Geautomatiseerde APQP- en PPAP-documentatie voor automotive-toeleveranciers

Advanced Product Quality Planning (APQP) en het Production Part Approval Process (PPAP) zijn fundamentele vereisten voor automotive-toeleveranciers. Voordat een nieuw onderdeel of een proceswijziging in productie gaat, moet de toeleverancier via uitgebreide documentatie aantonen dat hij consistent onderdelen kan produceren die aan alle eisen voldoen. Een PPAP-indiening omvat doorgaans 18 elementen, varierend van ontwerpdossiers tot dimensionele resultaten en procescapabiliteitsstudies.

Het opstellen van een volledige PPAP-indiening kost weken aan kwaliteitsengineering. AI brengt dit terug naar dagen door dataverzameling, analyse en documentopbouw te automatiseren.

Wat PPAP vereist

De 18 PPAP-elementen omvatten ontwerpdossiers, engineering-wijzigingsdocumenten, klantgoedkeuring vanuit engineering, ontwerp-FMEA, processtroomdiagrammen, proces-FMEA, controleplannen, meetsysteemstudies, dimensionele resultaten, materiaal- en prestatietestresultaten, initiele procesparameterstudies (capabiliteit), gekwalificeerde laboratoriumdocumentatie, uiterlijkgoedkeuring, productiemonsters, masterstandaarden, controlemiddelen, klantspecifieke vereisten en de Part Submission Warrant (PSW).

Veel van deze elementen hangen onderling samen. De proces-FMEA stuurt het controleplan. Het controleplan stuurt het inspectieplan. Het inspectieplan bepaalt welke meetsysteemstudies nodig zijn. De dimensionele resultaten tonen aan dat het proces onderdelen binnen specificatie produceert. De initiele procesparameterstudies tonen statistische capabiliteit aan.

Hoe AI PPAP automatiseert

AI-gebaseerde PPAP-systemen beheren de samenhang tussen elementen automatisch. Wanneer de proces-FMEA een hoog-risico kenmerk identificeert, zorgt de AI ervoor dat het controleplan passende beheersmaatregelen voor dat kenmerk bevat, dat het meetsysteem voor dat kenmerk is bestudeerd en dat de dimensionele resultaten en capabiliteitsdata in de indiening zijn opgenomen.

Voor meetsysteemanalyse voert de AI de statistische berekeningen uit (GR&R-studies, bias, lineariteit, stabiliteit) op basis van de ruwe meetgegevens en genereert hij de opgemaakte rapportages. Voor capabiliteitsstudies berekent het systeem Cp, Cpk, Pp en Ppk vanuit de productieserie-data en bepaalt het of de resultaten aan de klanteisen voldoen.

De AI stelt vervolgens alle elementen samen tot het opgemaakte PPAP-pakket, controleert op volledigheid en consistentie en genereert de PSW met de juiste indieningsniveau-informatie.

Levende documenten

APQP-documenten zoals de PFMEA en het controleplan horen levende documenten te zijn die worden bijgewerkt naarmate het proces verandert en ervaring zich opbouwt. In de praktijk worden ze vaak gearchiveerd na de eerste PPAP-indiening en daarna nooit meer aangepast. AI-systemen houden deze documenten actueel door proceswijzigingen, nieuw ontdekte faalmechanismen en bijgewerkte beheersmethoden automatisch te verwerken. Bij een klantaudit of nieuwe indiening zijn de documenten al actueel, in plaats van dat ze haastig moeten worden bijgewerkt.

Voor meer informatie over AI-kwaliteitssystemen in de automotive-productie kunt u terecht op de FirmAdapt-pagina voor productie-analyse.