D I P L O M O V Á P R Á C E

Technická univerzita v Liberci HospodáĜská fakulta

DIPLOMOVÁPRÁCE

2010

Martin Král

Technická univerzita v Liberci Ekonomická fakulta Studijní program: Studijní obor:

N 6208 Ekonomika a management Podniková ekonomika

Statistické metody v controllingu Statistical methods in controlling DP–EF–KSY–2010–02 MARTIN KRÁL

Vedoucí práce: Mgr. JiĜí Rozkovec Ph.D., Katedra statistiky Konzultant: Ing. JiĜí Kovala, Delphi Packard Electric, s.r.o.

Poþet stran: 85 Datum odevzdání: 7. kvČtna 2010

Poþet pĜíloh: 4

Prohlášení Byl jsem seznámen s tím, že na mou diplomovou práci se plnČ vztahuje zákon þ. 121/2000 Sb. o právu autorském, zejména § 60 – školní dílo. Beru na vČdomí, že Technická univerzita v Liberci (TUL) nezasahuje do mých autorských práv užitím mé diplomové práce pro vnitĜní potĜebu TUL. Užiji–li diplomovou práci nebo poskytnu–li licenci k jejímu využití, jsem si vČdom povinnosti informovat o této skuteþnosti TUL; v tomto pĜípadČ má TUL právo ode mne požadovat úhradu nákladu, které vynaložila na vytvoĜení díla, až do jejich skuteþné výše. Diplomovou práci jsem vypracoval samostatnČ s použitím uvedené literatury a na základČ konzultací s vedoucím diplomové práce a konzultantem.

V Liberci, 30.04.2010

…………………………

3

Anotace V diplomové práci je popisován a þásteþnČ využíván kontrolingový modul logistiky databáze SAP R/3. Modul je souþástí softwarového produktu spoleþnosti SAP, databáze, která slouží pro Ĝízení podniku. Tento modul je hlavním zdrojem dat, které jsou v práci použity pĜi sbČru, mČĜení, analyzování, zlepšování a kontrole podnikových procesĤ, kterými se práce zabývá. Dále byl používán statistický software MINITAB, v kterém jsou provedeny statistické analýzy. Pro pĜechod a pĜenesení dat ze SAPu do Minitabu byl použit program Microsoft Excel, kde se též data tĜídila. Excel byl též využit u nČkterých analýz. První þást práce je vČnována pojmĤm a definicím týkajích se kontrolingu a statistických metod . Byl zde charakterizován mezinárodní podnik pĤsobící v automobilovém prĤmyslu a jeho materiálové toky v kanban systému. Druhá þást práce se zamČĜuje na vyhodnocení materiálĤ, konkrétnČ kabelových ok a jejich materiálových pohybĤ. Vyhodnocuje ztrátovost a odpadovost tohoto materiálu a pomocí statistických metod vyhodnocuje prostĜednictvím materiálových pohybĤ oblasti, kde dochází k neefektivnosti využívání tohoto materiálu a též jeho odpadovosti. Po implementaci nápravných opatĜení dále vyhodnocuje úþinnost tČchto náprav a optimalizací.

Klíþová slova Podnikový informaþní systém, SAP R/3, Minitab, Excel, kontroling, statistické metody, anova, regrese, TTest, materiálový tok, kanban, kanbanová karta, skladové místo, problem solving projekt, kabelové oko, definice projektu, mČĜení, mapa procesu, statistická kontrola procesu, stabilita, zpĤsobilost procesu Cpk, analýza procesu, interaction plot, graf interakce, dvoufaktorová anova, jednofaktorová anova, fáze zlepšení, nápravná opatĜení, sklad logistiky, skladu výroby, slabá místa, fáze kontroly, úspory materiálu, regresní analýza. 4

Annotation The logistics controlling module of SAP R/3 is partly described and used in this diploma work. The module is a part of SAP company database product which is used for a company control and management. This module is a main source of data which are applied in this work during the phases of define, measure, analyze, improve and control of company processes. There was a statistical software MINITAB further used for data statistical analyzes. The microsoft Excel was also used for a data transfer from SAP databáze to Minitab. Some data sorting, analyzing and evaluations were done in Excel as well. The first part of a diploma work is deserting on terms and definitions of controlling and statistical methods. The international automotive component manufacturer and the intracompany material flows via kanban systém are characterized here. The second part of a diploma work is focused on material cost evaluations, the cable rings and their material flows were the involved parts. The material loss and scrap is analyzed and evaluated through material logistic movements and areas of the process defectiveness are identified by statistical methods. After the implementation of corrective ations there were their effects evaluated and confirmed.

Keywords Enterprice information system, SAP R/3, Minitab, Excel, controlling, statistical methods, anova, regression, TTest, material flow, kanban, kanban tiket, store place, problem solving project, cable ring, project definition, measure, process map, statistical process kontrol, process capability Cpk, process analyze, interaction plot, two–way anova, one–way anova, improvement phase, corrective actions, logistic warehouse, production warehouse, weak points, control phase, material cost savings, regression

5

OBSAH Seznam zkratek a symbolĤ .................................................................................................... 7 Seznam tabulek...................................................................................................................... 8 Seznam obrázkĤ..................................................................................................................... 9 1. Úvod ................................................................................................................................ 11 2. Kontroling........................................................................................................................ 13 3. Statistické metody ........................................................................................................... 14 3.1 Dvoufaktorová anova ................................................................................................ 14 3.2 Jednofaktorová anova ................................................................................................ 14 3.3 DvouvýbČrový t–test s rovností rozptylĤ .................................................................. 14 3.4 Lineární regrese ......................................................................................................... 14 3.5. Statistické kontrolní grafy ........................................................................................ 15 4. Charakteristika podniku................................................................................................... 16 5. Tok materiálu podnikem – Kanban systém ..................................................................... 18 5.1. Pohyb materiálu ve výrobČ dle kanbanových karet.................................................. 18 5.2 Popis skladového místa ............................................................................................. 20 5.3 Schéma pohybu materiálu dle kanbanových karet .................................................... 21 5.4 Popis pohybu materiálu dle štítkĤ pĜepravky ............................................................ 22 6. SpotĜeba a využití kabelových ok.................................................................................... 24 6.1 Fáze Definice............................................................................................................. 24 6.1.1 Úþel projektu ...................................................................................................... 24 6.1.2 Detaily projektu .................................................................................................. 24 6.1.3 Vizuální zobrazení popisovaných a sledovaných komponentĤ.......................... 25 6.1.4 ZávČr fáze definice projektu ............................................................................... 25 6.2 Fáze MČĜení ............................................................................................................... 26 6.2.1 Mapa procesu toku materiálu sklady, výrobou a expedicí ................................. 26 6.2.2 Získání seznamu komponent .............................................................................. 27 6.2.3 Sestavení pĜehledu toku materiálu...................................................................... 31 6.2.4 Potenciální slabá místa, nedostatky a pĜíþiny ztrátovosti komponentĤ .............. 31 6.2.5 ÚroveĖ výroby.................................................................................................... 32 6.3 Fáze Analýzy ............................................................................................................. 39 6.3.1 Interaction plot.................................................................................................... 39 6.3.2 Vyvážená dvoufaktorová anova ......................................................................... 40 6.3.3 ZávČry fáze Analýzy........................................................................................... 56 6.4 Fáze zlepšení procesu ................................................................................................ 58 6.4.1 Skladování kabelových ok ve skladu logistiky 0010. ........................................ 58 6.4.2 Skladování kabelových ok ve skladu výroby 0020 a oblasti montáže. .............. 59 6.4.3 Slabá místa procesu a jejich minimalizace ......................................................... 59 6.4.4 ZávČry fáze Zlepšení .......................................................................................... 64 6.5 Fáze kontroly procesu................................................................................................ 65 6.5.1 Získání dat pohybu materiálu po nápravných opatĜeních................................... 65 6.5.2 ÚroveĖ výroby v období po nápravných opatĜeních .......................................... 65 6.5.3 SPC statistická kontrola procesu výroby........................................................... 66 6.5.4 Stabilita (zpĤsobilost) procesu Cpk pĜed a po nápravných opatĜeních ............ 68 6.5.5 Vyvážená dvoufaktorová anova ......................................................................... 72 6.5.6 ZávČry fáze kontroly – analýzy procesĤ po fázi zlepšení................................... 80 6.5.7 Úspory vyþíslené po zlepšení procesu pĜi montáži kabelových ok .................. 81 7. ZávČr................................................................................................................................ 83 Seznam použité literatury .................................................................................................... 85

6

Seznam zkratek a symbolĤ ANOVA atd. AZNP BP C Cpk Cr þ. DF DMAIC EI FPY H0 I-MR IPO ISO KLT KSK MS N napĜ. Obr. OEM P PKF PPM P–value resp. S SAP SIPOC SOP SPC SPCXL SS Tab. tzv.

Analyse of Variance (Analýza rozptylu) a tak dále Automobilové závody národní podnik Bílá pĜepravka Controllable (kontrolovatelný) Process Capability (zpĤsobilost procesu) Critical (kritický) ýíslo Degrees of freedom (stupnČ volnosti) Define, measure, analyse, improve, control (definovat, mČĜit, analyzovat, zlepšovat, kontrolovat) Electrical Instalation (elektrická instalace) First Passed Yield (výtČžnost) Nulová hypotéza Individual and Moving Range (Graf individuálních hodnot a rozptylu Input, Process, Output (vstup, proces, výstup) International Organization for Standardization (mezinárodní organizace pro standardizaci) Kraft Leistung Transport (plastové pĜepravky) Kunden Mean Square (prĤmČrný þtverec) Noise (šum) napĜíklad Obrázek Original Equipment Manufacture (koneþní výrobci produktu) Probability pĜedkonfekce Parts per million (poþet defektĤ na milion dodaných kusĤ) Probability value (hodnota pravdČpodobnosti) respektive SOP Systeme, Anwendungen, Produkte Suplier, Input, Process, Output, Customer (Dodavatel, vstup, proces, výstup, zákazník) Standard Operation Procedure (standardní operaþní procedura) Statistical process control (Statistická procesní kontrola) SPC in Excel (SPC v Excelu) Sum of Squares (suma þtvercĤ) Tabulka tak zvaný

7

Seznam tabulek Tab. 1 – Klíþové ukazatele projektu.................................................................................... 25 Tab. 2 – Seznam mČdČných dílĤ – kabelových ok .............................................................. 28 Tab. 3 – Sestava dílĤ získaná transakcí MCBE................................................................... 29 Tab. 4 – Kontingenþní tabulka ............................................................................................ 30 Tab. 5 – Projekty používající kabelová oka ........................................................................ 32 Tab. 6 – Poþet vyrobených aut (ks) ..................................................................................... 32 Tab. 7 – Výpoþet procent FPY ............................................................................................ 35 Tab. 8 – Souhrnná data problémových materiálĤ................................................................ 41 Tab. 9 – Poþty aut za mČsíc ................................................................................................. 65 Tab. 10 – Data stažená pro aplikaci Anovy......................................................................... 66 Tab. 11 – Výpoþet % FPY pĜed nápravnými opatĜeními ................................................... 68 Tab. 12 – Výpoþet % FPY po nápravních opatĜeních ........................................................ 68 Tab. 13 – Data pro zpracování Anovy................................................................................. 72 Tab. 14 – Obraty materiálĤ v Kþ ......................................................................................... 81 Tab. 15 – Regresní analýza ................................................................................................. 82

8

Seznam obrázkĤ Obr. 1– Schéma toku materiálu ........................................................................................... 19 Obr. 2 – Kanbanová karta.................................................................................................... 19 Obr. 3 – Tok materiálu kanbanovým skladem .................................................................... 20 Obr. 4 – TOK....................................................................................................................... 21 Obr. 5 – Štítek pĜepravky .................................................................................................... 22 Obr. 6 – Schéma pohybu materiálu ..................................................................................... 23 Obr. 7 – Vizuální zobrazení komponentĤ............................................................................ 25 Obr. 8 – Mapa procesu toku materiálu sklady, výrobou a expedicí .................................... 26 Obr. 9 – SAP menu.............................................................................................................. 27 Obr. 10 – Sestava komponentĤ............................................................................................ 28 Obr. 11 – Transakce MCBE ................................................................................................ 29 Obr. 12 – Procesní mapa ..................................................................................................... 31 Obr. 13 – Statistická kontrola procesu u projektu A05 ....................................................... 33 Obr. 14 – Statistická kontrola procesu u projektu A5 ......................................................... 33 Obr. 15 – Statistická kontrola procesu u projektu D3 ......................................................... 34 Obr. 16 – Popisná statistika pro FPY .................................................................................. 35 Obr. 17 – ZpĤsobilost procesu (% FPY) ............................................................................. 36 Obr. 18 – Analýza Cpk ........................................................................................................ 36 Obr. 19 – PaterĤv diagram zobrazující materiálové náklady .............................................. 37 Obr. 20 – MINITAB............................................................................................................ 39 Obr. 21 – Interaction Plot .................................................................................................... 40 Obr. 22 – Data materiálu 10810758 .................................................................................... 42 Obr. 23 – Výsledky testu normality dat............................................................................... 42 Obr. 24 – Výsledky testu rozptylu dat................................................................................. 43 Obr. 25 – Výsledná zpráva testu rozptylu dat ..................................................................... 43 Obr. 26 – Dvoufaktorová Anova ......................................................................................... 44 Obr. 27 – Výsledná zpráva dvoufaktorové Anovy .............................................................. 44 Obr. 28 – Krabicový graf..................................................................................................... 45 Obr. 29 – Test normality pro sklad 0010 a pohyb do skladu .............................................. 46 Obr. 30 – Test normality pro sklad 0010 a pohyb ze skladu ............................................... 46 Obr. 31 – Test normality pro sklad 0020 a pohyb do skladu .............................................. 47 Obr. 32 – Test normality pro sklad 0020 a pohyb ze skladu ............................................... 47 Obr. 33 – Test shodnosti rozptylu dat pro sklad 0010......................................................... 48 Obr. 34 – Výsledná zpráva pro test shodnosti rozptylu dat pro sklad 0010 ........................ 48 Obr. 35 – Test shodnosti rozptylu pro sklad 0020............................................................... 49 Obr. 36 – Výsledná zpráva pro test shodnosti rozptylu dat pro sklad 0020 ........................ 49 Obr. 37 – Výsledná zpráva anovy ....................................................................................... 50 Obr. 38 – Krabicový graf pro sklad 0010............................................................................ 50 Obr. 39 – Krabicový graf pro sklad 0020............................................................................ 51 Obr. 40 – Data použitá pro funkci TTEST .......................................................................... 52 Obr. 41 – Výsledná zpráva TTESTu ................................................................................... 52 Obr. 42 – Data materiálu 10864993 .................................................................................... 53 Obr. 43 – Test normality materiálu 10864993 .................................................................... 53 Obr. 44 – VýbČr kontrolního grafu...................................................................................... 54 Obr. 45 – IMR graf pro celý proces..................................................................................... 55 Obr. 46 – Výsledná zpráva IMR.......................................................................................... 55 Obr. 47 – Xbar Chart pro celý proces.................................................................................. 56

