Статистическое управление процессами

Контроль над статистическими процессами был инициирован Уолтером А. Шевхартом в начале 1920-х годов. Шевхарт создал основу для контрольной диаграммы и концепции состояния статистического контроля с помощью тщательно продуманных экспериментов. В то время как доктор Шевхарт основывался на чисто математических статистических теориях, он понимал, что данные физических процессов редко дают "кривую нормального распределения" (гауссовское распределение, также обычно называемое "колокольной кривой"). Он обнаружил, что наблюдаемые изменения в производственных данных не всегда ведут себя так же, как данные в природе (например, броуновскоедвижение частиц). Д-р Шевхарт сделал вывод, что в то время как каждый процесс отображает вариацию, некоторые процессы отображают контролируемую вариацию, которая является естественной для процесса (общие причины вариации), в то время как другие отображают неконтролируемую вариацию, которая не присутствует в системе причинно-следственных связей процесса в любое время (особые причины вариации). Неконтролируемая вариация часто связана с бракованной продукцией, что позволяет определить проблемы и повысить качество.

W. Позднее Эдвардс Деминг применил методы СРС в США во время Второй мировой войны, успешно повысив тем самым качество при производстве боеприпасов и другой стратегически важной продукции. После окончания войны он сыграл важную роль во внедрении СРС-методов в японскую промышленность. Подход Дэминга к использованию СРС со смежными методами управления стал известен как система управления качеством.

Следующее описание относится к производству, а не к сфере услуг, хотя принципы SPC могут быть успешно применены и к тому, и к другому. Описание и пример того, как SPC применяется к среде обслуживания, см. в Roberts (2005). Селден описывает, как использовать SPC в области продаж, маркетинга и обслуживания клиентов, используя знаменитый эксперимент Deming в области красных бисер в качестве простой для подражания демонстрации.

В массовом производстве качество готового изделия традиционно достигалось путем пост-изготовительного контроля изделия; приемки или отбраковки каждого изделия (или образцов из партии продукции) в зависимости от того, насколько оно соответствовало проектным спецификациям. В отличие от этого, статистический контроль процесса использует статистические инструменты для наблюдения за ходом производственного процесса с целью прогнозирования значительных отклонений, которые в дальнейшем могут привести к отбраковке продукции.

Во всех производственных процессах встречаются два типа вариаций: оба эти типа вариаций процесса приводят к последующим вариациям конечного продукта. Первый известен как естественная или обычная причина вариаций и состоит из вариаций, присущих процессу в том виде, в котором он разработан. Общими причинами могут быть колебания температуры, свойств сырья, прочности электрического тока и т.д. Второй вид вариаций известен как вариации особой причины, или вариации, обусловленные причинами, и встречается реже, чем первый вид вариаций. При достаточном исследовании для особых вариаций причин могут быть найдены специфические причины, такие как аномальное сырье или неправильные параметры настройки.

Например, линия упаковки хлопьев для завтрака может быть спроектирована таким образом, чтобы наполнить каждую коробку с хлопьями 500 граммов продукта, но некоторые коробки будут иметь чуть более 500 граммов, а некоторые - чуть меньше, в соответствии с распределением веса нетто. Если производственный процесс, его производственные ресурсы или окружающая среда изменятся (например, машины, делающие производство, начнут изнашиваться), это распределение может измениться. Например, по мере износа кулачков и шкивов зерновой фасовочной машины в каждую коробку может попасть больше зерна, чем указано. Если это изменение не будет контролироваться, то будет производиться все больше и больше продуктов, которые выходят за рамки допусков производителя или потребителя, что приведет к возникновению отходов. Хотя в этом случае отходы представляют собой "бесплатный" для потребителя продукт, как правило, отходы состоят из вторичной переработки или лома.

Наблюдая в нужное время за тем, что происходило в процессе, который привел к изменениям, инженер по качеству или любой член команды, ответственный за производственную линию, может устранить первопричину отклонения, которое прокралось в процесс, и исправить проблему.

SPC указывает, когда должно быть предпринято какое-либо действие в процессе, но также указывает, когда NO должно быть предпринято. Примером может служить человек, который хочет поддерживать постоянную массу тела и еженедельно измеряет вес. Человек, который не понимает концепции SPC, может начать питаться каждый раз, когда его вес увеличивается, или есть больше каждый раз, когда его вес уменьшается. Этот тип действия может быть вредным и, возможно, привести к еще большему разбросу в весе тела. SPC учёл бы нормальную вариацию веса и лучше указал бы, когда человек фактически набирает или теряет вес.

Контроль над статистическими процессами в широком смысле можно разделить на три вида деятельности: понимание процесса; понимание причин вариации; и устранение источников вариации особых причин. Ключевыми инструментами в SPC являются контрольные диаграммы, ориентированные на постоянное совершенствование и разработанные эксперименты.

При понимании процесса, процесс, как правило, отображается на карте, а мониторинг процесса осуществляется с помощью контрольных диаграмм. Контрольные диаграммы используются для выявления изменений, которые могут быть вызваны особыми причинами, и для того, чтобы избавить пользователя от беспокойства по поводу изменений, вызванных общими причинами. Это непрерывная, непрерывная деятельность. Когда процесс является стабильным и не вызывает никаких правил обнаружения для контрольной диаграммы, анализ возможностей процесса может быть также выполнен для прогнозирования способности текущего процесса производить соответствующий (т.е. в пределах спецификации) продукт в будущем.

В случае выявления чрезмерной вариативности в правилах обнаружения контрольной диаграммы или в случае отсутствия возможностей процесса прилагаются дополнительные усилия для определения причин такой вариации. Используемые инструменты включают диаграммы Исикавы, разработанные эксперименты и диаграммы Парето. Спроектированные эксперименты имеют решающее значение для этой фазы SPC, так как они являются единственным средством объективной количественной оценки относительной важности многих потенциальных причин вариации.

После количественной оценки причин вариации, усилия тратятся на устранение тех причин, которые являются как статистически, так и практически значимыми (т.е. причину, которая имеет лишь небольшой, но статистически значимый эффект, можно считать экономически нецелесообразным исправлять; однако причину, которая не является статистически значимой, никогда нельзя считать практически значимой). Как правило, это включает в себя разработку стандартных работ, защиту от ошибок и обучение. Могут потребоваться дополнительные изменения в процессе для уменьшения вариаций или приведения процесса в соответствие с желаемой целью, особенно если существует проблема, связанная с возможностями процесса.

В 1989 г. Институт программной инженерии ввел понятие о том, что SPC можно с пользой применять к непроизводственным процессам, таким как процессы программной инженерии, в Модели зрелости способностей (Capability Maturity Model, CMM). Эта идея существует сегодня в рамках практик 4 и 5 уровня интеграции моделей зрелости способностей (Capability Maturity Model Integration - CMMI). Однако эта идея о том, что SPC является полезным инструментом при применении к не повторяющимся, наукоемким процессам, таким как инженерные процессы, столкнулась с большим скептицизмом и остается спорной и сегодня. Проблема заключается во многих областях программного обеспечения, которые не являются повторяющимися, а вместо этого являются одноразовыми или одноразовыми аспектами качества, а не наблюдаются при многократной производительности в долгосрочной перспективе.

• Гарантия качества
• Контроль качества
• ANOVA
• Выборка (статистика)
• Шесть сигма