Statistiline protsessi kontroll

Allikas: Vikipeedia
(Ümber suunatud leheküljelt Statistiline protsesside kontroll)

Statistiline protsesside kontroll (inglise keeles statistical process control) on kvaliteedijuhtimise kontseptsioon, mille kohaselt saab tootmis- ja teenindusprotsesside, aga ka kvaliteedikulude ja kvaliteedi juhtimisel ning parendamisel toetuda statistilistele meetoditele.

Algselt oli see tervikliku kvaliteedijuhtimise mudeli osa, kuid hiljem on ISO standardite osa.

Protsesse jälgitakse ja kontrollitakse süsteemi kitsaskohtade leidmiseks ning protsessi parendamiseks. Statistiline protsesside kontroll on statistiliste meetodite kasutamine protsesside jälgimisel ja kontrollimisel tagamaks, et need toimuvad efektiivselt ja tulemus on vastav esitatud kvaliteedinõuetele. Selle käigus vaadeldakse, kontrollitakse ning parandatakse protsesse statistilise analüüsi abil. Põhiliselt tegeletakse SPK kasutamisel kontrollgraafikutega ning fookus on asetatud jätkuva täiustumise suunas. Statistilist protsesside kontrolli kasutatakse näiteks tootmistehaste liinitööde puhul.

Ülevaade[muuda | muuda lähteteksti]

Statistilise protsessi kontrolli kasutamise vajadus tekib sellest, et väljund on variatsiooniga. Iga protsessiga kaasneb variatsioon, kuid on oluline otsustada, millal variatsioon on loomulik ning millal tuleb protsessi korrigeerida. On oluline teada, millal on tegemist erisuguse variatsiooniga ning millal on variatsioon loomulik, ehk millal tähendavad individuaalsed tulemused midagi piisavalt, et süsteemi muuta. SPK kasutades on võimalik näha, kas protsess töötab nii nagu peaks, ning tuvastada, millal toimimine ei ole korrektne. SPK kasutamine võib anda konkurentsieelise, võimaldades saada kvaliteetsema tulemuse kulusid alandades.[1] Statistilise protsessi kontrolli puhul on oluline alustada planeerimise ning andmete kogumisega.[2]

SPK kasutusalad[muuda | muuda lähteteksti]

Valdavalt kasutatakse SPK meetmeid tootmisettevõtetes praakide või kahju vähendamiseks või elimineerimiseks. Näited on võimalik tuua näiteks autotööstusest (monteerimise aeg, defektse osa tootmine) ning toidu tööstuses (kauba riknemise arv, koguste täpsus, defektiga toodete arv). Statistilist protsesside kontrolli on aga võimalik rakendada ka teenuste puhul, kuid sel juhul on defektide iseloom erinev. Teenuste puhul loetakse praagiks suutmatus kliendi nõuetele vastata. Teenuste puhul on oluline mõõta aega ning klientide rahulolu. Näidetena on võimalik kasutada SPKd haiglates (personali reageerimise kiirus, testide täpsus, viisakus), lennufirmades (lendude hilinemised, ooteajad, lennukite sisehooldus) ning kiirtoidurestoranides (ooteaeg, puhtus, tellimuste täitmise täpsus) [3].

Ajalugu[muuda | muuda lähteteksti]

Statistilise protsesside kontrolli aluspanijaks võib lugeda Dr. Walter Andrew Shewharti, kes teostas kvaliteedi parandamise uuringuid Bell Labsi telefonilaborites 1920ndatel. Ta töötas välja kontseptsioonid, kuidas kontrollida variatsiooni, ning statistiliste protsesside kontrollgraafikud, mis võimaldasid lihtsalt kontrollida, kas protsess on kontrolli all või mitte. Shewhart jätkas süsteemi täiustamist ning andis 1931. aastal välja raamatu "Economic Control of Quality of Manufactured Product ". See raamat mõjutas tugevasti edaspidiseid uuringuid SPK vallas. Veel kaks Bell Labsi telefonilabori statistikut H. F. Dodge ja H. G. Romig proovisid rakendada Shewharti välja töötatud põhitõdesid ka eriosade inspektsioonis. Dr. W. Edwards Deming (14. oktoober 1900 – 20. detsember 1993) arendas Shewharti tööd edasi ning viis SPK idee pärast teist maailmasõda Jaapanisse. Jaapani Teadlaste ja Inseneride Liidu (JUSE) liikmete kutsel õpetas dr Deming, PDSA-tsüklit jaapanlastele[4] 1950. aastal (Peter Scholtes, "Juhi käsiraamat", Tallinn, TEA Kirjastus, lk 60, 2001).

