Цель метода «Семь основных инструментов контроля качества» заключается в выявлении проблем, подлежащих первоочередному решению, на основе контроля действующего процесса, сбора, обработки и анализа полученных фактов (статистического материала) для последующего улучшения качества процесса.
Суть метода - контроль качества (сравнение запланированного показателя качества с действительным его значением) - это одна из основных функций в процессе управления качеством, а сбор, обработка и анализ фактов - важнейший этап этого процесса.
Из множества статистических методов для широкого применения выбраны только семь, которые понятны и могут легко применяться специалистами различного профиля. Они позволяют вовремя выявить и отобразить проблемы, установить основные факторы, с которых нужно начинать действовать, и распределить усилия с целью эффективного разрешения этих проблем.
Ожидаемый результат - решение до 95% всех проблем, возникающих на производстве.
Семь основных инструментов контроля качества – набор инструментов, позволяющих облегчить задачу контроля протекающих процессов и предоставить различного рода факты для анализа, корректировки и улучшения качества процессов.
1. Контрольный листок - инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации.
2. Гистограмма - инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания данных в определенный (заранее заданный) интервал.
3. Диаграмма Парето - инструмент, позволяющий объективно представить и выявить основные факторы, влияющие на исследуемую проблему, и распределить усилия для ее эффективного разрешения.
4. Метод стратификации (расслаивания данных) - инструмент, позволяющий произвести разделение данных на подгруппы по определенному признаку.
5. Диаграмма разброса (рассеивания) - инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.
6. Диаграмма Исикавы (причинно-следственная диаграмма) - инструмент, который позволяет выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).
7. Контрольная карта - инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований.
Контрольные листы (или сбор данных) - специальные бланки для сбора данных. Они облегчают процесс сбора, способствуют точности сбора данных и автоматически приводят к некоторым выводам, что очень удобно для быстрого анализа. Результаты легко преобразуются в гистограмму или диаграмму Парето. Контрольные листки могут применяться как при контроле по качественным, так и при контроле по количественным признакам. Форма контрольного листа может быть разной, в зависимости от его назначения.
Для нахождения правильного пути достижения поставленной цели или решения возникшей проблемы, первое, что необходимо сделать - собрать необходимую информацию, которая послужит основой для дальнейшего анализа. Желательно, чтобы собранные данные были представлены в структурированной и удобной для обработки форме. Для этого, а также для уменьшения вероятности возникновения ошибок при сборе данных применяют контрольный листок.
Контрольный листок – форма, предназначенная для сбора данных и их автоматического упорядочивания, что позволяет облегчить дальнейшее использование собранной информации.
По своей сути контрольный листок - бумажный бланк, на котором напечатаны контролируемые параметры, в соответствии с которыми, при помощи пометок или простых символов, в листок заносятся необходимые и достаточные данные. То есть контрольный листок – средство регистрации данных.
Форма контрольного листка зависит от поставленной задачи и может быть очень разнообразной, но в любом случае в ней рекомендуется указывать:
Тему, объект исследования (обычно указывается в заголовке контрольного листка);
Период регистрации данных;
Источник данных;
Должность и фамилию работника, регистрирующего данные;
Условные обозначения, для регистрации полученных данных;
Таблицу регистрации данных.
При подготовке контрольных листков нужно следить за тем, чтобы использовались наиболее простые способы их заполнения (цифры, условные значки), число контролируемых параметров было по возможности наименьшим (но достаточным для анализа и решения проблемы), а форма листка была как можно понятнее и удобнее для заполнения даже неквалифицированным персоналом.
1. Сформулируйте цель и задачи, для которых собирается информация.
2. Выберите методы контроля качества, с помощью которых будет производиться дальнейший анализ и обработка собранных данных.
3. Определите временной период, в течение которого будут проводиться исследования.
4. Разработайте меры (создайте условия) для добросовестного и своевременного внесения данных в контрольный листок.
5. Назначьте ответственных за сбор данных.
6. Разработайте форму бланка контрольного листка.
7. Подготовьте инструкции по выполнению сбора данных.
8. Проведите инструктаж и обучение работников сбору данных и внесению их в контрольный листок.
9. Организуйте периодические проверки сбора данных.
Самым острым вопросом, возникающим при решении проблемы, является достоверность собираемой персоналом информации. Найти решение на основании искаженных данных очень затруднительно (если вообще возможно). Принятие мер (создание условий) для регистрации работниками истинных данных является необходимым условием для достижения поставленной задачи.
Рис. Примеры контрольного листка
Возможно использование электронных бланков
При этом к минусам электронной формы контрольного листка по сравнению с бумажной можно отнести:
- б о льшую сложность для использования;
- необходимость тратить больше времени на внесение данных.
