Karta kontrolna jest narzędziem, które w sposób ciągły (na zasadzie online) pozwala oceniać, czy proces przebiega w warunkach stabilnych (tzn. czy nie jest zakłócany czynnikami zewnętrznymi, które należy zidentyfikować i dla dobra procesu usunąć). Ze statystycznego punktu widzenia karta ta jest serią prowadzonych testów statystycznych badających istotność różnicy średniej z próbki i średniej procesu.

Karty takie są bardzo dobrym sposobem na zapewnienie ciągłej kontroli procesu i są coraz częściej wymagane przez klientów jako zapis potwierdzający odpowiednią jakość kupowanych przez nich wyrobów. W przypadku procesów produkcyjnych są narzędziem w rękach operatorów, pozwalającym im na właściwe sterowanie obsługiwanymi przez nich procesami.

Dobre programy pozwalają nie tylko na wykreślanie kart kontrolnych, ale wspomagają także identyfikowanie pojawiających się w procesie zakłóceń, takich jak trendy. Co więcej, aplikacje mogą być zaprogramowane tak, aby w przypadku nieprawidłowego zachowania się procesu wymusić na operatorze podanie przyczyny problemu oraz podjętych przez niego działań. Mogą poza tym w przypadkach alarmowych uruchamiać oddzielnie stworzone aplikacje, które np. wysyłają informacje do osób odpowiedzialnych za proces (np. poprzez SMS) lub zatrzymują proces.

Zgodność z wymaganiami

Ocenę jakości wyrobów z wykorzystaniem metod statystycznych można prowadzić na dwa sposoby. Pierwszy to stosunkowo często spotykana w polskich przedsiębiorstwach statystyczna kontrola odbiorcza. Na popularności zyskuje jednak również obliczanie wskaźników zdolności procesów.

Statystyczna kontrola jakości w podstawowej wersji nie wymaga wspomagania komputerowego. Jest wyczerpująco opisana m.in. w Polskich Normach, w których podano tabele pozwalające wyznaczyć odpowiednią wielkość próbki oraz podjąć decyzję dotyczącą przyjęcia lub odrzucenia kontrolowanej partii wyrobów.

Zdecydowanie więcej pracy wymaga obliczanie wskaźników zdolności. Pokazują one, na ile rozrzut badanego procesu (mierzonych wyrobów) mieści się w zadanych przez klienta lub technologów specyfikacjach. Wskaźniki są różne, ale dla większości z nich podstawą jest stosunek pola tolerancji (licznik wzoru) do rozrzutu procesu (mianownik). Rozrzut ten jest zwykle określany przez 6 sigma, czyli sześć odchyleń standardowych obliczonych z zebranych danych. Schematycznie ocenę zdolności procesów można przedstawić przy użyciu histogramu naniesionego na tle założonych granic tolerancji. Na rysunku 2. widać, że po pierwsze, średnia procesu jest przesunięta względem założonej wartości nominalnej, a po drugie, rozrzut procesu jest szerszy od przyjętych granic tolerancji (Td i Tg).

W przypadku oceny zdolności procesów trzeba sprawdzić wiele założeń, które powinny spełniać zebrane dane. W ogólnym przypadku wyniki muszą pochodzić z procesu uregulowanego statystycznie i być zgodne z rozkładem normalnym. Sprawdzanie takich założeń bez użycia komputera może być nieco pracochłonne, choć - co należy wyraźnie zaznaczyć - nie niemożliwe do zrealizowania.

Dostępne w wielu programach testy (np. w Shapiro-Wilka czy Kołmogorowa-Smirnowa) lub prosta metoda graficzna pozwalają łatwo podjąć decyzję o normalności rozkładu. Wykorzystane przy analizie danych karty kontrolne umożliwiają z kolei ocenę stabilności badanego procesu. Co w przypadku, gdy podane założenia nie są spełnione? Wtedy sprawa się komplikuje, gdyż nie można stosować standardowych wzorów i zazwyczaj wychodzić należy od skośności, kurtozy oraz percentyli rozkładu, co bez wykorzystania komputera w praktyce zarządzania procesem produkcyjnym jest już właściwie niewykonalne (głównie z uwagi na czas potrzebny na obliczenia).

Badanie niewiadomego

Planowanie eksperymentów (Design of Experiments - DOE) jest metodą lub raczej grupą metod statystycznych, które stosuje się w celu uzyskania jak największej ilości informacji o badanym procesie na podstawie jak najmniejszej liczby przeprowadzonych eksperymentów. DOE zostało stworzone w latach dwudziestych XX w. Z technicznego punktu widzenia owocem DOE jest matematyczny model opisujący zależności pomiędzy wielkościami wejściowymi procesu (ustawieniem maszyny, rodzajem surowca, itp.) a wielkościami wyjściowymi (którymi zazwyczaj są określone parametry wyrobu) i jego statystyczna weryfikacja.

Planowanie eksperymentów zostało rozwinięte głównie przez dwóch naukowców: Genichi Taguchiego oraz Doriana Shainina. Stworzyli oni dwa różniące się między sobą podejścia, które zmierzają jednak do wspólnych celów. Wśród nich najważniejsze (zestawienie za opracowaniami Adama Hamrola i Władysława Mantury Zarządzanie jakością. Teoria i praktyka wydanej przez Wydawnictwo Naukowe PWN w 1998 r. oraz książką R. Coulcott Statistics in Research and Development, której drugie wydanie opublikował Chapman and Hall w 1991 r.) to:

• znalezienie czynników sterowalnych (parametrów procesu, którymi można sterować), najsilniej oddziałujących na jakość procesu lub wyrobu;

• znalezienie czynników sterowalnych, które pozwalają skuteczniej ograniczać zmienność poziomu jakości;

• określenie optymalnego ustawienia czynników sterowalnych, przy którym uzyskuje się wymaganą jakość i maksymalną odporność wyrobu lub procesu na działanie zakłóceń;

• znalezienie czynników, które mają minimalny (pomijalny) wpływ na jakość procesu lub wyrobu i ustalenie ich na poziomie wynikającym z kryteriów ekonomicznych (można tutaj "rozluźnić" granice tolerancji);

• ustalenie takiego ustawienia czynników, które będzie redukować koszty bez niekorzystnego wpływu na jakość.