9

Obr. 48 – Sklad kabelových ok ve skladu logistiky 0010 ................................................... 58 Obr. 49 – Plán podniku – skladování materiálu .................................................................. 59 Obr. 50 – Skladování materiálu u montážních linek ........................................................... 60 Obr. 51 – Skladování materiálu na pracovišti pĜedkonfekce............................................... 60 Obr. 52 – Skladování materiálu na pracovišti PKF a linky po nápravném opatĜení ........... 61 Obr. 53 – NástĜihový stroj Filomat...................................................................................... 62 Obr. 54 – Technologické odpady u nástĜihového stroje Filomat ........................................ 62 Obr. 55 – MČĜící zaĜízení..................................................................................................... 63 Obr. 56 – Navíjecí zaĜízení.................................................................................................. 63 Obr. 57 – Transakce MCBE ................................................................................................ 65 Obr. 58 – Statistická kontrola procesu u projektu A5 ......................................................... 67 Obr. 59 – Statistická kontrola procesu u projektu A05 ....................................................... 67 Obr. 60 – Test normality po nápravných opatĜeních ........................................................... 69 Obr. 61 – ZpĤsobilost procesu pĜed nápravným opatĜením ................................................ 70 Obr. 62 – ZpĤsobilost procesu po nápravných opatĜeních .................................................. 70 Obr. 63 – ZpĤsobilost procesu pĜed nápravnými opatĜeními .............................................. 71 Obr. 64 – ZpĤsobilost procesu po nápravných opatĜení...................................................... 71 Obr. 65 – Test normality pro materiál 10810758 ................................................................ 73 Obr. 66 – Test rozpytlu dat pro materiál 10810758 ............................................................ 74 Obr. 67 – Výsledná zpráva testu rozptylu pro materiál 10810758...................................... 74 Obr. 68 – Výsledná zpráva dvoufaktorové anovy pro materiál 10810758.......................... 74 Obr. 69 – Krabicový graf..................................................................................................... 75 Obr. 70 – Test normality pro sklad 0010 a pohyb IN.......................................................... 76 Obr. 71 – Test normality pro sklad 0010 a pohyb OUT...................................................... 76 Obr. 72 – Test normality pro sklad 0020 a pohyb IN.......................................................... 77 Obr. 73 – Test normality pro sklad 0020 a pohyb OUT...................................................... 77 Obr. 74 –Test rozptylu pro pohyb IN a OUT ve skladu 0010 ............................................. 78 Obr. 75 – Test rozptylu pro pohyb IN a OUT ve skladu 0020 ............................................ 78 Obr. 76 – Výsledné zprávy jednofaktorové anovy pro sklady 0010 a 0020 ....................... 79

10

1. Úvod Téma diplomové práce bylo vybráno na základČ zkušenosti z podniku pĤsobícího v automobilovém prĤmyslu. Jedná se o reálnou aktivitu, na jejímž základČ byly provedeny potĜebné kroky pro optimalizaci nákladĤ na kompletaci výrobku, zefektivnČní tohoto procesu a zvýšení ziskovosti pomocí snížení nákladĤ prodávaných výrobkĤ. Práce je zamČĜená na nadnárodní podnik pĤsobící v þeském prostĜedí a jeho aktivity vedoucí ke zlepšování procesĤ a snižování vlastních výrobních nákladĤ. Rozvoj tržního prostĜedí pĜináší dnes do všech odvČtví tvrdý konkurenþní boj. Po vstupu do Evropské unie se ještČ aktuálnČji nabízí otázka konkurenceschopnosti v mezinárodním mČĜítku. Je nutné hledat všechny cesty ke zvyšování produktivity práce a k vyšší ekonomické efektivnosti podnikatelské þinnosti. Firma vČnuje všechnu pozornost hlavnímu pĜedmČtu podnikání. Tam se soustĜećuje pozornost vrcholného managementu, analyzují se procesy a provádČjí se optimalizace. Všechny tyto þinnosti pĜedstavují velké nákladové zatížení pro každou organizaci. Proto je jim vČnována maximální pozornost. Zlepšování vnitropodnikových procesĤ, resp. þinnost provádČná uvnitĜ podniku pro dosažení tohoto cíle, je strukturovaná metodologie pevnČ založená na pĜesných datech sloužící k eliminování defektĤ, ztrát þi problémĤ v Ĝízení efektivnosti ve všech smČrech výroby, logistiky, financí a služeb nebo dalších obchodních aktivit. Metodologie je založena na kombinaci ustálených technik statistického Ĝízení, jednoduchých i pokroþilých metod analýzy dat a systematického tréninku všech osob v organizaci, kteĜí se zabývají aktivitami a urþenými cíli. Pomocí této metodologie lze dosáhnout v závČru cílĤ sloužících k pĜekonání oþekávání a spokojenosti zákazníka, což je vizí celé spoleþnosti.. Výrobní a materiálové náklady obecnČ pĜedstavují jednu z nejvýznamnČjších nákladových položek podniku. Úkolem každého podniku je hledat Ĝešení, jak snížit materiálové a výrobní náklady podniku tak, aby nedošlo k ohrožení plnČní jeho podnikatelských zámČrĤ. Výrobní náklady v podniku pĜedstavují pĜibližnČ 86% z podnikového obratu. S rostoucími náklady se stále objevuje potĜeba tyto náklady ještČ lépe kontrolovat a snížit je na pĜijatelnou hodnotu a zároveĖ zefektivnit proces výroby. Praktická þást práce je zpracována statistickými metodami. Ke zpracování metod bylo použito statistického softwaru MINITAB, podnikové databáze SAP a aplikace Microsoft Excel. Pomocí popisných statistických metod používaných pĜi mČĜení se zjišĢovalo

11

rozložení souborĤ dat pĜi pĤsobení poþtu nepatrných, nezávislých, þi slabČ závislých þinitelĤ u kvantitativních dat. Statistická práce je rozdČlena do nČkolika etap. Jde o etapu statistického zjišĢování neboli šetĜení, statistického zpracování a koneþnČ o etapu statistického vyhodnocování. Pomocí statistického šetĜení byla získávána potĜebná data pro sestavení komplexních dat používaných v prĤbČhu celé praktické þásti. Tato data byla sbírána jednak za delší þasové období (pČt mČsícĤ pĜed fází analýzy a zlepšování) a jednak pro kratší období (tĜi po sobČ jdoucí mČsíce po fázi zlepšení) ve fázi kontroly, aby bylo potvrzeno, zda pĜijatá opatĜení byla úþinná. V oblasti zpracování pro zjištČní rozdČlení dat je používána popisná statistika a intervalové odhady. Všechna zjištČní jsou graficky prezentována. Pro statistické vyhodnocení, tzn. rozbor statistických údajĤ byla použita jednofaktorová a dvoufaktorová anova. PĜed anovou byly provedeny statistické testy hypotéz na normální rozdČlení a nezamítnutí nulové hypotézy rozptylĤ, které jsou pĜedpokladem pro použití anovy. Tyto statistiky sloužily k zjišĢování vzájemných vztahĤ mezi vybranými ukazateli.

12

2. Kontroling Materiálové náklady pĜedstavují významnou složku celkových nákladĤ výrobního podniku. Primárním cílem managementu výrobního podniku je pĜizpĤsobit se aktivnČ mČnícímu se okolí a zachovat a rozvíjet identitu podniku. Z toho vyplývá zachovat životaschopnost daného podniku. Proto se tato práce pĜedevším vČnuje kontrolingu materiálovému neboli logistickému. Kontroling je chápán jako metoda Ĝízení pro zvýšení úþinnosti systému pomocí neustálého a systematického srovnávání skuteþnosti a plánovaného stavu

11

Úþelem logistického kontrolingu je poĜízení údajĤ, jejich zpracování a pĜedání managementu pro potĜeby rozhodování. ZamČĜuje se na permanentní kontrolu hospodárnosti pĜedevším porovnáním plánu se skuteþností (u nákladĤ a výkonĤ). Cílem je vybudování celkové soustavy kalkulace nákladĤ a výkonĤ, vþ. systémĤ logistických ukazatelĤ. PĜedpokladem logistického kontrolingu je pĜesná definice odkazovaných veliþin výkonĤ a jejich základ tvoĜících relaci vstup/výstup (IN/OUT). SmČr kontrolingu je významnČ urþen oborem þinnosti podniku, jeho hospodáĜskou strategií a úspČšností. V rámci podnikového rozhodování bývá úkolem optimalizace kapacit, výkonĤ služeb, fixních nákladĤ a rozpoþtĤ. Kontrolingoví pracovníci vytváĜejí základy informaþního managementu, spolupĤsobí na tvorbČ logistického plánu a provádČjí logistické kontroly. Postup bývá obecnČ shrnut do nČkolika fází. První z nich je stanovení cílĤ (realistické vymezení obsah, rozsahu a þasového horizontu). Následuje zjištČní skuteþnosti (vymezení rozsahu mČĜení, stanovení ukazatelĤ, urþení bodĤ a postupĤ mČĜení), analýza odchylek pĜi pĜekroþení tolerance (interpretace pĜíþin vzniklých odchylek které jsou informace pro rozhodování), plánování opatĜení (vymezení tČžištČ zamČĜených opatĜení, urþení zodpovČdných osob a lhĤty, oþekávané náklady), stanovení plánované hodnoty a zobrazení a edice výsledkĤ orientovaných na nositele, rozhodování, detailizace (operativní a realistické výkaznictví a výsledky).

1

SIXTA, J. a MAýÁT, V. Logistika teorie a praxe. 1. vyd. Brno:, CP Books,a.s., 2005. 315 s. ISBN 80-251-0573-3. s 286.

13

3. Statistické metody 3.1 Dvoufaktorová anova Analýza testuje hypotézu, která pĜedpokládá, že jednotlivé výbČry pocházejí ze stejného základního rozdČlení pravdČpodobnosti, v porovnání s alternativní hypotézou, která pĜedpokládá, že základní rozdČlení pravdČpodobnosti není u všech výbČrĤ stejné. Provádí se experimenty na rĤzných úrovních dvou faktorĤ A a B. Kombinace úrovní faktoru tvoĜí mĜížkovou strukturu jejímž elementem je tzv. cela. Platí že cela [ij] odpovídá i–té úrovní faktoru A a j–té úrovni faktoru B. V každé cele je obecnČ nij opakování. Pokud je v každé cele jen 1 opakování jedná se o anovu bez opakování. Pokud je v každé cele více než jedno opakování, ale ve všech celách stejný poþet pak jde o dvoufaktorovou anovu. Pokud je v každé cele více než jedno opakování, a poþet se v celách liší je anova nevyvážená.

3.2 Jednofaktorová anova Tento nástroj provádí jednoduchou analýzu rozptylu dat z jednoho nebo více výbČrĤ. Analýza testuje hypotézu, která pĜedpokládá, že jednotlivé výbČry pocházejí ze stejného základního rozdČlení pravdČpodobnosti, v porovnání s alternativní hypotézou, která pĜedpokládá, že základní rozdČlení pravdČpodobnosti není u všech výbČrĤ stejné. Pokud by existovaly pouze dva výbČry, bylo by možné rovnocennČ použít funkci listu TTEST. V pĜípadČ více než dvou výbČrĤ nelze pomocí funkce TTEST získat dostateþné zobecnČní, proto je vhodnČjší použít model jednofaktorové analýzy rozptylu.

3.3 DvouvýbČrový t–test s rovností rozptylĤ Tento analytický nástroj provede StudentĤv t–test pro dva výbČry. PĜi tomto typu t–testu, který je oznaþován jako homoscedastický t–test, se pĜedpokládá, že obČ sady dat pocházejí z rozdČlení se stejnými rozptyly. Pomocí tohoto t–testu lze urþit pravdČpodobnost toho, zda oba výbČry pocházejí z rozdČlení se stejnými stĜedními hodnotami souborĤ.

3.4 Lineární regrese Analytický nástroj Regrese provede lineární regresi tak, že pomocí metody nejmenších þtvercĤ proloží pĜímku sadou pozorování. Regrese umožĖuje analyzovat, jakým zpĤsobem

14

ovlivĖují hodnoty jedné nebo více nezávislých promČnných hodnotu jedné závislé promČnné. Lze napĜíklad provést analýzu vlivu vČku, hmotnosti a výšky na výkon sportovce. Na základČ skupiny výsledkĤ mĤže být každému z tČchto tĜí faktorĤ pĜiĜazen podíl na výkonu a pomocí získaných hodnot pĜedpovČdČt výkon nového netestovaného sportovce.2

3.5. Statistické kontrolní grafy Statistické kontrolní grafy byly pĤvodnČ pĜedstaveny Dr.Walterem Shewhartem. PĜedpokladem je, že jsou rozlišovány dva typy variability dat podle pĜíciny vzniku této variability. První pĜíþina je nazývána jako „obecná“, kdy se proces vyvíjí pĜirozenČ bez pĤsobení vnČjších faktorĤ. Druhá je nazývána jako „speciální“, kdy se pĜedpokládá pĤsobení vnČjšího faktoru. Data ve své variabilitČ pak pĜesahují statistickou kontrolní hranici 3 sigma. Proces v takovém pĜípadČ není pod statistickou kontrolou a není predikovatelný. V tomto pĜípadČ je pĜedpoklad, že data nejsou normálnČ rozdČlena, je však snadnČjší odhalit pĜíþinu variability. Grafy jsou vybírány podle typu dat, kde základní dČlení je na kvalitativní a kvantitativní. V této práci byly použity dva typy. Prvním byl IMR chart, tj. graf individuálních hodnot a jejich rozptylu. Pomocí tohoto grafu je proces pozorován jako celek bez nČjakých urþitých podkupin. Každá hodnota je tedy posuzována individuálnČ. Druhým grafem je Xbar R chart, tj. graf prĤmČru a rozptylu. Tímto grafem je proces pozorován z hlediska podskupin dat, kdy jsou vyhodnocovány skupiny z hlediska pĜíþiny variability dat. 2

2 Zdroj: Basic statistics ISBN 1-880156-Ob-7 str.6-32 a Microsoft Excel

15

4. Charakteristika podniku Spoleþnost Delphi s.r.o. vznikla v roce 1992 na základech podniku AZNP v BČlé p. BezdČzem (tehdejší majitel Škoda Auto, a. s.) se 100% vstupem kapitálu nadnárodní spoleþnosti Delphi Automotive System. Tato spoleþnost má nČkolik divizí operujících na celém svČtČ zabývajících se rĤznými obory pĜevážnČ v automobilovém prĤmyslu. Z toho pohledu se jedná o silnou spoleþnost, o jejíž cílech není nutno pochybovat. V souþasnosti má spoleþnost Delphi Packard Electric, s. r. o. dva spoleþníky. Jedním je spoleþnost Delphi Holdings Luxemburg S.á.r.1. Iý B 99207 Bascharage, route de Luxemburg 1, L–4940 Lucemburské velkovévodství, se 100 % podílem na firmČ (viz Výpis z obchodního rejstĜíku). Hlavním pĜedmČtem podnikání spoleþnosti je výroba, montáž a prodej elektrické kabelové instalace a pĜíslušných dílĤ pro motorová vozidla, dále koupČ zboží za úþelem jeho dalšího prodeje a zprostĜedkovatelské služby a þinnosti související. Spoleþnost vyrábí elektroinstalace pro velkého tuzemského výrobce automobilĤ Škoda Auto, a. s., ale také pro okolní, sousední zahraniþní výrobce (BMW, Audi). Každý den, ve tĜech smČnách, vyrobí zamČstnanci okolo 3000 ks svazkĤ, které pak logistickými cestami putují k zákazníkovi. Výroba je rozdČlena na jednotlivé projekty, které úzce spolupracují se zákazníkem, a jsou schopné pružnČ reagovat na pĜípadné momentální požadavky zákazníka. Spoleþnost Delphi je jedním z nejvČtších zamČstnavatelĤ v regionu ýeská Lípa a v souþasnosti zamČstnává 1700 zamČstnancĤ, z nichž se pĜímo na výrobČ podílí 1290 pracovníkĤ. Dalších 352 zamČstnancĤ patĜí do ostatních výrobních úsekĤ nezbytných pro plynulý chod výroby jako je expedice, kontrola jakosti, materiálové hospodáĜství, vzorkovna, režijní sklad, údržba apod. SamozĜejmČ jako každý podnik má Delphi i technicko–hospodáĜské zabezpeþení, kde pracuje 58 pracovníkĤ. Jelikož se jedná o velkou spoleþnost, je zĜejmé, že na každou výrobní jednotku je vyvíjen tlak na vytvoĜení urþité hierarchické struktury Ĝízení. Pokud by tomu tak nebylo, neobdržel by podnik certifikáty ISO, jejichž dodržování je pĜedmČtem jak interního tak externího auditu. Zejména vnitĜní audit je zamČĜen na rozbor podnikových procesĤ, jejich dodržování, archivaci dat, výkresĤ, úþetních výkazĤ apod.

