foratvise
Loslegen
Prozessfehler (Ausschuss und Nacharbeit)

Inadequate real-time detection of defective materials

Prozessfehler (Ausschuss und Nacharbeit)QualitätGesamte Linie oder nicht spezifizierte Anlage

Die wissenschaftlichen Inhalte dieser Seite werden auf Englisch und Spanisch veröffentlicht; hier werden sie auf Englisch angezeigt.

Kurz gefasst

Sie tritt bei weniger als 1 von 100 untersuchten Linien auf.

Wenn sie auftritt, entfällt auf sie im Mittel etwa 48 % der Verlustzeit der Linie. Berichtet von 0 der 127 Studien, die sie beobachten konnten (spärliche Evidenz).

Was passiert

The line lacks sensors, vision systems or control logic capable of identifying nonconforming raw materials or in-process product as they move through the process, so defects are only discovered after the fact or not at all. This allows defective units to continue being processed, mix with good product, or accumulate before any corrective action is taken.

Was man dagegen tut

Install or upgrade inline inspection such as vision, weight, metal or seal detection with closed loop automatic rejection, calibrate detection thresholds to current product specifications, and integrate inspection data into the MES or SCADA so operators receive immediate alerts and traceable rejection records.

Praktische Hinweise auf Basis ingenieurtechnischen Wissens; keine statistische Schätzung.

1Wahrscheinlichkeit und Evidenz

Gepoolt über alle Segmente. Ein breites Intervall ist ein Ergebnis: Es zeigt, wie viel die Evidenz zu wissen erlaubt.
Auftretenswahrscheinlichkeit
0,4 % [0,1–1,1 %]
Erwarteter Anteil an der Verlustzeit
0,2 % [0,0–0,5 %]
Anteil an der Verlustzeit bei Auftreten
48 % [36–59 %]
Studien / Einheiten
127 / 161
Evidenzgrad
D

Grad D: 0 oder 1 Studie; die Schätzung beruht auf partiellem Pooling und Priori-Verteilungen, und das breite Intervall ist das Ergebnis.

2Wahrscheinlichkeit nach Segment

Partiell gepoolte Schätzungen für jedes Branchensegment.
  • Milchprodukte
    0,4 % [0,0–1,6 %]13 Studien
  • Erfrischungsgetränke, abgefülltes Wasser und Säfte
    0,4 % [0,0–1,5 %]26 Studien
  • Bier, Wein und Spirituosen
    0,4 % [0,0–1,7 %]11 Studien
  • Backwaren und Teigwaren
    0,4 % [0,0–1,5 %]24 Studien
  • Fleisch, Geflügel und Fisch
    0,4 % [0,0–1,6 %]9 Studien
  • Obst- und Gemüseverarbeitung
    0,4 % [0,0–1,8 %]7 Studien
  • Getreide- und Ölsaatenmüllerei
    0,5 % [0,0–1,8 %]6 Studien
  • Zucker und Süßwaren
    0,4 % [0,0–1,7 %]9 Studien
  • Snacks, Kaffee, Tee und sonstige Lebensmittel
    0,4 % [0,0–1,6 %]5 Studien
  • Futtermittel und Heimtiernahrung
    0,4 % [0,0–1,7 %]7 Studien
  • Lebensmittelherstellung (nicht spezifiziert oder gemischt)
    0,4 % [0,0–1,7 %]10 Studien

3Mechanismus, SCADA-Signatur und Gegenmaßnahme

Ingenieurpraktische Hinweise, um die Ursache zu erkennen und zu beheben; nicht Teil der statistischen Schätzung.

Mechanismus

Ingenieurpraktische Hinweise

The line lacks sensors, vision systems or control logic capable of identifying nonconforming raw materials or in-process product as they move through the process, so defects are only discovered after the fact or not at all. This allows defective units to continue being processed, mix with good product, or accumulate before any corrective action is taken.

So zeigt sie sich in SCADA-Daten

Ingenieurpraktische Hinweise

Inspection or vision stations show few or no automatic reject events despite a rising trend in downstream scrap, rework or complaint counters; there is a discrepancy between manual quality checks and automatic system flags; defect classification appears only in end-of-shift quality logs rather than as real-time alarms correlated with production timestamps.

Gegenmaßnahme

Ingenieurpraktische Hinweise

Install or upgrade inline inspection such as vision, weight, metal or seal detection with closed loop automatic rejection, calibrate detection thresholds to current product specifications, and integrate inspection data into the MES or SCADA so operators receive immediate alerts and traceable rejection records.

4Quellen

Jeder extrahierte Datenpunkt mit Studie, Wert und wörtlichem Zitat.
  1. Anteil an der Verlustzeit: 4,72 % · laut Bericht: “Deficiente detección y control en tiempo real de materiales defectuosos”
    Wörtliches Zitat anzeigen
    Deficiente detección y control en tiempo real de materiales defectuosos. 1097.04 4.72% 85.59%
  2. Verlustzeit: 1.097 min · laut Bericht: “Deficiente detección y control en tiempo real de materiales defectuosos”
    Wörtliches Zitat anzeigen
    Deficiente detección y control en tiempo real de materiales defectuosos. 1097.04 4.72% 85.59%
  3. Anzahl der Ereignisse: 7.660 units · laut Bericht: “Deficiente detección y control en tiempo real de materiales defectuosos”
    Wörtliches Zitat anzeigen
    Alrededor de 7660 unidades se desecharon en el año 2023 debido a esta causa.