Семь основных инструментов контроля качества

Семь основных инструментов контроля качества используют для аналитического решения проблем, то есть, в ситуации, когда данные доступны, и чтобы решить проблему, нужно их проанализировать.

1. Контрольный листок – инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации.

Рис. 3. Контрольный листок. Пример.

Преимущество контрольных листков – возможность их использования сотрудниками, не работающими с компьютером. Если данные для последующую анализа получаются путем измерения непосредственно на рабочих местах, контрольные листки очень эффективны. Понятно, что если данные для анализа извлекаются из баз данных, контрольные листки не нужны, а данные сразу преобразуются в гистограмму, диаграмму Парето или рассеивания (см. ниже).

2. Диаграмма причин и результатов. Эта диаграмма используется для выявления факторов процесса, влияющих на результат. Встречаются также названия: «диаграмма Исикавы» или «диаграмма рыбий скелет». В классическом варианте факторы (причины) группируются по категориям по принципу «5М»:

Man (человек) − причины, связанные с человеческим фактором;

Machines (машины, оборудование) − причины, связанные с оборудованием;

Materials (материалы) − причины, связанные с материалами;

Methods (методы, технология) − причины, связанные с организацией бизнес-процессов;

Measurements (измерения) − причины, связанные с методами измерения.

Рис. 1. Диаграмма Исикавы. Шаблон.

Можно использовать и иную группировку. Вот, например, какой «скелет» можно нарисовать, анализируя возможности сокращения времени обслуживания клиентов на складе:

Рис. 2. Диаграмма Исикавы. Время обслуживания клиентов на складе.

3. Диаграмма Парето. Эти диаграммы ранжируют проблемы по степени (частоте) влияния на результат. Свое название они получили по имени экономиста Вильфредо Парето, который в одной из своих научных работ на рубеже XIX и XX веков показал, что в Италии 20% домохозяйств получают 80% доходов. Термин «принцип Парето» в 40-х годах XX века ввел в обращение американский специалист в области менеджмента качества Джозеф Джуран.

Анализ Парето, как правило, иллюстрируется диаграммой Парето, на которой по оси абсцисс отложены причины возникновения проблем качества в порядке убывания их влияния на число несоответствий (объем брака), а по двум осям ординат: а) число несоответствий в штуках; б) накопленная доля (проценты) вклада в итоговое число несоответствий. Например:

Рис. 4. Диаграмма Парето. Причины возникновения просроченной дебиторской задолженности.

В первую очередь следует работать с причинами, вызывающими наибольшее количество проблем. В нашем примере с первыми тремя.

АВС-анализ. В самом общем виде принцип Парето заключается в следующем: основные результаты достигаются небольшим числом усилий. При этом обычно наблюдается пропорция 80 / 20. Например, 80% брака является следствием 20% всех возможных причин.80% продаж дают 20% клиентов; 80% товарного запаса приходится на 20% номенклатуры;

4. Гистограмма – инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания в определенный (заранее заданный) интервал. В классическом варианте гистограмма используется для определения проблем при помощи анализа формы разброса значений, центрального значения, его близости к номиналу, характера рассеивания:[1]

Рис. 5. Варианты расположения гистограммы по отношению к технологическому допуску

Краткие комментарии:

а) всё хорошо: среднее совпадает с номиналом, вариабельность в пределах допусков;

б) следует сместить среднее для совпадения с номиналом;

в) следует уменьшить рассеивание;

г) следует сместить среднее и уменьшить рассеивание;

д) следует значительно уменьшить рассеивание;

е) смешаны две партии; следует разбить на две гистограммы, и проанализировать их;

ж) аналогично предыдущему пункту, только ситуация более критичная;

з) необходимо понять причины такого распределения; «обрывистый» левый край, говорит о каких-то действиях в отношении партий деталей;

и) аналогично предыдущему.

5. Диаграмма разброса (рассеивания) – инструмент, позволяющий определить вид и тесноту связи (корреляцию) между парами соответствующих переменных. Такие диаграммы содержат две совокупности данных, нанесенных на график в виде точек. Взаимосвязь между этими точками показывает зависимость между соответствующими данными. В Excel такая диаграмма имеет тип – «точечная». Вот, например, как можно проиллюстрировать полезность точечных диаграмм:

Рис. 7. Выявление корреляционной зависимости на основе точечной диаграммы.

