Statistické řízení jakosti. Deming: Klíč k jakosti je v pochopení variability procesu.

Podobné dokumenty
Statistické řízení jakosti - regulace procesu měřením a srovnáváním

Inovace bakalářského studijního oboru Aplikovaná chemie

Národní informační středisko pro podporu kvality

Regulační diagramy (Control charts, Shewhart s diagrams)

VYSOKÁ ŠKOLA BÁŇSKÁ TECHNICKÁ UNIVERZITA OSTRAVA FAKULTA METALURGIE A MATERIÁLOVÉHO INŽENÝRSTVÍ KATEDRA KONTROLY A ŘÍZENÍ JAKOSTI

ISO 8258 je první ze čtyř norem ISO, které budou věnovány metodám statistické regulace. Zbývající tři, které jsou nyní v přípravě, jsou

Ekonomické aspekty statistické regulace pro vysoce způsobilé procesy. Kateřina Brodecká

Regulační diagramy (RD)

Normy ČSN a ČSN ISO z oblasti aplikované statistiky (stav aktualizovaný k )

Vybrané praktické aplikace statistické regulace procesu

Statistické regulační diagramy

Národní informační středisko pro podporu kvality

1) Jsou normy v ČR závazné a jaká je jejich úloha? normy nejsou v ČR závazné od roku 2000 od roku 2000 mají pouze doporučující charakter

Rozdíl rizik zbytečného signálu v regulačním diagramu (I,MR) a (xbar,r)

PRINCIPY ZABEZPEČENÍ KVALITY

Národní informační středisko pro podporu kvality

Národní informační středisko pro podporu kvality

SPC v případě autokorelovaných dat. Jiří Michálek, Jan Král OSSM,

Národní informační středisko pro podporu jakosti

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management jakosti"

Národní informační středisko pro podporu jakosti

Národní informační středisko pro podporu jakosti

Tématické okruhy pro státní závěrečné zkoušky. Navazující magisterské studium. studijní obor "Management kvality"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

Normy ČSN,ČSN ISO a ČSN EN

ČESKÁ TECHNICKÁ NORMA

Kvalita v laboratorní a kontrolní praxi

Regulace výrobního procesu v soft. Statistica

Tématické okruhy pro státní závěrečné zkoušky. bakalářské studium. studijní obor "Management jakosti"

ZÁKLADNÍ NÁSTROJE ŘÍZENÍ JAKOSTI

HODNOCENÍ VÝKONNOSTI ATRIBUTIVNÍCH ZNAKŮ JAKOSTI. Josef Křepela, Jiří Michálek. OSSM při ČSJ

Přehled technických norem z oblasti spolehlivosti

Národní informační středisko pro podporu kvality

Ústav teorie informace a automatizace RESEARCH REPORT. Nestandardní regulační diagramy pro SPC. No December 2011

Národní informační středisko pro podporu jakosti

10 KONTROLA A ŘÍZENÍ JAKOSTI

Výukový materiál zpracovaný v rámci projektu Výuka moderně

Taguciho metody. Řízení jakosti

Národní informační středisko pro podporu jakosti

VYSOKÉ UČENÍ TECHNICKÉ V BRNĚ

8/2.1 POŽADAVKY NA PROCESY MĚŘENÍ A MĚŘICÍ VYBAVENÍ

Analýza způsobilosti procesů. Studijní opory

Regulační diagramy pro Lean Six Sigma

Tématické okruhy pro státní závěrečné zkoušky. magisterské studium

Národní informační středisko pro podporu jakosti

Katedra řízení podniku (FES)

SW podpora při řešení projektů s aplikací statistických metod

ZÁPADOČESKÁ UNIVERZITA V PLZNI FAKULTA ELEKTROTECHNICKÁ. Katedra technologií a měření BAKALÁŘSKÁ PRÁCE

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Posouzení přesnosti měření

VYUŽITÍ REGULAČNÍCH DIAGRAMŮ PRO KONTROLU JAKOSTI

Q-diagramy. Jiří Michálek ÚTIA AVČR

Rozšířené regulační diagramy

ROBUST 2012 Němčičky Metodika komplexního návrhu regulačního diagramu. Ing. Jan Král. ISQ PRAHA s.r.o. kral.jan@isq.

