liidumaa autonoomne
haridusasutus
erialane kõrgharidus
"SIBERI FÖDERAALÜLIKOOL"
Äriprotsesside juhtimise ja ökonoomika instituut
Majanduse ja äriprotsesside juhtimise osakond
ESSEE
Vastavalt masinate tehnilise taseme hindamise meetoditele
Seitse tööriista kvaliteedikontrolliks ja juhtimiseks
Lektor __________________ Vanemõppejõud V.V. Kostina
Üliõpilane UB 11-01 ____________________ V.A. Ivkin
Krasnojarsk 2014
Meetodit kasutatakse nii vahetult tootmises kui ka toote elutsükli erinevatel etappidel. 4
Meetodi eesmärk on välja selgitada probleemid, millega tuleb esmalt tegeleda, lähtudes jooksva protsessi juhtimisest, saadud statistilise materjali kogumisest, töötlemisest ja analüüsist protsessi kvaliteedi hilisemaks parandamiseks. 4
Meetodi olemus seisneb selles, et kvaliteedikontroll on üks kvaliteedijuhtimisprotsessi põhifunktsioone ning faktide kogumine, töötlemine ja analüüs on selle protsessi kõige olulisem etapp. 4
Seitse põhilist kvaliteedikontrolli tööriista (Joonis 1) - tööriistade komplekt, mis hõlbustab käimasolevate protsesside kontrollimist ja annab erinevaid fakte protsesside analüüsiks, reguleerimiseks ja kvaliteedi parandamiseks. 4
Joonis 1–7 kvaliteedikontrolli tööriistad 5
KASUTATUD ALLIKATE LOETELU 19
SISSEJUHATUS
Kaasaegses majanduses on oluline koht sellisel mõistel nagu toodetud kaupade ja teenuste kvaliteet. Temast sõltub, kas tootja seisab konkurentsis või mitte. Kvaliteetsed tooted suurendavad oluliselt tootja võimalusi teenida märkimisväärset kasumit ja püsikliente.
Toodete kvaliteet määratakse kindlaks teadusliku uurimistöö, projekteerimise ja tehnoloogilise arendustegevuse käigus, selle tagab hea tootmise korraldus ning lõpuks säilib see töö või tarbimise ajal. Kõigil neil etappidel on oluline läbi viia õigeaegne kontroll ja saada usaldusväärne hinnang toote kvaliteedile.
Kaasaegsed tootjad püüavad vältida defektide ilmnemist, mitte neid valmistootest kõrvaldada.
Õige, st faktidel põhineva otsuse tegemiseks tuleb pöörduda statistiliste vahendite poole, mis võimaldavad korraldada faktide leidmise protsessi, nimelt statistilise materjali poole.
Seitsme meetodi rakendamise järjestus võib olenevalt süsteemile seatud eesmärgist olla erinev. Samamoodi ei pea rakendatav süsteem hõlmama kõiki seitset meetodit.
1 Seitse kvaliteedikontrolli tööriista
Meetodit kasutatakse nii vahetult tootmises kui ka toote elutsükli erinevatel etappidel.
Meetodi eesmärk on välja selgitada probleemid, millega tuleb esmalt tegeleda, lähtudes jooksva protsessi juhtimisest, saadud statistilise materjali kogumisest, töötlemisest ja analüüsist protsessi kvaliteedi hilisemaks parandamiseks.
Meetodi olemus seisneb selles, et kvaliteedikontroll on üks kvaliteedijuhtimisprotsessi põhifunktsioone ning faktide kogumine, töötlemine ja analüüs on selle protsessi kõige olulisem etapp.
Kaasaegse tehnilise kontrolli teaduslikuks aluseks on matemaatilised ja statistilised meetodid.
Paljudest laialdaselt kasutatavatest statistilistest meetoditest on välja valitud vaid seitse, mis on arusaadavad ja hõlpsasti rakendatavad erinevate valdkondade spetsialistidele. Need võimaldavad teil probleeme õigeaegselt tuvastada ja kuvada, määrata kindlaks peamised tegurid, millest peate tegutsema, ja jagada jõupingutusi nende probleemide tõhusaks lahendamiseks.
Seitsme meetodi tutvustamine peaks algama nende meetodite õpetamisega kõigile protsessis osalejatele.
Seitse põhilist kvaliteedikontrolli tööriista (Joonis 1) - tööriistade komplekt, mis hõlbustab käimasolevate protsesside kontrollimist ja annab erinevaid fakte protsesside analüüsiks, reguleerimiseks ja kvaliteedi parandamiseks.
Joonis 1 - 7 Kvaliteedikontrolli tööriistad
Kontrollnimekiri (joonis 2) - tööriist andmete kogumiseks ja nende automaatseks korrastamiseks, et hõlbustada kogutud teabe edasist kasutamist. Kontrollleht - pabervorm, millele on eelnevalt trükitud kontrollitavad parameetrid, mille järgi saab sisestada andmeid kasutades märkmeid või lihtsaid sümboleid. Kontrollnimekirjade kasutamise eesmärk on hõlbustada andmete kogumise protsessi ja korrastada andmed automaatselt edasiseks kasutamiseks. Sõltumata ettevõtte eesmärkide arvust saate koostada igaühe jaoks kontrollnimekirja.
Joonis 2 – kontrolllehe näide
Histogramm (joonis 3) on tööriist, mis võimaldab visuaalselt hinnata statistiliste andmete jaotust, mis on rühmitatud andmete sattumise sageduse järgi teatud etteantud intervallisse. Histogrammid on kasulikud protsessi või süsteemi kirjeldamisel. Tuleb meeles pidada, et histogramm on efektiivne, kui selle koostamise andmed saadi stabiilse protsessi alusel. See statistiline tööriist võib olla hea abimees kontrollkaartide koostamisel.
Joonis 3 – histogrammi näide
Pareto diagramm (joonis 4) on tööriist, mis võimaldab objektiivselt esitada ja tuvastada uuritavat probleemi mõjutavad peamised tegurid ning jagada jõupingutusi selle tõhusaks lahendamiseks. Pareto diagramm põhineb põhimõttel, et 80% defektidest on 20% sõltuvad neid põhjustanud põhjustest. Dr D.M. Juran kasutas seda postulaati kvaliteediprobleemide liigitamiseks vähesteks, kuid olulisteks ja paljudeks mitteolulisteks ning nimetas seda meetodit Pareto analüüsiks. Pareto meetod võimaldab tuvastada probleemi peamised tegurid ja seada nende lahendamise prioriteediks.
Joonis 4 – Pareto diagrammi näide
Kihistamise (andmete kihistamise) meetod (joonis 5) on tööriist, mis võimaldab jagada andmed teatud atribuudi järgi alarühmadesse.
Joonis 5 – Andmete kihistamise näide
Hajumis- (haju-)diagramm (joonis 6) on tööriist, mis võimaldab määrata vastavate muutujate paaride vahelise seose tüübi ja läheduse.
Joonis 6 – hajuvusdiagrammi näide
Ishikawa diagramm (põhjuslik diagramm) (joonis 7) on tööriist, mis võimaldab tuvastada kõige olulisemad tegurid (põhjused), mis mõjutavad lõpptulemust (mõju). Põhjus-tagajärg diagrammi süstemaatiline kasutamine võimaldab teil tuvastada kõik võimalikud põhjused, mis põhjustavad konkreetset probleemi, ja eraldada põhjused sümptomitest.
Joonis 7 – põhjuse-tagajärje diagrammi näide
Juhtkaart (joonis 8) on tööriist, mis võimaldab jälgida protsessi kulgu ja seda mõjutada (kasutades sobivat tagasisidet), vältides selle kõrvalekaldeid protsessile esitatavatest nõuetest.
Joonis 8 – Juhtkaardi näide
Meetodi eelisteks on nähtavus, arendamise ja rakendamise lihtsus. Meetodi puudusteks on madal efektiivsus keeruliste protsesside analüüsimisel. Kuid kui seda kasutatakse tootmises, lahendatakse kuni 95% kõigist probleemidest.
2 Seitse kvaliteedijuhtimise tööriista
Kõige sagedamini kasutatakse neid tööriistu projekteerimisetapis tekkivate probleemide lahendamiseks.
Meetodi eesmärk on ettevõtluse korraldamise, planeerimise ja juhtimise käigus tekkivate probleemide lahendamine erinevat laadi faktide analüüsi põhjal.
Seitse kvaliteedijuhtimise tööriista annavad ülevaate keerulistest olukordadest ja muudavad toote või teenuse disainiprotsessi täiustamise abil kvaliteedi juhtimise lihtsamaks.
Kvaliteedijuhtimise tööriistad parandavad planeerimisprotsessi tänu nende võimele:
mõista ülesandeid;
kõrvaldada puudused;
hõlbustada teabe levitamist ja vahetamist sidusrühmade vahel;
kasutada igapäevast sõnavara.
Selle tulemusena võimaldavad kvaliteedijuhtimise tööriistad välja töötada optimaalsed lahendused võimalikult lühikese ajaga. Afiinsusdiagramm ja lingidiagramm annavad üldise planeerimise. Puudiagramm, maatriksdiagramm ja prioriteetmaatriks pakuvad vahepealset planeerimist. Otsustusprotsessi vooskeem ja noolediagramm pakuvad üksikasjalikku planeerimist.
