Сущность и цели контрольных карт

Контрольные карты и управление процессом

“Статистический контроль качества - это на 90% инженерное дело и на 10% - статистика”.

H.F.Dodge

В этом разделе рассматривается самый популярный, очень эффективный и в то же время относительно простой инструмент управления качеством ­– контрольные карты (КК). С того времени, когда в 1924 году Вальтер Э. Шухарт разработал технику построения и применения КК, во всём мире издано множество книг по этой теме, предложено множество модификаций и трактовок КК и даже целых философских теорий. Сейчас в мире нет ни одной более или менее солидной и уважающей себя и своих потребителей фирмы или предприятия, на которых могли бы обойтись без КК, … кроме России. Существует даже медаль имени Шухарта, которой ежегодно награждается один из заслуженных специалистов в области обеспечения качества. А в России до сих пор не издано ни одного печатного труда Шухарта, хотя ни одна из книг по проблеме качества, в том числе и наших соотечественников, не обходится без упоминания о КК. Парадоксальность ситуации вокруг КК, сложившейся в нашей стране, заключается ещё и в том, что именно в России сочли КК одним из самых выдающихся достижений человечества в ХХ веке (см. ж. «МКК» №1,3 2003г).

Чтобы спокойно разобраться в потоках информации, уметь отделять полезные сведения от псевдонаучных домыслов о КК необходимо вернуться к первым главам, где на примере промышленного производства рассмотрены общие вопросы управления технологическими процессами. Поскольку любой процесс можно моделировать в виде генератора случайных чисел – показателей качества, то, естественно выходные характеристики процесса будут зависеть от качества работы самого генератора и его составных частей, включая персонал, участвующий в работе процесса. Следовательно, состояние процесса, его управляемость, способность противостоять внешним и внутренним «помехам» и «шумам» определяет в целом качество его выходных характеристик. Чтобы управлять такой сложной системой как производственный процесс, необходима система диагностики, показывающая состояние механизма процесса-генератора. Эту диагностическую функцию как раз и выполняют КК, и вряд ли разумно требовать от КК ещё чего-либо большего.

Каждый процесс наделён множеством свойств и характеристик, в том числе такими как производительность, безопасность, экологичность, энергоёмкость и тп. Как только удаётся эти характеристики выразить через числовые параметры, так сразу бросается в глаза такое общее свойство параметров как изменчивость или вариация. Оказывается, все параметры переменны во времени, даже при, казалось бы, постоянных условиях работы процесса. Эта изменчивость или вариация значений данного параметра друг относительно друга и есть показатель качества процесса относительно рассматриваемого параметра. Например, в военном деле издавна для отбора претендентов в команду снайперов применяется следующий приём. Каждому претенденту предлагается сделать серию выстрелов по мишени из одного и того же оружия. Отбор претендентов производится не по набранному количеству очков, а по «кучности» результатов стрельбы. В соответствии с результатами испытаний по рис. 8.1 предпочтение будет отдано второму стрелку, хотя количество набранных очков у первого стрелка больше. Т.е. качество процесса стрельбы у второго претендента выше, чем у первого (при этом понятно, что, настройка центра разброса на центр мишени легко производится с помощью механизма прицела оружия). Мишень на рис. 8.1 по сути дела представляет собой аналог контрольной карты процесса стрельбы. Решение о качестве стрельбы делается на основе анализа разброса результатов процесса, а не цели процесса: набрать максимальное количество очков. Хотя положение центра разброса и центра мишени, которое тоже отражает данная КК, будет учтено при корректировке прицела личного оружия второго стрелка. Отсюда следует первое правило работы с КК – в первую очередь обращать внимание не на конкретные значения параметра, а на характер его изменчивости.

Для удобства отслеживания вариаций на КК технологических процессов наносят вспомогательные линии, параллельные линии центра разброса:

ВКГ или ВПГ = Хц + ki×;	8.1
НКГ или НПГ = Хц - ki×,

где ВКГ и НКГ соответственно верхняя и нижняя контрольные (предельные) границы;

ВПГ и НПГ соответственно верхняя и нижняя предупредительные границы;

Х_ц – значение контролируемого параметра, соответствующее центру рассеивания, за который естественно принять математическое ожидание или его точечную оценку: среднее значение параметра в выборке;

k_i – неслучайный коэффициент, назначаемый (рассчитываемый) разработчиком КК в зависимости от вида и требуемых свойств КК;

- стандартное отклонение параметра (корень квадратный из дисперсии D[X]), рассчитываемое по выборке, если истинное значение параметра неизвестно.

Следует подчеркнуть, что вариация, которую отражает КК, никак не связана с требованием к качеству продукции на выходе процесса. Эту связь устанавливают люди во время анализа КК, когда «накладывают» значения параметра на выходе процесса на требуемые с целью выработки управляющих по отношению к процессу решений. Конечно можно контрольные границы с помощью коэффициента k_i увязать с конструкторским допуском и таким образом получить так называемые «приёмочные» КК (см. ГОСТ Р 50779.43), но обычно в этом нет необходимости, поскольку более ценной в КК является информация о качестве процесса, а не продукции.

