Management jakosti výroby

Management jakosti výroby Doc. Ing. Pavel Mach, CSc. [email protected] katedra elektrotechnologie místnost 446/447

Cíl předmětu Základní pojmy z oblasti jakosti a jejího řízení. Systém IPQMS. Návrh systému řízení jakosti výroby a náklady na jakost. Demingových 14 bodů pro management. Základní manažerské metody a nástroje řízení jakosti výroby. Význam analýzy jakosti již při návrhu procesu, charakteristiky, metody, nástroje, aplikace.

1

Cíl předmětu Normy ISO 9000-2000, jejich základní charakteristiky a implementace. Postup při certifikaci jakosti podle ISO 9000-2000.

2

Cvičení Cvičení budou v počítačové učebně Z477 (Zikova ulice) počínaje 5. týdnem. Budou vytvořeny pracovní týmy po 2 studentech, každý tým dostane projekt. Projekty si opraví týmy vzájemně, ve 13. týdnu bude prezentace (konference).

Povinnost Ke zkoušce je možné jít jen se zápočtem.

3

Základní literatura Tošenovský, J., Noskievičová, D. Statistické metody pro zlepšování jakosti. Ostrava: Montanex. 2000 Goodman, I. Engineering Project Management. New York: CRC Press. 1999 Carter, M. W., Price, C. C. Operations research. New York: CRC Press. 2001 Montgomery. D. C. Introduction to Statistical Quality Control. New York: John Wiley & Sons. 2001 Breyfogle III, F. W. Implementing Six Sigma. New York: John Wiley & Sons. 1999

4

Definice jakosti Existuje mnoho různých definic jakosti. Pro lepší porozumění si je třeba ujasnit pojem parametrů jakosti. Parametry jakosti jsou: • Jak činnost zařízení (výrobku) splňuje požadavky. • Spolehlivost. • Odolnost proti nevhodnému zacházení a proti okolním vlivům. • Účinnost, dostupnost a kvalita servisu. • Estetičnost. • Charakteristika (morální úroveň, provedení, materiály). • Souhlas s normami (dnes nepovinný s výjimkou předpisů o bezpečnosti „Prohlášení o shodě“).

5

Základní definice jakosti

Jakost je mírou toho, jak výrobek splňuje požadavky zákazníka

Jakost je nepřímo úměrná variabilitě

Definice zlepšování jakosti

Zlepšování jakosti znamená redukci variability výrobků a procesů

6

7

Systémy jakosti USA Europe Japan

TQM (Total Quality Management) ISO 9000:2000 Kaizen

Výhody a nevýhody: TQM … trvalý mírný růst jakosti ISO … důvody, proč v současnosti není možné aplikovat plně TQM – jednotlivé státy mají velice různou technickou úroveň Kaizen … vychází z japonské mentality, důraz na udržitelný rozvoj

Quality Engineering Quality engineering je soubor operačních, manažerských a inženýrských aktivit, které společnost potřebuje k zajištění toho, aby charakteristiky jakosti jejích výrobků byly na standardní nebo požadované úrovni. 8

Návrh

Smyčka jakosti

9

Návrh

Projekt

Smyčka jakosti

10

Návrh

Projekt

Smyčka jakosti

Materiál

11

Návrh

Projekt

Smyčka jakosti

Materiál

Proces

12

Návrh

Projekt

Smyčka jakosti

Materiál

Proces

Výrobek

13

Návrh

Projekt

Smyčka jakosti

Prodej

Materiál

Proces

Výrobek

14

Návrh

Projekt

Servis

Smyčka jakosti

Prodej

Materiál

Proces

Výrobek

15

Návrh

Ekologická likvidace

Servis

Projekt

Smyčka jakosti

Prodej

Materiál

Proces

Výrobek

16

Fáze životního cyklu výrobku (smyčka jakosti): marketingový průzkum trhu navrhování výrobku a jeho vývoj plánování a vývoj procesů nakupování výroba nebo poskytování služeb ověřování balení a sklad prodej a distribuce instalace a uvedení do provozu technická pomoc a servis činnosti po prodeji recyklace nebo likvidace na konci užitné životnosti

17

Statistické nástroje Jsou založeny buď na datových proměnných nebo na atributech. Datové proměnné jsou získávány měřením, atributy porovnáváním. Výhody a nevýhody: Měření Získají se hodnoty. Zpravidla značná spotřeba času. Nákladná technika. Porovnávání Získá se pouze binární informace (ano – ne). Je zpravidla mnohem rychlejší než měření. Je zpravidla přístrojově méně náročné než měření. Nezískají se hodnoty, nelze sledovat trendy.

18

Hodnota, která odpovídá požadované hodnotě, se nazývá cílová hodnota (Target Value, TV). Nejvyšší přípustná hodnota pro vybranou charakteristiku jakosti se nazývá horní specifikační limit (Upper Specification Limit, USL). Nejnižší přípustná hodnota pro vybranou charakteristiku jakosti se nazývá dolní specifikační limit (Lower Specification Limit, LSL). Kvalita nemůže být do výrobku doplněna po jeho vyrobení, kvalita je do výrobku dodávána ve všech etapách jeho vytváření: • Ve fázi návrhu výrobku (materiál, výrobní procesy, vliv na prostředí). • Ve fázi výroby výrobku (morální stav technologie, typ procesu – ruční, automatický …, úroveń statistického řízení procesu). • Ve fázi servisu. • Ve fázi jeho recyklace nebo ekologické likvidace. 19

Norma ISO 9000:2000 TECHNICKÁ NORMA

ICS 03.120.10 Březen 2002 idt ISO 9001:2000 Tato norma je českou verzí evropské normy EN ISO 9001:2000. Evropská norma EN ISO 9001:2000 má status české technické normy. This standard is the Czech version of the European Standard EN ISO 9001:2000. The European Standard EN ISO 9001:2000 has the status of a Czech Standard. Upozornění Předchozím vydáním této normy byla nahrazena ČSN EN ISO 9001 (01 0321) z prosince 1995, ČSN EN ISO 9002 (01 0322) z prosince 1995 a ČSN EN ISO 9003 20

Systémy managementu jakosti — Požadavky (ISO 9001:2000) Quality management systems — Requirements (ISO 9001 :2000) Systémes de management de la qualité — Qualitátsmanagementsysteme — Forderungen Exigences (ISO 9001 :2000) (ISO 9001 :2000) Tato evropská norma byla schválena CEN 2000-12-15. Členové CEN jsou povinni splnit Vnitřní předpisy CEN/CENELEC, v nichž jsou stanoveny podmínky, za kterých se musí této evropské normě bez jakýchkoli modifikací dát status národní normy. Aktualizované seznamy a bibliografické citace týkající se těchto národních norem lze obdržet na vyžádání v Řídicím centru nebo u kteréhokoli člena CEN. CEN Evropský výbor pro normalizaci European Committee for Standardization Comité Européen de Normalisation Europäisches Komitee für Normung Řídicí centrum: rue de Stassart 36, B-l 050 Brusel 21

