Askel kohti laadulla johtamista – miten tehostaa laatudatan keräystä ja hallintaa?

tqa-webinaarinosto

Big datasta on puhuttu teollisuudessa pitkään, mutta todellisuudessa vain pieni osa kerätystä datasta oikeasti hyödynnetään – keskimäärin vain noin 5 % yrityksissä kerätystä datasta hyödynnetään tehokkaasti. Laadunhallinnan näkökulmasta datassa on kuitenkin kiinni valtava määrä rahanarvoista tietoa. 

Tyypillisimmin ongelmat datan hyödyntämisessä liittyvät datan heikkoon jäljitettävyyteen (mitä on tehty, millaisella laadulla, kuka teki ja milloin teki?), tiedon hajanaisuuteen ja järjestelmien sekamelskaan, käyttäjien rooliin datan keräyksessä sekä puutteellisiin mittareihin ja tavoitteisiin. 

Kun laatua halutaan lähteä kehittämään, kannattaa ensimmäisenä pureutua ketjun alkupäähän, eli datan keräysmenetelmiin. Mitkä ovat laadun kannalta kriittisiä pisteitä ja miten näissä pisteissä kannattaa laatua mitata?

Laadunhallinnan kolme työkalua – miten laatudata syntyy?

Teollisuudessa on tarjolla kolme yleisesti sopivaa ratkaisua laadunhallintaan. Nämä laadun testausmenetelmät tuottavat tuotantoprosessista kattavasti arvokasta raakadataa, josta on hyötyä esimerkiksi laatuhaasteiden juurisyiden selvittämisessä ja tuotekehityksessä.

1. Anturit ja mittausjärjestelmät

Erilaiset anturit ja mittausjärjestelmät ovat varmasti monelle jo tuttuja. Antureilla kerätään tietoa tuotteista, prosesseista sekä toimintaolosuhteista esimerkiksi jatkuvilla aikasarja- tai prosessimittauksilla. Tämä voi tarkoittaa vaikkapa taloautomaatiojärjestelmää, olosuhteiden seurantajärjestelmää, kunnonvalvonnan mittauksia tai tuotantokoneisiin ja -prosesseihin liittyviä mittausjärjestelmiä.

2. Manuaalitestauksen digitalisointi

Teollisuudessa manuaalitestausta tehdään yhä paljon: esimerkiksi käsityönä tehtäviä tarkastuksia, mittauksia ja testauksia, joiden tulokset kirjataan Excel-taulukoihin tai paperilomakkeille. Manuaalitestauksen digitalisoinnilla voidaan saavuttaa merkittäviäkin hyötyjä melko maltillisilla toimenpiteillä. Ratkaisut täytyy kuitenkin valita niin, että ne sopivat työnkulkuun ja tukevat työvaiheita, eivätkä lisää kirjausten määrää. 

Esimerkiksi tuotantolinjalle sijoitettujen digitaalisten päätelaitteiden avulla voidaan ohjata ja tehostaa operaattorin eli testaajan toimintaa. Samalla virheiden määrä vähenee ja datankeruun malli vakioituu. Digitalisaatio mahdollistaa myös tiedon rikastamisen liittämällä siihen arvokasta metatietoa, mikä auttaa myöhemmin tiedon analysoinnissa.

3. Automaattitestaus

Automaattitestaus on nykyaikaisen laadunvarmistuksen kulmakivi. Se tulee ajankohtaiseksi, kun käsitellään isompia volyymeja, testaaminen käy liian työlääksi, testausvaatimukset tiukentuvat tai testausprosessi muuttuu niin monimutkaiseksi, ettei sitä pystytä manuaalisesti suorittamaan. Automaattitestausta voidaan suorittaa yksittäisillä testauspisteillä tai laajemmissa testausympäristöissä joko täysin automaattisesti tai puoliautomaattitestereillä. 

Automaattitestaus minimoi käyttäjästä aiheutuvat virheet ja vaihtelut, mutta samaan aikaan on tärkeä tunnistaa ympäristöstä tai esimerkiksi tuote-eristä aiheutuneet laadunvaihtelut. Myös testereiden itsediagnostiikka ja kuluminen voivat vaikuttaa testituloksiin.

Laatu- ja jäljitettävyysdatan hallinta-alusta tekee tiedosta reaaliaikaista ja läpinäkyvää

Jotta kerätystä datasta voidaan tehdä laadun kannalta oleellisia johtopäätöksiä ja saavuttaa siten aidosti kilpailuetua, esimerkiksi asiakastyytyväisyyden ja kustannustehokkuuden muodossa, täytyy ymmärtää, mistä laatu kokonaisuudessaan rakentuu. Kokonaiskuva muodostuu analysoimalla tuotantoprosessia ja tunnistamalla laadun sekä jäljitettävyyden kannalta oleelliset asiat, kuten komponentit, työvaiheet, seurantavaatimukset ja raportointitarpeet. 

Yksittäiset tai itsenäiset mittaus- ja testauslaitteistot eivät siis ratkaise kaikkia laadunhallintaan liittyviä haasteita. Tuotantolaitosten erilaiset prosessit ja monitahoiset tuotantoketjut aiheuttavat tiedon sirpaloitumisen, ja usein näistä johtuvia yksittäisiä haasteita taklataan erilaisilla osaratkaisuilla. Mutta entä jos koko laadunhallinnan paletti aina tehtaan lattiatasolta johdon raportointiin voitaisiin ratkaista tehokkaammin ja kokonaisvaltaisemmin yhden teknologia-alustan avulla?

Skaalatuvan laatu- ja jäljitettävyysdatan hallinta-alustan avulla reaaliaikainen laatudata voidaan valjastaa koko organisaation yhteiseksi päätöksenteon välineeksi. Esimerkiksi Sight by Pinja -laitteisto ja ohjelmistoalusta tarjoaa kustannustehokkaan ja helppokäyttöisen työkalun laadulla johtamiseen. Huolellinen ja keskitetty datan hallinta mahdollistaa esimerkiksi tuotannon olosuhteiden reaaliaikaisen seurannan ja laadun jäljittämisen yksittäisiin tuote-eriin, jonka ansiosta tuotteiden takaisinkutsut tai takuuhuollot voidaan tehdä nopealla aikataululla. 

Haluatko kuulla lisää?

Jaoimme konkreettiset vinkit ja ratkaisut laatudatan tehokkaampaan hyödyntämiseen tuoreessa webinaarissamme. Katso webinaaritallenne täältä: Kipuiletko laatudatan keräyksen ja hallinnan kanssa? Kolme työkalua, joilla asia ratkaistaan

Lue lisää

Webinaaritallenne: Vaietut laatuongelmat tuotannossa – inhimillinen haaste, teknologinen ratkaisu
Opas: Mittaus-, testaus- ja laadunvarmistusjärjestelmän käyttöönotto
3 syytä panostaa laadulla johtamiseen – miksi luoda laatustrategia?
Mittaus-, testaus- ja laadunvarmistus

Teemu Väyrynen

Teemu Väyrynen

Työskentelen Pinjalla Sales Managerina mittaus-, testaus- ja laadunvarmistusjärjestelmiä tuottavassa liiketoimintayksikössä. Olen työskennellyt teollisuuden tuotekehitys- ja laatuasioiden parissa jo reilun 6 vuoden ajan niin ohjelmistokehitys-, järjestelmäsuunnittelu-, projektointi- kuin myyntitehtävissäkin. Vapaa-aikani kuluu perheen, ystävien, matkustelun ja urheilun parissa.

Lue lisää tältä kirjoittajalta