Meetodite rakendamise järjekord võib olenevalt eesmärgist olla erinev.
Neid meetodeid võib vaadelda nii eraldiseisvate vahenditena kui ka meetodite süsteemina. Iga meetod võib leida oma iseseisva rakenduse sõltuvalt sellest, millisesse klassi ülesanne kuulub.
Seitse kvaliteedijuhtimise tööriista - tööriistade komplekt, mis hõlbustab kvaliteedijuhtimise ülesannet ettevõtte korraldamise, planeerimise ja juhtimise protsessis, analüüsides erinevaid fakte.
Afiinsusdiagramm (joonis 9) on tööriist, mis võimaldab tuvastada protsessi peamised rikkumised, võttes kokku ja analüüsides lähedasi suulisi andmeid.
Joonis 9 – afiinsusdiagrammi näide
Seosdiagramm (joonis 10) on tööriist, mis võimaldab tuvastada loogilisi seoseid põhiidee, probleemi ja erinevate mõjutegurite vahel.
Joonis 10 - linkide diagrammi näide
Puudiagramm (joonis 11) on vahend loova mõtlemise protsessi stimuleerimiseks, aidates kaasa kõige sobivamate ja tõhusamate probleemide lahendamise vahendite süstemaatilisele otsimisele.
Joonis 11 - puu diagrammi näide
Maatriksdiagramm (joonis 12) on tööriist, mis võimaldab tuvastada erinevate mitteilmsete (varjatud) seoste tähtsust. Tavaliselt kasutatakse kahemõõtmelisi maatrikseid tabelite kujul ridade ja veergudega a1, a2,., b1, b2. - uuritavate objektide komponendid.
Joonis 12 - maatriksdiagrammi näide
Prioriteedimaatriks (joonis 13) on tööriist maatriksdiagrammide koostamise käigus saadud suure hulga arvandmete töötlemiseks prioriteetsete andmete tuvastamiseks. Seda analüüsi peetakse sageli valikuliseks.
Joonis 13 - prioriteetmaatriksi näide
Otsustusprotsessi vooskeem (Joonis 14) on tööriist, mis aitab käivitada pideva planeerimise mehhanismi. Selle kasutamine aitab kaasa riski vähendamisele peaaegu igas ettevõttes. Plaanid iga mõeldava sündmuse jaoks, mis võib juhtuda, liikudes probleemipüstitusest võimalike lahendusteni.
Joonisel 14 on kujutatud otsustusprotsessi vooskeemi näide
Noolediagramm (joonis 15) on tööriist, mis võimaldab planeerida optimaalset ajastust kõigi oma eesmärgi saavutamiseks vajalike tööde teostamiseks ja neid tõhusalt kontrollida.
Joonis 15 - noole diagrammi näide
Seitse kvaliteedijuhtimise tööriista pakuvad vahendeid keeruliste olukordade mõistmiseks ja vastavalt planeerimiseks, konsensuse saavutamiseks ja kollektiivse probleemide lahendamise edu saavutamiseks.
Algandmete kogumine toimub tavaliselt "ajurünnaku" käigus.
Meetodi eelisteks on nähtavus, arendamise ja rakendamise lihtsus.
Meetodi puuduseks on madal efektiivsus keeruliste protsesside analüüsimisel.
Kvaliteedijuhtimise tööriistade kasutamine säästab ressursse ja parandab seeläbi ettevõtte kasumit.
KOKKUVÕTE
Seitse lihtsat statistilist meetodit on teadmiste, mitte juhtimise vahendid. Oskus vaadelda sündmusi statistika seisukohalt on olulisem kui teadmised meetodite endi kohta. Arenenud välisettevõtetes peavad absoluutselt kõik töötajad valdama seitset lihtsat statistilist meetodit. Andmeid tuleb koguda viisil, mis hõlbustab nende edasist töötlemist. Peate mõistma, millistel eesmärkidel andmeid kogutakse ja töödeldakse.
Tavaliselt on kvaliteedikontrolli protsessis andmete kogumise eesmärgid järgmised:
protsesside juhtimine ja reguleerimine;
kehtestatud nõuetest kõrvalekallete analüüs;
protsessi väljundi juhtimine.
Seitsme kvaliteedijuhtimise tööriista kasutamine võimaldab teil:
tuvastada protsessi suuremad rikkumised, kombineerides sellega seotud suulisi andmeid;
tuvastada, analüüsida ja kategoriseerida põhiprobleemide vahel esinevate vastasmõjude põhjused ja tulemused ning rajada tõhusam lahendus tuvastatud liikumapanevate jõudude ja tõenäoliste tulemuste põhjal;
näidata seoseid teema ja selle koostisosade vahel;
visuaalselt näidata protsesside ja sündmuste vastastikust sõltuvust;
tuvastada võimalikud lahendused probleemidele ja võimalikud võimalused kvaliteedi parandamiseks;
kirjeldada olemasolevat tehnoloogilist protsessi või kavandada uus.
KASUTATUD ALLIKATE LOETELU
7 lihtsat kvaliteedikontrolli tööriista // kvaliteedijuhtimise kohta.- Juurdepääsurežiim: http://quality.eup.ru/DOCUM4/7_instrum.htm
7 kvaliteedijuhtimise tööriista // kvaliteedijuhtimise kohta.- Juurdepääsurežiim: http://www.inventech.ru/pub/methods/metod-0005/
Seitse uut kvaliteedijuhtimise tööriista
puu diagramm;
Lineaarne (nool) diagramm;
Maatriksdiagramm;
Ajujahi meetod;
Tehnoloogilise protsessi kaart;
"Seitse uut kvaliteedikontrolli tööriista" viitavad meetoditele enamasti verbaalsete (kirjeldavate) andmete töötlemiseks. Nende tööriistade kasutamine on eriti tõhus, kui neid kasutatakse süstemaatilisel lähenemisel põhinevate plaanide kõige täielikuma elluviimise meetoditena kogu ettevõtte meeskonna koostöö kontekstis.
Töö eesmärk: läbi mõelda seitsme uue kvaliteedijuhtimisvahendi olemus ja rakendus;
Ülesanded: ülevaade:
seoste diagramm;
seoste diagramm;
puu diagramm;
lineaarne (nool) diagramm;
maatriksdiagramm;
ajurünnaku meetod;
protsessi kaart
AFFIINSUSDIAGRAMM
Rakendus
Afiinsusdiagramm on meetod, mis võimaldab seotud suulisi andmeid kombineerides tuvastada protsessi peamised rikkumised. Seda meetodit nimetatakse mõnikord ka KJ-meetodiks (selle asutaja jaapani teadlase Jiro Kawakita järgi) See meetod on loominguline vahend suure hulga verbaalsete andmete korrastamiseks, nagu ideed, tarbijate soovid või probleemis osalevate rühmade arvamused. arutelu, teema jne) rühmadesse, mis põhinevad iga idee (teema) loomulikel suhetel, et määratleda need temaatilised rühmad. See on põhimõtteliselt pigem loominguline kui loogiline meetod.
Suurim takistus parendamise kavandamisel on mineviku edu või ebaõnnestumine. Eeldame, et miski, mis varem töötas või ei töötanud, töötab samamoodi ka edaspidi. Seda tehes säilitame mõtteviisi, mis võib olla sobiv, kuid samavõrra mitte sobiv. Pidev täiustamine nõuab uusi loogilisi mudeleid.
Kirjeldus
Afiinsusdiagramm on väga hea viis aidata inimeste rühmal jõuda loomingulisele tasemele, mitte intellektuaalsele tasemele. See meetod aitab ka neid uusi loomingulisi ideid edukalt organiseerida nendega edasiseks tööks, 30-45 minuti jooksul saab vestlusring "välja anda" ja korrastada üle 100 idee või teema. Ei ole raske ette kujutada, kui kaua see traditsioonilist aruteluprotsessi kasutades aega võtab. Lisaks sellele, et see meetod on tõhus, tagab see, et kõik on tõeliselt kaasatud, kuna kõik ideed leiavad protsessis oma koha. See erineb enamikust teistest aruteludest, kus paljud ideed lähevad kaduma ja seega arutamata.
Parim viis sugulusdiagrammi mõistmiseks on uurida selle päritolu. Selle lõi 60ndatel analüütilise meetodina Jaapani antropoloog Jiro Kawakito, kes uuris suurt hulka erinevaid ühiskondi ja organisatsioone. Ta tegi väga üksikasjalikke märkmeid hilisemaks analüüsiks. Kui see aeg kätte jõudis, avastas ta tohutul hulgal teavet, mis ei olnud kuidagi seotud: ei kuulunud ka varasemate teooriate alla. Kawakito lõi nn. KJ meetod kahe olulise eesmärgi saavutamiseks:
1) Suure teabehulga tõhus töötlemine
2) Uute teabemudelite määratlemine hilisemaks põhjalikumaks uurimiseks.