К плюсам:
- удобство обработки и анализа данных;
- высокая скорость получения необходимой информации;
- возможность одновременного доступа к информации множества людей.
Однако большинство собираемых данных приходится дублировать в бумажном виде. Проблема в том, что это ведет к снижению производительности: время, которое экономится на проведение анализа, хранение и получение необходимой информации большей частью нивелируется за счет двойной работы по регистрации данных.
Гистограмма – инструмент, который позволяет наглядно изобразить и легко выявить структуру и характер изменения полученных данных (оценить распределение), которые трудно заметить при их табличном представлении.
Проведя анализ формы полученной гистограммы и ее местоположения относительно интервала допуска можно сделать заключение о качестве рассматриваемой продукции или состоянии изучаемого процесса. На основе заключения вырабатываются меры по устранению отклонений качества продукции или состояния процесса от нормы.
В зависимости от способа представления (сбора) исходных данных, методика построения гистограммы разбивается на 2 варианта:
I вариант Для сбора статистических данных разрабатываются контрольные листки показателей продукции или процесса. При разработке бланка контрольных листков необходимо сразу определиться с количеством и размером интервалов, в соответствии с которыми будет производиться сбор данных, на основе которых в свою очередь будет построена гистограмма. Это необходимо в связи с тем, что после заполнения контрольного листка пересчитать значения показателя для других интервалов будет практически невозможно. Максимум, что можно будет сделать – не учитывать интервалы, в которые не попало ни одно значение и объединять по 2, 3 и т.д. интервала, не боясь исказить данные. Как вы понимаете при таких ограничениях, к примеру, из 11 интервалов сделать 7 практически невозможно.
Методика построения :
1. Определите количество и ширину интервалов для контрольного листка.
Точное количество и ширину интервалов стоит выбирать исходя из удобства использования или по правилам статистики. Если для измеряемого показателя существуют допуски, то стоит ориентироваться на 6-12 интервалов внутри допуска и 2-3 интервала за пределами допуска. Если допусков нет, то оцениваем возможный разброс значений показателя и тоже делим на 6-12 интервалов. При этом ширина интервалов обязательно должна быть одинаковой.
2. Разработайте контрольные листки и с их помощью произведите сбор необходимых данных.
3. С помощью заполненных контрольных листков подсчитайте частоту попадания (т.е. сколько раз) полученных значений показателя в каждый интервал.
Обычно для этого выделяют отдельный столбец, расположенный в конце таблицы регистрации данных.
Если значение показателя точно соответствует границе интервала, то добавьте по половинке обоим интервалам на границу которых попало значение показателя.
4. Для построения гистограммы используйте только те интервалы, в которые попало хотя бы одно значение показателя.
Если между интервалами, в которые попали значения показателя, имеются пустые интервалы, то их тоже нужно построить на гистограмме.
5. Вычислите среднее значение результатов наблюдения.
На гистограмму необходимо нанести среднее арифметическое значение полученной выборки.
Стандартная формула, используемая для вычислений:
где x i – полученные значения показателя,
N – общее количество полученных данных в выборке.
Каким образом ею воспользоваться, если нет точных значений показателя x 1 , x 2 и т.д. нигде не объясняется. В нашем случае для приблизительной оценки среднего арифметического могу предложить воспользоваться собственной методикой:
а) определите среднее значение для каждого интервала по формуле:
где j – интервалы, выбранные для построения гистограммы,
x j max – значение верхней границы интервала,
x j min – значение нижней границы интервала.
б) определите среднее арифметическое выборки по формуле:
где n – количество выбранных интервалов для построения гистограммы,
v j – частота попадания результатов выборки в интервал.
6. Постройте горизонтальную и вертикальную оси.
7. На горизонтальную ось нанесите границы выбранных интервалов.
Если в дальнейшем планируется сравнивать гистограммы, описывающие похожие факторы или характеристики, то стоит при нанесении шкалы на ось абсцисс руководствоваться не интервалами, а единицами измерения данных.
8. На вертикальную ось нанесите шкалу значений в соответствии с выбранным масштабом и диапазоном.
9. Для каждого выбранного интервала постройте столбик, ширина которого равна интервалу, а высота равна частоте попадания результатов наблюдений в соответствующий интервал (частота уже подсчитана ранее).
Нанесите на график линию, соответствующую среднему арифметическому значению исследуемого показателя. При наличии поля допуска постройте линии, соответствующие границам и центру интервала допуска.
II вариант Статистические данные уже собраны (например, проставлены в журналах регистрации) или их предполагается собрать в виде точно измеренных значений. В связи с этим мы не ограничены никакими начальными условиями, поэтому можем выбирать, а также в любой момент изменять количество и ширину интервалов в соответствии с текущими потребностями.
