ŠKODA AUTO a.s. Vysoká škola
Studijní program: B6208 Ekonomika a management Studijní obor: 6208R088 Podniková ekonomika a management provozu
Využití statistického systému AGOS v ízení kvality
Martin BLAŽEK
Vedoucí práce: doc. Ing. Eva Jarošová, CSc.
Prohlašuji,
že
jsem
bakalá skou
práci
vypracoval
samostatn
s použitím uvedené literatury pod odborným vedením vedoucího práce. Prohlašuji, že citace použitých pramenu je úplná a v práci jsem neporušil autorská práva
(ve
smyslu
zákona
.
121/2000
a o právech souvisejících s právem autorským).
V Mladé Boleslavi, dne 10.5.2011 3
Sb.,
o
právu
autorském
Tímto bych cht l pod kovat doc. Ing. Ev
Jarošové, CSc. za odborné vedení
bakalá ské práce, poskytování rad a informa ních podklad . Dále bych cht l pod kovat pracovník m útvaru Managementu Kvality firmy Škoda Auto a.s. za poskytnuté informace a pomoc. 4
OBSAH SEZNAM POUŽITÝCH ZKRATEK ......................................................................... 6 1.
ÚVOD .............................................................................................................. 7
2.
STATISTICKÉ METODY POUŽÍVANÉ V ÍZENÍ KVALITY ............................ 9 2.1
P ehled základních statistických metod ..................................................... 9
2.2
Statistické metody pro vyhodnocování spolehlivosti................................ 13
3.
ÍZENÍ KVALITY VE FIRM ŠKODA AUTO A.S. ......................................... 15 3.1
Odd lení kvality a jeho úkoly ................................................................... 15
3.2
Výrobní oblast ......................................................................................... 17
3.3
Povýrobní oblast...................................................................................... 19
4. SYSTÉMY PRO ZPRACOVÁNÍ A VYHODNOCOVÁNÍ DAT ZE SERVISNÍ SÍT ..................................................................................................................... 20 4.1
Systém AGOS ORI .................................................................................. 20
4.2
Systém AQUA ......................................................................................... 27
4.3
Porovnání systém AGOS ORI a AQUA ................................................. 31
5.
P ÍPADOVÁ STUDIE .................................................................................... 32
6.
ZHODNOCENÍ SYSTÉMU AGOS ................................................................. 37
7.
ZÁV R ........................................................................................................... 39
SEZNAM POUŽITÉ LITERATURY....................................................................... 41 SEZNAM OBRÁZK A TABULEK ....................................................................... 42 SEZNAM P ÍLOH ................................................................................................ 43
5
SEZNAM POUŽITÝCH ZKRATEK 1U
Systémové ozna ení vozu Octavia první generace
8D
Protokol, metodika ízení neshodných výrobk
AGOS
Statistický systém firmy Škoda Auto a.s.
AQUA
Nadstavbový systém firmy VW
Cg, Cgk
Indexy zp sobilosti m idel
Cm, Cmk
Indexy zp sobilosti stroje
Cp, Cpk
Indexy zp sobilosti procesu
DISS
Koncernový systém pro komunikaci servis/výrobce
DOE
Statistická metoda navrhování experiment
EOM
Odd lení systémové podpory proces v oblasti prodeje voz
IMS
Integrovaný systém ízení podniku
ISO
Mezinárodní organizace pro normalizaci
KDNR LAG faktor
ty místné kódové ozna ení ur itého dílu ve voze Doba mezi výrobou a prodejem nového vozu
MIS
síce provozu vozidla u zákazník
MOP
síce od výroby vozu
PQ34
Ozna ení koncernové platformy
PSG
Garan ní odd lení firmy Škoda Auto a.s.
QAS
Dotazníková akce spokojenosti zákazník
Q-Das
Softwarová firma
QMS
Systém ízení kvality
qs-Stat
Modulový software
SPC
Regula ní diagramy
VDA
Svaz automobilového pr myslu 6
1. ÚVOD Sou asné konkuren ní prost edí nutí organizace hledat cesty, jak lépe uspokojit pot eby zákazník , snižovat náklady na výrobu a sou asn zvyšovat produktivitu. Nezbytnou sou ástí a jedním z hlavních úkol
managementu se stává plynulé
zlepšování jakosti (Hindls, 1999). Tuto myšlenku prosazoval p edevším W. E. Deming, který byl propagátorem statistických metod v Japonsku a poté v USA. Úsp šné uplatn ní na trhu a trvalé dosahování vysoké jakosti nejhospodárn jší cestou, p edpokládá systematický a permanentní sb r, zpracování a analýzu všech dosažitelných údaj z výroby, trhu, technologií atd. Výsledky t chto analýz je nutné v co možná nejkratší dob
uplat ovat v ízení a politice jakosti.
Uplat ování tohoto p ístupu p edpokládá použití statistických metod (Fabian, 2007). Princip plynulého zlepšování jakosti je samoz ejm nezbytný i v automobilovém pr myslu. Proto i koncern Volkswagen AG a spole nost Škoda Auto a.s. používají ke kontrole výrobního procesu a vyhodnocování podklad
ze zákaznické sít
informa ní systémy s implementovanými statistickými metodami. V dnešní dob je eba chápat automobil jako velmi složitý celek, ve kterém pracuje stále v tší po et elektronických systém , bezpe nostních prvk a moderních motor , využívajících nejnov jší technologie
ízení a spl ujících stále náro
jší emisní p edpisy.
Všechny tyto systémy se skládají z velkého množství komponent . Jako celek musí vše pracovat s co nejv tší spolehlivostí. Spokojený zákazník je cílem strategie všech významných sv tových výrobc . Pokud budou fungovat jednotlivé komponenty, bude fungovat i celek. Na výrobce t chto komponent výrobce automobil
jsou kladeny stále v tší a v tší požadavky ohledn
i finální kvality.
Aby mohly být tyto požadavky spln ny, je nutné zajistit stabilitu všech proces a jejich dostate nou kontrolu. Kontrola stability výrobních proces a stejn tak analýza spolehlivosti produkt se neobejdou bez statistických metod. Prvním p edpokladem je sb r objektivních informací o stavu doty ných proces , pop ípad data o provedených opravách a vým nách díl . Druhým p edpokladem je jejich vyhodnocení a využití jako podklad
pro rozhodnutí o p íslušných opat eních. Požadované informace a
7
hodnocení výsledk
závisí rozhodujícím zp sobem na metodických postupech
sb ru a analýzy dat ( SN ISO/TR 10017, 1999). Statistické metody pro ízení kvality bývají sou ástí n kterých systém . Cílem práce je popis systému AGOS, který se používá ve firm Škoda Auto a.s. a jeho porovnání s koncernovým systémem AQUA, stanovení výhod a nevýhod a návrhy na jeho zlepšení a dopln ní. Pro lepší zhodnocení vlastností systému bylo využito malé dotazníkové šet ení. V teoretické statistické metody používané p i
ásti práce jsou p edstaveny základní
ízení jakosti a zajiš ování stabilní jakosti
výrobk , od jejich za len ní do montáže až po sledování životnosti výrobk v zákaznické síti. V další
ásti je popis systém
AGOS a AQUA, v etn
jejich
vzájemného porovnání. Samostatnou kapitolu p edstavuje ukázka praktického využití systému AGOS pro analýzu konkrétního problému v zákaznické síti, v etn následné kontroly ú innosti nasazeného opat ení. Jeden z výstup
systému
AGOS je využit pro konstrukci Paretova diagramu, pomocí n jž bylo provedeno vyhodnocení oprav s ohledem na jejich náklady. Práce se systémem vyžaduje zvláštní oprávn ní, jelikož výstupy, které systém poskytuje, mají charakter utajených interních informací. Nemohou být proto svévoln použity a prezentovány. Z tohoto d vodu nelze n které grafické výstupy prezentovat mimo firmu Škoda Auto a.s.