Regulační diagramy CUSUM pro atributivní znaky. Eva Jarošová

přesnost (reprodukovatelnost) správnost (skutečná hodnota)? Skutečná hodnota použití různých metod

BRNO UNIVERSITY OF TECHNOLOGY FAKULTA STROJNÍHO INŽENÝRSTVÍ METROLOGIE A ZKUŠEBNICTVÍ FACULTY OF MECHANICAL ENGINEERING

NEJISTOTA MĚŘENÍ. David MILDE, 2014 DEFINICE

PRINCIPY ZABEZPEČENÍ KVALITY

Statistika. Teorie odhadu statistická indukce. Roman Biskup. (zapálený) statistik ve výslužbě, aktuálně analytik v praxi ;-) roman.biskup(at) .

3/8.4 PRAKTICKÉ APLIKACE PŘI POUŽÍVÁNÍ NEJISTOT

Vyjadřování přesnosti v metrologii

Porovnání softwarových produktů pro podporu hodnocení způsobilosti technologických procesů. Bc. Jan VERBERGER

IMPLEMENTING SPC IN INDUSTRIAL PROCESS ZAVÁDĚNÍ SPC VE VÝROBNÍM PROCESU. Dostál P., Černý M. ABSTRACT

Vyhodnocování způsobilosti a výkonnosti výrobního procesu

STATISTICKÉ ODHADY Odhady populačních charakteristik

Členění podle 505 o metrologii

Sedm základních nástrojů řízení jakosti

Pokročilejší metody statistické regulace procesu

Přejímka jedním výběrem

Přehled metod regulace procesů při různých typech chování procesu

= = 2368

STATISTICKÉ ZJIŠŤOVÁNÍ

Hodnotící zpráva o mezilaboratorních analýzách stanovení obsahu popela, veškeré síry, spalného tepla a prchavé hořlaviny v tuhých palivech v roce 2012

Pokročilejší metody statistické regulace procesu

Chyby spektrometrických metod

KGG/STG Statistika pro geografy

Členění podle 505 o metrologii

RiJ ŘÍZENÍ JAKOSTI L 4 4-1

SPECIFIKACE KVALITY NÁPRAVNÁ A PREVENTIVNÍ OPATŘENÍ ING. PETRA ŠOTOLOVÁ

ŠKODA AUTO VYSOKÁ ŠKOLA, O.P.S. DIPLOMOVÁ PRÁCE Ing. Markéta Černá

FAKULTA PODNIKATELSKÁ ÚSTAV MANAGEMENTU FACULTY OF BUSINESS AND MANAGEMENT INSTITUT OF MANAGEMENT

EXPERIMENTÁLNÍ MECHANIKA 2 Přednáška 5 - Chyby a nejistoty měření. Jan Krystek

Lean Six Sigma Logistics Využití statistických metod ke zlepšení logistických proces

MSA-Analýza systému měření

Chyby měření 210DPSM

MATEMATICKO STATISTICKÉ PARAMETRY ANALYTICKÝCH VÝSLEDKŮ

VYUŽITÍ MATLAB WEB SERVERU PRO INTERNETOVOU VÝUKU ANALÝZY DAT A ŘÍZENÍ JAKOSTI

Aplikace SPC metodiky pro oblast předvýroby a konečné montáže pro projekt X7. Bc. Josef Švach

22. Pravděpodobnost a statistika

Úvod do problematiky měření

Principy zajištění spolehlivosti. Zdenek Kubíček

Tuhá alterna,vní paliva validace metody pro stanovení obsahu biomasy podle ČSN EN Ing. Šárka Klimešová, Výzkumný ústav maltovin Praha, s.r.o.

