Statistisk processkontroll

Historia

Statistisk processtyrning var en pionjär som Walter A. Shewhart tog fram i början av 1920-talet. Shewhart skapade grunden för styrkortet och begreppet statistisk kontroll genom noggrant utformade experiment. Även om Shewhart utgick från rent matematiska statistiska teorier, förstod han att data från fysiska processer sällan ger en "normalfördelningskurva" (en gaussisk fördelning, som också brukar kallas för en "klockkurva"). Han upptäckte att den observerade variationen i tillverkningsdata inte alltid uppförde sig på samma sätt som data i naturen (t.ex. partikelns Brownskarörelse). Shewhart drog slutsatsen att även om varje process uppvisar variation, uppvisar vissa processer kontrollerad variation som är naturlig för processen (vanliga orsaker till variation), medan andra uppvisar okontrollerad variation som inte är närvarande i processens orsakssystem vid alla tillfällen (särskilda orsaker till variation). Okontrollerad variation är ofta förknippad med defekta produkter, vilket ger ett datadrivet sätt att identifiera problem och förbättra kvaliteten.

W. Edwards Deming tillämpade senare SPC-metoderna i USA under andra världskriget och lyckades därigenom förbättra kvaliteten vid tillverkningen av ammunition och andra strategiskt viktiga produkter. Efter krigsslutet bidrog han till att införa SPC-metoderna i den japanska industrin. Demings tillvägagångssätt att använda SPC med tillhörande ledningsmetoder kom att kallas kvalitetsledningssystem.

Ansökan

Följande beskrivning gäller tillverkningsindustrin snarare än tjänstesektorn, även om principerna för SPC kan tillämpas framgångsrikt i båda branscherna. För en beskrivning och ett exempel på hur SPC kan tillämpas i en tjänstemiljö hänvisas till Roberts (2005). Selden beskriver hur SPC kan användas inom försäljning, marknadsföring och kundservice, med Demings berömda Red Bead Experiment som en lättförståelig demonstration.

Vid masstillverkning uppnåddes kvaliteten på den färdiga artikeln traditionellt genom inspektion av produkten efter tillverkningen, där varje artikel (eller prover från ett produktionsparti) accepterades eller förkastades baserat på hur väl den uppfyllde konstruktionsspecifikationerna. Statistisk processkontroll använder däremot statistiska verktyg för att observera produktionsprocessens prestanda i syfte att förutsäga betydande avvikelser som senare kan resultera i en förkastad produkt.

Två typer av variation förekommer i alla tillverkningsprocesser: båda dessa typer av processvariation orsakar senare variation i slutprodukten. Den första typen är känd som naturlig variation eller variation av gemensam orsak och består av den variation som är inneboende i processen så som den är utformad. Variation av vanlig orsak kan vara variationer i temperatur, råvarans egenskaper, styrkan hos en elektrisk ström osv. Den andra typen av variation kallas variation av särskild orsak, eller variation som kan hänföras till en viss orsak, och förekommer mindre ofta än den första. Med tillräcklig utredning kan man hitta en specifik orsak, t.ex. onormalt råmaterial eller felaktiga inställningsparametrar, för variationer av särskild orsak.

En förpackningslinje för frukostflingor kan till exempel vara utformad så att varje flingpaket fylls med 500 gram produkt, men vissa paket kommer att innehålla något mer än 500 gram och andra något mindre, i enlighet med en fördelning av nettovikten. Om produktionsprocessen, dess insatsvaror eller dess miljö förändras (t.ex. om de maskiner som utför tillverkningen börjar slitas) kan denna fördelning ändras. När dess kammar och remskivor slits kan till exempel spannmålsfyllningsmaskinen börja lägga mer spannmål i varje låda än vad som anges. Om denna förändring tillåts fortsätta okontrollerat kommer det att tillverkas allt fler produkter som ligger utanför tillverkarens eller konsumentens toleranser, vilket leder till avfall. Även om avfallet i det här fallet är i form av "gratis" produkter för konsumenten, består avfallet vanligtvis av omarbetning eller skrot.

