Výroba je složitý komplex procesů, který spolu musí harmonicky kooperovat. O kontrolu kvality výrobků se lidstvo snaží v celé historii organizované výroby. Přístupy k managementu kvality se vyvíjely postupně s rozvojem trhu a společnosti. Nároky, jež kladl na kvalitu trh, dále podněcovaly také různé legislativní procesy a oba tyto aspekty potom posouvaly přístup k odpovědné kontrole kvality. V oblasti legislativy přispěly k pozitivnímu vývoji normy ISO. Postupně vznikla celá řada metodik, které na sebe navazovaly, překrývaly se, či se vzájemně vylepšovaly. V osmdesátých letech vznikla strategie řízení, kterou vyvinula společnost Motorola a dále rozpracovaly dnešní Honeywell a GE. Mluvíme samozřejmě o metodologii Six Sigma, kterou bychom jednou větou definovali jako formu neustálého zlepšování. Tato metodika si klade za cíl identifikovat a odstranit příčiny chyb v jednotlivých firemních procesech, respektive maximálně je minimalizovat. Níže si představíme analytické metody, které jsou v různých fázích projektu Six Sigma jeho nezbytnou součástí. Kontrola kvality produkce dostala v dnešní době díky modernímu softwaru a databázím zcela jiný rozměr.

Jak začít vyhodnocovat kvalitu? Definujme si nepřátele

Představme si nyní základní metody, které na kontrolu kvality používáme a které jsou součástí standardních softwarových řešení pro tuto oblast. Než to uděláme, vyspecifikujme si, co nám v oblasti výroby způsobuje problémy.

Nepřítelem číslo jedna ve výrobě jsou odchylky výrobků od požadovaných specifikací, ať už se jedná o rozměry, vlastnosti látky nebo počet vad na ploše. Ano, přestože na první pohled vypadají všechny vyrobené součástky stejně, nejde o deterministický svět, je zde variabilita. Pomocí softwarových nástrojů se tuto variabilitu konkrétního procesu snažíme uchopit přes naměřená data a odstranit příčiny, které jsou nepřirozené, respektive nenáhodné. Začínáme obvykle základními statistickými přístupy (průměrné hodnoty v rámci dávky, charakteristiky proměnlivosti) a vizualizací měřených dat. Svoji roli hrají také požadavky výrobce, který obvykle sám definuje, jaké výstupy analýz chce v rámci dodávky pro doložení kvality produkce.

Po úvodním pohledu na data by dalším krokem mělo být postižení již zmíněné systémové variability. To jsou významné odchylky (např. v rozměrech, kyselosti či tuhosti) od normy, na které mají přímý vliv faktory typu poškozené měřidlo, nezaškolený nebo unavený operátor, náhlé zvýšení vlhkosti v hale apod. Obvykle jsou to účinky, jež mají na výsledek měření často fatální dopad, jejich vymezení je však nutným prvním krokem k jejich odstranění. Tyto škodlivé příčiny hledáme v rámci analýz opakovatelnosti a reprodukovatelnosti.

Opakovatelnost a reprodukovatelnost

Opakovatelnost a reprodukovatelnost měření hledá rozdíly mezi operátory, stroji, měřidly apod., obecně se snaží o detekci vymezitelných (systémových) příčin, které mají negativní vliv na výrobní proces. Vezměme si například výrobu pístních kroužků. Takovouto systémovou příčinou je potom selhání operátora nebo výrobního zařízení, které vlivem špatné údržby (dlouhé servisní intervaly atd.) způsobí výchylku požadovaného rozměru. Tyto vlivy mají potom negativní dopad na celou výrobu, protože způsobují výrazné odchylky od normy, tzv. statisticky nestabilní stav. To je stav, ve kterém není možné předvídat výsledek výrobního procesu, neboť hrozí řada možných selhání.

Graf na obrázku 1 ukazuje jeden z výstupů této analýzy, a to konkrétně jednotlivé operátory a výsledky jejich měření na osmi dílech, které se v dané výrobě měří. Cílem je porovnat, zda rozdíly mezi jednotlivými operátory nejsou významné. Stejným principem potom hodnotíme vliv jednotlivých dílů, tedy zkoumáme, které vyrobené části se obtížně měří (kde jsou největší rozdíly) a kde se často chybuje. Ne na každé výsledky měření má přímý vliv operátor, záleží samozřejmě na povaze výroby. V tomto typu analýzy se obecně snažíme postihnout jakékoliv systémové vlivy (vliv jednotlivých měřidel, strojů, lidského faktoru).

