Освоение Six Sigma: ключевые принципы и основные инструменты

Добро пожаловать в третью часть нашей серии о Lean и Six Sigma. Как мы видели в первом посте «Что такое методологии Lean и Six Sigma?», Lean и Six Sigma — дополнительные методологии непрерывного улучшения, снижающие общие потери и вариативность в производственных процессах соответственно. Второй пост «Принципы и инструменты Lean» углубился в ключевые принципы, инструменты и методологии Lean. Здесь мы завершаем серию высокоуровневым обсуждением Six Sigma. В наборе инструментов Six Sigma много инструментов (FMEA, IPO-диаграмма, доверительные интервалы, гистограммы, диаграммы Парето, F-тесты, Design for Six Sigma (DFSS) и многое другое), которые здесь не рассматриваются. Фокус — на статистических реалиях, делающих Six Sigma эффективным.

Six Sigma целится в выявление и устранение корневых причин дефектов и потерь с использованием статистических инструментов для идентификации вариаций, вызывающих дефекты. В методологии Six Sigma единственный способ эффективно решить проблему — постоянно устранить её корневую причину.

Это стратегия, основанная на измерениях, фокусирующаяся на улучшении процесса с целью достижения не более 3,4 дефектов на миллион возможностей. Дефект Six Sigma — всё, что выходит за спецификации клиента. Возможность дефекта Six Sigma — общее количество шансов для возникновения дефекта.

Доктрина Six Sigma

Six Sigma основана на трех ключевых идеях, составляющих Доктрину Six Sigma:

1. Непрерывные усилия для достижения стабильных и предсказуемых результатов процесса (т.е. снижение вариации процесса) жизненно важны для бизнес-успеха.
2. Производственные и бизнес-процессы имеют характеристики, которые можно измерить, проанализировать, контролировать и улучшить.
3. Достижение устойчивого улучшения качества требует приверженности всей организации, особенно топ-менеджмента.

Методология Six Sigma: процесс DMAIC

DMAIC — методология решения проблем Six Sigma, основанная на данных. Пятифазный процесс описывается каждой буквой акронима:

• Define (Определить) — Описать проблему, цели проекта, области улучшения или требования клиента.
• Measure (Измерить) — Измерить производительность процесса.
• Analyze (Анализировать) — Анализировать и выявлять возможные корневые причины дефектов и вариаций.
• Improve (Улучшить) — Улучшить операции путем устранения корневых причин.
• Control (Контролировать) — Контроль качества процесса улучшения.

Разберем фазы подробнее:

Define (Определить)

После описания проблемы, цели или области улучшения критично попытаться идентифицировать различные входные и выходные переменные, связанные с поведением процесса. Часто выходные переменные — те, что выходят за спецификации. Важно определить, какие входные переменные могут вызывать вариацию с выходными переменными.

Measure (Измерить)

После идентификации входных переменных, вызывающих выходное поведение, можно разработать план измерений, дающий достаточно данных для начала анализа. Эта фаза — сбор данных по ключевым входным и выходным переменным. Также здесь разрабатываются базовые линии производительности для измерения улучшений позже. Правило: минимум 30 наблюдений для представления поведения процесса.

Analyze (Анализировать)

После сбора данных они анализируются для определения наиболее вероятных 3-5 потенциальных корневых причин. Достигается путем продолжения сбора данных и обзора для понимания вклада каждой потенциальной корневой причины с использованием статистических инструментов, графиков и диаграмм. Процесс DMAIC итеративен и повторяется до выявления всех валидных корневых причин.

Improve (Улучшить)

На основе валидных корневых причин, выявленных в фазе Analyze, процесс корректируется до устранения избыточной вариации. Фазы Measure и Analyze повторяются до достижения желаемого результата.

Control (Контролировать)

Когда желаемый результат достигнут, улучшения институционализируются, чтобы источник избыточной вариации был устранен. Этот шаг должен сопровождаться планом контроля для обеспечения того, что выходы продолжают быть на приемлемом уровне качества. План контроля включает внедрение Статистического контроля процесса (SPC) для мониторинга процесса и обеспечения его правильной работы во времени. План контроля также должен включать контрмеры при возникновении проблемы.

Резюме: DMAIC — методология решения проблем, помогающая практику подойти к проблеме с избыточной вариацией и систематически решить её.

