Zarządzanie jakością w logistyce

Zarządzanie jakością

dr inż. Anna Olszewska
a.olszewska@pb.edu.pl

Wykład 4

Instrumentarium zarządzania

- „Wielka Siódemka”

Metody a narzędzia

Zazwyczaj jako narzędzia rozumiane są prostsze techniki, o

oddziaływaniu ograniczonym w czasie.

Z kolei metody uważane są za bardziej złożone, wykorzystujące dane

pozyskane z różnych narzędzi i poparte naukowymi podstawami,
przebiegające zgodnie z określonym, powtarzalnym planem.

„Wielka siódemka”

Analiza

danych

Arkusz

kontrolny

Histogram

Karta

kontrolna

Diagram

Pareto

Schemat
blokowy

Diagram

Ishikawy

Diagram

rozproszenia

Zbieranie

danych

Schemat blokowy (karta przepływu)

Schemat blokowy, nazywany

także schematem przepływu
lub algorytmem,
wykorzystywany jest jako
jedna z technik analizy
danych. Pozwala on dokładnie
poznać przebieg procesu i
zauważyć jego słabe punkty.
Przedstawia on proces
w chronologiczny sposób,
opisując następujące po sobie
działania i podejmowane
podczas nich decyzje.

Schemat blokowy

Poprawnie wykonany algorytm
przepływu ułatwia dokładne poznanie
struktury procesu lub jego fragmentu.
Dlatego też przed jego wykonaniem
powinno się dokładnie określić zakres,
jakiego ma on dotyczyć oraz podać
wszystkie wejścia i wyjścia
komponentów oraz informacji. Każda
ścieżka wyróżniona w schemacie
powinna mieć zakończenie, zgodne z
ustalonym uprzednio zakresem.

Diagram Pareto

Diagram Pareto (ang. Pareto Chart). Jest to graficzne
przedstawienie względnego jak i bezwzględnego
rozkładu rodzajów błędów, problemów czy ich
przyczyn. Jej twórcą jest Vilfredo Pareto – włoski
socjolog, który zauważył, że „stosunkowo niewiele
przyczyn pociąga za sobą katastrofalnie wiele
niepowodzeń”. Jego konstrukcja opiera się na
prawidłowości, że 20-30% przyczyn generuje
zazwyczaj aż 70-80% skutków.

Diagram Pareto

•

Diagram Pareto jest to wykres
słupkowy przedstawiający rozkład
wartości błędów uporządkowany
malejąco według częstości
występowania.

•

Umieszczony wykres liniowy
obrazuje skumulowane częstości
występowania tych błędów.

•

Analiza wykresu uzmysławia, jakie
błędy występują najczęściej i które z
nich należy poddać dokładnej
analizie i korekcie, aby osiągnąć jak
najlepsze rezultaty.

Diagram Ishikawy

Wykres przyczynowo-skutkowy Ishikawy (ang.
Cause-and-Effect Diagram, Fishbone Diagram)
mazywany jest on także „diagramem ości rybiej” ze
względu na kształt, jaki przyjmuje. Jego koncepcja
została opracowana w 1943 przez Kaoru Ishikawę,
jako narzędzie wspomagające działania
kierownictwa w rozwiązywaniu problemów

Diagram Ishikawy

Najczęściej diagram ten realizowany jest z wykorzystaniem metody nazwanej „burza
mózgów”. Realizacja ta przebiega w kilku etapach: pierwszy to określenie przyczyn
głównych, drugi – wyznaczenie czynników drugorzędnych, zaś trzeci i ostatni to
znalezienie czynnika krytycznego.

Wyznaczanie przyczyn głównych opiera się na metodzie 6-M, zgodnie z którą czynniki
oddziałujące na wynik procesu dzielone są na sześć grup związanych z:
•

człowiekiem (ang. Man),

•

maszyną (ang. Machine),

•

metodą (ang. Method),

•

materiałem (ang. Material),

•

zarządzaniem (ang. Management),

•

pomiarem (ang. Measurement).

