|
Метод управления качеством «Шесть сигм»
Версия для печати
Одним из самых популярных методов управления качеством, внедряемых в настоящее время в практику является метод «Шесть сигм». Имеется большой объем литературы, в основном это переводная литература из США. Но при всем обилие информационных источников точно сказать, в чем заключается этот метод, может не каждый специалист в области управления качества. Автор изучил довольно много публикаций по этому методу, наиболее доступно, по мнению автора, метод изложен в / Джиджи К., ДеКарло Н., Вильямс Б. Шесть сигм для «чайников». –М.: Диалектика, 2008, 310 с. / и хотел здесь в краткой форме изложить основные положения метода «Шесть сигм».
Стандартный подход к решению проблем в методе «Шесть сигм» называется DMAIC (define, measure, analyze, improve, control) – определяй, измеряй, анализируй, совершенствуй и контролируй (ОИАСК). Цикл ОИАСК является основной применения «Шесть сигм».
В литературе «Шесть Сигм» определяют как «высокотехничный метод точной настройки процессов и товаров, применяемый экономистами-технологами и статистиками». Это вполне справедливо, но лишь отчасти. Измерения и статистические данные - это ключевые элементы совершенствования по системе «Шесть Сигм», но ими дело не ограничивается.
Другое определение гласит, что «Шесть Сигм» - это целевой показатель, соответствующий уровню максимально возможного совершенства в удовлетворении требований потребителей. И это тоже верно. Строго говоря, «Шесть Сигм» - это полученный методом статистических расчетов плановый показатель операционной деятельности, при котором на миллион операций или «возможностей» приходится не более 3, 4 отклонений (дефектов). Очень немногие компании могут похвастаться подобными результатами. Само название системы определяется в разбросе статистических замеров равных + 6 σ.
Концепция «Шести сигм» базируется на 7 положениях:
Сразу необходимо отметить, что метод «Шесть сигм» в основанном применяется в уже действующем технологическом процессе, его задача улучшать показатели уже действующего процесса. Он не создает новый вид продукции, не определяет новые потребности клиентов. Он совершенствует, то что уже существует. Поэтому с полной уверенность можно говорить, что «Шесть сигм» это составная часть TQM (тотального менеджмента качества). Следовательно противопоставление этих методов бессмысленно.
Исходный базис метода это законы статистики. Современное производство это многократное изготовление одинаковых деталей и их сборка в изделие. Для сферы услуг это многократное повторение какого либо одинакового действия по обслуживанию клиента. Для обеспечения взаимозаменяемости компонентов они должны быть в идеале абсолютно одинаковы. Но в реальности нельзя изготовить два абсолютно одинаковых элемента, так как невозможно обеспечить абсолютно одинаковые условия обработки. Как говорили еще древние греки: «Нельзя дважды войти в одну и ту же реку.» Также как невозможно, как легендарный Робин Гуд, попасть двумя стрелами в одну точку. Всегда имеются отклонения от запланированного нормативного показателя. Иногда отклонения называются погрешности. Задачей изготовителя является максимальное приближение реального показателя к запланированному. В качестве компромисса между требованием идеального качества (показатель должен быть равен запланированному) и реально полученным показателем вводится понятие допуска. Допуск – это некоторый интервал показателя, располагающийся вокруг запланированного показателя. Показатель, входящий в допуск может быть больше или меньше запланированного показателя. Уменьшая допуск мы повышаем приближенность показателя к идеальному запланированному показателю, то есть повышаем качество производства, но усложняем задачу технологу- исполнителю, то есть реальному производственнику, который должен воплотить этот запланированный параметр в реальном материале. В производственной практике это обычно спор между конструктором (проектировщиком продукции) и технологом (изготовителем продукции). Под конструктором следует понимать любого работника занимающегося планированием продукции в виртуальном виде, например менеджер, планирующий процесс оказания услуги.
Например, конструктор в машиностроении хочет, чтобы его новая машина имела наилучшие качественные показатели и нравилась потребителям. Для этого он устанавливает очень маленькие допуски на геометрические размеры деталей. В машиностроении это называется устанавливать малые квалитеты. Например, допуск на размер поршневого кольца двигателя автомобиля. Чем ближе по размеру поршневые кольца, выпускаемые на заводе, тем лучше они будут вести себя в работе. Конструктор ставит свои допуски на чертежах, он создает свою машину виртуально. Ему совсем несложно поставить допуск на размер + 0,5 мм, а может поставить допуск + 0,005 мм. Для конструктора оба эти допуска по сложности простановки их на бумаге равнозначны. Конструктор оптимист, поэтому он старается ставить высокие сложные требования.
