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.