ŠKODA AUTO, a. s. Vysoká škola Studijní program: B6208 Ekonomika a management Studijní obor:
6208R088 Podniková ekonomika a management provozu
ANALÝZA PROCESŮ V ÚTVARU VZORKOVÁNÍ A CUBING VE ŠKODA AUTO, a. s.
Martina MYSLIVCOVÁ
Vedoucí práce: doc. Ing. Eva Jarošová, CSc.
ANOTAČNÍ ZÁZNAM
AUTOR
Martina Myslivcová
STUDIJNÍ OBOR
Ekonomika a management provozu Analýza procesů v útvaru Vzorkování a cubing
NÁZEV PRÁCE
ve Škoda Auto, a. s.
VEDOUCÍ PRÁCE
doc. Ing. Eva Jarošová, CSc.
INSTITUT
IPT ŠAVŠ
POČET STRAN
38
POČET OBRÁZKŮ
9
POČET TABULEK
4
POČET PŘÍLOH
3
STRUČNÝ POPIS
Cílem této bakalářské práce je analýza procesů probíhajících v útvaru Vzorkování a cubing ve Škoda Auto, a. s. Konkrétně se jedná o proces příjmu dílů na zvláštní sklad a zpracování zpráv pracovníky útvaru. Na základě zjištěných dat byla navrţena opatření, která by měla zefektivnit činnosti probíhající v útvaru. Dále byla zjištěna a porovnána průměrná doba potřebná na vzorkování dílu s vybranými závody koncernu Volkswagen.
KLÍČOVÁ SLOVA
Kvalita v předsériové etapě; vzorkování; generační stav; Six Sigma; DMAIC, PDCA; regulační diagram.
ROK ODEVZDÁNÍ
2010
ANNOTATION
AUTHOR
Martina Myslivcová
FIELD
Economy and management of operations Analysis of processes in Sampling and cubing department
THESIS TITLE
in Škoda Auto, a. s.
SUPERVISOR
doc. Ing. Eva Jarošová, CSc.
INSTITUTE
IPT ŠAVŠ
NUMBER OF PAGES
38
NUMBER OF PICTURES
9
NUMBER OF TABLES
4
NUMBER OF APPENDICES
3
YEAR
2010
SUMMARY
The aim of this bachelor thesis is to analyze the processes occurring in the quality department Sampling and cubing in Škoda Auto, a. s. Specifically, these are processes of part receiving to special store and processing of messages by workers of the department. Based on established data, there were suggested measures which should increase efficiency of work in the department. Further there was detected and compared average time which is needed for sampling in selected plants of Volkswagen Group.
KEY WORDS
pre-production quality of production; sampling; generational status; Six Sigma; DMAIC; PDCA; control chart.
Prohlašuji,
ţe
jsem
bakalářskou
práci
vypracovala
samostatně
s pouţitím uvedené literatury pod odborným vedením vedoucího práce. Prohlašuji, ţe citace pouţitých pramenu je úplná a v práci jsem neporušila autorská práva (ve smyslu zákona č. 121/2000 Sb., o právu autorském a o právech souvisejících s právem autorským).
V Mladé Boleslavi, dne 10. prosince 2010.
3
Děkuji doc. Ing. Evě Jarošové, CSc. za odborné vedení této bakalářské práce, cenné
rady
a
připomínky.
Dále
děkuji
pracovníkům
útvaru
GQD1
ze Škoda Auto, a. s. za vţdy vstřícný postoj, poskytnuté informace a interní materiály. 4
OBSAH SEZNAM POUŢITÝCH ZKRATEK ......................................................................... 6 1. ÚVOD – CÍL A ZDŮVODNĚNÍ BAKALÁŘSKÉ PRÁCE ..................................... 7 2. CHARAKTERISTIKA SPOLEČNOSTI ŠKODA AUTO, a. s. .............................. 8 2. 1 Útvar kvality.................................................................................................. 8 2. 2 Kvalita v předvýrobní etapě .......................................................................... 9 3. ÚTVAR GQD1 VE ŠKODA AUTO, a. s. ........................................................... 10 3.1 Proces vzorkování ve Škoda Auto, a. s. ...................................................... 10 3. 2 Problematika Generačních stavů ve Škoda Auto, a. s. .............................. 11 4. ÚVOD DO SIX SIGMA ..................................................................................... 13 4. 1 Obecný přístup ke zlepšování – metoda PDCA ......................................... 13 4. 2 Metodika DMAIC ........................................................................................ 14 4. 2. 1 Six Sigma - aplikace metody DMAIC ..................................................... 15 5. REGULAČNÍ DIAGRAM ................................................................................... 17 5.1 Výpočty regulačních mezí ........................................................................... 18 5. 2 Aplikace regulačního diagramu při kontrole ............................................... 19 6. ANALÝZA ROZPTYLU ..................................................................................... 25 6. 1 Jednofaktorová analýza rozptylu ................................................................ 25 6. 2 Analýza vytíţenosti pracovníků útvaru GQD1 pomocí analýzy rozptylu ..... 26 7. POROVNÁNÍ PRŮMĚRNÝCH DOB VZORKOVÁNÍ S VYBRANÝMI ZÁVODY KONCERNU VW .................................................................................................. 31 ZÁVĚR ................................................................................................................. 33 POUŢITÁ LITERATURA A ZDROJE .................................................................... 34 SEZNAM PŘÍLOH ................................................................................................ 36 SEZNAM TABULEK ............................................................................................. 37 SEZNAM OBRÁZKŮ ............................................................................................ 38
5
SEZNAM POUŢITÝCH ZKRATEK
Seznam použitých zkratek
ZKRATKA
VÝZNAM
ANOVA
analýza rozptylu
BMG
Baumustergenehmigung
CTR
centrální přímka
G
Vedení společnosti
GQ
útvar Řízení kvality
GQD1
útvar Vzorkování a cubing
GS
generační stav
IMDS
Internacionální materiálový datový systém
LCL
UCL
horní regulační mez Teile Generation Stand (generační stav dílu) dolní regulační mez
VW
Volkswagen
TGS
6
1. ÚVOD – CÍL A ZDŮVODNĚNÍ BAKALÁŘSKÉ PRÁCE Kaţdý automobilový podnik dbá při výrobě automobilů na nepřeberné mnoţství aspektů, které přispívají k úspěšnosti dané značky. Jedním z nich je kvalita. Ve své bakalářské práci se zabývám nejen kontrolou kvality v předsériové výrobě v útvaru GQD1 - Vzorkování a cubing ve firmě Škoda Auto, ale také s tím spojenou vytíţeností pracovníků útvaru, jeţ kvalitu kontrolují a vyhodnocují. Tato bakalářská práce byla vytvořena k analýze procesů probíhajících v útvaru GQD1. Důleţitou stránkou v těchto procesech je nejen kvalita dodávaných dílů, kterou je nutno vyhodnotit dle koncernových dohod a směrnic koncernu VW, ale také kompletnost dokumentace slouţící k identifikaci a zpracování dílu. Aby vše probíhalo v časově přijatelných mezích, je nutno znát i vytíţenost pracovníků útvaru, kteří jsou za příslušné díly zodpovědní. Vytíţenost pracovníků celého útvaru lze pak porovnat s vytíţeností dalších vybraných koncernových závodů.
