Statistiskā procesa kontrole (SPC): definīcija, principi un piemēri
Statistiskā procesa kontrole (SPC): definīcija, principi un reāli piemēri — uzzini, kā uzlabot procesa stabilitāti, samazināt variācijas un paaugstināt kvalitāti.
Statistiskā procesa kontrole (SPC) ir statistikas metožu izmantošana, lai novērtētu procesa stabilitāti un tā rezultātu kvalitāti un, ja nepieciešams, laikus iejauktos, lai novērstu kvalitātes pasliktināšanos. SPC palīdz atšķirt nejaušas (būtiskības) svārstības no tām, kuras izraisa noteikti cēloņi, un balstīt lēmumus uz datiem, nevis tikai uz subjektīvu novērtējumu. Piemēram, aplūkojiet pudeļu pildīšanas rūpnīcu. Visa ražošanas sistēma, kas ražo pildītas pudeles, tiek saukta par procesu. Pieņemsim, ka pudelei pievienotā šķidruma svars ir ļoti svarīgs izmaksu kontrolei un klientu apmierinātības nodrošināšanai. Saturam jāsver 250 gramus, bet ir pieņemami, ja faktiskais svars ir no 245 līdz 255 gramiem. Uzraudzība nozīmē, ka tiek mērīts un reģistrēts katras pudeles svars; paraugu ņemšana nozīmē, ka tikai dažas pudeles (teiksim, viena no tūkstoš) tiek faktiski nosvērtas. Analīze par paraugu ņemšanas biežumu, parauga lielumu un reprezentativitāti ir SPC neatņemama daļa.
SPC pamatprincipi
- Atšķirība starp nejaušajām un speciālajām svārstībām: nejaušās svārstības (common cause) ir process inerces daļa; speciālās svārstības (special cause) norāda uz konkrētu problēmu, kas jāatrod un jānovērš.
- Datu regulāra vākšana un vizualizācija: dati jāieraksta un jāattēlo laika rindā vai kontroles diagrammās, lai pamanītu tendences, izcēlumus vai izmaiņas variācijā.
- Kontroles robežas: parasti izmanto procesa vidējo ±3 sigma (standartnovirzes) robežas, lai noteiktu, vai process ir "kontrolēts".
- Rīku izmantošana problēmu identificēšanai: histogrammas, Pareto analīze, Ishikawa (cēloņu un seku) diagrammas, ANOVA u.c. palīdz noskaidrot variācijas avotus.
- Reaktīva un proaktīva rīcība: ja novērota speciāla svārstība, jāveic korektīvie pasākumi; ja process ir stabils, jāmeklē iespējas optimizēt.
Biežāk lietotie SPC rīki
- Kontroles diagrammas (control charts): vizuāls rīks, kas rāda datu punktus laika gaitā un kontroles robežas; palīdz atklāt izmaiņas procesā.
- Procesa spējas rādītāji (process capability): Cp, Cpk un citi rādītāji mēra, cik labi process atbilst specifikācijām.
- Histogrammas un blīvuma novērtējumi: parāda datu sadalījumu un palīdz noteikt asimetriju, viļņainību vai vairākus režīmus.
- Pareto analīze: nosaka galvenos defektu avotus pēc to ietekmes (80/20 princips).
- Run chart un I-MR diagrammas: piemērotas individuālo novērojumu analīzei vai nelieliem paraugiem.
- Ishikawa (cēloņu un seku) diagramma, 5 Why metodes: strukturētas pieejas cēloņu meklēšanai.
Kontroles diagrammu veidi (paraugs)
- X̄–R un X̄–S: paraugu vidējai vērtībai un variācijai, tipiskas partiju mērogiem (ja paraugu lielums n ir >1).
- I-MR (individuals and moving range): piemērots, ja tiek mērīti atsevišķi novērojumi (n=1).
- p un np diagrammas: izmanto proporcionālajiem datiem (piem., defektu īpatsvars par partijā izgatavotajām vienībām).
