Statisztikai folyamatszabályozás

Történelem

A statisztikai folyamatszabályozás úttörője Walter A. Shewhart volt az 1920-as évek elején. Shewhart teremtette meg az irányítódiagram és a statisztikai ellenőrzés állapotának alapját gondosan megtervezett kísérletekkel. Bár Dr. Shewhart tisztán matematikai statisztikai elméletekből merített, megértette, hogy a fizikai folyamatokból származó adatok ritkán adnak "normális eloszlási görbét" (Gauss-eloszlás, más néven "haranggörbe"). Felfedezte, hogy a gyártási adatokban megfigyelt eltérések nem mindig viselkednek ugyanúgy, mint a természetben előforduló adatok (például a részecskék Brown-mozgása). Dr. Shewhart arra a következtetésre jutott, hogy bár minden folyamatban előfordul variáció, egyes folyamatokban a folyamat számára természetes, ellenőrzött variáció jelenik meg (a variáció közös okai), míg másokban olyan ellenőrizetlen variáció, amely nem mindig van jelen a folyamat oksági rendszerében (a variáció speciális okai). Az ellenőrizetlen eltérés gyakran kapcsolódik a hibás termékekhez, és adatvezérelt eszközt biztosít a problémák azonosításához és a minőség javításához.

W. Edwards Deming később a második világháború alatt az SPC módszereket alkalmazta az Egyesült Államokban, és ezzel sikeresen javította a minőséget a lőszerek és más stratégiailag fontos termékek gyártásában. A háború befejezése után jelentős szerepet játszott az SPC-módszerek bevezetésében a japán iparban. Deming megközelítése, amely az SPC-t a kapcsolódó irányítási gyakorlatokkal együtt alkalmazza, minőségirányítási rendszerként vált ismertté.

Alkalmazás

Az alábbi leírás inkább a gyártásra, mint a szolgáltatóiparra vonatkozik, bár az SPC alapelvei bármelyik ágazatban sikeresen alkalmazhatók. Az SPC szolgáltatási környezetre való alkalmazásának leírását és példáját Roberts (2005) tartalmazza. Selden leírja, hogyan lehet az SPC-t az értékesítés, a marketing és az ügyfélszolgálat területén alkalmazni, Deming híres Vörös Gyöngy kísérletét használva könnyen követhető demonstrációként.

A tömeggyártásban a késztermék minőségét hagyományosan a termék gyártás utáni ellenőrzésével érték el; az egyes termékek (vagy a gyártási tételekből vett minták) elfogadása vagy visszautasítása annak alapján történt, hogy azok mennyire feleltek meg a tervezési előírásoknak. Ezzel szemben a statisztikai folyamatellenőrzés statisztikai eszközöket használ a gyártási folyamat teljesítményének megfigyelésére, hogy előre jelezze a jelentős eltéréseket, amelyek később visszautasított terméket eredményezhetnek.

Minden gyártási folyamat során kétféle variáció fordul elő: a folyamatváltozások mindkét fajtája a végtermékben későbbi változásokat okoz. Az elsőt természetes vagy általános okú variációnak nevezzük, és a folyamatban rejlő, a folyamat tervezése során kialakult variációból áll. A közös okból eredő eltérések közé tartozhatnak a hőmérséklet, a nyersanyagok tulajdonságainak, az elektromos áram erősségének stb. változásai. A második fajta eltérés az úgynevezett különleges okú eltérés vagy hozzárendelhető okú eltérés, amely ritkábban fordul elő, mint az első. Elegendő vizsgálattal a különleges okú eltérések esetében konkrét okot, például rendellenes nyersanyagot vagy helytelen beállítási paramétereket lehet találni.

Például egy reggelizőpehely csomagolósor tervezhető úgy, hogy minden egyes gabonapelyhes dobozt 500 gramm termékkel töltsön meg, de néhány dobozban valamivel több lesz, mint 500 gramm, néhányban pedig valamivel kevesebb, a nettó súlyok eloszlásának megfelelően. Ha a gyártási folyamat, annak inputjai vagy a környezet változik (például a gyártást végző gépek elhasználódnak), akkor ez az eloszlás megváltozhat. Például, ahogy a bütykök és csigák elhasználódnak, a gabonapelyhet töltő gép elkezdhet a megadottnál több gabonapelyhet tenni minden egyes dobozba. Ha ez a változás ellenőrizetlenül folytatódik, egyre több olyan termék fog készülni, amely kívül esik a gyártó vagy a fogyasztó által meghatározott tűréshatárokon, ami hulladékot eredményez. Bár ebben az esetben a hulladék a fogyasztó számára "ingyenes" termék formájában jelentkezik, a hulladék általában utómunkából vagy selejtből áll.

