ОСОБЕННОСТИ ПРИМЕНЕНИЯ НА ПРЕДПРИЯТИЯХ С ЕДИНИЧНЫМ И МЕЛКОСЕРИЙНЫМ ПРОИЗВОДСТВОМ МЕТОДОЛОГИЙ SPC (STATISTICAL PROCESS CONTROL) И MSA (MEASUREMENT SYSTEM ANALYSIS)

FEATURES OF APPLICATION IN ENTERPRISES WITH SINGLE AND SMALL-BATCH PRODUCTION METHODOLOGIES SPC (STATISTICAL PROCESS CONTROL) AND MSA (MEASUREMENT SYSTEM ANALYSIS)

Alexandr Kruopnov

Cutting tool engineer-technologist, “Norgau Labs”,

Russia, Moscow

Ivan Varakin

Engineer-technologist of the 1st category Joint Stock Company Myasishchev  Design Bureau,

Russia, Zhukovsky

АННОТАЦИЯ

Основной целью исследования является изучение особенностей применения на предприятиях с единичным и мелкосерийным производством непрерывного контроля производственных процессов на основе числовых данных за счет методологий статистического управления процессами (SPC) и анализа измерительных систем (MSA), выявление проблем и разработка рекомендаций.

ABSTRACT

The main purpose of the study is to study the features of the application in enterprises with single and small-scale production of continuous monitoring of production processes based on numerical data using statistical process control (SPC) and measuring system analysis (MSA) methodologies, identifying problems and developing recommendations.

Ключевые слова: статистическое управление процессами, анализ измерительных систем, единичное и мелкосерийное производство.

Keywords: statistical process control, measurement system analysis, statistical process control, measurement system analysis.

В настоящее время множество производственных предприятий в России несут потери от внутреннего брака. Предприятия вынуждены содержать огромный штат контролеров, работники на предприятиях для сохранения заработной платы осуществляют сокрытие дефектов, для многих процессов на предприятиях отсутствует автоматизация и имеется еще множество проблем, которые сказываются в итоге на потребителях и акционерах.

В связи с последними тенденциями современного общества, главной целью производства становится — сделать все быстрее и дешевле. При этом процесс управления качеством сводится к тому, что контролер в конце производственного цикла проверяет все параметры изделия на то, что они входят в поля допуска и на этом изделие признается годным или нет [1].

В данный момент формируются новые методики управления качеством, в виде непрерывного контроля процессов на основе числовых данных за счет методологий статистического управления процессами Statistical Process Control (далее ­ SPC) и анализа измерительных систем Measurement System Analysis (далее ­ MSA) [2]. Основная суть статистических методов сводится к главному правилу: «Уменьшение вариации (изменчивости) процесса».

Статистическое управление процессами SPC является способом применения статистических методов и/или статистических или стохастических алгоритмов контроля для достижения хотя бы одной из следующих целей:

a) увеличения знаний о процессе;

b) регулирования процесса для достижения желаемого поведения процесса;

c) уменьшения отклонений параметров готовой продукции или достижения других улучшений работы процесса.

Общая экономическая цель SPC - увеличение количества качественной продукции, произведенной процессом при заданном количестве входных ресурсов. SPC действует наиболее результативно за счет управления отклонениями параметра процесса или незавершенной продукции, который коррелирован с параметром готовой продукции, и/или за счет увеличения устойчивости процесса к этим отклонениям. Параметр готовой продукции одного процесса может быть параметром следующего процесса [3].

Самой обоснованной причиной внедрения SPC является финансовая, связанная с увеличением выходов процесса, удовлетворяющих требованиям качества, для заданного количества ресурсов на входе процесса. Способы расчета финансовых затрат и доходов от внедрения SPC включают в себя (приведенный список может быть дополнен):

а) сбор затрат производителя, таких как стоимость отходов, разбраковки, переделки, ремонта оборудования, простоев и аварийных отключений;

б) сбор затрат потребителя, относящихся к жизненному циклу продукции;

в) оценку товарооборота и заказов, упущенных потому, что неудовлетворенные потребители отдали предпочтение конкурентам или отказались платить вознаграждение за ощутимо более высокое качество;

г) оценку доходов других частей организации (проектирования и разработки, маркетинга, производства, установки и обслуживания) от обратной связи и информации, которую поставляет SPC;

д) определение доходов всех подразделений организации от более быстрого поиска неисправностей и больших возможностей процесса или инноваций.