- c un u diagrammas: piemērotas skaitāmam defektu skaitam vienībā (piem., defektu skaits uz vienu vienību vai 1000 vienībām).
Kontroles robežas vs specifikācijas
Ir svarīgi atšķirt kontroles robežas (statistiskas robežas, kas balstītas uz procesa datiem un norāda, kad process iziet no statistiskās kontroles) no specifikāciju robežām (klienta vai dizaina prasības, piemēram, 245–255 g). Process var būt statistiski kontrolēts un tomēr neatbilst specifikācijām (piem., vidējā vērtība 260 g), vai arī process var būt ārpus kontroles, bet vēl iekļauties specifikācijās. Abas informācijas kopas ir nepieciešamas pilnīgai procesa vadībai.
Praktisks piemērs — pudeļu pildīšana
Pudeļu pildīšanas piemērs ilustrē SPC darbību praksē. Ja mērīšanas rezultāti rāda, ka arvien vairāk pudeļu ir zem 245 g, kontroles diagrammā parādīsies punkti zem apakšējās kontroles robežas vai skaidra lejupejoša tendence. Šādos gadījumos veicam šādas darbības:
- apstiprinām mērījumu datu ticamību (kalibrācija, atbilstība mērierīcēm);
- analizējam simptomus (vai kļūst parasti biežāki konkrēti ražošanas posmi, maiņas, vārsti u.c.);
- izmantojot sadales rīkus un Pareto analīzi, identificējam, ka viens no desmit uzpildes vārstiem nedarbojas pareizi;
- veicam korektīvas darbības (piem., ventilēšanas remonts vai aizstāšana) un turpinām novērot procesu, lai pārliecinātos, ka problēma ir novērsta.
Paraugu ņemšana šajā piemērā var būt regulāra (piem., katras 100. partijas 5 pudeles) vai stratificēta (dažādos ražošanas posmos), atkarībā no riska, izmaksām un vajadzīgā precizitātes līmeņa.
SPC ieviešanas soļi
- definēt procesa mērķus un kritiskos kvalitātes rādītājus (CTQ — critical to quality);
- izvēlēties, ko un kā mērīt (mērījumu precizitāte, parauga lielums, biežums);
- izveidot kontroles diagrammas un iegūt sākotnējos datus, lai noteiktu kontroles robežas;
- analizēt datus, identificēt speciālās svārstības un to cēloņus;
- veikt korektīvus pasākumus un pēc tam pārbaudīt efektu;
- iestādīt nepārtrauktas uzlabošanas ciklu un nodrošināt darbinieku apmācību un iesaisti.
Ieguvumi un ierobežojumi
- Ieguvumi: samazināti defekti un izšķērdēšana, mazāks pārstrādes apjoms, īsāks procesa cikla laiks, uzlabota klientu apmierinātība un izmaksu ietaupījumi; datu vākšana palīdz mērīt uzlabojumu ietekmi.
- Ierobežojumi: sākotnējās ieviešanas izmaksas (mērīšanas iekārtas, apmācība), nepieciešamība pēc uzticamiem datiem; SPC nevar aizvietot labo inženieriju vai slikta procesa dizaina nepieciešamību — tas tikai palīdz identificēt un kontrolēt variāciju.
Padomi veiksmīgai SPC izmantošanai
- sāciet ar mazumiņu kritisko rādītāju un paplašiniet izmantošanu, kad pietiek pierādījumu un pieredzes;
- nodrošiniet mērījumu sistēmas ticamību (MSA — Measurement System Analysis);
- iesaistiet operatorus un tehniskos darbiniekus — bieži tie pamanīs agrīnas pazīmes un piedāvās praktiskus risinājumus;
- izmantojiet SPC kopā ar citām kvalitātes metodēm (piem., Six Sigma, Lean), lai gūtu maksimālu efektu.
