Дизајн на систем за контрола на квалитет базиран на статистика
Во современиот индустриски свет, квалитетот повеќе не е само „добар краен резултат“, туку систем кој мора постојано да се дизајнира, мери и контролира. Конкуренцијата на пазарот, барањата на клиентите и регулаторните стандарди бараат од компаниите да обезбедат стабилни производствени процеси и можност за производство на производи според спецификациите. Тука влегуваат во игра статистички базирани системи за контрола на квалитетот: структуриран пристап кој користи податоци и статистички методи за следење на процесите, откривање на отстапувања и поттикнување на континуирано подобрување.
1. Основни концепти на статистичка контрола на квалитетот
Контролата на квалитет базирана на статистика често се поврзува со Статистичка контрола на квалитет (SQC) и Статистичка контрола на процеси (SPC). SQC опфаќа техники за инспекција и мерење базирани на податоци за да се обезбеди квалитет на производот. SPC, од друга страна, повеќе се фокусира на контрола на процесите во реално време или периодична контрола со користење на статистички алатки, особено контролни графикони.
Суштината на овој пристап е да се разликуваат два вида варијации во процесите:
1. Варијација од честа причина: природна варијација својствена за процесот. Доколку постои само оваа варијација, процесот се смета за статистички стабилен.
2. Варијација од посебна причина: варијација што се јавува поради специфични фактори како што се дефект на машината, грешка на операторот, промени во суровините или абнормални услови на животната средина. Доколку се појави оваа варијација, процесот се смета за надвор од контрола и бара корективни мерки.
Дизајнот на статистички систем за контрола на квалитетот има за цел да открие варијации на посебни причини што е можно побрзо без премногу „лажни аларми“.
2. Цели и придобивки од системите за статистичка контрола на квалитетот
Статистички базиран систем за контрола на квалитетот е дизајниран да постигне неколку главни цели:
– Одржувајте ја стабилноста на процесот така што резултатот ќе биде конзистентен.
– Намалете ги неисправните производи и трошоците за преработка и отпад.
– Подобрување на можностите на процесот за да се исполнат спецификациите на клиентите.
– Поддржувајте одлуки базирани на податоци, а не претпоставки.
– Обезбедете докази за усогласеност со стандардите за квалитет (на пр. ISO 9001, IATF 16949, GMP).
Економските придобивки често се значајни: колку побрзо се откријат отстапувањата, толку се пониски трошоците за производите што не ги исполнуваат спецификациите.
3. Фази на дизајн на систем за контрола на квалитет базиран на статистика
а) Идентификација на критични процеси и карактеристики (CTQ)
Првиот чекор е да се разбере текот на процесот и да се одредат критичните за квалитетот (CTQs), карактеристиките што најмногу го одредуваат задоволството на клиентите и усогласеноста со спецификациите. Примери за CTQs вклучуваат дијаметар на компонентата, содржина на влага во производот, цврстина на истегнување, нето тежина или време на одговор на услугата.
CTQ-те обично се добиваат од:
– потреби на клиентите (Глас на клиентот),
– технички стандарди,
– прописи,
– анализа на ризик од процесот (на пр. FMEA).
б) План за мерење и систем на податоци
Дизајнот на статистичката контрола зависи од квалитетот на податоците. Затоа, потребна е анализа на системот за мерење (MSA) за да се обезбеди точност и прецизност на мерните инструменти. Еден вообичаен метод е Gage R&R, кој го мери придонесот на мерниот инструмент и варијацијата на операторот кон вкупната варијација.
Планот за мерење вклучува:
– дефиниција на метод на мерење,
– фреквенција на земање примероци,
– големина на примерокот,
– локација за земање примероци (почеток, средина, крај на процесот),
– правила за снимање податоци (рачни или автоматски),
– интегритет на податоците (ревизорска трага и валидација).
Без сигурен систем за мерење, контролните графикони можат да бидат погрешни бидејќи очигледната „варијација“ всушност доаѓа од мерниот инструмент, а не од процесот.
в) Избор на соодветни статистички алатки
Изборот на метод зависи од видот на податоците:
1. Променливи податоци (континуирани): на пример должина, тежина, температура.
Вообичаени алатки:
– X̄-R графикон (за мали подгрупи, n 2–10),
– X̄-S дијаграм (за поголемо n),
– I-MR графикон (за индивидуални податоци).
2. Атрибутни податоци (дискретни): на пример, бројот на дефекти или неисправни производи.
Вообичаени алатки:
– p-дијаграм (пропорција на неисправни единици),
– np-дијаграм (број на дефектни единици со константа n),
– c-дијаграм (број на дефекти по единица за површина со константна веројатност),
– u-графикон (дефекти по единица за различни коефициенти).