SPC помогает минимизировать усилия, необходимые для подтверждения соответствия готовой продукции установленным требованиям, такие как разбраковка, сортировка, выборочный контроль, 100%-ный контроль и/или испытания, путем:

а) идентификации причинно-следственных отношений между готовой продукцией, незавершенной продукцией (или продукцией процесса) и входными параметрами процесса;

б) обеспечения возможности введения контроля в процесс на возможно более ранних стадиях;

в) минимизации отклонений процесса на основе знаний, приобретенных при идентификации и на основе предпринятых действий управления.

Если система выполнена должным образом, SPC используют для идентификации, устранения или уменьшения отклонений процесса. В зависимости от свойств процесса и причин, вызывающих отклонения от целей, SPC не может полностью исключать необходимость сортировки или выборочного контроля для обнаружения случайных отклонений, которые должны быть предотвращены до поставки продукции потребителю (например, ошибок оператора, сбоев автоматической системы контроля или более ранних проблем, таких как ошибки исполнителя). Распространение элементов SPC на процессы, влияющие на качество, показало необходимость минимизировать затраты, связанные с такой сортировкой или контролем.

Накопленная по данным SPC информация может позволить поставщику сократить эксплуатационные границы процесса. В свою очередь, это сокращение приводит к меньшим отклонениям продукции, которые может обнаружить или измерить потребитель. Организация поставщика может использовать средства, сэкономленные за счет более высокой конкурентоспособности продукции и преимуществ SPC, для проведения сортировки или контроля более эффективным способом [3].

Внедрение SPC нецелесообразно без использования методологии MSA.

Рассмотрим, что представляет собой анализ измерительных систем MSA. MSA – метод, позволяющий дать заключение о приемлемости используемой измерительной системы через количественное выражение её характеристик [4].

Основной постулат методологии гласит: «Измеряет не прибор, измеряет измерительная система». Основная задача анализа измерительных систем состоит в том, чтобы проверить, может ли то, чем мы измеряем измерять то, что мы измеряем, то есть, качество измеряемых данных определяется статистическими свойствами многочисленных измерений, выполненных в стабильных условиях. Результатом анализа является определение следующих характеристик измерительной системы: смещение в рамках калибровки, смещение в измеряемом диапазоне, сходимость и воспроизводимость измерительного процесса, стабильность измерительного процесса [4].

Анализ измерительной системы MSA призван дать ответ о приемлемости измерительной системы путем количественной оценки ее точности, стабильности и сходимости.

Измерительная система включает:

˗ измерительный прибор СИ (поверенный, откалиброванный, исправный);

˗ персонал (оператор, проводящий измерения, его умения, опыт, усталость);

˗ правила измерения (процедура измерения);

˗ проверяемый объект (часто с нестабильными, неустойчивыми характеристиками);

˗ программное обеспечение (программирование, правильные настройки программы);

˗ выполненные операции (правильная последовательность и точность действий, выполняемых оператором);

˗ окружающая среда (часто влияющая на колебания измеряемого параметра).

MSA анализ используется для минимизации риска того, что несоответствия в элементах измерительной системы могут привести к ложным решениям в отношении контроля над продукцией и ненужной регулировке процесса. Правильность принимаемых решений зависит от достоверности данных, полученных при измерении.

Анализ измерительной системы оценивает способность измерительной системы обеспечивать адекватность данных для конкретного процесса и должен быть проведен до начала измерений.

Когда измеряется продукт на выходе производственного процесса, существует две возможные причины изменчивости:

˗ изменчивость от деталей к деталям;

˗ изменчивость самой измерительной системы.

Если изменчивость измерительной системы велика по сравнению с изменчивостью от деталей к деталям, измерения не могут дать полезной информации. Поэтому возникает проблема анализа измерительной системы.

Измерительная система должна адекватно различать детали для эффективного мониторинга процесса.

Ошибки измерительной системы можно разделить на две категории: точность и дисперсия (разброс).

Точность (или правильность) характеризуется разницей между измеренным значением и истинным (опорным) значением.