Analytické znaky laboratorní metody Interní kontrola kvality Externí kontrola kvality

Střední průmyslová škola strojnická Olomouc, tř. 17. listopadu 49. Výukový materiál zpracovaný v rámci projektu Výuka moderně

Regulační diagramy EWMA. Eva Jarošová Škoda Auto Vysoká škola

Normální (Gaussovo) rozdělení

Shewhartovy regulační diagramy

Transkript:

Statistické řízení jakosti Deming: Klíč k jakosti je v pochopení variability procesu.

SŘJ Statistická regulace výrobního procesu Statistická přejímka jakosti měřením srovnáváním měřením srovnáváním - X diagram - R diagram -s diagram -X i R i - p diagram - np diagram - c diagram - u diagram - přejímací plány

Statistická regulace výrobního procesu (SPC) preventivní nástroj řízení jakosti, kdy na základě včasného odhalování významných odchylek v procesu od předem stanovené úrovně umožňuje realizovat zásahy do procesu tak, aby byla dlouhodobě udržována na stabilní a přípustné úrovni

Významná úloha tam, kde se vyrábí velké dávky nebo kde se výroba víckrát opakuje Proč: Existuje variabilita výrobního procesu Proces by měl mít cílovou hodnotu Účel: Zabránit vzniku vadných výrobků Cíl: Zmenšit variabilitu, aby nekolísala kvalita a sledovat, jestli kvalita netrenduje (tendence do nekvality přezkoumat 6M)

Co způsobuje variabilitu?: 6M faktory Člověk (přesnost, zkušenost, motivace) Materiál (tvrdost, chem. složení ) Metoda (způsob práce, sled operací, ) Měření (techn. měření, kalibrace, ) Stroj (opotřebení, ) Prostředí (změny v teplotě, vlhkosti ) Man Material Method Measuring Machine Milieu

6M faktory jsou tvůrcem náhodných odchylek spolubůsobení mnoha faktorů a jejich odstranění není ekonomické nelze předem identifikovat systematických odchylek odstranění je ekonomické sledují se jejich trendy po odstranění těchto odchylek statisticky regulovaný (zvládnutý) proces

měření materiál metoda promíchání kalibrace špatný koks FeSi 75% 85% FeSi v pánvi vsázka Příliš vysoká tvrdost odlitku Neznalý mistr Nepřidá FeSi teplota Nízká E.D. prostředí člověk stroj

Technologický proces X Výrobní proces Technologický proces - proces určený k tomu, jak zhotovit součástku (technologický postup) Výrobní proces - uplatňuje výrobní dávku - vícekrát probíhá technologický proces

Tolerance x Statistická mez 6M faktory působí na výsledek výrobního procesu, tyto vlivy se různě promíchají a znaky jakosti mohou mít určitou toleranci (stanovena konstruktérem, jaká může být odchylka) x statistickou mez (spočítaná matematicky, ne konstruktérem)

Postup před zavedením statistické regulace výrobního procesu

1. Volba znaku jakosti zvolit takové znaky, které ovlivňují chování výrobku a jeho vlastnosti regulaci zavést tam, kde je třeba jakost stabilizovat nebo získat informace o výrobním procesu, aby mohl být zlepšen nebo zlevněn

2. Analýza výrobního procesu Analýza by měla být zaměřena tak, aby: vymezila příčiny, které mohou vyvolat nepravidelnost ve výrobním procesu zjistila vliv použití tolerančních mezí přispěla ke zlepšení vlastní kontroly a jejího umístění ve výrobním procesu odhalila všechny ostatní související faktory, které mohou ovlivnit výrobní proces

3. Volba podskupin roztřídění uvažovaných pozorování do podskupin, uvnitř kterých lze předpokládat, že kolísání sledovaného znaku jakosti je způsobeno pouze náhodnými příčinami, přitom rozdíl mezi těmito podskupinami může být způsoben zvláštními příčinami a jejich odhalení je úlohou regulačních diagramů

4. Volba kontrolního intervalu a rozsahu podskupin žádná obecná pravidla, vše s ohledem na stabilizovaný proces může záviset na nákladech na odběr a analýze měření obvykle: rozsah podskupiny 4-5 vzorků za sebou vybraných 20 25 podskupin pro předběžný odhad