ISO 9000:1994 Odpovědnost vedení Systém jakosti Přezkoumání smlouvy Řízení návrhu Řízení dokumentů a údajů Nakupování Řízení výrobku dodaného zákazníkem Identifikace a sledovatelnost výrobku Řízení procesu Kontrola a zkoušení Řízení kontrolního, měřicího a zkušebního zařízení Stav po kontrole a zkouškách Řízení neshodného výrobku Opatření k nápravě a preventivní opatření Manipulace, skladování, balení, ochrana a dodávání Řízení záznamů o jakosti Interní prověrky jakosti Výcvik Servis Statistické metody 22

ISO 9000:2000 Organizace orientovaná na zákazníka Zapojení vedení Zapojení pracovníků Procesní přístup Systémový přístup k managementu Neustálé zlepšování Rozhodování založené na faktech Vzájemně výhodné dodavatelsko-odběratelské vztahy

23

0.2

Procesní přístup

Tato mezinárodní norma podporuje přijímání procesního přístupu při vývoji, uplatňování a zlepšování efektivnosti systému managementu jakosti s cílem zvýšit spokojenost zákazníka plněním jeho požadavků. Aplikace systému procesů v organizaci spolu s identifikací těchto procesů, jejich vzájemným působením a řízením lze nazývat „procesní přístup“. Model procesně orientovaného systému managementu jakosti, znázorněný na obrázku, objasňuje propojení procesů. Na všechny procesy lze aplikovat metodologii známou jako „Plánuj — Dělej — Kontroluj — Jednej“ (PDCA – Plan – Do – Check - Act). Metodologii PDCA lze ve stručnosti popsat takto:

24

0.2

Procesní přístup

Plánuj: stanov cíle a procesy nezbytné k dosaženi výsledků v souladu s požadavky zákazníka a s politikou organizace; Dělej: uplatňuj procesy Kontroluj: monitoruj a měř procesy a produkty ve vztahu k politice, cílům a požadavkům na produkt a podávej zprávy o výsledcích; Jednej: prováděj opatření pro neustálé zlepšování výkonnosti procesu.

1.2

Aplikace

Všechny požadavky této mezinárodní normy jsou generické a jsou aplikovatelné ve všech organizacích bez ohledu na jejich typ, velikost a na poskytované produkty. 25

Organizace musí a) identifikovat procesy potřebné pro systém managementu jakosti, b) určovat posloupnost a vzájemné působení těchto procesů, c) určovat kritéria a metody potřebné pro zajištění efektivního fungování i řízení těchto procesů, d) zajišťovat dostupnost zdrojů a informací e) monitorovat, měřit a analyzovat procesy ř) uplatňovat opatření nezbytná pro dosažení plánovaných výsledků 4.2 Požadavky na dokumentaci Dokumentace systému managementu jakosti musí zahrnovat a) dokumentovaná prohlášení o politice jakosti a o cílech jakosti, b) příručku jakosti, c) dokumentované postupy požadované touto mezinárodní normou, d) dokumenty, které organizace potřebuje pro zajištění efektivního plánování, fungování a řízení svých procesů a e) záznamy požadované touto mezinárodní normou 26

27

Struktura normy ČSN EN ISO 9001:2001 Kapitola 1: PŘEDMĚT NORMY Jsou specifikovány požadavky na systém managementu jakosti v případech, kdy organizace: •

Prokazuje schopnost trvale poskytovat produkt, který splňuje požadavky zákazníka a příslušné požadavky předpisů

•

Má v úmyslu zvyšovat spokojenost zákazníka

•

Norma je dána do souladu s normou ISO 14001:1996 (environmentální norma, LCA – Life Cycle Analysis).

•

Požadavky ISO 9001:2001 jsou aplikovatelné ve všech organizacích, bez ohledu na produkty, na které jsou organizace zaměřeny.

•

Norma je „pružná“. Jestliže některé požadavky normy nemohou být organizací splněny, mohou být vyloučeny, pokud to neovlivní schopnost organizace plnit požadavky předpisů a zákazníka. 28

Struktura normy ČSN EN ISO 9001:2001 Kapitola 2: NORMATIVNÍ ODKAZY

Kapitola 3: TERMÍNY A DEFINICE Platí termíny a definice uvedené v ISO 9000. Obecně: terminologie je kamenem úrazu. Organizace … je jednotka, ve které se ISO 9001 aplikuje. Proces … soubor činností, jejichž výsledkem je proměna vstupu na výstup. Produkt … výsledek procesu (může to být i služba). Dodavatel … osoba nebo organizace poskytující produkt. Zákazník … osoba nebo organizace, která odebírá produkt

29

Struktura normy ČSN EN ISO 9001:2001 Kapitola 4: SYSTÉM MANAGEMENTU JAKOSTI Organizace musí vytvořit, dokumentovat, uplatňovat a udržovat systém managementu jakosti a neustále zlepšovat jeho efektivnost. k tomu je třeba: • identifikovat procesy potřebné pro systém managementu jakosti • určovat posloupnost a vzájemné působení těchto procesů • určovat kritéria a metody potřebné pro řízení těchto procesů, • zajišťovat dostupnost zdrojů a informací • monitorovat, měřit a analyzovat tyto procesy • neustále zlepšovat tyto procesy. Dokumentace • prohláš prohlášen ášení ení o politice jakosti a o cí cílech jakosti, • příruč ručka jakosti • dokumentované dokumentované postupy • dokumenty pro plánování, fungování a řízení procesů • požadované záznamy. 30

Struktura normy ČSN EN ISO 9001:2001 Příruč ručka jakosti •

oblast použití systému managementu jakosti

•

dokumentované postupy vytvořené pro systém managementu jakosti

•

vzájemné působení mezi procesy systému managementu jakosti.

Kapitola 5: ODPOVĚDNOST MANAGEMENTU • Osobní angažovanost a aktivita managementu • Zaměření na zákazníka • Politika jakosti • Plánování • Přezkoumání systému managementu

31

Struktura normy ČSN EN ISO 9001:2001 Kapitola 6: ZDROJE •

Poskytování zdrojů pro uplatňování managementu jakosti.

•

Lidské zdroje.

•

Infrastruktura.

Kapitola 7: REALIZACE PRODUKTU • • • • • •

Plánování realizace produktu. Procesy týkající se zákazníka . Návrh a vývoj. Nakupování Výroba a poskytování služeb. Řízení monitorovacích a měřicích zařízení.

32

Struktura normy ČSN EN ISO 9001:2001

Kapitola 8: MĚŘENÍ, ANALÝZA A ZLEPŠOVÁNÍ Monitorování a měření. Spokojenost zákazníka. Interní audit. Monitorování a měření procesů. Monitorování a měření produktu Řízení neshodného produktu. Analýza údajů.

Zlepšování.

