Статистический контроль процесса ( SPC ) или статистический контроль качества ( SQC ) — это применение статистических методов для мониторинга и контроля качества производственного процесса. Это помогает обеспечить эффективность процесса, производя больше продукции, соответствующей спецификациям, с меньшим количеством отходов. SPC может применяться к любому процессу, в котором можно измерить выход «соответствующего продукта» (продукта, соответствующего спецификациям). Ключевые инструменты, используемые в SPC, включают графики выполнения , контрольные карты , упор на постоянное улучшение и планирование экспериментов . Примером процесса, в котором применяется SPC, являются производственные линии.
SPC необходимо практиковать в два этапа: первый этап — это начальная установка процесса, а второй этап — регулярное производственное использование процесса. На втором этапе необходимо принять решение о периоде проверки в зависимости от изменения условий 5M&E (человек, машина, материал, метод, движение, окружающая среда) и скорости износа деталей, используемых в производственном процессе (деталей машин). , приспособления и приспособления).
Преимущество SPC перед другими методами контроля качества, такими как « инспекция », заключается в том, что он уделяет особое внимание раннему выявлению и предотвращению проблем, а не исправлению 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 переделывать или утилизировать.
Статистический контроль процессов был впервые предложен Уолтером А. Шухартом из 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 AT&T, в которую входили Гарольд Додж и Гарри Ромиг, он также работал над тем, чтобы поставить выборочный контроль на рациональную статистическую основу. Шухарт консультировался с полковником Лесли Э. Саймоном по вопросам применения контрольных карт при производстве боеприпасов на армейском арсенале Пикатинни в 1934 году. Это успешное применение помогло убедить Army Ordnance привлечь Джорджа Эдвардса из AT&T для консультаций по использованию статистического контроля качества среди своих подразделений и подрядчиков в начале Второй мировой войны.
У. Эдвардс Деминг пригласил Шухарта выступить в аспирантуре Министерства сельского хозяйства США и был редактором книги Шухарта « Статистический метод с точки зрения контроля качества» (1939), ставшей результатом этой лекции. Деминг был важным разработчиком краткосрочных курсов по контролю качества, на которых американская промышленность обучалась новым технологиям во время Второй мировой войны. Выпускники этих курсов военного времени сформировали в 1945 году новое профессиональное общество — Американское общество контроля качества , которое избрало Эдвардса своим первым президентом. Деминг отправился в Японию во время оккупации союзников и встретился с представителями Союза японских ученых и инженеров (JUSE), пытаясь внедрить методы SPC в японскую промышленность. [4] [5]
Шухарт читал новые статистические теории, пришедшие из Британии, особенно работы Уильяма Сили Госсета , Карла Пирсона и Рональда Фишера . Однако он понимал, что данные физических процессов редко дают кривую нормального распределения (то есть гауссово распределение или « колокольчатую кривую »). Он обнаружил, что данные измерений вариаций 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 вариации, некоторые процессы демонстрируют вариации, которые естественны для процесса (« общие » источники вариаций); эти процессы он описал как находящиеся под (статистическим) контролем . Другие процессы дополнительно демонстрируют вариации, которые не всегда присутствуют в причинной системе процесса (« особые » источники вариаций), которые Шухарт описал как неконтролируемые . [6]
Статистический контроль процессов подходит для поддержки любого повторяющегося процесса и был реализован во многих ситуациях, где, например, используются системы управления качеством ISO 9000 , включая финансовый аудит и учет, ИТ-операции, процессы здравоохранения и канцелярские процессы, такие как организация кредита и администрирование, выставление счетов клиентам и т. д. Несмотря на критику в отношении его использования при проектировании и разработке, он хорошо подходит для управления полуавтоматическим управлением данными при операциях обработки больших объемов данных, например, в корпоративном хранилище данных или в системе управления качеством корпоративных данных. система. [7]
В модели зрелости возможностей (CMM) 1988 года Институт программной инженерии предположил, что SPC можно применять к процессам разработки программного обеспечения. Эта концепция используется в практиках уровня 4 и уровня 5 интеграции модели зрелости возможностей ( CMMI ).
Применение SPC к неповторяющимся, наукоемким процессам, таким как исследования и разработки или системное проектирование, встретило скептицизм и остается спорным. [8] [9] [10]
В книге «Нет серебряной пули» Фред Брукс указывает, что сложность, требования соответствия, изменчивость и невидимость программного обеспечения [11] [12] приводят к внутренним и существенным вариациям, которые невозможно устранить. Это означает, что SPC менее эффективен при разработке программного обеспечения, чем, например, в производстве.
