Простое управление процессом на заводе

(авторы: Дэйв Янг и Генри Нив, перевод: Светлана Ильина и Георгий Лейбович, редакция Рубаник Ю.Т.)

Предисловие

Одно лишь упоминание о SPC (аббревиатура словосочетания Statistical Process Control, Статистическое Управление Процессом) часто вызывает у людей желание убежать и спрятаться. На большинство тех из нас, кто сталкивался с SPC, обрушивается адская смесь из непривычной статистической теории и трудного для понимания набора сложных расчетов и графиков. Кроме того, общепринятый подход к обучению SPC включает очень много о том, как это делать, но очень мало о том, в первую очередь, почему нам это нужно делать.

В результате всего этого многие решают, что «SPC не для нас». В итоге мы приходим к мысли, что это слишком сложно и как бы там ни было, у нас нет достаточных оснований для того, чтобы это делать. Но ужасно досадно, если вы так думаете, потому что лежащий в основе SPC способ мышления является одним из самых ценных и важных навыков, которые мы можем приобрести.

Вот уже несколько лет я преподаю методику, описываемую в данной брошюре, и помогаю производственным и административным работникам, а также менеджерам использовать ее в своей работе. Мой опыт говорит, что если мы видим достаточные основания для использования этой методики, и если её преподают без неоправданных сложностей, то мы непременно будем ею пользоваться.

При написании этой брошюры я предназначал её в качестве раздаточных материалов на тренировочных семинарских занятиях по улучшению процесса и управлению. Данная брошюра существует в трех версиях:

• Простое управление процессом на Заводе была написана для тех, кто трудится на производстве и на сборочных работах.
• Простое управление процессом в Офисе была написана для тех, кто работает в сфере обслуживания или в качестве административных работников на производстве.
• Простое управление процессом для Менеджеров была написана для менеджеров любого уровня и любой области бизнеса.

Эти три брошюры очень схожи друг с другом, но различаются тем, что язык и примеры были подобраны таким образом, чтобы соответствовать интересам конкретного читателя.

Прежде чем представить эти брошюры на суд более широкой аудитории, я подумал, что нужно сначала заручиться мнением специалистов, и обратился, что, как впоследствии оказалось, было чрезвычайно удачной мыслью, к Генри Ниву (Henry Neave) с просьбой их прокомментировать. Какая дальновидность и предусмотрительность с моей стороны! Генри не просто ограничился общим замечанием, что ему очень понравилась сама идея и стиль изложения этих маленьких брошюр, но и оказал такую большую помощь и поддержку своими советами и предложениями по улучшению, что я теперь считаю, что окончательный вариант статьи в такой же степени является его работой, как и моей. Простого выражения Генри моей благодарности за то, как он направлял создание этих брошюр на протяжении последних шести месяцев непрерывного улучшения, было бы недостаточно! И поэтому я теперь с удовольствием называю его в качестве соавтора этих брошюр.

Кроме того, мы оба выражаем благодарность Вэлу Томасу (Val Thomas), который прочитал некоторые из ранних вариантов и высказал нам ряд очень полезных замечаний.

Хотя данная брошюра покажет вам, как использовать SPC, мы надеемся, что в ней вы также найдете много информации о том, почему оно нам нужно. Кроме того, в изложении SPC мы намеренно придерживались очень простого подхода – и не потому, что не можем справиться с более сложными подходами! Мы обнаружили, что простой подход обычно отвечает на сложные вопросы так же хорошо, как более сложный подход, а когда это не так, то иногда ошибочными оказываются сами более сложные подходы! Более того, такой простой подход даёт возможность каждому научиться и использовать эту методику и с ее помощью общаться – не только с непосредственными коллегами, но, если это необходимо, и с другими сотрудниками на других уровнях и в разных отделах в вашей организации и даже за ее пределами.

Короче говоря, простой подход – это более разумный и более верный подход.

Дэвид Янг Октябрь 1998

Введение

Всякую работу, которую мы выполняем, можно представить в виде процесса.

Что это означает?