7
2. CHARAKTERISTIKA SPOLEČNOSTI ŠKODA AUTO, a. s. Společnost Škoda Auto má za sebou více neţ stoletou historii, kterou můţeme datovat od konce roku 1895, kdy Václav Laurin a Václav Klement začali vyrábět jízdní kola značky Slavia. Firmu pojmenovali Laurin & Klement a v roce 1899 zahájili výrobu motocyklů. Nedlouho poté, v roce 1905, se objevil první automobil nazvaný „Voiturette A“ a tím začala éra výroby automobilů v Mladé Boleslavi. „Voiturette A“, stejně jako motocykly, znamenaly úspěch, produkce rychle stoupala, a tak se firma stala v roce 1907 akciovou společností. Ve 20. letech 20. století se projevila potřeba sloučit podnik se silným průmyslovým partnerem. Důvodem bylo udrţení se na trhu a moţnost modernizace výroby. Nakonec došlo ke sloučení s podnikem Škoda Plzeň, to ovšem také znamenalo, ţe značka Laurin & Klement zanikla. V průběhu 2. světové války se firma stala součástí německého hospodářského systému. Znamenalo to omezení výrobního programu a výroba se orientovala především na potřeby Německa.
Po skončení války byl podnik
znárodněn. Dalším důleţitým mezníkem v historii firmy byl rok 1987, kdy firma představila model řady Škoda Favorit, který později pomohl k transformaci Škoda Auto do současné podoby. V dubnu roku 1991 do společnosti vstoupil nový partner, německý Volkswagen. Tímto krokem se Škoda Auto stala dalším ze zástupců koncernu VW. Vedle značek jako např. Volkswagen, Audi a Seat, si vybudovala silné jméno nejen v České republice, kde patří mezi přední výrobce a prodejce osobních automobilů, ale i v zahraničí, kde otevřela nové závody, například v Indii nebo v Rusku a dostává se do popředí světově známých a uznávaných značek automobilů.
2. 1 Útvar kvality Oblast G, oblast předsedy představenstva, je rozsáhlou oblastí zahrnující činnosti týkajících se kvality. Kvalita ve Škoda Auto je velice důleţitým klíčem k dosaţení spokojenosti zákazníků, získání jejich důvěry, a z toho také plynoucí loajality ke značce Škoda.
8
Má zásadní vliv na celkovou image společnosti a výrazně ovlivňuje zákazníky při rozhodování o koupi vozu. Kvalitu finálního výrobku, tedy automobilu, tvoří mimo jiné kvalita jednotlivých dodávaných dílů a materiálů. Proto společnost Škoda Auto klade důraz na zodpovědnost dodavatelů za kvalitu, stabilitu dodávek v souladu s normami ISO řady 9000. Cílem společnosti v oblasti kvality je spolupráce s dodavateli, kteří splňují výše uvedené normy a také poţadavky z oblasti ţivotního prostředí (ekologické standardy ISO 14001) [8].
2. 2 Kvalita v předvýrobní etapě Zatímco v minulosti byla povaţována za rozhodující etapu z hlediska kvality vlastní výroba, dnes se klade důraz na sledování kvality jiţ v předsériové etapě. Důleţité
je,
aby
výsledný
produkt
splňoval
poţadavky
zákazníka,
byl
konkurenceschopný a zajistil firmě přiměřený zisk. Zkušenost ukazuje, ţe z 80 % se o kvalitě rozhoduje jiţ v předvýrobních etapách. Důvodem je rostoucí náročnost a sloţitost vyráběných dílů, pouţívaných technologií a také konkurenční prostředí a rostoucí poţadavky zákazníků. Vliv předvýrobních etap na konečnou kvalitu výrobku souvisí také s faktem, ţe v těchto etapách vzniká více chyb ve srovnání s realizací výrobku. Je tedy více neţ nutné zaměřit pozornost na identifikaci a eliminaci takto vznikajících chyb [2].
9
3. ÚTVAR GQD1 VE ŠKODA AUTO, a. s. Útvar GQD1 zajišťuje činnosti vztahující se k předvýrobní etapě a související s péčí o kvalitu nakupovaných a domácích dílů. Je zodpovědný za kvalitativní uvolnění nakupovaných a domácích dílů do sériové výroby. V případě jakýchkoli nedostatků nebo technických problémů jedná přímo s dodavateli a společně s nimi se snaţí najít moţná opatření a řešení. Péče o kvalitu začíná prvním dodáním dílu do zvláštního skladu. Díl se ovzorkuje, tzn., ţe díl je zkontrolován prostřednictvím nejrůznějších zkoušek (kapitola 3. 1) vůči platné výkresové dokumentaci, která slouţí jako zadání pro dodavatele. V případě, ţe splní veškeré předem dané poţadavky, rozhoduje GQD1 o jeho uvolnění do sériové výroby. Do oblasti GQD1 patří také měrové středisko, ve kterém jsou prováděny některé typy zkoušek dílů, dále cubing1, kde pracovníci provádějí zástavbu dílů na modely vozů a v neposlední řadě také zpracování nových projektů a plánování zkoušek.
