STATISTICAL METHODS IN QUALITY MANAGEMENT ŠTATISTICKÉ METÓDY V RIADENÍ KVALITY

Transcription

1 STATISTICAL METHODS IN QUALITY MANAGEMENT ŠTATISTICKÉ METÓDY V RIADENÍ KVALITY FARKAŠOVÁ Mária (SK) Slovak Universtiy of Agriculture in Nitra, Slovak Republic ABSTRACT Every organization should do steps to adapt to changes in business environment and to improve its processes continuously. It is a continuous process which depends on trends in market. This continuous improvement process must be managed as a system. Aim of this paper is to analyze methods of quality management which are applied in practice because of they are simple. KEY WORDS: statistical methods, quality management, variability, cause-and effect diagram ABSTRAKT Každá organizácia by mala urobiť kroky, aby sa prispôsobila zmenám v podnikateľskom prostredí a nepretržite k zlepšeniu svojich procesov. Jedná sa o kontinuálny proces, ktorý závisí od trendov trhu. Tento priebežný proces zlepšovania musí byť riadený ako systém. Cieľom tejto práce je analyzovať metódy riadenia kvality, ktoré sa uplatňujú v praxi z dôvodu svojej jednoduchosti. KĽÚČOVÉ SLOVÁ: štatistické metódy, riadenie kvality, variabilita, diagram príčin a dôsledkov ÚVOD V súčasnej dobe globálneho konkurenčného prostredia je pre všetky firmy, bez ohľadu na ich veľkosť, veľmi dôležité neustále posilňovať svoju konkurencieschopnosť. V dnešnej dobe zákazníci očakávajú stále viac, majú možnosť väčšej voľby a sú vo všeobecnosti menej lojálni. Ak nebudú naše produkty alebo služby spĺňať ich očakávania, odídu ku konkurencii. Z tohto dôvodu je potrebné priebežne analyzovať silné aj slabé stránky podniku, identifikovať oblasti, v ktorých je príležitosť na zlepšenie súčasnej podnikateľskej činnosti, a v neposlednom rade aj hlbšie spoznávať potreby a správanie už spomínaných zákazníkov. Pracovníci v manažérskych funkciách musia každodenne robiť najrôznejšie rozhodnutia. Je vhodné, aby tieto rozhodnutia boli podložené informáciami. V databázach, najmä väčších spoločností, býva uložené množstvo cenných údajov, ktoré v prípade efektívneho spracovania môžu vedeniu spoločnosti poskytnúť potrebné informácie, ako zvýšiť svoje šance v silnom konkurenčnom boji. A práve metódy štatistickej analýzy dát nám môžu v tomto smere výrazne pomôcť. Pokiaľ spracujeme dáta pomocou štatistických alebo dáta miningových metód, môžeme efektívne využiť ich skrytý potenciál a vyťažiť tak z dostupných údajov maximum. MATERIÁL A METÓDY Pri formulovaní výsledkov sme použili štatistické metódy s podporou výpočtovej techniky, ktoré sme realizovali v programe MS Excel. Na spracovanie príspevku boli použité informácie z dostupnej literatúry. 95