Любой процесс – это комбинация из:

• Того, что нам нужно для выполнения нашей работы (документация, компьютерные файлы, программное обеспечение, материалы и т.д.): это наши входы.
• Того, что мы делаем с этими входами.
• Результатов наших усилий – это наши выходы.

Все рабочие процессы нужно постоянно анализировать и улучшать.

Это не может быть вопросом выбора или усмотрения.

Ключ к этому находится у менеджеров. Они должны стимулировать к этому своих работников. Они должны помогать каждому это делать.

Постоянное совершенствование выполняемой работы помогает гарантировать надежное будущее для каждого. Оно помогает обеспечить, чтобы у наших детей, и у детей наших детей была работа - и такая работа, которой бы они гордились.

Методика, описываемая в настоящей брошюре, поможет это сделать каждому. Она усиливает те удачные методы и приёмы, которые мы уже используем, а некоторые текущие, менее эффективные может вытеснять.

Её основная идея одинакова для каждого, какую бы работу он ни выполнял, на какой бы должности он ни находился в организации.

Все директора и топ-менеджеры должны постоянно проверять свою работу и свои процессы и совершенствовать их. Они должны подавать хороший пример и быть хорошими лидерами. Они должны обеспечивать, чтобы каждому работнику в организации была предоставлена возможность уделять внимание качеству своих результатов наравне с их количеством.

Постоянное улучшение своих собственных процессов (не нанося при этом ущерб процессам других) должно быть ежедневной неотъемлемой частью труда всех наемных работников, а не чем-то второстепенным и дополнительным к их обычной работе.

Работа менеджеров среднего звена, начальников отделов, среднего руководящего персонала состоит, попросту говоря, в том, чтобы улучшать процессы. Они улучшают их с помощью тех, кто приводит эти процессы в движение: агентов по продажам, телефонистов, медицинских сестер, водителей грузовиков и т.д. Они должны предоставлять этим работникам определённое время на то, чтобы те могли отвлечься от своих рабочих заданий и понять их немного лучше. Они должны обеспечивать, чтобы была быстрая реакция на полезные идеи, идущие непосредственно от работающего с клиентами персонала, и чтобы предоставлялись все ресурсы, необходимые для улучшения процессов.

Спору нет, легко можно будет найти причины, почему описанная в этой брошюре методика не применима к нашим конкретным работам. Выдержат ли эти причины строгую проверку?

Единственным ограничением на использование этой методики является наше собственное представление о ней.

Вариабельность

На работу я добираюсь на автобусе.

Он должен приходить в 7.00 утра.

Иногда он приходит во-время, но это меня не радует.

Хотя он всегда привозил меня на работу вовремя, за последний год он приходит в любое время от 6.50 до 7.10 утра.

Чтобы наверняка успеть на автобус, я должен быть на автобусной остановке к 6 50 утра.

Если автобуса нет до 7.10, мне приходится ждать на остановке 20 минут, зачастую в холод и под дождем.

На работу я приезжаю насквозь промокшим и промерзшим до костей.

Там, где я жил раньше, автобус тоже должен был приходить в 7.00 утра.

Он никогда не приходил вовремя, но тогда я чувствовал себя более комфортно.

Он всегда привозил меня на работу вовремя, но приезжал обычно где-то между 7.05 и 7.15.

Чтобы наверняка успеть на автобус, я должен был приходить на остановку к 7.05, но если утром шел дождь, то по крайней мере под дождем я мок в худшем случае всего лишь десять минут!

Я понял, что вариабельность времени прибытия автобуса для меня важна.

Она была более важна, чем своевременное прибытие автобуса. Если вы знаете, что именно будет происходить (низкая вариабельность), даже если что-то происходит «неправильно», то нередко вы можете планировать/подстроиться в соответствии с этим. Если что-то происходит в среднем правильно, но с высокой вариабельностью, у вас начинаются проблемы. Тогда успех – это в значительной степени вопрос вашего везения.

Я понял, что необходимость делать скидку на чрезмерную вариабельность ухудшает качество вашей жизни. Большая вариабельность означает, что, скорей всего, вам придется дольше мокнуть под дождем!

