ابزارهای کنترل کیفیت (spc)
1
2
مفهوم کیفیت و کنترل کیفیت
تعریف سنتی کیفیت بر این دیدگاه استوار است که محصول و خدمت باید نیازمندی های استفاده کنندگان آنها را برآورده نماید.
3
کیفیت از دیدگاه صاحب نظران
ژوران: شایستگی جهت استفاده.
کرازبی: تطابق با نیاز مشتریان.
دمینگ: تامین نیاز امروز و فردای مشتریان.
فیگنبام: تمامی مشخصات بازار یابی یا مهندسی، تولید و نگه داری محصول یا خدمت که از طریق خواسته های مشتریان بر آورده میشود.
4
PDCA چرخه دمینگ
اجرای مستمر این چرخه در کل سازمان منجر به بهبودهای کوچک و تدریجی در سازمان می شود که به این بهبود های مستمر و تدریجی در سازمان کایزن می گویند.
ACT
PLAN
DO
CHECK
5
کنترل کیفیت آماری
روش های آماری که برای بهبود فرآیندها استفاده میشوند عبارتند از:
(Design Of Experiments1_طراحی آزمایشها(
(Statistical Process Control2_کنترل فرآیند آماری (
(Acceptance Sampling3_نمونه گیری جهت پذیرش (
6
شکل زیر مراحل تکامل روش های بهبود کیفیت در اکثر سازمان ها را نشان می دهد.
Design and experiment
Process control
Acceptance sampling
10%
40%
50%
Precent of application
0
100
Time
تشریح کامل کنترل فرآیند آماری(SPC)
7
اگر قرار باشد یک محصول مشخصات مورد نظر مشتری را دارا باشد آنگاه این محصول باید به وسیله یک فرایند پایدار یا تکرار پذیر تولید گردد. به عبارت دیگر ، فرایند تولید باید از تغییر پذیری کمی در حول مقدار هدف یا ابعاد اسمی مشخصات کیفی محصول برخوردار باشد.
کنترل فرآیند آماری مجموعه ای قدرتمند و توانا از ابزار حل مشکل است که می توان در ایجاد هرگونه فرآیندی استفاده نمود.
8
هدف اصلی مهندسی کیفیت کاهش سیستماتیک تغییر پذیری مشخصه های کیفی کلیدی محصول است.
شکل زیر مراحل مختلف این کاهش سیستماتیک را در طول زمان نشان می دهد.در مراحل اولیه درصد زیادی از محصولات با استانداردهای مورد نیاز انطباق نخواهد داشت.
با به کارگیری کنترل فرآیند آماری یک حالت ثبات به خود میگیرد و تغییرپذیری آن کاهش می یابد.
از طراحی آزمایش ها در کنار کنترل کیفیت آماری باعث خواهد شد تا تغییر پذیری فرآیند به حداقل میزان خود برسد و در نتیجه محصولات تولید شده فاقد هر گونه عیب گردند.
9
در بسیاری از فرآیندها رابطه ی بین ورودی ها و خروجی ها مشخص شده است و می توان به طور مرتب فرآیند را به گونه ای تنظیم کرد که مقادیر آتی مشخصه های کیفی محصول نزدیک به مقدار هدف باشند.معمولا تنظیم متوالی فوق را کنترل مهندسی(Engineering Control)،کنترل اتوماتیک(Automatic Control) یا کنترل بازخوردی(Feed Back Control) می نامند.
10
SPC ابزارهای کنترل کیفیت آماری
1) هیستوگرام
2) برگه کنترل
3) نمودار پارتو
4) نمودار علت و معلول
5) نمودار تمرکز نقص ها
6) نمودار پراکندگی
7) نمودار کنترل
(Histogram)
(Check sheet)
(Pareto chart)
(Cause and effect diagram)
(Defect concentration diagram)
(Scatter diagram)
(Control chart)
11
این ابزار های کنترل جز مهمترین ابزار های کنترل کیفیت آماری به شمار می روند و به همین جهت اینها را ابزار های هفت گانه کیفیت می نامند.
غیر از این هفت مورد بالا ابزار های دیگری نیز وجود دارند که به دلیل اهمیت کمتر فقط به بردن نام آنها اکتفا میکنیم.
1_ نمودار راداری
2_ نمودار مسطح یا دایره ای
3_ تحلیل میدان نیرو
12
به هفت ابزار SPC ، هفت ابزار ایشیکاوا،
The Old Seven ،The First Seven،The Basic Seven هم می گویند.
در میان این ابزار ها احتمالا نمودار کنترل از لحاظ فنی پیچیده ترین آنهاست.
13
هیستوگرام
نمودار ساده ای است که برای نشان دادن اندازه یک متغیر در طول زمان استفاده میشود؛ مانند: تعداد ضایعات محصول در طی یکسال کاری.