Технолог должен все, что конструктор изобразил на бумаге в чертежах, воплотить в реальном материале, например в металле. Поэтому технолог пессимист. Он работает с реальным металлом, и здесь законы статистики проявляются в полной мере. Все детали, изготавливаемые в цеху, имеют разное значение нормированных чертежами размеров. Все детали, с размерами выходящими за допуск, считаются браком. Ясно, что для технолога допуск + 0,5 мм и допуск + 0,005 мм совершенно разные вещи. Это точно также как для футболиста бить штрафной в обычные футбольные ворота либо бить в ворота для хоккея.
Полностью убрать отклонения невозможно, но с помощью законов статистики их можно целеноправленно уменьшать. Именно эти методы статистики предлагает применять метод «Шесть сигм». В чем проблема появления и уменьшения отклонений в производственном процессе. Современный производственный процесс включает огромное количество этапов, в нем задействовано большое количество людей, процессы происходят с большой скоростью. Достаточно часто возникают ситуации, когда достаточно трудно определить какой этап или операция создает главные отклонения как по величине, так и по количеству. Здесь «Шесть сигм» применяет первый этап цикла ОИАСК – определяй.
1. Определяй. Необходимо выделить в общем потоке процессов, именно те которые вносят наибольший вклад в появление отклонений, которые в наибольшей мере влияют на качество конечного продукта. Конкретное воплощение этого этапа может быть реализовано разными инструментами. Это может быть анализ Парето, FMEA, опросы клиентов, изучение рекламаций и т.д. Следует отметить тактические особенности метода «Шесть сигм» при его практической реализации.
- программы выполняются последовательно, не следует стараться улучшить все процессы одновременно, сразу одновременно выполнять много параллельных программ,
- в реализации программы участвуют специально подготовленные работники, причем существует иерархия уровня подготовки и следовательно уровень решаемых задач, Это так называемые «черные», «зеленные», «желтые» и т.д. пояса.
После определения процесса реализуется второй этап цикла ОИАСК.
2. Измеряй. Основной постулат этого этапа – необходимо проводить достоверные, долговременные измерения исследуемых параметров с целью изучения отклонений. После получения достаточно большого объема измерительной информации проводится ее анализ.
3. Анализ. Этот этап наиболее сложен и ответственен. Необходимо определить те факторы, которые влияют на величину и частоту появления отклонений. Для этого необходимо руководствоваться научными положениями современной теории статистического распределения.
Систематические отклонения постоянны по величине или изменяются по определенному закону. Эти отклонения вызываются под влиянием нескольких главных доминирующих факторов, которые можно достаточно легко выявить и устранить. После устранения этих факторов исчезают и систематические отклонения.
Случайными называются отклонения, непостоянные по величине и знаку, которые возникают в зависимости от множества случайно действующих факторов, причем в общем случае ни один из этих факторов не является доминирующим. Полностью устранить случайные погрешности невозможно. Но их можно уменьшать, например, применением более точного и жесткого оборудования, ужесточения технологических режимов обработки и т.д. Значение каждой из случайной погрешности невозможно заранее определить. С помощью методов теории вероятности и математической статистики можно приблизительно оценить только пределы изменения и значение случайной суммарной погрешности.
Существуют следующие параметры распределения вариации.
Центр группирования. среднее арифметическое.
(1)
г де Х i – измеренный параметр i – члена совокупности, n – количество членов совокупности.
Величина рассеяния. Самой элементарной характеристикой рассеяния является вариационный размах R, определяемый по формуле
R=Xmax - Xmin (2)
г де Xmax, Xmin – максимальное и минимальное значения статистической совокупности.
Вариационный размах не всегда характерен, так как учитывает только крайние значения, которые могут сильно отличаться от всех других значений. Более точно рассеяние определяется с помощью показателей, учитывающих отклонение всех значений от среднего арифметического. Основным из этих показателей является среднее квадратичное отклонение результата наблюдений, которое определяется по формуле
(3)
Это отклонение является наиболее распространенным и общепринятым показателем вариации. Величина под корнем, то есть s 2, называется дисперсией. Дисперсия имеет самостоятельное значение во многих задачах математической статистики и относится к числу важнейших показателей вариации.
Показателем отклонения значения самого среднего арифметического является среднее квадратическое отклонение среднего значения S, которое еще называют среднее квадратическое отклонение результата измерения.