«Идеальный» автобус приходил бы минута в минуту, точно в 7.00 утра каждый день, но скорей всего нереально ожидать, что это когда-нибудь будет происходить. По крайней мере, я знаю, что мои часы никогда не будут настолько точны, чтобы можно было с уверенностью сказать, когда точно 7.00 утра.

Один мой приятель хвалится высоким качеством автобусной компании, услугами которой он пользуется.

Его «высококачественный» автобус всегда приходит где-то около 7.00 утра и вариабельность времени его прибытия невысока – он обязательно приходит в интервале между 6.58 и 7.02.

Автобус часто приходит вовремя, но даже если и не приходит вовремя, то по крайней мере мой приятель может с уверенностью сказать, что на дожде ему мокнуть самое большее четыре минуты!

Однажды утром автобус моего приятеля пришел в 7.20.

Рушатся ли все его иллюзии?

Нет.

Этим утром случилось что-то необычное («особенное»). Автобус никак не заводился.

Из этого происшествия автобусная компания извлекла урок, и теперь перед тем, как водитель прибывает в депо, выпускающие должны убедиться, что автобус заводится.

Мой приятель продолжает радоваться низкой вариабельности времени прибытия, которой в состоянии добиться эта автобусная компания.

Вариабельность является врагом качества.

Улучшение процесса

На работе, какой бы она ни была, у нас всех имеются те же проблемы, что и у автобусной компании.

Подобно тому, как водитель автобуса стремится приехать в 7.00 утра, мы все в своей работе стремимся добиться каких-то целей. Наши цели примерно такие:

• Сделать что-либо в точности требуемого размера, или
• Сделать что-либо идеально, без малейших дефектов и недочетов.

Но, как и в случае с с автобусом, наш выход варьирует:

• Он не всегда требуемого размера.
• Иногда в нем мало ошибок, а иногда их в нем много.

Конечно, маловероятно, что каждый раз мы будем получать в точности намеченный результат, поэтому цель улучшения процесса состоит в том, чтобы стремиться получать все наши выходы максимально близкими к цели: другими словами, в соответствии с намеченным результатом при минимальной вариабельности.

Когда мы делаем наш процесс «управляемым», то можем точно предсказать тот диапазон, в пределах которого будет изменяться наш выход. Именно это мы имеем в виду, когда говорим, что наш процесс является «управляемым».

Другими словами, мы можем предсказать, как поведет себя наш процесс, если будет оставаться управляемым.

Зачем нам нужно уметь это делать?

Ну, скажем так: обычно выход нашего процесса должен находиться в определенном диапазоне, и иногда, когда мы сравниваем этот уровень спецификации с тем, чего наш процесс способен достичь, мы приходим в шоковое состояние!

Когда мы говорим, что наш процесс является управляемым, это не обязательно означает, что он хороший. «Управляемый» означает лишь, что процесс является предсказуемым. Он может быть предсказуемо плохим! Он может предсказуемо давать выход, который лежит вне границ спецификации.

Но когда наш процесс управляемый, то мы, по крайней мере, лучше понимаем его поведение, и поэтому в состоянии начать с ним что-то делать.

Время от времени с нашим процессом может происходить что-то «особенное».

Например, неожиданно или постепенно он может начать давать непривычно плохой выход. Другими словами, он может начать давать выход, который не был предсказуемым.

Когда это происходит, мы говорим, что наш процесс «вышел из-под контроля, стал неуправляемым».

Именно это произошло с «автобусным процессом», когда в то утро автобус не заводился.

Как и в случае с автобусом, всегда ведь будет существовать причина (или несколько причин) такого плохого результата (выхода). Если мы можем определить, в чем причина неполадок и предотвратить её появление в будущем, то начинаем лучше управлять нашим процессом: мы уменьшаем вариабельность в нашем выходе. Наш выход становится более надежным и предсказуемым. Мы с полным основанием можем гордиться выполняемой работой, а также услугой или продуктом, которые поставляем.