8
2. STATISTICKÉ METODY POUŽÍVANÉ V
ÍZENÍ KVALITY
Statistika jako v dní obor má své ko eny v 18. a na za átku 19. století. V 20. století se v souvislosti s nástupem hromadné produkce za ala statistika uplat ovat ve výrobních a posléze i nevýrobních oblastech. Dokud se vyráb lo v relativn malém množství, nep edstavovala kontrola kvality žádný problém. Stoprocentní výstupní kontrola výrobk
za ala být p íliš nákladná, jakmile nastal rozvoj
hromadné výroby. Proto se za aly využívat statistické metody na bázi výb rových kontrol. W. Shewhart sestrojil v roce 1924 první regula ní diagram. Byl tím položen základ statistického ízení kvality. H. F. Dodge a H. G. Romig navrhli v roce 1928 p ejímací plány pro kontroly velkých dávek výrobk . Velké rozší ení aplikace statistických metod nastalo v pr
hu 2. sv tové války v souvislosti
s výrobou velkého množství vojenského materiálu, u kterého se vyžadovala vysoká kvalita výroby. V povále ném období, p edevším u amerických podnik nastala zvýšená poptávka po veškerém zboží a kvalita ustoupila na úkor zvyšování výroby. Naopak v Japonsku se p edevším pod vedením amerických konzultant
W. E. Deminga a J. M. Jurana za aly statistické metody v ízení
kvality aplikovat, což se projevilo nápadným zlepšením kvality jejich výrobk . Úsp ch japonských výrobc p im l v 80. letech obrátit pozornost k ízení kvality i americké podniky a Demingovy myšlenky našly uplatn ní i v USA. Myšlenka plynulého zlepšování kvality a produktivity byla p ijata ve všech oblastech podnikání a stala se jedním z hlavních úkol managementu. Za átkem 90. let se za al používat systém mezinárodních norem ISO 9000, který zavádí v podnicích organiza ní strukturu a procesy pro zajišt ní kvality požadované zákazníkem (Jarošová, 2011). Norma ISO TR10017 doporu uje využití
ady r zných
statistických metod. Volba metody a zp sob její aplikace závisí na okolnostech a smyslu použití.
2.1 P ehled základních statistických metod Popisná statistika obsahuje postupy srovnávání a prezentace kvantitativních nebo kvalitativních znak . Nabízí ú inné a pom rn sumarizaci hodnot znak
a zárove
jednoduché nástroje pro
p edstavuje vhodný zp sob pro prezentaci
informací. Informace poskytované popisnou statistikou bývají 9
asto vyjád eny
pomocí r zných grafických metod (kolá ové a sloupcové diagramy, histogramy, bodové a trendové diagramy), ( SN ISO/TR 10017, 1999). Navrhování experiment (DOE) se zabývá zp soby plánování zkoušek, které se provád jí ur itým plánovaným zp sobem a které umož ují ú inné statistické zhodnocení výsledk . DOE je zvláš užite né p i vyšet ování složitých systém , jejichž výstup m že být ovliv ován pom rn experimentu m že být optimalizace úrovn
velkým po tem faktor . Cílem
sledovaného znaku nebo omezení
jeho variability. Lze jej aplikovat prakticky ve všech oblastech. Testování hypotéz je statistický postup, pomocí n jž se má posoudit na edepsané hladin
rizika, zda je ur itá množina údaj
kompatibilní s danou
hypotézou. Výsledkem je rozhodnutí, zda hypotéza, týkající se nap . parametru souboru je i není platná. P íkladem m že být test, zda parametr souboru spl uje nebo nespl uje ur itý zvláštní standard nebo zda existuje rozdíl mezi dv ma nebo více soubory. Analýza systému m ení je soubor postup zam ených na hodnocení nejistoty systém
m ení v rozmezí podmínek, v nichž systém pracuje. Používá se
k posuzování, zda je systém m ení vhodný pro zamýšlený ú el. Analýza m ení poskytuje kvantitativní a cenov p ijatelný zp sob volby m icího p ístroje. Analýza zp sobilosti procesu znamená vyšet ování inherentní variability sledovaného znaku procesu. Široce používaný ukazatel zp sobilosti je Cp, který je mírou „teoretické“ zp sobilosti procesu. Dalším široce používaným ukazatelem je Cpk, který popisuje „skute nou“ zp sobilost procesu. Analýza se využívá k posouzení schopnosti ur itého procesu poskytovat na výstupu výrobky, které vyhovují specifikacím, p ípadn
k odhadu o ekávaného podílu neshodných
výrobk . Pomocí t chto ukazatel
lze posuzovat zp sobilost jakékoli
ásti
výrobního procesu. To dovoluje organizaci odhadnout náklady na neshodnost a pomáhá p i rozhodování o p ístupech ke zlepšování procesu. Výrobci používají zp sobilost procesu jako hlavní kritérium k posuzování smluvních subdodavatel . Mohou tak minimalizovat p ímou kontrolu nakupovaných výrobk a materiálu. Regresní analýza se zabývá zkoumáním jednostranných závislostí, kdy proti sob
stojí „vysv tlující“ (nezávisle) prom nné v roli p
in a „vysv tlovaná“
(závisle) prom nná v úloze následk . Pomocí regresního modelu se zkoumají 10
obecné tendence ve zm nách vysv tlovaných prom nných v závislosti na zm nách vysv tlujících prom nných. Analýza bezporuchovosti je aplikací technických a analytických metod pro posuzování, predikci a zajiš ování bezproblémového výkonu ur itého zkoumaného výrobku nebo systému v pr
hu
asu. Bezporuchovost je siln
ovliv ujícím
faktorem p i vnímání jakosti výrobku a uspokojování zákazníka. Spolehlivost výrobk
hodnotíme pomocí r zných ukazatel . Analýza umož uje kvantifikovat
pravd podobnost poruchy a jiné ukazatele bezporuchovosti v etn konfiden ních mezí. Využívá n kolik model
p íslušných
rozd lení sledovaných náhodných
veli in. Nejb žn jší jsou exponenciální, Weibulovo a normální rozd lení (Jarošová, 2011). Statistická p ejímka je formou výb rové kontroly. P ejímka probíhá podle stanoveného plánu a umož uje objektivn výrobk
rozhodnout, zda kontrolovaná dávka
spl uje p edem stanovené požadavky jakosti. Používá se nejen pro
kontrolu hotových výrobk , ale i vstupních surovin, zásob, operací apod., a to hlavn v p ípadech, kdy je implementování stoprocentní kontroly p íliš nákladné, i destruktivním charakteru zkoušky, pop ípad
velké pracnosti p i kontrolách
velkých dodávek (Hindls, 1999). Regula ní diagramy neboli SPC diagramy jsou grafy s charakteristikami získanými z výb
, které se periodicky odebírají z procesu a graficky znázor ují
v asové posloupnosti. Používají se k detekci zm n v procesu. Zakreslené body, kterými mohou být jednotlivá tení nebo ur ité statistiky, jako je nap . výb rový pr
r, se porovnávají s regula ními mezemi. Bod, který padne mimo regula ní
meze, signalizuje možnou zm nu v procesu. Spole nosti z automobilového pr myslu a dalších odv tví vyžadují od svých dodavatel diagram
vedení regula ních
pro tzv. „kritické znaky“, aby se plynule prokazovala stabilita a
zp sobilosti procesu ( SN ISO/TR 10017, 1999). Analýza
asových ad se zabývá studiem pozorování provád ných postupn
v ase. Nejjednodušší metodou je grafické znázor ování asových ad ur itých sledovaných charakteristik. Analýza asových ad se aplikuje p i studiu výkonnosti proces
v pr
hu
asu, nap . procesu m ení, stížností zákazník , výskytu
neshod, produktivity práce. Krom toho se využívají p i predikci pot ebného po tu 11
náhradních díl , spot eby materiálu a spot eby energií ( SN ISO/TR 10017, 1999). Paretova analýza se využívá p i vyhledávání a definování nejpodstatn jších in, které zp sobují p edem definované, již odhalené problémy. 80-95% problému je podle Pareta zp sobeno malým po tem p
in (5-20%). V oblasti
ízení jakosti je tato metoda jedním z nejefektivn jších a snadno aplikovatelným rozhodovacím nástrojem. Cílem analýzy je odd lit podstatné p podstatných a ukázat, kam p ednostn
iny od mén
zam it úsilí. Využití Paretovy analýzy
v oblasti managementu jakosti je mnohostranné. M že být využívána p i analýzách v následujících oblastech: p
in výroby neshodných výrobk , p
in
prostoj stroj , poruch a havárií za ízení, nebo opot ebování ná adí. Podstatou Paretovy analýzy je stanovení priorit v procesu ešení problému. Identifikace nejpodstatn jších p
in, tzv. „životn
d ležité menšiny“ se provádí pomocí
Paretova diagramu, což je sloupcový graf dopln ní o Lorenzovu k ivku (Nenadál, 2008). Vzhledem k využití Paretovy analýzy v praktické ásti bakalá ské práce, jsou blíže popsány její jednotlivé kroky. -
Volba faktor je dána problémem, který je nutné vy ešit. Jedná se nap íklad o vysoký výskyt vad (faktorem budou jednotlivé vady), reklamací (faktorem budou r zné produkty), astých poruch stroj (faktorem budou typy stroj ) apod.
-
Volba hlediska analýzy závisí na cílech a prioritách ešení problému. Analýza m že být provedena bu podle jednoho hlediska, pop ípad i více hledisek (vícenásobná Paretova analýza). Hlediska mohou p edstavovat nap íklad etnost vad, náklady na odstran ní, atd.
-
Sb r a záznam dat se provádí podle stanovených pravidel. Je t eba vymezit období sb ru dat, ur it odpov dného pracovníka, zp sob získání dat a ipravit vhodný formulá pro záznam dat.