33

Faktorové experimenty Patří k metodám analýzy rozptylu. Aplikace: pro vytvoření matematického modelu, např. technologického procesu. Struktura modelu výrobního procesu, z hlediska vstupních a výstupních parametrů, je tato: Vstupní parametry

Vstupní parametry

Výrobní proces

Výstupní parametry

Vstupní parametry 34

Faktorové experimenty Technologické faktory jsou kvalitativní (měřitelné a vyjádřitelné číslem) a kvantitativní (nejdou vyjádřit číslem).

Výrobní proces

Matematické modely jsou statické a dynamické. Předvýrobní činnosti, dodávky, TPV ...

Technologický proces

Kontrola, měření, skladování, doprava ...

Dodání zákazníkovi, servis

Statický model popisuje chování procesu ve stavu dynamické rovnováhy (v modelových charakteristikách se nevyskytují derivace podle času) Dynamický model popisuje chování procesu při změnách (v modelových charakteristikách se vyskytují derivace podle času) 35

Faktorové experimenty Při aplikaci faktorových experimentů vytváříme model sledovaného výstupního parametru v závislosti na zvolených vstupních parametrech. Faktorové experimenty umožní vytvoření matematického modelu procesu s tím, že je možné statisticky vyhodnocovat statistickou významnost vazeb mezi zvoleným výstupním parametrem a zvolenými vstupními parametry. Obvyklý typ faktorových experimentů je 2n nebo 3n, kde 2 nebo 3 označuje počet úrovní technologických faktorů a n je počet faktorů. Čím složitější je model, tím náročnější je jeho optimalizace. Proto je snahou, aby modely byly co nejednodušší, ale na druhé straně, aby neměly statisticky významnou odchylku od naměřených hodnot. Není problém teoreticky vytvořit model např. 68. Problémem je, že takovýto model je experimentálně neúnosný. Proto se nejčastěji setkáváme s modely typu 2n nebo 3n, kde n<2,5>.

36

Faktorové experimenty Stanovení hlavních technologických faktorů

Plánování pokusů – schéma a princip analýzy

Analýza operace č. 1

Analýza operace č. 2

Analýza operace č. n

Matematický model operace č. 1

Matematický model operace č. 2

Matematický model operace č. n

Matematický model technologického procesu

Omezení matematického modelu na dominantní technologické faktory a jejich vzájemné interakce

Optimalizace 37

Experimenty typu 22 Plán experimentů Faktorové experimenty typu 22 A1

A2

B1

B2

B1

B2

A1B1

A1B2

A2B1

A2B2

(1)

b

a

ab

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

y4,1 y4,2 . . . y4,r

R1

R2

R3

R4

38

Experimenty typu 23 Plán experimentů

Faktorové experimenty typu 23 A1

A2

B1

B2

B1

B2

C1

C2

C1

C2

C1

C2

C1

C2

A1B1C1

A1B1C2

A1B2C1

A1B2C2

A2B1C1

A2B1C2

A2B2C1

A2B2C2

(1)

c

b

bc

a

ac

ab

abc

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

y4,1 y4,2 . . . y4,r

y5,1 y5,2 . . . y5,r

y6,1 y6,2 . . . y6,r

y7,1 y7,2 . . . y7,r

y8,1 y8,2 . . . y8,r

R1

R2

R3

R4

R5

R6

R7

R8

39

Experimenty typu 24 Plán experimentů

Faktorové experimenty typu 24 A1

A2

B1

B2

C1 D1 (1)

C2 D2 d

D1 c

B1

C1 D2 cd

D1 b

C2 D2

D1

bd

bc

B2

C1 D2 bcd

D1 a

C2 D2

D1

ad

ac

C1 D2 acd

D1 ab

C2 D2

D1

D2

abd

abc

abcd

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

. . . . . .

y16,1 y16,2 . . . y16,r

R1

R2

R3

.

.

.

.

.

.

.

.

.

.

.

.

R16

40

Nejprve je třeba určit

Odhady efektů technologických faktorů a jejich interakcí Stanovují se proto, aby bylo možné zjistit sílu vazby mezi faktorem a výstupním parametrem a případně zjednodušit model. Celkový počet experimentů:

N = r ⋅ 2n = r ⋅ d Zde N … celkový počet experimentů, r … počet opakování, d … počet sloupců Sloupcové součty: r

Ri = ∑ y i , j j =1

pro i = 1, 2, …, 2n

Sloupcové součty nahrazují při praktickém výpočtu symbolický zápis v daném sloupci (oranžové řádky v tabulkách plánů experimentů na předchozích slidech ). 41

Výpočet odhadu efektů technologických faktorů a jejich interakcí Odhad efektu faktoru A (jaký vliv na výstupní parametr má změna faktoru A z hodnoty A1 na hodnotu A2)

Model faktorových experimentů typu 22

ZA = a + ab – (1) – b Analogicky pro odhad efektu faktoru B a pro odhad efektu interakce AB platí:

A1

A2

B1

B2

B1

B2

A1B1

A1B2

A2B1

A2B2

ZB = ab + b – (1) – a

(1)

b

a

ab

ZAB = ab – a + (1) – b

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

y4,1 y4,2 . . . y4,r

R1

R2

R3

R4

Mnemotechnická pomůcka pro určení vztahu pro odhad vlivu faktoru: Např. pro výpočet ZA: nejprve napiš ZA = (a

(1)) . (b

(1)) 42

je-li v indexu odhadu vlivu příslušné písmenko, doplň do příslušné závorky mínus, není-li tam, doplň plus ZA = (a - 1) . (b + 1) (hledáme odhad vlivu ZA, zde je v indexu A. Proto v závorce (a – 1) doplníme minus, B v indexu není, proto v závorce (b + 1) doplníme plus). Jinou cestou, jak získat vztah pro výpočet odhadu vlivu faktorů a interakcí je použití schematu experimentů a napsání vztahu podle tohoto schematu, někdy je užívána také tzv. znaménková tabulka.

Důvod, proč je kromě vlivu faktorů třeba také uvažovat vliv interakcí faktorů.