Mõned olukorrad on selle meetodi kasutamisel loomulikumad kui teised. Kõige "puhtamad" olukorrad:
Faktid või mõtted on kaoses. Kui teemad tunduvad liiga laiad ja raskesti mõistetavad;
On vaja ületada traditsioonilised lähenemisviisid. Kui ainsad lahendused on vanad lahendused, proovige afiinsusdiagrammi.
3) Nende hilisemaks elluviimiseks on vajalik rühmaotsuste tugi.
vajab kiiret lahendust.
Menetlus
1. Meeskonna loomine.
Kõige tõhusam rühm on see, kellel on vajalikud teadmised probleemi erinevate mõõtmete paljastamiseks. Samuti on hea, kui meeskond on juba varem koos töötanud. Kuid see pole vajalik tingimus. Vastupidi, võite gruppi kaasata kellegi, kes pole kunagi varem koos töötanud. Teisisõnu, proovige vajadusel inimesi gruppi kaasata. Rühmas peaks olema 5-6 osalejat.
2. Käsitletava teema sõnastamine
Alustuseks on teema sõnastatud väga laialt. Näiteks "Mis aitab meil saavutada tippjuhtkonna toetust?" Ei tohiks olla muud sõnastust kui see, muidu libiseb grupp "tavalistele positsioonidele". Kui kõik on teemas kokku leppinud, kirjutage see paberile/tahvlile, et kõik rühmaliikmed seda näeksid.
3. Ideede sõnastamine ja jäädvustamine
Ideed tuleks sõnastada traditsiooniliste ajurünnaku põhimõtete järgi:
ära kritiseeri ühtegi ideed
keskenduda suure hulga ideede sõnastamisele lühikese aja jooksul
julgustada kõiki osalema
Ideed tuleks kirja panna täpselt nii, nagu need on väljendatud, mitte parafraseerida kirjutaja poolt.
Vastused tuleks kirjutada väikestele kaartidele (üks idee kaardi kohta).
Märkmed
1) Kõik ideed tuleks üles panna suurele tahvlile, et neid pidevalt jälgida.
2) On vaja nõuda, et kõik sõnastused oleksid lühikesed (mitte rohkem kui 5-7 sõna). Teisest küljest tuleks vältida 1-2-sõnalisi sõnastusi, sest need on kergesti valesti mõistetavad.
3) Igal väitel peab olema nimisõna ja tegusõna.
4) Kirjalikud avaldused peaksid olema piisavalt suured, et neid saaks lugeda 1-1,5 meetri kauguselt.
4. Valmis kaartide teisaldamine
Meeskond peab kaardid segama ja juhuslikult järjestama.
5. Korraldage kaardid suguluse järgi rühmadesse
Selles etapis tuleks kaardid korraldada kogu meeskonna või määratud isiku osalusel. Seda tuleb teha vaikides.
Märkmed
1) Seda tööd saab teha küll üks inimene, kuid sel juhul läheb ära erinevate seisukohtade, arvamuste ja seisukohtade koosmõju eelis. Seetõttu on soovitatav kasutada rühmalähenemist. Vaadake kahte kaarti, mis tunduvad üksteisega kuidagi seotud olevat. Pange need kõrvale. Vaadake teisi kaarte, mis ei ole omavahel ega kahe eelmise kaardiga seotud. Korrake seda protsessi, kuni olete kõik kaardid 6-10 rühma paigutanud. Ärge püüdke üksikuid kaarte toppida rühmadesse, kuhu need ei sobi. Need kaardid ("üksiklased") võivad olla uute gruppide alguseks või ei leia kunagi oma "kodu".
2) Grupi liikmeid tuleks julgustada reageerima sellele, mida nad näevad. Paljud juhid kipuvad kõiki kaarte struktureerima nagu male ja panema kõik eelnevalt ettevalmistatud kohtadesse. Diagrammil mängib suurt rolli kiirus, mitte intelligentsus. See on suure energiaga protsess, mitte intellektuaalne mäng.
Erimeelsused kaardi asukoha osas tuleks käsitleda lihtsalt ja mittediplomaatiliselt: kui sulle ei meeldi, kus kaart asub, liiguta seda! See mitte ainult ei kiirenda protseduuri, vaid annab teile ka võimaluse ülemusega mitte nõustuda ja lihtsalt tema kaarti nihutada.
Osalejad peaksid vältima kaartide alateadlikku sorteerimist "turvalistesse* tuntud kategooriatesse. Olemasolevast kaartide kaosest tuleks püüda luua uusi gruppe.
6. Tõstke esile juhtivad kaardid
Leidke igast rühmast kaart, mis väljendab põhiideed, mis seob kõik teised kaardid kokku. See on juhtkaart, mis asetatakse iga rühma kohale. Tihti selliseid kaarte polegi. Sellistel juhtudel tuleb see luua.
Märkmed
1) Juhtkaardid peaksid olema väga lühikesed. Nad peaksid väljendama iga rühma olemust kolme kuni viie sõnaga.
Kujutage ette, et kõik juhi all olevad detailkaardid eemaldatakse, alles jäävad ainult juhid. Kas keegi, kes ei olnud meeskonna liige, saab aru arutatud teemade olemusest ja üksikasjadest? See on teie juhtivate kaartide hea test.
Iga juhtkaart peaks selgelt väljendama üldist ideed, mis seob kõik kaardid kokku.
4) Väldi klišeesid, juhtkaartide loomine on võimalus avastada uusi ideid vanades teemades. Kui juhtkaardid tunduvad liiga tuttavad, siis võib-olla väärivad need uue nurga alt ülevaatamist.
7. Lõpliku afiinsusdiagrammi koostamine.
Joonistage iga rühma ümber jooned, mis näitavad selgelt selle kõigi elementide seost põhikaardiga. Hõimurühmad tuleks asetada üksteise kõrvale ja ühendada joonega. Sageli avastate seda tehes, et peate looma teise põhikaardi, nimetagem seda põhikaardiks, mis näitab, kuidas need kaks rühma on üksteisega seotud. See kaart on paigutatud kahe rühma peale ja on samuti joontega ühendatud.
Selle lõpliku kujunduse saab asetada teisele paberilehele. Tavaliselt tehakse seda seetõttu, et sugulusdiagrammi näidatakse sageli teistele inimestele aruteluks ja muudatusteks. Pidage meeles, et see protsess peegeldab ainult praegust olukorda, võtmetegureid, mis võivad muutuda.
Üldvaade Afiinsusdiagrammid
Majutatud aadressil http://www.allbest.ru/
SUHEDE DIAGRAMM
Rakendus
See meetod võimaldab töötajate rühmal tuvastada, analüüsida ja klassifitseerida peamiste probleemide (ideede, eelduste) vahel esinevate vastasmõjude põhjused ja tulemused ning seega rajada tuvastatud liikumapanevate jõudude ja tõenäoliste tegurite põhjal tõhusam lahendus. tulemusi.
Kirjeldus
Stimuleerib töörühma nägema probleemi mitmel tasandil, mitte ainult ühes tasapinnas
Aitab uurida kõigi probleemide (ideede, eelduste), sealhulgas kõige vastuolulisemate vaheliste seoste põhjuseid ja tulemusi.
Võimaldab teil tuvastada põhipunktid demokraatlikul viisil, mitte mõne rühmaliikme domineerimise tulemusena.
Tuvastab süstemaatiliselt aluseks olevad oletused ja grupiliikmete lahkarvamuste põhjused.
Võimaldab meeskonnal tuvastada algpõhjused isegi siis, kui kõvad andmed pole saadaval.
Suhtediagrammide (DO) tüüpilised kasutusjuhud
Kvaliteetne teenus ei ole rahul töörühmades osalemise tasemega. Teenistuse töötajad usuvad, et selle põhjuseks on tavalised ja sügavamad põhjused. Ettevõtte president otsustab välja selgitada probleemi peamised põhjused ja need kõrvaldada.
Kaupluse juhatajale on viimase 8 nädala jooksul laekunud tavapärasest kaks korda rohkem kaebusi. Ta otsustab kaebusi analüüsida ja algpõhjused välja selgitada ning seega võtta asjakohaseid meetmeid. Näiteks viia läbi koolitusi, paigaldada uusi seadmeid jne.
Menetlus
1. Arutatava probleemi kohta tehakse otsus
Näiteks: Mis on suure jäätmekoguse põhjused?
Kasutades algset avaldust, koostage täielik avaldus, millest kõik osalejad on täielikult aru saanud ja heaks kiidetud.
Kui kasutate teiste meetodite tulemusi, näiteks afiinsusdiagramme, siis tuleb jälgida, et arutelu eesmärk ei muutuks ja oleks täielikult arusaadav.
2. Sobivaima rühma loomine.
DO nõuab teemaga lähemalt tundmist, kui on nõutud afiinsusdiagrammil. Siin on väga oluline, et tuvastatud tulemused ja põhjused oleksid usaldusväärsed.
Ideaalne grupi suurus on 4-6 inimest.
3. Koguge kokku kõik kaartidele kirjutatud ideed, mis tekkisid
muud tehnikad või ajurünnaku tulemus.
Asetage 5-25 kaarti suureks ringiks, jättes võimalikult palju ruumi noolte joonistamiseks. Kirjutage suurte tähtedega, mis hõlbustab järgmiste sammude tegemist.