3.1 Proces vzorkování ve Škoda Auto, a. s. Vzorkování2 je dlouhodobý a sloţitý proces, při němţ se hodnotí domácí a nakupované díly pro nabíhající typ vozu. Celý proces začíná dodáním prvních dílů (referenčních vzorků) dodavatelem do zvláštního skladu ve Škoda Auto. Spolu s dílem dodavatel zasílá potřebnou technickou dokumentaci, která slouţí k identifikaci dílu. Pracovník, který má díl v zodpovědnosti, si jej převezme a připraví jej na proces vzorkování. Procesem vzorkování jsou díly hodnoceny ze tří kritérií. První kritérium porovnává skutečný rozměr dílu s výkresovou dokumentací firmy Škoda Auto. Druhým kritériem se hodnotí povrch a materiály. Jejich vlastnosti a odolnost se zkouší v laboratořích. Např. se vyhodnocuje chemické sloţení materiálu, tepelná odolnost, mechanické vlastnosti a světlostálost. Třetím kritériem je funkčnost a zástavba dílu. Smyslem funkční zkoušky je ověřit, zda je díl funkční, to se provádí např. jízdními zkouškami vozidla. Zástavba dílu se provádí buď 1 2
hliníkové modely vozů s přesností 0,1 mm [15] v práci je vzorkováním nazývána kontrola kvality, nikoli výběr jednotek ke kontrole 10
na cubingu, kde se nacházejí modely karoserií vozů, do kterých se příslušný díl namontuje, nebo se díl zkušebně namontuje přímo do vozu. Na kaţdém z výše uvedených procesů vzorkování dostane díl příslušnou známku, a to buď 1, 3, nebo 6. Známka 1 je udělena dílům, u kterých se při zkouškách nevyskytly ţádné odchylky od technické dokumentace. Známku 3 dostane díl, u kterého se vyskytly odchylky mezi technickou dokumentací a výsledky zkoušek. Takové odchylky nepříznivě ovlivnily některou ze zkoušek, avšak leţí ještě v mezích tolerance a neovlivnily funkčnost. Pokud díl získá známku 6, znamená to, ţe na díle byly zjištěny značné odchylky nebo chyby vůči technické dokumentaci a leţí navíc mimo okruh tolerance. Díly s touto známkou se nesmí pouţívat. Celkovou známku ze vzorkování určuje nejhorší známka z jednotlivých procesů. Pokud je celkový výsledek za 1, není nutné nové vzorkování a díl můţe být uvolněn do sériové výroby. Díly s celkovou známkou 3 je moţné uvolnit do sériové výroby pouze se souhlasem vedoucího GQ, který musí schválit odchylku. Ta je buď vydána s časovým omezením, nebo s mnoţstevním omezením na určitý počet dílů. V případě, ţe vedoucí GQ odchylku neschválí, musejí být na díle provedeny změny, a pak je nutné jej opět vzorkovat. Díl, který dostal známku 6, je nezbytné upravit a znovu vzorkovat. Takovéto díly není přípustné uvolnit do sériové výroby. Pokud díl splnil všechny náleţitosti dovolující uvolnit ho do sériové výroby, je ještě zapotřebí, aby u něj bylo známo číslo IMDS neboli recyklovatelnost dílu, kterou stanovuje dodavatel a číslo BMG, které vydává technický vývoj společnosti u bezpečnostně relevantních dílů.
3. 2 Problematika Generačních stavů ve Škoda Auto, a. s. Generační stav (GS) poskytuje informaci o historii příslušného dílu, tj. popisuje, jakou výrobní technologií bylo vyrobeno nářadí, kterým byl díl vyroben a kolik technických úprav bylo na díle provedeno s příslušnou technologií výroby nářadí.
11
Kaţdý díl přijatý do zvláštního skladu ve Škoda Auto by měl být označen od dodavatele nálepkou (dle koncernových dohod), kde je daný generační stav zaznamenán. Z popisku na nálepce je pak patrná hodnota generačního stavu dílu. Díly mohou být vyrobeny buď pomocným nářadím, které lze vyuţít pouze pro výrobu prototypu, malosériovým nářadím, které oproti pomocnému zabezpečuje způsobilou výrobu a odpovídá pozdější sériové výrobě nebo sériovým nářadím, vyznačující se způsobilostí pro zásobení celé fáze série, na kterou je vyţadován příslušný počet kusů. Spolu s informací o generačním stavu je také dodavatel povinen přiloţit ţivotopis dílu (příloha č. 1), ve kterém jsou zaznamenány veškeré provedené změny na díle. Dalším dokumentem je kvalitativní protokol dílu (příloha č. 2, potvrzení pro fázi předsérie), slouţící pro sebehodnocení dílu jeho dodavatelem, a je na něm téţ zaznamenán generační stav. Posledním poţadovaným dokumentem je měrový protokol (příloha č. 3), který obsahuje technický výkres dílu a případné výsledky zkoušek provedených při výrobě nebo další údaje týkající se technických parametrů dílu.
12
4. ÚVOD DO SIX SIGMA V dnešním neustále rozvíjejícím se světě automobilů je zásadní uvědomit si, ţe vše podléhá neustálému vývoji a změnám. Proto nestačí se jen přizpůsobit, ale je nutné neustále zlepšovat, aby byla zajištěna konkurenceschopnost podniku a spokojenost zákazníků [3]. GQD1 doposud nepouţívá ţádnou metodiku, která by mohla zefektivnit procesy a odstranit problémy v útvaru, moţným návrhem na zlepšení je zavedení metodiky Six Sigma. Tato metoda se zaměřuje na zefektivnění procesů a jejich trvalé zlepšování. K tomu vyuţívá statistické metody. Six Sigma je moţné definovat jako metodu, jejímţ hlavním cílem je analýza výskytu chyb a problémů a jejich následné zlepšování a odstraňování. V popředí stojí myšlenka produkovat výrobky s niţšími náklady a zároveň co nejvíce uspokojit zákazníka.
4. 1 Obecný přístup ke zlepšování – metoda PDCA Všeobecným přístupem ke zlepšování v oblastni Six Sigma je metoda PDCA nazývána také jako Demingův kruh jakosti [4].