-
Vytvo ení tabulky. Nejprve se set ídí kategorie sledovaného faktoru sestupn
podle zvoleného hlediska, kterým m žou být nap íklad výše
náklad na opravy. Dále se vytvo í kumulativní sou ty vyjád ené v %.
12
-
Paret v diagram se sestrojí na základ vyzna í sestupn
vytvo ené tabulky. Na osu x se
se azené kategorie faktor . Na levé ose y se vynášejí
hodnoty zvolené veli iny (nap . náklady na opravy, nebo etnost poruch) a na pravé stran relativní kumulativní sou ty v %. Výška sloupc odpovídá hodnot
v grafu
veli iny, která byla zvolena jako hledisko ( etnost,
náklady, atd.). Následuje sestrojení Lorenzovy k ivky, která je grafem kumulativních sou -
.
Volba kritéria pro stanovení „životn
d ležité menšiny“. Kategorie, které
zp sobují nejpodstatn jší problémy, zjistíme pomocí Lorenzovy k ivky. Základním kritériem m že být Paret v princip 80/20. Na pravé ose y ode teme hodnotu 80%, p ímkou protneme Lorenzovu k ivku a pr se ík promítneme na osu x. Kategorie faktor
ležících vlevo od pr
„životn d ležitou menšinu“, tj. nejpodstatn jší p
tu tvo í
iny problému, na které je
eba zam it pozornost. Paret v diagram lze opakovan
použít i k vyhodnocení ú innosti p ijatých
nápravných opat ení jednoduchým srovnáním stavu p ed p ijetím a po jeho implementaci. Efektivní kombinaci p ináší také aplikace Paretova diagramu v kombinaci s diagramem p
in a následk (Nenadál, 2008).
2.2 Statistické metody pro vyhodnocování spolehlivosti Pro oblast spolehlivosti a životnosti v automobilovém pr myslu byla v roce 1976 vydána Svazem automobilového pr myslu (VDA) první verze publikace VDA 3 „Zajišt ní spolehlivosti v automobilovém pr myslu a dodavatel “. V následujících letech byla dopln na a vydána v dalších vydáních. S rozvojem technologií byla dopln na p edevším
ást týkající se zajišt ní spolehlivosti elektrických a
elektronických komponent . Tato publikace vznikla ve spolupráci s významnými meckými výrobci automobil
a jejich dodavatel , (BMW, Robert Bosch, Ford,
Opel, Continental, VW a další). Publikace obsahuje souhrn metod zkoumajících dlouhodobou spolehlivost automobil , komponent i materiál . Metody jsou rozd leny do t chto oblastí: -
Statistický popis poruch díl
a systém
poruchy, spolehlivost, míra poruchovosti), 13
(histogram, pravd podobnost
-
matematický
popis
spolehlivosti
(normální
rozd lení,
exponenciální
rozd lení, Weibullova analýza (využívaná nap íklad v systému AQUA), logaritmické normální rozd lení, -
plánování a vyhodnocování dlouhodobých zkoušek a statistiky závad,
-
metody testování systém ,
-
spolehlivost elektronických komponent a software (VDA, 2000).
Z uvedených oblastí bude využita Weibulova analýza, pomocí níž lze odhadovat podíl poruch b hem stanovené doby. Doba do poruchy jednotlivých výrobk
se
modeluje pomocí Weibulova rozd lení, jehož distribu ní funkce má tvar (1). Distribu ní funkce F(t) vyjad uje pravd podobnost, že životnost náhodn vybraného výrobku nabude hodnoty menší nebo rovné tx, nebo podíl výrobk , u nichž b hem doby t nastala porucha. Distribu ní funkce: má 3 parametry.
( )=1
,
(1)
b parametr tvaru, popisuje charakteru vzniku poruchy. U p ed asných je hodnota b < 1, u náhodných je b = 1, hodnota b > 1 odpovídá poruchám v d sledku opot ebení. T parametr m ítka, T > 0. t0 je as bezporuchovosti, doba, kdy z žádných fyzikálních d vod nemá poruchu, t0 > 0. T charakteristická životnost, T > 0, (Neupert, 2009).
14
3.
ÍZENÍ KVALITY VE FIRM ŠKODA AUTO A.S.
Cílem firmy je dostát závazk m zakladatel
spole nosti a nabízet zákazník m
produkty špi kové kvality. Zákazník považuje produkt za kvalitní, pokud neshledá žádné rozdíly mezi svým o ekáváním a skute nými zkušenostmi s produktem. Škoda Auto a.s. zavedla v roce 1993 Systém ízení kvality (QMS), který je v sou asné dob sou ástí Integrovaného systému ízení spole nosti (IMS). QMS pomocí metod pro efektivní ízení, m ení a soustavné zlepšování umož uje trvale zlepšovat výsledky spole nosti a zvyšovat spokojenost zákazník . Jednou z podmínek pro ud lení typového schválení vozu, které vyžaduje legislativa EU a tšina dalších trh , kam jsou dodávány, je certifikát systému ízení kvality dle ISO 9001. Certifikát dokladuje vytvo ení vnit ních pravidel a jejich dodržování. Zárove zaru uje, že vyráb né vozy odpovídají t m, které byly p edloženy typovému schválení. Správné fungování Integrovaného systému ov ováno prost ednictvím interních a externích audit
ízení spole nosti je Systému ízení kvality,
procesu a výrobku (Interní materiály Škoda Auto a.s.).
3.1 Odd lení kvality a jeho úkoly Základním úkolem odd lení kvality ve firm usm
ování
inností a proces
Škoda Auto a.s. je koordinace a
p i vývoji a výrob
vozu s ohledem na kvalitu
výsledného produktu. Struktura odd lení je znázorn na na obr. 1. Následuje popis jednotlivých odd lení ízení kvality a jejich základní
innosti a odpov dnosti
(Interní materiály Škoda Auto a.s.).
zdroj: Interní materiály Škoda Auto a.s.
Obr. 1 Organiza ní struktura odd lení ízení kvality GQA vydává a pe uje o p íru ku IMS a politiky spole nosti. Zajiš uje koordinaci a podporu p i zavád ní požadavk QMS v celé firm a zárove koordinuje audity QMS (zákaznické, koncernové a certifika ní). Koordinuje plánování a provedení 15
interních systémových a procesních audit
dle požadavk
ISO 9001 a VDA,
metodicky ídí procesní audity dle koncernové metodiky (VDA 6.3). Zárove zajiš uje podporu pro informa ní systémy kvality, metodické vedení uživatel systém , provádí školení vztahující se ke kvalit (QMS, audit kvality, informa ní systémy) a podílí se na tvorb kontrolních karet voz . GQH zabezpe uje kvalitu výroby agregát , do které pat í výroba motor , evodovek, náprav a hutní provozy (výroba blok sk íní a dalších komponent ). Zárove
motoru, obal
p evodových
ídí dokumentaci systému kvality závodu
VA – Výroba agregát . GQF zabezpe uje a ídí kvalitu výroby voz v závod Mladá Boleslav. Stanovuje zp sob kontroly kvality pro nové náb hy a sériovou produkci, p ejímací kritéria pro edávku voz , druhy a rozsah repasních prací, cíle kvality. Schvaluje pozastavení a uvoln ní voz . GQK a GQV mají stejné úkoly jako odd lení GQF, ale v dalších výrobních závodech Kvasiny a Vrchlabí. GQD ídí kvalitu veškerých nakupovaných díl . Zajiš uje innosti již v rámci výb ru dodavatel , podílí se na vývoji díl
a uvol uje díly pro sériovou výrobu.
Zabezpe uje komunikaci s dodavateli a spole
s koncernovou kvalitou uvol uje
jejich výrobní procesy pro sériové dodávky a provádí audity výrobních míst. Zabezpe uje proces analýzy vadných díl z výrobního procesu a servisní sít . GQM je odd lení managementu kvality a techniky celého vozu. Sou ástí odd lení je zkušební st edisko pro zkoušky voz . Zárove zabezpe uje analýzy a opravy edsériových
voz
v rámci
dlouhodobých
zkoušek.
Odd lení
zajiš uje
systémovou podporu pro získávání informací ze zákaznické sít a zabezpe uje spole
s GQA innosti systému AGOS.
Firma Škoda Auto a.s. využívá pro zpracování informací a dat ze všech oblastí systémovou podporu. Vyhodnocování informací je rozd leno na výrobní a poprodejní oblast. Pro výrobní oblast firma spole
s koncernem VW využívá
software firmy Q-DAS. Pro vyhodnocování informací z poprodejní oblasti a 16
veškerých garan ních operací ze servisní sít je využíván systém AGOS. V rámci koncernu je používán nadstavbový systém AQUA, který díky propojení s dalšími systémy umož uje vytvá ení komplexních informací.
3.2 Výrobní oblast Jak již bylo zmín no, software firmy Q-DAS je v koncernu VW využíván pro sb r a vyhodnocování informací z výrobních oblastí spole nosti. Firma Q-DAS je mezinárodní softwarová spole nost specializující se na automatizaci statistických postup
v pr myslu.