4. Määrake ideedevahelise vastasmõju põhjused või tagajärjed ja joonistage nooled
Valige lähtepunktiks mõni neist ideedest. Kui kõik kaardid on nummerdatud, siis töötage nendega järjest.
Kaardilt tulev nool tähendab tugevamat põhjust või tagajärge
Lahendus: B põhjustab A
Samamoodi kontrollitakse kõiki kombinatsioone kõigi kaartide vahel.
5. Vaata ja analüüsi esimest ENNE tulemust.
Rohkemate näpunäidete saamiseks näidake oma tulemust inimestele väljaspool meeskonda.
6. Loendage sissetulevate ja väljaminevate noolte arv ja valige edasise planeerimise jaoks põhipunktid.
Loendage ja kirjutage iga kaardi jaoks väljaminevate ja väljuvate noolte arv.
Määrake kõige rohkem väljuvate nooltega kaart ja kõige rohkem väljuvate nooltega kaart.
Väljuvad nooled. Suur hulk väljuvaid nooli näitab seda probleemi peamise põhjuse või edasiviiva jõuna. See on tavaliselt teema, millega meeskond esimesena tegeleb.
Sissetulevad nooled. Suur hulk sissetulevaid nooli viitab sellele teemale kui peamisele tulemusele. Seega võib see olla planeerimise fookus või vahend edusammude mõõtmiseks või teemade muutmiseks arutelu käigus.
7. DO lõpliku versiooni kujundamine.
Näidake diagrammil peamised draiverid (enim väljuvad nooled) ja peamised tulemused (kõige rohkem sissetulevad nooled). Teema: Mis on suure jäätmekoguse põhjused
Juhtiv jõud tulemus
Ettevõtte LLC "AEMZ" kvaliteedijuhtimise peamised tööriistad ja meetodid
Puudiagramm ehk süstemaatiline diagramm on tööriist, mis annab võimaluse lahendada oluline probleem, keskne idee või vastata erinevatel tasanditel esindatud tarbijate vajadustele ...
Pea juhtimiskoormuse astme arvutamine
See on diagramm, millel osakonna üldine funktsioon on jagatud alamfunktsioonideks. Seda protsessi nimetatakse funktsionaalseks lagunemiseks. Seega saab kompleksfunktsiooni kujutada elementaarfunktsioonide kogumina (joonis 5.1...
Seitse uut kvaliteedijuhtimise tööriista
puu diagramm; Lineaarne (nool) diagramm; Maatriksdiagramm; Ajujahi meetod; Tehnoloogilise protsessi kaart; "Seitse uut kvaliteedikontrolli tööriista" viitab meetoditele peamiselt verbaalse...
Seitse uut kvaliteedijuhtimise tööriista
Rakendamine See meetod võimaldab töötajate rühmal tuvastada, analüüsida ja klassifitseerida nende vastasmõjude põhjused ja tulemused, mis esinevad peamiste probleemide (ideede, eelduste) ja seega ...
Seitse uut kvaliteedijuhtimise tööriista
Rakendus Puudiagrammi kasutatakse teema (kohtuotsuse subjekti) ja selle koostisosade vahelise seose näitamiseks. Kirjeldus Puudiagrammi kasutatakse süstemaatiliselt teema jaotamiseks koostisosadeks. Ideed...
Puudiagramm on tööriist, mis on loodud vaadeldava probleemi põhjuste süstematiseerimiseks, kirjeldades neid erinevatel tasanditel...
Tantsuhalli spordiklubi teenuste kvaliteedi parandamine ja laiendamine
1.1 Ajujaht Seda kasutatakse probleemide võimalike lahenduste ja võimalike kvaliteedi parandamise võimaluste tuvastamiseks...
Tantsuhalli spordiklubi teenuste kvaliteedi parandamine ja laiendamine
Noolediagramm on tööriist, mis võimaldab planeerida optimaalset ajastust kõigi vajalike tööde teostamiseks eesmärgi kiireks ja edukaks saavutamiseks. Seda tööriista soovitatakse kasutada pärast...
Tantsuhalli spordiklubi teenuste kvaliteedi parandamine ja laiendamine
Linkmaatriksi nooleskeem (võrgugraafik ja Gantti diagramm) 1.1 Ajurünnak Seda kasutatakse probleemide võimalike lahenduste ja võimalike kvaliteedi parandamise võimaluste tuvastamiseks...
Tantsuhalli spordiklubi teenuste kvaliteedi parandamine ja laiendamine
Pärast probleemi määratlemist on puutüvi väike territoorium (kattub afiinsusdiagrammi ülesande sõnastusega), on kindlaks tehtud vaadeldava probleemi tagajärjed ...
Tantsuhalli spordiklubi teenuste kvaliteedi parandamine ja laiendamine
Ajurünnaku meetodi tulemust kasutades töötati välja eesmärgi saavutamisele suunatud tegevuste loetelu. Tööriista Network Graph abil muudeti tegevused (kaardid) töö edenemiseks...
Kvaliteedi kontroll
Kvaliteedijuhtimise vahendid on järgmised: 1. Kvaliteedifunktsioonide jaotus (QFD). 2. Rikete põhjuste ja tagajärgede analüüs (FMEA) 3. Taguchi meetodid 4. Rühmaanalüüsi ja probleemide lahendamise meetodid 5. Statistiline kontroll 6...
Kvaliteedi kontroll
Seda diagrammi kasutatakse tekkinud probleemide lahendamise optimaalsete vahendite süstemaatilise määramise meetodina ja see on üles ehitatud mitmeastmelise puustruktuuri kujul, mille elemendid on erinevad lahendusvahendid ja -meetodid ...
Hotelliteenuste kvaliteedijuhtimine
Meetodi muud nimetused: "Põhjuse ja tagajärje diagramm" ("kalaskelett"). Meetodi autor: K. Ishikawa (Jaapan), 1952 Meetodi eesmärk. Seda kasutatakse toodete väljatöötamisel ja pideval täiustamisel. Ishikawa diagramm on tööriist...
Põhimõisted
Eelpool käsitletud seitse Jaapani meetodit on mõeldud kvantitatiivse teabe analüüsimiseks. Need võimaldavad teil lahendada kuni 95% kvaliteediprobleemidest. Kuid näiteks uue toote loomisel ei ole kõik tegurid numbrilise iseloomuga. On fakte, mida saab kirjeldada ainult verbaalselt. Need moodustavad umbes 5% protsessijuhtimise, meeskondade valdkonna probleemidest ning nende lahendamisel tuleb koos statistiliste meetoditega kasutada operatiivanalüüsi, psühholoogia jm tulemusi.
Seetõttu arenes välja Jaapani teadlaste ja inseneride liit 7 uusimat tööriista mis võimaldavad neid probleeme lahendada. Need instrumendid koondas ja pakkus Jaapani Liit 1979. aastal. Need sisaldavad:
1) Afiinsusdiagramm;
2) sõltuvusdiagramm;
3) Süsteemi (puu) diagramm;
4) maatriksdiagramm;
5) Noole diagramm;
6) protsesside hindamise planeerimise skeem;
7) Maatriksandmete analüüs.
Kvaliteetsete tööriistade lähteandmete kogumine toimub tavaliselt meetodi abil ajurünnak mis viiakse läbi spetsialistide abiga.
Nende meetodite ulatus: kvaliteedijuhtimine, kontoritöö, haridus, koolitus jne.
"Sugulusdiagrammi" rakendamine
Afiinsusdiagramm- tööriist, mis võimaldab tuvastada protsessi peamised rikkumised, kombineerides sellega seotud verbaalseid andmeid. See on meetod paljude ajurünnaku käigus tekkinud sarnaste või seotud ideede rühmitamiseks. Jaapani teadlaste ja inseneride liit hõlmas 1979. aastal afiinsusdiagrammi seitsme kvaliteedijuhtimismeetodi osana.
Meetodi eesmärk on süstematiseerida ja tõhustada grupiliikmete mõtteid, tarbija nõudeid või arvamusi, mis on väljendatud seoses probleemi lahendamisega. Afiinsusdiagramm annab üldise planeerimise. See on loominguline tööriist, mis aitab selgitada lahendamata probleeme, paljastades varem nähtamatud seosed eraldi infokildude või ideede vahel, kogudes erinevatest allikatest juhuslikke suulisi andmeid ja analüüsides neid vastastikuse afiinsuse (assotsiatiivse läheduse) põhimõttel.
Tegevuskava:
1 Moodustage spetsialistide meeskond, kellel on arutatava teema kohta küsimusi.
2 Sõnastage küsimus või probleem üksikasjaliku ettepaneku vormis.
3 Viige läbi "ajurünnak", mis on seotud probleemi esinemise peamiste põhjuste või esitatud küsimustele vastamisega.
4. Salvestage kõik väited kaartidele, rühmitage seotud andmed suuna järgi ja määrake igale rühmale pealkirjad. Proovige ühendada mõni neist ühise pealkirja alla, luues hierarhia.