Разброс характеризуется изменчивостью, которая возникает, когда мы несколько раз измеряем одну и ту же деталь с одним и тем же устройством. В любой измерительной системе существует одна или обе из этих проблем

(рисунок 1).

Рисунок 1. Проблемы измерительной системы

Например, устройство может измерять детали с небольшим разбросом (небольшая изменчивость в измерениях), но не точно.

Или устройство может быть точным (среднее значение измерений очень близко к истинному значению), но дает широкий разброс (очень большое значение изменчивости измерений). Или устройство может быть неточным и с широким разбросом.

Разброс, мера изменчивости, состоит из двух компонентов: сходимости и воспроизводимости.

Анализ приемлемости представляет собой анализ статистических характеристик процесса измерения. При этом определяется:

1.оценка изменчивости положения полученных значений:

˗ стабильность;

˗ точность и смещение;

˗ линейность смещения;

2. оценка величины и разброса полученных значений:

˗ сходимость результатов измерений;

˗ воспроизводимость результатов измерений;

˗ прецизионный и GRR-инструмент.

Опыт анализа измерительных систем на предприятиях показывает, что данная процедура состоит из нескольких этапов:

1. Руководитель отдела – ответственный за метрологическое обеспечение производственных процессов (МОПП) – определяет список анализируемых измерительных систем и организует проведение MSA анализа.

2. Специалисты подразделения проводят измерения образцов продукции и отправляют данные в отдел главного метролога.

3. Работники отдела главного метролога обрабатывают результаты измерений и составляют отчет об анализе.

При необходимости, исходя из полученных результатов, главный метролог дает рекомендации по совершенствованию измерительной системы. Начальник отдела определяет корректирующие меры, после реализации которых проводится повторный анализ.

Внедрение методологии анализа измерительных процессов является важным этапом непрерывного повышения качества продукции и одним из требований к сертификации предприятия в соответствии с требованиями ГОСТ Р 51814.1 (ИСО/ТУ 16949:2002).

Качество продукции напрямую зависит от измерительных систем, а значит, и от анализа измерительных систем. Практика показывает, что при внедрении MSA анализа специалисты предприятий испытывают трудности с пониманием положений этого метода. При этом многие воспринимают MSA анализ некой абстрактной наукой. На российских предприятиях к статистическим методам анализа отношение осторожное (в плане внедрения) [5].

В условиях мелкосерийного и единичного производства методические указания по порядку применения методологий SPC и MSA, совместно с рассмотренными выше данными, показывают, что управлять стабильностью процессов, происходящих при изготовлении продукции статистическим методом, можно, имея определенное количество входных данных. Т.е. чем больше снимается измерений контролируемого параметра, тем точнее данные о стабильности процесса, которые и показывают, стоит ли вмешиваться в процесс, появилась ли какая – то проблема или же процесс изготовления проходит стабильно, обеспечивая необходимое качество продукции, и не требует вмешательства со стороны. Из чего следует, что принципы вышеуказанных методологий с использованием статистических методов, отлично зарекомендуют себя в массовом и крупносерийном производстве, когда номенклатура выпускаемой продукции мала, а изделия имеют большие партии. В таком случае, не возникнет проблем с данными для анализа стабильности процесса.

В единичном типе производства используется форма организации, при которой различные виды продукции изготавливаются в одном или нескольких экземплярах (штучный выпуск). Каждая единица конечной продукции уникальна по конструкции, выполняемым задачам и другим важным признакам. Мелкосерийное производство, является переходным типом производства от единичного к серийному. Выпуск изделий осуществляется малыми партиями, но имеет широкую номенклатуру изделий. Способность предприятия изготовлять уникальные, зачастую повышенной сложности, изделия малой партией по спецзаказу покупателей, является одним из конкурентных факторов предприятия.