Корреляция — статистическая взаимосвязь двух или нескольких случайных величин. При этом изменения одной или нескольких из этих величин приводят к систематическому изменению другой или других величин. Математической мерой корреляции двух случайных величин служит коэффициент корреляции – k. k изменяется от -1 до 1. k =-1 устанавливает обратную пропорциональность; k=1 – прямую пропорциональность; k=0 – соответствует отсутствию какой-либо зависимости между случайными величинами; чем ближе k к 1 (или к -1), тем сильнее зависимость; величину k можно интерпретировать следующим образом: «какую часть изменений одной случайной величины определяют изменения другой случайной величины». Например (см. рис.7), коэффициент корреляции между бюджетом клуба и его местом в чемпионате страны k=-0,63. То есть, на 63% успех в чемпионате определяется бюджетом.

Вот любопытный пример использования корреляционного анализа для управления размещением товаров на складе:

Современный склад имеет весьма внушительные размеры. В глубину он может достигать 100-150 метров (расстояние от погрузочных ворот до задней стенки). Понятно, что располагая товары с высокой оборачиваемостью ближе к воротам, можно сэкономить время на перемещения по складу. На рисунках выше показана частота обращений к отдельным ячейкам; слева – для случайного размещения товаров; справа – для товаров, разбитых на АВС-группы. Чем интенсивнее цвет, тем чаще обращение к ячейке. Видно, что без АВС-распределения обращение к ячейкам практически случайное, при АВС-разбиении номенклатуры можно наблюдать границы зон. Левый фронт каждого рисунка обращен к зоне приемки. Таким образом, в ситуации, изображенной на рис. б, суммарный путь кладовщиков / техники будет меньше, чем на рис. а

6. Графики – инструмент, позволяющий провести анализ данных по различным срезам. Формы и цели анализа могут диктовать использование различных видов графиков.

Покомпонентное сравнение данных лучше всего демонстрируется при помощи круговой диаграммы.

Для иллюстрации позиционного сравнения лучше всего подходит линейчатая диаграмма.

Если покомпонентное и позиционное сравнение показывают взаимосвязи в определенный момент времени, то временнóе сравнение отражает динамику изменений; временнóе сравнение лучше всего иллюстрировать гистограммой или графиком.

Например, вот какими диаграммами можно анализировать сразу три параметра по каждому клиенту: динамику дебиторской задолженности, просроченной дебиторской задолженности, лимитов по кредитной линии:

Рис. 8. Пример использования графика для анализа данных.

7. Контрольная карта – инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него, предупреждая отклонения от предъявленных к процессу требований (или реагируя на отклонения).

Существует два типа вариаций:

- естественные, связанные с разбросом значений вокруг номинала, присущие процессу;

- специальные, появление которых можно объяснить конкретными причинами.

Подробнее об этом можно прочитать в книге Д. Уилера и Д. Чамберса «Статистическое управление процессами. Оптимизация бизнеса с использованием контрольных карт Шухарта».

Контрольные карты служат для выявления специальных вариаций. На график наносятся точки, соответствующие отдельным данным, линия средних значений (μ), верхняя и нижняя контрольные границы (µ ± 3σ). Если точки лежат в пределах контрольных границ, реагировать на отклонения от средней линии не нужно. Если хотя бы одна точка вышла за контрольные границы, требуется провести анализ возможных причин отклонения.

Рис. 9. Контрольная карта. Естественные причины вариаций.

На следующей диаграмме показано среднее (по неделе) время выхода в рейс машин:

Рис. 10. Контрольная карта. Специальные причины вариаций.

Видно, что, начиная с 19-й недели, точки выходят за контрольные границы. Требуется вмешательство в процесс для выявления специальных причин вариаций.

[1] См. раздел «Гистограмма» в книге С.В.Пономарева и В.Я.Мищенко «Управление качеством продукции. Инструменты и методы менеджмента качества (2005)»

Дата добавления: 2014-01-05