Статистикалық сапаны басқару (SQC) өндіріс процесін бақылауға көмектеседі. Өнім сапасын арттырып, шығынды азайтады. Бақылау карталары, үнемі жақсарту құралдары.
Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Мазмұны
Кіріспе
Сапаны бақылау әдісі
Method of quality control
Статистикалық процестерді бақылау (СПК) немесе статистикалық сапаны бақылау (ССК) – өндірістік процестің сапасын бақылау және реттеу үшін статистикалық әдістерді қолдану. Бұл процесс тиімді жұмыс істеуін қамтамасыз етеді, нәтижесінде талаптарға сәйкес келетін өнім көбейеді және қалдықтар азаяды. СПК кез келген процеске қолданылуы мүмкін, егер «талапқа сай өнім» (спецификацияға сәйкес келетін өнім) шығысын өлшеуге болады. СПК-де қолданылатын негізгі құралдарға тренд диаграммалары, бақылау диаграммалары, үздіксіз жақсартуға баса назар аудару және эксперименттерді жобалау кіреді. СПК қолданылатын процеске мысал – өндіріс желілері. СПК екі кезеңде іске асырылуы керек: бірінші кезең – процестің бастапқы құрылуы, ал екінші кезең – процестің тұрақты өндірісте қолданылуы. Екінші кезеңде 5M&E жағдайларының (Адам, Машина, Материал, Әдіс, Қозғалыс, Орта) өзгеруіне және өндіріс процесінде қолданылатын бөлшектердің (машина бөліктері, құралдар мен бекіткіштер) тозу деңгейіне байланысты тексеру периоды туралы шешім қабылдануы тиіс. СПК, «тексеру» сияқты сапаны бақылаудың басқа әдістерімен салыстырғанда, проблемалар туындағаннан кейін түзетуге емес, оларды ерте анықтау мен алдын алуға көбірек мән береді. Қалдықтарды азайтудан басқа, СПК өнімді өндіруге қажетті уақытты қысқартуға да мүмкіндік береді. СПК дайын өнімді қайта өңдеу немесе утилизациялау қажеттілігін азайтады.
Statistical process control (SPC) or statistical quality control (SQC) is the application of statistical methods to monitor and control the quality of a production process. This helps to ensure that the process operates efficiently, producing more specification conforming products with less waste scrap. SPC can be applied to any process where the "conforming product" (product meeting specifications) output can be measured. Key tools used in SPC include run charts, control charts, a focus on continuous improvement, and the design of experiments. An example of a process where SPC is applied is manufacturing lines. SPC must be practiced in two phases: The first phase is the initial establishment of the process, and the second phase is the regular production use of the process. In the second phase, a decision of the period to be examined must be made, depending upon the change in 5M&E conditions (Man, Machine, Material, Method, Movement, Environment) and wear rate of parts used in the manufacturing process (machine parts, jigs, and fixtures). An advantage of SPC over other methods of quality control, such as "inspection," is that it emphasizes early detection and prevention of problems, rather than the correction of problems after they have occurred. In addition to reducing waste, SPC can lead to a reduction in the time required to produce the product. SPC makes it less likely the finished product will need to be reworked or scrapped.