Obr. 1

Regulační diagramy

Odstraníme-li, respektive minimalizujeme vliv špatně seřízeného měřidla, neseřízeného výrobního zařízení či problémového operátora, nastává chvíle pro regulační diagramy, které se věnují detekci náhodné variability. Je normální, že pokud vyrobíme dva až tři stejné výrobky za naprosto stejných podmínek, přesto mezi nimi budeme s určitou mírou přesnosti pozorovat odlišnosti. Variabilita je přirozenou součástí každého jevu, z tohoto důvodu jsou povolené tolerance charakteristik kvality. Cílem regulačního diagramu je jednak monitorování splnění specifikací (nejčastěji rozměrových), ale také celého průběhu výrobního procesu. Pokud se proces vyskytuje v předepsaných mezích, ještě to neznamená, že s výrobou je vše v pořádku. Na diagramech sledujeme symetrii rozložení procesu, závislosti jednotlivých měření na sobě, vybočující měření a konstantnost střední hodnoty procesu (obr. 2). Nenáhodné vzory v datech, které bychom vizuálně detekovali v diagramu, nám v rámci výrobní dávky potvrdí testy seskupení. Výstup z testů seskupení ukazuje tabulka na obrázku pod regulačním diagramem. Diagramů pro kontrolu kvality je velké množství a volí se podle povahy procesu. Jejich velkou výhodou je okamžitá čitelnost a jednoduchá interpretovatelnost jak pro operátora výroby, tak pro inženýra kvality apod. Dalším krokem, který bychom ve vyhodnocení kvality prováděli, by byl výpočet indexů způsobilosti procesu.

Obr. 2

Analýza způsobilosti procesu

Analýza způsobilosti procesu umožňuje ohodnotit, do jaké míry proces odpovídá technickým požadavkům. Tyto analýzy nám podávají informace o mnoha věcech: zda úroveň měřeného spojitého znaku (regulovaná veličina) nepřekračuje specifikace, ale také jaká je rezerva vůči specifikacím, jestli je proces vycentrován kolem své střední hodnoty apod. V rámci této analýzy počítáme tzv. indexy způsobilosti procesu.

Obr. 3

Tabulka na obrázku 3 ukazuje základní indexy způsobilosti vypočtené nad výrobní dávkou pístních kroužků. Z tabulky například vyčteme, že výrobní proces produkuje velmi malé množství neshodných výrobků (méně než jedno procento). Dále lze například vidět, že proces využívá méně než šedesát procent povoleného specifikačního rozsahu (index Cr), ale také to, že výroba (měřené hodnoty jednotlivých vzorků) je vycentrovaná kolem nominální hodnoty 74 (hodnota indexu je stále poměrně vysoká (1,66317) a necentrální korekce k (0,023) je velice blízká nule). Alternativně bychom, dle povahy procesu, počítali indexy výkonnosti procesu, které doplňují zmiňované indexy o další úhel pohledu na výrobní proces. Jejich použití je vyžadováno zejména v automobilovém průmyslu. U statisticky zvládnutého procesu, kde měřené hodnoty kolísají pouze vlivem náhodné variability, se základní indexy Cp a Pp nebudou od sebe příliš lišit.

Kvalita vs. náklady

Z předchozího textu vyplývá, že nepřítelem není odchylka od určených specifikací, protože ta je důsledkem. Nepřítelem jsou špatná měřidla, špatně udržované stroje, nezaškolení operátoři, neefektivně nastavené firemní procesy apod. Tyto vlivy se snažíme vysledovat a firemní prostředí nastavit tak, abychom je minimalizovali, nebo zcela odstranili (včasnou pravidelnou kalibrací, kontrolní činností apod.). To má klíčový dopad na náklady s výrobou spojené. Uveďme si jednu z myšlenek průkopníka v řízení jakosti pana W. Edwards Deminga: „Kvalita není zdarma, je však levnější než jiné alternativy.“ Vztah mezi náklady na výrobu, kvalitou produktu a ziskem je nutné vnímat komplexně. Dlouhodobé zkušenosti však ukazují, že minimalizace neshod ve výrobě je tou nejlepší cestou pro prosperitu společnosti.

Miloš Uldrich