Diagram Ishikawy

Czynniki związane z:
1. człowiekiem to błędy, jakie on popełnia, np. nieuwaga, zmęczenie, pośpiech,

niedouczenie;

2. maszyną to niedoskonałości wynikające z niewłaściwego wyposażenia

technicznego takie jak przestarzały sprzęt, jego uszkodzenie oraz pewne braki w
oprzyrządowaniu;

3. materiałem dotyczy zarówno wad użytych surowców, jak i materiałów oraz

niewłaściwy ich wybór, np. może to być materiał o zbyt dużej twardości,
nieodpowiednim wymiarze;

4. niedoskonałościami wynikającymi ze stosowanych w procesie produkcyjnym

metod np. nieprzestrzeganie instrukcji, błędna ich konstrukcja;

5. zarządzaniem, np. niewłaściwie skonstruowana struktura organizacyjna, brak

dostępu do określonych zasobów, zmianowości, niewłaściwe warunki pracy czy
organizacja stanowiska pracy;

6. błędami pomiarów dotyczą takich zagadnień jak ograniczenia wynikające z

kontrolowanego zakresu, błędy urządzeń pomiarowych, czy niedopasowanie ich
do wykonywanych pomiarów (czynnik ten jest czasem pomijany, wówczas
postępowanie to nazywane jest układem 5-M).

Diagram Ishikawy

Czynniki główne często powiększane
są o czynniki środowiskowe
(ang. Environment). Są to wszystkie
elementy wpływające na wynik
procesu związane ze środowiskiem
pracy, takie jak na przykład
oświetlenie czy temperatura. Układ
wszystkich czynników nosi nazwę
6M+E.

Diagram Ishikawy

Etapy konstrukcji diagramu:
1. Ustalany jest cel główny planowanych działań zobrazowany przez oś główną.
2. Definiowane są indywidualnie dla każdej sytuacji i zapisywane na osiach

dochodzących do osi głównej diagramu czynniki główne

3. Przypisywane są do każdego czynnika głównego przez grupę ekspertów

szczegółowe czynniki.

4. Wybór czynnika krytycznego, który w największym stopniu oddziałuje negatywnie

na proces, uniemożliwiając osiągnięcie celu. Jest to najdłuższy z etapów, gdyż
podczas niego są planowane i przeprowadzane eksperymenty umożliwiające
potwierdzenie lub zaprzeczenie istotności danego czynnika. Oprócz metod
eksperymentalnych, czy opinii ekspertów, wykorzystywane są tu inne narzędzia
analizy takie jak np. diagram Pareto.

Metoda

(Method)

Pomiar

(Measurement)

Zarządzanie

(Management)

Maszyna

(Machine)

Człowiek

(Man)

Materiał

(Material)

Wynik

procesu

Czynnik1

Czynnik2

Czynnik3

Czynnik4

Czynnik5

Czynnik6

Czynnik7

Czynnik8

Czynnik9

Czynnik10

Czynnik11

Czynnik12

Czynnik13

Czynnik14

Czynnik15

Czynnik16

Czynnik17

Czynnik18

Czynnik19

Histogram

Histogram jest to wykres słupkowy, w którym wysokość słupka reprezentuje
częstość, z jaką pojawiły się wyniki obserwacji należące do klasy
reprezentowanej przez słupek.