Тарих
Статистикалық процестерді басқаруды 1920-жылдардың басында Белл зертханасында Уолтер А. Шевхарт енгізді. Шевхарт 1924 жылы бақылау кестесін және статистикалық бақылау күйі туралы ұғымды әзірледі. Статистикалық бақылау, 1924 жылы логик Уильям Эрнест Джонсонның "Логика, ІІІ бөлім: Ғылымның логикалық негіздері" кітабында ұсынған алмастырылатындық концепциясына тең келеді. AT&T компаниясымен бірге, Гарольд Додж бен Гарри Ромигті қоса алғанда, ол үлгілік тексеруді рационалды статистикалық негізде енгізуге жұмыс істеді. Шевхарт 1934 жылы армияның Пикатинни арсеналында оқ-дәрі өндірісіне бақылау кестелерін қолдану мәселесінде полковник Лесли Э. Саймонмен консультация жүргізді. Бұл сәтті қолданыс Армиялық қару-жарақ басқармасын (Army Ordnance) II дүниежүзілік соғыс басталғанда, өз бөлімшелері мен мердігерлері арасында статистикалық сапаны бақылау туралы кеңес алу үшін AT&T-нің Джордж Эдвардсын шақыруға көндірді. W. Эдвардс Деминг Шевхартты АҚШ Ауыл шаруашылығы департаментінің аспирантурасында сөз сөйлеуге шақырды және Шевхарттың "Сапаны бақылау тұрғысынан статистикалық әдіс" (1939) кітабының редакторы болды, бұл дәрістің нәтижесі болды. Деминг II дүниежүзілік соғыс кезінде американдық өнеркәсіпті жаңа техникалармен таныстырған сапаны бақылаудың қысқа мерзімді курстарының маңызды жасаушысы болды. Осы соғыс курстарын бітірген түлектер 1945 жылы жаңа кәсіби қоғам құрды – АҚШ Сапаны бақылау қоғамы, ол Эдвардсты өзінің бірінші президенті етіп сайлады. Деминг одақтастардың оккупациясы кезінде Жапонияға сапар шекті және Жапон ғалымдары мен инженерлерінің одағымен (JUSE) кездесіп, SPC әдістерін жапон өнеркәсібіне енгізуге тырысты.
Statistical process control was pioneered by Walter A. Shewhart at Bell Laboratories in the early 1920s. Shewhart developed the control chart in 1924 and the concept of a state of statistical control. Statistical control is equivalent to the concept of exchangeability developed by logician William Ernest Johnson also in 1924 in his book Logic, Part III: The Logical Foundations of Science. Along with a team at AT&T that included Harold Dodge and Harry Romig he worked to put sampling inspection on a rational statistical basis as well. Shewhart consulted with Colonel Leslie E. Simon in the application of control charts to munitions manufacture at the Army's Picatinny Arsenal in 1934. That successful application helped convince Army Ordnance to engage AT&T's George Edwards to consult on the use of statistical quality control among its divisions and contractors at the outbreak of World War II. W. Edwards Deming invited Shewhart to speak at the Graduate School of the U. S. Department of Agriculture and served as the editor of Shewhart's book Statistical Method from the Viewpoint of Quality Control (1939), which was the result of that lecture. Deming was an important architect of the quality control short courses that trained American industry in the new techniques during WWII. The graduates of these wartime courses formed a new professional society in 1945, the American Society for Quality Control, which elected Edwards as its first president. Deming travelled to Japan during the Allied Occupation and met with the Union of Japanese Scientists and Engineers (JUSE) in an effort to introduce SPC methods to Japanese industry.
"Жалпы" және "ерекше" ауытқулар көздері
Шевхарт Ұлыбританиядан шыққан жаңа статистикалық теорияларды, әсіресе Уильям Сили Госсет, Карл Пирсон және Рональд Фишердің еңбектерін оқыды. Бірақ, ол физикалық процестерден алынған деректердің сирек қалыпты таралу қисығын (яғни Гаусс таралуын немесе "қоңырау қисығын") құрайтынын түсінді. Ол өндірістегі өзгеріштікті өлшеу деректерінің, табиғи құбылыстарды өлшеу деректерінен (мысалы, бөлшектердің Браун қозғалысы) әрқашан бірдей үлгіде болмайтынын анықтады. Шевхарт барлық процесс өзгеріске ұшырайтынын, бірақ кейбір процестер процеске ішкі ("жалпы") өзгеріске ұшырайтынын қорытындылады; ол мұндай процестерді (статистикалық) бақылауда деп атады. Ал басқа процестерде процестің себептік жүйесіне жатпайтын өзгерістер пайда болады ("ерекше" өзгеріс көздері), оларды Шевхарт бақылаудан тыс деп сипаттады.