Demingi tööd arendas Jaapanis edasi Tokyo Ülikooli Dr. Kaoru Ishikawa (vt ka põhjus-tagajärg diagramm ka Ishikawa diagramm), kes kirjutas raamatu " Guide to Quality Control", milles tuuakse välja seosed SPK ja statistilise kvaliteedi kontrolli vahel.[5][6]

Tavalised ja erilised variatiivsuse põhjused[muuda | muuda lähteteksti]

Tavalised ehk neutraalsed mustrid valimis on tavalised, ajalooliselt selliselt olnud, ning mõõdetavad variatsioonid süsteemid, erilised muutused aga vastupidi mittetavalised, mida pole varem esinenud ning mitte kvantitatiivselt mõõdetavad erinevused süsteemis. Nende kahe variatiivsuse eristamine on oluline statistika filosoofias ning tõenäosuste filosoofias. Dr. Walter Shewhart leidis, et tavalised variatsiooni põhjused on vältimatud ning me peame hakkamas saama teatava variatsiooniga tootmise puhul. On ohtlik viia süsteemi sisse muutusi tavaliste variatsiooni tekitajate pärast, kuna individuaalsete leidude arvestamine võib viia valede järeldusteni. Vaadates erilisi põhjuseid on aga Shewharti hinnangul võimalik leida üles tõelised tagamaad, mis põhjustavad kvaliteedi langust. Shewhart liigitas tavalised põhjused kontrollitavateks ja loomulikeks, erilised põhjused aga kontrollivälisteks.[7]

SPK kasutamine[muuda | muuda lähteteksti]

Statistilise protsessi kontrolli aluseks on vajalikud täpsed andmed. Seega algab SPK kasutamine planeerimise ja andmete kogumisega. Eduka kasutamine võti on Dr. Walter Shewharti kirjeldatud tsüklina planeeri-muuda-hinda-teosta.

  • Planeerimise faasis defineeritakse probleem ning proovitakse leida võimalikke põhjuseid.
  • Muutmise faasis tehakse muudatusi, mis on suunatud olukorra korrektuuriks või parendamiseks.
  • Hindamise faasis uuritakse mõjusid, kuidas tehtud muutused mõjutavad olukorda – kasutatakse kontrollgraafikuid ning hinnatakse tulemusi.
  • Teostamise faasi liigutakse, kui tulemus on positiivne ning edaspidi jätkatakse kas eri probleemi või samas süsteemi täiustamisega.

SPK teostamiseks on hea kasutada kontrollgraafikuid.[2]

Kontrollgraafikud[muuda | muuda lähteteksti]

Kontrollgraafikud on üks osa SPK teostamises. Kontrollgraafikud näitavad variatsiooni mõõtmistulemustes selle aja vältes, kui protsessi jälgitakse. Võrdluseks - normaaljaotusega graafikud (näiteks histogrammid) näitavad kokkuvõtet või üksikpilti tulemustest. Protsessi kontrollgraafikud on omavahel seotud punktidega, millest x telg on tavaliselt aeg ning y teljele on kantud punktid. Graafikule kantavad punktid on tavaliselt keskmised alajaotustest või variatsioonide määrad, kuid võivad olla ka individuaalsed mõõtmised. Protsessi enda põhjal on võimalik koostada graafikule ülem- ja alampiirid, mis on tootmise variatiivsuse normide piires. Tähtis on teha vahet, et normipiirid kujunevad kontrollgraafikul protsessisiseselt, mitte ei võta arvesse spetsifikatsioone või ettevõtte ootusi või nõudeid. Ülemine piir on tähistatud 3sigma ning alumine piir -3sigma tähistega.[2]

