Статистический контроль производственных процессов: методы и применение

Введение

Метод контроля качества

Статистический процессный контроль (SPC) или статистический контроль качества (SQC) – это применение статистических методов для мониторинга и управления качеством производственного процесса. Это помогает обеспечить эффективную работу процесса, производя больше продукции, соответствующей спецификациям, с меньшим количеством отходов и брака. SPC может применяться к любому процессу, где выход "соответствующей продукции" (продукции, отвечающей требованиям спецификаций) может быть измерен. Ключевыми инструментами, используемыми в SPC, являются операционные диаграммы, контрольные карты, акцент на непрерывном улучшении и планирование экспериментов. Примером процесса, в котором применяется SPC, являются производственные линии. SPC должен применяться в два этапа: первый этап – первоначальная настройка процесса, а второй этап – регулярное использование процесса в производстве. На втором этапе необходимо принимать решение о периоде контроля, в зависимости от изменений условий 5M&E (Человек, Оборудование, Материал, Метод, Перемещение, Окружающая среда) и степени износа деталей, используемых в производственном процессе (деталей оборудования, приспособлений и оснастки). Преимущество SPC перед другими методами контроля качества, такими как "инспекция", заключается в том, что он делает акцент на раннем выявлении и предотвращении проблем, а не на их исправлении после возникновения. Помимо сокращения отходов, SPC может привести к сокращению времени, необходимого для производства продукции. SPC снижает вероятность того, что готовая продукция потребует переработки или утилизации.

История

Статистический контроль процессов был впервые разработан Уолтером А. Шевартом в лабораториях Белла в начале 1920-х годов. Шевартом была разработана контрольная карта в 1924 году и концепция состояния статистической управляемости. Статистическая управляемость эквивалентна концепции взаимозаменяемости, разработанной логиком Уильямом Эрнестом Джонсоном также в 1924 году в его книге «Логика, часть III: Логические основы науки». Вместе с командой AT&T, включавшей Гарольда Доджа и Гарри Ромига, он также работал над тем, чтобы положить выборочный контроль на рациональную статистическую основу. В 1934 году Шевартом консультировал полковник Лесли Э. Саймон по применению контрольных карт к производству боеприпасов на армейском арсенале Пикатини. Этот успешный опыт помог убедить Армейское управление вооружений привлечь Джорджа Эдвардса из AT&T для консультаций по использованию статистического контроля качества в своих подразделениях и среди подрядчиков в начале Второй мировой войны. В. Эдвардс Деминг пригласил Шеварта выступить в аспирантуре Министерства сельского хозяйства США и был редактором книги Шеварта «Статистический метод с точки зрения контроля качества» (1939), которая явилась результатом этой лекции. Деминг был ключевым разработчиком краткосрочных курсов по контролю качества, которые обучали американскую промышленность новым методам во время Второй мировой войны. Выпускники этих военных курсов в 1945 году основали новое профессиональное общество – Американское общество контроля качества, которое избрало Эдвардса своим первым президентом. Деминг посетил Японию во время союзной оккупации и встретился с Союзом японских ученых и инженеров (JUSE) с целью внедрения методов статистического контроля процессов в японскую промышленность.

"Обычные" и "специальные" источники изменения

Шевхарт изучал новые статистические теории, разрабатываемые в Великобритании, особенно работы Уильяма Сили Госсета, Карла Пирсона и Рональда Фишера. Однако он понимал, что данные, полученные в результате физических процессов, редко соответствуют нормальному распределению (то есть распределению Гаусса или "кривой колокола"). Он обнаружил, что данные измерений отклонений в производстве не всегда ведут себя так же, как данные измерений природных явлений (например, броуновское движение частиц). Шевхарт пришел к выводу, что хотя в каждом процессе присутствует изменчивость, некоторые процессы демонстрируют изменчивость, которая является естественной для самого процесса ("общими" источниками изменчивости); такие процессы он описывал как находящиеся в статистическом контроле. Другие процессы, помимо этого, демонстрируют изменчивость, не связанную с причинной системой процесса в каждый момент времени ("специальными" источниками изменчивости), и Шевхарт описывал их как не находящиеся в контроле.

Применение к процессам, не связанным с производством

Статистический контроль процессов применим для поддержки любого повторяющегося процесса и был внедрен во многих областях, где, например, используются системы менеджмента качества ISO 9000, включая финансовый аудит и бухгалтерский учет, ИТ-операции, процессы здравоохранения и административные процессы, такие как оформление и администрирование кредитов, выставление счетов клиентам и т.д. Несмотря на критику его применения в проектировании и разработке, он хорошо подходит для управления полуавтоматизированным управлением данными в операциях обработки больших объемов данных, например, в корпоративном хранилище данных или в системе управления качеством данных предприятия. В модели зрелости возможностей (CMM) 1988 года Институт программной инженерии предложил применять статистический контроль процессов к процессам разработки программного обеспечения. Практики 4-го и 5-го уровней модели интеграции зрелости возможностей (CMMI) используют эту концепцию. Применение статистического контроля процессов к нерегулярным, требующим глубоких знаний процессам, таким как исследования и разработки или системная инженерия, вызвало скептицизм и остается предметом споров. В книге "Нет серебряной пули" Фред Брукс отмечает, что сложность, требования к соответствию, изменчивость и скрытый характер программного обеспечения приводят к присущей и неотъемлемой вариативности, которую невозможно устранить. Это подразумевает, что статистический контроль процессов менее эффективен в разработке программного обеспечения, чем, например, в производстве.