Mezi
zákazníky
spole nosti
pat í
velcí
producenti
v automobilovém pr myslu jako nap íklad AUDI AG, BMW AG, Volkswagen AG, General Motors, OPEL AG, a další. V eské republice byla založena v roce 1997 první dce iná spole nost Q-DAS, spol. s r.o. Spole nost klade p edevším d raz na aplikace v oblasti ízení kvality. Programy podporují stávající mezinárodní normy i íslušné oborové normy, pokyny a sm rnice. Firma vytvo ila n kolik modulových produkt , které jsou zam eny na oblasti kvalifikace, ízení a optimalizaci procesu a zp sobilost procesu m ení (Q-DAS eská Republika). 1. Software qs-Stat je komplexní modulový software používaný p edevším pro aplikace technické statistiky v oblasti výrobních za ízení a proces . Poskytuje srozumitelná grafická znázorn ní mnoha ukazatel efektivní
nepostradatelných pro
ízení kvality. Grafické nástroje umož ují jednoduchou vizualizaci
vypo tených statistických charakteristik, rychlou identifikaci kritických proces , slabých míst a odchylek. Zajiš uje podporu v procesu neustálého zlepšování (QDAS eská Republika). Qs-Stat se skládá ze ty modul : -
modul „Krátkodobá zp sobilost“ se zabývá vyšet ováním zp sobilosti stroj (výstupy Cm, Cmk). Zpracovává výsledky p ejímek nových strojních za ízení. Modul nabízí celou adu statistických metod, (nap . korela ní a regresní analýzu, testování hypotéz a jiné),
-
modul „Zp sobilost procesu“ vyšet uje zp sobilost proces , (výstupy Cp, Cpk). Umož uje jak rozsáhlou interaktivní analýzu zp sobilosti proces , pravidelné vyhodnocování p i komplexních projektech sb ru procesních dat, 17
-
modul „Analýzy spolehlivosti“ umož uje vyhodnocení zkoušek životnosti výrobku, a již p i vývoji nebo p i standardních zkouškách,
-
modul „Analýza m icích systém “ umož uje prov ování zp sobilosti idel a m icích systém
(výstupy Cg, Cgk), (Interní materiály Škoda
Auto a.s.). 2. Software Procella (elektronický regula ní diagram) slouží ke sb ru dat z r zných m icích za ízení. Údaje se ukládají bu do soubor , nebo do centrální databáze. Uložená data je možno zobrazit pro kvantitativní i kvalitativní hodnocení. P ímá vizualizace m ených hodnot v kombinaci se zobrazením íve uložených dat umož uje jednotlivým uživatel m v asné rozpoznání trend a tím zajišt ní rychlé identifikace problém . Pomocí Procelly je možné individuální nastavení tzv. alarm (p ekro ení tolerancí, porušení regula ních/varovných mezí, atd.) a tím p ímé ízení procesu stroj . V rámci Procelly je možné volit zp sob výpo tu mezí v regula ních diagramech (Q-DAS eská republika). 3. MCA/CMM Reporting se soust velkého množství znak
uje na zpracování jednotlivých m ení
sou asn . Využívá se pro zpracování m ení
z jednotlivých m rových st edisek, p edevším z oblasti lisovny a sva ovny, využívajících 3D-m idla. Ideální aplikace tohoto modulu je pro necentrální vizualizaci m ení m rového st ediska a laborato e. Reporting je nutným nástrojem všude tam, kde rozsáhlý sb r dat neumož uje pravidelné interaktivní vyhodnocování z asových nebo kapacitních d vod . Automatický reporting m že být
ízen jak p eddefinovanými událostmi-alarmy, tak
asovými intervaly. Je
napojen na sí ové tiskárny nebo mailový server a odesílá výsledky na eddefinovaný rozd lovník (Interní materiály Škoda Auto a.s.). 4. Formulátor je rozsáhlé vývojové prost edí pro všechny moduly spole nosti QDAS. Je to nástroj pro úpravu zpráv obsahující statistické vyhodnocení. Pomocí zadávacích masek se volí tabulky a grafy na výstupu. Editor je vhodný pro vytvá ení nebo upravování tiskových zpráv a standardních hlášení (Q-DAS republika).
18
eská
3.3 Povýrobní oblast Velice d ležitou oblastí je bezesporu zákaznická sí . Poskytuje informace o spolehlivosti výrobk a zárove o spokojenosti zákazník . Na základ získaných dat lze provád t kontroly závadovosti jednotlivých voz
a jejich komponent ,
garan ních náklad na opravy a další. Systém pro zpracování a vyhodnocování chto informací, audit
a dalších zdroj
se nazývá AGOS. Tento systém se
skládá z n kolika modulových systém : -
AGOS ORi, systém pro sledování garan ních závad a náklad , poskytuje velké množství informací ze servisní sít a je jedním z nejvyužívan jších,
-
PDI ORi, systém pro analýzy závad v p edprodejním servise, poskytuje informace o závadách na vozech p ed jejich rozvozem k jednotlivým prodejc m,
-
AGOS QAS, systém pro zpracování podklad pro quasové studie (QAS je písemná dotazníková akce vztahující se na vozy po 3 m sících provozu, kdy jsou majitelé vozidel cílen dotazováni na spokojenost s vozem),
-
AGOS audit, systém evidence a analýzy problém z audit ,
-
AGOS procesní audit, systém evidence a analýzy problém p i procesních auditech (Interní materiály Škoda Auto a.s.).
Využití modulu AGOS ORi p i zpracování a vyhodnocení dat ze servisní sít bude nována další kapitola.
19
4. SYSTÉMY PRO ZPRACOVÁNÍ A VYHODNOCOVÁNÍ DAT ZE SERVISNÍ SÍT Následující kapitola popisuje systémy, které zpracovávají veškerá dostupná data ze servisní sít koncernu Volkswagen AG. Informace ze servisní sít Škoda Auto a.s. umož uje vyhodnocovat systém AGOS Ori. Výstupní informace jsou prezentovány pomocí grafického vývoje závad/náklad , p ehled po ty závad/náklad
s nejvyššími
atd. Všechny výstupy je možné generovat do programu
Excel, kde se mohou dále upravovat a zpracovávat. V rámci celého koncernu Volkswagen AG je využíván nadstavbový systém AQUA. Vzhledem k jeho propojení s dalšími koncernovými systémy poskytuje rozsáhlejší možnosti výstupních informací, než systém AGOS.
4.1 Systém AGOS ORI Systém AGOS byl vytvo en na základ Auto a.s. v pr
požadavk
managementu firmy Škoda
hu roku 1996. Management pot eboval pro monitorování
garan ních závad a náklad v servisní síti nástroj, umož ující jejich sledování a vyhodnocování. Samotné spušt ní programu prob hlo na za átku roku 1997. V této dob za aly v rámci koncernu vznikat modelové platformy. Prvním vozem na koncernové platform byl model Octavia A4, postavený spole
s modely VW
Golf 4, AUDI A3. Spole ná koncernová platforma m la název PQ34. Systém vytvo ila firma TIGRA. Správu nad datovými podklady má v kompetenci odd lení kvality GQM a odd lení pro zprávu po íta ových systém EOC. Základní funkcí programu je vytvá ení výstup
na základ
požadavk uživatel .
Program je možné využívat ve dvou jazycích, eském a n meckém. Jelikož se jedná o úzce specifikovaný program, využívá aktivn tento systém v rámci firmy Škoda Auto a.s. systém p ibližn 40 pracovník . Po et uživatel se samoz ejm ní dle pot eb, p ípadn
personálních zm n. Velká v tšina aktivních uživatel
jsou pracovníci odd lení kvality, kterým systém poskytuje základní informace pro každodenní pracovní innost. Jak bylo již zmín no v úvodní kapitole, jedná se o interní data utajeného charakteru. Z t chto d vod malý.