Если наш более предсказуемый выход передается другим работникам компании, то их жизни, в свою очередь, становятся более предсказуемыми. Они могут на нас полагаться. Им не нужно делать поправку на широкую вариабельность в нашем выходе. Они могут лучше планировать свою работу. Все начинает протекать более гладко. Своим потребителям они могут предоставлять более качественные товары.

Цель улучшения процесса состоит в том, чтобы процессы стали давать выход, который будет:

"Соответствовать намеченному результату при минимальной вариабельности относительно этого результата."

Особые и Общие причины Вариабельности

Итак, когда наш процесс управляем, он предсказуем. И опять, что это значит? Почти наверняка, это не означает, что нам всегда удастся достичь того, к чему мы стремимся. Это было бы нереально. Предсказуемость означает, что мы можем предсказать «наихудший вариант развития сценария» - то есть, насколько далеко мы вообще когда-либо отклонимся от того, к чему стремимся. Это действительно является реалистичным – и очень полезным.

Все три наших «автобусных процесса» были управляемыми. Ни один из них не соответствовал в точности своей цели каждый день, но поскольку они были управляемыми, мы могли бы предсказать, соответственно, что:

• каждый день автобус будет приходить в интервале между 6.50 и 7.10, или
• каждый день автобус будет приходить в интервале между 7.05 и 7.15, или
• каждый день автобус будет приходить в интервале между 6.58 и 7.02.

Повторим снова: только лишь потому, что наш процесс является управляемым, он еще не становится «совершенным». Поэтому, все еще правильно задавать вопросы типа:

• Что заставляет процесс давать такое количество вариабельности на его выходе?
• Что могли бы мы сделать с процессом, чтобы уменьшить эту вариабельность?
• Как могли бы мы приблизить выход процесса к тому, к чему стремимся?

Когда мы найдём некоторые правильные ответы на вопросы такого типа, то сможем снизить вариабельность выхода процесса вокруг намеченной цели.

Когда наш процесс управляем, то будет пустой тратой времени задаваться вопросом, почему какой-то один конкретный выход (например, количество заказов, обработанных в один конкретный день) находился так далеко от намеченной цели.

Маловероятно, что для этого будет существовать какая-то конкретная причина.

То, что мы видим – это совместный результат действия всех относительно небольших, ежедневных, естественных вариабельностей во всех входах процесса, и т.д.

Все, что можно сделать – это продолжать наблюдать за всем процессом в целом и задавать себе вопросы:

- Почему каждый выход, произведенный этим процессом, подвержен такой вариабельности?

- Почему оказаться близко к цели – это, по большей части, дело случая?

Когда наш процесс является управляемым, мы ищем то, что называется:

Общие причины вариабельности

Другими словами, мы ищем то, что заставляет весь наш выход варьировать, в противоположность тому, что происходит с каким-либо одним конкретным выходом (например, какой-либо конкретный результат процесса или показатель продуктивности одного конкретного дня). Мы ищем причины, которые являются общими для каждого выхода, произведенного нашим процессом – причины, которые там «надолго» (пока кто-нибудь что-нибудь с ними не сделает). Нас заботит будущее, а не прошлое.

Итак, как мы уже сказали на предыдущей странице, с нашим процессом время от времени может происходить что-то «особенное». Он может давать необычно плохой выход, который совсем не похож на то, что мы обычно от него ожидаем. Когда такое происходит, то полезно выяснить, почему имел место этот один конкретный выход. Весьма вероятно, что мы обнаружим особую причину этого одного особенно большого отклонения.

Именно это случилось с автобусом «высокого качества», когда он приехал в то утро в 7.20 утра. То, что мы там обнаружили, было

Особой причиной вариабельности

Если мы можем сделать так, чтобы эта конкретная причина вариабельности не появилась снова, то мы этот процесс улучшаем: мы снижаем вариабельность, так что наш процесс становится более предсказуемым.

Понимание различия между особой и общей причинами вариабельности является жизненно важной частью улучшения процесса.

