Statistiline protsessi kontroll

Ajalugu

Statistiline protsesside juhtimine oli Walter A. Shewharti teerajaja 1920. aastate alguses. Shewhart lõi aluse kontrollkaardile ja kontseptsioonile, mille kohaselt statistiline kontroll toimub hoolikalt kavandatud katsete abil. Kuigi Dr. Shewhart lähtus puhtmatemaatilistest statistilistest teooriatest, mõistis ta, et füüsikaliste protsesside andmed annavad harva "normaaljaotuskõvera" (Gaussi jaotuse, mida tavaliselt nimetatakse ka "kellakõveraks"). Ta avastas, et tootmisandmete täheldatud varieerumine ei käitu alati samamoodi nagu andmed looduses (näiteks osakeste Browniliikumine). Dr. Shewhart jõudis järeldusele, et kuigi igas protsessis esineb varieerumine, esineb mõnes protsessis kontrollitud varieerumine, mis on protsessile loomulik (tavalised varieerumise põhjused), samas kui teistes protsessides esineb kontrollimatu varieerumine, mis ei esine protsessi põhjuslikus süsteemis alati (erilised varieerumise põhjused). Kontrollimatut varieerumist seostatakse sageli defektsete toodetega, mis annab andmetel põhineva vahendi probleemide tuvastamiseks ja kvaliteedi parandamiseks.

W. Edwards Deming rakendas hiljem SPC meetodeid USAs II maailmasõja ajal, parandades sellega edukalt kvaliteeti laskemoona ja teiste strateegiliselt oluliste toodete valmistamisel. Pärast sõja lõppu aitas ta kaasa SPC meetodite juurutamisele Jaapani tööstuses. Demingi lähenemisviis, mis kasutab SPC-d koos sellega seotud juhtimistavadega, sai tuntuks kvaliteedijuhtimissüsteemina.

Rakendus

Järgnev kirjeldus on seotud pigem tootmise kui teenindussektoriga, kuigi SPC põhimõtteid saab edukalt rakendada mõlemas valdkonnas. Kirjeldus ja näide selle kohta, kuidas SPC-d kohaldatakse teeninduskeskkonnas, on esitatud Robertsis (2005). Selden kirjeldab, kuidas kasutada SPC-d müügi, turunduse ja klienditeeninduse valdkonnas, kasutades Demingi kuulsat punase helmekese eksperimenti kergesti järgitava näitena.

Massitootmises saavutati valmistoote kvaliteet traditsiooniliselt toote tootmisjärgse kontrollimisega; iga toote (või tootmispartii näidiste) vastuvõtmine või tagasilükkamine põhines sellel, kui hästi see vastas projekteeritud spetsifikatsioonidele. Seevastu statistiline protsessikontroll kasutab statistilisi vahendeid tootmisprotsessi toimimise jälgimiseks, et prognoosida olulisi kõrvalekaldeid, mis võivad hiljem põhjustada toote tagasilükkamist.

Kõigis tootmisprotsessides esineb kahte liiki varieeruvust: mõlemad protsessivariatsioonid põhjustavad hilisemat varieeruvust lõpptootes. Esimest nimetatakse loomulikuks või üldpõhjuseks ja see koosneb protsessile omastest variatsioonidest, nagu see on kavandatud. Tavapärase põhjusega varieerumine võib hõlmata temperatuuri, tooraine omaduste, elektrivoolu tugevuse jne muutusi. Teist liiki varieerumine on tuntud kui erilise põhjusega varieerumine või omistatava põhjusega varieerumine ja seda esineb harvemini kui esimest. Piisava uurimistööga on võimalik leida eriliste põhjuste variatsioonidele konkreetne põhjus, näiteks ebanormaalne tooraine või valed seadistamisparameetrid.

Näiteks võib hommikuhelveste pakendamisliin olla projekteeritud nii, et iga teraviljakarp täidetakse 500 grammi tootega, kuid mõnes karbis on veidi rohkem kui 500 grammi ja mõnes veidi vähem vastavalt netokaalu jaotusele. Kui tootmisprotsess, selle sisendid või keskkond muutuvad (näiteks kui tootmist teostavad masinad hakkavad kuluma), võib see jaotus muutuda. Näiteks kui selle nukkide ja rihmarattad kuluvad, võib teraviljatäite masin hakata panema igasse karpi rohkem teravilja kui ette nähtud. Kui sellel muutusel lastakse kontrollimatult jätkuda, toodetakse üha rohkem ja rohkem toodet, mis jääb tootja või tarbija lubatud piiridest välja, mille tulemuseks on jäätmed. Kuigi antud juhul on jäätmed tarbija jaoks "tasuta" toote kujul, koosnevad jäätmed tavaliselt ümbertöötlemisest või jäägid.