در همین نمودار ساده، توزیع آماری داده ها از نظر نرمال بودن، کشیدگی داده ها به چپ (چولگی مثبت) یا راست (چولگی منفی) ، زنگوله ای ، شانه ای ،فلات (مسطح) و غیره قابل تشخیص است.
موقعی از این نمودار استفاده میشود که تعداد داده ها حداقل 20 باشد. زیرا خلاصه نمودن اطلاعات باعث از بین رفتن جزئیات خواهد شد و در نتیجه تحلیل ها را با اشتباه مواجه خواهد ساخت.
14
به کمک این ابزار نحوه توزیع فراوانی ، میانگین ، پراکندگی و سایر معیار های آماری برای مشخصه های یک فرآیند یا محصول را میتوان تخمین زد.
Histogram
15
برگه کنترل
در مراحل اولیه اجرای کنترل فرآیند آماری ، معمولا جمع آوری اطلاعات در مورد فرآیند مورد بررسی بسیار ضروری است. برگه کنترل یک ابزار بسیار مفید برای جمع آوری این اطلاعات اولیه درباره فرآیند ویژگی های آنهاست. در برگه کنترل معمولا اطلاعاتی نظیر شماره قطعه یا عملیات، تاریخ، علت خرابی یا هرگونه اطلاعاتی که بتوان به وسیله آنها تحلیل های بهتری در مورد علل عملکرد نامطلوب انجام داد، را ثبت می کند. از جمله نکاتی که باید در طراحی برگه کنترل در نظر داشت این است که اولا ترتیب زمانی داده های جمع آوری شده باید مشخص باشد و ثانیا تا حد امکان باید تفکیک اطلاعات در طراحی آن مد نظر قرار بگیرد.
16
شکل فوق نمونه ای از برگه کنترل می باشد که عدم انطباق ها را در قطعات بازرسی شده بیان می کند.
17
نمودار پارتو
نمودار پارتو ابزاری گرافیکی برای داده های وصفی است که جهت تعیین عیب هایی که بیشتر مشاهدا می شوند به کار می روند. این ابزار یک نمودار فراوانی می باشد که در آن داده ها بر اساس فراوانی به ترتیب نزولی ترسیم میشوند. به کمک این نمودار می توان عیب هایی را که دارای نرخ وقوع بیشتری هستند شناسایی و نسبت به حذف آنها اقدام کرد. باید توجه داشت که نمودار پارتو لزوما مهمترین عیب را مشخص نمیکند بلکه فقط آن عیب هایی که فراوانی بیشتری دارند را شناسایی می کند.
تفاوت هیستوگرام با نمودار پارتو در این است که نمودار پارتو عیب ها به ترتیب فراوانی به صورت نزولی مرتب می شوند و همچنین اینکه در هیستوگرام محور افقی مقادیر مختلف مشخصه کیفی و قابل اندازه گیری می باشد.
18
نمونه ای از نمودار پارتو در شکل زیر وجود دارد. جدول زیر علت تاخیر و میزان تاخیر را نشان می دهد.
19
20
نمودار علت و معلول
زمانی که یک عیب مشاهده می شود و علل بروز آن مشخص نیست باید علل بالقوه آن را تعیین نمود. نمودار علت و معلول یک ابزار گرافیکی برای نشان دادن رابطه بین یک معلول و علل بالقوه آن است. از آنجایی که این نمودار به شکل استخوان ماهی است به آن نمودار استخوان ماهی نیز گفته می شود. در این نمودار معلول در قسمت سر ماهی ، علل اصلی در استخوان های اصلی و علل فرعی در استخوان های کوچکتر بدنه ماهی رسم می شوند.
می باشد. 5M معمولا در این نمودار دلایل بالقوه ایجاد مشکل بر اساس
5M= (MATERIAL , METHODS , MEASUREMENT , MAN , MACHINE)
21
نمونه ای از نمودار علت و معلول
22
نمودار تمرکز نقص ها
نمودار تمرکز نقص ها تصویری از نماهای مهم محصول استکه محل های بروز عیب روی سطح آن را نشان میدهد. با رسم این نمودار میتوان محل های ایجاد عیب را بر روی محصول مشخص نموده و با تجزیه و تحلیل آن، اطلاعاتی در مورد علل بالقوه ایجاد خطا بدست آورد. این ابزار در صنایع آب کاری ، ریختگری، رنگ و ذوب و… کاربرد فراوانی دارد.
نمونه ای از نمودار تمرکز نقص ها مربوط به سطح یک یخچال به صورت زیر می باشد.