Genom att i rätt tid observera vad som hände i processen som ledde till en förändring kan kvalitetsingenjören eller någon annan medlem av det team som ansvarar för produktionslinjen söka efter grundorsaken till den variation som har smugit sig in i processen och åtgärda problemet.

SPC anger när en åtgärd bör vidtas i en process, men också när INTE någon åtgärd bör vidtas. Ett exempel är en person som vill behålla en konstant kroppsvikt och som gör viktmätningar varje vecka. En person som inte förstår SPC-begreppen kan börja banta varje gång hans eller hennes vikt ökar, eller äta mer varje gång hans eller hennes vikt minskar. Denna typ av åtgärder kan vara skadliga och eventuellt generera ännu större variationer i kroppsvikten. SPC skulle ta hänsyn till normala viktvariationer och bättre visa när personen faktiskt går upp eller ner i vikt.

Grundläggande steg i SPC

Statistisk processtyrning kan i stort sett delas in i tre typer av aktiviteter: förståelse av processen, förståelse av orsakerna till variation och eliminering av källorna till variation av särskild orsak. De viktigaste verktygen inom SPC är styrkort, fokus på kontinuerlig förbättring och planerade experiment.

För att förstå en process kartläggs den vanligtvis och övervakas med hjälp av styrdiagram. Kontrolldiagram används för att identifiera variationer som kan bero på särskilda orsaker och för att användaren inte ska behöva oroa sig för variationer som beror på vanliga orsaker. Detta är en kontinuerlig, pågående verksamhet. När en process är stabil och inte utlöser någon av kontrolldiagrammens upptäcktsregler, kan en processkapacitetsanalys också utföras för att förutsäga den nuvarande processens förmåga att framställa en produkt som överensstämmer med specifikationen i framtiden.

När alltför stora variationer identifieras med hjälp av reglerna för upptäckt av kontrolldiagram eller när processkapaciteten konstateras vara bristfällig, görs ytterligare ansträngningar för att fastställa orsakerna till avvikelsen. De verktyg som används är bl.a. Ishikawa-diagram, designade experiment och Pareto-diagram. Utformade experiment är avgörande för denna fas av SPC, eftersom de är det enda sättet att objektivt kvantifiera den relativa betydelsen av de många potentiella orsakerna till variationen.

När orsakerna till variationen har kvantifierats, läggs det ner arbete på att eliminera de orsaker som är både statistiskt och praktiskt betydelsefulla (dvs. en orsak som endast har en liten men statistiskt betydelsefull effekt kanske inte anses vara kostnadseffektiv att åtgärda, men en orsak som inte är statistiskt betydelsefull kan aldrig anses vara praktiskt betydelsefull). I allmänhet omfattar detta utveckling av standardarbete, felskydd och utbildning. Ytterligare processförändringar kan krävas för att minska variationen eller anpassa processen till det önskade målet, särskilt om det finns ett problem med processkapaciteten.

SPC och programvarukvalitet

1989 introducerade Software Engineering Institute tanken att SPC kan tillämpas på processer som inte är tillverkningsrelaterade, t.ex. processer för programvaruteknik, i Capability Maturity Model (CMM). Denna idé finns i dag i nivå 4 och 5 i Capability Maturity Model Integration (CMMI). Uppfattningen att SPC är ett användbart verktyg när det tillämpas på icke-repetitiva, kunskapsintensiva processer, t.ex. ingenjörsprocesser, har dock mött stor skepsis och är fortfarande kontroversiell. Problemet ligger i många områden av programvara som inte är repetitiva, utan som i stället är engångsaspekter av kvalitet, snarare än att observeras för upprepade prestationer över en långsiktig synvinkel.

Relaterade sidor

• Kvalitetssäkring
• Kvalitetskontroll
• ANOVA
• Provtagning (statistik)
• Sex sigma