Статистическое управление процессами — прихоть или необходимость?

СТАТЬЯ ИЗ РУБРИКИ: «КОНТРОЛЬ И ДИАГНОСТИКА»


Д.А. Локтев,
к.т.н., доцент, Группа Технополис

Любому процессу, в том числе технологическому, свойственно непостоянство. В его ходе на него воздействует огромное количество различных факторов, меняющих его и его результат. Поэтому задачей статистического управления процессом является обнаружение и устранение причин изменения свойств продукта, приводящих к его несоответствию заданным параметрам. Для чего желательно оснастить производство современными средствами измерения в комплекте со специализированным программным обеспечением.

СИСТЕМА ОБЕСПЕЧЕНИЯ КАЧЕСТВА

При выпуске любого изделия требования к качеству (в отличие от требований к процессу производства) предопределены на этапе конструирования изделия и не могут уже изменяться при его изготовлении. Технологический процесс должен соответствовать этим требованиям. Это обязательно проверяется определенным способом. Но подход к методам обеспечения качества у ведущих мировых кампаний существенно изменился за два-три последних десятилетия.

Традиционно предполагается обеспечение качества за счет тотальной проверки изготавливаемых деталей (до сих пор применяется практически на всех предприятиях России и Украины). При этом чем больше деталей производится и чем они сложнее, тем более многочисленная армия контроллеров требуется для их проверки. При традиционном подходе (рис. 1) проблема обеспечения качества решается достаточно просто — необходимо отделить хорошие детали от плохих. Хорошие попадают на сборку и отгружаются покупателю, а плохие подвергаются дополнительному анализу — можно ли их исправить (исправимый брак) или нет (неисправимый брак). Чем выше доля отбракованных деталей, тем выше нагрузка на производство — детали надо доработать (если это исправимый брак) или выпустить новые. Такая нагрузка не имеет особых последствий, если производительность существенно выше, чем требования по объему выпуска изделий с учетом исправимого и неисправимого брака. Если же производительности процесса не хватает, то на сборку начинают попадать детали, находящиеся на границе между годными и бракованными. Если же и этих деталей не хватает, то производство обращается к конструктору за разрешением на выпуск продукции с отклонениями. Конструктор вынужден расширять допуски на изготавливаемые детали, на сборку попадает продукция, которая ранее была бы признана бракованной, но это позволяет решить проблему производительности. Через какое-то время качество деталей может улучшиться, и старые конструкторские допуски могут вернуться на место. Затем ситуация может опять ухудшиться и все может повториться снова.

Кроме того, существует также проблема со стоимостью измерения деталей при традиционном подходе. Если деталь (например, блок цилиндров автомобильного двигателя) имеет около 1000 различных параметров (признаков), подлежащих контролю, и в сутки изготавливается 300 таких блоков, то группа контроля качества должна измерить и принять решение о соответствии 300 000 параметров в сутки. Такое количество замеров требует соответствующего количества персонала, соответствующего количества средств измерения, что, в свою очередь, существенно повышает затраты на производство изделий и снижает возможную прибыль данного предприятия.

Необходимость тотальной проверки изделий вызвана тем, что, как правило, бракованная продукция производится не всегда. Ситуацию, когда производится только бракованная продукция, мы рассматривать не будем. Это связано либо с неправильным назначением допусков, либо с полной непригодностью процесса для выпуска данных изделий. Такие ситуации встречаются достаточно редко. В остальных случаях определенную часть времени производится годная продукция, затем бракованная, затем опять годная, затем на границе брака и так далее. Система контроля качества действует в каждый момент времени по-разному, либо принимая продукцию, либо направляя её на доработку, либо обращаясь к конструктору за разрешением.

При таком традиционном подходе менеджмент предприятия вынужден постоянно принимать решения, связанные с необходимость реагировать на отсутствие годных деталей и нести дополнительные затраты, иногда существенные, на контроль изделий и восполнение брака.

Современная система качества направлена не на предотвращение попадания на сборку деталей с отклонениями путем тотального контроля, а на создание такого процесса, который производил бы детали без отклонений. На самом деле, если в определенные промежутки времени производятся годные детали, потом начинают производиться детали с отклонениями, потом опять годные и так происходит всегда, значит, существуют какие-то причины на это. Отсюда можно сделать вывод, что если найти и устранить эти причины, то вся продукция будет годной.