43

Hlavní efekty

Interakce efektů prvního řádu

44

Interakce efektů druhého řádu

Pro praktický výpočet pro odhad vlivu efektů a interakce užijeme vztahů (vztahy jsou platné pro experimenty typu 22, pro experimenty vyšších řádů se určí analogicky

ZA =

ZB =

∑R − ∑R

i = 3, 4

i

i =1, 2

∑ Ri − ∑ Ri

i = 2, 4

Z AB =

A1

i

i =1, 3

∑R − ∑R

i =1, 4

i

i = 2 ,3

i

A2

B1

B2

B1

B2

A1B1

A1B2

A2B1

A2B2

(1)

b

a

ab

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

y4,1 y4,2 . . . y4,r

R1

R2

R3

R4

45

Znaménková tabulka Odhad efektu

Kombinace (1)

a

b

ab

c

ac

bc

ab c

d

ad

bd

ab d

cd

ac d

bc d

abc d

ZA

-1

1

-1

1

-1

1

-1

1

-1

1

-1

1

-1

1

-1

1

ZB

-1

-1

1

1

-1

-1

1

1

-1

-1

1

1

-1

-1

1

1

ZAB

1

-1

-1

1

1

-1

-1

1

1

-1

-1

1

1

-1

-1

1

ZC

-1

-1

-1

-1

1

1

1

1

-1

-1

-1

-1

1

1

1

1

ZAC

1

-1

1

1

-1

1

-1

1

1

-1

1

-1

-1

1

-1

1

ZBC

1

1

-1

-1

-1

-1

1

1

1

1

-1

-1

-1

-1

1

1

ZABC

-1

1

1

1

1

-1

-1

1

-1

1

1

-1

1

-1

-1

1

ZD

-1

-1

-1

-1

-1

-1

-1

-1

1

1

1

1

1

1

1

1

ZAD

1

-1

1

-1

1

-1

1

-1

-1

1

-1

1

-1

1

-1

1

ZBD

1

1

-1

-1

1

1

-1

-1

-1

-1

1

1

-1

-1

1

1

ZABD

-1

1

1

-1

-1

1

1

-1

1

-1

-1

1

1

-1

-1

1

ZCD

1

1

1

1

-1

-1

-1

-1

-1

-1

-1

-1

1

1

1

1

ZACD

-1

1

-1

1

1

-1

1

-1

1

-1

1

-1

-1

1

-1

1

ZBCD

-1

-1

1

1

1

1

-1

-1

1

1

-1

-1

-1

-1

1

1

ZABCD

1

-1

-1

1

-1

1

1

-1

-1

1

1

-1

1

-1

-1

1

46

Určení statistické významnosti vlivu efektů a interakcí Výpočet je demonstrován pro faktorové experimenty typu 22. Popis interakcí:

A1 B1.....Y1, j = µ + ϕ1 + ψ 1 + γ 1 + E1, j A1 B2 .....Y2, j = µ + ϕ1 +ψ 2 + γ 2 + E2, j

A2 B1.....Y3, j = µ + ϕ 2 +ψ 1 + γ 3 + E3, j A2 B2 .....Y4, j = µ + ϕ 2 +ψ 2 + γ 4 + E4, j

A1

A2

B1

B2

B1

B2

A1B1

A1B2

A2B1

A2B2

(1)

b

a

ab

y1,1 y1,2 . . . y1,r

y2,1 y2,2 . . . y2,r

y3,1 y3,2 . . . y3,r

y4,1 y4,2 . . . y4,r

R1

R2

R3

R4

Pro nejlepší odhad střední hodnoty platí (jsou-li data rozdělena normálně): d

r

∑∑ y m=

i =1 j =1

i, j

d ⋅r

Doplňkové podmínky : E1,j, E2,j, E3.j. E4,j … normálně rozdělené náhodné proměnné N(0,σ) ϕ1+ ϕ2=0, ψ1+ ψ2=0, γ1+ γ2=0, γ1+ γ3=0, γ2+ γ4=0, γ3+ γ4=0

47

Určení statistické významnosti vlivu efektů a interakcí Celkový součet čtverců odchylek S0 d

r

S0 = ∑∑ ( yi , j − m) 2 = S A + S B + S AB + S r i =1 j =1

Zde reziduální součet čtverců odchylek Sr : r  yi , j  ∑ d r S r = ∑∑  yi , j − j =1 r i =1 j =1  

     

2

Reziduální součet čtverců odchylek Sr je velice významnou technickou veličinou, protože charakterizuje opakovatelnost procesu (experimentu). 48

Určení statistické významnosti vlivu efektů a interakcí Pro složky S0 charakterizující technologické faktory a interakce platí: 2

SA =

ZA d ⋅r

Z B2 SB = d ⋅r

S AB

2 Z AB = d ⋅r

Testové charakteristiky F pro technologické faktory a jejich interakce určíme ze vztahů:

FA =

SA Sr

ν

FB =

SB Sr

ν

FAB =

S AB Sr

ν

Zde ν je počet stupňů volnosti a vypočítá se podle vztahu:

ν = d⋅ (r – 1) Vypočtená hodnota testové charakteristiky se porovná s hodnotou kvantilu F rozdělení Fα(1, ν), která se odečte z tabulek. Zde α … hladina významnosti, (1 - α) je pravděpodobnost, že neuděláte chybu 1. druhu.

49

Určení statistické významnosti vlivu efektů a interakcí Chybou prvního druhu je míněno, že byla přijata nesprávná hypotéza. Chybou druhého druhu, že byla zamítnuta správná hypotéza. Jestliže je vypočtená hodnota testové charakteristiky větší než hodnota kvantilu odečtená v tabulce, pak efekt faktoru nebo interakce je významný a musí být zahrnut do matematického modelu. Jestliže je vypočtená hodnota testové charakteristiky menší než hodnota kvantilu odečtená v tabulce, pak efekt faktoru nebo interakce není významný a matematický model nejprve ověřujeme bez tohoto faktoru či interakce.

50

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Před vytvořením matematického modelu je vhodné jednotlivé technologické faktory transformovat na bezrozměrnou veličinu. To provedeme pomocí vztahu: X1 =

A + A2  2  ⋅ A − 1  A2 − A1  2 

Uvedeným vztahem transformujeme faktor A na proměnnou X1. Analogickými vztahy bychom transformovali faktory B na X2, faktor C na X3 atd. Transformovaná veličina má tu vlastnost, že pro spodní mez faktoru nabývá hodnoty -1 a pro horní mez faktoru hodnoty +1. Lineární matematický model technologického procesu má obecný tvar:

Y = β 0 + β1 X 1 + β 2 X 2 + K + β n X n Výpočtem získáme nejlepší odhady neznámých koeficientů β1, β2 koeficienty b1, b2, … , bn. Model pak bude mít tvar:

, … ,

βn, budou to 51

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Y = b0 + b1 X 1 + b2 X 2 + K + bn X n Pro výpočet koeficientů b0, b1, …, bn, se užívá metoda nejmenších čtverců. Celkový součet čtverců odchylek S se vypočte ze vztahu: d

(

S = ∑ y i − b0 − b1 x1,i − K − bn x n ,i i =1

)

2

Zde proměnná x1,i představuje hodnotu bezrozměrné veličiny X1 v i-tém sloupci. Povšimněte si také, že zatímco v modelu jsou transformované veličiny psány velkými písmeny, ve výpočtech jsou již uváděny malými písmeny. Velkými písmeny jsou uváděny náhodné veličiny obecně, realizace náhodných veličin jsou pak uváděny malými písmeny. Hodnotu y i , která vyjadřuje aritmetický průměr i-tého sloupce schematu experimentů, 52

Konstrukce matematického modelu na základě faktorových experimentů typu 2n vypočteme podle vztahu: r