16

Základem je v podniku týmová práce. Pracovníci spolupracují na spoleþných úkolech. Je stanovena role vedoucího týmu a ten spoleþnČ s prací koordinuje práci svých podĜízených. Jsou zde používány rĤzné techniky Ĝízení, jejichž základem je vysoká informovanost každého pracovníka. SamozĜejmČ, že informovanost pracovníka ve výrobČ je trochu jiná než pracovníka v kanceláĜi. ěízení lidí je pĜes „open book management“.3 To platí pĜedevším pro pracovníky v kanceláĜích. Ve výrobČ pĜevládá jeden vedoucí a pĜíkazy pĜichází pouze od nČj. Po finanþní stránce se o informovanost stará oddČlení kontrolingu. V Delphi se uplatĖuje hlavnČ strategický pĜístup manažerĤ, jako je plánování dlouhodobých kapacit a zároveĖ strategické vyjednávání s odbory. ZúþastĖuje se ho jednatel spoleþnosti a personální Ĝeditelka, kteĜí prosazují zájmy firmy. ZajišĢování dodržování personální politiky manažerĤ ke svým podĜízeným kontroluje personální oddČlení. Pracovníci jsou pravidelnČ proškolováni dle jejich oboru. Na každého nevýrobního pracovníka je každoroþní limit zvyšování kvalifikace 16.000 CZK, u výrobních dČlníkĤ školení zajišĢuje interní školitel. Vize firmy (þím chce podnik být) je ve spoleþnosti Delphi shrnuta vČtou: Být uznáván svými zákazníky jako jejich nejlepší dodavatel. Poslání firmy zase Ĝíká, co bude firma dČlat. Poslání spoleþnosti Delphi je být vedoucí výrobce automobilových systémĤ a komponentĤ a z tČchto technologií aplikovat urþité systémy do ostatních odvČtví, kde by se mohlo dosáhnout stálých konkurenþních výhod. Cílem je pracovat spoleþnČ se zamČstnanci, dodavateli a akcionáĜi tak, aby byla profitabilnČ zajištČna vysoká hodnotu firemních systémĤ a technologických Ĝešení pro zákazníky. Strategií podniku je být pro zákazníka nejlepší dodavatel. JedinČ tehdy nebude mít zákazník dĤvod obrátit se k jinému dodavateli. OdbČrateli spoleþnosti jsou pouze velké spoleþnosti,

OEMs

(original

equipment

manufacturers

neboli

koneþní

výrobci

produktu)nikoliv jednotlivec (spotĜebitel). Tudíž celá tato strategie má opodstatnČní, spoleþnost se musí orientovat výhradnČ na zákazníka, protože, co zákazník, to významná zakázka

umožĖující

v ýechách

vytváĜet

pracovní

pĜíležitost

v oboru

výroby

elektroinstalací specifickým tím, že na výrobek je požadována 100 % kvalita.

3

Významný nástroj Ĝízení založený na schopnosti prĤmČrného pracovníka odevzdávat dobrou práci. S pracovníky se

zachází jako s rovnocenným partnerem a jsou mu svČĜovány v !chny potĜebné informace.

17

5. Tok materiálu podnikem – Kanban systém Kanban systém je uvádČn v práci pro vyjádĜení plynulého toku materiálu podnikem. Tento fakt je pĜedpokladem pro statistické vyšetĜování materiálových tokĤ, jejich stabilnosti a konstantnosti a pĜedpokladu tČsné korelace s úrovní finální výroby. Kanban stanovuje systém Ĝízení výroby a pohybu materiálu v procesu výroby svazkĤ EI, který platí pro všechny provozy, oddČlení a výrobní úseky závodu ýeská Lípa.

5.1. Pohyb materiálu ve výrobČ dle kanbanových karet Na Obr. 1 je znázornČn pĜehlednČ tok materiálu ve výrobČ, která využívá systém kanban. PĜedkonfekce, montážní pracovištČ, montážní linky a externí spotĜebitelé jsou materiálem zásobovány pouze z pĜíslušných kanbanových meziskladĤ. Materiál je v kanbanových skladech uložen ve dvou dávkách. První dávka je dávka výrobní, ze které odebírá spotĜebitel. Druhá dávka je dávka zásobní, která je s pĜedstihem naplĖována jednotlivými výrobci. Hlavním dokumentem, podle kterého se materiál vyrábí a ukládá v pĜepravkách do kanbanových skladĤ, je kanbanová karta a platný pracovní postup. Ke každé pĜepravce je navíc napevno pĜipevnČn štítek pĜepravky. Kanbanová karta je karta, na které je vyznaþen typ a struktura materiálu, skladové množství a umístČní ve skladu. Pomocí pĜesunĤ kanbanových karet je docíleno, že se materiál doplĖuje pravidelným rytmem a umožĖuje tak okamžitČ nahradit spotĜebovaný materiál novým. Externími spotĜebiteli jsou myšleny výrobní úseky závodu a spolupracujících firem umístČné mimo prostor hlavního závodu v ýeské LípČ. Vzhled Kanban karet používaných v závodČ Delphi ýeská Lípa a v závodech jeho externích dodavatelĤ je zobrazen na Obr. 2. Materiál je pak ukládán a pĜepravován právČ dle vzhledu karty. Barevné znaky oznaþují spotĜebitele. PĜíslušnost k projektu je vyjádĜena v identifikaþním þísle dílu a barva papíru karty pak oznaþuje zákazníka. Používají se pĜitom dva druhy pĜepravek: Bílá pĜepravka (BP) a modrá pĜepravka (KLT) rĤzných velikostí.

18

Obr. 1– Schéma toku materiálu Zdroj: Interní materiály Delphi

Obr. 2 – Kanbanová karta Zdroj: Interní materiály Delphi

19

5.2 Popis skladového místa Kanbanový mezisklad tvoĜí plastikové pĜepravky, které jsou uloženy v regálech na vyhrazeném skladovacím prostoru. Evidence skladovaných druhĤ vodiþĤ a podkompletĤ je vedena na PC, který je umístČn na pracovišti dispeþerĤ výroby. Pracovní seznam vodiþĤ, velikost jejich dávky a uložení ve skladu je na výtisku pĜipevnČném na tabuli v þele skladu. PĜíklad skladového místa je patrný z Obr. 3. Celkové množství vodiþe je rozdČleno na dvČ dávky – výrobní a zásobní, shodnČ situované v celém skladu jedním smČrem. Výrobní dávka je tvoĜena jednou nebo vČtším poþtem pĜepravek s materiálem urþeným k výbČru a zásobování pracovišĢ odbČratele. Dle zásad kanban systému musí být její místo vždy ve skladu obsazené. V opaþném pĜípadČ se jedná o narušení systému. Zásobní dávka je vždy tvoĜena celou dávkou pĜepravek; buć je právČ vyrábČna na pracovištích výrobce, nebo je zaĜazena ve skladu na zásobní stranČ regálĤ.

Obr. 3 – Tok materiálu kanbanovým skladem Zdroj: Interní materiály Delphi

20

5.3 Schéma pohybu materiálu dle kanbanových karet

Obr. 4 – TOK Zdroj: Interní materiály Delphi

21

5.4 Popis pohybu materiálu dle štítkĤ pĜepravky Montážní pracovištČ hotových modulĤ (elementĤ) Montážní pracovištČ hotových modulĤ jsou zásobována z meziskladĤ polotovarĤ (vodiþĤ a podkompletĤ, vstupujících do modulĤ bez jiných úprav), a meziskladu RAW materiálu. Zásobování provádí k tomu urþení pĜísunáĜi, kteĜí kontrolují množství RAW materiálu na jednotlivých montážních pracovištích a prĤbČžnČ ho doplĖují ze skladu RAW materiálu. Materiál ze skladu vodiþĤ a podkompletĤ doplĖují následujícím zpĤsobem: U každého montážního pracovištČ je stojan, na kterém jsou umístČny všechny potĜebné vodiþe a podkomplety. Od každého typu jsou zde umístČny dva svazky. Jeden z nich je rozbalen a zpracováván. Identifikaþní štítek z tohoto svazku je viditelnČ umístČn na k tomu urþeném místČ. Druhý svazek je zabalen. Obsluha spotĜebuje první svazek, rozbalí druhý svazek a štítek umístí na urþené místo. PĜísunáĜ pĜi prĤbČžných kontrolách zjistí, že na pracovišti je pouze jeden svazek a to je pro nČj signálem k dodání dalšího svazku z pĜíslušného skladu. Zásobování montážních linek Montážní linky jsou zásobovány RAW materiálem z hlavního skladu, nebo z meziskladu RAW materiálu, hotovými moduly z meziskladu hotových modulĤ a polotovary z meziskladĤ polotovarĤ (vodiþĤ a podkompletĤ, vstupujících do svazkĤ bez jiných úprav). Zásobování linek hotovými moduly provádí pĜísunáĜ z meziskladu modulĤ prĤbČžnČ dle potĜeb jednotlivých pracovišĢ. Tento materiál je k linkám dodáván v KLT pĜepravkách. Zásobování RAW materiálem provádí urþení pĜísunáĜi výrobního úseku. RAW materiál doplĖují pĜi kontrolách množství materiálu na pracovištích z hlavního skladu nebo meziskladu RAW materiálu. DoplĖování hotových modulĤ vyrábČných internČ je zajištČno pravidelným pohybem napevno oznaþených KLT pĜepravek štítkem pĜepravky (Obr. 5). Pohyby a zodpovČdnosti pro výrobu hotových modulĤ jsou patrné ze schématu na Obr. 6.

Obr. 5 – Štítek pĜepravky Zdroj: Interní materiály Delphi

22

Obr. 6 – Schéma pohybu materiálu Zdroj: Interní materiály Delphi

Tento systém pohybu zásob byl ve firmČ implementován pĜibližnČ v roce 2000. Jeho výhodou je, že má firma neustále pĜehled o výši inventury a umí ji tak i Ĝídit. Nevýhodou naopak jsou vČtší náklady držené v zásobách a u nízkopenetraþních dílĤ možnost dlouhodobého uložení materiálu. KSK systém4 zpĤsobuje nČkdy tzv. urgenty, zmČnou objednávky dojde materiál v dĤsledku nízké hladiny materiálu.

4

KSK systém je výroba podle specifických požadavkĤ zákazníka.

23

6. SpotĜeba a využití kabelových ok K aplikaci statistických metod v kontrolingu byl vybrán proces spotĜeby a využití kabelových ok. Jedná se o vnitropodnikovou aktivitu, resp. materiálový tok v nČmž vznikají nedostatky (odpady, ztrátovost). Tato problematika je Ĝešena pomocí nástrojĤ tzv. „problem solving“ postupĤ a struktury DMAIC, což je zkratka anglických slov define (definice), measure (mČĜení), analyze (analýza), improve (zlepšení) a control (kontrola) . Podle této struktury je postupováno a jednotlivé aktivity a kroky jsou vyjádĜeny v následujících kapitolách.

6.1 Fáze Definice V této úvodní þásti je již detailnČ popsán proces, který byl vybrán jako ztrátový. Je vyjádĜen úþel projektu a další údaje a aktivity, které je nutné vČdČt, ještČ pĜed samotným Ĝešením problému. 6.1.1 Úþel projektu Úþelem projektu je prošetĜit situaci ohlednČ spotĜeby, zmetkovosti a využití tČchto komponentĤ, zjistit pĜíþiny vyšších spotĜeb než jsou urþeny plánem dodávek a plánem spotĜeb, napravit nedostatky v tČchto procesech a nastavit proces tak, aby se zamezilo nadmČrné spotĜebČ a bylo dosaženo redukce nákladĤ za materiál. 6.1.2 Detaily projektu Kabelová oka jsou využívána v procesu výroby kabelových svazkĤ v automobilovém prĤmyslu jako komponent, který se vyznaþuje vysokým obsahem mČdi. MČć je pomČrnČ drahou komoditou, která významnČ ovlivĖuje koneþnou cenu tohoto výrobku. Tyto díly jsou v závodČ skladovány na železných regálech a to jak ve skladu po pĜíjmu materiálu, tak pĜi skladování ve výrobČ, kde jsou umístČny na regálech u montážních linek. V posledních mČsících nastávají situace, kdy i pĜes plánování dodávek podle kusovníkĤ hotových výrobkĤ tyto komponenty docházejí rychleji než je plán dodávek a plán spotĜeby materiálu. Je nutné stanovit tým urþený k provedení celého projektu. Projekt by mČl být realizován pod záštitou Ĝeditele závodu a vedoucího výroby. Je nutné zvolit metodického vedoucího neboli kouþe, který v tomto pĜípadČ je kontrolor. Dalšími þleny týmu jsou pak vedoucí logistiky a další zástupce výroby. Ostatní osoby jsou pĜizvány dle potĜeby.

24

Projekt by mČl trvat 3 mČsíce. Tým by mČl být schopen dokonþit všech pČt fází „problem solving“ projektu, tj. Definice, MČĜČní, Analýza, Zlepšení, Kontrola bČhem cca 90 dní, pokud nenastanou pĜíþiny þi dĤvody pro delší dobu trvání projektu. OddČlení, kde se problém vyskytuje nejvíce je výroba a logistika. Tyto oddČlení budou spolupracovat na Ĝešení pod záštitou svých vedoucích. Klíþovými ukazateli projektu je pĜíjem materiálu v ks, obrat materiálu v Eur (viz Tab. 1). Tab. 1 – Klíþové ukazatele projektu Popis Poþáteþní úroveĖ 1 PĜíjem materiálu / þtvrtletí 5.341.650 ks 2 Obrat EUR / þtvrtletí 359.444 Zdroj: Interní materiály Delphi

Popis

projektu

„SpotĜeba

a

využití

kabelových

ok“

jako

typu

projektu

„Innovation&continuous improvement a problem solving“ je zaznamenán v podniku Delphi pomocí dvou typizovaných formuláĜĤ. První z nich tzv. Contract Sheet popisuje detaily projektu (viz PĜíloha 1) a druhý tzv. SIPOC popisuje zaþátek procesu, samotný proces, konec procesu, vstupy a výstupy procesu, celý proces z nejvyšší perspektivy, dodavatele vstupĤ a zákazníka výstupĤ, požadavky zákazníka na výstupy a požadavky procesu na vstupy (viz PĜíloha 2). Tyto formuláĜe jsou obecnČ používány ve všech Delphi spoleþnostech na svČtČ jako „problem solving tools“ (nástroje k Ĝešení problémĤ). 6.1.3 Vizuální zobrazení popisovaných a sledovaných komponentĤ Souþástí definice problému je samozĜejmČ i vizuální zobrazení problémových a sledovaných komponentĤ. Kabelová oka a jejich rĤzná provedení jsou znázornČna na Obr. 7.

Obr. 7 – Vizuální zobrazení komponentĤ Zdroj: Interní materiály Delphi

6.1.4 ZávČr fáze definice projektu Byly popsány hlavní problémy toku materiálu a urþen tým lidí k nápravČ tohoto problému. ObecnČ jsou tyto údaje obsaženy ve formuláĜi „Contract sheet“. Tok materiálu jako proces, jaké byly jeho vstupy a výstupy, byl struþnČ zmapován pomocí formuláĜe SIPOC. Dále bylo pokraþováno fází mČĜení, aby byly získány údaje pro analýzu problému. 25

6.2 Fáze MČĜení V této þásti projektu je nutno získat potĜebná mČĜitelná data a údaje, které se týkají daného problému, zmapovat proces a urþit oblasti s potenciálními nedostatky. 6.2.1 Mapa procesu toku materiálu sklady, výrobou a expedicí Pro lepší pochopení toku materiálu sklady výrobou i expedicí je níže uveden Obr. 8, kde jsou zachyceny veškeré sklady v podniku, tzn. sklady hotových výrobkĤ (003x), sklady polotovarĤ a nedokonþené výroby (002x) a sklady materiálu (001x). Kabelová oka se v tomto procesu jako surovina pohybují ve skladech 001x a ve skladu 002x. Ve skladu 002x se pak pozdČji stávají souþástí polotovarĤ a hotových výrobkĤ.