Методика построения :
1. Полученные данные сведите в один документ в удобном для дальнейшей обработки виде (например, в виде таблицы).
2. Вычислите диапазон значений показателя (выборочный размах) по формуле:
где x max – наибольшее полученное значение,
x min – наименьшее полученное значении.
3. Определите количество интервалов гистограммы.
Для этого можно воспользоваться таблицей, рассчитанной на основе формулы Стерджесса:
Можно также воспользоваться таблицей, рассчитанной на основе формулы:
4. Определите ширину (размер) интервалов по формуле:
5. Округлите полученный результат в большую сторону до удобного значения.
Обратите внимание, что вся выборка должна быть разделена на интервалы одинакового размера.
6. Определите границы интервалов. Сначала определите нижнюю границу первого интервала таким образом, чтобы она была меньше x min . К ней прибавьте ширину интервала, чтобы получить границу между первым и вторым интервалами. Далее продолжайте прибавлять ширину интервала (Н ) к предыдущему значению для получения второй границы, затем третьей и т. д.
После произведенных действий следует удостовериться, что верхняя граница последнего интервала больше x max .
7. Для выбранных интервалов подсчитайте частоты попадания значений исследуемого показателя в каждый интервал.
Если значение показателя точно соответствует границе интервала, то добавьте по половинке обоим интервалам, на границу которых попало значение показателя.
8. Вычислите среднее значение исследуемого показателя по формуле:
Следуйте порядку построения гистограммы, начиная с п.5, приведенной выше методики для I варианта .
Анализ гистограммы также разбивается на 2 варианта, в зависимости от наличия технологического допуска.
I вариант Допуски для показателя не заданы. В этом случае производим анализ формы гистограммы:
Обычная (симметричная, колоколообразная) форма. Среднее значение гистограммы соответствует середине размаха данных. Максимальная частота также приходится на середину и постепенно уменьшается к обоим концам. Форма симметричная.
Такая форма гистограммы встречается наиболее часто. Она свидетельствует о стабильности процесса.
Отрицательно скошенное распределение (положительно скошенное распределение). Среднее значение гистограммы располагается правее (левее) середины размаха данных. Частоты резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.
Такая форма образуется либо, если верхняя (нижняя) граница регулируется теоретически или по значению допуска либо, если правое (левое) значение невозможно достигнуть.
Распределение с обрывом справа (распределение с обрывом слева). Среднее значение гистограммы располагается далеко правее (левее) середины размаха данных. Частоты очень резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.
Такая форма часто встречается в ситуации 100 %-го контроля изделий по причине плохой воспроизводимости процесса.
Гребенка (мультимодальный тип). Интервалы через один или два обладают более низкими (высокими) частотами.
Такая форма образуется либо, если количество единичных наблюдений, входящих в интервал, колеблется от интервала к интервалу либо, если применяется определенное правило округления данных.
Гистограмма, не имеющая высокой центральной части (плато). Частоты в середине гистограммы примерно одинаковые (для плато все частоты примерно равны).
Такая форма встречается, если объединяется несколько распределений со средними значениями близко расположенными друг к другу. Для дальнейшего анализа рекомендуется применить метод стратификации.
Двухпиковый тип (бимодальный тип). В окрестностях середины гистограммы частота низкая, но с каждой стороны есть по пику частот.
Данная форма встречается, если объединяется два распределения со средними значениями, далеко отстоящими друг от друга. Для дальнейшего анализа рекомендуется применить метод стратификации.
Гистограмма с провалом (с «вырванным зубом»). Форма гистограммы близка к распределению обычного типа, но есть интервал с частотой ниже, чем в обоих соседних интервалах.
Данная форма встречается, если ширина интервала не кратна единице измерения, если неправильно считаны показания шкалы и др.
Распределение с изолированным пиком. Совместно с обычной формой гистограммы появляется небольшой изолированный пик.
Такая форма образуется при включении небольшого количества данных из другого распределения, например, если нарушена управляемость процесса, произошли ошибки при измерении или произошло включение данных из другого процесса.
II вариант. Для исследуемого показателя существует технологический допуск. В этом случае производится анализ, как формы гистограммы, так и ее расположение по отношению к полю допуска. Возможны варианты:
Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы меньше ширины поля допуска с запасом.
В данной ситуации процесс не нуждается в корректировке.
Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы равна ширине интервала допуска, в связи с чем возникают опасения появления некондиционных деталей как со стороны верхнего, так и со стороны нижнего полей допуска.
В этом случае необходимо либо рассмотреть возможность изменения технологического процесса с целью уменьшения ширины гистограммы (например, увеличение точности оборудования, использование более качественных материалов, изменение условий обработки изделий и т.д.) либо расширить поле допуска, т.к. требования к качеству деталей в данном случае трудновыполнимы.
Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы больше ширины интервала допуска, в связи с чем обнаруживаются некондиционные детали как со стороны верхнего, так и со стороны нижнего полей допуска.
В этом случае необходимо реализовать меры, описанные в пункте 2.
Гистограмма имеет вид обычного распределения. Ширина гистограммы меньше ширины поля допуска с запасом. Среднее значение гистограммы сдвинуто влево (вправо) относительно центра интервала допуска, в связи с чем имеются опасения, что могут находится некондиционные детали со стороны нижней (верхней) границы поля допуска.
В данной ситуации необходимо проверить, не вносят ли систематическую ошибку применяемые средства измерения. Если средства измерения исправны, следует отрегулировать процесс таким образом, чтобы центр гистограммы совпал с центром поля допуска.
Гистограмма имеет вид обычного распределения. Ширина гистограммы примерно равна ширине поля допуска. Среднее значение гистограммы сдвинуто влево (вправо) относительно центра интервала допуска, причем один или несколько интервалов выходят за границу поля допуска, что свидетельствует о наличии дефектных деталей.
В этом случае первоначально необходимо отрегулировать технологические операции таким образом, чтобы центр гистограммы совпадал с центром поля допуска. После этого нужно принять меры для уменьшения размаха гистограммы или увеличения размера интервала допуска.
Центр гистограммы смещен к верхнему (нижнему) пределу допуска, причем правая (левая) сторона гистограммы рядом с верхней (нижней) границей допуска имеет резкий обрыв.
В этом случае можно сделать вывод, что изделия со значением показателя, выходящим за пределы поля допуска, исключили из партии или умышленно распределили как годные, для включения в пределы допуска. Следовательно, необходимо выявить причину, которая привела к появлению данного явления.
Центр гистограммы смещен к верхнему (нижнему) пределу допуска, причем правая (левая) сторона гистограммы рядом с верхней (нижней) границей допуска имеет резкий обрыв. Кроме того один или несколько интервалов выходят за границы поля допуска.
Случай аналогичен 6., но интервалы гистограммы, выходящие за границы поля допуска указывают на то, что измерительное средство было неисправно. В связи с эти необходимо провести поверку средств измерения, а также провести повторный инструктаж работникам по правилам выполнения измерений.
Гистограмма имеет два пика, хотя измерение значений показателя проводилось у изделий из одной партии.
В этом случае можно сделать вывод, что изделия были получены в разных условиях (например, использовались материалы разных сортов, изменялась настройка оборудования, изделия производились на разных станках и т.д.). В связи с этим для дальнейшего анализа рекомендуется применить метод стратификации.
Основные характеристики гистограммы в порядке (соответствуют случаю 1.), при этом имеются дефектные изделия со значениями показателя, выходящими за пределы поля допуска, которые образуют обособленный «островок» (изолированный пик).
Данная ситуация могла возникнуть в результате небрежности, при которой дефектные детали были перемешаны с доброкачественными. В этом случае необходимо выявить причины и обстоятельства, приводящие к возникновению данной ситуации, а также принять меры к их устранению.
Семь новыхСемь инструментов управления качеством (простые инструменты качества, семь новых инструментов управления качеством) были выделены в 1979 году Союзом японских ученых и инженеров (JUSE) в качестве дополнения к семи простым статистическим методам. Они представляют собой логические инструменты, которые в наглядной, графической форме позволяют проанализировать любые события, проблемы и т.д.
К семи инструментам управления качеством относятся:
I Каково ключевое различие между этой группой инструментов и семи простыми статистическими инструментами?
Диаграмма сродства - инструмент, позволяющий упорядочить множество устных данных (идей, желаний потребителей, мнений групп и т.д.) по принципу сродства. Эту диаграмму часто называют KJ- методом, по имени ее основоположника - Дзиро Кавакита. Диаграмма сродства служит для группировки множества аналогичных или взаимосвязанных идей, иллюстрирует скорее ассоциации , чем логические связи. Используется в случае, когда необходимо упорядочить большое количество данных, а также простимулировать коллективный творческий процесс.
Рис. 6.18
библиотеке
Процедура составления диаграммы сродства:
Диаграмма связей (граф связей) позволяет выявить логические связи между основной идеей, проблемой и различными данными. В отличие от диаграммы сродства, для построения которой требуется творческое, ассоциативное мышление, диаграмма связей является логическими инструментом.
Диаграмма связей применяется в случаях, когда:
Различают два вида диаграммы связей:
Рис. 6.19
Качественный граф связей устанавливает зависимость между разными факторами. Количественный граф связей предназначен для определения влияния нескольких факторов друг на друга. Часто используется для определения роли фактора (причина или следствие): если для фактора характерно больше исходящих стрелок, чем входящих, то это причина, в обратном случае - следствие.
