Որակի վիճակագրական վերլուծություն
Ավելի ու ավելի կատաղի մրցակցության դարաշրջանում որակը այլևս պարզապես ավելացված արժեք չէ, այլ ապրանքների և ծառայությունների շուկայում գոյատևման հիմնական պահանջ։ Շատ կազմակերպություններ իրականացրել են ստուգումներ, աուդիտներ և գործընթացների բարելավումներ։ Սակայն, առանց չափելի մոտեցման, որակի բարելավման ջանքերը հաճախ վերածվում են զուտ ինտուիտիվ որոշումների։ Ահա թե որտեղ է վիճակագրական վերլուծությունը խաղում կարևոր դեր՝ օգնելով տվյալները վերածել տեղեկատվության, ապա՝ օբյեկտիվ որոշումների։ Այս հոդվածը քննարկում է, թե ինչպես է վիճակագրական վերլուծությունն օգտագործվում որակը համակարգված գնահատելու, վերահսկելու և բարելավելու համար։
1. Ինչո՞ւ է վիճակագրությունը կարևոր որակի համար։
Որակը հիմնարարորեն կապված է տատանումների հետ: Ցանկացած արտադրական կամ սպասարկման գործընթացում միշտ կա տատանումներ, օրինակ՝ չափերի, քաշի, ծառայության ժամանակի կամ թերությունների մակարդակի տատանումներ: Ոչ բոլոր տատանումներն են բնույթով վատ. որոշները բնական տատանումներ են, որոնք չեն կարող լիովին վերացվել: Վիճակագրությունը օգնում է տարբերակել բնական տատանումները (ընդհանուր պատճառ) այն տատանումներից, որոնք առաջանում են որոշակի խնդիրներից (հատուկ պատճառ): Տատանումների աղբյուրները հասկանալով՝ կազմակերպությունները կարող են կենտրոնանալ իրական բարելավումների վրա, այլ ոչ թե պարզապես «հրդեհները մարելու» վրա, որոնք միայն երբեմն են ի հայտ գալիս:
Առանց վիճակագրության, ղեկավարությունը կարող է սխալ գործողություններ ձեռնարկել: Օրինակ, եթե այսօրվա արտադրության ծավալը մի փոքր ավելի վատ է, քան երեկ, դա պարտադիր չէ, որ նշանակի, որ գործընթացը վատթարանում է. դա կարող է պարզապես նորմալ տատանում լինել: Եվ հակառակը, եթե կա աստիճանաբար աճող թերությունների օրինաչափություն, վիճակագրությունը կարող է դրանք հայտնաբերել ավելի շուտ, նախքան դրանք լուրջ խափանումների վերածվեն:
2. Որակյալ տվյալներ. հավաքագրման տեսակներ և մեթոդներ
Վիճակագրական վերլուծությունը լավն է միայն այնքանով, որքանով լավ են օգտագործված տվյալները։ Որակի առումով տվյալները սովորաբար բաժանվում են երկու կատեգորիայի՝
1. Ատրիբուտային տվյալներ. կատեգորիկ տվյալներ, օրինակ՝ թերի/ոչ թերի, հաջող/ձախողված, A/B/C տեսակի թերի։ Այս տվյալները տարածված են վերջնական ստուգումների կամ տեսողական ստուգումների ժամանակ։
2. Փոփոխական տվյալներ. անընդհատ թվային տվյալներ, օրինակ՝ բաղադրիչի երկարությունը (մմ), քաշը (գրամ), նյութի կարծրությունը, ծառայության ժամանակը (րոպե): Փոփոխական տվյալները, որպես կանոն, ավելի տեղեկատվական են, քանի որ պարունակում են շեղման մեծության մանրամասներ:
Տվյալների հավաքագրումը պետք է հաշվի առնի մի քանի սկզբունքներ՝ թերությունների հստակ սահմանումներ, չափման հետևողական ընթացակարգեր, նմուշների բավարար չափեր և ճշգրիտ գրառումների պահպանում: Հաճախ անտեսվող մի ասպեկտ է չափման համակարգը. չափման գործիքները կարող են անճշտություններ լինել, կամ օպերատորները կարող են տարբեր դատողություններ անել: Հետևաբար, շատ կազմակերպություններ անցկացնում են չափման համակարգերի գնահատումներ (օրինակ՝ կրկնելիության և վերարտադրելիության ուսումնասիրություններ)՝ ստացված տվյալների հուսալիությունն ապահովելու համար:
3. Նկարագրական վիճակագրություն. որակը հասկանալու առաջին քայլը
Վերլուծության առաջին քայլը սովորաբար նկարագրական վիճակագրությունն է։ Նպատակն է նկարագրել որակի ներկայիս վիճակը։ Որոշ հաճախ օգտագործվող չափանիշներ են՝
– Միջինը՝ միջին արժեքը, որը ներկայացնում է ընդհանուր միտումը։
– Միջնարժեք՝ միջին արժեքը, որն ավելի դիմացկուն է արտառոց արժեքների նկատմամբ։