Kontrollgraafikud on hea tööriist jätkuva kvaliteedi kontrolli jaoks. Sellega on võimalik jälgida protsesside toimimist ning kuidas muutused mõjutavad protsesse. Edasi tehakse nende andmetega kvaliteedi parandusi. Kontrollgraafikuid kasutatakse ka protsesside võimekuse hindamisel. Peamine vajadus kontrollgraafiku puhul on saada teada, kas protsess on kontrolli all või mitte. Sellega on jälgitav tootmise variatsioon ajas, mõõtes suurusi nagu laius, pikkus või temperatuur. Seejärel kontrollitakse graafikus, kas see variatsioon vastab ülemistele ning alumistele piiretele, mida oleks normaaltingimustes oodatud, ning kirjeldab, millised variatsioonid on tavalised ning millised on erilised. Seega, kui protsess on kontrolli all kui saadud punktid jäävad piiride sisse ning kontrolli alt väljas kui punktid jäävad keskmisest liialt kaugele.[2]

Täpsemalt on võimalik rakendada kontrollida protsessi seitsme punkti abil, saades infot, millal protsess on kontrolli alt väljas:[8]

  1. 1 punkt on väljas ülemisest või alumisest kontrolli liimide piirdest
  2. 2 punkti 3st on üle 2sigma joone samal pool keskmist joont
  3. 4 punkti 5st on üle 1sigma joone samal pool keskmist joont
  4. 8 järjestikust punkti samal pool keskmist joont
  5. 6 punkti, mis järjestikuselt kasvavad või kahanevad
  6. 14 järjestikust punkti, mis vahelduvalt on keskmisest joonest üleval ning seejärel all
  7. 15 järjestikust punkti, mis on 1sigma piirdes keskmisest joonest

Kui kontrollgraafikul esineb üks või rohkem neist tunnustest, siis on tegemist erilist tüüpi variatsiooniga. Sel juhul tuleb rakendada SPK kasutamise tsüklit ning planeerida muudatusi, mis aitaksid olukorda lahendada.

Teenuseostajaid[muuda | muuda lähteteksti]

Vaata ka[muuda | muuda lähteteksti]

Viited[muuda | muuda lähteteksti]

  1. Quality One Statistical Process control overview. https://quality-one.com/spc/
  2. 2,0 2,1 2,2 2,3 Introduction to Statistical Process Control Techniques, Hart M.K.; Hart R.F. 2007 https://web.archive.org/web/20171031082138/http://www.statit.com/services/SPCOverview_mfg.pdf
  3. Statistical Process Control Operations Management 5th Edition, Russel, R.; Taylor, B. W. 2006. https://web.archive.org/web/20170517022852/http://cci.drexel.edu/faculty/gbooker/au/ba367/ch04.ppt
  4. Tänapäeval nimetavad jaapanlased pideva parendamise protsessi lihtsalt kaizeniks. Väljendi tegi oma raamatus laiale üldsusele tuntuks Masaaki Imai, "Kaizen: The Key to Japan’s Competitive Success"]
  5. Engineering Statistics Handbook "How did Statistical Process Control Begin"
  6. Quality Control - History and Recent Development. V. Jevremović, K. Veljković, H. Elfaghihe Univ. of Belgrade. http://poincare.matf.bg.ac.rs/~v_jevremovic/Quality%20control%20%E2%80%93%20history%20and%20recent%20development%203.ppt
  7. "Why SPC?" British Deming Association SPC Press, Inc. 1992; http://www.statisticalprocesscontrol.info/whatisspc.html
  8. Statistical Process Control Rules http://www.statisticalsolutions.net/spc_runrules.php
  9. Quality One veebileht
  10. WinsPC veebileht
  11. Infinity QS-i veebileht

[1]

Lisalugemist[muuda | muuda lähteteksti]

  • Peter R. Scholtes, "Juhi käsiraamat. Kuidas motiveerida meeskonda ja jõuda parema tulemuseni", TEA Kirjastus (2001)
  • Peter S. Pande, Robert P. Neuman, Roland R. Cavanagh, "Kuue sigma tee. Kuidas GE, Motorola jt tippettevõtted oma sooritusi lihvivad".
  • John S. Oakland, "Terviklik kvaliteedijuhtimine. Teooria ja praktika". (2006)
  1. "DataLyzer".