SPC, kas pirmoreiz tika sistematizēta 20. gadsimta 20. gados (ar atzīmējamiem ieguldījumiem no Walter A. Shewhart un vēlāk W. Edwards Deming), ir plaši pielietota ne tikai ražošanā, bet arī veselības aprūpē, finanšu procesos, IT pakalpojumos un citur, kur svarīga procesā radušos variāciju vadība. Uzsverot agrīnu problēmu atklāšanu un datu vadītu lēmumu pieņemšanu, SPC dod skaidru priekšrocību salīdzinājumā ar reaktīvām pārbaudes metodēm.
Vēsture
20. gadsimta 20. gadu sākumā Valters A. Ševharts (Walter A. Shewhart) aizsāka statistisko procesu kontroli. Ševharts radīja pamatu kontroles diagrammai un statistiskās kontroles stāvokļa koncepcijai, izmantojot rūpīgi izstrādātus eksperimentus. Lai gan Dr. Ševharts izmantoja tīras matemātiskās statistikas teorijas, viņš saprata, ka fizikālo procesu dati reti veido "normālā sadalījuma līkni" (Gausa sadalījumu, ko parasti dēvē arī par "zvana līkni"). Viņš atklāja, ka ražošanas datu novērotās variācijas ne vienmēr uzvedas tāpat kā dati dabā (piemēram, daļiņu Braunakustība). Dr. Ševharts secināja, ka, lai gan katrā procesā ir novērojamas variācijas, dažos procesos ir novērojamas kontrolētas variācijas, kas ir dabiskas procesam (parastie variāciju cēloņi), bet citos - nekontrolētas variācijas, kas procesa cēloņsakarību sistēmā nepastāv visu laiku (īpašie variāciju cēloņi). Nekontrolētas variācijas bieži vien ir saistītas ar produktiem ar trūkumiem, kas ir uz datiem balstīts līdzeklis problēmu identificēšanai un kvalitātes uzlabošanai.
W. Edvardss Demings vēlāk piemēroja SPC metodes ASV Otrā pasaules kara laikā, tādējādi veiksmīgi uzlabojot munīcijas un citu stratēģiski svarīgu produktu ražošanas kvalitāti. Pēc kara beigām viņš palīdzēja ieviest SPC metodes Japānas rūpniecībā. Deminga pieeju, kas izmanto SPC un saistītās vadības metodes, sāka dēvēt par kvalitātes vadības sistēmu.
Pieteikums
Tālāk sniegtais apraksts attiecas uz ražošanu, nevis uz pakalpojumu nozari, lai gan SPC principus var veiksmīgi piemērot jebkurā no šīm nozarēm. Aprakstu un piemēru, kā SPC var piemērot pakalpojumu vidē, skatīt Roberts (2005). Selden apraksta, kā izmantot SPC pārdošanas, mārketinga un klientu apkalpošanas jomās, kā uzskatāmu piemēru izmantojot Deminga slaveno sarkano pērlīšu eksperimentu.
Sērijveida ražošanā gatavā izstrādājuma kvalitāti tradicionāli nodrošināja, veicot produkta pārbaudi pēc ražošanas; katru izstrādājumu (vai ražošanas partijas paraugus) pieņēma vai noraidīja, pamatojoties uz to, cik labi tas atbilst projekta specifikācijām. Turpretī statistiskajā procesa kontrolē izmanto statistikas rīkus, lai novērotu ražošanas procesa veiktspēju un prognozētu būtiskas novirzes, kuru rezultātā vēlāk var tikt noraidīts izstrādājums.
Visos ražošanas procesos rodas divu veidu variācijas: abi šie procesa variāciju veidi rada turpmākas variācijas galaproduktā. Pirmā ir pazīstama kā dabiskā jeb vispārējā cēloņa variācija, un to veido variācija, kas raksturīga projektētajam procesam. Pie parasto cēloņu variācijām var piederēt temperatūras, izejvielu īpašību, elektriskās strāvas stipruma u. c. variācijas. Otrais svārstību veids ir pazīstams kā īpašo cēloņu svārstības jeb pielīdzināmo cēloņu svārstības, un tās rodas retāk nekā pirmās. Veicot pietiekamu izpēti, var atrast īpašu iemeslu, piemēram, neparastas izejvielas vai nepareizus iestatīšanas parametrus, kas izraisa īpašas cēloņu novirzes.