Afiinsusdiagrammi koostamise ja protsessi peamiste rikkumiste kindlaksmääramise põhimõtted, et võtta meetmeid nende kõrvaldamiseks, on näidatud joonisel fig. 31. Nagu jooniselt näha, on afiinsusdiagramm loominguline vahend suurte verbaalsete andmete korrastamiseks.
Joonis 31 – Afiinsusdiagrammi koostamise põhimõte
Lisainformatsioon:
Afiinsusdiagrammi kasutatakse mitte konkreetsete arvandmetega, vaid sõnaliste avaldustega.
Afiinsusdiagrammi tuleks kasutada peamiselt siis, kui:
Vajalik on süstematiseerida suur hulk infot (erinevad ideed, erinevad seisukohad jne);
Vastus või lahendus ei ole kõigile täiesti ilmne;
Otsuste tegemine nõuab tõhusaks tööks meeskonnaliikmete (ja võib-olla ka teiste sidusrühmade) kokkulepet.
Meetodi eelised: lk paljastab erinevate infokildude omavahelised suhted.
Afiinsusdiagrammi loomise protsess võimaldab meeskonnaliikmetel minna tavapärasest mõtlemisest kaugemale ja edendab meeskonna loomingulist potentsiaali.
Meetodi puudused: lk Suure hulga objektide juuresolekul (alates mõnekümnest) jäävad loovuse tööriistad, mis põhinevad inimese assotsiatiivsetel võimetel, loogilise analüüsi vahenditest alla.
Afiinsusdiagramm on seitsme kvaliteedijuhtimismeetodi seas esimene tööriist, mis aitab kaasa probleemi täpsemale mõistmisele ja võimaldab tuvastada protsessi peamised rikkumised, kogudes, kokku võttes ja analüüsides suurel hulgal verbaalseid andmeid, mis põhinevad seotud ( tihedad) seosed iga elemendi vahel.
9.2 "Seoste diagrammi" rakendamine
Seoste diagramm on mõeldud seotud tegurite (tingimused, põhjused, näitajad jne) järjestamiseks nendevahelise seose tugevuse järgi.
1) iga ülesanne on vaja eraldi lehele kirja panna ja need lehed ringikujuliselt kinnitada;
2) peate alustama ülemisest lehest ja liikuma päripäeva, mõeldes, kas nende kahe probleemi vahel on seos. Kui jah, siis milline sündmus on selle põhjuseks;
3) joonistada kahe sündmuse vahele nooled, mis näitavad mõjusuundi;
5) esialgne on see, millest väljub rohkem nooli.
Näide: Seoste diagramm töövigastuste sagenemise põhjuste väljaselgitamiseks Joonisel 32 on toodud näide DV-st, mis kajastab kõrgete töövigastuste põhjuste vaheliste seoste analüüsi tulemusi.
 |
Joonis 32 – seoste diagrammi näide
Eelnevalt käsitletud Ishikawa diagramm võimaldab teil tuvastada mis tahes probleemi mõjutavad tegurid. Seosdiagramm võimaldab neid struktureerida vastavalt nende tähtsusele.
Seega on sellelt diagrammilt näha, et tootmise käigus vigastuste sagenemise peamised põhjused on: meeskonnatöö puudumine ja ebapiisavalt koolitatud personal.
Suurte andmemassiivide analüüsimisel kasutame tavaliselt keskväärtust, harvem standardhälvet ja veel harvemini muid töötlemismeetodeid. Mis on selle "enesepiiramise" põhjuseks? 🙂 Tõenäoliselt ebapiisavad teadmised ja kogemused nendes küsimustes. Kuidas saab kaasaegne juht õppida tundma statistilise andmetöötluse meetodeid? Vaevalt, et ta gümnaasiumi statistikakursust mäletab. Ja kas see oli õppekavas kirjas!?
Minu tutvus statistikaga, täpsemalt selle kasutamisega ettevõtluses, sai alguse umbes 15 aastat tagasi, kui lugesin esimest korda kvaliteedijuhtimise meetoditest. Kahjuks ei tundunud esimesest korrast seitse peamist tööriista mulle ... ma ei võtnud neid kui "toimingute juhendit". Pigem kohtlesin ma neid kui midagi transtsendentselt ebamäärast. Ja alles järk-järgult mitme aasta jooksul, sattudes korduvalt kirjandusse ühe või teise meetodi kasutamise kohta, samuti seoses praktiliste probleemide ilmnemisega, hakkasin samm-sammult mõistma nende tööriistade tähendust. ja nende kasutusvaldkonnad. Tasapisi hakkasin neid meetodeid oma praktikas kasutama, mõnikord isegi mäletamata, et need on osa harmoonilisest süsteemist.
On saabunud aeg avaldada austust algallikale - Jaapani juhtkonnale ja näidata, kuidas raamatuteadmistest saab võimas tööriist reaalse ettevõtte juhtimisel.
Laadige alla märge vormingus, näited vormingus
Kasutatakse seitset põhilist kvaliteedikontrolli tööriista analüütiline probleemide lahendamine, st olukorras, kus andmed on kättesaadavad ja probleemi lahendamiseks on vaja seda analüüsida.
1. Põhjuste ja tulemuste skeem. Seda diagrammi kasutatakse tulemust mõjutavate protsessitegurite tuvastamiseks. Seal on ka nimed: “Ishikawa diagramm” või “kala luustiku diagramm”. Klassikalises versioonis on tegurid (põhjused) rühmitatud kategooriatesse vastavalt “5M” põhimõttele:
Inimene (mees) - inimfaktoriga seotud põhjused; Masinad (masinad, seadmed) - seadmetega seotud põhjused; Materjalid – materjalidega seotud põhjused; Meetodid (meetodid, tehnoloogia) - äriprotsesside korraldamisega seotud põhjused; Mõõtmised – mõõtmismeetoditega seotud põhjused.
Riis. 1. Ishikawa diagramm. Näidis.
On selge, et kasutada saab ka muid asjakohaseid rühmitusi. Siin näiteks, millise "skeleti" me joonistasime, analüüsides võimalusi klienditeeninduse aja lühendamiseks laos:
Riis. 2. Ishikawa diagramm. Lao klienditeeninduse aeg.
– tööriist andmete kogumiseks ja automaatseks korrastamiseks, et hõlbustada kogutud teabe edasist kasutamist.
Riis. 3. Kontrollleht. Näide.
Kontrollnimekirjade eeliseks on see, et neid saavad kasutada töötajad, kes arvutiga ei tööta. Kui andmed edasiseks analüüsiks saadakse otse töökohal mõõtes, on kontrollnimekirjad väga tõhusad. Selge on see, et kui analüüsiks andmeid hankida andmebaasidest, pole kontrolllehti vaja ning andmed teisendatakse kohe histogrammiks, Paretoks või hajuvusdiagrammiks (vt allpool).
Minu praktikas pole kontrollnimekirjad rakendust leidnud, kuna protsessid, millega tegelen, on kas täielikult arvuti kasutamisega seotud või käivituvad arvutist käsu peale ning viimistluse fikseerib arvutioperaator.
Need diagrammid järjestavad probleemid vastavalt tulemusele avaldatava mõju astmele (sagedusele). Oma nime on nad saanud majandusteadlase Vilfredo Pareto järgi, kes ühes oma teaduslikus töös 19. ja 20. sajandi vahetusel näitas, et Itaalias saab 20% leibkondadest 80% sissetulekust. Mõiste "Pareto printsiip" võttis 1940. aastatel kasutusele Ameerika kvaliteedijuhtimise spetsialist Joseph Juran. Pareto analüüsi illustreerib reeglina Pareto diagramm, millel kvaliteediprobleemide põhjused on joonistatud piki abstsissit kahanevas järjekorras nende mõju järgi ebakõlade arvule (tõrjumiste arv) ja piki kahte ordinaati: a) ebakõlade arv tükkides; b) panuse akumuleeritud osa (protsent) mittevastavuste koguarvust. Näiteks:
Riis. 4. Pareto diagramm. Tähtaja ületanud nõuete põhjused.
Kõigepealt tuleks tegeleda kõige rohkem probleeme tekitavate põhjustega. Meie näites esimese kolmega.
4. Histogramm on tööriist, mis võimaldab visuaalselt hinnata statistiliste andmete jaotust, mis on rühmitatud teatud (eelseadistatud) intervalli langemise sageduse järgi. Klassikalises versioonis kasutatakse histogrammi probleemide tuvastamiseks, analüüsides väärtuste leviku kuju, keskväärtust, selle lähedust nominaalile, dispersiooni olemust:
Riis. 5. Histogrammi asukoha valikud tehnoloogilise tolerantsi suhtes
Lühikommentaarid: a) kõik on korras: keskmine kattub nimiväärtusega, varieeruvus on lubatud hälvete piires; b) keskmist tuleks nihutada, et see vastaks nimiväärtusele; c) hajumist tuleks vähendada; d) nihutada keskmist ja vähendada hajumist; e) hajumist tuleks oluliselt vähendada; e) segatakse kaks partiid; tuleks jagada kaheks histogrammiks ja analüüsida; g) sarnaselt eelmisele lõigule on ainult olukord kriitilisem; h) on vaja mõista selle jaotuse põhjuseid; "järsk" vasak serv räägib mingist tegevusest osade partiide suhtes; i) sarnane eelmisele.
