Метод управления качеством «Шесть сигм»

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:

• Помните о ключевых бизнес-процессах и потребительских требованиях, не теряя общей чет­кой сфокусированности на стратегических целях.
• Добивайтесь, чтобы за проекты отвечали корпоративные спонсоры: руководили ими, оказы­вали поддержку командным видам деятельности, помогали снижать или устранять сопротивление изменениям и представляли командам необходимые ресурсы.
• Делайте ставку на такие показатели, как число брака на миллион возможностей продукции, причем это положение должно быть распространено на все составляющие работы - проектирова­ние, администрирование, управление и т.д.
• Добивайтесь, чтобы в начале процесса были заданы приемлемые понятные количественные ориентиры производства, они должны быть привязаны к результатам работы всей организации, стимулировать ответственность работников.
• Проводите масштабную профессиональную подготовку персонала, формируйте проектные команды, которые должны заниматься повышением рентабельности, снижать число видов дея­тельности, не повышающих ценности продукции, и добиваться повышения производительности.
• Подготовьте и приглашайте экспертов по качеству, которые смогут внедрить методы лидер­ства и совершенствования.
• В ходе совершенствования устанавливайте динамичные цели, то есть постоянно их услож­няйте.

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.

• При изготовлении множества одинаковых элементов, которые называются статистической генеральной совокупностью всегда существует вариация рассеяние результатов, то есть невоз­можно изготовить два абсолютно одинаковых элемента. Это может относиться к изготовлению поршня автомобильного двигателя или составление заявки для выполнения поручения клиента. В первом случае это может быть диаметр детали, во- втором случае время составление заявки. Но любое множество подчиняется законам теории вероятности и математической статистики.
• При выполнении работы стремятся получить нормативный показатель, указанный в доку­ментации. Для поршня это номинальный размер диаметра указанный в чертеже. Но попасть точно в номинальный размер невозможно потому что существуют отклонения или погрешности. Откло­нение это разница между номинальный размером и реальным размером. Отклонения бывают систематические и случайные. Отклонения возникают под влиянием разных факторов, влияющих на производственный процесс.

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