Такой подход является современным и меняет отношение менеджмента предприятия и производства к обеспечению качества. Для реализации этого подхода надо собрать в течение определенного времени данные о параметрах продукции, проанализировать их, найти источники изменений и устранить их. Затем поддерживать процесс в этом состоянии, периодически контролируя параметры изделий. Если процесс остается в устойчивом состоянии, то можно быть уверенным, что на сборку будут попадать только годные детали. Решение проблемы качества изделий будет сопровождаться значительным увеличением прибыли за счет сокращения затрат на стопроцентный технический контроль, доработку исправимого брака и изготовление дополнительных деталей взамен неисправимого брака.

Реализовать анализ имеющихся проблем, влияющих на качество изделий, можно с помощью методов математической статистики. И в этом случае говорят о применении статистического управления процессами. Само понятие статистического управления процессами определяется как использование статистических методов для достижения качества продукции или услуги путем защиты процесса от нежелательных изменений.

Само понятие «статистика» вызывает у большинства из нас негативные эмоции. Это связано, на наш взгляд, с двумя фактами. Первый — многие сразу вспоминают про недостоверность статистики, ставшую уже притчей во языцех. Достаточно вспомнить приписываемую Уинстону Черчиллю фразу «Я верю только в ту статистику, которую сам фальсифицировал» и известную цитату из Марка Твена «Существует три вида лжи: ложь, гнусная ложь и статистика». Справедливости ради отметим, что это относится к так называемой описательной статистике, оперирующей глобальными данными, которые потом легко подвергаются неверной интерпретации политиками и журналистами.

В случае статистического управления процессами речь идет о математической статистике. И здесь вступает второй фактор негативных эмоций. Само это понятие связано у многих с теоретическими курсами высшей школы, вызывающими смертельную скуку и не имеющими ничего общего с практическим производством.

Попробуем в следующем разделе показать, что статистическое управление процессами хоть, и основано на методах математической статистики, все равно не требует от инженерных работников глубоких математических знаний и обеспечивает отличную достоверность получаемых результатов.

КОНТРОЛЬНЫЕ КАРТЫ И ВОСПРОИЗВОДИМОСТЬ ПРОЦЕССА

В рамках одной короткой статьи невозможно отразить все аспекты статистического управления процессами. Поэтому рассмотрим только основные тезисы.

Любому процессу в природе свойственна изменчивость. В ходе процесса на него воздействует огромное количество различных факторов, меняющих сам процесс и его результат. Рассматривая обработку резанием, можно найти десятки причин, воздействующих на процесс. Например, твердость заготовки не является величиной постоянной и даже у самых хороших поставщиков колеблется в диапазоне 10–30 единиц НВ. Даже самый хороший станок обладает повторяемостью позиционирования не лучше 1–5 мкм. И так далее. Это означает, что изменение этих факторов неминуемо приведет к изменениям в параметрах обрабатываемых деталей.

Однако все эти факторы влияют на процесс в очень малой степени и, в большинстве случаев, очень сложно выделить влияние одного из таких факторов. Такие причины изменения процесса называются обычными. Благодаря тому, что обычных причин много и каждая из них оказывает небольшое влияние, часто компенсируемое другими обычными причинами, процесс остается стабильным во времени. (рис. 2, слева).

Если процесс становится нестабильным, это всегда связано с появлением особых причин или с изменением совокупности обычных причин. Особыми называются такие причины изменения процесса, которые можно обнаружить и идентифицировать. Любая особая причина может привести к выходу процесса из стабильного состояния. Тогда процесс изменяется во времени (рис. 2, справа).

Отсюда задача статистического управления процессом — обнаружение и устранение причины изменения свойств продукта, приводящей к несоответствию его заданным параметрам.

Если процесс находится в статистически управляемом состоянии, то по его показателям с заданной вероятностью можно предсказать его дальнейшее поведение и, как следствие, возможную долю дефектных продуктов. В зависимости от этого можно принимать решения о необходимости контроля изделий.