R yi = i = r

∑y j =1

j

r

Hodnoty koeficientů b určíme následovně: derivace S dle koeficientů položíme rovny 0:

∂S =0 ∂b2

∂S =0 ∂b1

∂S =0 ∂b0

, ………….,

∂S =0 ∂bn

Tím získáme n+1 „normálních“ rovnic: d

d

d

d

b0 d + b1 ∑ x1,i + b2 ∑ x 2,i + K + bn ∑ x n ,i = ∑ y i i =1

d

i =1

d

i =1

d

i =1

d

d

b0 ∑ x1,i + b1 ∑ x + b2 ∑ x1,i x 2,i + K + bn ∑ x1,i x n ,i = ∑ x1,i y i i =1

d

i =1

d

2 1,i

i =1

i =1

d

b0 ∑ x 2,i + b1 ∑ x1,i x 2,i + b2 ∑ x i =1

i =1

i =1

2 2 ,i

i =1

d

d

i =1

i =1

+ K + bn ∑ x 2 , i x n , i = ∑ x 2 , i y i 53

Konstrukce matematického modelu na základě faktorových experimentů typu 2n d

d

d

d

b0 ∑ x n ,i + b1 ∑ x1,i x n ,i + b2 ∑ x1,i x n ,i + K + bn ∑ x i =1

i =1

i =1

i =1

d

2 n ,i

= ∑ x n ,i y i i =1

Vzhledem k transformačnímu vztahu a s ohledem na schéma úplného plánu faktorových experimentů platí: d

∑x i =1

k ,i

d

∑x i =1

k ,i

=0

d

∑x

2 k ,i

=d

pro

k = 1, 2, …,n

pro

k,s = 1, 2, …,n

i =1

x s ,i = 0

a

k ≠ s

Veličinu např. x1,i je třeba chápat jako hodnotu transformovaného faktoru A v i-tém sloupci schematu experimentů, veličinu x2,i jako hodnotu transformovaného faktoru B v i-tém sloupci schematu experimentů atd.

54

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Řešením soustavy normálních rovnic získáme vztahy pro koeficienty b0, b1, …,bn . 1 d b0 = ∑ y i d i =1

1 d ; bk = ∑ x k , i y i d i =1

pro k = 1, 2, …,n

K určení velikosti koeficientu bk u transformovaných veličin je také možné využít odhadů Z vlivu faktorů. Vztahy pak mají tvar: ZC ZB , …… ZA b = b = 3 2 b1 = d ⋅r d ⋅r d ⋅r Po určení koeficientů b0, b1 , …, bn lze napsat lineární matematický model ve tvaru

~ y = b0 + b1 x1 + b2 x 2 + K + bn x n = d 1 d 1 d 1 r 1 r 1 d 1 r = ∑ y i + x1 ∑ x1,i ∑ y1, j + x 2 ∑ x 2,i ∑ y 2, j + K + x n ∑ x n,i ∑ y n. j d i =1 d i =1 r j =1 r j =1 d i =1 r j =1 i =1

55

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Po otestování kvality tohoto modelu nejprve určíme odhad reziduálního rozptylu Sr ze vztahu: d

r

S r = ∑∑ y i , j i =1 j =1

2

(

d r d r 1 d 2 1 d r 2 2 − ∑ Ri = ∑∑ y i , j − ∑ (∑ y i , j ) = ∑∑ y i , j − y i r i =1 r i =1 j =1 i =1 j =1 i =1 j =1

)

2

Pro součet čtverců odchylek naměřených hodnot a modelu SS pak platí:

S S = ∑∑ ( y i , j − b0 − b1 x1,i − b2 x 2,i − K − bn x n,i ) d

r

2

i =1 j =1

Dále se zavede testová charakteristika ve tvaru SS d ⋅ r > n +1 pro F = d ⋅ r − n −1 Sr

ν

Počet stupňů volnosti ν se vypočte dle vztahu: 56

Konstrukce matematického modelu na základě faktorových experimentů typu 2n ν = d ⋅ (r − 1) Dále si opět zvolíme hladinu významnosti α, jako při testování odhadů vlivu faktorů a ze statistických tabulek odečteme kvantil: Fα [(d⋅r-n-1),ν] Je-li

F ≤ Fα pak vypočtený model popisuje naměřené hodnoty s dostatečnou přesností. Odchylka mezi modelem a experimentálními hodnotami je statisticky nevýznamná. Je-li

Fα pak vypočtený model nepopisuje naměřené hodnoty s dostatečnou přesností. Odchylka mezi modelem a experimentálními hodnotami je statisticky významná.

57

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Kvalitu modelu je třeba zlepšit tak, že nejprve do něj zahrneme ty členy, které jsme apriori vypustili z důvodu statistické nevýznamnosti příslušných odhadů vlivů faktorů a interakcí zjištěných při statistickém testování ( testování odhadů vlivů faktorů a interakcí). Jestliže ani pak model nevyhoví, je třeba zvolit jiný typ modelu, např. model nelineární. Příkladem takovéhoto modelu je např. tento: Y = β 0 + β1 X 1 + β 2 X 2 + K + β n X n + β1, 2 X 1 X 2 + β1,3 X 1 X 3 + K + β n −1,n X n −1 X n + + β1, 2,3 X 1 X 2 X 3 + K + β1, 2,K,n X 1 X 2 K X n

Pro realizaci modelu opět nahradíme koeficienty β jejich nejlepšími odhady b. Hodnoty koeficientů typu b1,2 nebo b1,2,3 určíme ze vztahů:

b1, 2 =

Z AB d ⋅r

b1, 2,3 =

Z ABC d ⋅r 58

Konstrukce matematického modelu na základě faktorových experimentů typu 2n Analogicky pak určíme hodnoty dalších koeficientů tohoto typu. Příklad lineárního a nelineárního modelu je uveden na následujících obrázcích.

59

Optimalizace technologického procesu – proces s jedním faktorem Metoda postupného vyhledávání (nejméně výhodná) Základní podmínkou všech dále zmíněných metod je, že v intervalu, kde je extrém hledán, se nachází pouze jeden extrém. Použití této metody je v případě procesů s jedním faktorem nevýhodné. Tato metoda je zdlouhavá a neumožňuje predikci počtu potřebných experimentů, které bude nutno vykonat, aby byla nalezena poloha extrému s požadovanou přesností. Postup: Při hledání polohy extrému s přesností ± d, rozdělíme interval L proměnné x, x≡<x1, x2>, na dílky o velikosti k, k≤d. Extrém hledáme např. zleva, začneme experimentem nejprve pro x1min, dále pokračujeme experimentem pro x1min+k, dále provedeme experiment pro x1min+2k atd. až do nalezení extrému. 60

Optimalizace technologického procesu – proces s jedním faktorem Metoda postupného vyhledávání (nejméně výhodná)