Siin on histogrammid, mille oleme koostanud mitme aasta jooksul laos klienditeeninduse aja uurimiseks:
Riis. 6. Histogramm. Lao klienditeeninduse aeg.
Abstsissteljel - 15-minutilised klienditeenindusaja vahemikud laos; piki y-telge - määratud ajavahemikus teenindatud taotluste osatähtsus aasta taotluste koguarvust. Punane punktiirjoon näitab keskmist teenindusaega aasta jooksul.
5. Hajuvusdiagramm(hajumine) – tööriist, mis võimaldab määrata asjakohaste muutujapaaride vahelise seose (korrelatsiooni) tüüpi ja lähedust. Sellised diagrammid sisaldavad kahte andmekomplekti, mis on joonistatud graafikule punktidena. Nende punktide vaheline seos näitab seost vastavate andmete vahel. Excelis on sellisel diagrammil tüüp - "hajumine". Siin on näide sellest, kuidas ma varem hajuvusgraafikuid kasutasin:
Riis. 7. Korrelatsioonisõltuvuse tuvastamine hajuvusdiagrammi alusel.
Siin on huvitav näide korrelatsioonianalüüsi kasutamisest kaupade lattu paigutamise haldamiseks:
Kaasaegne ladu on väga muljetavaldava suurusega. Sügavus võib ulatuda 100-150 meetrini (kaugus laadimisväravast tagaseinani). Selge on see, et paigutades suure käibega kaubad väravale lähemale, säästad aega laost läbi liikumisel. Ülaltoodud joonised näitavad üksikutele lahtritele juurdepääsu sagedust; vasakule - kaupade juhuslikuks paigutamiseks; paremal - ABC rühmadesse jagatud kaupadele. Mida intensiivsem on värv, seda sagedamini lahtrile ligi pääsetakse. On näha, et ilma ABC-jaotuseta on ligipääs lahtritele peaaegu juhuslik, nomenklatuuri ABC-jaotusega saab jälgida tsoonide piire. Iga kuju vasak esikülg on suunatud vastuvõtuala poole. Seega joonisel fig. b, laopidajate / seadmete kogutee on väiksem kui joonisel fig. a
6. Graafikud- tööriist, mis võimaldab analüüsida erinevate lõikude andmeid. Analüüsi vormid ja eesmärgid võivad tingida erinevat tüüpi diagrammide kasutamise. Lisateavet selle kohta saate lugeda Gene Zelazny raamatust "". Andmete plahvatuslikku võrdlust saab kõige paremini demonstreerida sektordiagrammi abil. Asukohavõrdluse illustreerimiseks sobib kõige paremini tulpdiagramm. Kui komponentide ja positsioonide võrdlus näitab seoseid teatud ajahetkel, siis ajalised võrdlused peegeldavad muutuste dünaamikat; Ajavõrdlust on kõige parem illustreerida histogrammi või graafikuga.
Näiteks siin on diagrammid, mille abil analüüsime iga kliendi puhul korraga kolme parameetrit: nõuete dünaamika, tähtaja ületanud nõuded, krediidilimiidid:
Riis. 8. Näide graafiku kasutamisest andmete analüüsimisel.
7. Juhtkaart- tööriist, mis võimaldab jälgida protsessi kulgu ja seda mõjutada, vältides kõrvalekaldeid protsessile esitatavatest nõuetest (või reageerides kõrvalekalletele). Variatsioone on kahte tüüpi: loomulik seotud väärtuste levikuga nominaalse ümber, protsessile omane; ja eriline, mille välimus on seletatav konkreetsete põhjustega. Lisateavet selle kohta saate lugeda D. Wheeleri ja D. Chambersi raamatust. Ettevõtte optimeerimine Shewharti kontrolldiagrammide abil. Spetsiaalsete variatsioonide tuvastamiseks kasutatakse kontrollkaarte. Üksikandmetele vastavad punktid, keskmiste väärtuste joon (μ), ülemine ja alumine kontrollpiir (μ ± 3σ) on kantud graafikule. Kui punktid jäävad kontrollpiiridesse, ei ole vaja reageerida kõrvalekalletele keskjoonest. Kui vähemalt üks punkt on väljunud kontrollpiiridest, tuleb analüüsida kõrvalekalde võimalikke põhjuseid. Vaadake näiteks "", "".
Juhtkaartide kasutamine nõuete mahu analüüsimiseks:
Riis. 9. Juhtkaart. Variatsioonide loomulikud põhjused.
27. nädalaga kasvas võlg 1,4 miljonilt dollarilt 2,6 miljonile, kuid juhtimistoiminguid pole vaja, kuna punktid asuvad kontrolli piirides.
Järgmisel diagrammil on näidatud keskmine (nädalas) aeg, mille jooksul autod oma teekonda alustavad:
Riis. 10. Juhtkaart. Variatsioonide erilised põhjused.
Näha on, et alates 19. nädalast lähevad punktid väljapoole kontrollpiire. Protsessi on vaja sekkuda, et tuvastada varieerumise eripõhjused.
Loodan, et minu näited aitavad teil mõista, et seitse põhilist kvaliteedikontrolli tööriista võivad olla äriprotsesside analüüsimisel tõeliseks abiks.
Need on esitatud vastavalt versioonile, mis on antud raamatus M. Imai "". Olen need meetodid järjestanud selles järjekorras, mis mulle kõige loogilisem tundub.
"Kvaliteedikontrolli seitsme põhivahendi" meetodi eesmärk on esmajärjekorras käsitletavate probleemide väljaselgitamine, lähtudes jooksva protsessi kontrollist, saadud faktide (statistilise materjali) kogumisest, töötlemisest ja analüüsist protsessi kvaliteedi hilisemaks parandamiseks.
Meetodi olemus- kvaliteedikontroll (planeeritud kvaliteedinäitaja võrdlus selle tegeliku väärtusega) on kvaliteedijuhtimise protsessi üks põhifunktsioone ning faktide kogumine, töötlemine ja analüüs on selle protsessi kõige olulisem etapp.
Paljudest laialdaselt kasutatavatest statistilistest meetoditest on välja valitud vaid seitse, mis on arusaadavad ja hõlpsasti rakendatavad erinevate valdkondade spetsialistidele. Need võimaldavad teil probleeme õigeaegselt tuvastada ja kuvada, määrata kindlaks peamised tegurid, millest peate tegutsema, ja jagada jõupingutusi nende probleemide tõhusaks lahendamiseks.
Oodatav tulemus on lahendus kuni 95% kõikidest tootmises tekkivatest probleemidest.
Seitse olulist kvaliteedikontrolli tööriista- tööriistade komplekt, mis hõlbustab käimasolevate protsesside kontrollimist ja annab erinevaid fakte protsesside analüüsiks, kohandamiseks ja kvaliteedi parandamiseks.
1. Kontrollnimekiri- tööriist andmete kogumiseks ja nende automaatseks järjestamiseks, et hõlbustada kogutud teabe edasist kasutamist.
2. Histogramm- tööriist, mis võimaldab visuaalselt hinnata statistiliste andmete jaotust, mis on rühmitatud teatud (eelseadistatud) intervallisse langevate andmete sageduse järgi.
3. Pareto diagramm- tööriist, mis võimaldab objektiivselt esitada ja tuvastada uuritavat probleemi mõjutavad peamised tegurid ning jagada jõupingutusi selle tõhusaks lahendamiseks.
4. Kihistamismeetod(andmete stratifitseerimine) - tööriist, mis võimaldab jagada andmed teatud atribuudi järgi alamrühmadesse.
5. Hajuvusdiagramm(hajumine) – tööriist, mis võimaldab määrata asjakohaste muutujapaaride vahelise seose tüübi ja läheduse.
6. Ishikawa diagramm(põhjuslik diagramm) - tööriist, mis võimaldab tuvastada kõige olulisemad tegurid (põhjused), mis mõjutavad lõpptulemust (mõju).
7. Juhtkaart- tööriist, mis võimaldab jälgida protsessi kulgu ja seda mõjutada (kasutades asjakohast tagasisidet), vältides selle kõrvalekaldumist protsessile esitatavatest nõuetest.
Kontrollnimekirjad(või andmete kogumine) - andmete kogumise erivormid. Need hõlbustavad kogumisprotsessi, aitavad kaasa andmete kogumise täpsusele ja viivad automaatselt järeldusteni, mis on kiireks analüüsiks väga mugav. Tulemused on kergesti teisendatavad histogrammiks või Pareto diagrammiks. Kontrolllehti saab kasutada nii kvaliteedikontrolliks kui ka kvantitatiivseks kontrolliks. Kontrolllehe vorm võib olenevalt selle eesmärgist olla erinev.
Eesmärgi saavutamiseks või probleemi lahendamiseks õige tee leidmiseks tuleb esimese asjana koguda vajalik teave, mis on aluseks edasisele analüüsile. Soovitav on, et kogutud andmed esitataks struktureeritud ja kergesti töödeldaval kujul. Selleks ja ka andmete kogumise vigade tõenäosuse vähendamiseks kasutatakse kontrollnimekirja.
