Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Transkript

1 Statistické řízení jakosti - regulace procesu měřením a srovnáváním

2 Statistická regulace výrobního procesu (SPC) SPC = Statistical Process Control preventivní nástroj řízení jakosti, který na základě včasného odhalování významných odchylek v procesu od předem stanovené úrovně, umožňuje realizovat zásahy do procesu tak, aby byla kvalita dlouhodobě udržována na stabilní a přípustné úrovni

3 Významná úloha tam, kde se vyrábí velké dávky nebo kde se výroba víckrát opakuje Proč: Existuje variabilita výrobního procesu Proces by měl mít cílovou hodnotu Účel: Zabránit vzniku vadných výrobků Cíl: Zmenšit variabilitu, aby nekolísala kvalita a sledovat, jestli kvalita netrenduje (tendence do nekvality přezkoumat 6M)

4 Co způsobuje variabilitu?: 6M faktory Člověk (přesnost, zkušenost, motivace) Materiál (tvrdost, chem. složení ) Metoda (způsob práce, sled operací, ) Měření (techn. měření, kalibrace, ) Stroj (opotřebení, ) Prostředí (změny v teplotě, vlhkosti ) Man Material Method Measuring Machine Milieu

5 Postup před zavedením statistické regulace výrobního procesu

6 1. Volba znaku jakosti zvolit takové znaky, které ovlivňují chování výrobku a jeho vlastnosti regulaci zavést tam, kde je třeba jakost stabilizovat nebo získat informace o výrobním procesu, aby mohl být zlepšen nebo zlevněn

7 2. Analýza výrobního procesu Analýza by měla být zaměřena tak, aby: vymezila příčiny, které mohou vyvolat nepravidelnost ve výrobním procesu zjistila vliv použití tolerančních mezí přispěla ke zlepšení vlastní kontroly a jejího umístění ve výrobním procesu odhalila všechny ostatní související faktory, které mohou ovlivnit výrobní proces

8 3. Volba podskupin roztřídění uvažovaných pozorování do podskupin, uvnitř kterých lze předpokládat, že kolísání sledovaného znaku jakosti je způsobeno pouze náhodnými příčinami, přitom rozdíl mezi těmito podskupinami může být způsoben zvláštními příčinami a jejich odhalení je úlohou regulačních diagramů

9 4. Volba kontrolního intervalu a rozsahu podskupin žádná obecná pravidla, vše s ohledem na stabilizovaný proces může záviset na nákladech na odběr a analýze měření obvykle: rozsah podskupiny 4-5 vzorků za sebou vybraných podskupin pro předběžný odhad

10 5. Sběr předběžných údajů je třeba shromažďovat určité počáteční výsledky kontrol a ty analyzovat, abychom mohli vypočítat předběžně hodnoty nutné pro stanovení CL, UCL, LCL a ty zavést do diagramu

11 Regulační diagram

12 Postup konstrukce regulačního diagramu na ose x se vynáší pořadová čísla podskupin (např. při nepřetržité výrobě budeme 1x za hodinu vybírat 5 výrobků tzn. budeme mít 24 podskupin za den) na ose y se vynáší hodnoty sledovaného znaku jakosti nebo parametru procesu (např. průměr, rozpětí, směrodatná odchylka, podíl neshodných jednotek ve výběru atd.). Tyto hodnoty vypočteme z chronologicky za sebou jdoucích hodnot znaku jakosti, získaných při provádění pravidelných výběrových kontrol. regulační diagram se dále skládá z centrální přímky (CL) a horní (UCL) a dolní (LCL) regulační meze.

13 Postup konstrukce regulačního diagramu Při stanovení regulačních mezí lze vycházet z rozdělení pravděpodobnosti příslušného sledovaného znaku. Nejčastěji se uvedená pravděpodobnost volí na úrovni 0,9973, tzn. že UCL a LCL jsou od CL vzdáleny 3 směrodatné odchylky na každou stranu.

14 Shewhartovy regulační diagramy (dle normy ČSN ISO 8258) grafická pomůcka zobrazující variabilitu procesu dynamicky, umožňující oddělit náhodné příčiny variability od vymezitelných Předpoklady použití: dostatečný počet dat, normalita dat, nezávislost dat, konstantní rozptyl a střední hodnotu, sledování pouze jednoho znaku jakosti na jednom produktu

15

16 66,26 % 95,44 % 99,73 % 99,994 % + 1s -1 s + 2 s - 2 s + 3 s - 3 s + 4 s - 4 s

