Инженерные методы управления качеством

Одним из основополагающих принципов улучшения деятельности организации, сформулированных во введении ГОСТ Р ИСО 9000-2001 [1], является принцип принятия решений, основанных на фактах. Однако, для его реализации необходимо эти факты получить. Их анализ и дальнейшее управление невозможны без статистических методов.

В новой версии стандартов серии 9000, также как и в предыдущей, делается акцент на необходимость применения статистических методов для анализа качества продукции, производства и управления, но уже в рамках процессного подхода: «Использование статистических методов может помочь в понимании изменчивости и, следовательно, … в решении проблем и повышении результативности и эффективности. … Изменчивость можно наблюдать в ходе и результатах многих видов деятельности, даже в условиях очевидной стабильности. Такую изменчивость можно проследить в измеряемых характеристиках продукции и процессов. Её наличие можно заметить на различных стадиях жизненного цикла продукции от исследования рынка до обслуживания потребителей и утилизации. Статистические методы могут помочь при измерении, описании, анализе, интерпретации и модулировании такой изменчивости даже при относительно ограниченном количестве данных. Статистический анализ таких данных может помочь лучше понять природу, масштаб и причины изменчивости, способствующие таким образом решению и даже предупреждению проблем, которые могут быть результатом такой изменчивости, а также постоянному улучшению». Стандарт ИСО 9004:2000 также рекомендует применение соответствующих статистических методов при анализе данных.

В России принят стандарт ГОСТ Р ИСО 9004-2001 [2]. В общих требованиях содержится 6 основных процедур при создании и улучшении СК  и около 30 процедур по созданию элементов СК. В разделе 8. «Измерение, анализ и улучшение», п. К), для улучшения процессов  требуется и рекомендуется использование статистических методов. 

Основание достаточно веское, чтобы приступить к их изучению с энтузиазмом.

По мнению одного из корифеев в управлении качеством Каору Исикавы, существуют две основные причины неудач в производстве, а может и вообще всех проблем в мире: несовершенная работа и неполные знания. Пол беды, если люди понимают, что знают недостаточно. Знания можно пополнить, проведя эксперименты. Хуже, если человек, понимая, что знает мало, все же непоколебимо уверен в своей правоте. Кто-то из великих считал, что заблуждаться – свойственно человеку, упорствовать же в своих заблуждениях – свойственно дьяволу, т.е. это дьявольское свойство.

Надо признать, что этот дьявол, в той или иной мере, сидит в каждом из нас. Причина этого в том, что факты мы часто путаем со своими  суждениями, которые и  принимаем за факты. Вот почему так ценится фактический материал, добытый в опыте. Накопленный в достаточном количестве, он позволяет обнаружить закономерность (в этом слове вторая часть – не случайна). По существу, цивилизация как творение человеческого разума, дело его рук – продукт действия огромного числа открытых людьми законов в живой и неживой природе, в человеческом обществе. Огромный прогресс в развитии человеческого мира породил у многих ощущение, что чуть ли не все явления осмыслены или могут стать таковыми при желании. Но ответьте на вопрос: несмотря на то, что человек вывел свой корабль точно к Марсу и способен целенаправленно имплантировать отдельные атомы в решетку кристалла, может ли вся земная наука предсказать достаточно точно, куда опустится свободно падающий с дерева лист? Не спешите с ответом. Наверное, каждый скажет, что надо бы сначала решить, что значит "достаточно точно". Достаточно кому и для чего? Договорившись об этом, можно под деревом, сбросившим листву, очертить круг, в котором окажется 60;  90;  99,99 % всех листьев. Но никто не рискнет утверждать, что есть такой круг, куда попадут абсолютно все упавшие листья (ветром некоторые могло бросить в костер). В данном явлении искать строгую закономерность – безнадежно, поскольку в его основе лежит главное свойство всего сущего в мире – изменчивость. Необходимое и достаточное условие превращения любого явления в закон – его воспроизводимость. Однако, если мы достаточно ленивы и воспроизводим явление малое число раз, полученные результаты можно интерпретировать по-разному. Любые объяснения в этом случае – всего лишь гипотезы. Чтобы решить, какая из них верна, надо организовать их многократную экспериментальную проверку, желательно с количественной оценкой результатов. В противном случае в отношении полученных в опыте результатов могут  возникнуть  предубеждения  -  стойкие ложные суждения.

Но можно ли на практике абсолютно точно повторить один и тот же эксперимент хотя бы дважды? Нет. Как бы мы ни старались, всегда в нем будет много, пусть мелких, но различий, неточностей, неучтенных переменных факторов. Яркий пример – медицина и эффективность лекарств. О последней принято судить по проценту больных из числа принимавших лекарство, которым оно помогло. Это называют клинической статистикой. Но искать закономерности на основе такой статистики – неблагодарное дело. И здесь не спасают самые точные измерения и анализы, поскольку невозможно провести чистый сравнительный опыт: каждый человек – уникальная, неповторимая биохимическая система, состояние которой, к тому же, меняется непрерывно. И в этом не вина, а беда медиков. Поэтому даже современная медицина – скорее искусство, основанное на эмпирическом опыте и интуиции врача, чем точная наука.

 В технике все во много раз проще, поэтому точность моделирования и уровень воспроизводимости выше, здесь легче обнаружить закономерность. Вот почему даже ограниченное число повторений технических операций, измерений, опытов позволяет выявить закономерность с достаточной для производственной практики долей уверенности в ее существовании. Но по этой же причине все попытки управлять качеством промышленной продукции обречены на неудачу, если для этого широко не применяются в производстве методы сбора исходных данных, их рационального представления, эффективного статистического анализа и улучшающих воздействий.

И тут оказывается, что для снижения уровня брака или улучшения технологии в большинстве случаев нужны не столько опыт или интуиция, сколько сильная воля и твердое желание объективно проанализировать реальную ситуацию. И если они действительно есть, приведенные и описанные ниже инженерные методы УК – незаменимы для этого.

Не все из этих методов относятся к статистическим, но каждый из них базируется на фактическом материале, достоверность которого обеспечивается статистически.

Знание этих методов – обычный элемент инженерного образования. Но знания и умения – не одно и то же. Данное пособие имеет целью не только ознакомить читателя с этими методами, но и помочь приобрести практические навыки в их применении. Этой цели служат иллюстрированные методики по каждому методу и конкретные примеры их использования.

Один из вариантов систематизации статистических методов      (рисунок  1) содержит три группы:

- анализ состояния технологических процессов;

- регулирование технологических процессов;

- приемочный контроль.

Внедрение статистических методов управления качеством про­дукции требует не только оценки ее качества, но и наличия стабильного, управляемого состояния технологического процесса изготовления продукции. Для определения его точ­ности и стабильности, соответствия нормативно-технической документации также проводится статистический анализ. Он позволяет выявить и определить характер взаимосвязей между режимами технологических операций и качеством продукции, между видами и причинами брака, а также подготовить соответству­ющие рекомендации для наладки технологического процесса в случае такой необходимости.

Статистический анализ в первую очередь проводится по тем параметрам продукции, по которым намечено внедрение статистичес­ких методов управления качеством процессов изготовления продукции. Он проводится по сле­дующим этапам:

-   планирование исследований, в частности, определение объемов выбо­рок и метода их получения;

-   формулирование модели процесса;

-   оценка параметров модели;

-         изучение согласия между моделью процесса и наблюдениями;

-         анализ результатов наблюдений с использованием принятой модели.