Spis treści

Statystyczne narzędzia kontroli i poprawy jakości

363

Agnieszka Majka, Dorota Jankowska

Uniwersytet Rzeszowski, Wydział Ekonomii, Zakład Statystyki i Ekonometrii

STATYSTYCZNE NARZĘDZIA KONTROLI

I POPRAWY JAKOŚCI

1. Wprowadzenie

Pierwsze przykłady stosowania kontroli jakości datuje się na okres średniowie-

cza, kiedy to w Londynie ustanowiono Mennicę Królewską. Mennica działa nie-
przerwanie aż do czasów obecnych, produkując złote i srebrne monety (w później-
szych okresach również monety z tańszych metali). Za czasów panowania Henryka
II (1154–1189) zapoczątkowano tradycję tajemniczej ceremonii zwanej Trial of the
Pyx. Pyx jest staroangielskim słowem oznaczającym „skrzynię”, a ceremonia pole-
gała na sprawdzaniu przez komisję zawartości skrzyni, która zawierała zbierane w
ciągu trzech, czterech lat, wybierane losowo każdego dnia pojedyncze monety bite
przez mennicę. Trial of the Pyx był klasycznym i prawdopodobnie pierwszym zano-
towanym przykładem testu statystycznego średniej wartości w populacji. Trial of
the Pyx jest także jednym z pierwszych przykładów kontroli jakości.

Współczesna teoria kontroli jakości narodziła się w Japonii. Po zakończeniu

II wojny światowej kraj ten stanął przed koniecznością odbudowy zniszczonego
wojną przemysłu. Zatrudniono wówczas amerykańskiego konsultanta do spraw
statystyki. Człowiekiem tym był niezbyt znany w tamtych czasach statystyk
rządowy W. Edward Deming. Nikt w Ameryce nie zwracał zbyt wielkiej uwagi
na teorie Deminga (będące rozwinięciem pomysłu Waltera Shewarta) dotyczące
zastosowania statystyki do kontroli i poprawy jakości produkcji przemysłowej.
Japończycy wysłuchali tych teorii uważnie i w ciągu kilku lat odnieśli najwięk-
szy sukces przemysłowy na świecie. W pierwszej dekadzie XXI w., napis „Made
in Japan” jest gwarancją najwyższej jakości

Najbardziej znani propagatorzy stosowania metod statystycznych w zarzą-

dzaniu jakością – Shewart i Deming w wydanej w 1939 roku książce Statsical
Methods from the Viewpoint of Quality Control napisali: „Długozakresowe zna-
czenie metod statystycznych wcale nie polega na zatrudnianiu wysoko kwalifi-
kowanych statystyków w przemyśle, bo to wcale nie jest najlepsze droga. Cho-

A.D. Aczel, Statystyka w zarządzaniu, PWN, Warszawa 2006, s. 670.

AGNIESZKA MAJKA, DOROTA JANKOWSKA

364

dzi o zmianę nastawienia i o kreowanie statystycznego myślenia wśród fizyków,
chemików i inżynierów, którzy i tak będą nadal mieli w swoich rękach problemy
rozwoju i wyznaczania kierunków procesów produkcyjnych dnia jutrzejszego”.
Słowa te są aktualne także w XXI wieku.

2. Metody statystyczne w zarządzaniu jakością

Metody statystyczne mogą pomóc w zrozumieniu zmienności, która wystę-

puje na różnych etapach całego cyklu życia wyrobu, od badania rynku poprzez
produkcję, sprzedaż i obsługę klienta. Zmienność tę można zaobserwować
w przebiegu i wynikach wielu działań, nawet w warunkach pozornej stabilności.
Metody statystyczne są także przydatne w mierzeniu, opisaniu, analizie i inter-
pretowaniu tej zmienności. Dzięki metodom statystycznym można zrozumieć
charakter, zakres i przyczyny zmienności, rozwiązać problemy oraz poprawić
skuteczność i efektywność. Ułatwiają one także lepsze wykorzystanie dostęp-
nych danych do podejmowania decyzji. Metody statystyczne mogą być stoso-
wane m.in. w takich działaniach jak:
–

analizy marketingowe,

– projektowanie wyrobu,
– analiza zdolności jakościowej dostawców,
– określenie wymagań niezawodnościowych i prognozowania trwałości,
– sterowanie procesami i badanie ich zdolności,
– określenie poziomów jakości (plany badań),
– analiza danych (ocena wykonania) analizy braków (wad)

3. Charakterystyka statystycznych narzędzi kontroli i poprawy jakości

Aby stosować metody statystyczne, należy poznać siedem podstawowych na-

rzędzi zarządzania jakością, które stanowią bazę skutecznej diagnostyki i analizy
występujących problemów

. Dzięki tym narzędziom uzyskuje się kompleksowy

obraz przyczyn potencjalnych wad oraz możliwość określenia priorytetów działań
i podejmowania decyzji na podstawie faktów. Do narzędzi tych należą:
1. schemat blokowy – używany do prezentacji związków między elementami skła-

dowymi systemu zarządzania jakością lub do przedstawienia procesów, ciągów
technologicznych i organizacyjnych (obieg dokumentów) w przedsiębiorstwie,

R.I. Zalewski, Zarządzanie jakością w zakładach przetwórstwa rolno-spożywczego, TNOiK

Toruń 1998, s. 71.

J.S. Oakland, R.F. Followell, Statistical Process Control, Hineman, Newnes-Oxford-

Londyn 1990, s. 56.