61


62


63


64


65


66


67


68

Optimalizace technologického procesu – proces s jedním faktorem Metoda dichotomního hledání Základní podmínkou opět je, že v intervalu, kde je extrém hledán, se nachází pouze jeden extrém. Použití této metody je založeno na půlení intervalu. Chceme-li nalézt polohu extrému s požadovanou přesností, např. s přesností ±d, pak interval hodnot technologického faktoru půlíme tolikrát, až se dostaneme na hodnotu p, kdy platí p≤d. Postup: (viz následující animaci) provedeme experimenty v krajních hodnotách intervalu technologického faktoru (naměříme hodnoty 1 a 2) provedeme experiment uprostřed intervalu krajních hodnot technologického faktoru (něměříme hodnotu 3) 69

Optimalizace technologického procesu – proces s jedním faktorem Metoda dichotomního hledání

těsně vedle hodnoty uprostřed intervalu provedeme doplňkový experiment (naměříme hodnotu 4) podle toho, zda hledáme maximum nebo minimum omezíme interval na levou či pravou polovinu. v tomto novém intervalu uděláme uprostřed další experiment (získáme bod 5) těsně vedle uděláme další experiment (naměříme bod 6) podle toho, zda hledáme maximum nebo minimum omezíme interval na levou či pravou polovinu. v prostředku tohoto nového intervalu uděláme další experiment (dostaneme bod 7) těsně vedle uděláme další experiment (naměříme bod 8) atd. …

70


71


72


73


74


75


76


77


78


79


80


81


82

Optimalizace technologického procesu – proces s jedním faktorem Metoda fibonacciových čísel Fibonacciova čísla jsou definována následujícím vztahem:  1 + 5  k  1 − 5  k  1  −  ⋅ Fk ,=      5 2 2      

pro k > 2

Dále pro tato čísla platí

Fk = Fk −1 + Fk − 2

F1 = F2 = 1

F0 = 0

Některá z těchto čísel uvádí tabulka k

0

1

2

3

4

5

6

7

8

9

10

…

Fk

0

1

1

2

3

5

8

13

21

34

55

…

83

Optimalizace technologického procesu – proces s jedním faktorem Metoda fibonacciových čísel Bude-li interval změn technologického faktoru a požadovaná maximální odchylka v určení polohy extrému ∆x, pak určíme nejprve hodnotu:

Fk =

b−a ∆x

K vypočtené hodnotě Fk nalezneme nejblíže vyšší fibonacciho číslo, nechť je tímto číslem Fn. Číslo n pak udává počet experimentů, které je třeba vykonat, abychom v daném intervalu nalezli polohu extrému s přesností ∆x. Postup (viz následující animace) vypočteme Fk a určíme Fn a n interval rozdělíme na Fn stejných dílků první experimenty provedeme na krajích intervalu (v bodech a, b) a získáme hodnoty 1 a 2 84

Optimalizace technologického procesu – proces s jedním faktorem Metoda fibonacciových čísel Postup (viz následující animace) další experimenty provedeme v bodech vzdálených o Fn-1 od obou konců intervalu a získáme body 3 a 4 hledáme-li maximum, omezíme interval od té hodnoty technologického faktoru, ve které byla zjištěna nižší hodnota výsledku experimentu, ke vzdálenějšímu konci intervalu faktoru hledáme-li minimum, omezíme interval od té hodnoty technologického faktoru, ve které byla zjištěna vyšší hodnota výsledku experimentu, ke vzdálenějšímu konci intervalu faktoru v novém (zkráceném) intervalu technologického faktoru (nyní má interval velikost Fn-1 dílků) provedeme experimenty v bodech vzdálených o Fn-2 dílků od krajů intervalu. Tím získáme bod 5, bod 3 je již změřený. 85

Optimalizace technologického procesu – proces s jedním faktorem Metoda fibonacciových čísel Postup (viz následující animace) Interval opět omezíme podle zásad uvedených v předchozích bodech. Takto pokračujeme, po provedení n experimentů nalezneme polohu extrému s maximální odchylkou ∆x nebo nižší od správné hodnoty.

Výhoda metody: je předem znám počet experimentů, které musím vykonat, abych se zjistil polohu extrému s požadovanou přesností.

86

Optimalizace technologického procesu – proces s jedním faktorem Metoda fibonaciových čísel

a

b

87


a

b

88


a

b

89


a

b

90


a

b

91


a

b

92


a

b

93


a

b

94


a

b

95


a

b

96


a

b

97


a

b

98

Optimalizace technologického procesu – proces s jedním faktorem Metoda zlatého řezu Metoda zlatého řezu je variantou metody fibonacciových čísel. Čím větší je hodnota n, tím více se podíl Fn-2/Fn-1 blíží hodnotě 0.62 hodnotu počtu experimentů, které musíme vykonat, abychom nalezli polohu extrému s odchylkou nejvýše ∆x, určíme stejně jako u metody fibonacciho čísel. prvé dva experimenty provedeme na krajích intervalu (a získáme body 1 a 2) interval však nedělíme jako u metody fibonacciových čísel, ale body 3 a 4 získáme tak, že experimenty provedeme pro hodnoty faktoru vzdálené od obou krajů intervalu o hodnotu 0.62 délky intervalu . podle zásad platných pro hledání minima či maxima interval omezím. další experimenty provádím ve vzdálenosti 0.62 délky nového intervalu od krajů tohoto nového intervalu. Interval dále omezím atd. … po provedení n experimentů nalezneme polohu extrému s maximální odchylkou ∆x nebo nižší od správné hodnoty. 99

Optimalizace technologického procesu – proces s jedním faktorem Metoda zlatého řezu

100


101


102


103


104


105


106


107


108


109


110

Optimalizace technologického procesu – proces s více faktory Mějme technologický proces, který je popsán následujícím modelem:

z = 5 + 3 x1 + 2 x1 x2 − x1 x3 + x2 + x3 2

0 ≤ x1 ≤ 5

3 ≤ x2 ≤ 6 − 2 ≤ x3 ≤ 2

2

… účelová funkce … intervaly hodnot technologických faktorů

Extrémy hledáme nejprve tak, že položíme nule první parciální derivace účelové funkce. Tak získáme soustavu rovnic:

3 + 2 x2 − x3 = 0 2 x1 + 2 x2 = 0

− x1 + 2 x3 = 0 Řešením uvedených rovnic je bod (6/5, -6/5, 3/5). Tento bod neleží v intervalu hodnot technologických faktorů

111

Optimalizace technologického procesu – proces s více faktory Kvádr omezujících podmínek

112

Optimalizace technologického procesu – proces s více faktory 1. Hledání na stěnách kvádru omezujících podmínek

x1= 0

z1 = 5 + x2 + x3 2

2

x1 = 0

113

Optimalizace technologického procesu – proces s více faktory 1. Hledání na stěnách kvádru omezujících podmínek

x1= 5 z1 = 20 + 10 x 2 − 5 x3 + x 2 + x3 2

2

...

atd. pro všechny stěny 114

Optimalizace technologického procesu – proces s více faktory

Rovina

Účelová funkce

Poloha extrému

Vyhovuje

x1 = 0

z1 = 5 + x22 + x32

(0, 0, 0)

Ne

x1 = 5

z2 = 20 + 10 x2 - 5x3 + x22 + x32

(5, -5, 5/2)

Ne

x2 = 3

z3 = 14 + 9x1 - x1x3 + x32

(18, 3, 9)

Ne

x2 = 6

z4 = 41 + 15x1 - x1x3 + x32

(30, 6, 15)

Ne

x3 = -2

…………………………………..