В таком случае для статистического управления процессами SPC возникает проблема со сбором данных. В таком типе производства возрастает количество причин, которые могут повлиять на стабильность процесса, например, активно использующееся универсальное оборудование, высокая квалификация рабочих, уникальная конструкция изделий, вариации в выборе инструмента. Однако, в тот же момент, уменьшается в разы количество изделий в партии. Если использовать стандартную методологию статистического управления процессами SPC то, для выявления общей картины о стабильности процесса не хватит данных. В лучшем случае процесс изготовления всей партии закончиться ранее, чем изготовитель получит данные о стабильности процесса и определит причину брака, возникающего во время изготовления. В худшем случае, который наиболее вероятен, данные о стабильности процесса будут настолько малы, что причина возникновения брака не будет определена, в том числе и после завершения изготовления изделий, изготовитель примет уровень технических отходов и процент брака, таким, какой он есть. В таком случае, производитель, для изготовления годной продукции, будет нести лишние затраты. Также будет увеличен процент контроля над выпускаемой продукцией, что добавит дополнительные расходы.

Все вышеперечисленные проблемы статистического управления процессами на мелкосерийном и единичном производстве приводят к выводу, что для внедрения необходима разработка специальной методики SPC, конкретно под мелкосерийное и единичное производство.

Американский ученый в области теории управления качеством Уолтер А. Шухарт в своих работах, рассматривал вариант, когда имеется небольшой объем данных или количество изделий мало. Для таких случаев он принимал каждое значение любого параметра влияющего на стабильность процесса изготовления как индивидуальное, а «размахи» учитывал, как разность между этими значениями, называя их «скользящими размахами». Следовательно, управлять процессом изготовления продукции статистическим методом в условиях мелкосерийного и единичного производства теоретически возможно, требуется специальная методика.

Традиционный подход к проблеме контроля производства и обеспечения качества — это выходной (или операционный) контроль с помощью испытаний, сортировки и т.п. При использовании SPC такой контроль заменяется на статистический контроль параметров производственного процесса.

Использование статистики для контроля процессов и улучшения качества соответствующих операций дает преимущество находить решения проблем в условиях неопределенности. Закономерность, следующая: чем меньше вариация, тем лучше процесс; чем лучше процесс, тем стабильнее качество, чем стабильнее качество, тем меньше затраты на брак и переделку.

В статье рассмотрен вопрос о возможности внедрения на предприятии с единичным и мелкосерийным производством методологии статистического управления процессами SPC и методологии анализа измерительных систем MSA.

Предприятие должно иметь процесс управления и реагирования на изменения, которые воздействуют на процессы жизненного цикла продукции. Должны быть оценены последствия любого изменения, включая изменения, инициированные поставщиком, и должна быть, определена деятельность по обеспечению соответствия требованиям потребителей. Это позволит экономически эффективней управлять процессом, получить более высокую стабильность изготовления и улучшить продукцию, сократить отклонения от целевых значений параметров готовой продукции или процесса, другими словами, уменьшить количество бракованной продукции.

Для внедрения статистического управления процессами на мелкосерийном и единичном производстве необходима разработка специальной методики SPC, конкретно под мелкосерийное и единичное производство. Учитывая, что по зарубежным источникам, управлять процессом изготовления продукции статистическим методом в условиях мелкосерийного и единичного производства теоретически возможно. Стоит задуматься о разработке «пилотной» методике SPC в рамках предприятий с единичным производством, с возможностью апробирования на одном из участков изготовления продукции.

Список литературы:

1. Суханцев С. Статистическое управление процессами (Часть 1. Опыт внедрения) [электронный ресурс] ­ Режим доступа. ­ URL.  https://habr.com/ru/post/421691/ (дата обращения: 20.04.2021)
2. Уилер Дональд, Чамберс Дэвид Статистическое управление процессами: Оптимизация бизнеса с использованием контрольных карт Шухарта.— М.: «Альпина Паблишер», 2009 ­ 409 с.
3. ГОСТ Р ИСО 11462-1-2007 Статистические методы. Руководство по внедрению статистического управления процессами. Часть 1.Элементы 6
4. Лотонина М.Б. Методология MSA (Measurement system analysis): Опыт практического применения // Деловой портал – Управление производством. [электронный ресурс] ­ Режим доступа. ­ URL.  http://www.uppro.ru/library/production_management/operations_management/msa-opyt.html (дата обращения: 19.04.2021)
5. Хабибрахманова А.Р., Вячеславова О.Ф., Парфеньева И.Е. Анализ измерительных систем как инструмент повышения качества измерений. – Наука России: Цели и задачи, 2019. 48-55 с.