Статистический контроль процесса ( SPC ) или статистический контроль качества ( SQC ) — это применение статистических методов для мониторинга и контроля качества производственного процесса. Это помогает гарантировать, что процесс работает эффективно, производя больше продукции, соответствующей спецификациям, с меньшим количеством отходов. SPC может применяться к любому процессу, где можно измерить выход «соответствующего продукта» (продукта, соответствующего спецификациям). Ключевые инструменты, используемые в SPC, включают в себя графики выполнения , контрольные карты , фокус на постоянное совершенствование и проектирование экспериментов . Примером процесса, где применяется SPC, являются производственные линии.
SPC должен практиковаться в два этапа: первый этап — это первоначальное установление процесса, а второй этап — регулярное использование процесса в производстве. На втором этапе необходимо принять решение о периоде, который будет проверяться, в зависимости от изменения условий 5M&E (Человек, Машина, Материал, Метод, Движение, Окружающая среда) и скорости износа деталей, используемых в производственном процессе (детали машин, приспособления и приспособления).
Преимущество SPC перед другими методами контроля качества, такими как « инспекция », заключается в том, что он делает упор на раннее обнаружение и предотвращение проблем, а не на исправление проблем после их возникновения.
Помимо сокращения отходов, SPC может привести к сокращению времени, необходимого для производства продукта. SPC снижает вероятность того, что готовый продукт придется перерабатывать или выбрасывать.
Статистический контроль процесса был впервые применен Уолтером А. Шухартом в Bell Laboratories в начале 1920-х годов. Шухарт разработал контрольную карту в 1924 году и концепцию состояния статистического контроля. Статистический контроль эквивалентен концепции взаимозаменяемости [1] [2], разработанной логиком Уильямом Эрнестом Джонсоном также в 1924 году в его книге «Логика, часть III: Логические основы науки» . [3] Вместе с командой в AT&T, в которую входили Гарольд Додж и Гарри Ромиг, он работал над тем, чтобы поставить выборочный контроль на рациональную статистическую основу. Шухарт консультировался с полковником Лесли Э. Саймоном по применению контрольных карт к производству боеприпасов в армейском арсенале Пикатинни в 1934 году. Это успешное применение помогло убедить армейское артиллерийское управление привлечь Джорджа Д. Эдвардса из AT&T для консультаций по использованию статистического контроля качества среди своих подразделений и подрядчиков в начале Второй мировой войны.
В. Эдвардс Деминг пригласил Шухарта выступить в Высшей школе Министерства сельского хозяйства США и был редактором книги Шухарта «Статистический метод с точки зрения контроля качества» (1939), которая стала результатом этой лекции. Деминг был важным архитектором краткосрочных курсов по контролю качества, которые обучали американскую промышленность новым технологиям во время Второй мировой войны. Выпускники этих военных курсов сформировали новое профессиональное общество в 1945 году, Американское общество контроля качества , которое избрало Эдвардса своим первым президентом. Деминг отправился в Японию во время оккупации союзниками и встретился с Союзом японских ученых и инженеров (JUSE), чтобы попытаться внедрить методы SPC в японскую промышленность. [4] [5]
Шухарт читал новые статистические теории, вышедшие из Британии, особенно работы Уильяма Сили Госсета , Карла Пирсона и Рональда Фишера . Однако он понимал, что данные физических процессов редко дают нормальную кривую распределения (то есть гауссово распределение или « колоколообразную кривую »). Он обнаружил, что данные измерений вариации в производстве не всегда ведут себя так же, как данные измерений природных явлений (например, броуновского движения частиц). Шухарт пришел к выводу, что хотя каждый процесс демонстрирует вариацию, некоторые процессы демонстрируют вариацию, которая естественна для процесса (« общие » источники вариации); эти процессы он описал как находящиеся под (статистическим) контролем . Другие процессы дополнительно демонстрируют вариацию, которая не присутствует в причинной системе процесса во все времена (« особые » источники вариации), которые Шухарт описал как не находящиеся под контролем . [6]
Статистический контроль процессов подходит для поддержки любого повторяющегося процесса и был внедрен во многих условиях, где, например, используются системы управления качеством ISO 9000 , включая финансовый аудит и бухгалтерский учет, ИТ-операции, процессы здравоохранения и канцелярские процессы, такие как организация и администрирование кредитов, выставление счетов клиентам и т. д. Несмотря на критику его использования в проектировании и разработке, он хорошо подходит для управления полуавтоматизированным управлением данными в операциях по обработке больших объемов данных, например, в корпоративном хранилище данных или в системе управления качеством корпоративных данных. [7]
В 1988 году в модели Capability Maturity Model (CMM) Институт программной инженерии предположил, что SPC может применяться к процессам программной инженерии. Практики уровня 4 и уровня 5 интеграции модели Capability Maturity Model ( CMMI ) используют эту концепцию.
Применение SPC к неповторяющимся, наукоемким процессам, таким как исследования и разработки или системная инженерия, столкнулось со скептицизмом и остается спорным. [8] [9] [10]
В No Silver Bullet Фред Брукс указывает, что сложность, требования соответствия, изменчивость и невидимость программного обеспечения [11] [12] приводят к неотъемлемым и существенным вариациям, которые невозможно устранить. Это подразумевает, что SPC менее эффективен в разработке программного обеспечения, чем, например, в производстве.