20
je po et uživatel
relativn
Vstupní data systému jsou nejd ležit jší ástí celého systému a jsou rozd lena na dv
ásti. První ást se týká výroby a prodeje vozu (MOP data, obr. 2). Do
systému jsou ukládány údaje o všech vyrobených vozech (typ vozu, výbava, typ motoru a p evodovky, barva atd.) a následn
datum jejich prodeje. D ležitými
údaji jsou jak datum výroby, tak datum prodeje. Doba mezi výrobou a prodejem se že výrazn lišit v závislosti na trhu, pro který je vyroben. Druhou ást vstupních dat tvo í veškeré informace, které jsou zadávané p i každé garan ní oprav automobilu v autorizovaném servisu Škoda, pop ípad Volkwagen nebo AUDI, a to ve všech zemích, kam jsou vozy vyváženy (MIS data, obr. 2). Samoz ejmostí je v sou asné dob sí ové p ipojení všech servis do sít Škoda. Toto p ipojení je nutné zárove
pro další servisní úkony, jako jsou vým ny díl , aktualizace
softwaru v ídících jednotkách a kódování. Pokud je v servisní síti provedena vým na nebo oprava na vozidle, je celý proces uložen do databáze systému SAGA (koncernová databáze pro opravy/vým ny voz v servisní síti). Pro zp sob ukládání dat musí servisní místa dodržovat stanovená pravidla, která jsou platná v rámci celého koncernu. D vodem je kompatibilita dat pro srovnávací funkce. V databázi jsou uloženy všechny údaje o vozidle a provedené
innosti:
íslo
karoserie, datum uvedení do provozu, datum opravy, po et najetých kilometr vozu v momentu opravy, typ závady a veškeré informace o provedení opravy, etn ceny za vym
né díly a práci servisu. Každá operace, díl a oprava mají
svoje ozna ení. Firma Škoda Auto a.s. má proto vypracován tak zvaný Kd.Nr.Katalog s popisem všech komponent
vozu. Samoz ejmostí je jeho pravidelná
aktualizace a dopl ování v závislosti na výrob
nových model , výbav a
komponent . Garan ní opravy hradí výrobce a v jeho zájmu je, aby byly co nejnižší. Zadávání dat je kontrolováno z n kolika hledisek. Je kontrolována nap íklad správnost vym pop ípad
ného dílu v
i vozidlu, maximální cena za díl a práci,
správné p id lení kódu dílu. Pro složit jší opravy, pop ípad
opravy/vým ny již známých a vy ešených problém , vypracovává odd lení Pé e o zákazníka tzv. TPI (Technische Problem Information – technické informace k problému), kde je popsán konkrétní postup opravy se všemi údaji. Jedná se o evzatý koncernový model. Informace o vým nách díl
nemusí znamenat, že
tento díl je opravdu vadný, p ípadn že provedení opravy bylo oprávn né.
21
Obrázek 2 znázor uje tok dat o vyrobených vozech (MOP – month of production) a data o servisních innostech (MIS – month in servis). Kontrolu dat zabezpe ují jak odd lení EOM (systémová podpora prodeje a marketingu), tak PSG (garan ní odd lení zajiš uje vy izování veškerých garancí, v etn
kontroly oprav a vým n
díl ). Veškerá data využívá systém AGOS Ori. Samotné analýzy výstup jsou již v kompetenci jednotlivých odborných skupin, pop ípad odpov dných pracovník kvality. Publikování vybraných výpo
a výstup je v kompetenci odd lení GQM.
zdroj: Interní materiály Škoda Auto a.s.
Obr. 2 Struktura toku vstupních informací Možnosti výstup : Systém nabízí celkem 71 p eddefinovaných standardních výstup
rozd lených do p ti skupin (p íloha 1). První a nejrozší en jší skupinu
tvo í p edevším grafy, p edstavující p ehledy díl s nejvyšším po tem závad nebo náklad , trendy náklad /závad atd. Druhou skupinu tvo í veškeré informace pouze o lakových závadách. T etí skupinu tvo í p ehledy závad/náklad karoserie jednotlivých voz , dle ísla konkrétního servisu, p ípadn
dle
ísla
jednotlivých
prodejc . Tyto p ehledy s detailními informacemi jsou dále zpracovány v programu 22
Excel. Jednotlivé typy získaných dat tvo í r zné grafy a tabulky, které obsahují všechny dostupné informace k jednotlivým závadám (druh opravy, vym
né díly,
náklad na opravu, dodavatele dílu atd.). Na základ t chto informací lze provést detailní analýzu a vyhodnocení. Uživatel má okamžit
k dispozici dostate né
množství informací, které slouží jako podklady pro další procesní úkony. S vytvo enými grafy m žeme dále pracovat a pomocí jednoduchých statistických metod stanovit, které typy vad je nutné prioritn pouze výstupy garan ních závad/náklad
tvrtá skupina obsahuje
dle ujetých kilometr . Pátá skupina
poskytuje informace o jednotlivých bázích voz výbav voz
ešit.
podle m síc
prodeje, výroby,
atd. Výstupy jsou dále rozd leny na „statistické“ a „absolutní“.
„Statistické“ jsou výhradn
grafické a zohled ují as od výroby do prodeje, tzv.
LAG faktor. Datum prodeje vozidla je d ležitá informace pro jednotlivé k ivky, které odpovídají r zné dob provozu vozidla (p íloha 4). Vyhodnocení se v sou asnosti provádí na základ
údaj
ze 45 zemí, kde je možné stanovení LAG faktoru.
„Absolutní“ výstupy se týkají všech vyrobených voz
a prodaných voz , bez
ohledu na datum jejich prodeje. Výstupní dokumenty se vytvá ejí pomocí stromové struktury (obrázek 3), která umož uje p ehledné uspo ádání. Tato struktura zobrazuje schéma zadaných (parametrizovaných) dokument možné vytvo it maximáln
za azených povinn
do šanon
a složek. Je
9 šanon , v každém z nich pak 99 složek a v každé
složce maximáln 999 dokument .
zdroj: Interní materiály Škoda Auto a.s.
Obr. 3 Struktura dokument
23
Parametrizace dotaz je relativn jednoduchý a p ehledný proces. Do jednotlivých parametrických polí ek lze po zaškrtnutí konkrétního pole zapsat hodnotu parametru. Zadávaný parametr je kontrolován podle p íslušných tabulek databáze Oracle. V p ípad , že uživatel nezná pot ebný kód, m že vyvolat zobrazení íslušné tabulky databáze a ze seznamu parametr vybrat. U kombinovaných parametr , nap íklad kódu opravárenské skupiny a dílu, je nabídnuta volba požadované tabulky. U parametr je možné zadat celé datum nebo rok. Systém automaticky doplní parametr do p edepsané formy. U parametru modelového klí e je možné použít tzv. hv zdi kovou konvenci, což znamená, že v p ípad zadání 1U**** budou akceptovány všechny vozy s modelovým klí em za ínajícím 1U a dalšími znaky libovolnými. V p ípad
modelu vozu je možnost volby z n kolika
desítek možností. Vozy lze volit dle typu modelu, v etn
jejich kombinace, typu
motor a p evodovek. Zárove je možná p ímá volba ur itého typu vozu. Všechny možnosti jsou sou ástí nabídky systému a lze si jednoduše zvolit ten, který uživatel pot ebuje. D ležitým parametrem je LAG faktor. P i zadání hodnoty 3 (doba mezi výrobou a prodejem je t i m síce), bude po et vyhodnocovaných voz nap íklad pro trh
eská republika velmi vysoký. B hem této doby jsou již prakticky
všechny vozy u svých majitel . Výstup z takové báze voz má v tší vypovídající schopnost než nap íklad srovnatelný výstup z trhu Špan lsko p i LAG faktoru 1, pop ípad
2. Jen samotný transport vyrobených voz
a p edprodejní servis by
trval dva až t i týdny. Proto je nutné stanovit odpovídající faktor ke konkrétnímu trhu. Velikost faktoru ovliv uje datum, od kdy budou vozy vyhodnocovány. Se teme-li nap íklad faktor 3 a dobu provozu vozidla, kterou chceme vyhodnotit, nap íklad k ivku závad po 3 m sících provozu (MIS), dostaneme vyhodnocení pro vozy vyrobené p ed šesti m síci. V minulosti se stávalo, že procento prodaných voz
bylo i v p ípad
LAG faktoru 3 relativn
V sou asnosti je situace diametráln
malé, nap íklad 30-40%.
odlišná. Škoda Auto a.s. vyrábí naprostou
tšinu tzv. p ímých voz , které se po vyrobení dostávají ke kone ným zákazník m rychleji, takže nap íklad pro trhy
eská republika, ale i pro N mecko
se m že zadávat faktor 1. Výstupy je možné konfigurovat s následujícími typy omezení: -
Dle trhu prodeje,
-
modelu vozu nebo typu vozu (v etn volby motoru, p evodovky atd.), 24
-
na sledovaný komponent-systém (dle katalogu díl ),
-
dle výrobního závodu (výrobní závody Mladá Boleslav, Vrchlabí, Kvasiny),
-
dle modelového roku (nap íklad modelový rok 2010 je datován od 1.6.2009 do 31.5.2010 atd.),
-
dle LAG faktoru (doba mezi výrobou a prodejem vozu, pro n mecký a eský trh, se udává 1, pro ostatní trhy se zadává v tšinou 3),
-
dle data výroby vozu,
-
dle
ísla karoserie (možnost omezit na konkrétní
íslo karoserie, série
ísel), -
dle prodejce-servisního místa,
-
dle m síc
v provozu (nap íklad zvolíme pouze MIS 3, 6 a 12, což
znamená, že v grafu vývoje závad/náklad budou pouze t i k ivky po t ech, šesti a dvanácti m síc provozu), -
dle typu závady (lze omezit pouze na ur itý druh, mechanická, elektrická, hluky, nepojízdný v z atd.),
-
omezení osy X – po et m síc provozu (maximum je 62).
zdroj: Interní materiály Škoda Auto a.s.