Контрольная диаграмма

Итак, если понимание различия между особой и общей причинами вариабельности является жизненно важной частью улучшения процесса, то как мы можем отличить одно от другого на практике?

Откуда мы знаем, что конкретное большое отклонение от намеченного значения было вызвано чем-то особенным ( и поэтому имеет смысл пойти и поискать, что его вызвало)?

С другой стороны, откуда мы знаем, что наш процесс является «управляемым» (то есть, предсказуемым, лежащим в определенных границах вариабельности)? В этом случае поиск особой причины был бы пустой тратой времени – или, что еще хуже, вводил в заблуждение (ибо часто люди склонны обманываться и думать, что они действительно что-то нашли).

Об этом нам расскажет контрольная диаграмма, построенная на основе данных самого процесса. Вот как это делается:

• Мы начинаем с решения о том, что именно правильно и уместно измерять или подсчитывать.
• Затем результаты наших измерений мы наносим (во временной последовательности) на диаграмму.
• Когда мы уже нанесли приемлемое количество точек, мы производим некоторые подсчеты (смотри дальше).
• Эти подсчеты дают нам два числа.
• На диаграмме через эти числа мы проводим две линии.
• Эти две линии сообщают нам наибольшую величину, на которую, вероятно, будет отклоняться наш процесс, когда он будет управляемым.
• Эти две линии называются Контрольными Границами.

Если все результаты измерений, которые мы наносим на нашу диаграмму, лежат внутри этих двух линий, то контрольная диаграмма говорит нам, что процесс является управляемым и что поэтому нам не нужно начинать искать особые причины. Он также говорит нам, что это является тем диапазоном вариабельности, которого нужно ожидать в будущем – если по этому поводу мы ничего не будем предпринимать. Мы должны рассматривать весь процесс в целом и искать общие причины вариабельности, чтобы их устранить или по крайней мере снизить их воздействие. Поиск особых причин будет дорогостоящим и дезориентирующим.

Но если один или более из наших показателей выходит на диаграмме за пределы этих линий, то контрольная диаграмма посылает нам надежный сигнал, что произошло что-то особенное. Именно тогда имеет смысл искать (и, надо надеяться, обнаружить!) эту особую причину вариабельности. Проигнорировать этот сигнал было бы ошибкой.

Контрольные границы и границы спецификации

Контрольные границы не являются границами спецификации.

Границы спецификации устанавливаются технической документацией или проектировщиком, или потребителем.

Эти границы являются пределами допуска, обозначенными на технических чертежах.

Другими словами, они являются тем, что нам хотелось бы получить от процесса (по меньшей мере).

Контрольные границы рассчитываются на основе данных выхода самого процесса.

Они показывают вариабельность выхода, которая, возможно, будет порождаться самим процессом, когда он находится в управляемом состоянии. Другими словами, они отображают то, что процесс способен производить, независимо от того, что нам бы хотелось от него получить.

Иногда мы получаем плохие новости, когда сравниваем то, что процесс способен производить, с тем, что нам хотелось бы от него получить (другими словами, сравнивая контрольные границы и границы спецификации):

Мы сами не можем решать, где окажутся контрольные границы на нашей контрольной диаграмме. Это решают данные. Единственный способ улучшить контрольные границы – это улучшать процесс (или смошенничать!).

Если процесс не может производить выход, лежащий внутри границ спецификации, то имеется настоятельная потребность такой процесс улучшать.

NB: Эти два изображения приводятся только в иллюстративных целях. Обычно на контрольных диаграммах мы не наносим спецификации: они скорее сбивают с толку, а не помогают объяснять ситуацию.

Улучшение процесса должно проводиться в следующие три этапа:

1. Во-первых, сделать процесс управляемым путем выявления и устранения любых особых причин вариабельности.
2. Снизить вариабельность выхода путем воздействия на общие причины вариабельности.
3. Продолжать сокращать эту вариабельность. Мы не останавливаемся, когда контрольные границы оказываются внутри границ спецификации. Продолжение сокращения вариабельности приносит значительную выгоду на последующих стадиях работы.