23
24
نمودار پراکندگی
نمودار پراکندگی برای بررسی رابطه بالقوه بین دو متغیر استفاده می شود. اگر دو متغیر به هم وابستگی زیادی داشته باشند فشردگی نقاط بیشتری دارند و اگر نقاط از هم دور باشند این بدان معنا است که دو متغیر وابستگی چندانی نسبت به هم ندارند.
تکنیک رگرسیون از تکنیک های مطرح آماری به منظور تعیین رابطه بین در یا چند متغیر است.
25
باید توجه داشت که با مشاهده شکل نمودار پراکندگی ، نمی توان به طور قطعی در مورد وجود و یا عدم وجود رابطه علت و معلول بین دو متغیر اظهار نظر کرد. به عبارت دیگر اگر نمودار پراکندگی ارتباطی را بین دو متغیر نشان دهد ، آن دو متغیر ممکن است با یکدیگر ارتباط معلولی داشته باشند و یا ممکن است که هر دو تحت تاثیر عامل دیگری افزایش یا کاهش یافته باشند. بنا براین این نکته حائز اهمیت است که همبستگی لزوما رابطه علت و معلولی را به همراه ندارد.
نمونه ای از نمودار پراکندگی که خلوص اکسیژن را در مقابل میزان هیدرو کربن مصرفی بیان میکند، در شکل صفحه بعد آورده شده است.
26
خلوص اکسیژن
هیدروکربن مصرفی
27
نمودارهای کنترل
نمودار کنترل نمایانگر عملکرد فرایند بر اساس نمونه گیری در یک فاصله زمانی می باشند. مثلا بر نقطه متوالی در 6 نقطه متوالی در نمودار در حال افزایش یا کاهش باشند یا 9اساس علم آمار اگر یک طرف خط مرکز (میانگین) قرار گیرد احتمالا پدیده ای غیر عادی رخ داده است. از نمودار های کنترل برای پیش بینی چگونگی عملکرد فرآیند تحت شرایط پایدار استفاده می شود. شرایط پایدار را شرایطی می گویند که در آن فرایند مورد نظر تحت کنترل باشد. نمودار های کنترلی را می توان برای مشخص کردن علل قابل تشخیص یا عمومی و علل تصادفی یا ویژه استفاده نمود. علل قابل تشخیص امکان ردیابی ، کاهش و یا حذف در فرایند تولید را دارند. علل تصادفی یا ویژه اثر غیر قابل پیش بینی برگرفته های فرایند داشته و قابل تشخیص نمی باشند. علل به دو دسته تصادفی (ویژه) یا قابل تشخیص (عمومی) تقسیم می شوند. علل عمومی یا قابل تشخیص از خود سیستم منشاء گرفته و بر عملکرد کلی به صورت آماری و قابل پیش بینی تاثیر می گذارند.
28
نمونه علل قابل تشخیص (عمومی) شامل میزان دقت استاندارد های کاری، میزان آموزش ارائه شده به پرسنل یا تناسب موارد اولیه مورد استفاده در فرایند می باشد. علل تصادفی متغییر هایی هستند که جزئی از سیستم محسوب نشده و اثر مجزا و غیر قابل پیش بینی آماری بر خروجی ها دارند. علل تصادفی (ویژه) اکثرا به صورت ایستگاهی در یک عملیات ویژه ، دستگاه یا محموله موارد اتفاق می افتند. یک محموله مواد خراب ، خراب شدن شدن یک دستگاه یا کارگر جدیدی که ضوابط و مقررات را بصورت صحیح رعایت نمی کند، نمونه هایی از علل تصادفی می باشند. بعضی از مواقع ریشه یک علت تصادفی قابل تشخیص نبوده یا می تواند منعکس کننده یک رخداد آماری غیر معمول باشد.
29
انواع نمودارهای کنترل
1_نمودار کمی
2_نمودارهای وصفی
X,Rنمودار
X,S نمودار
P نمودار
NP نمودار
C نمودار
30
انواع انحرافات
انحرافات تصادفی :
انحرافات تصادفی منابع تغییرپذیری هستند که در اثر انباشته شدن مجموعه زیادی از انحرافات ذاتی و غیر قابل اجتناب به وجود می آید.مانند لرزش خفیف در ماشین ها، تاثیر دمای محیط و غیره.
فرآیندی که فقط در حضور انحرافات تصادفی عمل می کند را فرآیند تحت کنترل آماری می نامند.
منابع تغییرپذیری که بخشی از انحرافات تصادفی محسوب نمی گردند را انحرافات بادلیل می نامند.مانند تنظیم نادرست دستگاه ، خطاهای اپراتور و یا مواد اولیه معیوب.
انحرافات با دلیل:
فرآیندی را که در حضور انحرافات با دلیل عمل می کند را فرآیند خارج از کنترل می نامند.