P A
D C
Obr. 4-1. Schéma metody PDCA (Demingův kruh jakosti)
Jednotlivé výseče představují činnosti, které by se měly provést, aby došlo ke zlepšení. P (Plan) znamená, ţe vše musí být nejprve dobře a pečlivě promyšleno a naplánováno. D (Do) označuje realizaci plánu a sledování jeho dopadu, C (Check) představuje kontrolu a vyhodnocení zlepšení z pozice společnosti i zákazníka, A (Act) znamená, ţe pokud došlo ke zlepšení, je nutno zajistit stabilizaci a pokračovat v neustálém procesu zlepšování. 13
Základním předpokladem pro uplatnění metody PDCA je uvědomění si, co je potřeba změnit, ať uţ se jedná o problém nebo příleţitost moţného přínosu v budoucnosti. Důleţitá je přitom práce s informacemi. Nezbytné je neustále získávat a vyhodnocovat zjištěná data tak, aby bylo vidět, do jaké míry se projevuje vliv nového řešení. Dále se ověřuje, jestli přijaté rozhodnutí bylo správné a zda se odstranily problémy, které byly v počátku. Pokud se objevily další související problémy nebo nereálnost aplikace, je nutné přijmout nový plán a začít od začátku. Jestliţe se kontrolou ukáţe, ţe námi navrhované řešení je správné (bude mít zlepšující vliv), musí se stabilizovat, tzn. přiřadit toto řešení do standardních postupů a přijmout ho pro řešení podobných situací do budoucna. Tento celý cyklus však neznamená konečnou, ale začíná se opět od začátku, kdyţ se management rozhodne přijmout další zlepšovací opatření nebo vyřešit problém.
4. 2 Metodika DMAIC DMAIC je základní sloţkou filozofie Six Sigma, jedná se o metodu zlepšování procesu. Její princip vychází s výše popsané metody PDCA [2]. Slovo DMAIC tvoří počáteční písmena anglických slov. Celá metoda procesu zlepšování začíná jasným určením cíle zlepšení (Define). Stávající stav se analyzuje měřením (Measure), a zjistí se příčiny problému (Analyse). Po těchto krocích je navrţeno opatření, které povede ke zlepšení (Improve), a aby i zde byla zpětná vazby na zlepšení, zkontroluje se, ţe nově zavedené opatření má trvalý pozitivní přínos (Control) [4].
D C
Six M Sigma I A
Obr. 4-2. Schéma metody DMAIC
14
4. 2. 1 Six Sigma - aplikace metody DMAIC Metoda DMAIC bude aplikována při řešení problému nekompletnosti dodané dokumentace a tím i chybějící informace o generačním stavu při příjmu dílu do zvláštního skladu ve Škoda Auto. Ačkoli by dodavatelé měli dodat všechny dokumenty, ke kterým se smluvně se Škoda Auto zavázali, vyskytují se případy, kdy se tato dokumentace u příjmu dílů nenachází. Pak je obtíţné daný díl identifikovat a zanést potřebná data do elektronického systému Škoda Auto. Příslušný pracovník na příjmu dílů musí zdlouhavě zjišťovat potřebné informace a čekat na reakci dodavatele, coţ mu zabere značnou část pracovní doby. D – definování cíle Cíle, kterého by mělo být dosaţeno, je sníţení podílu dodávek s chybějící informací o generačním stavu do zvláštního skladu. M – analýza stávajícího stavu K analýze stávajícího stavu byl pouţit regulační diagram (kapitola 5. 2). Sledovanou veličinou je podíl neshodných dílů, podskupiny tvoří díly dodané za určitý měsíc. Vzhledem k velkým rozdílům v rozsahu podskupin bylo vyuţito postupu navrhovaného v normě [6] byla data také transformována a zobrazena pomocí diagramu pro individuální hodnoty. A – zjištění příčin problému Příčinu velkého podílu dodávek s nekompletní dokumentací bychom mohli najít nejen u dodavatele, ale také na straně Škoda Auto. Dodavatel je povinen plnit všechny své závazky vůči Škoda Auto. Stává se ovšem, ţe se dokumentace ztratí při přepravě dílů do zvláštního skladu, to je ale v minimu případů. Častějším případem je vědomé nedodání dokumentace. Za tuto nedbalost dodavatele doposud ze strany Škoda Auto nevznikaly ţádné postihy. I – návrh opatření Jako opatření zavedla Škoda Auto finanční sankce pro dodavatele, kteří neplní podmínky, ke kterým se zavázali. Neţ je ovšem sankce uplatněna, je dodavatel ještě naposledy napomenut a pokud ani tak nedodá do dvou pracovních dnů potřebné informace, přistoupí se k samotné peněţní pokutě ve výši 750 EUR.
15
Dalším moţným zlepšením procesu, vedoucího ke sniţování podílu dodávek s nekompletní dokumentací, je zavedení elektronického systému (systému TGS), který je jiţ běţně pouţíván v některých koncernových závodech VW a který usnadňuje přenos dokumentů od dodavatele k zákazníkovi. TGS na rozdíl od stávajícího „papírového“ předávání dokumentů vyuţívá elektronického přenosu dat. Dodavatel vloţí poţadované dokumenty do systému a pracovník na příjmu dílů ve zvláštním skladu je v systému vyhledá a vyhodnotí. Odpadá tak moţnost ztráty dokumentů při transportu, zrychlí se přenos dat a ušetří se náklady. C – kontrola přijatých opatření Kontrola přijatých opatření bude probíhat i nadále pomocí regulačních diagramů. Po zavedení finančních sankcí v únoru 2010 výrazně klesl podíl dodávek s nekompletní dokumentací. Jak je vidět, hrozba finanční ztráty je pro dodavatele silným motivem pro dodrţování smluvních podmínek. V oblasti vyuţití systému TGS se Škoda Auto nachází na počátku. Funkčnost systému je ověřována zkušebními testy s vybranými dodavateli. Dlouhodobým cílem útvaru GQD1 je zrušení stávající „papírové“ formy příjmu dokumentů na zvláštní sklad a plné zavedení TGS.
K analýze vybraných procesů v útvaru GQD1 byl vybrán regulační diagram pouţívaný při statistické kontrole procesu a jednofaktorová analýza rozptylu.
16
5. REGULAČNÍ DIAGRAM Regulační diagram je základním nástrojem statistické regulace procesu jako metody řízení kvality [10]. Statistická regulace procesu je preventivním přístupem, díky kterému lze včas odhalit odchylky v procesu. Umoţňuje zasahovat do procesu s cílem zlepšovat ho. Všeobecně se zjišťuje, zda regulovaná veličina odpovídá stanovené úrovni. Cílem statistické regulace procesu je nastavení a udrţování procesu na příslušné a stabilní úrovni tak, aby bylo moţno zajistit shody znaků jakosti produktu s poţadavky od zákazníka. Statistickou regulací procesu lze průběţně zjišťovat a kontrolovat
proces
pomocí
statisticko-matematických
metod.