– Վարիացիա և ստանդարտ շեղում. նկարագրեք վարիացիայի չափը։ Մեծ վարիացիաները հաճախ որակի «թշնամիներն» են։
– Նվազագույն-առավելագույն. օգնում է տեսնել գործընթացի արդյունքների շրջանակը։
– Թերությունների տոկոսը՝ ատրիբուտային տվյալների համար։
Թվերից զատ, վիզուալիզացիան կարևոր է։ Հիստոգրամները, տուփային գրաֆիկները և ցրման գրաֆիկները օգնում են վիզուալիզացնել բաշխման ձևը, հնարավոր արտառոց արժեքները և փոփոխականների միջև կապերը։ Օրինակ, ցրման գրաֆիկը կարող է ցույց տալ, որ թերությունները մեծանում են, երբ մեքենայի ջերմաստիճանը չափազանց բարձր է, ինչը վաղ ակնարկ է արմատական պատճառի վերաբերյալ։
4. Գործընթացների կառավարում վիճակագրական գործընթացների կառավարման (SPC) միջոցով
Վիճակագրության որակի ապահովման մեջ ամենահայտնի կիրառումներից մեկը վիճակագրական գործընթացների վերահսկումն է (SPC), մասնավորապես՝ վերահսկիչ գրաֆիկների միջոցով: Վերահսկիչ գրաֆիկների նպատակն է վերահսկել գործընթացը ժամանակի ընթացքում և հայտնաբերել, թե արդյոք այն մնում է վիճակագրորեն կայուն:
Կառավարման գրաֆիկների տարածված տեսակները.
– X-գծապատկեր և R դիագրամ՝ ենթախմբերի փոփոխական տվյալների համար (օրինակ՝ ժամում 5 նմուշ):
– I-MR գրաֆիկ՝ անհատական տվյալների համար (օրինակ՝ մեկ չափում մեկ անգամ):
– p-սխեման՝ թերությունների (ատրիբուտների) համամասնության համար։
– c-chart կամ u-chart՝ մեկ միավորի վրա եղած թերությունների քանակի համար։
Կառավարման դիագրամի միջուկը վերին կառավարման սահմանն է (UCL) և ստորին կառավարման սահմանը (LCL): Եթե տվյալների կետերը հատում են այս սահմանները կամ ձևավորում են որոշակի օրինաչափություն (օրինակ՝ վերելքի միտում, երկարաժամկետ հեռանկար մեկ կողմում), դա ազդարարում է հատուկ պատճառի առկայության մասին: SPC-ի առավելությունն այն է, որ այն կանխում է նորմալ տատանումների նկատմամբ չափազանց ռեակցիան և խրախուսում է ուղղիչ գործողությունները միայն այն դեպքում, երբ գոյություն ունեն վիճակագրական ապացույցներ:
5. Գործընթացի կարողություն. արդյո՞ք գործընթացը կարող է բավարարել սպեցիֆիկացիաները:
Կայուն գործընթացը պարտադիր չէ, որ երաշխավորի, որ այն կհամապատասխանի հաճախորդի պահանջներին: Ահա թե որտեղ է գործի դրվում կարողությունների վերլուծությունը, որը պատասխանում է հարցին՝ որքանո՞վ լավ է գործընթացը արտադրանք արտադրում սահմանված թույլատրելի սահմաններում:
Հաճախ օգտագործվող ինդեքսներ՝
– Cp : համեմատում է սպեցիֆիկացիայի լայնությունը գործընթացի փոփոխության հետ (առանց միջին դիրքը դիտարկելու):
– Cpk: հաշվի է առնում սպեցիֆիկացիայի սահմանների նկատմամբ միջին դիրքը, արտացոլում է, թե արդյոք գործընթացը «ամուր» է մեկ կողմից։
– Pp և Ppk. նման են Cp/Cpk-ին, բայց օգտագործում են ընդհանուր (երկարաժամկետ) տատանումներ, հաճախ օգտագործվում են դեռևս լիովին չվերահսկվող գործընթացային տվյալների համար։
Որպես ընդհանուր կանոն, Cpk-ի ≥ 1,33 արժեքը հաճախ համարվում է բավարար շատ ոլորտներում, մինչդեռ բարձր ռիսկայնության ոլորտները կարող են ավելի բարձր նպատակներ ունենալ: Այնուամենայնիվ, այս ցուցանիշը պետք է կարդալ համատեքստում՝ ապրանքի տեսակ, ձախողման ծախսեր և հաճախորդի կարիքներ:
6. Եզրակացական վերլուծություն. ենթադրությունների ստուգում և գործընթացների համեմատություն
Երբ կազմակերպությունները փորձում են փոփոխություններ կատարել, ինչպիսիք են հումքի փոփոխությունը, մեքենաների պարամետրերի վերագործարկումը կամ օպերատորների վերապատրաստումը, նրանք պետք է համոզվեն, որ այդ փոփոխությունները իրականում բարելավում են որակը: Եզրակացական վերլուծությունը օգնում է որոշումներ կայացնել նմուշների հիման վրա:
Որոշ տարածված մեթոդներ.