В производстве качество определяется как соответствие спецификации. Однако два продукта или характеристики никогда не бывают абсолютно одинаковыми, поскольку любой процесс содержит множество источников изменчивости. В массовом производстве традиционно качество готового изделия обеспечивается послепроизводственным контролем продукта. Каждое изделие (или образец изделий из производственной партии) может быть принято или отклонено в зависимости от того, насколько хорошо оно соответствует своим проектным спецификациям . SPC использует статистические инструменты для наблюдения за производительностью производственного процесса с целью обнаружения существенных отклонений до того, как они приведут к производству нестандартного изделия. Любой источник отклонений в любой момент времени в процессе будет относиться к одному из двух классов.
Большинство процессов имеют множество источников вариации; большинство из них незначительны и могут быть проигнорированы. Если обнаружены доминирующие назначаемые источники вариации, потенциально их можно идентифицировать и удалить. Когда они удалены, процесс считается «стабильным». Когда процесс стабилен, его вариация должна оставаться в пределах известного набора пределов. То есть, по крайней мере, до тех пор, пока не появится другой назначаемый источник вариации.
Например, линия упаковки хлопьев для завтрака может быть спроектирована так, чтобы заполнять каждую коробку хлопьев 500 граммами хлопьев. В некоторых коробках будет немного больше 500 граммов, а в некоторых — немного меньше. При измерении веса упаковки данные покажут распределение чистого веса.
Если производственный процесс, его входы или его среда (например, машина на линии) изменятся, распределение данных изменится. Например, по мере износа кулачков и шкивов оборудования машина для наполнения хлопьев может положить больше указанного количества хлопьев в каждую коробку. Хотя это может быть выгодно для клиента, с точки зрения производителя это расточительно и увеличивает себестоимость продукции. Если производитель своевременно обнаружит изменение и его источник, изменение можно будет исправить (например, заменив кулачки и шкивы).
С точки зрения SPC, если вес каждой коробки с хлопьями меняется случайным образом, некоторые выше, некоторые ниже, всегда в пределах приемлемого диапазона, то процесс считается стабильным. Если кулачки и шкивы оборудования начинают изнашиваться, вес коробки с хлопьями может быть не случайным. Ухудшение функциональности кулачков и шкивов может привести к неслучайной линейной модели увеличения веса коробок с хлопьями. Мы называем это вариацией по общей причине. Однако, если все коробки с хлопьями внезапно стали весить намного больше среднего из-за неожиданной неисправности кулачков и шкивов, это будет считаться вариацией по особой причине.
Применение SPC включает три основных этапа деятельности:
Надлежащее внедрение SPC было ограничено, отчасти из-за отсутствия статистической экспертизы во многих организациях. [13]
Данные измерений вариаций в точках на карте процесса отслеживаются с помощью контрольных карт . Контрольные карты пытаются дифференцировать «назначаемые» («специальные») источники вариаций от «общих» источников. «Общие» источники, поскольку они являются ожидаемой частью процесса, представляют для производителя гораздо меньшую опасность, чем «назначаемые» источники. Использование контрольных карт — это непрерывная деятельность, продолжающаяся с течением времени.
Когда процесс не запускает ни одно из "правил обнаружения" контрольной карты для контрольной карты, говорят, что он "стабилен". Анализ возможностей процесса может быть выполнен на стабильном процессе, чтобы предсказать способность процесса производить "соответствующий продукт" в будущем.
Стабильный процесс может быть продемонстрирован сигнатурой процесса, которая свободна от отклонений за пределами индекса возможностей. Сигнатура процесса — это нанесенные на график точки, сравненные с индексом возможностей.
Когда процесс запускает любое из "правил обнаружения" контрольной карты (или, в качестве альтернативы, возможности процесса низкие), могут быть выполнены другие действия для определения источника чрезмерной вариации. Инструменты, используемые в этих дополнительных действиях, включают: диаграмму Ишикавы , разработанные эксперименты и диаграммы Парето . Разработанные эксперименты являются средством объективной количественной оценки относительной важности (силы) источников вариации. После того, как источники (особой причины) вариации определены, их можно минимизировать или устранить. Шаги по устранению источника вариации могут включать: разработку стандартов, обучение персонала, защиту от ошибок и внесение изменений в сам процесс или его входы.
При мониторинге многих процессов с помощью контрольных карт иногда полезно вычислять количественные показатели стабильности процессов. Затем эти показатели можно использовать для идентификации/приоритизации процессов, которые больше всего нуждаются в корректирующих действиях. Эти показатели также можно рассматривать как дополнение к традиционным показателям возможностей процесса . Было предложено несколько показателей, как описано у Рамиреса и Рангера. [14] Это (1) коэффициент стабильности, который сравнивает долгосрочную изменчивость с краткосрочной изменчивостью, (2) тест ANOVA, который сравнивает внутриподгрупповую вариацию с межподгрупповой вариацией, и (3) коэффициент нестабильности, который сравнивает количество подгрупп, имеющих одно или несколько нарушений правил Western Electric, с общим количеством подгрупп.
Цифровые контрольные карты используют логические правила, которые определяют «производные значения», которые сигнализируют о необходимости коррекции. Например,
Существует немного областей статистического применения с более широким разрывом между методологической разработкой и применением, чем в SPC (статистическом управлении процессами). Многие организации, остро нуждающиеся в SPC, вообще не используют его, в то время как большинство остальных используют методы по сути точно так же, как их предложил Шухарт в начале этого века. Причины этого разнообразны. Одной из них нельзя пренебречь, так это наблюдением Деминга о том, что любая процедура, требующая регулярного вмешательства эксперта-статистика для правильной работы, не будет реализована.