Shewhart read the new statistical theories coming out of Britain, especially the work of William Sealy Gosset, Karl Pearson, and Ronald Fisher. However, he understood that data from physical processes seldom produced a normal distribution curve (that is, a Gaussian distribution or 'bell curve'). He discovered that data from measurements of variation in manufacturing did not always behave the same way as data from measurements of natural phenomena (for example, Brownian motion of particles). Shewhart concluded that while every process displays variation, some processes display variation that is natural to the process ("common" sources of variation); these processes he described as being in (statistical) control. Other processes additionally display variation that is not present in the causal system of the process at all times ("special" sources of variation), which Shewhart described as not in control.
Өндірістік емес процестерге қолдану
Статистикалық процестерді бақылау кез келген қайталанатын процесті қолдауға жарамды және ISO 9000 сапа менеджменті жүйелері қолданылатын көптеген салаларда енгізілген, мысалы, қаржылық аудит және бухгалтерлік есеп, АТ операциялары, денсаулық сақтау процестері, сондай-ақ несие беруді ұйымдастыру және басқару, клиенттерге шот-фактуралар жіберу сияқты кеңсе процестері. Оның жобалау және әзірлеуде қолданылуына сын айтылғанына қарамастан, ол үлкен көлемді деректерді өңдеу операцияларының жартылай автоматтандырылған деректерді басқару үшін өте қолайлы, мысалы, корпоративтік деректер қоймасында немесе корпоративтік деректер сапасын басқару жүйесінде. 1988 жылғы Capability Maturity Model (CMM) бағдарламалық жасақтама инженерлік институты SPC-ні бағдарламалық жасақтама инженерлік процестеріне қолдануға болатынын ұсынды. Capability Maturity Model Integration (CMMI) деңгейі 4 және 5 тәжірибелері осы ұғымды пайдаланады. Ғылыми-зерттеу және әзірлеу немесе жүйелік инженерия сияқты қайталанбайтын, білімді көп қажет ететін процестерге SPC қолдануға күмәнмен қарастырылады және осы мәселе әлі де даулы. "No Silver Bullet" еңбегінде Фред Брукс бағдарламалық жасақтаманың күрделілігі, сәйкестік талаптары, өзгергіштігі және жасырындығы оның өзіндік және қажетті өзгерістеріне алып келетінін, оларды жою мүмкін емес екенін көрсетеді. Бұл SPC-нің бағдарламалық жасақтаманы дамытуда, мысалы, өндірістегіден гөрі тиімділігі төмен екенін білдіреді.
Statistical process control is appropriate to support any repetitive process, and has been implemented in many settings where for example ISO 9000 quality management systems are used, including financial auditing and accounting, IT operations, health care processes, and clerical processes such as loan arrangement and administration, customer billing etc. Despite criticism of its use in design and development, it is well placed to manage semi automated data governance of high volume data processing operations, for example in an enterprise data warehouse, or an enterprise data quality management system. In the 1988 Capability Maturity Model (CMM) the Software Engineering Institute suggested that SPC could be applied to software engineering processes. The Level 4 and Level 5 practices of the Capability Maturity Model Integration (CMMI) use this concept. The application of SPC to non repetitive, knowledge intensive processes, such as research and development or systems engineering, has encountered skepticism and remains controversial. In No Silver Bullet, Fred Brooks points out that the complexity, conformance requirements, changeability, and invisibility of software results in inherent and essential variation that cannot be removed. This implies that SPC is less effective in the software development than in, e. g., manufacturing.