K hlavním
nástrojům patří regulační diagram. Regulační diagram se pouţívá ke grafickému znázornění dynamické variability procesu. Sleduje se, zda se sledovaný proces chová tak, jak očekáváme, tj. zda je stabilní, nebo došlo k neočekávané změně procesu [16]. Takto můţeme jednoduše rozlišit náhodné příčiny procesu (obecné, obvyklé) od vymezitelných (speciálních, zvláštních) příčin. Jestliţe je moţné sledované znaky změřit, pouţijeme pro zpracování regulační diagramy měřením. Pokud se kontrolované jednotky rozdělují na shodné a neshodné, nebo pokud se na nich sleduje počet neshod, pouţijeme regulační diagramy srovnáváním. Pro případ aplikace regulačního diagramu na kontrolu podílu neshodných dílů, byl vybrán regulační diagram srovnáváním. Vzhledem k tomu, ţe podskupiny dílů dodaných za měsíc jsou nestejně velké, musel být pouţit p – diagram. Diagram se skládá z centrální přímky (CTR), horní (UCL) a dolní (LCL) regulační meze, které jsou s centrální přímkou rovnoběţné. Centrální přímka odpovídá referenční nebo průměrné hodnotě. Regulační meze vytyčují na grafu pásmo, ve kterém leţí hodnoty podílu neshodných v případě stabilního procesu s předem stanovenou
pravděpodobností.
Pravděpodobnost
je
rovna
0,9973
[4].
Do p - diagramu se vynášejí body, které vyjadřují hodnoty vybrané charakteristiky. Body by nikdy neměly překročit regulační meze. Pokud je překročí, lze hovořit o tom, ţe vybraný proces není pod kontrolou. Naopak, pokud se všechny hodnoty nacházejí ve zvolených regulačních mezích, proces lze povaţovat za stabilní (pod kontrolou) [3]. 17
5.1 Výpočty regulačních mezí a) p – diagram s konstantními mezemi regulační meze
a
jsou zaloţeny na průměrné velikosti výběru a jsou dány
vztahem ,
kde:
(1)
… průměrná hodnota podílu neshodných jednotek v podskupinách, … průměrný rozsah výběru.
b) p – diagram s proměnnými mezemi .
(2)
Pro oba případy a) i b) je centrální přímka určena vztahem ,
kde:
(3)
… rozsah podskupiny, … počet neshodných jednotek v i-té podskupině.
c) p – diagram aplikovaný na transformovaná data Transformované hodnoty jsou vypočteny podle vztahu ,
kde
je vypočteno dle (3).
18
(4)
Pro transformovaná data se pouţije diagram pro individuální hodnoty [6]. Hodnoty a
jsou dány vzorcem ,
kde:
… průměr hodnoty
(5)
,
… průměr z klouzavých rozpětí dvou po sobě následujících hodnot
,
… součinitel, jehoţ hodnota se najde v normě [6]. Centrální přímka odpovídá průměru ,
kde:
(6)
… podíl neshodných jednotek v i-té podskupině.
5. 2 Aplikace regulačního diagramu při kontrole Potřebná data pro analýzu kvality dodávek byla zjištěna sledováním procesu příjmu dílu do zvláštního skladu ve Škoda Auto. V grafu (obr. 5-1.) je zobrazen celkový počet dodaných dílů za kaţdý měsíc od května 2009 do září 2010 (modrá křivka) a počet dílů (neshodné díly), které nebyly označeny informací o generačním stavu (červený sloupec).
19
800
749
počet dílů
700 600 450
400 200 100
524
559
500 300
734
369 352
280 286
389
264 200
259
154
31 36 15 37 17 50 26 15 13
4
0
měsíc
0
0
2
bez GS
2
112 77 58 2 3 13
celkem dodáno dílů
Obr. 5-1. Generační stavy květen 2009 až září 2010
Cílem analýzy je zjistit, zda podíly neshodných dílů jsou přibliţně stejné, tedy zda je proces stabilní či nikoliv. Sledovanou veličinou je podíl neshodných dílů. K zpracování byl pouţit statistický program Statgraphics. Poznámka: Regulační diagram by se měl konstruovat na základě dostatečného počtu podílu hodnot (20 aţ 25). Vzhledem k malému počtu podskupin v tomto konkrétním případě jsou výsledky pouze orientační a ukazují způsob analýzy procesu, tj., jak by se mohlo dále postupovat.
20
Tab. 5-1. Vstupní hodnoty k výpočtu p – diagramu a pomocné výpočty
2010
2009
měsíc
celkem dodáno dílů
z toho dílů bez GS
květen červen červenec srpen září říjen listopad
280
31
286
36
259
15
450
37
559
17
749
50
734
prosinec leden únor březen duben květen červen červenec srpen září
podíl dílů bez GS/cel. dodáno dílů
přepočítané meze pro individuální hodnoty
klouzavé průměry
26
0,1107 0,1259 0,0579 0,0822 0,0304 0,0668 0,0354
5,2046 6,4872 0,9382 3,7049 -1,7343 2,7536 -1,3375
1,2827 5,549 2,7667 5,4392 4,4879 4,0911
352
15
0,0426
-0,2804
1,0571
369
13
389
4
524
0
154
0
264
2
200
2
58
2
112
3
0,0352 0,0103 0 0 0,0076 0,01 0,0345 0,0268
-0,966 -3,3471 -5,0114 -2,7168 -2,9679 -2,4191 -0,4102 -0,96
0,6856 2,3811 1,6643 2,2946 0,2511 0,5488 2,0089 0,5497
77
13
0,1688
5,1704
6,1304
5816
266
0,0457
0,124
2,4228
a) p – diagram s konstantními regulačními mezemi Pomocí vzorců (1), (3) byly vypočteny hodnoty ,
Regulační meze
a
,
.
zaloţené na průměrné velikosti vzorku, jsou na
obr. 5-2.
