerinin endüstriyel uygulamalarda kullanımının iş gücü, zaman, kaynak kullanım verimliliği ve müşteri memnuniyeti sağlayabileceğini göstermiştir.

Keywords

İstatistiksel Proses Kontrol, Tek Değişkenli ve Çok Değişkenli İstatistiksel Proses Kontrol, Kontrol Çizelgeleri, Deneysel Tasarım

References

• 1. Akın B. (1996) İşletmelerde İPK Teknikleri, Bilim Teknik Yayınları, İstanbul.
• 2. Akyurt, İ.Z (2020) Gıda Sektöründe İstatistiksel Proses Kontrolü: Endüstriyel Ekmek Üretim Tesisi Uygulaması, Erzincan Üniversitesi, Fen Bilimleri Enstitüsü Dergisi, 13 (1), 235-257. doi: 10.181185/erzifed.605670.
• 3. Arab Momeni, M., Yaghoubi, S., & Reza Mohammad Aliha, M. (2019) An optimal control model for analyzing quality investment in the project management. Computers & Industrial Engineering, 129, 529–544. doi: 10.1016 /j.cie.2019.02.007.
• 4. Bayraktar E. (2007) Üretim ve Hizmet Süreçlerinin Yönetimi, Çağlayan Kitabevi, İstanbul.
• 5. Barbosa, B., Pereiraa, M., T., Silva, F. J. G., Campilho, R. D. S. G. (2017) Solving Quality Problems in Tyre Production Preparation Process: A Practical Approach, Procedia Manufacturing, 11, 1239 – 1246. doi: 10.1016/j.promfg.2017.07.250.
• 6. Does, R., J., M., M., Schıppers, W., A., J., Trip, A., (1997) A Framework For Implementation Of Statistical Process Control, International Journal Of Quality Service, 2 (3), 181-198, doi: 10.1108/13598539710170821.
• 7. Elevli, S.ve Behdioğlu, S. (2006) İstatistiksel Proses Kontrolü Teknikleri ile Kömür Kalitesindeki Değişkenliğin Belirlenmesi, Madencilik, 45 (3), 19-26.
• 8. Gitlow, H., Gitlow S., Oppenheim A., Oppenheim R. (1989) Tools and Methods for the Improvement of Quality, Irwin Homewood, IL, U.S.A.
• 9. Güleryüz, D. (2020). Dinamik Kalite Kontrol Yaklaşımı ile İstatistiksel Süreç İzleme ve Ayarlama, Doktora Tezi, İstanbul Üniversitesi-Cerrahpaşa Lisansüstü Eğitim Enstitüsü, Endüstri Mühendisliği Anabilim Dalı, İstanbul.
• 10. Güneş, M., Rıza, A., Firuzan E. (1999). Stok Kontrolü ve Toplam Kalite Yönetimi, Barış Yayınları, İzmir.
• 11. Liu,Z., Wang, S., Gu, X., Li, Z., Dong, Q., Cui,B. (2022) Application of a novel EWMA-ϕ chart on quality control in asphalt mixtures production, Construction and Building Materials, 323, 126264. doi: 10.1016/j.conbuildmat.2021. 126264.
• 12. Kane Victor E. (1989) Defect Prevention-Use of Simple Statistical Tools, Marcel Dekker Inc., New York.
• 13. Kaya İ., Ağa A. (2011) Kalite İyileştirme Sürecinin Yedi Temel Aracı ve Motor-Traktör İmalatı Yapan Bir İşletmede Uygulanması. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11, 447-468.
• 14. Kim, J., Lim, C. (2021) Customer complaints monitoring with customer review data analytics: An integrated method of sentiment and statistical process control analyses, Advanced Engineering Informatics, 49, 101304. doi:10.1016/j.aei.2021.10130.
• 15. Montogomery, D.C. (2009) Introduction to Statistical Quality Control, Sixth Edition. John Wiley & Sons, Inc., Amerika.
• 16. Oakland J.S. (1992) Statistical Process Control, Elsevier, MA, Amerika.
• 17. Orçanlı, K. (2021). Döküm Sanayinde Süreç Tabanlı Temel Gösterimleri ile İstatistiksel Süreç Kontrolü, Journal of Engineering and Science, 9 (1), 134 – 158. doi: 10.21541/apjes.720051.
• 18. Ryan, B.F., Joiner, B.L. (1994) Minitab Handbook, Third Edition, Duxbury Pres, İngiltere.
• 19. Samuel I., Norman L. (1993) Process Capability Indices, Chapman and Hall, İngiltere.
• 20. Sanchez, A.F., Baldan, F.J., Sainz-Palmero, G.I., Benítez, J.M., Fuente, M.J. (2018) Fault Detection Based on Time Series Modeling and Multivariate Statistical Process Control, Chemometrics and Intelligent Laboratory Systems, 182, 57–69. doi: 10.1016/j.chemolab.2018.08.003.
• 21. Şahin, O. (2013) İstatistiksel Proses Kontrolünde Yeterlilik Analizi ve Tekstil Sektöründe Uygulama, Atatürk Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 27 (2), 253-271.
• 22. Tôrres, A. R., de Oliveira, A. D. P., Grangeiro, S., & Fragoso, W. D. (2018) Multivariate statistical process control in annual pharmaceutical product review, Journal of Process Control, 69, 97–102. doi:10.1016/j.jprocont.2018.06.001.