Өндiрiстегi өзгерiстер
Өндірісте сапаны техникалық талаптарға сәйкестік деп анықтайды. Дегенмен, екі өнім немесе ерекшелік ешқашан бірдей болмайды, себебі кез келген процесте өзгергіштіктің көптеген көздері бар. Көптеген өндірістерде, дәстүрлі түрде, дайын өнімнің сапасы өндірістен кейін өнімді тексеру арқылы қамтамасыз етіледі. Әрбір өнім (немесе өндіріс партиясынан алынған өнімдердің үлгісі) жобалық ерекшеліктерге қаншалықты сай келетініне қарай қабылдануы немесе қабылданбауы мүмкін. SPC (Статистикалық процесті басқару) өндірістік процестің жұмысын бақылау үшін статистикалық құралдарды қолданады, маңызды өзгерістерді олар нашар сапалы өнімді өндіруге әкелмес бұрын анықтау үшін. Процестегі кез келген уақыттағы кез келген өзгеріс көзі екі классқа жатады. (1) Жалпы себептер. «Жалпы» себептер кейде «анықталмайтын» немесе «қалыпты» өзгеріс көздері деп аталады. Бұл процеске үнемі әсер ететін кез келген өзгеріс көзін білдіреді, олардың саны әдетте көп. Бұл себептердің жиынтығы уақыт өте келе статистикалық тұрақты және қайталанатын таралымды құрайды. (2) Арнайы себептер. «Арнайы» себептер кейде «анықталатын» өзгеріс көздері деп аталады. Бұл термин процестің шығысына әсер ететін және тек оның бір бөлігіне қатысты болатын кез келген факторды білдіреді. Олар көбінесе үзіліссіз және болжауға қиын. Көптеген процестерде өзгеріс көздері көп; олардың көпшілігі ұсақ және ескерілмеуі мүмкін. Егер басым анықталатын өзгеріс көздері анықталса, оларды анықтап, жоюға болады. Олар жойылған кезде процесс «тұрақты» деп есептеледі. Процесс тұрақты болған кезде, оның өзгерісі белгілі шектер ішінде қалуы керек. Бұл, кем дегенде, басқа анықталатын өзгеріс көзі пайда болғанға дейін. Мысалы, таңғы астыққа арналған қаптама желісі әрбір астық қорабын 500 грамм астықпен толтыру үшін жобаланған болуы мүмкін. Кейбір қораптарда 500 граммнан сәл артық, ал кейбіреулерінде сәл кем болады. Қаптама салмағы өлшенгенде, деректер таза салмақтың таралуын көрсетеді. Егер өндіріс процесі, оның кірістері немесе оның ортасы (мысалы, желідегі машина) өзгерсе, деректердің таралуы да өзгереді. Мысалы, машинаның тетікшелері мен шкивтері тозған сайын, астық толтыру машинасы әрбір қорапқа белгіленген мөлшерден артық астық салып қоюы мүмкін. Бұл тұтынушыға пайдалы болса да, өндірушінің көзқарасы бойынша ол ысырапшылық және өндіріс шығындарын арттырады. Егер өндіруші өзгерісті және оның көзін уақтылы анықтаса, өзгерісті түзетуге болады (мысалы, тетікшелер мен шкивтер ауыстырылуы мүмкін). SPC тұрғысынан алғанда, егер әрбір астық қорабының салмағы кездейсоқ түрде өзгеретін болса, кейбіреулері жоғары, кейбіреулері төмен, әрқашан қабылданатын диапазон ішінде болса, онда процесс тұрақты деп есептеледі. Егер машинаның тетікшелері мен шкивтері тозығып кетсе, астық қораптарының салмағы кездейсоқ болмауы мүмкін. Тетікшелер мен шкивтердің нашарлауы астық салмағының артуының кездейсоқ емес сызықтық үлгісіне әкелуі мүмкін. Біз бұны жалпы себептің өзгеруі деп атаймыз. Алайда, егер барлық астық қораптарының салмағы күтпеген жерден кемшілікке ұшырағандықтан, кенеттен орташадан әлдеқайда көп болса, бұл арнайы себептің өзгеруі деп есептеледі.
