Designed & Made in the USA Since 1983
CĆ³mo la recopilaciĆ³n inalĆ”mbrica de datos en proceso cierra la brecha entre un registro de cumplimiento y un sistema de alerta temprana.
This post is also available in:
Cuando los proveedores aeroespaciales comienzan a prepararse para el registro AS9100D, la acreditaciĆ³n NADCAP o su primera InspecciĆ³n de Primer ArtĆculo (FAI) segĆŗn AS9102B, la conversaciĆ³n suele empezar con procesos, procedimientos y planes de formaciĆ³n. Lo que se aborda tarde, a veces demasiado tarde, es la cuestiĆ³n de cĆ³mo los datos de mediciĆ³n llegan realmente de una galga a un sistema de calidad, y dĆ³nde en el flujo de producciĆ³n se realiza esa mediciĆ³n.
Ambas preguntas son importantes. Un proveedor que recopila datos limpios y trazables, pero solo al final de la lĆnea, en un laboratorio de calidad despuĆ©s de que la pieza estĆ© completa, ha resuelto un problema de trazabilidad, pero ha dejado el problema de detecciĆ³n. Para entonces, el defecto ya estĆ” hecho, el desecho ya estĆ” cortado y la reelaboraciĆ³n ya estĆ” programada.
Los proveedores mejor posicionados para la vigilancia AS9100D, la auditorĆa NADCAP y la inspecciĆ³n de origen del cliente son aquellos que recopilan datos de mediciĆ³n en cada operaciĆ³n durante la producciĆ³n, antes de que las no conformidades se agraven. Ese cambio de la inspecciĆ³n basada en laboratorio a la inspecciĆ³n en proceso tiene implicaciones en cĆ³mo se diseƱa la infraestructura de recopilaciĆ³n de datos desde el principio.
La clĆ”usula 7.1.5 de AS9100D establece los requisitos para los recursos de seguimiento y mediciĆ³n. EspecĆficamente, exige que el equipo de mediciĆ³n estĆ© calibrado, identificado, protegido contra daƱos y, fundamentalmente, que los resultados de la mediciĆ³n sean vĆ”lidos y adecuados para su propĆ³sito. La clĆ”usula 9.1 exige ademĆ”s que la organizaciĆ³n Ā«evalĆŗe y analice datos e informaciĆ³nĀ» para demostrar la conformidad de los productos.
Los auditores de NADCAP interpretan estos requisitos con considerable rigor. Las listas de verificaciĆ³n de acreditaciĆ³n para procesos como el tratamiento tĆ©rmico, los END y el procesamiento quĆmico incluyen un escrutinio explĆcito de cĆ³mo se registran los datos de mediciĆ³n, si se pueden rastrear hasta un instrumento calibrado y si el propio proceso de recopilaciĆ³n de datos introduce riesgo de error o manipulaciĆ³n.
AS9102B, la norma de InspecciĆ³n de Primer ArtĆculo, exige que los resultados de las pruebas dimensionales, funcionales y de materiales se documenten en relaciĆ³n con el requisito de diseƱo para cada caracterĆstica en el primer artĆculo. El paquete de datos enviado al cliente debe ser completo y trazable. Una Ćŗnica laguna en el registro de datos puede paralizar un programa.
En los tres marcos, la pregunta implĆcita es la misma: ĀæCĆ³mo sabe que el nĆŗmero en su sistema de calidad es el nĆŗmero que realmente midiĆ³ la galga?
Considere un escenario comĆŗn: un proveedor que realiza un primer artĆculo en un componente aeroespacial mecanizado. El inspector utiliza un micrĆ³metro digital calibrado para medir el espesor de la pared en doce ubicaciones. La galga lee hasta 0,0001″. El inspector lee la pantalla, anota el valor en un documento de seguimiento y un empleado de entrada de datos lo introduce posteriormente en el sistema de calidad.