31
معرفی نمودار کنترل
نمودار کنترل یک ابزار تحلیلی است که به صورت گرافیکی وضعیت تغییرات یک مشخصه کیفی را به کمک نمونه برداری (با به عبارتی بازرسی) از خط تولید نمایان میسازد. نمودار کنترل برای تشخیص این به کار می رود که فرآیند تولید در وضعیت با ثبات به سر می برد و یا به بیان بهتر آیا تغییر در نمونه ها صرفا تصادفی است یا اینکه فرایند دچار تغییرات معنا دار شده است یعنی تغییر مشاهده شده در روند نمونه ه تصادفی نیست. نمودار کنترل برای ارزیابی تغییر صورت گرفته در کیفیت محصول از یک نمونه به نمونه دیگر به کار می رود. برای درک بهتر نمودار کنترل لازم است به معرفی چند المان بپردازیم.
32
):پایین ترین حد کنترل Lower Control Limit) LCL
بالاترین حد کنترل :(Upper Control Limit) UCL
می باشد. ucl , lcl , cl برای رسم نمودار کنترل نیاز به داشتن
:μ
نقطه ای که توزیع در حالت تعادل قرار دارد.میانگین مرکز جرم توزیع احتمال است.
: σ
گسترش و تغییر پذیری یک توزیع که می تواند به وسیله واریانس بیان شود.
33
حد مشخصه فنی بالا نام دارد.که حد بالای پذیرش یک محصول از سوی مشتری می باشد.
:USL
حد مشخصه فنی پایین نام دارد.که حد پایین پذیرش یک محصول از سوی مشتری می باشد.
:LSL
فرمول های کلی محاسبه UCL و LCL
UCL=µ +K*δ
LCL=µ – K*δ
34
K: ضریبی برای انحراف معیار می باشد که هر چه کوچکتر باشد نشان دهنده این است تولید کننده می خواهد با کم کردن انحراف معیار ، تولید بهتری داشته باشد.
35
نمودار X – R
هنگامی که یک مشخصه کیفی متغیر را با فرض نرمال بودن پایش می کنیم لازم است تا 2 پارامتر میانگین و انحراف معیار آن را کنترل نماییم.برای کنترل میانگین و واریانس احتیاج به 2 نمودار کنترل (یک نمودار برای هر کدام)داریم.برای کنترل میانگین از میانگین نمونه ها استفاده می کنیم ولی برای کنترل انحراف معیار می توانیم از R(دامنه تغییرات نمونه ها در هر بار نمونه گیری Ri=max (Xij)-min(Xij) یا S (انحراف معیار نمونه ها در هر بار نمونه گیری)استفاده کنیم که تفاوت روش ها در همین می باشد.برای کنترل انحراف معیار با استفاده از R همانطور که می دانیم نیاز به میانگین و انحراف معیار R می باشد.
36
نمونه ای از نمودار های کمی
ℛ 1 =
ℛ 2 =
ℛ 3 =
ℛ 4 =
ℛ 5 =
ℛ 6 =
1/1
0/7
1/2
1/3
1/3
1/1
𝓍 1 =
𝓍 2 =
𝓍 3 =
𝓍 4 =
𝓍 5 =
𝓍 6 =
2/1
1/88
2/15
2/13
2/33
2/03
37
𝑅 = 𝑖=1 6 𝑅 𝑖 6 = 6.7 6 =1.12
𝑈𝐶𝐿= 𝐷 4 𝑅 =2.282∗1.12=2.56
𝐿𝐶𝐿= 𝐷 3 𝑅 =0∗1.12=0
38
𝑋 = 𝑖=1 6 𝑋 𝑖 6 = 12.62 6 =2.1
𝑈𝐶𝐿= 𝑋 + 𝐴 2 𝑅 =2.1+ 0.729∗1.12 =2.92
𝐿𝐶𝐿= 𝑋 − 𝐴 2 𝑅 =2.1− 0.729∗1.12 =1.21
39
حالت های مختلف خارج از کنترل بودن
1_ یک نقطه خارج از حدود کنترل
40
2_ دو نقطه از سه نقطه متوالی در حدود یک سوم انتهایی حدود کنترل باشند(در یک طرف)
41
3_ هفت نقطه پشت سر هم در یک طرف خط میانی باشند.
42
4_ هفت نقطه پشت سر هم به صورت صعودی یا نزولی
43
5_ چهارده نقطه پشت سر هم یک در میان بالا و پایین خط مرکزی
44
6_ چهار نقطه از پنج نقطه متوالی در حدود دو سوم انتهایی حدود کنترل( در یک طرف)
45
7_ پانزده نقطه پشت سر هم داخل حدود یک سوم از خط مرکزی( در هر دو طرف)
46
8_هشت نقطه پشت سر هم خارج از حدود یک سوم خط مرکزی(در یک طرف)
47
9_ رفتار سیکلی شکل
48
پایان