Рис. 6.20
Древовидная диаграмма (дерево целей, систематическая диаграмма) является инструментом, обеспечивающим систематический путь разрешения существенной проблемы или центральной идеи, представленной на различных уровнях. В отличие от диаграммы сродства и диаграммы связей этот инструмент более целенаправлен.
Дерево целей строится в виде многоступенчатой иерархической структуры, элементами которой являются, например, различные средства и способы решения проблемы. Процедура ее построения аналогична описанной выше для диаграммы сродства. Но в данном случае исследуемый объект должен быть точно определен и распознан.
Вариант построения древовидной диаграммы для решения проблемы называется анализом коренной причины (метод Пяти Почему?). Древовидная диаграмма может также строится для определения требований потребителя, для составления перечня мероприятий по улучшению деятельности и т.д.
Рис. 6.21
Матричная диаграмма позволяет выявить важность различных связей. Этот инструмент служит для организации больших массивов данных и позволяет графически отобразить логические связи между различными элементами.
Целью матричной диаграммы является изображение связей между задачами, функциями и характеристиками с выявлением степени их относительной важности. Поэтому матричная диаграмма в конечном виде отражает соответствие определенных факторов и явлений различным причинам их появления и средствам устранения их последствий, а также показывает степень зависимости этих факторов от причин их возникновения и мер по их устранению. Такие матричные диаграммы называют матрицами связей.
Рис. 6.22
На практике применяют различные формы матрицы связей в зависимости от количества исследуемых групп переменных:
Наиболее распространённой является матричная диаграмма L- формы, которую часто называют «таблицей качества». В этом случае две взаимосвязанные группы компонент представлены в строках и столбцах матрицы соответственно, с помощью которой необходимо установить связь между отдельными компонентами.
2 В каких, уже известных Вам инструментах управления качеством, используются матричные диаграммы?
Стрелочная (сетевая) диаграмма применяется для планирования оптимальных сроков выполнения всех необходимых работ для реализации поставленной цели. Использование данного инструмента возможно лишь после выявления проблем, определения необходимых мер, сроков и этапов их осуществления.
Стрелочная диаграмма представляет собой диаграмму хода проведения работ с указанием последовательности и сроков их выполнения и служит для решения оптимизационных задач. Этот инструмент заимствован из методов исследования операций и широко применяется нс только при планировании, но и при последующем кон троле за ходом работ.
Существует несколько методов построения сетевой диаграммы в зависимости от ориентации на процессы или события:
Наиболее распространенным является метод критического пути (метод СРМ), который графически может быть представлен в виде диаграммы Гантта или сетевого графа. Предпочтительным является сетевой граф, так как он более наглядно отражает последовательность действий и влияние той или иной операции на выполнение последующих.
Рис. 6.23
Рис. 6.24
Диаграмма процесса (Process Decision Program Chart - PDPC, блок-схема процесса, метод Дзнро Кондо) представляет собой схему, отражающую последовательность действий и решений, необходимых для получения необходимого результата.
Наиболее эффективно применение диаграммы процесса:
корректировки.
Рис. 6.25
1 Чем отличаются ситуации применения диаграммы процесса и стрелочной диаграммы?
Матрица приоритетов (анализ матричных данных)
предназначена для обработки полученных при построении матричных диаграмм больших числовых массивов. С помощью многомерного статистического анализа выявляются приоритетные данные. Данный метод применяется в случаях, когда необходимо представить численные данные из матричных диаграмм в более наглядном виде. Примером использования анализа матричных данных является выявление
важности технических характеристик в технологии развёртывания функции качества (QFD).
Рис. 6.26
Один из базовых принципов управления качеством состоит в принятии решений на основе фактов. Наиболее полно это решается методом моделирования процессов, как производственных, так и управленческих инструментами математической статистики. Однако, современные статистические методы довольно сложны для восприятия и широкого практического использования без углубленной математической подготовки всех участников процесса. К 1979 году Союз японских ученых и инженеров (JUSE) собрал воедино семь достаточно простых в использовании наглядных методов анализа процессов. При всей своей простоте они сохраняют связь со статистикой и дают профессионалам возможность пользоваться их результатами, а при необходимости - совершенствовать их.