Obr. 8 – Mapa procesu toku materiálu sklady, výrobou a expedicí Zdroj: Interní materiály Delphi

26

6.2.2 Získání seznamu komponent Seznam dílĤ tedy kabelových ok získáme z podnikové databáze SAP provedením stažení neboli downloadu sestavy do aplikace Excel a podle skupiny a názvu materiálu vyfiltrujeme v programu Excel potĜebné komponenty. Dále z logistického modulu (transakce MM60 viz Obr. 9) získáme seznam dílĤ s materiálovým pohybem pĜes procesy logistiky a výroby za období únor až þerven.

Obr. 9 – SAP menu Zdroj: Systém SAP R/3

Seznam mČdČných kabelových ok z databáze SAP je pak zobrazen na Obr. 10. Pro další pracování s tímto seznamem bylo nutné položky materiálĤ stáhnout do aplikace Excel (viz Tab. 2)

27

Obr. 10 – Sestava komponentĤ Zdroj: Systém SAP R/3

Tab. 2 – Seznam mČdČných dílĤ – kabelových ok

Zdroj: Vlastní zpracování

Dále bylo nutné urþit logistické materiálové pohyby kabelových ok ze systému SAP. K tomu je potĜeba transakce MCBE (viz Obr. 11), která spadá v menu SAP pod položku controlling logistiky. Zde se do pole materiál vloží þísla materiálĤ získaná v Tab. 2.

28

Obr. 11 – Transakce MCBE Zdroj: Systém SAP R/3

Z transakce MCBE pak je potĜeba opČt stáhnout sestavu dílĤ s materiálovými pohyby do aplikace Excel viz Tab. 3. Tab. 3 – Sestava dílĤ získaná transakcí MCBE


Kontingenþní tabulka v aplikaci Excel byla dále upravena pro zadání dat do statistického software MINITAB a níže (viz Tab. 4) je již výsledná tabulka pro použití po úpravČ kontingenþní tabulky.

29

Tab. 4 – Kontingenþní tabulka


30

6.2.3 Sestavení pĜehledu toku materiálu Pro zjednodušení pĜehledu o procesu a definování dalších promČnných potĜebných pro vyhodnocení prĤbČhu procesu bylo nutné sestavení pĜehledu toku materiálu pomocí IPO (input process output) diagramu (viz Obr. 12).

Obr. 12 – Procesní mapa

Z hlediska stabilnosti (nestálosti) kritické z pohledu procesu jsou definovány typy promČnných (faktorĤ), které mohou být oznaþeny jako: „C“ (Controllable – kontolovatelné), „Cr“ (Critical – kritické), „S“ (SOP – standardní operaþní procedura), „N“ (Noise – šum, tzv. neovlivnitelný vstup). PromČnné definované v IPO diagramu pak dále klasifikujeme podle uvedených typĤ. Kabelová oka–balné jednotky jsou ohodnoceny jako „C“, protože to jsou ještČ od dodavatele zabalená oka ve velkých bednách, pĜijímaných pomocí skeneru. NepĜedpokládá se, že pĜi pĜepravČ þi naskladnČní mĤže docházet k odpadovosti, nebo ke ztrátám komponentĤ. Jako další promČnná byli definováni skladníci a ti byli klasifikováni jako „N“ a „Cr“ a to hlavnČ z toho dĤvodu, že jsou to lidé, kteĜí mohou udČlat nepĜedvídatelnou chybu a existuje zde také možnost zcizování komponentĤ. Kabelová oka ve formČ výrobní dávky jsou pak klasifikována jako „Cr“. Výrobní dávky jsou totiž již v malých platových boxech, volnČji pĜístupné a hrozí zde již ztráta þi zcizení bČhem pĜípravy ve skladu logistiky nebo pĜi pĜepravČ ze skladu logistiky do skladu výroby. Dále existuje možnost zcizení ve výrobČ, þi odpadovosti a zmetkovosti pĜi výrobČ. 6.2.4 Potenciální slabá místa, nedostatky a pĜíþiny ztrátovosti komponentĤ Potenciální slabá místa, nedostatky a pĜíþiny ztrátovosti komponentĤ podle klasifikace vstupĤ a výstupĤ pĜedpokládáme ve skladu logistiky a to jak zcizení tak možnost špatného záznamu výdeje materiálu a ve skladu výroby a to opČt ve formČ zcizení þi odpadovosti pĜi výrobČ.

31

6.2.5 ÚroveĖ výroby Další promČnnou potĜebnou pro vyhodnocování je úroveĖ výroby. ÚroveĖ výroby byla klasifikována jako „S“. V pĜípadČ Delphi není ovlivnČna závodem, ale zákazníkem a je výstupní promČnnou, podle které se chová vstupní promČnná, tj. spotĜeba kabelových ok. Tyto promČnné, spotĜeba kabelových ok a úroveĖ výroby by mČly být v pomČrnČ tČsné korelaci a mČly by být rovnomČrné a v podobné výši v každém mČsíci. Dále bylo nutné urþit projekty, v nichž se sledovaný komponent, tedy kabelová oka, používají (viz Tab. 5) a následnČ i úroveĖ výroby u vybraných projektĤ (viz Tab. 6). Tab. 5 – Projekty používající kabelová oka


Jak potvrzuje Tab. 5, tak z pČti projektĤ, které firma vyrábí se vyskytují oka prakticky ve tĜech projektech a to: Škoda Octavia, Škoda Roomster a Audi D3. Nevyskytují se tak na projektu A4, tj. Škoda Octavia – starý model a na projektu BMW E83. ÚroveĖ výroby u vybraných projektĤ A05, A5 a D3 v kusech byla urþena pomocí databáze SAP a aplikace Excel. Tab. 6 – Poþet vyrobených aut (ks) MČsíc únor bĜezen duben kvČten þerven

D3 2 193 2 136 2 273 2 272 2 160

A5 20 436 20 735 21 524 19 826 22 450 Zdroj: Vlastní zpracování

A05 5 458 5 244 5 992 4 480 4 348

Celkem 28 087 28 115 29 789 26 578 28 958

Po urþení poþtu vyrobených aut na vybraných projektech, které používají komponent kabelová oka se pomocí statistického softwaru MINITAB provede statistická kontrola procesu SPC mČsíþní úrovnČ výroby aut jednotlivých projektĤ (viz Obr. 13 pro projekt 32

A05, Obr. 14 pro projekt A5 a Obr. 15 pro projekt D3), aby bylo možno dále ve vyhodnocování používat zvolené statistické nástroje. ,05&KDUWRI$

,QGLYLGXDO9 DOXH

8 & /

B ;

/& /

2 EVHU YDWLRQ

8 & /

0 RYLQJ5DQJH

BB 0 5

/& /

2 EVHU YDWLRQ

Obr. 13 – Statistická kontrola procesu u projektu A05 Zdroj: Systém MINITAB

,05&KDUWRI$ 8 & / ,QGLYLGXDO9 DOXH

B ;

/& /

2 EVHU YDWLRQ

8 & / 0 RYLQJ5DQJH

BB 0 5

/& /

2 EVHU YDWLRQ


33

,05&KDUWRI' 8 & /

,QGLYLGXDO9DOXH

B ;

/& /

2 EVHU YDWLRQ

8 & /

0 RYLQJ5DQJH

BB 0 5

/& /

2 EVHU YDWLRQ

Obr. 15 – Statistická kontrola procesu u projektu D3 Zdroj: Systém MINITAB

Podle grafu individuálních hodnot a jejich lze pozorovat, že procesy výroby jsou pod statistickou kontrolou. Žádná z individuálních hodnot nepĜekraþuje statistické hranice procesu, u I–MR 3 sigma. V procesech se nevyskytují žádné „speciální pĜíþiny“ narušující statistickou kontrolu a prĤbČh procesu. RovnomČrná výroba bČhem pČti sledovaných mČsícĤ je pĜedpokladem pro rovnomČrnou spotĜebu ok bČhem tČchto pČti sledovaných mČsícĤ. Protože je po celém toku materiálu využíván KANBAN systém, pĜedpokládáme, že vstupy a výstupy do jednotlivých skladĤ a z nich se v mČsíþních þasových jednotkách rovnají. PĜesná potĜeba množství ok je dána výstupem ze skladu VÝROBA 0020, v nČmž se provádí odpis automaticky v systému SAP podle kusovníkĤ materiálu. DĤležitým krokem je urþení stability neboli zpĤsobilosti procesu Cpk z hlediska procentního rozdílu mezi dodaným materiálem a spotĜebovaným materiálem. Dodaný materiál do procesu je množství vstupu do skladu LOG 0010, spotĜeba je výstup ze skladu VYROBA 0020, tzv. „backflush„ (tj. odpis automaticky provádČný v SAPu). Tyto dva údaje podČlíme (výstup 0020/vstup 0010) a dostaneme procento spotĜebovaného materiálu vĤþi dodanému materiálu (viz Tab. 7). Tento ukazatel nám ukáže proces z hlediska ztrátovosti. Jako spodní toleranþní limit je stanovena hranice 70–ti procent (tj. hodnota 0,7 34

pro software MINITAB). Takto je zobrazena výchozí hranice PPM, která bude závČrem projektu znovu vyhodnocena a porovnána s výchozí. Tab. 7 – Výpoþet procent FPY MČsíc Únor BĜezen Duben KvČten ýerven Celkem

IN 159 700 171 050 188 850 235 150 204 050 958 800

Sklad 0010 Sklad 0020 OUT Celkem IN OUT Celkem 178 550 338 250 178 550 147 330 325 880 183 200 354 250 183 200 124 555 307 755 195 150 384 000 195 150 160 976 356 126 200 150 435 300 200 150 104 882 305 032 169 350 373 400 169 900 135 502 305 402 926 400 1 885 200 926 950 673 246 1 600 196 Zdroj: Vlastní zpracování

% FPY 92% 73% 85% 45% 66%

Dále bylo nutné provést test normality rozdČlení dat v procentech, který umožĖuje použít vyhodnocení Cpk, tj. zpĤsobilost, nebo též stabilitu procesu (viz Obr. 16). 6XPPDU\IRU)3< $ QGHUVRQ'DUOLQJ1RUPDOLW\ 7HVW

$ 6 TXDUHG 3 9 DOXH

0 HDQ 6 W' HY 9 DULDQFH 6 NHZ QHVV .XUWRVLV 1

0 LQLPXP VW4 XDUWLOH 0 HGLDQ UG4 XDUWLOH 0 D[LPXP

& RQILGHQFH,QWHUY DOIRU0 HDQ

& RQILGHQFH,QWHUY DOIRU0 HGLDQ

& RQILGHQFH,QWHUY DOIRU6 W'HY & RQILGHQFH,QWHU YDOV

0HDQ 0HGLDQ

Obr. 16 – Popisná statistika pro FPY Zdroj: Systém MINITAB

Podle testované hodnoty P–value > 0,05 není dostatek dĤkazĤ zamítnout Ho neboli tzv. nulovou hypotézu, že data nemají normální rozdČlení. V tomto pĜípadČ je možné dále použít vyhodnocení Cpk, kde normalita dat je podmínkou pro toto vyhodnocení. Popisná statistika dále ukazuje, že prĤmČrné využití materiálu je 72,2 % , medián využití materiálu je 73%, smČrodatná odchylka je 18,267 % . Jak je výše zmínČno, pĜedpokládáme normálnČ rozdČlená data. 35

Obr. 17 – ZpĤsobilost procesu (% FPY) Zdroj: Systém MINITAB

Obr. 18 – Analýza Cpk Zdroj: Systém MINITAB

Podle grafu (viz Obr. 18) a vypoþtených údajĤ je patrné, že pĜi stanovené dolní hranici tolerance ztrátovosti 70 %, což je již neakceptovatelná situace, máme PPM 454 934, což znamená, že pĜi dané variabilitČ s 95 % spolehlivostí je necelá polovina materiálu, pĜi stanovené toleranci ztrátovosti „ztracena“ v logistickém a výrobním procesu. Tyto tolerance využijeme pĜi mČĜení procesu po zlepšení.

36

Posledním krokem fáze mČĜení je pak sestavení Paterova diagramu. Pomocí Paterova diagramu jsou zobrazovány podíly jednotlivých komponentĤ na nákladech za tento materiál v Kþ (viz Obr. 19)

Obr. 19 – PaterĤv diagram zobrazující materiálové náklady Zdroj: Systém MINITAB

ParetĤv diagram zde byl tedy použit pro náklady uvedených materiálových dat a zobrazuje procentní podíl a konkrétní þástku jednotlivých materiálĤ na celkovém nákladu za tyto komponenty, který je 14 216 855,– Kþ za období únor až þerven. Na závČr fáze mČĜení lze tedy shrnout, že v úvodu byla vytvoĜena detailní mapa toku materiálu po jednotlivých skladech a podle jednotlivých typech pohybĤ. Též byly zobrazeny úþty pohybu materiálu. Potom byly získány definované materiály z databáze SAP, resp. jejich materiálové identifikaþní þísla vyfiltrováním podle popisu materiálu „kabelové oko“. Bylo urþeno celkem 12 materiálĤ. Dále byly urþeny z kontrolingového modulu logistiky SAP materiálové pohyby tČchto kabelových ok, jejich množství vstupující do skladu logistiky 0010 a vystupující z tohoto skladu, vstupující do skladu výroby 0020 a vystupující z tohoto skladu v období mČsícĤ únor až þerven. Byl sestaven pĜehled toku materiálu pomocí IPO (input process output) diagramu pro zjednodušení pĜehledu o procesu a definování dalších promČnných potĜebných pro vyhodnocení prĤbČhu procesu následovalo po þíselných údajích o toku materiálu.

37

Informace k urþení projektĤ, kde se používají kabelová oka byla získána z oddČlení engineeringu. Podle tČchto informací byla dále urþena úroveĖ výroby, její stabilita a zpĤsobilost z hlediska ztrátovosti. ZávČrem bylo vytvoĜeno PaterĤv diagram s údaji o celkových nákladech za uvedený materiál a procentuálním rozložením nákladĤ za jednotlivé materiály.

38

6.3 Fáze Analýzy V této þásti projektu je nutno provést potĜebnou analýzu dat pro upĜesnČní a potvrzení místa výskytu problémĤ, tj.urþení oblasti s potenciálními nedostatky a ztrátovostí materiálu. 6.3.1 Interaction plot Ve fázi analýzy byl využit tzv. Interaction plot neboli graf interakce vzájemného pĤsobení vstupních faktorĤ na výstup. Pomocí tohoto statistického nástroje lze graficky vyhodnotit najednou všechny materiály podle prĤmČrných hodnot pro vstupy a výstupy do skladĤ 0010 LOG a 0020 VYROBA a lze potom usuzovat, zda nČjaké materiály mají disproporce v materiálových tocích. Data do statistického programu MINITAB byla vložena ve struktuĜe znázornČné na Obr. 20)

Obr. 20 – MINITAB Zdroj: Systém MINITAB

39

Graf (viz Obr. 21) nám ukazuje, že þtyĜi materiály s þísly: 10810758, 10810759, 10810760 a 10864993 mají vizuální odchylku mezi prĤmČrnou hodnotou celkových vstupĤ a výstupĤ, a mezi sklady 0010 a 0020, resp. ve skladu 0020 mají nižší výstup než vstup. Ostatních sedm materiálĤ má stejný prĤmČrný vstup a výstup. ,QWHUDFWLRQ3ORWGDWDPHDQV IRU.6

0$7(5, $/

0 $ 7 (5,$ /

6NODG

6NODG

3RK\E ,1

287

3 RK\E

,1

7 28

Obr. 21 – Interaction Plot Zdroj: Systém MINITAB

Dalším postupem tedy bude analýza tČchto þtyĜ materiálĤ pomocí statistické metody dvoufaktorová anova, pomocí které bude dále zjišĢováno chování toku tČchto materiálĤ. Cílem je urþit, v kterých místech procesu dochází ke ztrátám materiálu. 6.3.2 Vyvážená dvoufaktorová anova Vyvážená dvoufaktorová anova byla provedena jednotlivČ pro þtyĜi materiály. Vstupní data byla vyjmuta z tabulky všech pĤvodnČ pozorovaných materiálĤ a dále uspoĜádána pro použití anovy. Dále byl doplnČn projekt, kde jsou tyto materiály montovány (viz Tab. 8)

40

Tab. 8 – Souhrnná data problémových materiálĤ


41

6.3.2.1 Materiál 10810758 Data související s materiálem þ. 10810758 byla vložena do statistického programu MINITAB a následnČ byla vyhodnocena.