Ese proceso introduce al menos tres modos de fallo:
Error de transcripciĆ³n. La reintroducciĆ³n manual de valores con cuatro decimales es propensa a errores. Un solo dĆgito traspuesto cambia un resultado conforme a una no conformidad o, peor aĆŗn, pasa un resultado no conforme como conforme. El Manual de Referencia MSA de AIAG identifica los errores del sistema de mediciĆ³n como una fuente significativa de variaciĆ³n del proceso, y la transcripciĆ³n manual es una de las mĆ”s controlables. Para un desglose detallado de lo que esto cuesta en la prĆ”ctica, consulte El verdadero coste de la entrada manual de datos de mediciĆ³n.
Laguna de trazabilidad. Cuando los datos se vuelven a introducir, el vĆnculo entre el valor registrado y el instrumento calibrado especĆfico que lo produjo se rompe a menos que el inspector registre manualmente el nĆŗmero de serie de la galga y el estado de calibraciĆ³n. En la prĆ”ctica, ese paso se omite con frecuencia bajo la presiĆ³n de la producciĆ³n.
Latencia de datos. La recopilaciĆ³n en papel al final de una tirada de producciĆ³n retrasa la visibilidad hasta que el daƱo estĆ” hecho. Una desviaciĆ³n dimensional que se desarrolla a mitad de la tirada puede no aparecer hasta la inspecciĆ³n de laboratorio al final del lote, momento en el que cada pieza producida despuĆ©s del inicio de la desviaciĆ³n es potencialmente no conforme. En una tirada de 500 piezas a 38 $ por pieza, un problema de herramienta o husillo que se desarrolla en la pieza 100 y pasa desapercibido hasta la inspecciĆ³n final expone 401 piezas a la disposiciĆ³n de desecho o reelaboraciĆ³n, mĆ”s de 15.000 $ solo en material. La rentabilidad se anula antes de que se tengan en cuenta los costes de mano de obra de reinspecciĆ³n, CAPA y expediciĆ³n al cliente. Alternativamente, un proceso de registro in situ podrĆa detectar la anomalĆa en la pieza 103. El mismo problema que desechĆ³ 15.000 $ en materiales afecta solo a cuatro piezas. El proceso es el mismo. El punto de detecciĆ³n es la Ćŗnica variable.
Ninguno de estos modos de fallo es exĆ³tico. Aparecen rutinariamente en los hallazgos de auditorĆa y los registros CAPA en toda la cadena de suministro aeroespacial.
El cambio mĆ”s trascendente no es solo eliminar el error de transcripciĆ³n. Es trasladar la mediciĆ³n a una fase anterior del flujo de producciĆ³n. La inspecciĆ³n en laboratorio de calidad, por rigurosa que sea, es de naturaleza reactiva, mientras que la inspecciĆ³n en proceso en la mĆ”quina o estaciĆ³n de montaje es proactiva. La distinciĆ³n importa enormemente para el coste de la calidad, y es cada vez mĆ”s lo que los auditores de AS9100D y los clientes aeroespaciales esperan ver en un sistema de calidad maduro.
Confiar en un departamento de calidad para detectar todos y cada uno de los errores al final de una operaciĆ³n crea una cultura intrĆnseca de aceptabilidad de defectos. Implica que los defectos son aceptables de producir siempre que se detecten antes del envĆo, una postura fundamentalmente reactiva que incorpora la reelaboraciĆ³n y el desecho en la estructura de costes por diseƱo. Los proveedores que se toman en serio el control de procesos no dirigen las decisiones de conformidad a travĆ©s de un laboratorio posterior; incorporan la inspecciĆ³n al flujo de producciĆ³n para que las condiciones fuera de tolerancia se detecten y corrijan antes de fabricar la siguiente pieza.
La limitaciĆ³n que permite la inspecciĆ³n en proceso ha sido histĆ³ricamente la infraestructura. Las conexiones por cable a un terminal de recopilaciĆ³n de datos estacionario funcionan en un laboratorio; son poco prĆ”cticas en un taller dinĆ”mico donde el inspector se mueve entre estaciones y los accesorios cambian constantemente. Si bien las soluciones cableadas crean riesgos de tropiezo y carga de mantenimiento, la recopilaciĆ³n inalĆ”mbrica de datos de galgas proporciona la movilidad y flexibilidad para realizar la recopilaciĆ³n de datos en proceso.