(5/2, -5/2, -2)

Ne

x3 = 2

…………………………………..

(1/2, -1/2, 2)

Ne

115

Optimalizace technologického procesu – proces s více faktory 2. Hledání na hranách kvádru omezujících podmínek

x1= 0, x2 = 6

z 7 = 41 + x3

2

116

Optimalizace technologického procesu – proces s více faktory 2. Hledání na hranách kvádru omezujících podmínek

x1= 0, x3 = 2

z8 = 9 + x2

2

...

atd. pro všechny hrany 117

Optimalizace technologického procesu – proces s více faktory 2. Hledání na hranách kvádru omezujících podmínek Hrana

Účelová funkce

Poloha extrému

Vyhovuje

x1 = 0

x2 = 6

z7 = 41 + x32

(0, 6, 0)

41

x1 = 0

x3 = 2

z8 = 9 + x22

(0, 0, 2)

Ne

x1 = 0

x2 = 3

z9 = 14 + x32

(0, 3, 0)

14

x1 = 0

x3 = -2

z10 = 9 + x22

(0, 0, -2)

Ne

x1 = 5

x2 = 6

z11 = 116 - 5x3 + x32

(5, 6, 5/2)

Ne

x2 = 3

x3 = -2

z12 = 18 + 11x1

nemá řešení

Ne

x2 = 3

x3 = 2

z13 = 18 + 7x1

nemá řešení

Ne

x2 = 6

x3 = -2

…………………………………..

…………….

Ne

x2 = 6

x3 = 2

…………………………………..

…………….

Ne

……….

………..

…………………………………..

…………….

Ne 118

Optimalizace technologického procesu – proces s více faktory 3. Hledání ve vrcholech kvádru omezujících podmínek Hrana

Účelová funkce

Poloha extrému

Vyhovuje

x1 = 0

x2 = 6

z7 = 41 + x32

(0, 6, 0)

41

x1 = 0

x3 = 2

z8 = 9 + x22

(0, 0, 2)

Ne

x1 = 0

x2 = 3

z9 = 14 + x32

(0, 3, 0)

14

x1 = 0

x3 = -2

z10 = 9 + x22

(0, 0, -2)

Ne

x1 = 5

x2 = 6

z11 = 116 - 5x3 + x32

(5, 6, 5/2)

Ne

x2 = 3

x3 = -2

z12 = 18 + 11x1

nemá řešení

Ne

x2 = 3

x3 = 2

z13 = 18 + 7x1

nemá řešení

Ne

x2 = 6

x3 = -2

…………………………………..

…………….

Ne

x2 = 6

x3 = 2

…………………………………..

…………….

Ne

……….

………..

…………………………………..

…………….

Ne 119

Optimalizace technologického procesu – proces s více faktory 3. Hledání ve vrcholech kvádru omezujících podmínek

Vrchol

Hodnota účelové funkce

Vrchol

Hodnota účelové funkce

(0, 3, -2)

18

(0, 6, 2)

45

(5, 3, -2)

73

(5, 6, 2)

110

0, 6, -2)

45

(0, 3, 2)

18

(5, 6, -2)

130

(5, 3, 2)

53

Výsledek hledání: Minimální hodnota modelu je na hraně x1 = 0, x2 = 3. Je to hodnota 14. Maximální hodnota modelu je ve vrcholu (5, 6, -2). Je to hodnota 130. 120

Složky nákladů na jakost

Každá organizace musí sledovat náklady. Ty se mění se zavedením systému managementu jakosti. Dojde k následujícím změnám: Roste-li jakost, zpravidla rostou náklady na výrobu. To souvisí s užíváním sofistikovanějších technologií, dokonalejších zařízení atd. Vzroste informovanost o nákladech na životní cyklus, včetně údržby, výrobních nákladů, nákladů na neshodné výrobky, na opravy, na servis … Vzrostou náklady na inženýry a manažery jakosti. Jejich úkolem je nejen garantovat kvalitu ve směru od výrobce k zákazníkovi, ale také ve směru dovnitř firmy, zejména k vrchnímu managementu. Právě tito manažeři jakosti jsou ti, kdo dělají analýzy nákladů na jakost. Ti také musí stanovit preventivní náklady, což jsou náklady spojené s odstraňování neshodných výrobků a procesů. Zjednodušeně řečeno, jsou to náklady vynaložené na to, aby nedocházelo k neshodám.

121

Složky nákladů na jakost Preventivní, na měření a testování, řízení neshodných výrobků Preventivní náklady Plánování a zabezpečování jakosti Nové přehodnocení jakosti výrobků Zabudování jakosti do návrhu výrobku Řízení procesu Školení zaměstnanců Sběr dat pro hodnocení jakosti Analýza dat pro hodnocení jakosti Náklady na měření a testování Statistická či jiná přejímka dodávek Statistické či jiné testování výrobků Úhrada dodávaných služeb Ověřování přesnosti měřicích a testovacích zařízení

122

Složky nákladů na jakost

Vnitřní náklady na neshodné výrobky Odpad Přepracování Opětovné testování opravených výrobků Analýza chyb Prostoje Vnější náklady na neshodné výrobky) Vyřizování stížností Vrácené výrobky Náklady na záruční opravy Náklady na rizika Nepřímé náklady (např. zhoršení jména)

123

Analýza nákladů na jakost Pro analýzu struktury výrobního procesu a jeho hlavních nedostatků se užívá diagramu rybí kosti (diagram příčin a následků, fishbone diagram), Paretovy analýzy, postupového (vývojového) diagramu a řady dalších statistických nástrojů řízení jakosti. Diagram příčin a následků

124

Analýza nákladů na jakost Paretův diagram Paretův diagram je nazývaný také 20/80. Pareto vychází z předpokladu, že 20 procent chyb způsobuje 80 procent neshod. Paretizací rozumíme aplikaci Paretova diagramu pro nalezení dominantních chyb. Často, v závislosti na typu procesu, není poměr 20/80, ale jiný, např. 20/50. Relativní četnost neshod (%) 100 80 60 40

Wilfredo Pareto

20

0

1

2

3

4

5 6 Typ chyby

7

8

9

10

125

Taguchi-ho ztrátová funkce

Genichi Taguchi

(Taguchi Loss Function)

Způsobilost technologického procesu vyrobit výrobek v požadovaných tolerančních mezích je obvykle hodnocena podle koeficientů způsobilosti procesu. Jinou možností je užití Taguchi-ho ztrátové funkce, což je zcela odlišný přístup. Výhodou užití Taguchi-ho ztrátové funkce je, že užití této funkce nevyžaduje normalitu dat. Předpoklady užití Taguchi-ho ztrátové funkce: U každého výrobku je sledována určitá vlastnost (charakteristika), např. váha, odpor, pevnost apod.), podle které hodnotíme jeho kvalitu. Tato vlastnost má stanovenu určitou cílovou hodnotu T, tzv. „target value“. Nekvalita se projevuje odchylkami od T. Jakákoli odchylka od T představuje určitou ztrátu, která se projeví u odběratele zvýšenými náklady na provoz, údržbu, opravy, ekologii apod.