Причинно-следственная диаграмма (диаграмма Ишикавы)
Диаграмма типа 5М рассматривает такие компоненты качества, как “человек”, “машина”, “материал”, “метод”, “контроль”, а в диаграмме типа 6М к ним добавляется компонент “среда”. Применительно к решаемой задаче квалиметрического анализа, для компоненты “человек” необходимо определить факторы, связанные с удобством и безопасностью выполнения операций; для компоненты “машина” - взаимоотношения элементов конструкции анализируемого изделия между собой, связанные с выполнением данной операции; для компоненты “метод” - факторы, связанные с производительностью и точностью выполняемой операции; для компоненты “материал” - факторы, связанные с отсутствием изменений свойств материалов изделия в процессе выполнения данной операции; для компоненты “контроль” - факторы, связанные с достоверным распознаванием ошибки процесса выполнения операции; для компоненты “среда” - факторы, связанные с воздействием среды на изделие и изделия на среду.
Пример диаграммы Ишикавы
Контрольные листки
Контрольные листки могут применяться как при контроле по качественным, так и при контроле по количественным признакам.
Гистограммы
Гистограммы – один из вариантов столбчатой диаграммы, отображающий зависимость частоты попадания параметров качества изделия или процесса в определенный интервал значений от этих значений.
Гистограмма строится следующим образом:
(число интервалов) = Ц (число значений показателей качества) Например, если число показателей = 50, число интервалов гистограммы = 7.
Диаграммы разброса
Диаграммы разброса представляют из себя графики вида, изображенного ниже, которые позволяют выявить корреляцию между двумя различными факторами.
Диаграмма разброса: Взаимосвязи показателей качества практически нет.
Диаграмма разброса: Имеется прямая взаимосвязь между показателями качества
Диаграмма разброса: Имеется обратная взаимосвязь между показателями качества
Анализ Парето
Анализ Парето получил свое название по имени итальянского экономиста Вилфредо Парето, который показал, большая часть капитала (80%) находится в руках незначительного количества людей (20%). Парето разработал логарифмические математические модели, описывающие это неоднородное распределение, а математик М.Оа. Лоренц представил графические иллюстрации.
Правило Парето - “универсальный” принцип, который применим во множестве ситуаций, и без сомнения - в решении проблем качества. Джозеф Джуран отметил “универсальное” применение принципа Парето к любой группе причин, вызывающих то или иное последствие, причем большая часть последствий вызвана малым количеством причин. Анализ Парето ранжирует отдельные области по значимости или важности и призывает выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).
Анализ Парето как правило иллюстрируется диаграммой Парето (рис. ниже), на которой по оси абсцисс отложены причины возникновения проблем качества в порядке убывания вызванных ими проблем, а по оси ординат – в количественном выражении сами проблемы, причем как в численном, так и в накопленном (кумулятивном) процентном выражении.
На диаграмме отчетливо видна область принятия первоочередных мер, очерчивающая те причины, которые вызывают наибольшее количество ошибок. Таким образом, в первую очередь, предупредительные мероприятия должны быть направлены на решение проблем именно этих проблем.
Диаграмма Парето
Стратификация
В основном, стратификация - процесс сортировки данных согласно некоторым критериям или переменным, результаты которого часто показываются в виде диаграмм и графиков
Мы можем классифицировать массив данных в различные группы (или категории) с общими характеристиками, называемыми переменной стратификации. Важно установить, которые переменные будут использоваться для сортировки.
Стратификация - основа для других инструментов, таких как анализ Парето или диаграммы рассеивания. Такое сочетание инструментов делает их более мощными.
На рисунке приведен пример анализа источника возникновения дефектов. Все дефекты (100%) были классифицированы на четыре категории – по поставщикам, по операторам, по смене и по оборудованию. Из анализа представленных донных наглядно видно, что наибольший вклад в наличие дефектов вносит в данном случае «поставщик 1».
Стратификация данных.
Контрольные карты
Контрольные карты – специальный вид диаграммы, впервые предложенный В. Шухартом в 1925 г. Контрольные карты имеют вид, представленный на рис. 4.12. Они отображают характер изменения показателя качества во времени.
Общий вид контрольной карты
Контрольные карты по количественным признакам
Контрольные карты по количественным признакам - это как правило сдвоенные карты, одна из которых изображает изменение среднего значения процесса, а 2-я - разброса процесса. Разброс может вычисляться или на основе размаха процесса R (разницы между наибольшим и наименьшим значением), или на основе среднеквадратического отклонения процесса S.
В настоящее время обычно используются x- S карты, x - R карты используются реже.
Контрольные карты по качественным признакам
Карта для доли дефектных изделий (p - карта)
В p - карте подсчитывается доля дефектных изделий в выборке. Она применяется, когда объем выборки - переменный.
Карта для числа дефектных изделий (np - карта)
В np - карте подсчитывается число дефектных изделий в выборке. Она применяется, когда объем выборки - постоянный.
Карта для числа дефектов в выборке (с - карта)
В с - карте подсчитывается число дефектов в выборке.
Карта для числа дефектов на одно изделие (u - карта )
В u - карте подсчитывается число дефектов на одно изделие в выборке.