Con un sistema inalĆ”mbrico como MobileCollect, los inspectores se mueven libremente por el taller con un dispositivo mĆ³vil, recopilando datos en mĆŗltiples puntos del proceso y alimentĆ”ndolos directamente a un software de calidad basado en la nube como Net-Inspect. Cuando varios inspectores trabajan simultĆ”neamente, el volumen de datos que fluye al sistema aumenta significativamente, lo que proporciona a los equipos de calidad muchos mĆ”s datos con los que trabajar al evaluar la estabilidad del proceso. Un sistema robusto de recopilaciĆ³n de datos inalĆ”mbrica permite a los operadores de mĆ”quinas la capacidad de capturar consistentemente datos de caracterĆsticas de igual calidad que sus homĆ³logos de inspecciĆ³n. Esa combinaciĆ³n de entradas, analizadas en tiempo real frente a los lĆmites de control, es lo que hace visibles las condiciones fuera de control antes de que produzcan un lote de piezas no conformes.
El mecanismo que hace esto accionable es el Control EstadĆstico de Procesos, SPC. Cada mediciĆ³n se grafica en tiempo real frente a los lĆmites de control superior e inferior en un grĆ”fico Xbar-R o I-MR. El sistema evalĆŗa no solo si la pieza actual estĆ” dentro de las especificaciones, sino si el proceso que la produce es estable y predecible. Una lectura que tiende hacia un lĆmite de control, incluso si aĆŗn es conforme, es una seƱal accionable. Esa es la diferencia operativa entre la inspecciĆ³n y el control de procesos: la inspecciĆ³n le dice lo que hizo; el SPC le dice lo que estĆ” a punto de hacer. Esta es, en esencia, la base de su Ćndice de Capacidad de Proceso, o Cpk.
Para los proveedores en el camino hacia una mayor automatizaciĆ³n, esta arquitectura tambiĆ©n establece la infraestructura de datos que requiere la inspecciĆ³n sin personal. Cuando los datos de mediciĆ³n fluyen de la galga al sistema de calidad en tiempo real, sin transcripciĆ³n humana, el proceso de recopilaciĆ³n ya no depende de que un inspector introduzca manualmente los valores en un terminal. Ese es un paso significativo hacia las decisiones de conformidad automatizadas a nivel de celda.
Un ejemplo realista: un taller de mecanizado aeroespacial de nivel 2 que se prepara para la presentaciĆ³n de la FAI AS9102B en un soporte estructural. Doce dimensiones crĆticas requieren inspecciĆ³n en diez piezas. En lugar de llevar las piezas terminadas al laboratorio de calidad, el plan de inspecciĆ³n exige controles dimensionales en la celda de mecanizado, detectando cualquier desviaciĆ³n antes de que se propague por todo el lote.
El inspector utiliza calibradores digitales calibrados y un medidor de orificios, cada uno emparejado con un MĆ³dulo MĆ³vil Mini MobileCollect EVO M3E. MoviĆ©ndose libremente alrededor de la pieza de trabajo mientras estĆ” configurada en la mĆ”quina, el inspector mide cada caracterĆstica y presiona el botĆ³n de datos del transmisor. El valor se transmite instantĆ”neamente a Net-Inspect, donde se registra contra la caracterĆstica correcta, el nĆŗmero de serie de la pieza correcto y la ID del instrumento calibrado, desde el taller, en tiempo real.
Cuando una lectura del espesor de la pared en la pieza tres se acerca al lĆmite de control inferior, el sistema lo marca antes de que se prepare la pieza cuatro. El operador ajusta el desplazamiento de la herramienta. Las siete piezas restantes se ejecutan limpias. Sin la recopilaciĆ³n inalĆ”mbrica en proceso, esa desviaciĆ³n se habrĆa descubierto en el laboratorio de calidad despuĆ©s de que las diez piezas estuvieran completas, con una posible disposiciĆ³n de desecho o reelaboraciĆ³n en todo el lote.
El paquete de datos FAI se ensambla en Net-Inspect a medida que avanza la inspecciĆ³n, no se reconstruye posteriormente a partir de documentos de seguimiento. Cuando el representante de ingenierĆa designado por el cliente revisa la presentaciĆ³n, cada valor es trazable a un instrumento calibrado especĆfico en una fecha especĆfica, sin reintroducciĆ³n manual en la cadena.