Obr. 22 – Data materiálu 10810758 Zdroj: Systém MINITAB

Test normality dat byl proveden pro uvedená data (viz Obr. 23), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj ANOVA.

Obr. 23 – Výsledky testu normality dat Zdroj: Systém MINITAB

Podle testu normality dat pohybĤ materiálu 10810758, jsme vyhodnotili P–value 0,237, pro kterou platí, je–li P–hodnota > 0,05, pak nemáme dostatek dĤkazĤ zamítnout Ho, tvrzení, 42

že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna. Dále byl proveden test rozptylu pro uvedená data (viz Obr. 24), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

Obr. 24 – Výsledky testu rozptylu dat Zdroj: Systém MINITAB

Obr. 25 – Výsledná zpráva testu rozptylu dat Zdroj: Systém MINITAB

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10810758, bylo vyhodnoceno P– value, pro kterou platí: je–li P–hodnota > 0,05, pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že se rozptyly dat neliší. Tímto je podmínka pro možnost použití statistického nástroje Anova splnČna. Nástroj Anova byl aplikován opČt v systému MINITAB (viz Obr. 26)

43

Obr. 26 – Dvoufaktorová Anova Zdroj: Systém MINITAB

Výsledná zpráva dvoufaktorové anovy a krabicový graf, které byly vygenerovány systémem Minitab jsou zobrazeny na Obr. 27 a Obr. 28.

Obr. 27 – Výsledná zpráva dvoufaktorové Anovy Zdroj: Systém MINITAB

44

Obr. 28 – Krabicový graf Zdroj: Systém MINITAB

Podle zprávy 2 faktorové anovy, kde je posuzována P–hodnota, pro kterou platí, je–li P– hodnota > 0,05 (P–value = 0,121 ), pak není dostatek dĤkazĤ zamítnout tvrzení, lze Ĝíct že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že není zamítána nulovou hypotézu. V našem pĜípadČ není nezamítáno tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Avšak krabicový graf naznaþuje, že ve skladu výroby 0020 pravdČpodobnČ mĤže dojít k nestejnému rozdČlení, tj. k neshodnému prĤchodu materiálu, proto pro danou situaci dále bylo provedeno testování hypotézy jednofaktorovou anovou pro oba sklady, tj. 0010 a 0020 a porovnáno a potvrzeno, zda vstup i výstup materiálu do tČchto skladĤ byl shodný. Jednofaktorová Anova Test normality jednotlivých výbČrĤ byl proveden pro uvedená data, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova (viz Obr. 29, Obr. 30, Obr. 31 a Obr. 32)

45

Obr. 29 – Test normality pro sklad 0010 a pohyb do skladu Zdroj: Systém MINITAB

Obr. 30 – Test normality pro sklad 0010 a pohyb ze skladu Zdroj: Systém MINITAB

46

6XPPDU\IRU.6B 3RK\EBVNO ,1 $ QGHUVRQ'DUOLQJ1RUPDOLW\ 7HVW

$ 6 TXDUHG 3 9 DOXH

0 HDQ 6 W'HY 9 DULDQFH 6 NHZ QHVV .XUWRVLV 1



& RQILGHQFH,QWHUY DOIRU0 HGLDQ & RQILGHQFH,QWHU YDOV

& RQILGHQFH,QWHUY DOIRU6 W'HY

0HDQ

0HGLDQ

Obr. 31 – Test normality pro sklad 0020 a pohyb do skladu Zdroj: Systém MINITAB

6XPPDU\IRU.6B 3RK\EBVNO 287 $ QGHUVRQ'DUOLQJ1 RUPDOLW\ 7HVW

$ 6 TXDUHG 3 9 DOXH

0 HDQ 6W'HY 9 DULDQFH 6NHZ QHVV .XUWRVLV 1



& RQILGHQFH,QWHUY DOIRU0 HGLDQ & RQILGHQFH,QWHU YDOV

& RQILGHQFH,QWHUY DOIRU6 W'HY

0HDQ

0HGLDQ

Obr. 32 – Test normality pro sklad 0020 a pohyb ze skladu Zdroj: Systém MINITAB

Data všech sledovaných pohybĤ mají P–value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tzn. že nemají normální rozdČlení.

47

Test rozptylu dat byl proveden pro sklady 0010 i 0020, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova (viz Obr. 33, Obr. 34, Obr. 35 a Obr. 36).

Obr. 33 – Test shodnosti rozptylu dat pro sklad 0010 Zdroj: Systém MINITAB

Obr. 34 – Výsledná zpráva pro test shodnosti rozptylu dat pro sklad 0010 Zdroj: Systém MINITAB

48

Obr. 35 – Test shodnosti rozptylu pro sklad 0020 Zdroj: Systém MINITAB

Obr. 36 – Výsledná zpráva pro test shodnosti rozptylu dat pro sklad 0020 Zdroj: Systém MINITAB

Rozptyly všech sledovaných skladĤ 0010 a 0020 a pohybĤ „in“ (pohyb do skladu) a „out“ (pohyb ze skladu) mají P–value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu. Výsledné zprávy 1 faktorové anovy a krabicový graf pro oba sklady, tj. 0010 a 0020 jsou znázornČny na Obr. 37, Obr. 38 a Obr. 39.

49

Obr. 37 – Výsledná zpráva anovy Zdroj: Systém MINITAB

Obr. 38 – Krabicový graf pro sklad 0010 Zdroj: Systém MINITAB

50

Obr. 39 – Krabicový graf pro sklad 0020 Zdroj: Systém MINITAB

Podle zprávy 1 faktorové anovy (viz Obr. 37), kde je posuzována P–hodnota, pro kterou platí, je–li P–hodnota > 0,05, pak nezamítáme nulovou hypotézu Ho. V tomto pĜípadČ je u skladu 0010 P–hodnota = 0,906 a není tak dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. Nezamítáme tedy tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. VizuálnČ zobrazeno krabicovým grafem (viz Obr. 38). Avšak v pĜípadČ skladu 0020, kde je také posuzována P–hodnota, pro kterou platí, je–li P– hodnota > 0,05, v tomto pĜípadČ P–hodnota je rovna 0,021, tedy je menší než je pĜípustná hodnota pro nezamítnutí hypotézy, pak je dostatek dĤkazĤ zamítnout tvrzení, že data pocházejí ze stejného rozdČlení, tedy nemají stejný prĤmČr a rozptyl. To znamená, že lze zamítnout nulovou hypotézu. Je tedy zamítnuto tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0020 dovnitĜ i ven ze skladu. VizuálnČ je zobrazeno krabicovým grafem (viz Obr. 39). Materiály 10810759 a 10810760 byly vyhodnoceny stejným zpĤsobem a výsledky byly obdobné jako u materiálu 10810758. Tyto výsledky jsou uvedeny v pĜíloze diplomové práce (viz PĜíloha 3 a PĜíloha 4). Alternativní test hypotézy Byl proveden alternativní test hypotézy, kde došlo k ovČĜení hypotézy stejného základního rozdČlení pravdČpodobnosti v porovnání s alternativní hypotézou, která pĜedpokládá, že 51

základní rozdČlení pravdČpodobnosti není u všech výbČrĤ stejné. Pokud existují pouze dva výbČry, bylo by možné rovnocennČ použít funkci listu TTEST. V pĜípadČ více než dvou výbČrĤ nelze použít funkce TTEST.

Obr. 40 – Data použitá pro funkci TTEST Zdroj: Systém MINITAB

Obr. 41 – Výsledná zpráva TTESTu Zdroj: Systém MINITAB

Pomocí funkce TTEST bylo dosaženo stejného závČru jako u jednofaktorové anovy. ZávČr této analýzy týkající se materiálu 10810758 je, že k úbytku materiálu dochází ve skladu výroby 0020, kde budeme dále zkoumat zpĤsob skladování a zmetkovost a navrhovat Ĝešení, jak eliminovat ztráty materiálu.

52

6.3.2.2 Materiál 10864993 Data související s materiálem þ. 10864993 byla vložena do statistického programu MINITAB a následnČ byla vyhodnocena.

Obr. 42 – Data materiálu 10864993 Zdroj: Systém MINITAB

Pro uvedená data byl proveden test normality dat, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova. (viz Obr. 43)

Obr. 43 – Test normality materiálu 10864993 Zdroj: Systém MINITAB

53

Podle testu normality dat pohybĤ materiálu 10864993 , bylo vyhodnoceno P–value < 0,005, pro kterou platí, je–li P–hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna. V tomto pĜípadČ P–value < 0,05 pĜivádí k závČru, že je zamítnuta Ho (nulová hypotéza) a nepĜedpokládáme že data mají normální rozdČlení.

Pro

vyhodnocení tohoto pĜípadu proto nelze použít Anovu. V dĤsledku pĜedešlého testu lze pĜedpokládat, že se v procesu vyskytují tzv. „speciální pĜíþiny“ které mají odlehlé hodnoty ležící mimo statistickou kontrolu procesu a na které bychom se zamČĜili po jejich identifikaci. Pro toto vyhodnocení použijeme SPC diagramy IMR chart a Xbar RChart, diagram testování prĤmČtu a rozptylu. Podle typu dat a velikosti vzorku se lze Ĝídit výbČrem SPC grafu podle stromu, který je znázornČn na Obr. 44 , kde jdeme pouze po linii kvantitativních dat (continuous), tzn. že pro potĜeby diplomové práce byly použity grafy I–MR Chart a Xbar–R Chart. Identified Indicator

Data Type?

Attributive

No

Defectives?

Varying sample size?

No

c-Chart

Yes

Continuous

Data Normally Distributed?

u-Chart

Yes

Yes

I-MR Chart

No

Subgroup Size >1?

No

Varying sample size?

No

np-Chart

Yes

x - R Chart

No

Yes

Subgroup Size >10?

p-Chart

Yes

x - s Chart

Obr. 44 – VýbČr kontrolního grafu Zdroj: Interní materiály Delphi

IMR graf je použit pro pohled na celý proces pro pozorování odlehlých hodnot. IMR graf jak pro celý proces, tak podle skladĤ a pohybĤ je znázornČn na Obr. 45 a výsledná zpráva na Obr. 46

54

Obr. 45 – IMR graf pro celý proces Zdroj: Systém MINITAB

Obr. 46 – Výsledná zpráva IMR Zdroj: Systém MINITAB

Podle grafĤ viz níže a výsledné zprávy IMR (viz Obr. 46) byly pozorovány dvČ poslední hodnoty, které jsou mimo statistickou kontrolu. Jsou to výstupy materiálu ze skladu výroby 0020. Pro další pozorování bude použit diagram Xbar Chart pro pohled na celý proces podle podskupin pro jednotlivé sklady a druhy pohybu a pro pozorování, ve kterém skladu dochází k disproporci v toku materiálu (viz Obr. 47)

55

Obr. 47 – Xbar Chart pro celý proces Zdroj: Systém MINITAB

Podle diagramĤ IMR a Xbar Chart je vidČt, že pro jednotlivé hodnoty prĤmČrĤ a rozptylĤ u jednotlivých skladĤ a pohybĤ materiálu je opČt nejvČtší disproporce, tj. úbytek materiálu ve skladu výroby 0020. Pracovalo se s daty, která nemČla normální rozdČlení. 6.3.3 ZávČry fáze Analýzy Pomocí grafu interakce byly urþeny z celkového poþtu dvanáct materiálĤ þtyĜi materiály 10810758,

10810759, 10810760 a 10864993, u kterých byly pozorovány odchylky

v množstvích kusĤ jednotlivých kabelových ok mezi vstupy a výstupy u skladĤ logistiky 0010 a výroby 0020. Dalším postupem byla analýza tČchto þtyĜ materiálĤ pomocí statistické metody dvoufaktorová anova, pomocí které bylo zjišĢováno chování toku tČchto materiálĤ. Cílem bylo urþit, v kterých místech procesu dochází ke ztrátám materiálu, jestli ve skladu logistiky 0010 nebo ve skaldu výroby 0020. Dvoufaktorová anova graficky ukazovala (pomocí krabicového grafu) odchylku u všech materiálĤ pĜi výstupu ze skladu výroby 0020, ale toto nebylo potvrzeno matematicky pomocí P hodnoty, abychom mohli zamítnout Ho, nulovou hypotézu, potvrzující pĜedpoklad, že pĜi výstupu ze skladu 0020 dochází k úbytku materiálu. Proto bylo dále pokraþováno detailnČji pomocí jednofaktorové anovy pro jednotlivé sklady a vstupy a výstupy materiálu. Tato metoda již potvrdila 56

zamítnutí Ho, nulové hypotézy, pomocí P hodnoty < 0,05 u skladu 0020. U skladu 0010 Ho zamítnuta nebyla. Tento závČr ukazoval na fakt, že ke ztrátám materiálĤ dochází v oblasti skladu výroby 0020. Takto jsme postupovali u 3 materiálĤ 10810758, 10810759, 10810760. Materiál 10864993 nesplĔoval podmínku normálního rozdČlení, takže bylo použito metod statistických kontrolních grafĤ, známých též jako Shewartovy grafy. Též bylo indikováno, že ke ztrátám materiálu dochází v oblasti skladu materiálu výroby 0020. Z fáze mČĜení již byly též získány dĤležité poznatky, že uvedené analyzované 4 materiály se vyskytují na projektu ŠKODA, což zužuje oblast provČĜování ve výrobČ a dále že se všechy 4 materiály vyskytují v 80 % þásti obratu 14 216 855,– Kþ vydaném za tyto materiály, viz Pareto graf (Obr. 19) v þásti mČĜení, což potvrzovalo finanþní úþinnost daného projektu.

57

6.4 Fáze zlepšení procesu V této þásti projektu byla prozkoumána místa ve skladu a ve výrobČ, kde se materiál vyskytoval, jak byl skladován, zpracováván a jaký k nČmu byl pĜístup. Již z analýzy bylo urþeno, že všechny þtyĜi sledované a problematické materiály se vyskytovaly pouze na projektu Škoda (A05 a A5). 6.4.1 Skladování kabelových ok ve skladu logistiky 0010. Kabelová oka jsou po vyložení z kamionu a naskenování pĜíjmu uložena do uzavĜených regálĤ v uzavĜených baleních (viz Obr. 48). Odtud jsou vydávána podle potĜeby do výroby. V této oblasti není umožnČno zcizení materiálu. Podle vstupní kontroly kvality se u tČchto komponentĤ ani žádná odpadovost z dĤvodu nekvality dodavatele nevyskytuje. Proto se v této oblasti neuvažovalo o možném úniku materiálu, což bylo v analýze doloženo statistickým pozorováním pomocí anovy pro sklad logistiky 0010 viz Obr. 48

Obr. 48 – Sklad kabelových ok ve skladu logistiky 0010 Zdroj: Interní materiály Delphi

58

6.4.2 Skladování kabelových ok ve skladu výroby 0020 a oblasti montáže. Pro pohled z vyšší perspektivy byla vyznaþena oblast výskytu a skladování sledovaných kabelových ok v „layoutu“ podniku (viz Obr. 49). Výskyt je na pracovišti pĜedkonfekce, kde se pĜipravují polotovary s nalisovanými kabelovými oky pro montáž na lince. Další místo uložení ok je na konci montážní linky projektu Škoda, kde probíhají pĜímé operace nalisování tohoto materiálu. TĜetí místem výskytu je nad linkou u nástĜihového stroje Filomat sekajícího startovací kabely.

Obr. 49 – Plán podniku – skladování materiálu Zdroj: Interní materiály Delphi

6.4.3 Slabá místa procesu a jejich minimalizace Slabá místa procesu byla zjištČna pĜedevším na pracovišti pĜedkonfekce (viz Obr. 51) a u montážní linky (viz Obr. 50), kde byl tento materiál skladován v plastových boxech na pracovišti pĜíslušných operátorĤ. Byl umístČn tak, aby se zajistila maximální ergonomie pracovištČ a operátoĜi potĜebovali minimální þas k tČmto operacím s kabelovými oky. DoplĖování materiálu probíhalo systémem kanban ve frekvenci cca 1dávka za smČnu.