Kontrollnimekiri on andmete kogumiseks ja automaatseks korraldamiseks loodud vorm, mis muudab kogutud teabe edasise kasutamise lihtsamaks.
Kontrollleht on oma olemuselt pabervorm, millele trükitakse kontrollitud parameetrid, mille kohaselt kantakse lehele märkmete või lihtsate sümbolite abil vajalikud ja piisavad andmed. See tähendab, et kontrollleht on andmete salvestamise vahend.
Kontrollnimekirja vorm sõltub käsil olevast ülesandest ja võib olla väga mitmekesine, kuid igal juhul on soovitatav selles märkida:
Teema, uurimisobjekt (tavaliselt märgitud kontrollnimekirja pealkirjas);
Andmete registreerimise periood;
Andmeallikas;
Andmeid registreeriva töötaja ametikoht ja perekonnanimi;
Sümbolid saadud andmete registreerimiseks;
Andmete logimise tabel.
Kontrollnimekirjade koostamisel tuleb jälgida, et nende täitmiseks kasutataks lihtsamaid viise (numbrid, tavapärased ikoonid), kontrollitavate parameetrite arv oleks võimalikult väike (kuid piisav ülesande analüüsimiseks ja lahendamiseks) ning nende täitmise vorm. leht on võimalikult selge ja mugav täitmiseks ka kvalifitseerimata personalile.
1. Sõnastage eesmärk ja eesmärgid, milleks teavet kogutakse.
2. Valige kvaliteedikontrolli meetodid, mille abil kogutud andmeid edasi analüüsitakse ja töödeldakse.
3. Määrake ajavahemik, mille jooksul uuringut läbi viiakse.
4. Töötada välja meetmed (looda tingimused) andmete kohusetundlikuks ja õigeaegseks sisestamiseks kontrolllehele.
5. Määrake, kes vastutab andmete kogumise eest.
6. Töötage välja kontrolllehe vorm.
7. Koosta juhend andmete kogumise läbiviimiseks.
8. Juhendage ja koolitage töötajaid andmete kogumise ja kontrollnimekirja sisestamise kohta.
9. Korraldage andmete kogumise perioodilisi ülevaatusi.
Kõige teravam probleem, mis probleemi lahendamisel üles kerkib, on personali kogutud teabe usaldusväärsus. Moonutatud andmete põhjal lahenduse leidmine on väga keeruline (kui mitte võimatu). Meetmete võtmine (tingimuste loomine) töötajate poolt tõeste andmete registreerimiseks on püstitatud ülesande täitmise vajalik tingimus.
Riis. Kontrollnimekirja näited
Oskab kasutada elektroonilisi vorme
Samas on kontrolllehe elektroonilise vormi puudused võrreldes pabervormiga järgmised:
- bumbesraskem kasutada;
- vajadus kulutada rohkem aega andmete sisestamisele.
Plusside juurde:
- andmete töötlemise ja analüüsimise mugavus;
- kiire vajaliku teabe hankimine;
- paljude inimeste samaaegse juurdepääsu võimalus teabele.
Suurem osa kogutud andmetest tuleb aga paberkandjal dubleerida. Probleem on selles, et see toob kaasa tootlikkuse languse: aega, mis säästetakse vajaliku info analüüsimiseks, säilitamiseks ja hankimiseks, kompenseerib enamasti topelttöö andmete logimisel.
tulpdiagramm- tööriist, mis võimaldab visuaalselt kujutada ja hõlpsasti tuvastada saadud andmete muutuste struktuuri ja olemust (hinnata jaotust), mida on nende tabeliesituses raske märgata.
Pärast saadud histogrammi kuju ja selle asukohta tolerantsivahemiku suhtes analüüsides saab teha järelduse vaadeldava toote kvaliteedi või uuritava protsessi oleku kohta. Järelduste põhjal töötatakse välja meetmed toote kvaliteedi või protsessi oleku kõrvalekallete kõrvaldamiseks normist.
Sõltuvalt lähteandmete esitamise (kogumise) meetodist on histogrammi koostamise meetod jagatud kaheks võimaluseks:
I variant Statistiliste andmete kogumiseks koostatakse toodete või protsesside toimivuse kontrollnimekirjad. Kontrollnimekirjade vormi väljatöötamisel on vaja koheselt määrata intervallide arv ja suurus, mille järgi andmeid kogutakse, mille alusel omakorda koostatakse histogramm. See on vajalik, kuna pärast kontrollnimekirja täitmist on indikaatori väärtusi muude intervallide jaoks praktiliselt võimatu ümber arvutada. Maksimaalne, mida saab teha, on ignoreerida intervalle, millesse ükski väärtus ei lange, ja kombineerida 2, 3 jne võrra. intervall, kartmata andmete moonutamist. Nagu aru saate, on selliste piirangutega näiteks peaaegu võimatu teha 11-st intervalli 7-st.
Ehitustehnika:
1. Määrake kontrolllehe intervallide arv ja laius.
Intervallide täpne arv ja laius tuleks valida kasutusmugavuse või statistika reeglite järgi. Kui mõõdetud indikaatoril on tolerantsid, siis tasub keskenduda 6-12 intervallile tolerantsi piires ja 2-3 intervallile väljaspool tolerantsi. Kui hälbeid pole, siis hindame indikaatori väärtuste võimalikku levikut ja jagame selle ka 6-12 intervalliks. Sel juhul peab intervallide laius olema sama.
2. Koostage kontrollnimekirjad ja kasutage neid vajalike andmete kogumiseks.
3. Täidetud kontrollnimekirjade abil loendage saadud indikaatori väärtuste sagedus (st mitu korda) igas intervallis.
Tavaliselt eraldatakse selleks eraldi veerg, mis asub andmete registreerimistabeli lõpus.
Kui indikaatori väärtus vastab täpselt intervalli piirile, siis lisage pool mõlemale intervallile, mille piirile indikaatori väärtus langes.
4. Histogrammi koostamiseks kasutage ainult neid intervalle, mis sisaldavad vähemalt ühte indikaatori väärtust.
Kui indikaatori väärtuste langemise intervallide vahel on tühjad intervallid, tuleb need ka histogrammile kanda.
5. Arvutage vaatlustulemuste keskmine.
Histogrammil on vaja joonistada saadud valimi aritmeetiline keskmine.
Arvutamiseks kasutatav standardvalem:
kus x i- indikaatori saadud väärtused,
N-saadud andmete koguarv valimis.
Kuidas seda kasutada, kui indikaatori x 1, x 2 ja nii edasi täpsed väärtused puuduvad. pole kuskil selgitatud. Meie puhul võin aritmeetilise keskmise ligikaudse hinnangu saamiseks soovitada kasutada oma metoodikat:
a) määrake iga intervalli keskmine väärtus järgmise valemi abil:
kus j onhistogrammi koostamiseks valitud intervallid,
x j max -intervalli ülemise piiri väärtus,
x j min –intervalli alumise piiri väärtus.
b) määrake valimi aritmeetiline keskmine, kasutades valemit:
kus n onhistogrammi koostamiseks valitud intervallide arv,
v j -intervallisse langevate valimitulemuste sagedus.
6. Konstrueerige horisontaal- ja vertikaaltelg.
7. Joonista horisontaalteljele valitud intervallide piirid.
Kui edaspidi on plaanis võrrelda sarnaseid tegureid või tunnuseid kirjeldavaid histogramme, siis abstsissteljele skaalat rakendades tasub lähtuda mitte intervallidest, vaid andmete mõõtühikutest.
8. Skaleerige väärtusi vertikaalteljel vastavalt valitud skaalale ja vahemikule.
9. Ehitage iga valitud intervalli jaoks riba, mille laius võrdub intervalliga ja mille kõrgus võrdub vaatlustulemuste vastavasse intervalli langemise sagedusega (sagedus on juba varem arvutatud).
Joonista graafikule joon, mis vastab uuritava näitaja aritmeetilisele keskmisele väärtusele. Kui tolerantsiväli on olemas, tõmmake tolerantsivahemiku piiridele ja keskpunktile vastavad jooned.
II variant Statistilised andmed on juba kogutud (näiteks logiraamatutesse kantud) või eeldatavasti kogutakse täpselt mõõdetud väärtuste kujul. Sellega seoses ei piira meid ükski algtingimused, seega saame valida ja igal ajal muuta intervallide arvu ja laiust vastavalt hetkevajadustele.
Ehitustehnika:
1. Tooge saadud andmed edasiseks töötlemiseks mugavas vormis (näiteks tabeli kujul) ühte dokumenti.
2. Arvutage indikaatori väärtuste vahemik (proovivahemik) järgmise valemi abil:
kus xmax on kõrgeim saadud väärtus,
xmin on väikseim saadud väärtus.
3. Määrake histogrammi salvede arv.
Selleks saate kasutada Sturgessi valemi alusel arvutatud tabelit:
Võite kasutada ka valemi alusel arvutatud tabelit:
4. Määrake intervallide laius (suurus) valemi abil:
5. Ümardage tulemus sobiva väärtuseni.
Pange tähele, et kogu valim tuleb jagada sama suurusega intervallideks.