(4)
Форма распределения вероятности. Для характеристики формы распределения обычно используют ту математическую модель, которая наилучшим образом приближает к виду кривой распределения вероятностей, полученной при анализе экспериментально полученных данных.
Большинство случайных явлений, происходящих в жизни, в частности, в производстве и научных исследованиях, характеризуются наличием большого числа случайных факторов, описывается законом нормального распределения, который является основным во многих практических исследованиях.
Нормальное распределение характеризуется двумя параметрами m и s 2 и на графике представляет собой симметричную кривую Гаусса (рисунок 1), имеющую максимум в точке соответствующей значению Х = m (соответствует среднему арифметическому Х ср и называется центром группирования), а при Х ® - ¥ и Х ® ¥ асимптотически приближающуюся к оси абсцисс. Точка перегиба кривой находится на расстоянии s от центра расположения m. С уменьшением s кривая растягивается вдоль оси ординат и сжимается вдоль оси абсцисс. Между абсциссами m - s и m + s расположено 68,3 % всей площади кривой нормального распределения. Это означает, что при нормальном распределении 68,3 % всех измеренных единиц отклоняются от среднего значения не более чем на s, то есть все они находятся в пределах + s. Площадь, заключенная между ординатами, проведенными на расстоянии 2 s с обеих сторон от центра составляет 95,4 % и соответственно столько же единиц совокупности находится в пределах m + 2 s. И наконец, 99,73 % всех единиц находится в пределах m + 3 s. Это так называемое правило «трех сигм», характерное для нормального распределения. Согласно этому правилу за пределами отклонения на 3 s находится не более 0,27 % всех значений величин, то есть 27 реализаций на 10 тысяч. В технических приложениях принято при оценке результатов измерений работать с коэффициентами z при s, соответствующим 90 %, 95 %, 99 %, 99,9 % вероятности попадания результата в область допуска.
Z90 = 1,65; Z95 = 1,96; Z99 = 2,576; Z999 = 3,291.
Следует отметить, что это же правило распространяется на отклонения среднего значения Х ср (μ). Оно также колеблется в некоторой области на три значения среднего квадратического отклонения среднего значения S в обе стороны, и в этой области заключено 99,73 % всех значений среднего значения.
Распределение Стьюдента. Нормальное распределение хорошо проявляется при больших выборках не менее 30. При малых выборках, менее 30, применяется распределение Стьюдента.
Распределение Стьюдента симметрично, но более сплющено, чем кривая нормального распределения, и поэтому вытянуто на концах. Для каждого значения n имеется своя t – функция и свое распределение. Коэффициент z заменен в распределении Стьюдента коэффициентом t, значение которого зависит от заданного уровня значимости, который определяет какая часть реализации может находиться за пределами выбранной области кривой распределения Стьюдента и количества изделий в выборке.
При больших n распределение Стьюдента асимптотически сближается со стандартным нормальным распределением. С приемлемой для практики точностью можно считать, что при n ≥ 30, распределение Стьюдента, которое иногда называют t – распределением, апроксимируется нормальным.
t – распределение имеет те же самые параметры, что и нормальное. Это среднее арифметическое Хср, среднее квадратическое отклонение σ и среднее квадратическое отклонение среднего S. Хср определяется по формуле (1), S определяется по формуле (4), а σ по формуле:
(5)
Распространение на генеральную совокупность оценок, сделанных по выборочным данным, может быть осуществлено только с некоторой вероятностью Р(t). Таким образом, суждение о свойствах генеральной совокупности всегда носит вероятностный характер и содержит элемент риска. Так как заключение делается по выборочным данным, то есть при ограниченном объеме информации, могут возникать ошибки первого и второго рода.
Вероятность допустить ошибку первого рода называют уровнем значимости и обозначают а. Область, отвечающая вероятности а, называется критической, а дополняющая ее область, вероятность попадания в которую равна 1-а, называется допустимой.
Вероятность ошибки второго рода обозначается β, а величина 1- β называется мощностью критерия.
Величина а иногда называется риском изготовителя, а величина β называется риском потребителя.
С вероятностью 1-а неизвестное значение Х 0 полной совокупности лежит в интервале
(Хср – Zσ) < Х 0 < (Хср + Zσ) для нормального распределения,
(Хср – tσ) < Х 0 < (Хср + tσ) для распределения Стьюдента.
Предельные крайние значения Х 0 называют доверительными границами.