Статистический контроль процесса (SPC)

Статистический контроль процесса — инструмент, измеряющий, соответствует ли процесс стандартам продукта или процесса. Если процесс способен и стабилен во времени, результаты, для которых он был спроектирован, будут достигнуты.

Используем пример для понимания этих важных концепций. Подумайте о выпечке маффинов.

Способность процесса и вариация

Процесс трансформирует входы в выходы. В данном случае ингредиенты — входы. Известно, что духовка должна достичь заданной температуры на конкретное время с тестом внутри для идеальных маффинов.

Предположим, духовка работает правильно. Она способна производить то, что мы хотим — теплые маффины, выпеченные точно и идеально. Гарантирует ли факт правильной работы духовки, что выпечка получится правильной?

Конечно нет.

Что если духовка работает правильно, но маффин-голодные, тревожные дети постоянно открывают дверцу, чтобы проверить, готовы ли маффины? Маффины получатся только наполовину выпеченными, когда зазвонит таймер. Это пример специальной причины вариации — мы не получаем желаемый результат, потому что процесс вышел из-под контроля. Процесс способен, он даст нам желаемое, когда применяется правильно, но он не в контроле.

Если мы обеспечим оптимальную работу духовки — при правильной температуре и с закрытой дверцей на предписанное время — процесс вернется в контроль. Теперь у нас процесс, который и способен, и в контроле, и мы можем разумно ожидать идеальную дюжину маффинов.

Если все специальные причины вариации устранены, процесс считается в контроле, и все испытываемые вариации — вариации, присущие самому процессу. К ним относятся небольшие вариации в измеренных ингредиентах и легкие вариации температуры духовки. Но процесс достаточно надежен, чтобы производить желаемый результат даже с этими источниками (присущими) вариаций.

Резюме: Способность процесса (Process Capability) — мера того, насколько процесс способен производить желаемый результат — т.е. может сказать, какой процент дефектов процесс будет производить изначально, если он в контроле. Желаемый результат: дюжина идеально выпеченных маффинов.

Стандартное отклонение

Теперь, когда вы знаете, как печь идеальный маффин, введем Стандартное отклонение.

Стандартное отклонение (σ) — мера вариации и число для расчета Способности процесса. Рассчитывается как квадратный корень из дисперсии.

Д-р Уильям Шюарт, отец Качества, начал разрабатывать карты управления в начале 1920-х. Он понял, что если ключевые выходные переменные процесса измеряются, и они создают распределение, график которого выглядит как колоколообразная кривая выше, то отображаемая вариация случайна и, следовательно, присуща процессу.

Иными словами, процесс ведет себя или работает так, как был спроектирован. Если данные не случайны, должна быть логика объяснять это поведение. Это и есть специальная причина вариации.

Тогда есть Эмпирическое правило. Оно говорит, что для Случайного Распределения:

• 68% наблюдений будет в пределах плюс/минус 1 Стандартного отклонения
• 95% наблюдений будет в пределах плюс/минус 2 Стандартных отклонений
• 99,7% наблюдений будет в пределах плюс/минус 3 Стандартных отклонений

Шюарт также спроектировал карты управления (см. ниже), включающие контрольные пределы. Контрольные пределы обычно на расстоянии плюс/минус три Стандартных отклонения от среднего. И мы знаем, что если точки данных в пределах контрольных пределов, то уровень качества как минимум 99,7% хорош.

Статистический контроль процесса использует это знание в своих интересах. Два графика (ран-чарты) мониторятся путем ввода данных и наблюдения за тем, где точки данных находятся относительно среднего (average) и контрольных пределов. Пока точки попадают в контрольные пределы, процесс считается в контроле. Для примера с маффинами, ран-чарт температуры духовки покажет специальную причину вариации температуры из-за частого открывания дверцы как выходящую за нормальный диапазон — нормальный диапазон вариации от случайной температурной вариации при включении/выключении источника тепла в духовке.

Обратите внимание: никакого внимания не уделяется спецификациям или предельным спецификациям (толерансам). Процесс в контроле производит то, для чего был спроектирован (не обязательно намеренно). Таким образом, он может фактически производить плохие выходы.