Почему этап 1 не требует от нас выявлять и сразу избавляться от любых особых причин вариабельности? Да просто потому, что от некоторых особых причин вариабельности мы не хотим избавляться, как это будет показано на следующей странице.

Некоторые особые причины являются хорошими

До сих пор мы говорили о процессах, которые становятся хуже, когда подвергаются действию особых причин. Но некоторые процессы становятся лучше, когда подвергаются действию определённых особых причин.

Давайте вернемся к примеру с нашим водителем автобуса. Если его процесс уже правильно настроен на 7.00 утра, то особые причины всегда делают этот процесс хуже. Если водитель прибывает раньше 7.00, то мы недовольны - мы можем не успеть на автобус, а если он прибывает позже 7:00, то мы снова недовольны – нам придется долго ждать.

В обоих случаях он не попадает в цель.

Если бы ежедневные сроки прибытия автобуса были нанесены на контрольную диаграмму, то у нас появилось бы желание устранить особые причины, которые приводят к срокам, лежащим выше верхней контрольной границы, а также к тем, которые лежат ниже нижней контрольной границы.

Многие из наших процессов как раз такие. Например, если мы обрабатываем деталь под определенный размер, то любое отклонение от этого размера, + или - , является нежелательным. Мы не попали в требуемый размер.

Теперь предположим, что наш процесс заключается в сварке какой-то детали, и наша цель состоит в том, чтобы на выходе процесса получить как можно меньше дефектов сварки. В этом случае нам не нужно было бы устранять особую причину, на которую указывает результат ниже нижней контрольной границы. Например, часть нашей контрольной диаграммы могла бы выглядеть так:

В этом процессе значение выше верхней контрольной границы необычно плохое, а значение ниже нижней контрольной границы необычно хорошее! Оба значения являются результатом действия особых причин.

Все особые причины должны быть изучены. Однако, не все из них нужно устранять.

«Плохая» особая причина, указанная значением выше верхней контрольной границы в примере с дефектами сварки, должна быть идентифицирована и устранена. «Хорошая» особая причина, указанная значением ниже нижней контрольной границы, должна быть идентифицирована и, если возможно, встроена в процесс – мы хотели бы делать так все время!

Мы имели бы ситуацию, противоположную примеру с дефектами сварки, если бы строили контрольную диаграмму, скажем, для выходя продукции в процессе литья (где 0% было бы катастрофой, а 100% было бы идеальной ситуацией). В этом случае, особая причина значения ниже нижней контрольной границы должна быть идентифицирована и устранена, тогда как особую причину значения выше верхней контрольной границы имело бы смысл исследовать и понять, можно ли найти то, что вызвало такой необычно хороший результат.

Как строить контрольную диаграмму

Чтобы построить контрольную диаграмму, не обязательно иметь склонность или способности к работе с числами.

Если у нас есть некоторые числовые данные (например, некоторые данные выхода нашего процесса, или некоторые данные на входе в наш процесс), то все остальное легко.

Предположим, что наш процесс состоит в сверлении отверстий в некоторой детали, и что требуемый диаметр отверстия равен 54 миллиметрам с допуском + или – 1 миллиметр. (Для простоты записи арифметических действий опустим «5» в каждом замере, хотя, при желании, вы можете подставить её обратно). Ниже приводятся диаметры отверстий в десяти деталях, выпущенных процессом:

(т.е., для деталей 1и 2 это 56 мм, для детали 3 – это 53 мм, для деталей 4 и 5 – 55 мм и т.д.)

Сперва мы хотим узнать, каков средний диаметр отверстий. Это легко подсчитать. Мы просто складываем вместе все размеры диаметров отверстий и делим сумму на количество этих отверстий.

6+6+3+5+5+4+6+5+2+3 = 45

45/10 = 4.5

Как вы уже могли догадаться, нас также интересует вариабельность среди деталей.

Вариабельность (изменения) диаметров отверстий между деталями 1 и 2, деталями 2 и 3, и т.д., показана ниже:

(Отметим, что детали рассматриваются «во временной последовательности», то есть, в том порядке, в котором они выпускались.)