21
květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září Obr. 5-2. Regulační diagram s konstantními regulačními mezemi, Statgraphics
Při pouţití této se metody některé hodnoty nacházejí mimo regulační meze, proces tedy není moţno prohlásit za stabilní. Hodnoty nad horní regulační mezí jsou z měsíců květen a červen z roku 2009 a září 2010, tam byl podíl neshodných dílů nejvyšší z celého sledovaného procesu a dosáhl hodnoty 0,1688. Body, které se nacházejí pod dolní regulační mezí, odpovídají nízkému podílu neshodných dílů, konkrétně v únoru (2010) chyběla informace o generačním stavu pouze u 4 dílů z 389 celkově dodaných, v březnu a dubnu dokonce nebyl ţádný díl bez označení a v květnu a červnu byly neoznačeny pouze 2 díly. Těchto 5 hodnot pod dolní regulační mezí odpovídá ţádoucímu stavu. Protoţe se výrazně lišily rozsahy výběru, měl by se pro konstrukci pouţít p - diagram s proměnnými regulačními mezemi. b) p – diagram s pouţitím proměnných mezí Program Statgraphics přepočetl meze podle (2) a (3). Hodnota centrální přímky zůstala nezměněna, mění se jen regulační meze podle velikosti podskupiny, avšak ani zde se všechny hodnoty nenacházejí uvnitř mezí (obr. 5-3.).
22
Body nad horní regulační mezí odpovídají stejným měsícům jako v předchozím případu, pod úrovní dolní regulační meze se nachází méně hodnot oproti předcházejícímu případu. Postup s pouţitím proměnných mezí pro kaţdou podskupinu zvlášť je vzhledem k velkým rozdílům v počtu dodaných dílů vhodnější, avšak ani zde nelze prohlásit
květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září
proces za stabilní.
Obr. 5-3. Regulační diagram s proměnnými regulačními mezemi, Statgraphics
c) p – diagram pro individuální hodnoty Při pouţití transformovaných dat jsou hodnoty regulačních mezí (5) a centrální přímky (6) ,
,
.
Regulační meze jsou znázorněny na obr. 5-4. a je vidět, ţe všechny hodnoty se nacházejí v pásmu regulačních mezí. Z tohoto pohledu by bylo moţné proces
23
prohlásit za stabilní. V obr. 5. 4 lze však od března 2010 do srpna 2010 pozorovat
květen červen červenec srpen září říjen listopad prosinec leden únor březen duben květen červen červenec srpen září
určitý rostoucí trend.
Obr. 5-4. Regulační diagram pro individuální hodnoty, Statgraphics
Při pouţití poslední metody jsou všechny vynesené body uvnitř regulačních mezí. Proces dodávek dílů lze tedy v daném období jistě povaţovat za stabilní.
24
6. ANALÝZA ROZPTYLU Analýza rozptylu neboli ANOVA (z anglického ANalysis Of VAriance) je důleţitá statistická metoda, pouţívaná především pro vyhodnocování experimentálních dat. Hlavním cílem je odhalit zdroj proměnlivosti hodnot měřitelné proměnné [1]. Cílem ANOVA je objektivně rozhodnout, zda existují významné rozdíly mezi skupinami a zda existuje vliv faktorů na sledovanou veličinu. Při pouţití jednofaktorové analýzy rozptylu jsou data roztříděna dle úrovně jednoho faktoru.
6. 1 Jednofaktorová analýza rozptylu Pouţitím jednofaktorové analýzy rozptylu se testuje hypotéza o rovnosti středních hodnot tedy nulová hypotéza a k ní alternativní hypotéza. Test se provádí pomocí testové statistiky [1] ,
(7)
kde: ,
(8)
je meziskupinový součet čtverců, ,
(9)
je vnitroskupinový součet čtverců. je počet skupin, souboru,
je počet hodnot ve skupině,
je aritmetický průměr v i-té skupině,
označuje hodnotu v i-té skupině a
představuje rozsah celého je celkový aritmetický průměr,
představuje aritmetický průměr
ve skupině. Hodnota testové statistiky se porovná s kritickým oborem odpovídajícím určité hladině významnosti , která se obvykle volí 0,05 nebo 0,01.
25
Pokud se hodnota testového statistiky kvantil
nachází v kritickém oboru, tj. je větší neţ
, zamítá se nulová hypotéza na zvolené hladině
významnosti .
6. 2 Analýza vytíţenosti pracovníků útvaru GQD1 pomocí analýzy rozptylu Cílem bylo zjistit, zda existuje nějaká závislost mezí průměrnou dobou potřebnou na vzorkování jednoho dílu a specialistou, který díl vzorkuje. Sledováním vytíţenosti pracovníků útvaru je jedním z moţných kritérií, jak mezi sebou porovnávat koncernové závody. Data pro analýzu byla získána z interních systémů kvality. V tab. 6. 1. je uveden průměrný počet dní na uzavření zprávy kaţdého specialisty útvaru GQD1 v jednotlivých letech od roku 2005 do roku 2009. Data z tab. 6-1. jsou znázorněna bodovým diagramem na obr. 6.1. K analýze byl opět pouţit statistický program Statgraphics.
26
Tab. 6-1. Průměrný počet dní na uzavření zprávy o vzorkování
specialista rok 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
2005 33,7
-
28,7
36,7
35,6
32,8
65,5
58,8
48,2
26,7
22,5
24,2
19,2
43,3
24,4
23,8
22,2
-
-
38,6
2006 98,3
-
49,6
24,8
29,2
19,3 159,0 54,1
49,4
30,1
33,3
16,0
23,8
4,8
29,1
15,7
11,8
-
-
32,0
2007 35,7 50,1
27,1
31,1
29,4
17,0
99,7
67,0
54,5
32,1
25,1
12,0
27,1
65,2
28,7
22,4
35,9
48,0
73,2
32,6
2008 32,1 16,0
65,1
25,9
22,4
21,9
66,4
60,3
54,6
56,0
29,9
20,5
30,2
66,3
32,3
29,6
47,1
31,3
30,1
64,7
2009 26,8 18,2
44,3
30,7
40,2
17,8
57,4
70,0
54,9
45,0
29,7
28,8
41,8
91,2
29,9
51,1
15,9
28,5
20,8
35,1
27
Obr. 6-1. Průměrný počet dní na uzavření zprávy o vzorkování, Statgraphics
U specialisty 7 se nachází velmi odlehlá hodnota. Pracovníkovi trvalo v roce 2006 uzavřít jednu zprávu o vzorkování průměrně 159 dní. To je velmi vysoké číslo oproti ostatním specialistům, příčinu je moţno hledat například v tom, ţe v tomto roce ve Škoda Auto nabíhal nový vůz značky Superb a pracovník byl velmi vytíţen, a proto mu trvalo uzavření zprávy déle, neţ jindy. Nulová hypotéza pro případ analýzy vytíţenosti pracovníků představuje rovnost středních hodnot doby zpracování jedné zprávy. Tab. 6-2. představuje výstup procedury ve Statgraphicsu.