Przykładowy histogram i jego interpretacja

Histogram

100

105

110

115

120

125

130

135

140

Dwa „wierzchołki”:

• połączenie dwóch różnych
zbiorowości

„Dziura”

w histogramie:

• błąd przyrządu

pomiarowego

• nieprawidłowy odczyt

Histogram

100

105

110

115

120

125

130

Przykładowy histogram i jego interpretacja

Histogram obcięty:

• przeprowadzono selekcję

wstępną

Histogram

-5

Przykładowy histogram i jego interpretacja

Wykres zmienności

Wykres zmienności, nazywany też
wykresem korelacji czy rozproszenia
(ang. Scatter Plot) wykorzystywany jest
nie tylko w sterowaniu jakością ale także
w wielu innych dziedzinach, takich jak:
statystyczna analiza danych,
prognozowanie, ekonometria. Jest on
graficzną ilustracją zależności
zachodzących pomiędzy dwiema
zmiennymi. Z wykresu zmienności
można odczytać, czy istnieje taka
zależność, czy też nie.

Kowariancja i korelacja

W przypadku, gdy zmienna zależna jest prostoliniowo skorelowana ze zmienną
niezależną, do pomiaru siły tej zależności może być użyta kowariancja. Jest to średnia
arytmetyczna iloczynu odchyleń wartości zmiennych od ich średnich arytmetycznych. Dla
szeregu szczegółowego wyznaczana jest następująco:









)

)(

(

cov

Ze względu na brak możliwości porównania kilku kowariancji (jest ona wielkością
mianowaną), znacznie dogodniejsze jest skorzystanie z innego miernika – współczynnika
korelacji.
Współczynnikiem korelacji liniowej Pearsona zmiennych X i Y jest charakterystyka, która
wyznaczana jest przez podzielenie kowariancji przez iloczyn brzegowych odchyleń
standardowych zmiennych X i Y (przy czym ma on sens, gdy odchylenia te są większe od 0):

cov



Korelacja

Wskaźnik korelacji liniowej Pearsona:



informuje o sile oraz kierunku zależności prostoliniowej między zmiennymi;



jest to miara symetryczna;



przyjmuje wartości z przedziału [-1;1].

Kierunki zależności:



= 0 świadczy o braku korelacji liniowej między badanymi cechami (możliwe, że

istnieje między nimi korelacja krzywoliniowa!),



> 0 informuje nas, że mamy do czynienia z korelacją dodatnią (wraz ze

wzrostem wartości jednej cechy wzrasta średnia warunkowa drugiej),



< 0 korelacja jest ujemna (wzrostowi wartości jednej cechy towarzyszy spadek

średniej warunkowej drugiej).



przy r

= 1 lub -1 mamy liniową zależność funkcyjną.

W analizach statystycznych zwykle przyjmuje się, że jeżeli



wynosi: :

 mniej niż 0,2 – praktycznie brak związku liniowego między badanymi cechami, ale

może występować korelacja krzywoliniowa;

 [0,2-0,4) – zależność liniowa wyraźna, lecz niska;
 [0,4-0,7) – zależność umiarkowana;
 [0,7-0,9) – zależność znacząca;
 [0,9-1] – zależność bardzo silna.

Korelacja

r = 0,8

r = – 0,6

Zależność korelacyjna

r = –1

r = 1

Zależność funkcyjna

Arkusze kontrolne

Arkusze kontrolne ułatwiają zbieranie i
porządkowanie danych dotyczących
analizowanego procesu. Obecnie istnieje
wiele typów arkuszy kontrolnych:
1. stosowany jest na etapie pozyskiwania

danych i kontroli poprawności działania
– porównuje się w nim rezultaty z
planem oraz określa się i analizuje
przyczyny każdej rozbieżności;

2. pewnego rodzaju wizualizacja wyrobu

poddawanego analizie – arkusz ten
ułatwia zapis wystąpień błędów czy
uszkodzeń w różnych miejscach
produktu, jak też wskazuje punkty czy
obszary produktu lub maszyny gdzie
występuje większa awaryjność;

Arkusze kontrolne

3. lista pytań kontrolnych, które należy

kolejno uzupełnić, wykonując przy tym
określone czynności, tak by następowały
one w podanej kolejności. Arkusz taki
zaprojektowany jest tak, aby pracownik
musiał udokumentować wykonanie
poszczególnych operacji.