Ha a megfelelő időben megfigyeli, hogy mi történt a folyamatban, ami a változáshoz vezetett, a minőségügyi mérnök vagy a gyártósorért felelős csapat bármely tagja meg tudja keresni a folyamatba bekúszott eltérés gyökerét, és ki tudja javítani a problémát.

Az SPC jelzi, hogy egy folyamat során mikor kell intézkedést tenni, de azt is jelzi, hogy mikor NEM kell intézkedést tenni. Egy példa erre egy olyan személy, aki állandó testsúlyt szeretne fenntartani, és hetente méréseket végez. Egy olyan személy, aki nem érti az SPC fogalmakat, minden alkalommal, amikor a súlya nő, diétázni kezd, vagy minden alkalommal, amikor a súlya csökken, többet eszik. Ez a fajta cselekvés káros lehet, és esetleg még nagyobb testsúlyingadozást generálhat. Az SPC figyelembe venné a normális testsúlyváltozást, és jobban jelezné, ha az illető valójában hízik vagy fogy.

Az SPC alapvető lépései

A statisztikai folyamatszabályozás nagyjából három tevékenységcsoportra bontható: a folyamat megértése; a variáció okainak megértése; és a különleges okú variáció forrásainak kiküszöbölése. Az SPC legfontosabb eszközei az ellenőrző diagramok, a folyamatos javításra való összpontosítás és a tervezett kísérletek.

Egy folyamat megértése során a folyamatot jellemzően feltérképezik, és a folyamatot kontrollgrafikonok segítségével követik nyomon. A szabályozódiagramokat arra használják, hogy azonosítsák a különleges okokra visszavezethető eltéréseket, és hogy a felhasználót mentesítsék a közös okokból eredő eltérésekkel kapcsolatos aggodalmaktól. Ez egy folyamatos, folyamatos tevékenység. Ha egy folyamat stabil, és nem váltja ki a szabályozási diagram egyik észlelési szabályát sem, akkor folyamat-képesség elemzést is el lehet végezni annak megjóslására, hogy a jelenlegi folyamat képes-e a jövőben megfelelő (azaz a specifikáción belüli) terméket előállítani.

Ha a vezérlőkarakterisztika felismerési szabályai túlzott eltérést azonosítanak, vagy a folyamat képességét hiányosnak találják, további erőfeszítéseket kell tenni az eltérés okainak meghatározására. Az alkalmazott eszközök közé tartoznak az Ishikawa-diagramok, a tervezett kísérletek és a Pareto diagramok. A tervezett kísérletek kritikus fontosságúak az SPC ezen fázisában, mivel ezek az egyetlen eszközök az eltérés számos lehetséges oka relatív fontosságának objektív számszerűsítésére.

Miután számszerűsítették az eltérés okait, erőfeszítéseket tesznek a statisztikailag és gyakorlatilag is jelentős okok kiküszöbölésére (azaz egy olyan ok, amelynek csak kis mértékű, de statisztikailag jelentős hatása van, nem feltétlenül tekinthető költséghatékonyan javíthatónak; ugyanakkor egy statisztikailag nem jelentős okot soha nem lehet gyakorlatilag jelentősnek tekinteni). Általában ez magában foglalja a szabványos munka kidolgozását, a hibabiztosságot és a képzést. További folyamatmódosításokra lehet szükség a variáció csökkentéséhez vagy a folyamatnak a kívánt célhoz való igazításához, különösen, ha a folyamat képességével van probléma.

SPC és szoftverminőség

1989-ben a Software Engineering Institute a Capability Maturity Model (CMM) keretében bevezette azt a gondolatot, hogy az SPC-t hasznosan lehet alkalmazni a nem gyártási folyamatokra, például a szoftverfejlesztési folyamatokra. Ez az elképzelés ma a képességi érettségi modell integrációjának (CMMI) 4. és 5. szintű gyakorlataiban létezik. Az az elképzelés azonban, hogy az SPC hasznos eszköz, ha nem ismétlődő, tudásintenzív folyamatokra, például mérnöki folyamatokra alkalmazzák, sok szkepticizmusba ütközött, és ma is ellentmondásos. A probléma a szoftver számos olyan területén rejlik, amelyek nem ismétlődőek, hanem a minőség egyszeri vagy egyszeri szempontjai, ahelyett, hogy hosszú távon ismételt teljesítményt figyelnének meg.

Kapcsolódó oldalak

• Minőségbiztosítás
• Minőségellenőrzés
• ANOVA
• Mintavételezés (statisztika)
• Hat szigma