Индекс способности процесса и контролы

В Six Sigma Индекс способности процесса (Cpk) — статистический инструмент для измерения способности процесса производить продукты в пределах толерансного диапазона клиента. Чем выше Cpk, тем уже распределение процесса по сравнению с толерансным диапазоном, и тем более равномерен выход.

Cpk рассчитывается формулой, где UCL — верхний контрольный предел, LCL — нижний контрольный предел:

Cpk = min(UCL - μ, μ - LCL) / (3σ)

Чем выше Cpk, тем лучше (ближе к 2.0 — отлично), где Cpk 1.33 по сути указывает наименьшее значение для процесса в контроле, соответствующего спецификации.

Теперь мы знаем: если процесс способен и в контроле, он, по определению, произведет результат, для которого был спроектирован. Обсудили, как измерять Контроль процесса с SPC и важность удержания процесса в контроле.

Пределы спецификаций относятся к толерансам процесса. Например, винт может быть размером 3 дюйма (3") в диаметре. Но как приспособить присущую процессу вариацию для производства шпильки? Мы делаем это, предоставляя толерансы. Определено, что винт 3", плюс/минус три тысячных дюйма (.003 дюйма) в диаметре — достаточно хорошо. Все винты в этом диапазоне диаметров будут успешно работать для своего применения.

По данным NIST (Национальный институт стандартов и технологий):

«Способность процесса сравнивает выход in-control процесса с предельными спецификациями, используя индексы способности. Сравнение делается путем формирования отношения разброса между спецификациями процесса (ширина спецификаций) к разбросу значений процесса, измеренному 6 единицами стандартного отклонения процесса (ширина процесса).»

Индекс способности процесса используется для определения того, насколько выход близок к существующей цели и насколько консистентна средняя производительность. Поэтому он может использоваться для прогнозирования будущих выходных результатов и консистентности.

Индекс способности процесса и стандартное отклонение

Для наших целей все, что нужно знать — мы можем определить способность процесса производить хорошие детали. Это то же самое, что ответить на:

• Какой процент выхода будет соответствовать спецификациям клиента?*
• Сколько винтов будет больше 3 дюймов плюс три тысячных в диаметре (3.003 дюйма)?
• Сколько винтов будет меньше 3 дюймов минус три тысячных в диаметре (2.997 дюймов)?

Вы можете помнить, что:

Три Стандартных отклонения меры вариации означают уровень качества 99,7% хорошей работы. Это эквивалент мере Способности процесса равной единице.

Литература в целом согласна:

Нам нужен показатель Способности процесса (Cp и Cpk) минимум 1.33.

Это позволяет так называемый сдвиг и дрейф (shift and drift), где нормальная вариация процесса вызывает некоторые дефекты, которых не было бы без вариации.

Но вариация всегда будет. Ключ — поддерживать хороший контроль процесса для избегания дефектов.

Снова, по NIST:

«Индекс способности процесса использует и вариабельность процесса, и спецификации процесса для определения того, является ли процесс "способным".»

Сдвиг и дрейф (Shift & Drift)

Главная проблема в поддержании хорошего контроля процесса — со временем любой процесс будет сдвигаться и дрейфовать, как бы туго ни были начальные настройки. Когда это происходит, ключевой момент: по мере движения среднего процесса движется весь диапазон переменной, пока пределы спецификаций остаются стационарными.

Если процесс выходит за пределы спецификаций, процесс будет производить дефектную продукцию. Вы хотите поддерживать уровни индекса 1.00 или лучше. Это достигается хорошим центрированием среднего процесса и минимизацией вариабельности.

Резюме: Используя Six Sigma, возможно понять, способен ли процесс, и измерить Контроль процесса и Способность процесса. Пока "in control" процесс способен производить желаемый результат (Cpk минимум 1.33), он должен выполняться правильно, пока он в контроле. Для большей информации о Six Sigma или Lean посетите www.cmtc.com и выберите опцию "Services".

Кто мы в CMTC

CMTC предлагает техническую помощь, развитие рабочей силы и консалтинговые услуги малым и средним производителям (SMM) по Калифорнии для помощи SMM в увеличении продуктивности и глобальной конкурентоспособности.

Для большей информации о CMTC посетите наш сайт www.cmtc.com или свяжитесь с нами по 310-263-3060.