Второй момент, который следует учитывать при работе с КК, это два вида статистической изменчивости процесса. Первый вид изменчивости связан с разбросом значений контролируемого параметра относительно центра. Мерой этого вида изменчивости является дисперсия. Второй вид изменчивости называется «трендом» и представляет собой изменение во времени центра разброса. Как правило, тренд связан с появлением детерминированного (не случайного) воздействия на работу процесса (см. п. 2.2) и может иметь как линейную так и нелинейную форму проявления (довольно часто встречаются циклические формы проявления тренда). Поскольку естественный разброс процесса накладывается на тренд, то без «истории» развития процесса, т.е. без ведения КК его довольно трудно обнаружить.

Третий и, пожалуй, самый главный момент, связанный с применением КК в производстве это непосредственно сам акт управления процессом. Как было отмечено выше, сама КК является датчиком состояния процесса, причём «слепым» датчиком или по терминологии теории регулирования – сигнальным датчиком, который может только констатировать факт изменения в функционировании процесса, но не способен указать на причину изменения. Поиск конкретной причины, выработка управляющего воздействия на процесс, реализация этого воздействия и, что самое важное - ответственность за правильность принятых действий, несёт лицо, принимающее решение. К сожалению, на наших предприятиях управляющее действие сводится, чаще всего, исключительно к мерам репрессивного характера: наказать персонал, который обеспечивал работу процесса в момент выхода контролируемого параметра за предельную границу. При этом совершаются по крайней мере две грубейшие ошибки, т.к. во-первых причина ухода процесса от нормального состояния могла быть «заложена» и во время работы предыдущих смен персонала, а во-вторых, даже, если это была действительно ошибка персонала, то прежде всего необходимо разобраться, почему была допущена эта ошибка и сделать всё, чтобы эта ошибка не повторялась (работа персонала это органическая часть функционирования процесса, ведь никому не придёт в голову наказывать заготовку из-за наличия в ней раковины, приведшей к поломке резца, накажут токаря и, возможно, его непосредственного начальника, хотя правильнее просто обеспечить должный входной контроль заготовок и направить рекламацию поставщику материала заготовки, наказывать токаря просто глупо и бессмысленно).

Таким образом, управление процессом с помощью КК сводится к трём обязательным процедурам:

1) выбор контрольного параметра и построение (расчёт) контрольных границ;

2) аккуратное и постоянное ведение КК;

3) анализ информации, поступающей от КК, выработка и реализация управляющих действий над процессом.

Очевидно, что статистика как вполне формализуемый на уровне конкретных рекомендаций и правил математический аппарат применяется только в первой процедуре. Естественно, статистика может и должна применяться и на третьей процедуре, но ввиду многообразия при специфичности (индивидуальности) каждого процесса формализовать правила выработки и реализации управляющих действий не представляется разумным и возможным. Главной, наиболее трудной и ответственной является третья процедура.

В технической литературе и в стандартах часто используется понятие «статистически управляемого (или неуправляемого) состояния» или «статистически подконтрольного состояния» процесса (см., например, ГОСТ Р 51814.3). Это выражение связано с тем, что, если все контролируемые по КК параметры процесса находятся в пределах контрольных границ, то процесс вполне «обходится» собственными ресурсами управления и не требует дополнительных управляющих воздействий. Более того, непродуманные и необоснованные воздействия на процесс, который находится в статистически управляемом состоянии, может привести к появлению статистической неустойчивости и к выходу контролируемых параметров за пределы контрольных границ или к появлению тренда. Не рекомендуется вмешиваться в процесс, если он находится в управляемом состоянии. С этим понятием тесно связано представление о КК как о способе проверки статистической гипотезы о состоянии процесса:

Н0: {процесс находится в статистически управляемом состоянии и, следовательно нет необходимости вмешиваться в его работу};

против альтернативной гипотезы:

Н1: {процесс вышел из статистически управляемого состояния и требует вмешательства в его работу}.

Следовательно, КК можно исследовать на вероятность появления ошибки первого рода (вмешательство в процесс, когда этого не требуется) и второго рода (невмешательство в работу процесса, хотя это уже требуется). Обе эти ошибки связаны со статистической природой КК, которые могут и «обмануть», показывая точку за пределами контрольных границ, хотя процесс находится в нормальном (управляемом) состоянии или наоборот не показывать изменений состояния в режиме работы процесса с отклонениями. При таком подходе вполне естественным будет построение кривой мощности или оперативной характеристики, построение контрольных и предупредительных границ, исходя из обеспечения заданных рисков и т.п. Этот подход к построению и анализу КК преобладает в Европе (в основном в немецкоязычных странах). В США и в Азии (например, в Японии) такой подход практически не используют. Действительно, КК, если к ним подходить со стороны теории вероятностей и математической статистики, не имеют (как правило) строгой научной обоснованности по следующим причинам:

1) нет возможности статистически обосновать объёмы выборок;

2) особенно трудно поддаётся обоснованию периодичность взятия выборок;

3) редко когда является строго обоснованным использование свойств нормального распределения.

Даже, если все эти положения можно теоретически обосновать, чаще всего это слишком дорого и экономически не оправдано. Поэтому расчёты, например, рисков первого и второго рода для КК перестают быть актуальными. В принципе, в отличие от, например, приёмочного контроля от КК особой математико-статистической строгости и не требуется. Эффективность КК заключается не в их статистической обеспеченности, а в их диагностической сущности и умении приложить поступающую от них информацию в чисто инжинерно-техническую плоскость: вовремя обнаружить, найти причину и разработать адекватные управленческие и инженерные решения. Исключение составляют приёмочные КК, для которых указанные выше положения должны быть рассмотрены более подробно с обеспечением необходимых затрат.

Дата добавления: 2014-01-15