Statystyczne sterowanie procesem

Statystyczne sterowanie procesem
Polecane artykuły
Diagram Pareto Kontrola jakości ABC Analiza procesów Benchmark Sterowanie jakością Metody wykrywania usterek Identyfikacja 7 narzędzi TQC

Statystyczne sterowanie procesem - inaczej statystyczna kontrola procesu (ang. statistical process control, SPC) to zespół technik i metod statystycznych służących do oceny stabilności procesu. Celem SPC jest zapobieganie powstawaniu niezgodności poprzez wykrywanie i sygnalizowanie zakłóceń w przebiegu procesu.

SPC jest odpowiedzią na nieskuteczność tradycyjnej kontroli jakości. Zamiast kontrolować produkt końcowy, inspektorzy jakości lub sami pracownicy przy maszynach sprawdzają poszczególne elementy. Nie czekają aż pojawią się wadliwe elementy. Jeśli kolejne produkowane sztuki niebezpiecznie zbliżają się do dopuszczalnych granic (tolerancji), podejmują niezbędne działania. Tymi działaniami mogą być: poinformowanie przełożonych, nastawienie maszyny, wymiana zużytej części maszyny, itp.

SPC nastawione jest na ciągłe doskonalenie. To przede wszystkim działania zapobiegawcze. Badania nad procesem nie tylko dostarczają informacji na temat jego przebiegu i występujących odchyleń, ale również pomagają poznać przyczyny zmienności procesu. Dzięki systematycznemu monitorowaniu organizacja może zminimalizować straty, poprzez usuwanie na bieżąco rozpoznanych usterek i błędów. Jednocześnie kierownictwo na podstawie informacji o problemach projektuje procesy tak, aby uniemożliwić ich powstanie, np. stosując Poka yoke, projektowanie jakości, czy Failure Mode and Effects Analysis .

“SPC to także strategia identyfikowania, szacowania i redukowania zmienności w procesach, produktach i usługach. Powszechne stosowanie metod i narzędzi SPC pomaga kreować produkty i usługi, które nieustannie odpowiadać będą wymaganiom klienta.”

“Najczęściej SPC wykorzystywane jest w przemyśle produkcyjnym (wieloseryjnym), gdzie występuje duża jednorodność poszczególnych cech wyrobów. Istnieją również odmiany metod SPC, które z powodzeniem można wykorzystywać do nadzorowania procesów małoseryjnych czy nawet jednostkowych.

Prowadzenie działań w ramach SPC opiera się na zasadzie systematycznego pobierania i badania określonej liczby próbek. U podstaw statystycznego sterowania procesem leży konieczność rozróżnienia przyczyn zmienności analizowanego procesu.

Czynniki wpływające na stabilność procesu można podzielić na dwie grupy:

1. czynniki naturalne – są nierozerwalnie związane z procesem, jest ich na ogół bardzo dużo, lecz żaden z nich nie jest na tyle silny, aby doprowadzić do rozregulowania procesu (np. zmiany ciśnienia atmosferycznego, temperatury, wilgotności powietrza itp.), gdy na proces działają wyłącznie te czynniki, mówimy o nim, że jest statystycznie kontrolowany.
2. czynniki szczególne – działają z dużą siłą, mając wpływ na rozregulowanie procesu (np. awarie maszyny). Przy ich wyłącznym działaniu proces nie będzie statystycznie uregulowany.”

Istnieją dwa pojęcia, które są bardzo silnie związane z posługiwaniem się narzędziami SPC, a mianowicie jest to dokładność (“miara zgodności produktów ze wzorcem”) oraz precyzja (“miara rozrzutu”).

Rozkład normalny (rozkład Gaussa)

Statystyczne sterowanie procesem (SPC) ściśle związane jest z pojęciem rozkładu Gaussa, mówiąc inaczej rozkładu normalnego, z którym proces ma zgodnie przebiegać. Rozkład ten opiera się na twierdzeniu granicznym, a jego założeniem jest to, że "suma wartości zmiennych losowych o dowolnym rozkładzie układa się według rozkładu normalnego” “ SPC ma na celu usprawnienie przebiegu prac przez redukcję występujących odchyleń78. Rozkład normalny nierozerwalnie związany jest z regułą trzech sigm (3σ), która mówi, że wartość środkowa rozkładu (wartość oczekiwana) zawarta jest w granicach: – -3σ < –x < +3σ – mieści się około 99,73% wszystkich obserwacji, – -2σ < –x < +2σ – mieści się około 95,45% wszystkich obserwacji, – -1σ < –x < +1σ – mieści się około 68,27% wszystkich obserwacji. Rozkład normalny służy do wyznaczenia naturalnych granic rozrzutu (±3σ), w których mieścić się będzie 99,7% z całości obserwacji.”