In manufacturing, quality is defined as conformance to specification. However, no two products or characteristics are ever exactly the same, because any process contains many sources of variability. In mass manufacturing, traditionally, the quality of a finished article is ensured by post manufacturing inspection of the product. Each article (or a sample of articles from a production lot) may be accepted or rejected according to how well it meets its design specifications, SPC uses statistical tools to observe the performance of the production process in order to detect significant variations before they result in the production of a sub standard article. Any source of variation at any point of time in a process will fall into one of two classes. (1) Common causes 'Common' causes are sometimes referred to as 'non assignable', or 'normal' sources of variation. It refers to any source of variation that consistently acts on process, of which there are typically many. This type of causes collectively produce a statistically stable and repeatable distribution over time. (2) Special causes 'Special' causes are sometimes referred to as 'assignable' sources of variation. The term refers to any factor causing variation that affects only some of the process output. They are often intermittent and unpredictable. Most processes have many sources of variation; most of them are minor and may be ignored. If the dominant assignable sources of variation are detected, potentially they can be identified and removed. When they are removed, the process is said to be 'stable'. When a process is stable, its variation should remain within a known set of limits. That is, at least, until another assignable source of variation occurs. For example, a breakfast cereal packaging line may be designed to fill each cereal box with 500 grams of cereal. Some boxes will have slightly more than 500 grams, and some will have slightly less. When the package weights are measured, the data will demonstrate a distribution of net weights. If the production process, its inputs, or its environment (for example, the machine on the line) change, the distribution of the data will change. For example, as the cams and pulleys of the machinery wear, the cereal filling machine may put more than the specified amount of cereal into each box. Although this might benefit the customer, from the manufacturer's point of view it is wasteful, and increases the cost of production. If the manufacturer finds the change and its source in a timely manner, the change can be corrected (for example, the cams and pulleys replaced). From an SPC perspective, if the weight of each cereal box varies randomly, some higher and some lower, always within an acceptable range, then the process is considered stable. If the cams and pulleys of the machinery start to wear out, the weights of the cereal box might not be random. The degraded functionality of the cams and pulleys may lead to a non random linear pattern of increasing cereal box weights. We call this common cause variation. If, however, all the cereal boxes suddenly weighed much more than average because of an unexpected malfunction of the cams and pulleys, this would be considered a special cause variation.
Бақылау кестелері
Процесс картасындағы нүктелердегі өзгерістерді өлшеуден алынған деректер бақылау кестелері арқылы бақыланады. Бақылау кестелері "анықталатын" ("ерекше") ауытқу көздерін "жалпы" көздерден ажыратуға тырысады. "Жалпы" көздер, процесс бөлігінің күтілетін құрамы болғандықтан, өндіруші үшін "анықталатын" көздерге қарағанда әлдеқайда аз маңызды. Бақылау кестелерін пайдалану – уақыт өте келе жалғасатын үздіксіз процесс.
The data from measurements of variations at points on the process map is monitored using control charts. Control charts attempt to differentiate "assignable" ("special") sources of variation from "common" sources. "Common" sources, because they are an expected part of the process, are of much less concern to the manufacturer than "assignable" sources. Using control charts is a continuous activity, ongoing over time.
Тұрақты процесс
Процесс "контрольдік диаграмманың" ешқандай "анықтау ережесін" орындамаса, ол "тұрақты" деп есептеледі. Тұрақты процесске қатысты, болашақта процесс "сапалы өнім" шығаруға қаншалықты қабілетті екенін болжау үшін процесс қабілеттілігін талдау жүргізілуі мүмкін. Тұрақты процесс, қабілеттілік индексінен тыс дисперсияларсыз процесс қолтаңбасы арқылы көрсетіледі. Процесс қолтаңбасы – қабілеттілік индексімен салыстырылған кескінделген нүктелер.