Statystyczne narzędzia kontroli i poprawy jakości

365

2. histogram – wykres słupkowy służący do graficznej prezentacji zebranych

danych o przebiegu procesu. Umożliwia podejmowanie decyzji odnośnie do
tego, na czym należy się skupić w działaniach,

3. diagramy Pareto-Lorenza – wykres słupkowy różnych problemów produkcji

i częstości ich występowania. Analiza diagramu Pareto umożliwia porządkowa-
nie wszelkiego rodzaju danych o liczbie usterek, kosztach, przyczynach absencji
w pracy, powodach reklamacji itp. pod względem ich priorytetu i ważności,

4. wykres przyczynowo-skutkowy Ishikawy (zwany także diagramem rybiej

ości) – jest często używany w połączeniu z sesjami tzw. burzy mózgów.
Umożliwia zestawienie możliwych przyczyn wyjaśniających skutek. Wykres
ten ma postać schematu rybiej ości, gdzie głowa (oś główna) oznacza cel, jaki
zamierza się osiągnąć, a przyczyny, które przeszkadzają bądź pomagają go
osiągnąć są pogrupowane według kategorii, zgodnie z zasadą 5M + E: Czło-
wiek (Man), maszyna (Machine), materiał (Material), stosowana metoda
(Method), kierownictwo (Management), otoczenie (Environment),

5. diagramy korelacji – są one graficzną ilustracją związku zachodzącego mię-

dzy dwiema zmiennymi. Stosuje się je w przypadku konieczności zbadania
zależności między dwoma czynnikami,

6. metoda FMEA (Failure Mode and Effect Analysis), czyli analiza przyczyn

i skutków wad – służy znalezieniu potencjalnych przyczyn i skutków błędów
popełnianych przy projektowaniu i wyeliminowaniu ich, zanim powstanie go-
towy wyrób czy usługa,

7. karty kontrolne – stanowią bardzo ważne narzędzie sterowania jakością bieżą-

cych procesów produkcyjnych. Służą m. in. do:
– oceny stabilności procesu,
– określenia, kiedy proces wymaga regulacji, a kiedy należy zostawić go bez

zmian,

– potwierdzenia udoskonalenia procesu,
– rozróżnienia zmienności losowej i nielosowej ze względu na dane przyczyny.

Budowa kart jest oparta ściśle na statystyce matematycznej. Karta kontrolna

jest wykresem względem czasu takich statystyk, jak: wartość średnia próby,
odchylenie standardowe, zakres zmienności czy frakcja elementów wyróżnio-
nych z linią centralną oraz górną i dolną granicą kontrolną.

Bardzo przydatnym narzędziem statystycznej poprawy jakości, zaliczanym

do nowych narzędzi zarządzania jakością, jest również metoda „dom jakości” –
QFD (Qaulity Function Deployment) – nazywana również metodą rozwinięcia
funkcji jakości. Jej celem jest przełożenie potrzeb i oczekiwań odbiorców na
charakterystyki wyrobu lub usługi. Zakres wykorzystania QFD jest bardzo sze-
roki, jej zastosowanie udokumentowano m.in.

A. Hamrol, W. Mantura, Zarządzanie Jakością. Teoria i praktyka, PWN, Warszawa–

Poznań 2006, s. 229–237.

AGNIESZKA MAJKA, DOROTA JANKOWSKA

366

– w przygotowaniu, konstruowaniu i uruchamianiu produkcji nowych wyrobów,

w tak różnych branżach jak: przemysł okrętowy, budownictwo, budowa maszyn,

– w przygotowywaniu nowych usług w bankach i służbie zdrowia,
– w opracowywaniu nowych systemów komputerowych w zakresie sprzętu

i oprogramowania.

4. Podsumowanie

Jakości nie da się „wykontrolować; należy ją wytworzyć” – to hasło, które

wyjaśnia istotę statystycznego zarządzania procesami.

Kontrola stanowi w Zarządzaniu Jakością jedynie źródło informacji o stanie

procesu, którego parametry muszą się mieścić w określonych granicach. Jeżeli je
przekraczają, proces należy skorygować. „Korygowanie” nie może się opierać
na intuicji, musi być wspierane danymi analizowanymi za pomocą narzędzi sta-
tystycznych.

Literatura

Aczel A.D., Statystyka w zarządzaniu, PWN, Warszawa 2006.
Hamrol A., Mantura W., Zarządzanie Jakością. Teoria i praktyka, PWN, Warszawa–Poznań 2006.
Oakland J.S., Followell R.F., Statistical Process Control, Hineman, Newnes–Oxford–Londyn 1990.
Zalewski R.I., Zarządzanie jakością w zakładach przetwórstwa rolno-spożywczego, TNOiK, Toruń

1998.

Notki o autorach

dr inż. Agnieszka Majka
Adiunkt w Zakładzie Statystyki i Ekonometrii, Wydziału Ekonomii Uniwersyte-
tu Rzeszowskiego. Zainteresowania naukowe: zastosowanie metod ilościowych
w badaniach ekonomiczno-rolniczych, wdrażanie i funkcjonowanie systemów
zarządzana jakością w przemyśle spożywczym.

dr inż. Dorota Jankowska
Adiunkt w Zakładzie Statystyki i Ekonometrii, Wydziału Ekonomii Uniwersyte-
tu Rzeszowskiego. Zainteresowania naukowe: zastosowanie metod statystycz-
nych w badaniach ekonomiczno-rolniczych, modelowanie i prognozowanie eko-
nometryczne.