Kui kvaliteediinsener või mõni tootmisliini eest vastutav meeskonnaliige jälgib õigel ajal, mis protsessis juhtus ja mis viis muutuse tekkimiseni, saab ta kõrvaldada protsessi sisseimbunud variatsiooni algpõhjuse ja parandada probleemi.

SPC näitab, millal tuleks protsessis midagi ette võtta, kuid see näitab ka seda, millal EI tuleks midagi ette võtta. Näide on inimene, kes soovib säilitada püsivat kehakaalu ja mõõdab kaalu kord nädalas. Isik, kes ei mõista SPC mõisteid, võib hakata iga kord, kui tema kaal suureneb, dieeti pidama või süüa rohkem iga kord, kui tema kaal väheneb. Selline tegevus võib olla kahjulik ja võib tekitada veelgi suuremaid kehakaalu kõikumisi. SPC võtaks arvesse normaalset kehakaalu kõikumist ja näitaks paremini, millal inimene tegelikult kaalus juurde- või alla võtab.

SPC põhietapid

Statistiline protsessikontroll võib laias laastus jagada kolmeks tegevuspaketiks: protsessi mõistmine, varieerumise põhjuste mõistmine ja erisündmuste allikate kõrvaldamine. SPC peamised vahendid on kontrollkaardid, keskendumine pidevale parandamisele ja kavandatud katsed.

Protsessi mõistmisel kaardistatakse tavaliselt protsess ja protsessi jälgitakse kontrollkaartide abil. Kontrollkaarte kasutatakse selleks, et tuvastada eriliste põhjuste tõttu tekkida võivat varieeruvust ja vabastada kasutaja murest tavalistest põhjustest tuleneva varieeruvuse pärast. See on pidev ja pidev tegevus. Kui protsess on stabiilne ja ei käivita ühtegi kontrollkaardi tuvastamise reeglit, võib teostada ka protsessi võimekuse analüüsi, et ennustada praeguse protsessi võimet toota tulevikus nõuetele vastavat (st spetsifikatsioonidele vastavat) toodet.

Kui kontrollkaardi tuvastamise reeglite abil tuvastatakse ülemäärane varieeruvus või kui leitakse, et protsessi võime on puudulik, tehakse täiendavaid jõupingutusi, et määrata kindlaks kõnealuse kõrvalekalde põhjused. Kasutatavad vahendid on Ishikawa diagrammid, kavandatud katsed ja Pareto diagrammid. Planeeritud katsed on SPC selles etapis kriitilise tähtsusega, kuna need on ainus vahend paljude võimalike variatsiooni põhjuste suhtelise tähtsuse objektiivseks kvantifitseerimiseks.

Kui varieerumise põhjused on kvantifitseeritud, tehakse jõupingutusi nende põhjuste kõrvaldamiseks, mis on nii statistiliselt kui ka praktiliselt olulised (st põhjust, millel on ainult väike, kuid statistiliselt oluline mõju, ei pruugi pidada kulutasuvaks parandada; samas ei saa statistiliselt mitteolulist põhjust kunagi pidada praktiliselt oluliseks). Üldiselt hõlmab see standardtööde väljatöötamist, veakindluse tagamist ja koolitust. Erinevuste vähendamiseks või protsessi vastavusse viimiseks soovitud eesmärgiga võivad olla vajalikud täiendavad protsessimuudatused, eriti kui on probleeme protsessi võimekusega.

SPC ja tarkvara kvaliteet

1989. aastal tutvustas Tarkvaratehnika Instituut võimekuse küpsusmudelis (CMM) arusaama, et SPC-d saab kasulikult rakendada ka muudele kui tootmisprotsessidele, näiteks tarkvaratehnika protsessidele. See idee on tänapäeval olemas võimekuse küpsusmudeli integratsiooni (CMMI) 4. ja 5. taseme praktikates. Siiski on see arusaam, et SPC on kasulik vahend, kui seda rakendatakse mitte korduvate, teadmismahukate protsesside, näiteks inseneriprotsesside puhul, palju skeptilisust kogenud ja on tänapäevalgi vastuoluline. Probleem seisneb arvukates tarkvara valdkondades, mis ei ole korduvad, vaid on ühekordsed või ühekordsed kvaliteediaspektid, selle asemel, et jälgida korduvat tulemuslikkust pikaajalises perspektiivis.

Seotud leheküljed

• Kvaliteedi tagamine
• Kvaliteedikontroll
• ANOVA
• Valimi võtmine (statistika)
• Kuus sigmat