Kontrola statystyczna

Jedną z metod kontroli jakości jest kontrola statystyczna, zwana często kontrolą wyrywkową. Polega ona na tym, że z danej partii wyrobów, do badania pobiera się jedynie próbkę (zobacz także: próbkowanie). Taki rodzaj kontroli stosuje się w procesie produkcyjnym ze względów ekonomicznych bądź technicznych. Nie zawsze bowiem istnieje możliwość pomiaru wszystkich jednostek z partii produkcyjnej. Niektóre formy kontroli wiążą się ze zniszczeniem produktu (kontrola niszcząca).

Ze względu na wielkość i częstotliwość pobierania próbek, jak i sposób wykorzystania informacji zwrotnej w procesie produkcyjnym, możemy wyróżnić dwa rodzaje kontroli statystycznej:

• statystyczna kontrola odbiorcza – ma charakter bierny. Ma ona na celu ustalenie czy dana partia wyrobów, z której została pobrana próbka może być przyjęta.
• statystyczna kontrola procesu – ma charakter czynny. Jej wyniki zostają wykorzystane nie tylko do oceny wyrobów, lecz również całego procesu. Chodzi bowiem o doskonalenie procesu .

Należy zwrócić uwagę na różnicę w znaczeniu słowa kontrola oraz angielskiego control. Control to sterowanie, nadzorowanie, monitorowanie, sprawdzanie. Tymczasem w języku polskim kontrola jest tożsama z inspekcją (ang. inspection). Stąd lepszą nazwą jest statystyczne sterowanie procesem, niż statystyczna kontrola procesu.

Narzędzia SPC

Podstawowymi narzędziami stosowanymi w statystycznym sterowaniu procesami są:

• 7 klasycznych narzędzi TQC,
  • Diagram procesu
  • Karta kontrolna
  • Arkusz analityczny
  • Wykres Ishikawy
  • Diagram Pareto
  • Histogram
  • Punktowy diagram korelacji
• 7 nowych narzędzi TQC.
  • Diagram pokrewieństwa (ang. affinity diagram)
  • Diagram relacji (ang. interrelationship diagram)
  • Diagram macierzowy (ang. matrix diagram)
  • Macierz analizy danych (ang. matrix data analysis)
  • Diagram strzałkowy (ang. arrow diagram)
  • Drzewo decyzyjne (ang. tree diagram)
  • Wykres programowy procesu decyzji (ang. process decision programme chart)

Celem stosowania tych narzędzi jest identyfikacja przyczyn problemów. Przyczyny dzieli się na:

• losowe,
• nielosowe.

Przyczyny losowe (zwane też systemowymi, naturalnymi, pospolitymi) są naturalnie związane z procesem. Występują często, a ich skutki są stosunkowo niewielkie w porównaniu do przyczyn nielosowych. Czynniki te trudno zidentyfikować i wyeliminować, ponieważ jedynym wyjściem jest zmiana systemu produkcji. Przykładami w tym przypadku może być: przestarzały sprzęt, nieodpowiednie oświetlenie, niskiej jakości materiał.

Przyczyny nielosowe występują nieregularnie, a ich skutki są znaczące. Zazwyczaj łatwo je zidentyfikować i usunąć. Przykładem przyczyny nielosowej może być: błąd pracownika, zepsuta, bądź źle zaprogramowana maszyna. Eliminacja tych właśnie przyczyn jest podstawowym warunkiem osiągnięcia statystycznej kontroli nad procesem .

Więcej na ten temat w artykule poświęconym kartom kontrolnym.

Bibliografia

• Bank J. (1996). Zarządzanie przez jakość, Wydawnictwo Gebethner i Ska, Warszawa
• Dahlgaard J. J., Gopal K Kanji, Kristensen K. (2000). Podstawy zarządzania jakością, Wydawnictwo Naukowe PWN, Warszawa
• Hamrol A., Mantura W. (2002). Zarządzanie jakością. Teoria i praktyka, Wydawnictwo Naukowe PWN, Warszawa
• Kaźmierczak M. (2004). Monitorowanie procesów i jakości w usługach, Ekonomika i Organizacja Przedsiębiorstwa
• Łuczak J., Matuszak-Flejszman A. (2007). Metody i techniki zarządzania jakością, Poznań

Autor: Sławomir Wawak, Irena Śliwińska, Eliza Serafin