– T-թեստ. համեմատում է երկու պայմանների միջինը (մինչև vs հետո, A մեքենա vs B մեքենա):
– ANOVA: համեմատում է երկուսից ավելի խմբեր (օրինակ՝ երեք մատակարար):
– Խի-քառակուսի թեստ. ատրիբուտային տվյալների համար, օրինակ՝ տեղաշարժերի միջև արատների համամասնությունների համեմատություն։
– Ռեգրեսիա. որակի արդյունքի և գործընթացի գործոնների (ջերմաստիճան, ճնշում, արագություն) միջև կապի մոդելավորում։
Կարևոր է ուշադրություն դարձնել մեթոդի ենթադրություններին, օրինակ՝ նորմալությանը, անկախությանը և դիսպերսիաների հավասարությանը: Եթե ենթադրությունները չեն բավարարվում, կարելի է դիտարկել տվյալների փոխակերպման կամ ոչ պարամետրիկ մեթոդները:
7. Փորձերի նախագծում (DOE). գործընթացների ավելի արդյունավետ կատարելագործում
Եթե նպատակը գործընթացային գործոնների օպտիմալ համադրություն գտնելն է, ապա փորձերի նախագծումը (ՓՆԴ) շատ արդյունավետ գործիք է: Ի տարբերություն մեկ գործոն միաժամանակ փորձարկելու, ՓՆԴ-ն թույլ է տալիս միաժամանակ փորձարկել բազմաթիվ գործոններ և գրանցել դրանց միջև փոխազդեցությունները:
Պարզ օրինակ՝ մակերեսի որակի վրա ազդում են շարժիչի արագությունը, ջերմաստիճանը և քսանյութի տեսակը: Էներգետիկայի նախարարությունը (DOE) կարող է ցույց տալ ոչ միայն, թե որ գործոններն են ամենաազդեցիկը, այլև այն պարամետրերի համադրությունը, որը հանգեցնում է թերությունների ամենացածր թվի: Սա հանգեցնում է ավելի արագ վերանորոգման, փորձարկման ավելի ցածր ծախսերի և վիճակագրորեն ավելի հիմնավորված որոշումների:
8. Վիճակագրության կապը որակի մշակույթի հետ
Վիճակագրական վերլուծությունը արդյունավետ չի լինի, եթե այն պարզապես համարվի որակի բաժնի խնդիր: Կազմակերպությունները պետք է ստեղծեն տվյալների մշակույթ. օպերատորները հասկանում են վերահսկողական գրաֆիկների իմաստը, վերահսկիչները կարողանում են կարդալ միտումները, իսկ կառավարիչները օգտագործում են ապացույցները որոշումներ կայացնելիս: Ավելին, վիճակագրությունը պետք է կապված լինի իրական աշխարհի գործողությունների հետ. երբ խնդիր է հայտնաբերվում, պետք է լինի արմատային պատճառի հետազոտման մեխանիզմ (օրինակ՝ 5 «Ինչո՞ւ»-ները կամ «ձկան ոսկորի» վերլուծությունը) և բարելավումների հետևողական իրականացման համար:
Տարածված սխալ է «տվյալների հավաքագրումը առանց նպատակի»։ Վիճակագրական վերլուծությունը պետք է հիմնված լինի բիզնես հարցերից՝ ինչն եք ուզում բարելավել, որն է ձեր նպատակը, որ գործոններն են ամենաազդեցիկ և ինչպես վերահսկել արդյունքները։
Եզրակացություն
Որակի վիճակագրական վերլուծությունը մոտեցում է, որը որակի կառավարումը պարզ ստուգումից վերածում է տվյալների վրա հիմնված վերահսկողության և բարելավման: Նկարագրական վիճակագրության, SPC-ի, գործընթացային հնարավորությունների, եզրակացության թեստավորման և DOE-ի միջոցով կազմակերպությունները կարող են հասկանալ տատանումները, ավելի արագ հայտնաբերել խնդիրները և ապահովել, որ գործընթացները համապատասխանեն հաճախորդի պահանջներին: Վերջին հաշվով, վիճակագրությունը ավելին է, քան պարզապես թվեր. այն օբյեկտիվ լեզու է շարունակական բարելավումը ուղղորդելու համար՝ նվազեցնելով թերությունները, իջեցնելով ծախսերը և բարձրացնելով հաճախորդների գոհունակությունը:
Եթե ցանկանում եք, կարող եմ այս հոդվածը հարմարեցնել որոշակի համատեքստի (արտադրություն, առողջապահություն, կրթություն կամ հաճախորդների սպասարկում) կամ ավելացնել Cp/Cpk հաշվարկների և ձեր տվյալների հիման վրա կառավարման գրաֆիկների օրինակներ։