5. Sběr předběžných údajů je třeba shromažďovat určité počáteční výsledky kontrol a ty analyzovat, abychom mohli vypočítat předběžně hodnoty nutné pro stanovení CL, UCL, LCL a ty zavést do diagramu

Členění regulačních diagramů Hledisko Počet regulačních mezí Zohlednění rizika zbytečného signálu alfa a rizika chybějícího signálu beta Počet znaků jakosti sledovaných na 1 jednotce výběru Typ RD pro jednostrannou regulaci RD pro oboustrannou regulaci RD pracující pouze s rizikem alfa (Sh. d.) RD zohledňující oba druhy rizika RD pro 1 znak (klasický Sh. diagram) RD pro více znaků najednou (např. Hotellingův diagram)

Hledisko Stupeň opakovatelnosti procesu Zohlednění předchozích hodnot výběrové charakteristiky ve výpočtu aktuální hodnoty výběrové charakteristiky Typ RD pro proces vysokým stupněm opakovatelnosti (Sh. Diagram) RD pro proces s nízkým stupněm opakovatelnosti (cílové a standardizované diagramy) RD bez paměti (Sh. D.) RD s pamětí (CUSUM, EWMA)

Shewhartovy regulační diagramy grafická pomůcka zobrazující variabilitu procesu dynamicky, umožňující oddělit náhodné příčiny variability od vymezitelných

Podstata a princip sestrojení RD On-line Stejný znak jakosti CL, UCL, LCL Riziko alfa=0,027 (zbytečný signál) Odstranění abnormalit

Nejčastěji používané regulační diagramy měřením: (x,r) regulační diagramy pro výběrový průměr a rozpětí (x,s) regulační diagramy pro výběrový průměr a směrodatnou odchylku (x,r) regulační diagramy pro výběrový medián a rozpětí (xi,ri) regulační diagramy pro individuální hodnoty a klouzavé rozpětí

Nejčastěji používané diagramy srovnáváním: (p) regulační diagram pro podíl neshodných jednotek (np) regulační diagram pro počet neshodných jednotek, konstantní rozsah podskupin (c) regulační diagram pro počet neshod, konstantní rozsah podskupin (u) regulační diagram pro průměrný počet neshod na jednotku v podskupině

Rozhodovací strom pro volbu klasického Shewhartova regulačního diagramu

Jaký regulační diagram zvolit? Jaké znaky jakosti? Měřitelné Neměřitelné Jaký rozsah výběru? Co má být sčítáno? 1 2-10 nad 10 Neshodné jednotky Neshody X x j, R kl, R, s X, R X Je rozsah výběru konstantní? Je rozsah výběru konstantní? ne ano ne ano p np u c

Popis Body mimo regulační meze Možné vymezitelné příčiny Regulační diagram (R) -změna měřidla Regulační diagram (x) -proces se posunul právě u dané podskupiny 9 bodů za sebou leží nad CL nebo pod CL Regulační diagram (R) -vylepšení dat Regulační diagram (x) -změna prvků procesu

6 bodů za sebou stoupá nebo klesá (trend) Regulační diagram (R) -vylepšení dat Regulační diagram (x) opotřebení nástroje 15 bodů v řadě za sebou leží ve vnitřní třetině pásma mezi regulačními mezemi Oba regulační diagramy -nesprávně zakreslené body -nesprávně kalibrované měřidlo -podskupiny obsahují výrobky ze dvou či více strojů s různou úrovní procesu -zlepšení procesu 8 bodů za sebou leží na obou stranách CL, ale žádný ve vnitřní třetině pásma mezi regulačními mezemi Oba regulační diagramy -nesprávně vypočtené regulační meze

Snížení variability procesu Stejnoměrnější výroba Menší pravděpodobnost výskytu neshodných produktů Menší rozsah kontroly a nižší náklady na kontrolu a zkoušení Nižší náklady vyvolané poruchami procesu Více spokojených zákazníků