Para la preparaciĆ³n de NADCAP, la misma arquitectura respalda la preparaciĆ³n para la auditorĆa: el auditor que pregunta Ā«muĆ©streme cĆ³mo se registrĆ³ esta mediciĆ³n y rastrĆ©ela hasta el instrumento calibradoĀ» obtiene una respuesta completa y documentada, junto con evidencia de que las mediciones se tomaron en el punto de producciĆ³n, no reconstruidas despuĆ©s del hecho.
El argumento del coste se agudiza en la producciĆ³n continua. Considere una tirada de producciĆ³n de 500 piezas durante dos dĆas, un escenario comĆŗn para las operaciones de mecanizado de nivel 2. Un problema de desgaste de la herramienta o del husillo que se desarrolla en la pieza 100 es invisible para un proceso de inspecciĆ³n solo de laboratorio hasta que se completa el lote. Para entonces, 401 piezas son potencialmente no conformes. Con la recopilaciĆ³n inalĆ”mbrica en proceso y el monitoreo SPC en la celda, el mismo evento de desviaciĆ³n activa una alerta de lĆmite de control en la pieza 103. Cuatro piezas estĆ”n en riesgo. El operador corrige el desplazamiento. Las 397 piezas restantes se ejecutan limpias. Mismo proceso. Misma desviaciĆ³n. El punto de detecciĆ³n y el coste son las Ćŗnicas cosas que difieren.
La barrera prĆ”ctica para la recopilaciĆ³n inalĆ”mbrica en proceso es menor de lo que la mayorĆa de los proveedores esperan, pero hay decisiones legĆtimas que tomar:
Compatibilidad de galgas. La mayorĆa de las galgas de precisiĆ³n digitales producidas en los Ćŗltimos 15 aƱos tienen capacidad de salida Digimatic o RS-232, y un puerto de salida de datos es todo lo que se necesita para poner una galga en lĆnea como nodo de recopilaciĆ³n de datos inalĆ”mbrica. Hay muchas marcas y conectores disponibles para galgas digitales y la Herramienta de selecciĆ³n MobileCollect de MicroRidge es una excelente herramienta para identificar quĆ© opciones inalĆ”mbricas existen para sus galgas. Introduzca la marca y el modelo de su galga para confirmar la compatibilidad de la interfaz antes de la implementaciĆ³n.
Entorno de RF. Los talleres llenos de equipos electromecĆ”nicos, gabinetes CNC u otros generadores de seƱal requieren una soluciĆ³n inalĆ”mbrica robusta. Los sistemas de galgas inalĆ”mbricas de grado industrial como MobileCollect utilizan el protocolo inalĆ”mbrico industrial RM2.4 de MicroRidge, diseƱado especĆficamente para entornos de fabricaciĆ³n donde protocolos como Bluetooth y ATN se quedan cortos (consulte Por quĆ© Bluetooth falla en la fabricaciĆ³n).
IntegraciĆ³n del plan de inspecciĆ³n. La recopilaciĆ³n inalĆ”mbrica ofrece todo su valor cuando el plan de inspecciĆ³n especifica quĆ© caracterĆsticas se miden en proceso frente a la inspecciĆ³n final, con lĆmites de control definidos para cada una. Sin esa estructura, la transmisiĆ³n de datos en tiempo real no produce automĆ”ticamente una respuesta en tiempo real. El operador necesita saber quĆ© acciĆ³n tomar cuando un valor tiende hacia un lĆmite.
IntegraciĆ³n de software. El sistema de recopilaciĆ³n debe escribir en la plataforma de calidad en un formato que la plataforma pueda recibir. Net-Inspect, entre otros proveedores de software SPC, admite la importaciĆ³n directa de datos desde hardware de recopilaciĆ³n inalĆ”mbrica, lo que facilita la integraciĆ³n con los sistemas de recopilaciĆ³n a nivel de taller y elimina cualquier paso intermedio de manejo de datos.