Бланк контрольной карты
Анализируя большие массивы данных, мы привычно используем среднее значение, реже среднеквадратичное отклонение, еще реже иные методы обработки. Чем вызвано такое «самоограничение»? 🙂 Скорее всего, недостаточными знаниями и опытом в этих вопросах. Откуда современный менеджер может узнать о методах статистической обработки данных? Вряд ли он вспомнит вузовский курс статистики. Да и был ли он включен в учебную программу!?
У меня знакомство со статистикой, точнее с ее использованием в бизнесе, началось около 15 лет тому назад, когда я впервые прочитал о методах менеджмента качества. К сожалению, с первого раза семь основных инструментов мне «не показались»… Я не воспринял их, как «руководство к действию». Скорее, я отнесся к ним, как к чему-то заоблачно заумному. И лишь постепенно в течение нескольких лет, повторно наталкиваясь в литературе на применение того или иного метода, а также в связи с возникновением практических задач, шаг за шагом, я стал понимать смысл этих инструментов и области их применения. Постепенно эти методы я стал использовать в своей практике, даже иногда не вспоминая, что они – часть стройной системы.
Настало время, отдать дань первоисточнику – японскому менеджменту, а также показать, как, казалось бы, книжные знания, становятся мощным инструментом управления реальным бизнесом.
Скачать заметку в формате , примеры в формате
Семь основных инструментов контроля качества используют для аналитического решения проблем, то есть, в ситуации, когда данные доступны, и чтобы решить проблему, нужно их проанализировать.
1. Диаграмма причин и результатов. Эта диаграмма используется для выявления факторов процесса, влияющих на результат. Встречаются также названия: «диаграмма Исикавы» или «диаграмма рыбий скелет». В классическом варианте факторы (причины) группируются по категориям по принципу «5М»:
Man (человек) − причины, связанные с человеческим фактором; Machines (машины, оборудование) − причины, связанные с оборудованием; Materials (материалы) − причины, связанные с материалами; Methods (методы, технология) − причины, связанные с организацией бизнес-процессов; Measurements (измерения) − причины, связанные с методами измерения.
Рис. 1. Диаграмма Исикавы. Шаблон.
Понятно, что можно использовать и иную релевантную группировку. Вот, например, какой «скелет» мы нарисовали, анализируя возможности сокращения времени обслуживания клиентов на складе:
Рис. 2. Диаграмма Исикавы. Время обслуживания клиентов на складе.
– инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации.
Рис. 3. Контрольный листок. Пример.
Преимущество контрольных листков – возможность их использования сотрудниками, не работающими с компьютером. Если данные для последующую анализа получаются путем измерения непосредственно на рабочих местах, контрольные листки очень эффективны. Понятно, что если данные для анализа извлекаются из баз данных, контрольные листки не нужны, а данные сразу преобразуются в гистограмму, диаграмму Парето или рассеивания (см. ниже).
В моей практике контрольные листки не нашли применения, поскольку процессы, с которыми я имею дело, либо полностью связаны с использованием компьютера, либо стартуют по команде из компьютера, а финиш фиксируется оператором ПК.
Эти диаграммы ранжируют проблемы по степени (частоте) влияния на результат. Свое название они получили по имени экономиста Вильфредо Парето , который в одной из своих научных работ на рубеже XIX и XX веков показал, что в Италии 20% домохозяйств получают 80% доходов. Термин «принцип Парето» в 40-х годах XX века ввел в обращение американский специалист в области менеджмента качества Джозеф Джуран. Анализ Парето, как правило, иллюстрируется диаграммой Парето, на которой по оси абсцисс отложены причины возникновения проблем качества в порядке убывания их влияния на число несоответствий (объем брака), а по двум осям ординат: а) число несоответствий в штуках; б) накопленная доля (проценты) вклада в итоговое число несоответствий. Например:
Рис. 4. Диаграмма Парето. Причины возникновения просроченной дебиторской задолженности.
В первую очередь следует работать с причинами, вызывающими наибольшее количество проблем. В нашем примере с первыми тремя.
4. Гистограмма – инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания в определенный (заранее заданный) интервал. В классическом варианте гистограмма используется для определения проблем при помощи анализа формы разброса значений, центрального значения, его близости к номиналу, характера рассеивания:
Рис. 5. Варианты расположения гистограммы по отношению к технологическому допуску
Краткие комментарии: а) всё хорошо: среднее совпадает с номиналом, вариабельность в пределах допусков; б) следует сместить среднее для совпадения с номиналом; в) следует уменьшить рассеивание; г) следует сместить среднее и уменьшить рассеивание; д) следует значительно уменьшить рассеивание; е) смешаны две партии; следует разбить на две гистограммы, и проанализировать их; ж) аналогично предыдущему пункту, только ситуация более критичная; з) необходимо понять причины такого распределения; «обрывистый» левый край, говорит о каких-то действиях в отношении партий деталей; и) аналогично предыдущему.