2 VÝSLEDKY A DISKUSIA Celá rada firemných systémov je zahltená množstvom dát, z ktorých sa relevantné informácie získavajú len veľmi ťažko. Základným predpokladom pre uplatnenie štatistických metód je existencia relevantných dát. Tie musia byť k dispozícii v rámci informačného systému (databázy). Databáza musí obsahovať, čo najviac nameraných alebo inak získaných údajov, ktoré súvisia s kvalitou. Tieto údaje môžu byť z ekonomiky, marketingu, technológií a ďalších oblastí aktivít výrobného subjektu. Takmer vždy sa pri aplikácii nástrojov riadenia kvality (najmä 7 starých nástrojov) vychádza z aplikácie tímovej spolupráce založené na metódach brainstormingu a brainwritingu. Nástroje riadenia kvality sú overené metódy, ktoré v praxi nachádzajú svoje uplatnenie. Veľmi dôležité a opodstatnené je grafické spracovanie jednotlivých nástrojov, ktoré umožňuje pohľad na problém z viacerých uhlov, hľadanie príčin vzniknutých problémov a mnohokrát nachádza i námety pre ich hodnotenie. Názorné grafické spracovanie je prehľadnejšie a zrozumiteľnejšie, čo má často za následok pochopenie problému a hľadanie väzieb medzi jednotlivými prvkami. Cyklus je jednoduchý: dôkladne analyzovať doterajší vývoj, navrhnúť opatrenia ďalšieho smerovania, konať a výsledok prehodnotiť. Štatistické metódy je možne rozdeliť podľa náročnosti kritérií do troch kategórií: jednoduché štatistické metódy, stredne náročné štatistické metódy a náročné štatistické metódy. Do prvej kategórie patrí sedem (starých) základných nástrojov riadenia kvality, ktoré sa pôvodne používali ako jednoduché postupy na riešenie problémov, ktoré sa postupne presadili ako pomocný prostriedok pri hľadaní príčin, nezhôd a chýb a pri ich odstraňovaní. Skupinu sedem (starých) základných nástrojov riadenia kvality tvoria jednoduché štatistické metódy a grafické metódy, ktoré majú nezastupiteľnú úlohu v rámci cyklu zlepšovania výkonnosti procesov a sú známe pod skratkou DMAIC. Jednotlivé písmená znamenajú (D) definovanie, (M) meranie, (A) analýza, (I) zlepšovanie, (C) kontrola (regulácia). Štatistické nástroje, ktoré má mať k dispozícii pracovník zodpovedný za kvalitu sú uvedené v rôznych normách. Okrem klasických metód, ako je popisná štatistika, analýza rozptylu (ANOVA), testovanie hypotéz, regresná analýza a analýza spoľahlivosti, patria sem ešte niektoré špeciálne štatistické metódy zamerané na potreby riadenia kvality. Sú to predovšetkým rôzne typy regulačných diagramov, analýza nespojitých premenných, analýza spôsobilosti, analýza bezporuchovosti, Paretova analýza a iné. Regulačné diagramy sa používajú ako preventívny prostriedok riadenia kvality. Sú používané pri takých procesoch, v ktorých je problematické odlíšenie kolísania hodnôt vybranej premennej pod vplyvom náhodných a systematických príčin, a pri ktorých sa predpokladá regulovaná úroveň príslušnej premennej. Prax oceňuje regulačné diagramy práve pre ich preventívny charakter. Zabezpečujú priebežné diagnostické údaje o variabilite procesov a umožňujú získať informácie o spôsobilosti sledovaných procesov. Pod zlepšovaním kvality vo všeobecnosti rozumieme činnosť zdokonaľovania technológie výroby, vlastností a funkcií výrobkov a služieb, vývoja dizajnu na základe prieskumu trhu, výberu dodávateľov, skvalitnenia a rozšírenia služieb zákazníkom, personálnej práce, vnútorných auditov a pod. Nie každá zmena dizajnu či funkcie je potrebná k zlepšeniu kvality. Kvantifikácia, vyhodnotenie a dokladovanie účinnosti takejto zmeny je často zložité. Úloha zlepšovania kvality je z hľadiska štatistických metód definovaná jednoducho a jednoznačne. Variabilitu výrobného procesu považujeme za mieru kvality. Je zrejmé, že snahy zlepšovania kvality produktu, procesov a operácií sa budú vo väčšej miere sústreďovať práve na popis variability. Ak je možné štatisticky významne preukázať pokles variability niektorej veličiny procesu (napr. F- testom alebo porovnaním intervalov spoľahlivosti), je to potvrdením zlepšenia kvality pre výrobcu. Za zlepšenie kvality možno považovať každý pokles variability určitej veličiny, ktorá má vplyv na výslednú kvalitu alebo priradenie časti variability určitej príčiny s následnou snahou túto príčinu vylúčiť. Z obrázka vyplýva, že 96