Tab. 6-2. Výsledky ANOVA, Statgraphics, upraveno
Zdroj Meziskupinová variabilita Vnitroskupinová variabilita Celkový
Součty čtverců
Počty stupňů volnosti
Průměrné čtverce
25121,6
19
1322,19
22492,1
74
303,947
47613,7
93
Testová statistika F 4,35
Hodnoty z tabulky ANOVA byly vypočítány podle vztahů uvedených v kapitole 6.1. Porovnáním hodnoty testové statistiky s kvantilem
28
, který má hodnotu
1,748, je patrné, ţe
, a proto se zamítá nulová hypotéza
hladině významnosti
.
na zvolené
Pro posouzení rozdílů v průměrné době zpracování zprávy mezi různými specialisty je moţné pouţít Bonferroniho diagram.
Obr. 6-2. Bonferroniho diagram, Statgraphics
Pokud se úsečky odpovídající různým specialistům nepřekrývají, lze povaţovat rozdíly v průměrné době na uzavření zprávy za významné. Pro konstrukci grafu byla zvolena hladina významnosti
.
Z diagramu je patrné, ţe opět specialista 7 má průměrné doby na vzorkování nejdelší a vychyluje se od ostatních a jak jiţ bylo zmíněno, v roce 2006 mu průměrně trvalo uzavřít jednu zprávu o vzorkování 159 dní. Z výsledků analýzy vytíţenosti pracovníků plyne, ţe nejdéle průměrně uzavírá zprávy o vzorkování specialista 7. Můţe to být způsobeno jednak časovou náročností vzorkování (specialista má na starosti díly, které jsou tak konstrukčně sloţité, ţe vzorkování trvá déle), nebo naopak neplněním pracovních povinností. Pokud budeme předpokládat situaci, ţe vzorkování dílů, které má specialista na starosti, je tak náročné, ţe nestíhá včas uzavřít zprávy o vzorkování, moţným návrhem opatření pro zlepšení situace je přijmutí nového pracovníka, který by 29
prováděl vzorkování stejných dílů spolu se specialistou 7, a tím by se doba potřebná na vzorkování jednoho dílu sníţila. Muselo by se ovšem zváţit, jestli by se příchod nové pracovní síly finančně vyplatil. Další moţností je přesunutí části práce specialisty 7 na jiného specialistu, který není tak časově zaneprázdněn. Mohl by to být například specialista 4, který je schopen vzorkovat za průměrně kratší doby. Jestliţe budeme uvaţovat situaci, ţe specialista 7 neplní řádně své pracovní povinnosti, je na vedení managementu GQD1, aby zváţilo, zda z výsledků této analýzy vyvodí nějaké důsledky.
30
7. POROVNÁNÍ PRŮMĚRNÝCH DOB VZORKOVÁNÍ S VYBRANÝMI ZÁVODY KONCERNU VW Škoda Auto, jakoţto součást koncernu Volkswagen, je neustále pod dohledem manaţerů, jejichţ hlavní snahou mimo jiné je, aby firma byla silným partnerem všech koncernových značek a konkurenceschopnou automobilkou pro ostatní značky. Proto se firma nevyhne srovnávání s ostatními. Strategickým cílem představenstva koncernu VW je stát se světovou jedničkou na trhu automobilů jak v počtech prodaných vozů, tak i v jejich kvalitě. Vzhledem k danému cíli je v oblasti útvaru GQD1 nezbytné, aby se průměrná doba potřebná na vzorkování sniţovala a tím byly díly uvolněny dříve do sériové výroby s poţadovanou známkou kvality. K porovnání průměrných dob potřebných na vzorkování byly vybrány závody koncernu a to VW Wolfsburg, AUDI Ingolstadt, VW Pamplona, SEAT Martorell. Základní přehled zjištěných průměrných dob v letech 2005 aţ 2009 se nachází v tab. 7-1. a vývoj průměrného počtu dní k uzavření zprávy je znázorněn na obr. 6-1. Srovnatelná data byla získána ze systémů koncernových útvarů kvality.
Tab. 7-1. Průměrný počet dní na uzavření jedné zprávy o vzorkování
rok 2005 2006 2007 2008 2009
VW Wolfsburg 36,3 31,0 32,5 37,9 33,1
Průměrný počet dní k uzavření zprávy AUDI VW SEAT Ingolstadt Pamplona Martorell 48,8 43,7 66,5 56,4 43,9 69,5 53,4 24,8 64,5 50,1 36,3 56,5 44,1 35,2 45,3
31
Škoda Auto ČR 27,4 26,0 32,5 37,4 38,9
průměrný počet dní na uzavření zprávy
80 70 60 VW Wolfsburg
50
AUDI Ingolstadt 40
VW Pamplona
30
SEAT Martorell
20
Škoda Auto
10 0 2005
2006
2007
2008
2009
rok Obr. 7-1. Doba potřebná na uzavření zprávy o vzorkování
Příznivý vývoj sniţování průměrné doby potřebné na vzorkování, zaznamenaly ve vybraných letech 2005 aţ 2009 všechny automobilky kromě Škoda Auto. Zde se naopak průměrná doba vzorkování prodluţuje, v roce 2009 dosáhla aţ na 38,9 dní ročně. Příčin narůstající průměrné doby vzorkování můţe být několik. Mezi ty nejzásadnější patří rozšiřování zpracovávaných projektů a z toho plynoucí zvýšení mnoţství vzorkovaných dílů. Počty vzorkujících specialistů se však ani přes tento nárůst nemění. To je hlavní důvod, proč průměrná doba potřebná na vzorkování narůstá. Např. v loňském roce firma vzorkovala přes 23 000 dílů, pro tyto počty dílů měla k dispozici stávajících 20 specialistů. Na kaţdého tak v průměru vychází 1 150 dílů ročně, tj. při 225 pracovních dnech téměř 5 dílů za den. V ostatních závodech je situace jiná. Ačkoliv v nich dochází také k nárůstu projektů, počty pracovníků se úměrně navyšují, proto se průměrná doba potřebná k uzavření zprávy o vzorkování krátí. Situace ve Škoda Auto by se měla alespoň částečně změnit, neboť v novém roce je v plánu přijmout nové pracovníky.