6. Määratlege intervallide piirid. Esmalt määrake esimese intervalli alumine piir, et see oleks väiksem kui xmin. Esimese ja teise intervalli vahelise piiri saamiseks lisage sellele intervalli laius. Järgmisena jätkake vahelaiuse lisamist ( H) eelmisele väärtusele, et saada teine piir, seejärel kolmas ja nii edasi.
Pärast tehtud toiminguid peaksite veenduma, et viimase intervalli ülempiir on suurem kui xmax.
7. Arvutage valitud intervallide jaoks uuritud indikaatori väärtuste esinemissagedus igas intervallis.
Kui indikaatori väärtus vastab täpselt intervalli piirile, siis liita mõlemale intervallile pool, mille piirile näitaja väärtus langes.
8. Arvutage uuritud näitaja keskmine väärtus valemi abil:
Järgige histogrammi joonistamise järjekorda, alustades ülaltoodud metoodika 5. sammust I variant.
Histogrammi analüüs on samuti jagatud 2 valikuks, olenevalt tehnoloogilise tolerantsi olemasolust.
I variant Indikaatori tolerantsid ei ole määratud. Sel juhul analüüsime histogrammi kuju:
Tavaline (sümmeetriline, kellukesekujuline) kuju. Histogrammi keskmine väärtus vastab andmevahemiku keskele. Ka maksimaalne sagedus langeb keskele ja väheneb järk-järgult mõlema otsa suunas. Kuju on sümmeetriline.
See histogrammi vorm on kõige levinum. See näitab protsessi stabiilsust.
Negatiivselt viltu (positiivselt viltu). Histogrammi keskmine väärtus asub andmevahemiku keskelt paremal (vasakul). Sagedused vähenevad järsult, kui liigute histogrammi keskelt paremale (vasakule) ja aeglaselt vasakule (paremale). Kuju on asümmeetriline.
See vorm moodustub kas siis, kui ülemist (alumist) piiri reguleeritakse teoreetiliselt või vastavalt tolerantsi väärtusele või kui paremat (vasakpoolset) väärtust ei ole võimalik saavutada.
Jaotus pausiga paremal (jaotus katkestusega vasakul). Histogrammi keskmine väärtus asub andmevahemiku keskelt kaugel paremal (vasakul). Sagedused vähenevad väga järsult, kui liigute histogrammi keskelt paremale (vasakule) ja aeglaselt vasakule (paremale). Kuju on asümmeetriline.
Seda vormi leidub sageli olukorras, kus protsessi halva reprodutseeritavuse tõttu on toodete 100% kontroll.
Kamm (multimodaalne tüüp). Intervallid ühe või kahe vahel on madalamad (kõrgemad).
See vorm moodustub kas siis, kui intervallisse kuuluvate üksikute vaatluste arv on intervalliti erinev või kui rakendatakse teatud andmete ümardamise reegel.
Histogramm, millel ei ole kõrget keskosa (platoo). Histogrammi keskel olevad sagedused on ligikaudu samad (platoo puhul on kõik sagedused ligikaudu võrdsed).
See vorm tekib siis, kui mitu jaotust kombineeritakse üksteisele lähedaste vahenditega. Edasiseks analüüsiks on soovitatav rakendada kihistusmeetodit.
Kahe tipuga tüüp (bimodaalne tüüp). Histogrammi keskkoha läheduses on sagedus madal, kuid mõlemal küljel on sageduse tipp.
See vorm ilmneb kahe üksteisest kaugel asuva keskmiste väärtustega jaotuse kombineerimisel. Edasiseks analüüsiks on soovitatav rakendada kihistusmeetodit.
Histogramm koos langusega ("väljatõmmatud hambaga"). Histogrammi kuju on tavatüüpi jaotusele lähedane, kuid seal on intervall, mille sagedus on väiksem kui mõlemas külgnevas intervallis.
See vorm tekib siis, kui intervalli laius ei ole mõõtühiku kordne, kui skaala näidud on valesti loetud jne.
Jaotus isoleeritud tipuga. Koos histogrammi tavapärase kujuga ilmub väike isoleeritud tipp.
See vorm tekib siis, kui kaasatakse väike hulk andmeid teisest distributsioonist, näiteks kui protsessi kontroll on rikutud, mõõtmisel tekkisid vead või kaasati andmed mõnest teisest protsessist.
II variant. Uuritava näitaja suhtes on tehnoloogiline tolerants. Sel juhul analüüsitakse nii histogrammi kuju kui ka selle asukohta tolerantsivälja suhtes. Võimalikud valikud:
Histogramm näeb välja nagu tavaline jaotus. Histogrammi keskmine väärtus langeb kokku tolerantsivälja keskpunktiga. Histogrammi laius on väiksem kui tolerantsivälja laius koos veerisega.
Sellises olukorras ei pea protsessi kohandama.
Histogramm näeb välja nagu tavaline jaotus. Histogrammi keskmine väärtus langeb kokku tolerantsivälja keskpunktiga. Histogrammi laius võrdub tolerantsi intervalli laiusega, millega seoses kardetakse ebakvaliteetsete detailide ilmumist nii ülemisest kui ka alumisest tolerantsiväljast.
Sel juhul tuleb histogrammi laiuse vähendamiseks kaaluda kas tehnoloogilise protsessi muutmise võimalust (näiteks seadmete täpsuse suurendamine, paremate materjalide kasutamine, toodete töötlemise tingimuste muutmine jne). või taluvusvälja laiendamine, sest osade kvaliteedinõudeid on sel juhul raske täita.
Histogramm näeb välja nagu tavaline jaotus. Histogrammi keskmine väärtus langeb kokku tolerantsivälja keskpunktiga. Histogrammi laius on suurem kui tolerantsivahemiku laius, millega seoses tuvastatakse mittestandardseid detaile nii ülemise kui ka alumiste tolerantsiväljade küljelt.
Sel juhul on vaja rakendada lõikes 2 kirjeldatud meetmeid.
Histogramm näeb välja nagu tavaline jaotus. Histogrammi laius on väiksem kui tolerantsivälja laius koos veerisega. Histogrammi keskmine väärtus on tolerantsivahemiku keskpunkti suhtes nihutatud vasakule (paremale) ja seetõttu on karta, et tolerantsivälja alumise (ülemise) piiri küljelt võivad asuda mittestandardsed osad.
Sellises olukorras on vaja kontrollida, kas rakendatud mõõteriistad põhjustavad süstemaatilist viga. Kui mõõteriistad on korras, tuleks protsessi reguleerida nii, et histogrammi keskpunkt ühtiks tolerantsivälja keskpunktiga.
Histogramm näeb välja nagu tavaline jaotus. Histogrammi laius on ligikaudu võrdne tolerantsivälja laiusega. Histogrammi keskmine väärtus nihutatakse tolerantsivahemiku keskpunkti suhtes vasakule (paremale) ja üks või mitu intervalli väljuvad tolerantsiväljast, mis näitab defektsete osade olemasolu.
Sel juhul on algselt vaja tehnoloogilisi toiminguid kohandada nii, et histogrammi keskpunkt ühtiks tolerantsivälja keskpunktiga. Pärast seda peate tegutsema histogrammi ulatuse vähendamiseks või tolerantsi intervalli suurendamiseks.
Histogrammi keskpunkt on nihutatud ülemise (alumise) tolerantsi piirini ja histogrammi paremal (vasakul) poolel ülemise (alumise) tolerantsi piiri lähedal on järsk katkestus.
Sel juhul võib järeldada, et tooted, mille indikaatorväärtus on väljaspool tolerantsivälja, arvati partiist välja või jaotati teadlikult lubatud hälbe piiridesse lisamiseks sobivatena. Seetõttu on vaja kindlaks teha põhjus, mis viis selle nähtuse ilmnemiseni.
Histogrammi keskpunkt on nihutatud ülemise (alumise) tolerantsi piirini ja histogrammi paremal (vasakul) poolel ülemise (alumise) tolerantsi piiri lähedal on järsk katkestus. Lisaks on üks või mitu intervalli tolerantsusest väljas.
Juhtum on sarnane 6. juhtumiga, kuid histogrammi intervallid, mis ületavad tolerantsivälja piire, näitavad, et mõõteriist oli vigane. Sellega seoses on vaja mõõtevahendeid taatleda, samuti töötajaid uuesti juhendada mõõtmiste teostamise reeglite osas.
Histogrammil on kaks piiki, kuigi indikaatorväärtusi mõõdeti sama partii toodete puhul.
Antud juhul võib järeldada, et tooted saadi erinevatel tingimustel (näiteks kasutati erineva klassi materjale, muudeti seadmete seadistusi, toodeti erinevatel masinatel jne). Sellega seoses on soovitatav edasiseks analüüsiks rakendada stratifitseerimismeetodit.
Histogrammi põhiomadused on korras (vastab juhtumile 1), samas on defektseid tooteid, mille indikaatorväärtused ületavad tolerantsivälja, mis moodustavad eraldi “saare” (isoleeritud tipp).
Selline olukord võis tekkida hooletuse tagajärjel, mille käigus segati defektsed osad headega. Sel juhul on vaja välja selgitada selle olukorra põhjused ja asjaolud, samuti võtta meetmeid nende kõrvaldamiseks.