VinculaciĆ³n del registro de calibraciĆ³n. El mĆ³dulo inalĆ”mbrico debe capturar el identificador de la galga en cada mediciĆ³n para que la cadena de trazabilidad, desde el valor registrado hasta el instrumento calibrado, estĆ© intacta sin entrada manual. Esta es una decisiĆ³n de configuraciĆ³n, no una limitaciĆ³n de hardware, pero debe ser deliberada desde el principio.
āPara cuando se detecta una no conformidad en el laboratorio de calidad, el coste ya estĆ” fijado y, francamente, si se confĆa en un laboratorio posterior como principal puerta de conformidad, ya se ha aceptado un sistema defectuoso. Los proveedores que estĆ”n ganando en calidad son los que eliminaron esa puerta por completo y trasladaron la inspecciĆ³n al punto de producciĆ³n. Cuando se mide en lĆnea, en la mĆ”quina, se detecta el error antes de que se convierta en una pieza. Eso no es solo un mejor cumplimiento, es una estructura de costes fundamentalmente diferente. Y una vez que sus datos fluyen en tiempo real, directamente desde la galga a su plataforma de calidad, no estĆ” lejos de que el taller funcione por sĆ mismo.ā
ā Mike Dunlop, Fundador, Net-Inspect
Net-Inspect es una plataforma de gestiĆ³n de calidad basada en la nube, diseƱada especĆficamente para la cadena de suministro aeroespacial, que soporta la InspecciĆ³n de Primer ArtĆculo, PPAP y flujos de trabajo de calidad de proveedores segĆŗn los requisitos de AS9100D y NADCAP. Net-Inspect y MicroRidge son socios de integraciĆ³n.
AS9100D, NADCAP y AS9102B, en Ćŗltima instancia, plantean la misma pregunta en diferentes formas: Āæpuede demostrar que sus resultados de mediciĆ³n son vĆ”lidos? La recopilaciĆ³n inalĆ”mbrica de datos en proceso responde a esa pregunta de manera mĆ”s completa que la recopilaciĆ³n basada en laboratorio, no solo porque elimina el error de transcripciĆ³n, sino porque cierra la brecha de detecciĆ³n que deja abierta la inspecciĆ³n al final de la lĆnea.
Para los proveedores que construyen una infraestructura de calidad que resistirĆ” la vigilancia del registrador y la inspecciĆ³n de origen del cliente, la inversiĆ³n en recopilaciĆ³n inalĆ”mbrica y plataformas de calidad integradas es una decisiĆ³n de control de procesos, no solo una decisiĆ³n tecnolĆ³gica. Pertenece a la misma conversaciĆ³n que los estudios R&R de galgas, el desarrollo del plan de control y el diseƱo del plan de inspecciĆ³n, temprano y con el mismo rigor.
Los proveedores que realizan esa inversiĆ³n ahora tambiĆ©n se estĆ”n posicionando para el siguiente paso, y estĆ” mĆ”s cerca de lo que la mayorĆa cree. Cuando los datos de mediciĆ³n fluyen de la galga al sistema de calidad en tiempo real, la inspecciĆ³n ya no depende de que un humano revise manualmente los resultados del laboratorio y tome una decisiĆ³n de disposiciĆ³n. La decisiĆ³n de conformidad se convierte en un evento de datos. La lĆ³gica automatizada de aprobaciĆ³n/rechazo a nivel de celda, las alertas del operador activadas por excedencias de lĆmites de control y los registros de calidad ensamblados sin intervenciĆ³n humana son todos alcanzables con la infraestructura que se estĆ” implementando hoy. La fabricaciĆ³n sin personal no es un estado de ensueƱo, es el punto final de un sistema construido sobre una base de recopilaciĆ³n de datos automatizada.
Riley Tronson es presidente y propietario de MicroRidge Systems, cargo que ocupa desde 2023. Riley aporta una sĆ³lida base tĆ©cnica al liderazgo en soluciones de mediciĆ³n. Emprendedor con experiencia, Riley ha fundado y hecho crecer varias empresas de software, incluida una iniciativa centrada en el desarrollo de aplicaciones para iPhone, combinando experiencia en ingenierĆa con un desarrollo de producto innovador.