Piemēram, brokastu pārslas iepakošanas līnija var būt veidota tā, lai katrā pārslas kastē būtu 500 gramu produkta, bet dažās kastēs būtu nedaudz vairāk nekā 500 gramu, bet dažās - nedaudz mazāk, atbilstoši neto svara sadalījumam. Ja mainās ražošanas process, tā izejvielas vai vide (piemēram, ražošanas mašīnas sāk nolietoties), šis sadalījums var mainīties. Piemēram, nolietojoties kumelītēm un skriemeļiem, graudaugu pildīšanas mašīna var sākt iepildīt katrā kastē vairāk graudaugu, nekā noteikts. Ja šīs izmaiņas turpinās nekontrolēti, tiks saražots arvien vairāk produktu, kas neatbilst ražotāja vai patērētāja pielaidēm, un tas radīs atkritumus. Lai gan šajā gadījumā atkritumi ir patērētājam "bezmaksas" produkta veidā, parasti atkritumus veido pārstrādes vai lūžņi.
Laikus novērojot, kas noticis procesā, kas izraisījis izmaiņas, kvalitātes inženieris vai jebkurš par ražošanas līniju atbildīgās komandas loceklis var novērst procesā iekļuvušās variācijas pamatcēloni un novērst problēmu.
SPC norāda, kad procesā jāveic kāda darbība, bet tas arī norāda, kad NAV jāveic nekāda darbība. Piemēram, persona, kas vēlas uzturēt nemainīgu ķermeņa svaru un ik nedēļu veic svara mērījumus. Persona, kas neizprot SPC jēdzienus, varētu sākt ievērot diētu ikreiz, kad svars palielinās, vai ēst vairāk ikreiz, kad svars samazinās. Šāda rīcība varētu būt kaitīga un, iespējams, radīt vēl lielākas ķermeņa svara svārstības. SPC ņemtu vērā normālas svara svārstības un labāk norādītu, kad persona faktiski pieņem vai zaudē svaru.
SPC pamatposmi
Statistisko procesa kontroli var plaši iedalīt trīs darbību grupās: procesa izpratne, variāciju cēloņu izpratne un īpašo cēloņu variāciju avotu novēršana. Galvenie SPC rīki ir kontroles diagrammas, koncentrēšanās uz nepārtrauktu uzlabošanu un plānotie eksperimenti.
Lai izprastu procesu, parasti tiek izstrādāta procesa karte un process tiek uzraudzīts, izmantojot kontroles diagrammas. Kontroles diagrammas tiek izmantotas, lai identificētu variācijas, kas var būt radušās īpašu iemeslu dēļ, un lai atbrīvotu lietotāju no bažām par variācijām, kas radušās parasto cēloņu dēļ. Tā ir nepārtraukta, nepārtraukta darbība. Ja process ir stabils un neizraisa nevienu no kontroles diagrammas noteikšanas noteikumiem, var veikt arī procesa spēju analīzi, lai prognozētu pašreizējā procesa spēju nākotnē ražot atbilstošu (t. i., specifikācijai atbilstošu) produktu.
Ja, izmantojot kontroles diagrammas noteikšanas noteikumus, tiek konstatētas pārmērīgas novirzes vai tiek konstatēts, ka trūkst procesa spējas, tiek pieliktas papildu pūles, lai noteiktu noviržu cēloņus. Tiek izmantoti tādi instrumenti kā Išikavas diagrammas, plānotie eksperimenti un Pareto diagrammas. Šajā SPC posmā ļoti svarīgi ir projektētie eksperimenti, jo tie ir vienīgais veids, kā objektīvi kvantitatīvi noteikt daudzo iespējamo noviržu cēloņu relatīvo nozīmi.