When the process does not trigger any of the control chart "detection rules" for the control chart, it is said to be "stable". A process capability analysis may be performed on a stable process to predict the ability of the process to produce "conforming product" in the future. A stable process can be demonstrated by a process signature that is free of variances outside of the capability index. A process signature is the plotted points compared with the capability index.
Артық өзгерістер
Процесс басқару диаграммасының "анықтау ережелерінің" кез келгеніне тікелей түрткі болғанда (немесе процесс мүмкіндігі төмен болғанда), шамадан тыс ауытқудың себебін анықтау үшін қосымша шаралар қолданылуы мүмкін. Бұл қосымша шараларда қолданылатын құралдар: Ишикава диаграммасы, жоспарланған эксперименттер және Парето диаграммалары. Жоспарланған эксперименттер – ауытқу көздерінің салыстырмалы маңыздылығын (күшін) объективті түрде бағалау тәсілі. (Арнайы себептерден туындаған) ауытқу көздері анықталғаннан кейін, оларды азайтуға немесе жоюға болады. Ауытқу көзін жою үшін қолданылатын қадамдар: стандарттарды әзірлеу, қызметкерлерді оқыту, қателерді болдырмау және процестің өзін немесе оның кірістерін өзгерту.
When the process triggers any of the control chart "detection rules", (or alternatively, the process capability is low), other activities may be performed to identify the source of the excessive variation. The tools used in these extra activities include: Ishikawa diagram, designed experiments, and Pareto charts. Designed experiments are a means of objectively quantifying the relative importance (strength) of sources of variation. Once the sources of (special cause) variation are identified, they can be minimized or eliminated. Steps to eliminating a source of variation might include: development of standards, staff training, error proofing, and changes to the process itself or its inputs.
Процесс тұрақтылығының өлшемдері
Көптеген процестерді бақылау диаграммаларымен қадағалау кезінде процестердің тұрақтылығын сандық өлшеу пайдалы болуы мүмкін. Бұл көрсеткіштер түзету шараларын ең қажет ететін процестерді анықтау/басымдық беру үшін қолданылуы мүмкін. Сондай-ақ, бұл көрсеткіштер дәстүрлі процесс мүмкіндіктерін бағалау шараларын толықтыру ретінде қарастырылуы мүмкін. Рамирес пен Рунгер еңбектерінде сипатталған бірнеше көрсеткіш ұсынылған. Олар: 1) ұзақ мерзімдік ауытқуды қысқа мерзімдік ауытқумен салыстыратын тұрақтылық қатынасы, 2) топ ішіндегі дисперсияны топтар арасындағы дисперсиямен салыстыратын ANOVA тестісі және 3) Western Electric ережелерін бір немесе бірнеше рет бұзған топтар санын барлық топтардың санымен салыстыратын тұрақсыздық қатынасы.
When monitoring many processes with control charts, it is sometimes useful to calculate quantitative measures of the stability of the processes. These metrics can then be used to identify/prioritize the processes that are most in need of corrective actions. These metrics can also be viewed as supplementing the traditional process capability metrics. Several metrics have been proposed, as described in Ramirez and Runger. They are (1) a Stability Ratio which compares the long term variability to the short term variability, (2) an ANOVA Test which compares the within subgroup variation to the between subgroup variation, and (3) an Instability Ratio which compares the number of subgroups that have one or more violations of the Western Electric rules to the total number of subgroups.
Бақылау диаграммаларының математикасы
Цифрлық басқару диаграммалары түзету қажеттілігін көрсететін "туынды мәндерді" анықтайтын логикалық ережелерді қолданады. Мысалы, туынды мән = соңғы мән + соңғы N сан арасындағы орташа абсолютті айырма.
Digital control charts use logic based rules that determine "derived values" which signal the need for correction. For example,
derived value = last value + average absolute difference between the last N numbers.