3 hoci výrobca B má vyššiu strednú hodnotu absolútnej kvality, určite nebude vyhľadávaným dodávateľom, lebo jeho odberateľ dopredu nevie, ktorý výrobok dostane. Obr. Rozdiel kvality vo variabilite Z hľadiska výrobcu B znamená produkcia s veľkou nekontrolovanou variabilitou takisto stratu, lebo neočakávane kvalitné výrobky mohol predať drahšie, pričom málo kvalitnými výrobkami prichádza o trh. Zo všeobecnosti prijímaného Taguchiho modelu hospodárskej straty v dôsledku nekvality (odchýlka skutočných hodnôt xi od očakávaných hodnôt T parametrov produktu) vyplýva, že táto strata L je všeobecne priamo úmerná štvorcu odchýlky procesu X od T, L = k( X T ) 2, kde k je konštanta úmernosti. Pokiaľ je stredná hodnota x procesu rovná T, je strata priamo úmerná základnej štatistickej veličine rozptylu podľa vzťahu: n 2 n ( ) ( ) ( ) ( ) X T x T + x T = x x L = k ~ i i. n - n i= Významným meradlom kvality môže byť strata L resp. smerodajná odchýlka je to veľmi presná miera znázorňujúca, ako sú jednotlivé hodnoty sústredené alebo rozptýlené okolo priemeru. Čím je hodnota štandardnej odchýlky nižšia, tým viac sú hodnoty sústredené okolo priemeru a čím je hodnota vyššia, tým viac sú hodnoty v súbore rozptýlenejšie. Vypočíta sa ako druhá odmocnina rozptylu: i= s = s 2 = n n ( x i x) i= 2. Smerodajná odchýlka sa využíva sa pri výpočte mier spôsobilosti a regulačných diagramov a tiež vo väčšine zložitých štatistických metód. Traja výrobcovia dodávajú na trh určité výrobky, ktoré majú požadovanú kvalitu (obr. 2). 97

4 Obr. 2 Zvyšovanie kvality poklesom variability Variabilita produkcie B a C je približne rovnaká, variabilita A je menšia: σ A < σ B = & σc. Výrobca A, ktorý štatistickou reguláciou udržuje malú variabilitu produkcie, môže si dovoliť vyrábať priemerne s nižšou kvalitou, teda lacnejšie, bez toho, aby sa jeho produkcia dostala pod prijateľnú hladinu kvality. Bude konkurovať výrobcovi B. Ak má jeho produkcia vyhovovať požiadavkám kvality, musí priemerne vyrábať kvalitnejšie, teda nákladnejšie. Výrobca B bude v porovnaní s výrobcom A stratový. Výrobca C vyrába na porovnateľnej úrovni s výrobcom A, jeho výroba nadobúda približne rovnaké náklady, ale vplyvom väčšej variability musí časť produkcie znehodnotiť, lebo nespĺňa požadovanú kvalitu. Odberateľ síce môže dostať vyhovujúce výrobky, avšak za vyššiu cenu, ktorá zahŕňa znehodnotenú produkciu a tým dodávateľ ostane postupne konkurenčne znevýhodnený. Jedným z dôležitých nástrojov hľadania možných zdrojov variability je tzv. diagram príčin a dôsledkov, Ishikawov diagram, ktorý sa používa na grafické zobrazenie príčinnej súvislosti medzi riešeným problémom a jeho príčinami. Pomocou grafického záznamu sa zobrazujú príčiny, ktoré ovplyvňujú výslednú skúmanú vlastnosť alebo problém. Je to známy diagram stromčekového tvaru (4-M diagram, "rybia kosť"), využívaný pre zobrazenie relácie medzi problémami (efektmi) a možnými príčinami ich vzniku. Hlavná os diagramu reprezentuje problém, vetvy stromčeka sú tvorené jednotlivými príčinami, ktoré zapríčiňujú problém. Ishikawov diagram je tiež nazývaný aj ako Fishbone. Ako nástroj pre konštrukciu Ishikawovho diagramu je vhodné používať brainstorming alebo brainwriting. Účinná konštrukcia tohto diagramu musí vychádzať z dôkladnej analýzy procesu a dlhodobej skúsenosti. Brainstorming je najčastejšie používaná metóda. Jej princípom je sústredenie maximálneho počtu nápadov a myšlienok ku konkrétnej téme, pričom kvalitné nápady sú ďalej rovnakým spôsobom rozvíjané do vyčerpania všetkých nápadov. Všetky nápady sú zaznamenané v diagrame. Pri konštrukcii Ishikawovho diagramu je potrebné dodržiavať základné pravidlá brainstormingu, hlavne zákaz akejkoľvek kritiky nápadov. Medzi ďalšie zásady patria čitateľné zápisy nápadov, najmä ich jasná a stručná formulácia. Posledným krokom je vyhodnotenie Ishikawovho diagramu, ktoré vedie k stanoveniu najväčšieho počtu pravdepodobných príčin, k určeniu najdôležitejších príčin a ich analýze. Pre vyhodnotenie najdôležitejších príčin posudzovaného následku je vhodné použiť Paretovu analýzu. Brainwriting je metóda týmovej spolupráce odvodená od metódy brainstorming. Pre zistenie problémových uzlov, v ktorých sa vyskytuje určitá miera variability, treba spoznať premenné, ktoré túto variabilitu spôsobujú, zistiť ich merateľné atribúty a získať reprezentatívne výsledky meraní. V diagrame by mali byť zakreslené hlavné, vedľajšie a elementárne vplyvy, ktoré sú v daných oblastiach pre kvalitu vznikajúceho produktu 98