В производстве качество определяется как соответствие спецификациям. Однако не существует двух одинаковых продуктов или характеристик, поскольку любой процесс содержит множество источников изменчивости. В массовом производстве традиционно качество готового изделия обеспечивается постпроизводственным контролем изделия. Каждое изделие (или образец изделия из производственной партии) может быть принято или отклонено в зависимости от того, насколько хорошо оно соответствует проектным спецификациям . SPC использует статистические инструменты для наблюдения за производительностью производственного процесса, чтобы обнаружить значительные отклонения до того, как они приведут к изготовление некачественного изделия. Любой источник отклонений в любой момент процесса попадает в один из двух классов.
Большинство процессов имеют множество источников вариаций; большинство из них незначительны и их можно игнорировать. Если обнаружены доминирующие поддающиеся определению источники вариаций, их потенциально можно идентифицировать и устранить. Когда они удаляются, процесс считается «стабильным». Когда процесс стабилен, его вариации должны оставаться в пределах известного набора пределов. По крайней мере, до тех пор, пока не появится другой определяемый источник вариаций.
Например, линия упаковки хлопьев для завтрака может быть рассчитана на заполнение каждой коробки 500 граммами хлопьев. В некоторых коробках будет чуть больше 500 грамм, а в некоторых чуть меньше. При измерении веса упаковки данные покажут распределение веса нетто.
Если производственный процесс, его входные данные или его окружающая среда (например, машина на линии) изменятся, изменится и распределение данных. Например, по мере износа кулачков и шкивов машина для наполнения хлопьев может загружать в каждую коробку больше хлопьев, чем указано. Хотя это может принести пользу покупателю, с точки зрения производителя это расточительно и увеличивает себестоимость продукции. Если производитель своевременно обнаружит изменение и его источник, изменение можно исправить (например, заменить кулачки и шкивы).
С точки зрения SPC, если вес каждой коробки с хлопьями варьируется случайным образом: некоторые выше, некоторые ниже, всегда в пределах приемлемого диапазона, то процесс считается стабильным. Если кулачки и шкивы оборудования начнут изнашиваться, вес коробки с хлопьями может оказаться не случайным. Ухудшение функциональности кулачков и шкивов может привести к неслучайной линейной закономерности увеличения веса коробок с хлопьями. Мы называем это изменением общей причины. Однако если бы все ящики с хлопьями внезапно стали весить намного больше среднего из-за неожиданной неисправности кулачков и шкивов, это считалось бы изменением по особой причине.
Применение SPC включает в себя три основных этапа деятельности:
Данные измерений отклонений в точках карты процесса контролируются с помощью контрольных карт . Контрольные карты пытаются отличить «назначаемые» («специальные») источники вариаций от «общих» источников. «Общие» источники, поскольку они являются ожидаемой частью процесса, вызывают гораздо меньшее беспокойство у производителя, чем «назначаемые» источники. Использование контрольных карт — это непрерывная деятельность, продолжающаяся во времени.
Когда процесс не запускает какие-либо «правила обнаружения» контрольной диаграммы, он называется «стабильным». Анализ возможностей процесса может быть выполнен для стабильного процесса, чтобы спрогнозировать способность процесса производить «соответствующую продукцию» в будущем.
Стабильный процесс может быть продемонстрирован сигнатурой процесса, которая не имеет отклонений за пределами индекса возможностей. Сигнатура процесса — это нанесенные на график точки в сравнении с индексом возможностей.
Когда процесс запускает какое-либо из «правил обнаружения» контрольной карты (или, альтернативно, возможности процесса низкие), могут быть выполнены другие действия для выявления источника чрезмерного отклонения. Инструменты, используемые в этих дополнительных занятиях, включают: диаграмму Исикавы , разработанные эксперименты и диаграммы Парето . Спланированные эксперименты являются средством объективной количественной оценки относительной важности (силы) источников вариаций. Как только источники отклонений (особых причин) идентифицированы, их можно свести к минимуму или устранить. Шаги по устранению источника отклонений могут включать: разработку стандартов, обучение персонала, защиту от ошибок и изменения самого процесса или его входных данных.
При мониторинге многих процессов с помощью контрольных карт иногда бывает полезно рассчитать количественные показатели стабильности процессов. Эти показатели затем можно использовать для определения/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, описанных Рамиресом и Рангером. [13] Это (1) коэффициент стабильности, который сравнивает долгосрочную изменчивость с краткосрочной изменчивостью, (2) тест ANOVA, который сравнивает вариацию внутри подгруппы с вариацией между подгруппами, и (3) Коэффициент нестабильности, который сравнивает количество подгрупп, которые имеют одно или несколько нарушений правил Western Electric , с общим количеством подгрупп.
Цифровые контрольные карты используют логические правила, определяющие «производные значения», сигнализирующие о необходимости коррекции. Например,