59

Materiál byl volnČ pĜístupný, nebyl nijak uzamþen, takže bČhem pĜestávek nebo když nebyla na daném projektu probíhající smČna, prakticky nebyl pod kontrolou.

Obr. 50 – Skladování materiálu u montážních linek Zdroj: Interní materiály Delphi

Obr. 51 – Skladování materiálu na pracovišti pĜedkonfekce Zdroj: Interní materiály Delphi

60

V dĤsledku volného pĜístupu k tomuto materiálu bČhem prostojĤ linky, nebo pracovištČ pĜedkonfekce, kdy nebyli pĜítomni operátoĜi, docházelo ke krádežím tohoto materiálu ze skladovacích boxĤ. Po konzultacích s operátory, mistry a technickými pracovníky odpovČdnými za technologii výroby byla pĜijata pĜíslušná opatĜení vedoucí k odstranČní tohoto problému. Na pracovištČ pĜedkonfekce a výrobní linky byly postaveny železné skĜínČ (viz Obr. 52), kam byl tento specifický

materiál bČhem odstávek linky uschován a zamþen. Dále byly sníženy

kanbanové dávky na nižší až þtvrtinové pĤvodní množství materiálu a zvýšena frekvence zásobování z jedné dávky za smČnu na þtyĜi dávky za smČnu, aby se ve volnČ pĜístupných boxech nevyskytovalo vČtší množství kabelových ok najednou.

Obr. 52 – Skladování materiálu na pracovišti PKF a linky po nápravném opatĜení Zdroj: Interní materiály Delphi

Slabá místa procesu byla také zjištČna u nástĜihového stroj Filomat (viz Obr. 53), který zajišĢuje výrobu startovacích kabelĤ a pracuje ve tĜísmČnném provozu. V mČĜeném období byly pozorovány ve výrobním procesu nástĜihu kabelĤ u tohoto stroje zvýšená množství technologických odpadĤ (Obr. 54). 61

Obr. 53 – NástĜihový stroj Filomat Zdroj: Interní materiály Delphi

Obr. 54 – Technologické odpady u nástĜihového stroje Filomat Zdroj: Interní materiály Delphi

Po konzultacíh s operátory, mistry a technickými pracovníky odpovČdnými za technologii výroby byly definovány tyto oblasti pĜíþin zvýšené odpadovosti: nepĜesnosti v mČĜícím zaĜízení (viz Obr. 55), natažení kabelu, odvíjeþ (þidlo), variace v prĤmČru kabelu (provČĜit variaci), v navíjecím zaĜízení (nereaguje v souladu s bČhem stroje – viz Obr. 56) a zpČtná brzda. 62

Obr. 55 – MČĜící zaĜízení Zdroj: Interní materiály Delphi

Obr. 56 – Navíjecí zaĜízení Zdroj: Interní materiály Delphi

ProvČĜením definovaných oblastí možných pĜíþin byla pĜijata pĜíslušná opatĜení k odstranČní problému zvýšené odpadovosti. Na pracovišti nástĜihového stroje Filomat bylo

63

zmČnČno postavení odvíjeþe a zmírnČno natažení kabelu, kalibrováno mČĜící zaĜízení (odstranČny nepĜesnosti v mČĜícím zaĜízení) a odstranČny závady v navíjecím zaĜízení, které již reaguje v souladu s bČhem stroje (oprava zpČtné brzdy). Po implementaci tČchto opatĜení byl výskyt zvýšených technologických odpadĤ výraznČ redukován. Toto bylo dále pozorováno v kontrolní fázi pomocí statistických vyhodnocení. 6.4.4 ZávČry fáze Zlepšení Po pĜijatých nápravných opatĜeních bylo oþekáváno výrazné zlepšení toku materiálu a výrazná minimalizace ztrát. Dalším postupem byly obdobné kroky jako ve fázi mČĜení a fázi analýzy. Získání dat z databáze SAP, urþení stability výroby SPC pro pĜedpoklad ovČĜování toku materiálu pomocí anovy, dále stability procesu Cpk a porovnání situace % odpadovosti, ztrátovosti pĜed a po nápravných opatĜeních. Dále byla provedena analýza tČchto þtyĜ materiálĤ opČt pomocí statistické metody dvoufaktorová anova, pomocí které bylo zjišĢováno chování toku tČchto materiálĤ. Cílem bylo urþit, zda v místech procesu nedochází dále ke ztrátám materiálu, zejména ve skladu výroby 0020. A dále jestli ve skladu logistiky 0010 a ve skladu výroby 0020 je tok materiálu stejný. Proto bylo dále pokraþováno detailnČji pomocí jednofaktorové anovy pro jednotlivé sklady a vstupy a výstupy materiálu.

64

6.5 Fáze kontroly procesu 6.5.1 Získání dat pohybu materiálu po nápravných opatĜeních Po realizaci všech nápravných opatĜení uvedených v pĜedchozí kapitole byly urþeny logistické materiálové pohyby kabelových ok v systému SAP v období srpen až prosinec 2009. Znovu bylo využito logistické transakce MCBE, jejíž výsledek je zobrazen na Obr. 57).

Obr. 57 – Transakce MCBE Zdroj: SAP

Data z transakce MCBE byla stažena do aplikace Excel. Zpracovaný výsledek s daty je uveden v Tab. 10. 6.5.2 ÚroveĖ výroby v období po nápravných opatĜeních Bylo nutné dále opČt urþit úroveĖ výroby u projektĤ A05, A5 a D3 v ks pomocí databáze SAP a aplikace Excel. ÚroveĖ výroby je znázornČna v Tab. 9 a data stažená pro aplikace Anova jsou v Tab. 10. Tab. 9 – Poþty aut za mČsíc


65

Tab. 10 – Data stažená pro aplikaci Anovy


6.5.3 SPC statistická kontrola procesu výroby Pomocí statistického softwaru MINITAB byla provedena statistická kontrolu procesu SPC u projektĤ A05 a A5 (viz Obr. 58 a Obr. 59) mČsíþní úrovnČ výroby aut jednotlivých projektĤ, aby bylo možno dále ve vyhodnocování používat zvolené statistické nástroje. SPC statistickou kontrolu procesu je dále porovnávána pouze u Škoda projektĤ, protože všechny þtyĜi vyšetĜované materiály jsou používány pouze na tČchto projektech.

66


,05&KDUWRI$

,QGLYLGXDO9 DOXH

8 & /

B ;

/& /

2 EVHU YDWLRQ

8 & /

0 RYLQJ5DQJH

BB 0 5 /& /

2 EVHU YDWLRQ


67

Podle grafu individuálních hodnot a jejich rozptylu lze pozorovat, že procesy výroby jsou pod statistickou kontrolou. Žádná z individuálních hodnot nepĜekraþuje statistické hranice procesu, u I–MR 3 sigma. V procesech se nevyskytují žádné „speciální pĜíciny“ narušující statistickou kontrolu a prĤbČh procesu. RovnomČrná výroba bČhem pČti sledovaných mČsícĤ je pĜedpokladem pro rovnomČrnou spotĜebu ok bČhem tČchto pČti sledovaných mČsícĤ. Protože je po celém toku materiálu využíván KANBAN systém, pĜedpokládáme, že vstupy a výstupy do jednotlivých skladĤ a z nich se v mČsíþních þasových jednotkách rovnají. PĜesná potĜeba množství ok je dána výstupem ze skladu VÝROBA 0020, zde se provádí odpis automaticky v SAP podle kusovníkĤ materiálu. 6.5.4 Stabilita (zpĤsobilost) procesu Cpk pĜed a po nápravných opatĜeních Dále byla zjišĢována stabilita (zpĤsobilost) procesu Cpk z hlediska procentního rozdílu mezi dodaným materiálem a spotĜebovaným materiálem. Dodaný materiál do procesu je množství vstupu do skladu LOG 0010, spotĜeba je výstup ze skladu VYROBA 0020, tzv. „ backflush „ , tj. odpis, automaticky provádČný v systému SAP. Tyto dva údaje podČlíme, výstup 0020 / vstup 0010 a dostaneme % spotĜebovaného materiálu versus dodaného materiálu. Tento ukazatel nám ukáže proces z hlediska ztrátovosti. Jako spodní toleranþní limit si odhadem stanovujeme 70% , tj. hodnota 0,7 pro software MINITAB. Takto byla zobrazena výchozí hranice PPM, která je nyní po nápravných opatĜeních znovu vyhodnocena a porovnána jestli dochází ke snížení PPM. Tab. 11 – Výpoþet % FPY pĜed nápravnými opatĜeními

Tab. 12 – Výpoþet % FPY po nápravních opatĜeních

68

Bylo nutné provedení testu normality rozdČlení dat v procentech (viz Obr. 60 po nápravných opatĜeních, které dále umožĖuje použít vyhodnocení Cpk, tj. zpĤsobilost, nebo též stabilitu procesu. Bylo zde použito statistického softwaru SPCXL, doplĖku Excellu, vydaného spoleþností U.S.Air Academy, Colorado, USA. Normal Distribution Mean = 0,9468 Std Dev = 0,0635 KS Test p-value = ,2205

Histogram FPY po nápr opatĜeních

5 4,5 4

# Observations

3,5 3 2,5 2 1,5 1 0,5 0 0,8369 to <= 0,8881

0,9394 to <= 0,9907 Class

Obr. 60 – Test normality po nápravných opatĜeních

Zdroj: Statistický software SPCXL

Podle testované hodnoty P–value > 0,05 není dostatek dĤkazĤ zamítnout Ho, že data nemají normální rozdČlení. V tomto pĜípadČ lze dále použít vyhodnocení Cpk (viz Obr. 61 a Obr. 62), kde normalita dat je podmínkou pro toto vyhodnocení. Popisná statistika dále ukazuje, že prĤmČrné využití materiálu je 94,68 %, smČrodatná odchylka je 6,35 %. Jak je výše zmínČno, lez pĜedpokládat normálnČ rozdČlená data.

69

Obr. 61 – ZpĤsobilost procesu pĜed nápravným opatĜením Zdroj: Systém MINITAB

Obr. 62 – ZpĤsobilost procesu po nápravných opatĜeních Zdroj: Systém MINITAB

70

Pro lepší vizuální zobrazení bylo pro Cpk použito alternativnČ programu Excel a jeho doplĖku SPCXL (viz Obr. 63 a Obr. 64). Mean = 0,72264 StdDev = 0,18492 USL is Not Defined LSL = 0,7 Sigma Level = ,1224 Sigma Capability = 1,6224 Cpk = ,0408 Cp is not available DPM = 451 274 N=5

Cpk Analysis

1,54

1,49

1,44

1,39

1,34

1,29

1,24

1,19

1,14

1,09

1,04

0,99

0,94

0,89

0,84

0,79

0,74

0,69

0,64

0,59

0,54

0,49

0,44

0,39

0,34

0,29

0,24

0,19

0,14

0,09

-0

0,04

-0,1

-0,1

In spec Out spec left LSL

Obr. 63 – ZpĤsobilost procesu pĜed nápravnými opatĜeními Zdroj: Vlastní zpracování v programu SPCXL Mean = 0,94683 StdDev = 0,0635 USL is Not Defined LSL = 0,7 Sigma Level = 3,8871 Sigma Capability = 5,3871 Cpk = 1,2957 Cp is not available DPM = 50,7 N=5

Cpk Analysis

1,23

1,21

1,19

1,18

1,16

1,14

1,12

1,11

1,09

1,07

1,06

1,04

1,02

1

0,99

0,97

0,95

0,94

0,92

0,9

0,88

0,87

0,85

0,83

0,82

0,8

0,78

0,76

0,75

0,73

0,71

0,7

0,68

0,66

In spec Out spec left LSL

Obr. 64 – ZpĤsobilost procesu po nápravných opatĜení Zdroj: Vlastní zpracování v programu SPCXL

Podle grafu a vypoþtených údajĤ v tabulkách lze pozorovat, že pĜi stanovené dolní hranici tolerance ztrátovosti 70 %, což je již neakceptovatelná situace, bylo v procesu pĜed zlepšením PPM 454 934, což znamená, že pĜi dané variabilitČ s 95 % spolehlivostí je necelá polovina materiálu, pĜi stanovené toleranci ztrátovosti „ztracena“ v logistickém a

71

výrobním procesu.

Tyto tolerance byly využity pĜi mČĜení procesu po zlepšení. Ve

výsledcích bylo vidČt velké zlepšení, neboĢ PPM 454934 bylo sníženo na PPM 129,81 což je témČĜ bezdefektní proces, kde nedochází k žádným ztrátám materiálu ve výrobČ. 6.5.5 Vyvážená dvoufaktorová anova Vyvážená dvoufaktorová anova byla provedena jednotlivČ pro þtyĜi materiály. Vstupní data (viz Tab. 13) jsou vyjmuta z tabulky všech pĤvodnČ pozorovaných materiálĤ a dále uspoĜádána pro použití anovy. Byl opakován stejný postup jako ve fázi analýzy. PĜedpokladem bylo, že u všech þtyĜ materiálĤ dojde pĜi statistickém testování hypotézy Ho, nulové hypotézy k situaci, kdy nebude dostatek dĤkazĤ tuto zamítnout, tj., že tok materiálĤ nebude mít statisticky významné odchylky. Tato skuteþnost by potvrzovala, že již nedochází k únikĤm materiálĤ. Tab. 13 – Data pro zpracování Anovy

Zdroj: Vlastní zpracování v programu Excel

72

6.5.5.1 Materiál 10810758 Data materiálu 10810758 byla vložena do MINITABU a vyhodnocena. Bylo opČt nutné provést test normality dat viz Obr. 65, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

Obr. 65 – Test normality pro materiál 10810758 Zdroj: Systém MINITAB

Podle testu normality dat pohybĤ materiálu 10810758, bylo vyhodnoceno P–value 0,455, pro kterou platí, je–li P–hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna. Test rozptylu dat (viz Obr. 66) byl proveden pro uvedená data, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova (pro názornost je pĜiložena výsledná zpráva – viz Obr. 67)

73

Obr. 66 – Test rozpytlu dat pro materiál 10810758 Zdroj: Systém MINITAB

Obr. 67 – Výsledná zpráva testu rozptylu pro materiál 10810758 Zdroj: Systém MINITAB

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10810758, jsme vyhodnotili P– value, pro kterou platí, je–li P–hodnota > 0,05 , pak nemáme dostatek dĤkazĤ zamítnout Ho, tvrzení, že rozptyly dat se neliší. Tímto je podmínka pro možnost použití Anovy splnČna. Výsledná zpráva dvoufaktorové anovy a krabicový graf jsou dále zobrazeny na Obr. 68 a na Obr. 69.

Obr. 68 – Výsledná zpráva dvoufaktorové anovy pro materiál 10810758 Zdroj: Systém MINITAB

74

Obr. 69 – Krabicový graf Zdroj: Systém MINITAB

Podle zprávy dvoufaktorové anovy, kde je posuzována P–hodnota, pro kterou platí, je–li P–hodnota > 0,05 (P–value = 0,335 Sklad a P–value = 0,847 Pohyb ), pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že není dost dĤkazĤ k zamítnutí nulové hypotézy. V tomto pĜípadČ nelze zamítnout tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Test normality jednotlivých výbČrĤ (viz Obr. 70, Obr. 71, Obr. 72 a Obr. 73)byl proveden pro uvedená data, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

75

Obr. 70 – Test normality pro sklad 0010 a pohyb IN Zdroj: Systém MINITAB

Obr. 71 – Test normality pro sklad 0010 a pohyb OUT Zdroj: Systém MINITAB

76

Obr. 72 – Test normality pro sklad 0020 a pohyb IN Zdroj: Systém MINITAB

Obr. 73 – Test normality pro sklad 0020 a pohyb OUT Zdroj: Systém MINITAB

Data všech sledovaných pohybĤ mají P–value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení. Test rozptylu dat (viz Obr. 74 a Obr. 75) byl proveden pro uvedená data, aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

77

7HVWIRU(TXDO9DULDQFHVIRU.6B

3RK\EBVN O

)7HVW 7HVW6WDWLVWLF 39DOXH

,1

/HYHQH V7HVW 7HVW6WDWLVWLF 39DOXH

287

3RK\EBVN O

%RQIHUURQL&RQILGHQFH,QWHUYDOVIRU6W'HYV

,1

287

.6B

Obr. 74 –Test rozptylu pro pohyb IN a OUT ve skladu 0010 Zdroj: Systém MINITAB


3RK\EBVN O


,1


287

3RK\EBVN O


,1

287

.6B

Obr. 75 – Test rozptylu pro pohyb IN a OUT ve skladu 0020 Zdroj: Systém MINITAB

Rozptyly všech sledovaných skladĤ 0010 a 0020 a pohybĤ „in“ a „out“ mají P–value vČtší než hodnota 0,05, proto nebyl dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu.