5 rozhodujúce. Príčiny a dôsledky by mali byť merateľné. Diagram by sa mal pri používaní stále zdokonaľovať, teda jeho tvorba je iteračným procesom. Správne zostavený a vyhodnotený diagram má dôležitý vplyv pri získavaní kvantifikovateľných údajov. Ishikawov diagram sa používa najmä pri: - vzniku neplánovaných odchýlok od normovaných žiadaných charakteristík, - dlhodobom nesúlade skutočného priebehu procesu s normálnym priebehom, - plánovaní zdokonalenia procesu resp. jeho časti. Zaujímavé je, že Ishikawov diagram sa z hľadiska štatistickej analýzy používa k návrhu korelačných a regresných modelov. Jednoduchý lineárny regresný model (obrázok 3) v tvare: kvalita výrobku = e (oblasť príčin )+ f (oblasť príčin 2 ) + g (oblasť príčin 3) +... Obr. 3 Ishikawov diagram Na základe štatistickej významnosti parametrov e, f, g by bolo možné kvantitatívne plánovať zmenu kvality pomocou zmien jednotlivých oblastí príčin. Potom na základe významnosti regresných parametrov vieme určiť, v ktorých oblastiach máme zmenšiť variabilitu. Matematické metódy a nástroje majú v oblasti kvality nezastupiteľné miesto. Bez vyhodnocovania pomocou matematických nástrojov sa nezaobídeme ani v podnikovej praxi, ani v problematike kvality. Ani normy týkajúce sa kvality nemôžu bez matematiky existovať. ZHRNUTIE Výrobné spoločnosti sú nútené vďaka silnej konkurencii optimalizovať svoje výrobné procesy. Preto je potrebné venovať patričnú pozornosť nielen kontrole kvality výrobkov, ale tiež hlbšiemu poznaniu všetkých jednotlivých častí výrobných procesov. To možno opäť dosiahnuť pomocou dôsledného využívania dát a štatistickej analýzy. Ide o nástroj založený na aplikovanom riadení procesov, ktorý si kladie za cieľ odhaliť slabé miesta firemných procesov, odstrániť ich a urobiť úpravy, aby sa vzniku negatívnych javov predchádzalo. To všetko potom vedie k zlepšeniu kvality produktov i služieb, zníženiu nákladov, zvýšeniu produktivity a teda aj zvýšeniu zisku a podielu na trhu. Ide teda o komplexný podnikateľský proces, ktorý je využívaný na dosiahnutie maximálneho obchodného úspechu firmy. 99

6 LITERATÚRA. KAPSDORFEROVÁ, Z. Manažment kvality.. vyd. Nitra: Slovenská poľnohospodárska univerzita v Nitre, s. ISBN KUPKA, K. Statistické řízení jakosti. TriloByte Statistical Software. Pardubice ISBN X. 3. MATEIDES, A. Manažérstvo kvality. 8. vyd. Bratislava: Ing. Miroslav Mračko, s. ISBN NENADÁL,J.: Měření v systémech managementu jakosti. Druhé doplněné vydání. Praha. Management Press 2004, 335 s. ISBN KONTAKTNÁ ADRESA Mária Farkašová, RNDr., PhD., Slovenská poľnohospodárska univerzita, Trieda A. Hlinku 2, Nitra, Maria.Farkasova@uniag.sk 200