Для оценки стабильности процесса и выявления особых причин применяют контрольные карты. Теория и практика применения контрольных карт была разработана к середине прошлого века и с тех постоянно улучшается. Для контроля процесса строятся две контрольные карты (рис. 3) — средних значений и стандартных отклонений (или размаха). Первая карта позволяет оценивать стабильность положения среднего значения наблюдаемого параметра. Вторая показывает рассеивание (разброс) его значений. Контрольные карты надо применять только в паре, иначе возникает опасность принятия ложного решения.

В начале эпохи применения контрольных карт все необходимые расчеты производились вручную. Хотя в основе контрольных карт лежит достаточно серьезная теория математической статистики, сами расчеты для построения точек на карте достаточно просты. По мере развития вычислительной техники расчет контрольных карт был полностью автоматизирован.

При создании каждой контрольной карты сначала рассчитывают значения верхней и нижней контрольной границ на основе набора данных измеряемой величины. Затем для выборки данных производится оценка текущего состояния процесса, которая фиксируется в виде точки на контрольной карте. Основным признаком выхода процесса из статистически устойчивого состояния является попадание одной из точек за контрольные границы (рис. 3), отмечены красным цветом. Существуют и другие критерии оценки управляемости процесса по контрольным картам (наличие определенных трендов в расположении точек).

Контрольные карты позволяют качественно оценить наличие особых причин и эффективность проводимых мероприятий по их устранению. Для количественного определения стабильности процесса применяются специальные индексы — индексы воспроизводимости и индексы пригодности процесса. Индекс воспроизводимости Cp показывает соотношение допустимого разброса процесса (т. е. величины поля допуска) к фактическому разбросу процесса (рис. 4). Величина Ср = 1 соответствует границе воспроизводимости процесса (это соответствует контрольным границам на контрольных картах). В абсолютном большинстве случаев минимальной величиной воспроизводимости процесса принимается значение больше единицы (обычно 1,33). В этом случае фактический разброс процесса не должен превышать 75 % от поля допуска и процесс гарантирует при сохранении устойчивости получение не более 84 бракованных деталей на миллион изготовленных деталей.

Индекс воспроизводимости Ср отражает потенциал процесса, но не учитывает расположение границ фактического разброса относительно номинала рассматриваемой величины. Для учета центрирования процесса применяют индекс воспроизводимости Cрк, который оценивает расстояние между средним значением процесса и ближайшей границей поля допуска. Чем выше этот показатель, тем лучше центрирован процесс. Для абсолютно центрированного процесса Ср совпадает с Срк.

В определенных случаях вместо индекса воспроизводимости Ср и Ск рассчитывают индекс пригодности Рр и Ррк. Отличие этих групп индексов заключается в методе оценки фактического разброса процесса. В общем, все четыре индекса объединяются общим названием показателей возможности процессов.

Таким образом, сочетание анализа контрольных карт и расчета показателей потенциала процессов дает возможность качественно и количественно определить, находится ли процесс в статистически управляемом состоянии. Если ответ на этот вопрос отрицателен, то существует определенный алгоритм действий по приведению процесса в управляемое состояние и определенные инструменты для этой работы. Не вдаваясь в подробности, упомянем среди таких инструментов диаграмму причинно-следственных связей (диаграмму Исикавы, «рыбий скелет») и диаграмму Парето.

ТРЕБОВАНИЯ К СБОРУ ДАННЫХ

В основе всего статистического управления процессами лежит анализ и интерпретация исходных данных, полученных от различных источников. Если оцениваются геометрические параметры изделия, то исходные данные получаются от различных средств измерения. Также могут использоваться дискретные (альтернативные) признаки, имеющие два состояния (например, наличие или отсутствие дефекта).

При внедрении системы статистического управления процессами надо быть абсолютно уверенным в надежности и безопасности всей цепочки передачи данных. Рассмотрим коротко этот тезис на примере систем измерения геометрических параметров изделия (линейных и диаметральных размеров, погрешностей формы и расположения, шероховатости поверхности и т. д.).

Первым постулатом является то, что средство измерения должно быть пригодно для измерения данной величины. При этом речь идет не о физической пригодности (например, возможности измерить параметры шероховатости с помощью средств измерения линейных размеров), а о соответствии погрешности и неопределённости измерения заданной точности измеряемого параметра. Существуют различные нормы, определяющие соотношение между полем допуска измеряемого признака и максимально допустимой погрешностью средств измерения. Для оценки пригодности средств измерения на практике применяются различные методы, оценивающие ее. За недостатком места упомянем индексы пригодности Cg и Cgk и показатели GR&R (сходимость и воспроизводимость). Весь комплекс оценки средств измерения нормируется и относится к области статистических методов, носящих название MSA (Measuring System Analysis — анализ измерительных систем).