Покрај контролните графикони, системот може да вклучува и:
– хистограми и кутиски дијаграми за истражување,
– Парето дијаграм за приоритети за подобрување,
– анализа на капацитетот на процесот (Cp, Cpk; или Pp, Ppk),
– DOE (Дизајн на експерименти) метод за оптимизација.
г) Одредување на контролни граници и правила за детекција
Во SPC, контролните ограничувања генерално се пресметуваат врз основа на историски податоци од стабилен процес (основна линија) со користење на правилото „3 сигма“. Контролните ограничувања не се ограничувања на спецификацијата. Ова значи дека процесот може да биде „под контрола“, но сепак да произведува производи надвор од спецификацијата ако процесот не е способен.
Покрај правилата за точки на поминување на UCL/LCL, многу организации имплементираат дополнителни правила (на пр., правилата на Western Electric/Nelson), како што се:
– 2 од 3 последователни поени ја поминуваат границата од 2 сигма,
– последователни трендови нагоре или надолу,
– неслучајни обрасци што укажуваат на поместувања.
Утврдувањето правила бара разгледување на компромисот помеѓу чувствителноста на детекција и стапката на лажни аларми.
д) Постапки за одговор и ескалација
Добриот систем за контрола на квалитетот не запира само на „графикони“. Тој мора да има јасен механизам за одговор. Кога се појавуваат сигнали за неконтролирање, клучните прашања се: кој што направил, кога и како.
Основни елементи на постапката за одговор:
– привремено прекинување на процесот (доколку е потребно),
– ставање во карантин на засегнатите производи,
– истражување на основната причина (5 Зошто, Ишикава),
– корективни и превентивни мерки (CAPA),
– проверка на ефикасноста по поправката,
– комплетна документација.
Без брз и конзистентен одговор, SPC станува само извештај, а не алатка за контрола.
f) Интеграција со оперативни системи и дигитализација
Во ерата на Индустрија 4.0, статистичката контрола често се интегрира со:
– IoT сензори за податоци во реално време,
– MES (Систем за извршување на производство),
– ERP за следливост на серии,
– квалитетна контролна табла за управување.
Дигитализацијата го олеснува раното откривање, ја забрзува анализата и ги намалува грешките во рачното внесување. Сепак, оваа интеграција сè уште бара одржување на безбедноста на податоците, контролата на пристапот и валидацијата на системот.
4. Можности за процесирање: Поврзување на стабилноста и спецификацијата
Откако процесот ќе биде статистички стабилен, следниот чекор е да се процени дали процесот постојано ги исполнува спецификациите. Тука се користи индексот на способности:
– Cp : ја споредува ширината на спецификацијата со варијацијата на процесот (потенцијална способност).
– Cpk: ја зема предвид просечната позиција на процесот во однос на ограничувањата на спецификацијата (вистински капацитет).
На пример, Cpk < 1 означува процес со висок ризик од производство на производи надвор од спецификациите. Додека многу индустрии таргетираат Cpk ≥ 1,33 или повисок, во зависност од ризикот и регулативите. Добрата способност значи дека процесот не е само стабилен, туку и „на целта“ и има мали варијации. 5. Предизвици при имплементација и како да се надминат Некои вообичаени предизвици во дизајнирањето и имплементацијата на системи за контрола на квалитет базирани на статистички податоци вклучуваат: 1. Неконзистентни или нецелосни податоци Решенија: стандардизирање на евидентирање, автоматизација, обука, ревизии на податоци. 2. Лоши системи за мерење Решенија: спроведување MSA, рутинска калибрација, подобрување на методите за инспекција. 3. Културен отпор кон податоците Решенија: едуцирање дека SPC не е алатка за обвинување на операторите, туку алатка за разбирање на процесот. 4. Несоодветен избор на графикони Решенија: класифицирање на типовите на податоци и моделите на производство, консултирање со тимот за квалитет/статистика. 5. Немање акција кога се појавува сигнал Решенија: креирање SOP за одговор, назначување одговорно лице, спроведување вежби и евалуации. 6. Заклучок Дизајнот на систем за контрола на квалитет базиран на статистички податоци е важна основа за организациите кои сакаат да произведуваат конзистентни производи, да ги намалат трошоците за квалитет и да ја зголемат довербата на клиентите. Овој систем опфаќа идентификување на CTQ, развивање на робустен план за мерење, избор на соодветни статистички алатки, воспоставување ограничувања за контрола и правила за откривање и спроведување дисциплинирани процедури за одговор. Кога е правилно дизајнирана и интегрирана во секојдневното работење - дури и со дигитализација - статистичката контрола на квалитетот не е само алатка за следење, туку и мотор за континуирано подобрување што ја зајакнува конкурентноста на компанијата. Ако сакате, можам да ја прилагодам оваа статија на специфични контексти (на пр., прехранбената, фармацевтската, автомобилската или индустријата за производство на компоненти), комплетно со примери на контролни дијаграми и дијаграми на тек на SOP за одговор надвор од контрола.