78

Výsledné zprávy 1 faktorové anovy pro oba sklady, tj. 0010 a 0020 jsou znázornČny na Obr. 76

Obr. 76 – Výsledné zprávy jednofaktorové anovy pro sklady 0010 a 0020 Zdroj: Systém MINITAB

Podle zprávy jednofaktorové anovy, kde bylo posuzována P–hodnota, pro kterou platí, je– li P–hodnota > 0,05, pak nelze zamítnout nulovou hypotézu Ho. V našem pĜípadČ u skladu 0010 je P–hodnota = 0,870 , pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nebude zamítnuta nulová hypotézu. V tomto pĜípadČ nebude tedy zamítnuto tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. I v pĜípadČ skladu 0020, kde je posuzována P–hodnotu, pro kterou platí: je–li P– hodnota > 0,05, v tomto pĜípadČ P–hodnota = 0,895, pak není dostatek dĤkazĤ aby bylo zamítnuto tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nebude zamítnuta nulová hypotéza, tedy tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. Všechny ostatní materiály , tj. 10810759 , 10810760

a 10864993 byly vyhodnoceny stejným

zpĤsobem s obdobnými výsledky. Tyto vyhodnocení jsou v PĜíloze 4 diplomové práce.

79

6.5.6 ZávČry fáze kontroly – analýzy procesĤ po fázi zlepšení Ve fázi Analýzy byly urþeny þtyĜi materiály 10810758, 10810759, 10810760 a 10864993, u kterých byly pozorovány a statistickým testováním hypotéz potvrzeny odchylky v množstvích kusĤ jednotlivých kabelových ok mezi vstupy a výstupy u skladu výroby 0020. Bylo urþeno, že zde dochází ke ztrátám materiálu. Ve fázi zlepšení byla pĜijata ve výrobČ nápravná opatĜení, která mČla zamezit úniku materiálu. Dalším postupem ve fázi kontroly byla analýza tČchto þtyĜ materiálĤ po fázi zlepšení, kdy opČt pomocí statistické metody dvoufaktorová a jednofaktorová anova bylo zjišĢováno chování toku tČchto materiálĤ. Cílem bylo urþit, zda v místech procesu již nedochází ke ztrátám materiálu. Pomocí dvoufaktorové anovy u všech materiálĤ pĜi výstupu ze skladu výroby 0020

již nebylo potvrzeno matematicky pomocí P hodnoty, abychom mohli

zamítnout Ho, nulovou hypotézu, potvrzující pĜedpoklad, že pĜi výstupu ze skladu 0020 dochází k úbytku materiálu. Dále bylo dále pokraþováno detailnČji pomocí jednofaktorové anovy pro jednotlivé sklady a vstupy a výstupy materiálu. Tato metoda též nepotvrdila zamítnutí Ho, nulové hypotézy, pomocí P hodnoty < 0,05 u skladu 0020. U skladu 0010 Ho zamítnuta též nebyla. Tento závČr ukazoval na fakt, že ke ztrátám materiálĤ již nedochází ani v oblasti skladu výroby 0020.

80

6.5.7 Úspory vyþíslené po zlepšení procesu pĜi montáži kabelových ok Po pĜijetí nápravných opatĜení, kdy došlo ke snížení ztrátovosti a odpadovosti materiálu kabelových ok, byla vyþíslena úspora, které se dosáhlo pomocí této aktivity. Vycházelo se ze stavu pĜed zlepšením, kdy se regresní metodou urþil vývoj materiálu mezi jeho spotĜebou a nákupem, tj. vstupem do skladu 0010 jako vstupní promČnnou a výstupem ze skladu 0020 jako výstupní promČnnou. Byl proveden pĜevod dat ze systému SAP do programu Excel a vytvoĜena kontingenþní tabulka pro obČ období, tj pĜed nápravnými opatĜeními v období únor až þerven a po nápravných opatĜeních v období srpen až prosinec (viz Tab. 14). Tab. 14 – Obraty materiálĤ v Kþ

Zdroj: Vlastní zpracování v aplikace Excel

81

S použitím dat z Tab. 14 byla provedena regresní metoda, pomocí které byly urþeny úspory. Celý výpoþet byl proveden v aplikaci Excel a je zobrazen v Tab. 15 Tab. 15 – Regresní analýza

Zdroj: Vlastní zpracování v aplikaci Excel

Po implementaci nápravných opatĜení došlo k úspoĜe materiálu, kabelových ok, ve výši cca 354.000,– Kþ za 4 mČsíce. PĜi pĜedpokládané stejné úrovni výroby by tato úspora þinila pĜibližnČ 1.060.000,– Kþ za rok.

82

7. ZávČr UplatnČní statistických metod v kontrolingu je široká oblast a výhodou je, že jejich použití ani nezáleží na konkrétním typu spoleþnosti, ve které jsou používány. V prĤmyslu existuje celá Ĝada metodologií pro zlepšování procesĤ, jejich mČĜení a kontrole založených na statistických metodách, jako jsou Shainin, Six Sigma, Lean a jiné. Vznikla celá Ĝada publikací, které se popisem tČchto teorií zabývají a i v ýeské republice jsou poĜádány þetná školení na toto téma. Tato práce by mČla ukázat nČkteré základní statistické nástroje využité v kontrolingu jak z hlediska teoretického, tak praktického. V teoretická þásti byl struþnČ popsán kontroling, jeho základní definice a vztah k aktivitám, které byly pĜedmČtem této diplomové práce. Statistické metody byly v teorii vyjádĜeny z hlediska jejich funkce, nebyly zde uvedeny matematické vzorce a výpoþty, protože na všechna vyhodnocení byl použit software Minitab nebo Microsoft Excel. Firma Delphi Packard Electric ýeská republika, s. r. o., v níž je systém SAP instalován již déle než tĜináct let a uživatelé s ním již mají vČtšinou velké zkušenosti, byla popsána z hlediska své historie, vlivu na okolní region a její mezinárodní a vnitĜní prostĜedí. I tato firma, jako dnes mnoho ostatních, mČla svou nedávnou „pohnutou“ ekonomickou historii, avšak nyní pokraþuje dále ve své þinnosti pod novými vlastníky, kteĜí jsou uvedeni v práci podle výpisu obchodního rejstĜíku. Materiálové toky podnikem jsou v teoretické þásti popsány funkcí kanban systému. NejvČtším dĤvodem a vztahem tohoto systému k této práci je fakt, že tento systém je hlavním pĜedpokladem pro statistické vyšetĜování materiálových tokĤ z hlediska jejich stabilnosti, rovnomČrnosti a konstantnosti a pĜedpokladu tČsné korelace s úrovní finální výroby. Praktická þást se pak konkrétnČ zabývala základními kontrolingovými postupy þerpajícími z podnikového informaþního systému SAP, který je celopodnikovou databází Ĝídící témČĜ všechny procesy firmy. Dále byly využity aplikaþní software Microsoft Excel a statistický software Minitab. Též s aplikací Excel mají všichni pracovníci kontrolingu veliké zkušenosti a znalosti. O statistickém softwaru Minitab však toto Ĝíci nelze, i když jej firma svým zamČstnancĤm nabízí volnČ k užívání a je dostupný k instalaci z podnikového intranetu. Pro tento statistický software byla též uskuteþnČna Ĝada školení, jak tento

83

program používat, ale v denní práci zatím pĜíliš využití podle mých zkušeností nenachází. I tato skuteþnost byla jedním z dĤvodĤ, proþ jsem se rozhodl zkoumat problematiku materiálových tokĤ pomocí Minitabu, i když mnoho statistických nástrojĤ by bylo možno nalézt též v programu Microsoft Excel, v jeho doplĖcích (taktéž v práci bylo pro názornost využito).

84

Seznam použité literatury Citace SIXTA, J. a MAýÁT, V. Logistika teorie a praxe. 1. vyd. Brno: CP Books,a.s., 2005. 315 s. ISBN 80–251–0573–3.

Bibliografie KIEMELE, M.J., SCHMIDT, S.R. and BERDINE R.J. Basic statistics Tools for continuous improvement. 4th ed., Colorado Springs: Air Academy Press,LLC, 1997. 779 pgs. ISBN 1–880156–06–7. SCHMIDT, S.R. and LAUNSBY, R.G. Understanding Industrial designed experiments. 4th ed., Colorado Springs: Air Academy Press,LLC, 1994. 666 pgs. ISBN 1–880156–03–2. SIXTA, J. a MAýÁT, V. Logistika teorie a praxe. 1. vyd. Brno: CP Books,a.s., 2005. 315 s. ISBN 80–251–0573–3. KOVANICOVA, D. Abeceda úþetních znalostí pro každého. 16. aktualizované vyd. Praha: Bova Polygon, 2006. 403 s. ISBN 80–7273–130–0. HORÁLEK, V. Principy statistických pĜejímek. Publikace þ.2, Praha: ýeská spoleþnost pro jakost, o. s., 1991. 16s. KRÁL, B., aj. Manažerské úþetnictví. 2., rozšíĜené vyd. Praha: Management Press, 2006. 623 s. ISBN 80–7261–141–0. DUPAý, V. , HÁJEK, J. PravdČpodobnost ve vČdČ a technice. 1. vydání, Praha: ýSAV, 1962. 144 s. Delphi Corporation Internal policies

85

Seznam pĜíloh PĜíloha 1 – Problem solving tool PĜíloha 2 – SIPOC PĜíloha 3 – Vyhodnocení materiálĤ 10810759 a 10810760 ve fázi analýzy PĜíloha 4 – Vyhodnocení materiálĤ 10810759, 10810760 a 10864993 ve fázi kontroly

86

PĜíloha 1 – Problem solving tool

1

PĜíloha 2 – SIPOC

1

PĜíloha 3 – Vyhodnocení materiálĤ 10810759 a 10810760 pĜed nápravnými opatĜeními ve fázi analýzy. Materiál 10810759 Pro materiál 10810759 byla opČt data vložena do MINITABU (viz a vyhodnocena

Obr. 1 - Data pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Test normality dat byl proveden pro uvedená data (viz Obr. 2), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

Obr. 2 - Test normality dat pohybĤ materiálu 10810759 Zdroj: Vlastní zpracování v programu MINITAB

1

Podle testu normality dat pohybĤ materiálu 10810759 bylo vyhodnoceno P-value 0,224. Protože je P-hodnota > 0,05, pak není dostatek dĤkazĤ zamítnout Ho. Podmínka pro použití Anovy je tak splnČna, protože data nepocházejí z normálního rozdČlení. Dále jako v pĜedchozích pĜípadech je nutné provést test rozptylu dat pro uvedená data (viz Obr. 3), aby se opČt provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

Obr. 3 - Test rozpytlu dat pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Obr. 4 - Výsledná zpráva testu rozptylu dat pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10810759, bylo vyhodnoceno P-value, pro kterou platí, je-li P-hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho (tvrzení, že rozptyly dat se neliší) (viz Obr. 4). Tímto je podmínka pro možnost použití Anovy splnČna.

2

Dvoufaktorová Anova pro materiál 10810759 Pro materiál 10810759 je pak výsledná zpráva dvoufaktorové anovy a krabicový graf zobrazeny na Obr. 5 a Obr. 6

Obr. 5 - Výsledná zpráva dvoufaktorové anovy pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Obr. 6 – Krabicový graf pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 2 faktorové anovy, kde je posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ v dĤsledku P value < 0,05 ( = 0,038 ) bude zamítnuto Ho tj. tvrzení, že materiál prochází obČma sklady ve stejných množstvích.

3

I krabicový graf naznaþuje, že ve skladu výroby 0020 pravdČpodobnČ mĤže dojít k nestejnému rozdČlení, tj. k neshodnému prĤchodu materiálu, proto pro danou situaci dále bude provedeno testování hypotézy jednofaktorovou anovou pro oba sklady, tj. 0010 a 0020 a tím bude porovnáno a potvrzeno, zda vstup i výstup materiálu do tČchto skladĤ je shodný nebo kde je neshodný. Jednofaktorová Anova pro materiál 10810759 Nejprve bylo opČt nutné provést test normality jednotlivých výbČrĤ (viz Obr. 7) a test rozptylu dat (viz Obr. 8)

Obr. 7 - Test normality jednotlivých výbČrĤ Zdroj: Vlastní zpracování v programu MINITAB

Data všech sledovaných pohybĤ mají P-value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení.

4

Obr. 8 - Test rozptylu dat pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Obr. 9 - Výsledné zprávy testu rozptylu dat pro materiál 10810759 pro sklad 0010 (IN) a 0020 (OUT) Zdroj: Vlastní zpracování v programu MINITAB

Rozptyly všech sledovaných skladĤ 0010 a 0020 a pohybĤ „in“ a „out“ mají P-value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu v jednotlivých skladech viz Obr. 9

5

Obr. 10 - Výsledné zprávy jednofaktorové anovy pro sklady 0010 a 0020 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 1 faktorové anovy, kde je posuzávana P-hodnota, pro kterou platí, je-li Phodnota > 0,05, pak nelze zamítnout nulovou hypotézu Ho. V tomto pĜípadČ u skladu 0010 je P-hodnota = 0,598 , pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ nelze zamítnout, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. VizuálnČ mĤže být zobrazeno krabicovým grafem. Avšak v pĜípadČ skladu 0020 je P-hodnota = 0,011, tedy je menší než je pĜípustná hodnota pro nezamítnutí hypotézy. Je pak dostatek dĤkazĤ zamítnout tvrzení, že data pocházejí ze stejného rozdČlení, tedy nemají stejný prĤmČr a rozptyl. To znamená, že je zamítnuta nulová hypotéza. V tomto pĜípadČ lze zamítnout tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0020 dovnitĜ i ven ze skladu.

6

Materiál 10810760 Pro data materiálu 10810760 byl proveden test normality dat (Obr. 11) a test rozptylu dat (Obr. 12)

Obr. 11 - Test normality dat pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

Podle testu normality dat pohybĤ materiálu 10810760 byla vyhodnocena P-value 0,074, pro kterou platí, je-li P-hodnota > 0,05, pak není dostatek dĤkazĤ zamítnout Ho, tj. tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna.

Obr. 12 - Test rozptylu dat pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

7

Obr. 13 - Výsledná zpráva pro test rozptylu pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

Podle Bartlettova

testu rozptylu dat pohybĤ materiálu 10810760 (viz Obr. 13) bylo

vyhodnoceno P-value, pro kterou platí, je-li P-hodnota > 0,05 , pak nemáme dostatek dĤkazĤ zamítnout Ho, tvrzení, že rozptyly dat se neliší. Tímto je podmínka pro možnost použití Anovy splnČna. Dvoufaktorová Anova Výsledná zpráva provedené dvoufaktorové Anovy pro materiál 10810760 a krabicový graf jsou uvedeny na Obr. 14 a Obr. 15.