32
ZÁVĚR Jak jiţ bylo naznačeno, tato bakalářská práce je řešena pro potřeby Škoda Auto, její výsledky budou slouţit pro potřeby rozhodování v útvaru GQD1 – Vzorkování a cubing. Veškerá vstupní data pouţitá pro praktickou část této práce byla získána z interních systémů Škoda Auto. Třetí kapitola poskytla informace o nejdůleţitějších procesech probíhajících v útvaru, jimiţ jsou vzorkování domácích a nakupovaných dílů a problematika dodávek s nekompletní informací o generačních stavech. Z těchto dvou hlavních procesů vycházela i praktická část bakalářské práce. Prvním
problémem,
který
byl
řešen,
byla
problematika
dodávek
dílů
s nekompletními informacemi o generačních stavech do zvláštního skladu (kapitola 5. 2). Tento problém byl řešen pomocí statistické metody p – diagramů, avšak vzhledem k malému počtu získaných hodnot, jsou výsledky pouze orientační a naznačují, jak by se celá situace mohla vyvíjet dále do budoucnosti. Druhým řešeným problémem byla vytíţenost pracovníků (kapitola 6. 2). K tomu byla pouţita jednofaktorová analýza rozptylu. Ukázalo se, ţe pracovníci aţ na malé výjimky zvládají svou práci v podobných časových rozmezích. Při srovnávání průměrného počtu dní na uzavření jedné zprávy o vzorkování s vybranými závody koncernu se ukázalo, ţe zatímco ostatní závody tuto dobu sniţují, ve Škoda Auto se naopak zvyšuje. Hlavním důvodem je nárůst počtu projektů na vzorkování a stagnující stav počtu specialistů na vzorkování.
33
POUŢITÁ LITERATURA A ZDROJE [1]
HINDLS, R.; HRONOVÁ, S.; NOVÁK, I. Analýza dat v manažerském rozhodování. První vydání. Praha: Grada Publishing, 1999. 360 s. ISBN 807169-255-7.
[2]
NENADÁL, J.; et al. Moderní management jakosti: Principy, postupy a metody. Vydání 1. Praha: Management Press, 2008. 378 s. ISBN 798-807261-187-8.
[3]
NENADÁL, J.; et al. Moderní systémy řízení jakosti: Quality Management. Vydání 2. Praha: Management Press, 2007. 284 s. ISBN 798-80-7261-0716.
[4]
TOPFER, A.; et al. Six Sigma: Koncepce a příklady pro řízení bez chyb. První vydání. Brno: Computer Press, 2008. 508 s. ISBN 978-80-251-17668.
[5]
VEBER, J.; et al. Management kvality, environmentu a bezpečnosti práce: Legislativa, metody, systémy, praxe. Vydání 1. Praha: Management Press, 2006. 360 s. ISBN 80-7261-146-1.
[6]
ČSN
ISO
8258.
Shewhartovy
regulační
diagramy.
Praha:
Český
normalizační institut, 1993. 36 s. [7]
Historie firmy Škoda Auto, a. s. [online]. 2010 [cit. 2010-09-27]. Dostupné z WWW:
.
[8]
Škoda Auto, a. s. Výroční zpráva 2009 [online]. 2010 [cit. 2010-10-04]. Dostupné z WWW:
[9]
Co je to Six Sigma [online]. 2010 [cit. 2010-10-24]. Dostupné z WWW:
[10]
Statistické regulační diagramy [online]. [cit. 2010-10-24]. Dostupné z WWW: < http://www.vscht.cz/ufmt/cs/pomucky/machacj/docs/SRD-1.pdf>
34
[11]
Metrologická
terminologie
[online].
2010
[cit.
2010-10-28].
Dostupné z WWW: [12]
DOHNAL, L. Analysa rozptylu - ANOVA
[online]. [cit. 2010-10-31].
Dostupné z WWW: [13]
Analysis of Variance [online]. 2006 [cit. 2010-10-31]. Dostupné z WWW:
[14]
Statistika Tabulky [online]. 2006 [cit. 2010-11-05]. Dostupné z WWW:
[15]
Interní materiály poskytnuté firmou Škoda Auto, a. s.
[16]
Statgraphics Centurion XVI, User manual, StatPrinter Technologies, Inc. 2009
[17]
Zpráva o trvale udrţitelném rozvoji 2009/2010 [online]. 2010 [cit. 2010-1105]. Dostupné z WWW: < http://www.skoda-auto.cz/company/CZE/ Documents/Sustainability/HP/SustainabilityReport_2010_CZ.pdf>
35
SEZNAM PŘÍLOH Příloha č. 1
vzor ţivotopisu dílu
Příloha č. 2
vzor potvrzení pro fázi předsérie
Příloha č. 3
vzor měrového protokolu
36
SEZNAM TABULEK Seznam pouţitých zkratek Tab. 5-1.
Vstupní hodnoty k výpočtu p – diagramu a pomocné výpočty
Tab. 6-1.
Průměrný počet dní na uzavření zprávy o vzorkování
Tab. 6-2.
Výsledky ANOVA
Tab. 7-1.
Průměrný počet dní na uzavření zprávy o vzorkování
37
SEZNAM OBRÁZKŮ Obr. 4-1.
Schéma metody PDCA (Demingův kruh jakosti)
Obr. 4-2.
Schéma metody DMAIC
Obr. 5-1.
Generační stavy květen 2009 aţ září 2010
Obr. 5-2.
Regulační diagram s konstantními regulačními mezemi
Obr. 5-3.
Regulační diagram s proměnnými regulačními mezemi
Obr. 5-4.
Regulační diagram pro individuální hodnoty
Obr. 6-1.
Průměrný počet dní na uzavření zprávy o vzorkování
Obr. 6-2.
Bonferroniho diagram
Obr. 7-1.
Doba potřebná na uzavření zprávy o vzorkování
38