Obr. 4 Konfigurace výstupu vývoje garan ních závad dle MOP/MIS (01.01.Z) 25
V jednotlivých konfigura ních polích lze vid t p íslušná omezení. Výstup z konfigurace je zobrazen na obr. 5. Osa X zobrazuje m síc a rok výroby voz . Výstup je konfigurován pro v z Octavia A5, všechny výrobní závody, všechny druhy závad, díl
ídicí jednotka motoru pro benzínové motory, trh EU1
eská republika + N mecko). Na ose Y je vynesen po et závad na 1000 vyrobených voz . Jednotlivé k ivky p edstavují pr
h po tu závad na 1000 voz
po 0, 6, 12, 18, 24 a 48 m sících provozu vozidla. Nap íklad k ivka ozna ena na konci
íslem 12 znamená vývoj po tu závad na 1000 voz
po 12 m sících
provozu. Z grafu je patrné, že nejmenší po et závad se vyskytuje v prvních sících provozu.
ím delší doba provozu, tím více závad. Pro trhy
eská
republika a N mecko je možné zadání LAG-faktoru íslo 1, což znamená, že graf vyhodnocuje vozy s jednom sí ním zpožd ním od jeho výroby (v z vyrobený nap íklad 10.1.2011 bude nejd íve vyhodnocen v m síci b eznu, ale nebude v provozu ani jeden celý m síc). Musíme se íst LAG 1 + 1 m síc provozu (minimální doba) a dobu aktualizace dat na centrálním serveru (1 x pop ípad 2 x sí
pro jednotlivé trhy).
zdroj: Interní materiály Škoda Auto a.s.
Obr. 5 Výstup z konfigurace garan ních závad na 1000 voz (01.01.Z)
Tab. 1 p edstavuje hodnoty k výše uvedenému grafu a obsahuje po et závad na 1000 voz síc
v jednotlivých m sících pro modelové roky 2009 a 2010, po 0 – 24
v provozu. Zárove
je d ležitým parametrem báze voz . Z hodnot je 26
patrné, že p ed koncem roku dochází k poklesu prodeje vozidel a naopak v jarních sících roste. Výpo et hodnot v jednotlivých m sících je provád n automaticky a platí pro každý výrobní m síc a ur itou k ivku MIS. (nap . pro výrobní m síc 07/09, 12MIS: celkový po et závad 12MIS/báze voz * 1000). Tab. 1 Hodnoty závad na 1000 voz pro modelové roky 2008 a 2009
zdroj: Interní materiály Škoda Auto a.s.
Význam systému v ízení kvality. Systém AGOS je zárove
významným
informa ním zdrojem pro zajišt ní procesu v managementu kvality. Systém je využíván k více ú el m v rámci firmy. Management firmy podle n j m že porovnávat a vyhodnocovat stanovené cíle kvality a slouží jako podklad pro vedení firmy. Poskytuje d ležité informace a podklady pro konkrétní technické pracovníky, kde mají nezastupitelné místo p i
ešení konkrétních problém
v servisní síti. Data o závadách jsou využívána v procesu výb ru stávajících dodavatel
pro nové projekty a v programu „kritických dodavatel “, (dodavatelé
nekvalitních produkt
jsou hodnoceni stupn m C a v rámci celého koncernu
nejsou nominováni pro nové projekty). Systém slouží také ke kontrole ú innosti nasazených nápravných opat ení (Interní materiály Škoda Auto a.s.).
4.2 Systém AQUA Systém AQUA je používán v celém koncernu VW, v etn
firmy ŠKODA. Tento
systém vznikl v relativn nedávné dob , jako nadstavbový systém pro již existující zavedené systémy. D vodem bylo komplexn jší využití všech dostupných informa ních zdroj , pomocí jednoho systému. Systém spravuje n kolik podsystém , které poskytují ucelené informace z oblasti servisní sít . Umož uje vyhodnocovat nejen garan ní závady a náklady, ale nap íklad chybová hlášení z uložených diagnostických protokol (systém DIAGNOSE), informace ze servisní komunikace (systém DISS) a další. Zárove tento systém umož uje zpracovávat tyto informace pro všechny koncernové zna ky, v etn 27
voz
Škoda, což je
výhodné p i porovnávání závadovosti jednotlivých zna ek. Na obrázku 6 je funk ní schéma systému.
zdroj: Interní dokumentace Škoda Auto a.s
Obr. 6 Funk ní schéma systému AQUA
Systém využívá stejnou zdrojovou databázi jako systém AGOS, poskytuje však širší nabídku výstup . Základní nabídka je podobná struktu e systému AGOS. Pro vyhodnocování však systém využívá více statistických metod. Poskytuje nap íklad navíc srovnávací grafické výstupy (vývoj závad na více vozech, typu motoru, atd.), prognózy vzniku závad na základ
Weibulovy analýzy (podle po tu ujetých
kilometr , doby provozu, atd.) a funkci v asného varování. Srovnávací výstupy (obr. 7) jsou nejpoužívan jší, jelikož umož ují p ehledné srovnání vývoje závad mezi jednotlivými koncernovými zna kami. Velmi asto jsou využívány p edevším pro pot eby managementu.
28
zdroj: Interní dokumentace Škoda Auto a.s
Obr. 7 Srovnávací výstup závad ze systému AQUA íklad výstupu Weibulovy analýzy vytvo ené systémem AQUA je na obrázku 8. Na levém grafu je zobrazena prognóza závad podle doby provozu v m sících. Pro ukázku byla použita reálná data z konkrétního vozu a dílu. Konfigurace výstupu byla zpracována pro model vozu Octavia 2, modelový rok 2008, datum výroby vozu 02/2008 až 04/2008, provoz na všech trzích. Jako konkrétní vyhodnocovaný díl je použita ídící jednotka motoru pro benzínové motory. Záru ní doba je 24 síc . Na základ
po tu zjišt ných závad (od 0 do 24 m síc
provozu) byly
odhadnuty parametry Weibulova rozd lení a pomocí distribu ní funkce provedena edpov
vývoje po tu závad do 60 m síc provozu. Prognóza po 60 m sících
provozu je 38 závad na 1000 voz . Graf na pravé stran p edstavuje transformaci distribu ní funkce. Jelikož všechny body leží v p ímce, m žeme hovo it o vhodnosti modelu. Systém provedl vyhodnocení vzniku závad jako závady vlivem opot ebení a hodnotu parametru b = 1,33. 29
zdroj: Interní materiály VW AG
Obr. 8 prognóza závad, transformace dat Další výstupem systému AQUA je tzv. funkce základ
nutnosti
asného varování. Vznikla na
ekání na vyhodnotitelná data, která jsou bohužel dostupná
nejd íve po t ech, ty ech m sících od výroby vozu v závislosti na trhu (viz strana 25). Je ur ena k odhadu vývoje závad díl , pop ípad
celých skupin díl
na
základ relativn malého množství dostupných informací, jelikož báze prodaných voz je velmi malá. Odhad je možný vytvo it již po jednom nebo dvou m sících. Na základ
t chto dostupných informací je proveden odhad vzniku závad i pro
zbývající neprodané vozy (Neupert, 2009). Funkce je využívána hlavn
v rámci
managementu. Na obrázku 9 je ukázka úspory asu v p ípad použití této funkce.
zdroj: Interní materiály Škoda Auto a.s
.
Obr. 9 P íklad použití funkce v asného varování 30
4.3 Porovnání systém AGOS ORI a AQUA Ve srovnání se systémem AGOS je rozsah informací, které poskytuje systém AQUA v tší, což je dáno jeho propojením s dalšími systémy. Negativem je výrazn
složit jší konfigurace výstup
a nutná znalost n meckého, pop ípad
jiného cizího jazyka. Další nevýhodou je ob asná nedostupnost systému, pop ípad omezený rozsah jeho funkce z d vod oprav a aktualizací. Z uživatelského
hlediska
je
výhodou
systému
AGOS
jeho
p ehlednost,
jednoduchost a eský jazyk. Konfigurace požadovaných výstup je podporována eddefinovanými možnostmi. Další výhodou systému AGOS je kratší doba provedení samotného výpo tu. Hlavním nedostatkem je možnost konfigurace výstup pouze pro vozy zna ky Škoda.