Мы хотим знать, какова средняя вариабельность, поэтому мы суммируем все эти изменения и полученное делим на их количество.

0+3+2+0+1+2+1+3+1 = 13

13 / 9= 1.44

Умножаем среднюю вариабельность на 2.66, и теперь у нас есть все, что нужно для расчета контрольных границ, ибо это дает нам расстояние от среднего значения диаметра до граничных значений: 1.44x2.66 = 3.83

Тогда нашу верхнюю контрольную границу получаем, прибавив 3.83 к среднему значению диаметра.

Нашу нижнюю контрольную границу получаем, вычтя 3.83 из среднего значения диаметра.

Верхняя Контрольная Граница 4.5 + 3.83 = 8.33

Нижняя Контрольная Граница 4.5 - 3.83 = 0.67

На этом этапе у нас могут возникнуть некоторые вопросы:

Откуда взялось это магическое число 2.66?

Оно взялось из учебников по статистике. Нам действительно нужно обратиться к учебникам? Вовсе нет!

Сколько значений диаметров отверстий нам нужно собрать, чтобы рассчитать контрольные границы, которые работают?

30 - хорошо, 50 - превосходно. Если данные накапливаются медленно (например, одно в день), мы можем использовать меньшее количество, нам просто придется быть более осторожными при интерпретации диаграммы. Например, точка немного выходящая за границы, может теперь оказаться лишь невезением, а не действительным сигналом особой причины, но точка, лежащая на значительном удалении от границы, по-прежнему является сигналом.

Множество людей довольствуются приблизительно 10-ю точками. Но всегда можно провести подсчёты заново, когда от нашего процесса мы получим несколько больше числовых данных.

Можем ли мы пользоваться контрольными диаграммами только для таких показателей, которые мы получаем в результате измерений, вроде диаметров отверстий, длин и т.д.?

Нет. Как мы уже видели на предыдущей странице, мы также можем пользоваться контрольными диаграммами для таких показателей, которые мы получаем в результате счёта, таких, как количество дефектов сварки в расчёте на одну деталь, выход процесса литья и т.д.

Продолжаем строить контрольную диаграмму

Давайте вспомним, почему мы рассчитываем контрольные границы и наносим их на диаграмму.

Причина, по которой мы строим контрольную диаграмму, состоит в том, что мы хотим улучшить наш процесс.

Контрольная диаграмма сообщает, как ведет себя наш процесс, а также помогает нам решить, с чего начинать его улучшение.

Это лишь только начало улучшения процесса. Теперь нам нужно начать с ним работать!

Диаграмма, для которой мы только что рассчитали контрольные границы, выглядит так:

Этот процесс оказывается управляемым (нет никаких особых причин), но мы не чувствуем себя счастливыми.

Мы не чувствуем себя счастливыми, потому что указанный в спецификации размер диаметра, который мы стараемся получить, равен 4 миллиметрам (напомним, что «5» пропускается) с допусками + or - 1 миллиметр. То есть, мы хотим, чтобы все размеры лежали между 3-мя и 5-ю миллиметрами.

Очевидно, что наш процесс не способен достичь такого результата.

Но худшее ещё впереди! Вот следующие 5 деталей, выпущенные нашим процессом:

Если нанести их на нашу контрольную диаграмму, то вот что мы получим:

Продолжаем строить контрольнную диаграмму (продолжение)

Спасите! Помогите! Теперь наш процесс перестал быть управляемым. Он стал непредсказуемым.

Действия по улучшению будут заключаться в следующем:

1. Верните процесс в управляемое состояние, выясняя, какова была особая причина, и устраняя её (износ инструментов/оборудования или партия дефектных материалов – вот примеры особых причин, которые могут заставить процесс перестать быть управляемым).