Второй необходимой составляющей организации сбора данных является достоверность данных, передаваемых в систему статистического анализа. Здесь отметим два основных фактора — однозначность получаемых данных и независимость передачи данных от субъективных факторов. Первый фактор связан с применением определенных средств измерения. На сегодняшний день применение цифровых средств измерения является практическим требованием при создании системы статистического управления процессами. Действительно, трудно говорить о достоверности данных при считывании информации с нониуса обычного средства измерения, поскольку каждый оператор видит немного другие значения и это ставит под сомнение однозначность получаемых данных. Второй фактор также связан с применением цифровых средств измерения и требует прямой связи средства измерения с системой фиксации передаваемых значений. При вмешательстве человеческого фактора в этот процесс (оператор считывает показания со средства измерения и затем вручную заносит их в систему фиксации значений) возникает опасность преднамеренного или случайного искажения данных.

Заканчивая данный раздел, отметим, что для дальнейшего анализа управляемости процесса и для отражения текущей статистики передаваемые данные должны сопровождаться всем набором информации об измеряемом изделии и показателях процесса, при которых это изделие было изготовлено. Только в этом случае можно эффективно провести соответствующий анализ.

КОМПЛЕКСНОЕ РЕШЕНИЕ

У читающего эту статью к данному моменту может возникнуть ощущение, что реализация статистического управления процессами требует значительных затрат, как умственных, так и материальных. На самом деле это не так. С помощью квалифицированных консультантов реализация системы статистического управления процессами может быть осуществлена в сжатые сроки с оптимальными вложениями.

Для этого нужно выполнить всего два базовых условия — оснастить производство современными средствами измерения, позволяющими реализовать надежное получение и передачу данных процесса, и реализовать саму систему управления. Это проще всего сделать с помощью специализированного программного обеспечения, например, фирмы Q-DAS. Фирма Q-DAS, которую на территории России и Украины представляет Группа Технополис, предлагает полный набор программных средств для реализации статистического управления производством и является мировым лидером в этом направлении.

Концепция программного продукта для статистического управления производством на основе современных средств измерения носит название CAMERA и реализована на шести уровнях (рис. 5).

На первом уровне осуществляется сбор данных с помощью различных средств измерения, пригодных для измерения рассматриваемых величин и создающих значения параметров процесса в достаточном объеме и с достаточным уровнем достоверности. Для связи средств измерения с системами оценки параметров процесса и для получения данных в нужном формате применяются специализированные программные продукты (procellа My.SPCи O-QIS). Отметим, что созданные фирмой Q-DAS форматы данных поддерживаются практически всеми поставщиками измерительных систем.

На втором уровне полученные данные подвергаются первичной оценке с помощью этих же программных продуктов. Результатом оценки являются параметры (показатели) процесса — ход процесса, гистограммы, контрольные карты, индексы воспроизводимости и пригодности и т. д. Эти результаты оценки могут быть представлены в различной форме в зависимости от получателя этих результатов.

На третьем этапе данные передаются в центральную базу данных.

На четвертом этапе при необходимости производится более глубокий анализ полученных данных. С помощью программного продукта solara MP реализуется анализ пригодности средств измерения. Программный продукт qs-STAT предназначен для получения практически любых статистических оценок процесса, а программный продукт destra позволяет с применением статистических методов (например, регрессионного и вариационного анализа) оптимизировать изучаемый процесс.

На пятом уровне происходит составление отчетов по проведенным оценкам. Формы и наполнение отчетов можно изменять в зависимости от адресата получения отчета.

Наконец, шестой уровень обеспечивает архивацию полученных данных для дальнейшего хранения и проведения долгосрочного анализа.

Рамки данной статьи не позволяют полностью отразить все аспекты статистического управления процессами. Дополнительная информация может быть получена из будущих публикаций и от сотрудников Группы Технополис.

Рекламодатели

Партнёры

Новостная рассылка

Будьте в курсе наших последних новостей. Оформите бесплатно персональную новостную рассылку.