17 Normální rozdělení Spojité, symetrické, ve tvaru zvonu rozdělení četností pro variabilní údaje, které jsou základem pro regulační diagramy pro proměnné. Jestliže měření má normální rozdělení, okolo % všech jednotlivých hodnot leží uvnitř intervalu plus a minus jedna standardní odchylka od průměru, okolo 95.44% leží uvnitř intervalu plus a minus dvě standardní odchylky od průměru a % leží uvnitř intervalu plus a minus tři standardní odchylky od průměru. Tyto procenta jsou základem pro analýzu regulačních mezí a regulační diagramy (protože průměry podskupin mají tendenci být rozděleny normálně, i když výstup jako celek nikoliv) a pro mnoho rozhodnutí týkající se způsobilosti (protože výstup mnoha průmyslových procesů sleduje normální rozdělení).

18

19 Jaký regulační diagram zvolit? Jaké znaky jakosti? Měřitelné Neměřitelné Jaký rozsah výběru? Co má být sčítáno? nad 10 Neshodné jednotky Neshody X x j, R kl, R, s X, R X Je rozsah výběru konstantní? Je rozsah výběru konstantní? ne ano ne ano p np u c

20 Regulace procesu měřením Výhody: známe hodnoty sledovaného znaku jakosti, lze snadněji vysledovat příčiny nejakosti, lze sledovat trendy. Nevýhody: náročná na měřicí přístroje, náročná na čas, obsluha musí být přiměřeně kvalifikovaná. SPC

21 Cílem je snížení variability procesu Stejnoměrnější výroba Menší pravděpodobnost výskytu neshodných produktů Menší rozsah kontroly a nižší náklady na kontrolu a zkoušení Nižší náklady vyvolané poruchami procesu Více spokojených zákazníků

22 Jeden mrtvý je tragédie. Desítka mrtvých je masakr. Tisíce mrtvých je Jeden mrtvý je tragédie. Desítka mrtvých je masakr. Tisíce mrtvých je statistika.

23 Statistická regulace výrobního procesu srovnáváním Při regulaci srovnáváním se užívá vždy je jeden diagramu, ne dvojice jako při regulaci měřením. sledujeme atribut, výsledkem je binární informace (ano x ne), rychlejší než měření, nezískávají se hodnoty, nelze sledovat trendy.

24 Nejčastěji používané diagramy srovnáváním: (p) regulační diagram pro podíl neshodných jednotek (np) regulační diagram pro počet neshodných jednotek, konstantní rozsah podskupin (c) regulační diagram pro počet neshod, konstantní rozsah podskupin (u) regulační diagram pro průměrný počet neshod na jednotku v podskupině

25 Regulační diagram pro podíl neshodných jednotek v podskupině p diagram

26 Příklad 1 Cukrář vyrábí rakvičky a občas je mu zboží vráceno z důvodu nízké kvality (moc křehké nebo moc tvrdé). Rozhodl se proto zlepšit svoji kvalitu za pomocí metod SPC konkrétně pomocí Shewhartova diagramu. Po dobu 10 dní náhodně vybíral určité množství rakviček a každou testoval (ochutnávkou) a výsledky zaznamenal do tabulky. Vyberte vhodný diagram pro regulaci procesu, vypočítejte regulační meze a nakreslete regulační diagram.

27 Zadání příkladu 1

28 CL = p = 58/591 = 0,1 Řešení v příkladu 1 UCL = 0,21 LCL = -0,01 = 0

29 1. otázka na závěr - Uveďte základní metody statistické regulace a zásady jejího uplatnění proces musí být statisticky zvládnut jak vzhledem k variabilitě, tak vzhledem k poloze procesu. regulace měřením x regulace srovnáváním regulace na základě technických nebo přirozených regulačních mezí výběrový bod mimo regulační meze na regulačním diagramu signalizuje přítomnost zvláštní příčiny proměnlivosti v procesu, ta musí být identifikována a trvale odstraněna na základě přijatých opatření

30 2. Otázka na závěr - Uveďte nutné podmínky pro zavedení statistické regulace procesu Zavedení a uplatnění regulace procesu je záležitostí všech, management musí vytvořit vhodné podmínky. Definovat proces, určit znak jakosti, který bude statisticky řízen, určit způsob měření, rozsah výběrů, metodu regulace podle výběrových charakteristik (např. výběrový průměr a rozpětí). Vytvořit stabilní podmínky procesu a vypočítat výsledné regulační meze.

31 Použitá literatura: Moderní management jakosti Nenadál, J. a spol. Management kvality, environmentu a bezpečnosti práce - Veber, J. a kol. Statistické metody pro zlepšování jakosti Tošenovský, J. Měření v systémech managementu jakosti Nenadál, J. Statistická regulace - Horálek V.