2. Затем займитесь общими причинами (например, улучшайте зажимные устройства, обеспечьте надлежащее обучение, используйте другие методы и т.д.) для того, чтобы:

a) Настроить процесс на заданные 4 милиметра (а не 4,5).

b) Снизить вариабельность в диаметрах отверстий – по крайней мере, сделать её менее чем + или - 1 миллиметр – но на этом не останавливайтесь!

3. Посмотрите, можем ли мы продолжать снижать вариабельность.

В любом случае, продолжайте строить контрольную диаграмму, чтобы держать процесс в поле зрения (процессы имеют тенденцию снова выходить из-под управления, если мы выпускаем их из поля зрения).

4. Ищите «первоисточник» причин вариабельности (например, исследуйте в других местах компании процессы, которые могли бы влиять на наш процесс, или, вместо того, чтобы наблюдать за нашим выходом, проанализируйте начальные этапы нашего собственного процесса).

Теперь у нас может возникнуть еще несколько вопросов:

Как часто мы должны рассчитывать контрольные границы?

Ответ таков: тогда, когда имеет смысл это делать!

• Мы можем решить, что для получения надежных контрольных границ оказалось недостаточно иметь данные по 10-и диаметрам.
• Тогда можно было бы снова провести подсчет, используя данные, скажем, по 20-и или 30-и диаметрам.
• Со временем, мы можем заметить по нашей диаграмме, что процесс стал предсказуемо лучше или хуже. На этой стадии мы можем принять решение провести другой подсчет, используя более свежие данные о процессе.
• Конечно же, нам не нужно производить вычисление контрольных границ слишком часто!

Особая причина сигнализирует о себе тем, что точка на диаграмме выходит за пределы одной из контрольных границ. А есть ли какие-либо другие сигналы?

Да. Достаточно четким сигналом является ситуация, когда мы получаем восемь или больше точек подряд по одну сторону от средней линии на диаграмме.

Некоторые пользуются всеми другими видами сигналов, но мы не очень ошибемся, если будем придерживаться только этих.

Вот так вот обстоят дела.

Улучшение процесса и управление возникают тогда, когда мы больше знаем о вариабельности в наших процессах – что её вызывает, и что можно с ней сделать.

Двуединая цель состоит в том, чтобы постараться снизить вариабельность процесса относительно среднего значения и, насколько возможно, приблизить это среднее к нашей цели. Определение качества в организациях мирового уровня таково:

«Работать в соответствии с намеченным результатом при минимальной вариабельности»

Простое управление процессом

Выводы

• «Процесс» просто обозначает выполняемую нами работу. Мы все получаем разнообразные входы от одного или более поставщиков, добавляем им стоимость (ценность) и поставляем выходы (результаты) одному или более потребителям. Нашими поставщиками и потребителями могут быть другие работники или отделы компании.
• Все процессы содержат вариабельность, и вариабельность – это скверно.
• Когда мы делаем процесс управляемым, то можем предсказать диапазон, в котором, скорее всего, будет меняться его выход.
• Особые причины заставляют процесс выходить за его контрольные границы. Эти причины всегда нужно исследовать. Избавляйтесь от плохих и старайтесь сохранить хорошие.
• При отсутствии особых причин нужно исследовать причины долгосрочного поведения процесса (общие причины), а не какого-либо конкретного выхода.
• Контрольная диаграмма говорит нам, является ли процесс управляемым или нужно искать особые причины.
• Контрольные границы – это не требования потребителей или произвольные целевые показатели. Они сообщают нам о том, что процесс делает, и что он в состоянии делать, а не о том, каким бы мы хотели его видеть.
• Единственный способ улучшить контрольные границы – это улучшить процесс (или смошенничать!).
• Рассчитать контрольные границы легко. Это может сделать каждый.
• Контрольные диаграммы могут быть использованы для подсчетов (например, дефектов сварки, приходящихся на одно изделие), а также для измерений (например, диаметров отверстий).
• Начав строить контрольную диаграмму, мы должны продолжать это делать и всегда быть начеку в отношении особых причин. Такая диаграмма также показывает результаты наших действий по улучшению.
• Цель улучшения процесса в следующем:

Получать намеченные результаты с минимальной вариабельностью.