Kad variāciju cēloņi ir kvantitatīvi noteikti, tiek veltītas pūles, lai novērstu tos cēloņus, kas ir gan statistiski, gan praktiski nozīmīgi (t. i., cēloni, kam ir tikai neliela, bet statistiski nozīmīga ietekme, var neuzskatīt par rentablu novērst; savukārt cēloni, kas nav statistiski nozīmīgs, nekad nevar uzskatīt par praktiski nozīmīgu). Parasti tas ietver standarta darba izstrādi, kļūdu novēršanu un apmācību. Var būt nepieciešamas papildu procesa izmaiņas, lai samazinātu novirzes vai saskaņotu procesu ar vēlamo mērķi, jo īpaši, ja ir problēmas ar procesa spēju.
SPC un programmatūras kvalitāte
1989. gadā Programmatūras inženierijas institūts ieviesa ideju, ka SPC var lietderīgi piemērot ar ražošanu nesaistītiem procesiem, piemēram, programmatūras inženierijas procesiem, izmantojot spēju brieduma modeli (CMM). Šobrīd šī ideja pastāv spēju brieduma modeļa integrācijas (CMMI) 4. un 5. līmeņa praksēs. Tomēr šis uzskats, ka SPC ir noderīgs instruments, ja to piemēro neatkārtojamiem, zināšanu ietilpīgiem procesiem, piemēram, inženierzinātņu procesiem, ir sastapies ar lielu skepticismu un joprojām ir pretrunīgs. Problēma slēpjas daudzās programmatūras jomās, kas nav atkārtojamas, bet gan ir vienreizēji vai vienreizēji kvalitātes aspekti, nevis tiek novērotas atkārtotas darbības ilgtermiņa perspektīvā.
Saistītās lapas
- Kvalitātes nodrošināšana
- Kvalitātes kontrole
- ANOVA
- Paraugu ņemšana (statistika)
- Seši sigma
Jautājumi un atbildes
J: Kas ir statistiskā procesa kontrole (SPC)?
A: Statistiskā procesa kontrole (SPC) ir statistikas metožu izmantošana, lai novērtētu procesa stabilitāti un tā rezultātu kvalitāti.
J: Kāds ir SPC piemērs?
A: SPC piemērs varētu būt pudeļu pildīšanas rūpnīca, kurā ir jāuzrauga un jāreģistrē katrā pudelē pievienotā šķidruma svars, lai nodrošinātu izmaksu kontroli un klientu apmierinātību.
J: Kā SPC nosaka procesa novirzes?
A: SPC balstās uz mērījumu kvantitatīvu un grafisku analīzi, lai novērtētu novērotās novirzes. Ja mērāmie raksturlielumi mainās pieņemamā diapazonā, tad process ir stabils. Ja tiek konstatētas nepieņemamas novirzes, parasti tiek veikti pasākumi, lai noteiktu un novērstu to cēloni.
J: Kādas ir dažas SPC izmantošanas priekšrocības?
A: Dažas no priekšrocībām ir agrīna problēmu atklāšana un novēršana, atkritumu samazināšana, kā arī problēmu nodošana klientiem, ražošanai nepieciešamā laika samazināšana no gala līdz galam, jo samazinās pārstrādes gadījumu skaits, šauru vietu vai gaidīšanas laika, kas var aizkavēt ražošanu, identificēšana, izmaksu samazināšana, jo uzlabojas iznākums, un lielāka klientu apmierinātība.
J: Ar ko SPC atšķiras no citām kvalitātes metodēm, piemēram, pārbaudes?
Atbilde: Atšķirībā no citām kvalitātes metodēm, piemēram, inspekcijas, kas izmanto resursus pēc problēmu rašanās, SPC izmanto resursus pirms problēmu rašanās, lai novērstu to rašanos.
J: Kad tika ieviesta SPC?
A: SPC ir plaši izmantota kopš tās ieviešanas 20. gadsimta 20. gados.
Meklēt