Вот какие гистограммы мы строили в течение нескольких лет для изучения времени обслуживания клиентов на складе:
Рис. 6. Гистограмма. Время обслуживания клиентов на складе.
По оси абсцисс – 15-минутные диапазоны времени обслуживания клиентов на складе; по оси ординат – доля заявок обслуженных в выделенном диапазоне времени от общего числа заявок за год. Красная пунктирная линия показывает среднее время обслуживания в течение года.
5. Диаграмма разброса (рассеивания) – инструмент, позволяющий определить вид и тесноту связи (корреляцию) между парами соответствующих переменных. Такие диаграммы содержат две совокупности данных, нанесенных на график в виде точек. Взаимосвязь между этими точками показывает зависимость между соответствующими данными. В Excel такая диаграмма имеет тип – «точечная». Вот, например, как я ранее полезность точечных диаграмм:
Рис. 7. Выявление корреляционной зависимости на основе точечной диаграммы.
Вот любопытный пример использования корреляционного анализа для управления размещением товаров на складе:
Современный склад имеет весьма внушительные размеры. В глубину он может достигать 100-150 метров (расстояние от погрузочных ворот до задней стенки). Понятно, что располагая товары с высокой оборачиваемостью ближе к воротам, можно сэкономить время на перемещения по складу. На рисунках выше показана частота обращений к отдельным ячейкам; слева – для случайного размещения товаров; справа – для товаров, разбитых на АВС-группы. Чем интенсивнее цвет, тем чаще обращение к ячейке. Видно, что без АВС-распределения обращение к ячейкам практически случайное, при АВС-разбиении номенклатуры можно наблюдать границы зон. Левый фронт каждого рисунка обращен к зоне приемки. Таким образом, в ситуации, изображенной на рис. б, суммарный путь кладовщиков / техники будет меньше, чем на рис. а
6. Графики – инструмент, позволяющий провести анализ данных по различным срезам. Формы и цели анализа могут диктовать использование различных видов графиков. Подробнее об этом можно прочитать в книге Джина Желязны « ». Покомпонентное сравнение данных лучше всего демонстрируется при помощи круговой диаграммы. Для иллюстрации позиционного сравнения лучше всего подходит линейчатая диаграмма. Если покомпонентное и позиционное сравнение показывают взаимосвязи в определенный момент времени, то временнóе сравнение отражает динамику изменений; временнóе сравнение лучше всего иллюстрировать гистограммой или графиком.
Например, вот какими диаграммами мы анализируем сразу три параметра по каждому клиенту: динамику дебиторской задолженности, просроченной дебиторской задолженности, лимитов по кредитной линии:
Рис. 8. Пример использования графика для анализа данных.
7. Контрольная карта – инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него, предупреждая отклонения от предъявленных к процессу требований (или реагируя на отклонения). Существует два типа вариаций: естественные , связанные с разбросом значений вокруг номинала, присущие процессу; и специальные , появление которых можно объяснить конкретными причинами. Подробнее об этом можно прочитать в книге Д. Уилера и Д. Чамберса « . Оптимизация бизнеса с использованием контрольных карт Шухарта». Контрольные карты служат для выявления специальных вариаций. На график наносятся точки, соответствующие отдельным данным, линия средних значений (μ), верхняя и нижняя контрольные границы (µ ± 3σ). Если точки лежат в пределах контрольных границ, реагировать на отклонения от средней линии не нужно. Если хотя бы одна точка вышла за контрольные границы, требуется провести анализ возможных причин отклонения. См., например, « », « ».
Использование контрольных карт для анализа объема дебиторской задолженности:
Рис. 9. Контрольная карта. Естественные причины вариаций.
На 27-й неделе задолженность выросла с $ 1,4 млн. до $ 2,6 млн. Тем не менее, управленческое воздействие не требуется, так как точки разместились в пределах контрольных границ.
На следующей диаграмме показано среднее (по неделе) время выхода в рейс машин:
Рис. 10. Контрольная карта. Специальные причины вариаций.
Видно, что, начиная с 19-й недели, точки выходят за контрольные границы. Требуется вмешательство в процесс для выявления специальных причин вариаций.
Я надеюсь, что мои примеры помогут вам осознать, что семь основных инструментов контроля качества могут служить реальным подспорьем для анализа бизнес-процессов.
Излагаются по варианту, приведенному в книге М.Имаи « ». Я расположил эти методы в том порядке, который мне представляется наиболее логически последовательным.
kayabaparts.ru - Прихожая, кухня, гостиная. Сад. Стулья. Спальня