Изменения в производстве

В производстве качество определяется как соответствие спецификации. Однако ни один продукт или характеристика не бывает абсолютно идентичным другому, поскольку любой процесс содержит множество источников изменчивости. В массовом производстве качество готовой продукции традиционно обеспечивается послепроизводственным контролем. Каждое изделие (или выборка изделий из производственной партии) может быть принято или отклонено в зависимости от степени соответствия его конструкторской спецификации. Статистический контроль процессов (SPC) использует статистические инструменты для наблюдения за ходом производственного процесса с целью выявления значительных отклонений до того, как они приведут к выпуску продукции, не соответствующей стандартам. Любой источник изменчивости в любой момент времени в процессе относится к одному из двух классов. (1) Общие причины. "Общие" причины иногда называют "неустранимыми" или "нормальными" источниками изменчивости. Это относится к любому источнику вариации, который постоянно воздействует на процесс, и таких источников обычно много. В совокупности эти причины создают статистически стабильное и воспроизводимое распределение во времени. (2) Особые причины. "Особые" причины иногда называют "устранимыми" источниками изменчивости. Этот термин относится к любому фактору, вызывающему вариацию, который влияет только на часть выпуска процесса. Они часто носят спорадический и непредсказуемый характер. Большинство процессов имеют множество источников вариации, и большинство из них незначительны и могут быть проигнорированы. Если обнаружены доминирующие устранимые источники изменчивости, их потенциально можно идентифицировать и устранить. После их устранения процесс считается "стабильным". Когда процесс стабилен, его изменчивость должна оставаться в пределах известных границ. По крайней мере, до тех пор, пока не появится другой устранимый источник изменчивости. Например, линия упаковки хлопьев для завтрака может быть спроектирована для наполнения каждой коробки 500 граммами продукта. В некоторых коробках будет немного больше 500 граммов, а в некоторых – немного меньше. При измерении веса упаковок данные покажут распределение нетто-весов. Если производственный процесс, его исходные данные или окружающая среда (например, оборудование на линии) изменяются, распределение данных также изменится. Например, по мере износа кулачков и шкивов оборудования машина для наполнения может помещать в каждую коробку больше продукта, чем указано. Хотя это может быть выгодно для потребителя, с точки зрения производителя это нерационально и увеличивает стоимость производства. Если производитель своевременно обнаружит изменение и его источник, изменение можно будет устранить (например, заменив кулачки и шкивы). С точки зрения SPC, если вес каждой коробки хлопьев варьируется случайным образом, то есть некоторые коробки тяжелее, а некоторые легче, но всегда в пределах допустимого диапазона, то процесс считается стабильным. Если кулачки и шкивы оборудования начнут изнашиваться, вес коробок может перестать быть случайным. Ухудшение функциональности кулачков и шкивов может привести к неслучайной линейной тенденции увеличения веса коробок. Мы называем это изменчивостью, обусловленной общими причинами. Однако, если все коробки с хлопьями внезапно станут намного тяжелее среднего из-за неожиданной неисправности кулачков и шкивов, это будет считаться изменчивостью, обусловленной особыми причинами.

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.

Контрольные диаграммы

Данные измерений отклонений в контрольных точках карты процесса контролируются с помощью контрольных карт. Контрольные карты позволяют выявлять "специальные" ("присваиваемые") источники вариации, отличая их от "общих" источников. "Общие" источники, будучи ожидаемой частью процесса, вызывают у производителя гораздо меньше опасений, чем "специальные" источники. Использование контрольных карт – это непрерывный процесс, осуществляемый на постоянной основе.

Стабильный процесс

Когда процесс не вызывает ни одного из "правил обнаружения" контрольной карты, он считается "стабильным". Анализ пригодности процесса может быть выполнен для стабильного процесса с целью прогнозирования его способности производить "соответствующую продукцию" в будущем. Стабильность процесса демонстрируется сигнатурой процесса, не содержащей разброса за пределами индекса пригодности. Сигнатура процесса – это график точек в сравнении с индексом пригодности.

Чрезмерные изменения

Когда процесс запускает какое-либо из "правил обнаружения" контрольной карты (или, альтернативно, когда показатель стабильности процесса низок), могут быть выполнены дополнительные действия для выявления источника чрезмерной изменчивости. Инструменты, используемые в этих дополнительных мероприятиях, включают: диаграмму Исикава, экспериментальное планирование и диаграммы Парето. Экспериментальное планирование – это способ объективной количественной оценки относительной важности (влияния) источников изменчивости. После того, как источники (специальных причин) изменчивости будут выявлены, их можно минимизировать или устранить. Меры по устранению источника изменчивости могут включать: разработку стандартов, обучение персонала, защиту от ошибок и изменения самого процесса или его входных данных.

Показатели стабильности процесса

При мониторинге множества процессов с использованием контрольных карт иногда полезно рассчитывать количественные показатели стабильности этих процессов. Эти метрики могут быть использованы для выявления и определения приоритетов процессов, наиболее нуждающихся в корректирующих действиях. Также эти метрики можно рассматривать как дополнение к традиционным показателям пригодности процесса. Несколько метрик были предложены, как описано у Рамиреса и Рунгера. К ним относятся: 1) коэффициент стабильности, сравнивающий долгосрочную изменчивость с краткосрочной изменчивостью; 2) ANOVA-тест, сравнивающий изменчивость внутри подгрупп с изменчивостью между подгруппами; и 3) коэффициент нестабильности, сравнивающий количество подгрупп с одним или несколькими нарушениями правил Western Electric с общим количеством подгрупп.

Математика контрольных диаграмм

Цифровые контрольные карты используют логические правила, определяющие "выводные значения", которые сигнализируют о необходимости корректировки. Например, выводное значение = последнее значение + средняя абсолютная разность между последними N числами.