При уменьшении объема выборки при распределении Стьюдента доверительные границы расширяются, а вероятность ошибки возрастает. Задаваясь, например 5% (а=0,05) уровнем значимости, считают, что с вероятностью 95% (Р= 0,95) неизвестное значение Х 0 находится в интервале
(Хср – tσ,…., Хср+ tσ)
Иными словами искомая точность будет равна Хср + tσ, причем количество деталей с размером, выходящим за пределы этого допуска, будет составлять не более 5 %.
4) Условия стабильности процесса. При заданном уровне значимости среднее значение Хсрт в различных текущих партиях (выборках) могут различаться не более чем на величину tS (для распределения Стьюдента) от базового Хср, полученного для первого замера, то есть
/ Хср – Хсрт / £ tS (6)
При выполнении этого условия можно считать, что процесс стабилен и обе партии (выборки) выпущены при одинаковых условиях. Если же различие средних значений в двух партиях будет превосходить величину tS, то уже нельзя считать, что это различие вызвано только случайными причинами. В процессе появился доминирующий постоянный фактор, который изменяет значения параметров изделий в партии по определенному постоянному закону. Процесс является нестабильным и изделия, выпускаемые в разное время, будут значительно отличаться друг от друга, причем эта разница будет увеличиваться со временем. Это условие заложено в методику применения контрольных карт Шухарта.
5) Понятие допуска. Для определения годности изготовленного продукта вводится понятие допуска. Понятно, что для того чтобы в поле допуска попало как можно больше изделий величина σ должна быть как можно меньше. Если раньше считалось, что попадание в поле допуска трех сигм (99,73% попаданий) является прекрасным результатом, то теперь планка ставится на уровень шести сигм (99,99966% попаданий).
6) Определение факторов, влияющих на величину σ, сложная задача. Необходимо точно определять причинно – следственную цепочку между фактором и сигмой. Выводы можно делать после достаточно длительного и объективного наблюдения. Следует помнить, что если в процессе появился какой либо фактор и вслед за этим произошло изменение величины σ, это не значит, что этот фактор является причиной появления изменения σ. Это может быть только совпадением. Также в реальности на процесс влияет множество факторов, явных (хорошо заметных) и неявных (скрытых). Задача определения количественного влияния факторов на процесс сложнейшая задача. Здесь следует применить методы планирования эксперимента. То есть выявить факторы, установить их значения, провести эксперимент и установить их влияние на выходной параметр (отклик), например значение σ.
4. Совершенствуй. В конечном итоге основная стратегическая задача- «Необходимо уменьшать значение сигмы (вариации).»
Выявив факторы, влияющие на увеличение сигмы, необходимо эти факторы устранять, либо изменять их таким образом, чтобы сигма уменьшалась. Это могут быть меры технологические (установка нового оборудования, модернизация и наладка оборудования, изменения в технологию производства, использование оснастки и приспособления, изменение режимов работы, исходного сырья и т.д.), организационные (изменения в структуру организации, системы оплаты работников, уровня их подготовки, расстановки работников и т.д.), психологические (работа по совместимости работников, усталость от монотонной работы, эргономические мероприятия и т.д.). Все мероприятия проводятся целенаправленно точечно, после объективного изучения процесса на 3-м этапе, так как любое изменение требует выделения ресурсов. Здесь в полной мере должен выполняться принцип Парето, выделение ресурсов в первую очередь на те мероприятия, которые дают наибольший эффект.
На этом этапе необходимо постоянно проводить контрольные измерения, для того чтобы получать реальную информацию о том, что при проведении какого либо мероприятия сигма уменьшается. Значение σ уменьшается постепенно, не следует думать, что за короткий срок сразу удастся вогнать в допуск 6 σ, Необходимо фиксировать все улучшения, например вход в допуск 3 σ, затем 4 σ и т.д.
5. Контролируй. Для долговременного стабильного протекания созданного улучшенного технологического процесса, необходимо периодически проводить контрольные мероприятия, с целью подтверждения стабильности процесса. Здесь можно применять контрольные карты Шухарта. Создать систему нормативной документации по поддержанию процесса в стабильном виде и т.д.
Цикл ОИАСК необходимо повторять постоянно, совершенствованию качества нет предела.
В данной публикации хотелось максимально просто и доступно, может достаточно примитивно, показать основную сущность метода «Шесть сигм». Ясно, что весь метод намного шире и глубже, сложнее. Его необходимо фундаментально изучать и внедрять в практику.
Дата добавления: 2015-08-29; просмотров: 82 | Нарушение авторских прав
<== предыдущая лекция | | | следующая лекция ==> |
64. Правовое государство и гражданское общество. Проблемы построения правового государства и гражданского общества в современной России. | | | Постовая технологическая карта автомобиля (прицепа) |