31
5. P ÍPADOVÁ STUDIE ípadová studie p edstavuje ukázku využití systému AGQS p i ešení problému zvýšeného po tu závad a náklad . i pravidelné kontrole vývoje závad odd lením managementu kvality (GQM) byl pomocí systému AGOS zjišt n nár st po tu závad po šesti m sících provozu pro skupinu díl „E-elektrika“ na vozech vyrobených v m síci únoru 2010. Z pr ervené k ivky relativn
hu
. 6 (obr. 10) je evidentní, že po et závad byl do té doby na
stabilní úrovni, ale v únoru došlo k výraznému nár stu. Z pohledu
managementu kvality je tento vývoj d vodem k analýze problému. Vzhledem k tomu, že se jedná o celou skupinu díl , je nutné provést rozbor na jednotlivé díly. Informace byly proto zaslány do odd lení kvality nakupovaných díl
(GQD3)
k analýze.
zdroj: Interní materiály Škoda Auto a.s.
Obr. 10 Vývoj po tu závad na 1000 voz pro oblast elektriky vozu (01.01.Z)
32
Analýza dat a stanovení postupu ešení V okamžiku zjišt ní zvýšeného po tu závad bylo podniknuto následující šet ení. Pro získání detailn jších informací o závadách/nákladech v tomto konkrétním síci byla zvolena vhodná konfigurace výstupu (03.02.N). Výstup poskytl souhrnné informace o opravách, vym
ných dílech, nákladech na opravy atd.
Zjišt ná data byla pomocí programu Excel p evedena do graf závad, náklad
na opravu,
ísel díl
a tabulek podle
a dalších informací. Jako nejvhodn jší
metoda pro vyhledání nejpodstatn jších p
in nár stu reklamací byl zvolen
Paret v diagram. Hodnotícím hlediskem pak byly náklady na opravy a vým ny díl . Systém poskytl tabulku s hodnotami se azenými dle výše náklad na opravy. Následn byly dopo ítány kumulativní náklady v eurech a kumulativní náklady v % (tab. 2). Tab. 2 Náklady na vým ny/opravy díl v oblasti elektriky vozu v m síci únor 2010
zdroj: Interní materiály Škoda Auto a.s.
33
Na základ hodnot z tab. 2 byl sestrojen Paret v diagram. Pro stanovení „životn ležité menšiny“ bylo zvoleno pravidlo 80/20. Systém AGOS poskytl graf, ve kterém jsou na ose x vyzna eny díly, set íd né dle výše náklad . Do grafu byla dopln na Lorenzova k ivka a vyzna eno promítnutí podílu 80% na osu x. Z grafu je patrné, že vy ešením šesti díl
s nejv tšími náklady (viz tab. 2), lze snížit
náklady na opravy o 79%.
zdroj: Interní materiály Škoda Auto a.s.
Obr. 11 Paret v digram Pomocí Paretovy analýzy bylo zjišt no, že nejvyšší náklady m ly tyto díly: -
rádio Bolero 4x (1Z0 035 156),
-
sv tlomet p ední pravý 6x (1Z1 941 017),
-
naviga ní jednotka 1x (3T0 035 680),
-
sv tlomet p ední levý 5x (1Z0 941 018),
-
sdružený p ístroj 1x (1Z0 920 843),
-
interface box 1x (5N0 035 730), (tab. 2). 34
Výstup (03.02.N) poskytl zárove informace o tom, kdy a ve kterém servisu byly konkrétní díly vym
ny. Pokud byly vým ny díl provedeny v servisní síti
eské
republiky, jsou automaticky zasílány do centrálního skladu garan ního odd lení (PSG). Z ostatních trh
je nutná individuální objednávka. Ve spolupráci s tímto
odd lením byly díly p edány k analýze. Bylo provedeno zaevidování díl systému PSV (systém pro sledování reklamovaných díl
do
ze servisní sít ).
Následoval proces analýzy dílu. Nejprve byla provedena prvotní analýza jednotlivými odpov dnými pracovníky odd lení kvality nakupovaných díl . V p ípad
zjišt ní závady byly díly zaslány k detailní analýze u dodavatele.
Dodavatel je následn povinen do 30 dní informovat o výsledku analýzy v etn zaslání 8D reportu. Výsledky analýz t chto konkrétních p ípad byly následující: -
Rádio Bolero 4x, analýza prokázala 2x vadný díl (1x chyba display, 1x vadný SMD kondenzátor), 1x bez nálezu závady, 1x poškození dílu zákazníkem (zablokování CD mechaniky),
-
sv tlomet p ední pravý 6x, analýzou zjišt no uvoln ní bajonetové objímky pro žárovku denního svícení, závada byla zjišt na v procesu výroby u dodavatele. Opat ením bylo p epracování pracovní návodky a proškolení personálu. Chyba byla zjišt na již p i prvotní analýze a dodavatel byl okamžit informován o možné procesní chyb ,
-
naviga ní jednotka 1x, závada nebyla nalezena,
-
sv tlomet p ední levý 5x, viz pravý sv tlomet,
-
sdružený p ístroj 1x, analýza prokázala vadný ukazatel otá ek motoru (vadný servomotor),
-
interface box pro mobilní telefon 1x, závada nebyla nalezena, jednalo se o chybné užívání zákazníkem.
Kontrola ú innosti nápravných opat ení. V uvedeném konkrétním p ípad byl zjišt n jeden procesní problém. Problematika se týkala relativn malého po tu vym z 18 vym
ných díl
ných díl . Analýzou díl bylo zjišt no, že
byla prokázána závada u 13 díl
(chyby dodavatel
a
komponent ). Nejv tší podíl m ly závady p edních sv tlomet , kde byla prokázána procesní chyba u dodavatele. Ke všem uznaným reklamacím byly 35
dodavatelem postupn
zaslány 8D reporty. Ostatní díly byly bez nálezu vady.
V následujícím období bylo provedeno op tovné vyhodnocení k ivky závad po 6 sících provozu (obr. 12). Vývoj náklad v m síci b eznu 2010 má sestupnou tendenci. Zp sobilo to odstran ní problém u dodavatele sv tlomet . U vozidel vyrobených v b eznu 2010 byl již tento problém odstran n.
zdroj: Interní materiály Škoda Auto a.s.
Obr. 12 Vývoj výše náklad v následujícím m síci b eznu 2010
36
6. ZHODNOCENÍ SYSTÉMU AGOS Z uživatelského pohledu je základní výhodou jednoduchost instalace systému a systémová podpora. Proškolení uživatele zabere minimum
asu a b žn
se
provádí sou asn s instalací systému. Pro objektivn jší zhodnocení systému AGOS bylo provedeno malé dotazníkové šet ení. Dotazník byl zam en na spokojenost s inností systému. Dotazník obsahoval 18 otázek (viz p íloha 4) a jeho vypln ní se zú astnilo 21 aktivních uživatel
systému (z celkového p ibližného po tu 40). Ze šet ení vyplynuly
následující poznatky: Výhody systému: -
jednoduchá konfigurace výstup ,
-
rychlý výpo et zadaných výstup ,
-
práce systému v eském jazyce,
-
možnost p ekladu do n meckého jazyka,
-
možnost zpracování dat v programu EXCEL,
-
pravidelná aktualizace dat.
Nedostatky systému: -
nemožnost konfigurace výstup pro ostatní koncernové zna ky,
-
nedostate ná kontrola dat ze servisní sít ,
-
nemožnost
propojení
s dalšími
systémy
pracujícími
se
servisními
informacemi (nej ast ji uveden systém DISS), -
menší rozsah funkcí (chybí nap íklad funkce v asného varování).
Výhody systému spo ívají p edevším v jeho jednoduché obsluze v eském jazyce. V p ípad
nutnosti systémových oprav a aktualizacích jsou uživatelé p edem
informováni a jsou provád ny p edevším v no ních hodinách, pop ípad ve dnech volna, takže uživatelé nejsou nijak omezováni. Výpo ty zadaných výstup
jsou
rychlé s možností jejich p ekladu do n meckého jazyka. Všem uživatel m jsou pravideln zasílány informace o aktualizaci dat podle jednotlivých trh .
Nej ast ji uvedeným nedostatkem systému AGOS je nemožnost konfigurace výstup
pro ostatní koncernové zna ky, což znemož uje možnost získání 37
srovnávacích výstup . Tuto možnost uvedlo 100% uživatel . Vzhledem k tomu, že systém
erpá informace z totožné databáze informací jako systém AQUA,
nemuselo by se jednat o ne ešitelný problém. V dotazníku bylo
asto zmi ováno
zkreslení vstupních dat ze strany servisní sít . Možným ešením by bylo zavedení zlepšené kontroly vstupních dat již ve fázi zadávání v jednotlivých servisních místech. Za p ípadné chyby by m li nést odpov dnost zadavatelé. Dalším zlepšením by mohl být pravideln ji aktualizovaný katalog díl
(KDNR katalog),
který by zabezpe il lepší identifikaci díl a správné zakódování. Další p ipomínky se týkaly menšího po tu funkcí systému. O rozší ení systému by m li zájem prakticky všichni uživatelé. Všechny p ipomínky budou sloužit jako podklad pro další aktivity vedoucí ke zlepšení, dopln ní a rozší ení systému AGOS.