Obr. 14 - Výsledná zpráva dvoufaktorové Anovy pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

8

Obr. 15 - Krabicový graf pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 2 faktorové anovy je P-value = 0,106 a není tak dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ nezamítáme tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Avšak krabicový graf naznaþuje, že ve skladu výroby 0020 pravdČpodobnČ mĤže dojít k nestejnému rozdČlení, tj. k neshodnému prĤchodu materiálu, proto pro danou situaci dále bude provedeno testování hypotézy jednofaktorovou anovou pro oba sklady, tj. 0010 a 0020 a porovnáno a potvrzeno, zda vstup i výstup materiálu do tČchto skladĤ je shodný. Jednofaktorová Anova Test normality jednotlivých výbČrĤ pro materiál 10810760 je uveden na Obr. 16 a test rozptylu pro oba sklady a pohyby IN a OUT na Obr. 17 a Obr. 18.

9

Obr. 16 - Test normality pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

Data všech sledovaných pohybĤ mají P-value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení.

Obr. 17 - Test rozptylu pro sklad 0010 a pohyb IN

10

Zdroj: Vlastní zpracování v programu MINITAB

Obr. 18 - Test rozptylu pro sklad 0020 a pohyb OUT Zdroj: Vlastní zpracování v programu MINITAB

Obr. 19 - Výsledné zprávy pro materiál 10810760 Zdroj: Vlastní zpracování v programu MINITAB

Rozptyly všech sledovaných skladĤ , 0010 a 0020 a pohybĤ „in“ a „out“ mají P-value >0,05 (viz zpráva na Obr. 19), proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro 11

vyhodnocení pohybu materiálu v jednotlivých skladech. Výsledné zprávy jsou pak uvedeny na Obr. 20.

Obr. 20 - Výsledné zprávy jednofaktorové anovy pro oba sklady Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 1 faktorové anovy, kde je posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05, pak nelze zamítnout nulovou hypotézu Ho. V tomto pĜípadČ u skladu 0010 je P-hodnota = 0,771, pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ nelze tedy zamítnout tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. Avšak v pĜípadČ skladu 0020, kde je posuzována P-hodnotu, pro kterou platí, je-li P-hodnota > 0,05, v našem pĜípadČ P-hodnota = 0,043, tedy menší než je pĜípustná hodnota pro nezamítnutí hypotézy , pak je dostatek dĤkazĤ zamítnout tvrzení, že data pocházejí ze stejného rozdČlení, tedy nemají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ lze zamítnout tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0020 dovnitĜ i ven ze skladu.

12

PĜíloha 4 – Vyhodnocení materiálĤ 10810759,10810760 a 10864993 po implementaci nápravných opatĜení ve fázi kontroly. Materiál 10810759 Pro materiál 10810759 byl proveden test normality pomocí softwaru SPCXL (viz Obr. 1) a test rozptylu dat pomocí programu MINITAB (viz Obr. 2). Normal Distribution Mean = 26638,5 Std Dev = 5649,6 KS Test p-value = ,1034

Histogram

9

8

7

# Observations

6

5

4

3

2

1

0 20000, to <= 23442,9 to 23442,9 <= 26885,8

30328,7 to <= 33771,6

33771,6 to <= 37214,5

Class

Obr. 1 - test normality pro materiál 10810759 Zdroj: Vlastní zpracování v programu SPCXL

Podle testu normality dat pohybĤ materiálu 10810759, bylo vyhodnoceno P-value 0,1034, pro kterou platí, je-li P-hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna.

Obr. 2 - Test rozptylu pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

1

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10810759 bylo vyhodnoceno P-value, pro kterou platí, je-li P-hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že rozptyly dat se neliší. Tímto je podmínka pro možnost použití Anovy splnČna. Výsledná zpráva dvoufaktorové Anovy a krabicový graf jsou pak zobrazeny na Obr. 3 a Obr. 4.

Obr. 3 - Výsledná zpráva dvoufaktorové anovy pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Obr. 4 - Krabicový graf pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 2 faktorové anovy, kde je posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05 (P-value = 0,335 Sklad a P-value = 0,847 Pohyb), pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že nelze zamítnout nulovou hypotézu. V tomto pĜípadČ nelze zamítnout tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Pro rozsáhlost této práce již nebylo dále pokraþováno s testováním pomocí jednofaktorových anov.

2

Jednofaktorová Anova Test normality jednotlivých výbČrĤ byl proveden v programu SPCXL (viz Obr. 5, Obr. 6, Obr. 7 a Obr. 8) Normal Distribution Mean = 25500, Std Dev = 3122,5 KS Test p-value = ,2115

Histogram 0010 IN

5 4,5 4

# Observations

3,5 3 2,5 2 1,5 1 0,5 0 23500, to <= 26000,

28500, to <= 31000,

Class

Obr. 5 – Test normality pro sklad 0010 a pohyb IN Zdroj: Vlastní zpracování v programu SPCXL Normal Distribution Mean = 26600, Std Dev = 7056,9 KS Test p-value = ,4774

Histogram 0010 OUT

4

3,5

3

# Observations

2,5

2

1,5

1

0,5

0 20000, to <= 25333,3

30666,7 to <= 36000, Class

Obr. 6 – Test normality pro sklad 0010 a pohyb OUT Zdroj: Vlastní zpracování v programu SPCXL

3

Normal Distribution Mean = 26800, Std Dev = 6870,2 KS Test p-value = ,4420

Histogram 0020 IN

4

3,5

3

# Observations

2,5

2

1,5

1

0,5

0 20000, to <= 25333,3

30666,7 to <= 36000, Class

Obr. 7 – Test normality pro sklad 0020 a pohyb IN Zdroj: Vlastní zpracování v programu SPCXL Normal Distribution Mean = 27654,1 Std Dev = 6474,4 KS Test p-value = ,5105

Histogram 0020 OUT

4

3,5

3

# Observations

2,5

2

1,5

1

0,5

0 21074, to <= 26454,1

26454,1 to <= 31834,3

31834,3 to <= 37214,5

Class

Obr. 8 – Test normality pro sklad 0020 a pohyb OUT Zdroj: Vlastní zpracování v programu SPCXL

4

Data všech sledovaných pohybĤ mají P-value jsou vČtší než 0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení. Test rozptylu dat pro sklady 0010 a 0020 je pak znázornČn na Obr. 9 a Obr. 10. 7HVWIRU(TXDO9DULDQFHVIRU.6B

3RK\EBVN O


,1


287

3RK\EBVNO


,1

287

.6B

Obr. 9 – Test rozptylu dat sklad 0010 a pohyby IN i OUT Zdroj: Vlastní zpracování v programu MINITAB


3RK\EBVN O


,1

/HYHQH V7HVW 7HVW6WDWLVWLF 39DOXH 287

3RK\EBVNO


,1

287

.6B

Obr. 10 – Test rozptylu dat sklad 0020 a pohyby IN i OUT Zdroj: Vlastní zpracování v programu MINITAB

5

Rozptyly všech sledovaných skladĤ 0010 a 0020 a pohybĤ „in“ a „out“ mají P-value vČtší než 0,05 a proto nemáme dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu. Výsledné zprávy 1 faktorové anovy pro oba sklady, tj. 0010 a 0020 jsou znázornČny na Obr. 11.

Obr. 11 - Výsledná zpráva jednofaktorové anovy Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 1 faktorové anovy, kde je posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05, pak nebude zamítnuta nulová hypotéza Ho. V našem pĜípadČ u skladu 0010 je P-hodnota rovna 0,758, tzn. že není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nebude zamítnuta nulová hypotéza, tzn. tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. I v pĜípadČ skladu 0020, kde je P-hodnota rovna 0,845, pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nulová hypotéza nemĤže být zamítnuta, tedy nemĤže být zamítnuto tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu.

6

Materiál 10810760 Pro data materiálu 10810760 vložená do programu SPCXL byl nejdĜíve proveden test normality (viz Obr. 12), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova. Normal Distribution Mean = 5061,1 Std Dev = 1482,3 KS Test p-value = ,3118

Histogram 10810760

8

7

6

# Observations

5

4

3

2

1

0 2099,2 to <= 3279,3

3279,3 to <= 4459,5

4459,5 to <= 5639,7

5639,7 to <= 6819,8

6819,8 to <= 8000,

Class

Obr. 12 – Test normality pro data materiálu 10810760 Zdroj: Vlastní zpracování v programu SPCXL

Podle testu normality dat pohybĤ materiálu 10810760, bylo vyhodnoceno, že P-value je rovno 0,3118 , pro kterou platí, je-li P-hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna. Test rozptylu dat byl proveden pro uvedená data v programu MINITAB (viz Obr. 13), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova.

7

Obr. 13 – Test rozptylu pro materiál 10810759 Zdroj: Vlastní zpracování v programu MINITAB

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10810759 bylo vyhodnoceno P-value, pro kterou platí, je-li P-hodnota vČtší než 0,05 , pak nemáme dostatek dĤkazĤ zamítnout Ho tvrzení, že rozptyly dat se neliší. Tímto je podmínka pro možnost použití Anovy splnČna. Výsledná zpráva dvoufaktorové anovy a krabicový graf jsou uvedeny na Obr. 14 a Obr. 15

Obr. 14 - Výsledná zpráva pro dvoufaktorovou anovu Zdroj: Vlastní zpracování v programu MINITAB

8

Obr. 15 - Krabicový graf dvoufaktorové anovy Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 2 faktorové anovy, bylo posuzována P-hodnota, pro kterou platí, je-li P-hodnota vČtší než 0,05 (P-value = 0,833 Sklad a P-value = 0,326 Pohyb), pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že nebude zamítnuta nulová hypotéza tedy nebude zamítnuto tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Jednofaktorová Anova Nejprve je nutné jako v pĜedchozích krocích provést test normality jednotlivých výbČrĤ viz Obr. 16, Obr. 17, Obr. 18 a Obr. 19.

Obr. 16 – Test normality pro sklad 0010 a pohyb IN Zdroj: Vlastní zpracování v programu MINITAB

9

Obr. 17 - Test normality pro sklad 0010 a pohyb OUT Zdroj: Vlastní zpracování v programu MINITAB

Obr. 18 - Test normality pro sklad 0020 a pohyb IN Zdroj: Vlastní zpracování v programu MINITAB

10


Data všech sledovaných pohybĤ mají P-value >0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení. Test rozptylu dat byl proveden opČt v programu MINITAB a je znázornČn na Obr. 20 pro sklad 0010 a Obr. 21 pro sklad 0020.

Obr. 20 – Test rozptylu pro sklad 0010 Zdroj: Vlastní zpracování v programu MINITAB

11

Obr. 21 – Test rozptylu pro sklad 0020 Zdroj: Vlastní zpracování v programu MINITAB

Rozptyly všech sledovaných skladĤ , 0010 a 0020 a pohybĤ „in“ a „out“ mají P-value je vČtší než 0,05, proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl. Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu. Výsledné zprávy jednofaktorové anovy pro oba sklady, tj. 0010 a 0020 jsou uvedeny na Obr. 22.

12

Obr. 22 – Výsledné zprávy jednofaktorové anovy Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 1 faktorové anovy, kde byla posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05, pak nebude zamítnuta nulová hypotéza Ho. V tomto pĜípadČ u skladu 0010 je P-hodnota rovna 0,633 a není tak dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nulová hypotéza nebude zamítnuta, tzn. že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. I v pĜípadČ skladu 0020, kde je posuzována P-hodnota, pro kterou platí, je-li P-hodnota je vČtší než 0,05, v tomto pĜípadČ P-hodnota je rovna 0,254, pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nulová hypotéza nebude zamítnuta, tzn. nebude zamítnuto tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu.

13

Materiál 10864993 Pro data materiálu 10864993 vložená do programu SPCXL byl nejdĜíve proveden test normality (viz Obr. 23), aby se provČĜilo, zda je možno použít pro další postup analytický nástroj anova. Test normality - použito softwaru SPCXL Normal Distribution Mean = 5526,1 Std Dev = 1807,2 KS Test p-value = ,1748

Histogram 10864993

8

7

6

# Observations

5

4

3

2

1

0 2516,9 to <= 3613,5

3613,5 to <= 4710,2

4710,2 to <= 5806,8

5806,8 to <= 6903,4

6903,4 to <= 8000,

Class

Obr. 23 – Test normality u materiálu 10864993 Zdroj: Vlastní zpracování v programu SPCXL

Podle testu normality dat pohybĤ materiálu 10864993 bylo vyhodnoceno P-value 0,1748 , pro kterou platí, je-li P-hodnota > 0,05, pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že data nepocházejí z normálního rozdČlení. Tímto je podmínka pro možnost použití Anovy splnČna. Pro použití Anovy je potĜeba také provést test rozptylu dat u materiálu 10864993, který je zobrazen na Obr. 24.

14

Obr. 24 – Test rozptylu dat u materiálu 10864993 Zdroj: Vlastní zpracování v programu MINITAB

Podle Bartlettova testu rozptylu dat pohybĤ materiálu 10864993, bylo vyhodnoceno P-value, pro kterou platí, je-li P-hodnota > 0,05 , pak není dostatek dĤkazĤ zamítnout Ho, tvrzení, že rozptyly dat se neliší. Tímto je podmínka pro možnost použití Anovy splnČna a její výsledná zpráva a krabicový graf jsou uvedeny na Obr. 25 a Obr. 26.

Obr. 25 – Výsledná zpráva dvoufaktorové anovy pro materiál 10864993 Zdroj: Vlastní zpracování v programu MINITAB

15

Obr. 26 – Krabicový graf pro materiál 10864993 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy 2 faktorové anovy, kde bylo opČt posuzována P- hodnota, pro kterou platí: je-li P-hodnota vČtší než 0,05 (P-value = 0,864 Sklad a P-value = 0,864 Pohyb), pak není dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy že nemají stejný prĤmČr a rozptyl. To znamená, že nulová hypotéza nebude zamítnuta neboli v tomto pĜípadČ nebude zamítnuto tvrzení, že materiál prochází obČma sklady ve stejných množstvích. Jednofaktorová Anova Nejprve je nutné jako v pĜedchozích krocích provést test normality jednotlivých výbČrĤ viz Obr. 27, Obr. 28, Obr. 29 a Obr. 30.

16



17



Data všech sledovaných pohybĤ mají P-value vČtší než je hodnota 0,05 a proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají normální rozdČlení. ZároveĖ je nutné opČt provést test normality dat, jehož výsledky jsou pro sklad 0010 a 0020 zobrazeny na Obr. 31 a Obr. 32. 18

Obr. 31 – Test rozptylu dat pro sklad 0010 Zdroj: Vlastní zpracování v programu MINITAB

Obr. 32 – Test rozptylu dat pro sklad 0020 Zdroj: Vlastní zpracování v programu MINITAB

Rozptyly všech sledovaných skladĤ 0010 a 0020 a pohybĤ „in“ a „out“ mají P-value vČtší než je hodnota 0,05 a proto není dostatek dĤkazĤ zamítnout Ho, tj. že nemají neshodný rozptyl.

19

Testy na normalitu dat a rozptyl umožĖují použít jednofaktorovou anovu pro vyhodnocení pohybu materiálu a její výsledné zprávy pro oba sklady, tj. 0010 a 0020 jsou uvedeny na Obr. 33.

Obr. 33 – Výsledná zpráva jednofaktorové anovy pro materiál 10864993 Zdroj: Vlastní zpracování v programu MINITAB

Podle zprávy jednofaktorové anovy, kde byla posuzována P-hodnota, pro kterou platí, je-li Phodnota > 0,05, pak nezamítáme nulovou hypotézu Ho. V tomto pĜípadČ u skladu 0010 je Phodnota = 0,509 a není tak dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nebude zamítnuta nulová hypotéza, tzn. tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu. VizuálnČ zobrazeno krabicovým grafem. I v pĜípadČ skladu 0020 je P-hodnota > 0,05 (P-hodnota = 0,401) a není tak dostatek dĤkazĤ zamítnout tvrzení, že data nepocházejí ze stejného rozdČlení, tedy mají stejný prĤmČr a rozptyl. To znamená, že nulová hypotéza nebude opČt zamítnuta a nebude tak zamítnuto ani tvrzení, že materiál prochází ve stejných množstvích v pĜípadČ skladu 0010 dovnitĜ i ven ze skladu.

20

D I P L O M O V Á P R Á C E

Recommend Documents