38
7. ZÁV R Cílem této práce byl popis a zhodnocení systému AGOS. Systém byl porovnán s obdobným koncernovým systémem AQUA. Pro objektivn jší zhodnocení systému bylo využito dotazníkové šet ení. Z n j vyplývá, že systém AGOS je relativn
jednoduchý systém z hlediska obsluhy a náro nosti na po íta ové
vybavení, v sou asné dob
však nabízí konfigurace výstup
pouze pro vozy
zna ky Škoda. Pokud by se poda ilo rozší it systém o konfiguraci výstup všech koncernových zna ek a zárove jej propojit s dalšími systémy, byl by srovnatelný s koncernovým systémem AQUA. Návrhy na rozší ení systému již byly s odpov dným útvarem konzultovány. V poslední dob existuje všeobecný trend snižování výrobních náklad . Z tohoto vodu je ze strany odd lení nákupu vyvíjen na dodavatele tlak na neustálé snižování cen produkt .
asto se proto v rámci koncernu nominují levn jší
dodavatelé a dlouhodobá kvalita p estává být stále ast ji argument pro výb r kvalitních komponent . Pokud jsou díly následn ješt
problematické, neznamená to
okamžitou ekonomickou ztrátu firmy. Pokud se prokáže vina dodavatele,
veškeré náklady na garan ní opravy hradí práv dodavatel. ztrátu image firmy a odliv zákazník
asto však znamená
ke konkurenci, a tam je riziko ekonomické
ztráty v budoucnu velké. Výše náklad
na veškeré externí vady jsou v posledních letech všeobecným
problémem v celém automobilovém pr myslu. Nejen, že vedou k vysokým finan ním zatížením výrobc , ale
asto zp sobují ztrátu trh
v souvislosti
s vysokým po tem závad. Konkurence na trhu je velmi vysoká a udržení p ízn zákazník
je prioritou všech výrobc . Informace o spolehlivosti jednotlivých
dodavatel je nutné využívat již ve fázi jejich výb ru v nových projektech, stejn tak ve fázi vývoje díl . Zapracování informací do t chto oblastí je i ur itou formou prevence (Veber, 2002). Využití n kterých statistických metod implementovaných v systému bylo ukázáno na
p ípadové
studii.
Pomocí
Paretova
digramu
nejnákladn jších oprav. Následnou analýzou vym
byl
identifikován
podíl
ných díl byl zjišt n procesní
problém u dodavatele p edních sv tlomet . Odpov dní pracovníci jednotlivých
39
útvar by m li zjišt né informace využít a zahrnout nap íklad do jednání o výb ru dodavatel pro nové projekty. Jestliže budou podobné podklady efektivn
využívány, následné náklady,
vynaložené na zákaznickou/servisní sí , klesnou. Nebude docházet ke ztrátám trh a nebude klesat zájem zákazník o produkty firmy.
40
SEZNAM POUŽITÉ LITERATURY SN ISO/TR 10017; První vydání; 1999-09-01 Fabian, F., Horálek V., K epela J., Michálek J., Chmelík V., Chodounský J., Král, J.: Statistické metody ízení jakosti. 1. Vydání. Praha: eská spole nost pro jakost, 2007. ISBN 978-80-02-01897-1 Hindls, R., Hronová S., Novák I.: Analýza dat v manažerském rozhodování. Praha. Grada Publishing, spol. s r.o., 1999. ISBN 80-7169-255-7 Jarošová E.: Statistické metody ízení kvality pro kombinovanou formu studia. 1.vydání. Mladá Boleslav. Škoda Auto a.s. Vysoká škola, 2011. ISBN 978-80-87042-37-3 Interní materiály Škoda Auto a.s., (Intranet ŠKODA, výstupy ze systém ) Interní materiály Volkswagen AG, (p íru ky, výstupy ze systém ) Nenadál J., Noskievi ová D., Pet íková R., Plura J., Tošenovský J.: Moderní management jakosti – principy, postupy, metody. 1. Vydání. Praha: Management Press, spol. s r.o., 2008. 377s. ISBN 978-80-7261-186-7 Neupert
F.
G.,
Rueegg
D.:
Statistische
Methoden
zur
Feldanalyse.
KonzernQualitätssicherung, Volgswagen AG, 25.09.2009 Q-DAS eská republika [online]. [citace 10.4.2011]. Dostupné z:
; Veber J. a kol.:
ízení jakosti a ochrana spot ebitele. Praha: GradaPublishing,
spol s r.o., 2002. 159s. ISBN 80-247-0194-4 Verband der Automobilindustrie (VDA), Qualitätsmanagement Center (QMC): Zuverlässigkeitssicherung
bei
Automobilherstellern
und
Lieferanten.
3.
Überarbeitete und erweiterte Aufgabe. Frankfurt am Main: Druckerei Henrich, 2000. 419 s. ISSN 0943-9412
41
SEZNAM OBRÁZK
A TABULEK
Obr. 1
Organiza ní struktura odd lení ízení kvality
Obr. 2
Struktura toku vstupních informací
Obr. 3
Struktura dokument
Obr. 4
Volby konfigurace výstupu 01.01.Z – garan ní závady MOP/MIS
Obr. 5
graf výstupu 01.01.Z, garan ní závady na 1000 voz
Obr. 6
Funk ní schéma systému AQUA
Obr. 7
Srovnávací výstup vývoje závad ze systému AQUA
Obr. 8
Analýza a prognóza závad s transformací dat ze systému AQUA
Obr. 9 Obr. 10
íklad úspory asu p i použití funkce v asného varování Vývoj po tu závad na 1000 voz v m síci únoru 2010 pro oblast elektriky vozu
Obr. 11
Paret v diagram
Obr. 12
Vývoj po tu náklad na 1000 voz v m síci b eznu 2010 pro oblast elektriky vozu
Tab. 1
ást hodnot k výše uvedenému grafu obsahuje po et závad na 1000 voz v jednotlivých m sících a rok výroby MJ 2009 a 2010, po 0 – 24 m síc v provozu.
Tab. 2
Náklady na opravy díl v oblasti elektriky vozu v m síci únor 2010
(1)
Vzorec distribu ní funkce
42
SEZNAM P ÍLOH
ÍLOHA A
Seznam možných výstup ze systému AGOS, 2 str.
ÍLOHA B
Dotazník k hodnocení systému AGOS, 2 str.
ÍLOHA C
Výstup 01.01.Z, Garan ní závady MOP/MIS
ÍLOHA D
Výstup 04.01.N, Garan ní náklady dle km – kumulativní
43
ÍLOHA A
Seznam výstup ze systému AGOS
44
45
ÍLOHA B
Dotazník pro hodnocení systému AGOS.
46
47
ÍLOHA C
íklad výstupu TOP 30 závad na 1000 voz konfigurovaný pro skupinu elektrika (01.01.Z).
48
ÍLOHA D
íklad výstupu TOP 30 garan ních náklad konfigurovaný pro skupinu elektrika (04.01.N).
49
ANOTA NÍ ZÁZNAM AUTOR
Martin Blažek
STUDIJNÍ OBOR
6208T088 Podniková ekonomika a management provozu Využití statistického systému AGOS v ízení kvality
NÁZEV PRÁCE
VEDOUCÍ PRÁCE
doc. Ing. Eva Jarošová, CSc.
INSTITUT
IPT
PO ET STRAN
51
PO ET OBRÁZK
12
PO ET TABULEK
2
PO ET P ÍLOH
4
STRU NÝ POPIS
KLÍ OVÁ SLOVA
ROK ODEVZDÁNÍ
2011
Cílem bakalá ské práce je popis statistického systému AGOS, jeho zhodnocení a identifikace slabých míst s navržením možných ešení. Teoretická ást stru pojednává o základních statistických metodách a popisuje systémy pro vyhodnocování informací z výrobní a poprodejní oblasti. Praktická ást se zabývá využitím systému p i ešení konkrétního problému ze servisní sít . V záv re né ásti práce je provedeno zhodnocení systému a shrnutí zjišt ných poznatk .
Systém AGOS, statistické metody, kvalita, garan ní závady a náklady.
50
ANNOTATION AUTHOR
Martin Blažek
FIELD
6208T088 Business economic and management of operation The use of statistical system AGOS in quality control
THESIS TITLE
SUPERVISOR
doc. Ing. Eva Jarošová, CSc.
INSTITUTE
IPT
YEAR
NUMBER OF PAGES
51
NUMBER OF PICTURES
12
NUMBER OF TABLES
2
NUMBER OF APPENDICES
4
SUMMARY
KEY WORDS
2011
The aim of the bachelor thesis is a description of the statistical system AGOS, its evaluation and identification of weak points in designing possible solutions. The theoretical part briefly discusses the basic statistical methods and describes the systems to analyse information from production and sales areas. The practical part deals with using the system to solve a specific problem from the service network. In the final part there is the system assessment and a summary of the findings.
AGOS system, statistical methods, quality, guarantee defects and costs,
51