126

Taguchi-ho ztrátová funkce Podle Taguchiho nejsou výrobky, které se pohybují v mezích tolerance, stejně kvalitní a bezeztrátové. Jakákoli odchylka od T je projevem nekvality a přináší odběrateli finanční ztráty. Ty jsou tím větší, čím větší je odchylka od T. Taguchi nazývá tuto ztrátu ztrátou za nekvalitu v rámci tolerance. Toto je zcela nový pohled na kvalitu a nekvalitu. Literatura:Tošenovský, J,, Naskievičová, D.: Statistické metody pro zlepšování jakosti. Montanex 2000. ISBN 80-7225-040-X

Taguchiho ztrátová funkce

L (Y ) = k (Y − T ) T… Y… L(Y) … k…

2

„target value“ sledovaného parametru kvality skutečně dosažená úroveň sledovaného parametru kvality ztráta způsobená odchylkou od T konstanta

127

Taguchi-ho ztrátová funkce Tvar Taguchi-ho ztrátové funkce. Zde

d … tolerance A … ztráta, kterou přinese výrobek na mezi tolerance.

Ke ztrátě dochází vždy když Y ≠ T Jestliže Y je na dolní nebo horní mezi tolerance, pak hodnota ztrátové funkce L(Y) je rovna A (viz obr.). Z Taguchiho rovnice pak pro A platí:

L(T − d ) = L(T + d ) = A = kd 2 Protože hodnota A je obvykle známa, je možné tuto rovnici použít k výpočtu konstanty k:

k=

A d2

128

Taguchi-ho ztrátová funkce Podle teorie pravděpodobnosti je Y náhodná proměnná, která má, v zavedené výrobě, obvykle normální rozdělení. Může mít ale i jiný typ rozdělení, např. rovnoměrné. To, jak jsou rozděleny hodnoty ztrátové funkce, významně ovlivňuje ztrátu u odběratele L(Y). Někdy se určuje tzv. průměrná ztráta E(L). Tuto ztrátu vypočteme jako střední hodnotu L(Y) z Taguchi-ho rovnice.

Zde s … směrodatná odchylka. Uvedený vztah platí za předpokladu, že E(Y)=T, tedy že proces je takový, že střední hodnota vyrobených výrobků se rovná T . Nebude-li ale tento předpoklad splněn, bude platit: 129

Taguchi-ho ztrátová funkce E (Y ) ≠ T potom

E (L(Y )) = ks 2 + k (Y − T )

2

Existují tedy 3 modifikace ztrátové funkce: Definiční rovnice

L (Y ) = k (Y − T )

2

Rovnice pro výpočet konstanty k

k=

A d2

Rovnice pro určení průměrné ztráty pro normálně rozdělené Y

130

Taguchi-ho ztrátová funkce pro jinak, než normálně rozdělené Y

E (L(Y )) = ks 2 + k (Y − T )

2

Ztrátovou funkci lze využít ke komplexnímu vyčíslení nákladů na ztráty způsobené odchylkou sledovaného parametru jakosti od nominální hodnoty T. Tyto náklady budou náklady na opravy, na kontrolu, ztráty za zmetky, za nižší životnost výrobku, za horší ekologické vlastnosti atd. V uvedených příkladech je ztrátová funkce určována pro jeden parametr jakosti. Obecně však tato funkce může být určována pro více parametrů jakosti a to dokonce i v případě, kdy parametr jakosti není kvantitativní veličina (měřitelná, kterou lze vyjádřit číslem), ale kvalitativní veličina (nelze ji vyjádřit číslem).

131

Taguchi-ho ztrátová funkce Dosud jsme hovořili o případu, kdy předepsaná tolerance byla symetrická. Obecně však tolerance nemusí být symetrickou veličinou a také náklady související s nesymetrickou tolerancí nemusí být pro dolní a horní mez stejné. Příklad: soustružíme hřídelku o φ 10 mm (+ 0,1 mm, - 0,05 mm). Překročíme-li horní toleranci, náklady u zákazníka budou pouze v tom, že bude muset odsoustružit přebytečný průměr tak, aby byla hřídelka v toleranci. Překročíme-li dolní toleranci, náklady u zákazníka budou značně větší, protože pro něj nebude hřídelka použitelná.

132

Taguchi-ho ztrátová funkce Ztrátová funkce pro různé typy tolerancí

Tolerance typu N – nominal Cílem je dosažení cílové hodnoty T. Označuje se T ± d, d … tolerance, (T – d, T + d) … toleranční interval. Nesymetrická tolerance typu N Cílem je dosažení cílové hodnoty T. (T – d1, T + d2) … toleranční interval. Hranice tolerančního intervalu se také označují LSL … dolní hranice (Lower Specification Limit), USL … horní hranice (Upper Specification Limit). Ztráty A1 a A2 se liší. 133

Taguchi-ho ztrátová funkce Typy tolerancí L(Y)

Tolerance typu S – Smaller

A

Parametr jakosti Y je tím lepší, čím je menší (např. šum odporu, ztrátový činitel dielektrika) T=0

d

Y

Tolerance typu L – Larger Parametr jakosti Y je tím lepší, čím je větší (např. izolační odpor izolačního systému stroje, průrazná pevnost dielektrika, odolnost izolantu proti vlhkému teplu apod.) 134

Taguchi-ho ztrátová funkce Příklad Určeme náklady spojené s odchylkou od T (cílové hodnoty) v případě tolerance typu N. Předpokládejme: USL = 400, LSL = 300, T = 350, náklady spojené s výrobky na mezi tolerance A = 2000.

d = USL − T = T − LSL = 50 2

2500

L(T − d ) = L(T + d ) = A = kd 2

A 2000 k= 2 = = 0,8 d 50 2

2000 Ztráty (Kč)

L (Y ) = k (Y − T )

Hodnota ztrátové funkce

1500 1000 500 0 250

L(Y ) = 0.8(Y − 350 )

2

300

350

400

450

Hodnota parametru jakosti

135

Taguchi-ho ztrátová funkce Standardizovaná ztrátová funkce Důvodem pro zavedení standardizované ztrátové funkce je snaha vyhnout se výpočtu k. Standardizovaná funkce má tvar: 2 2   2 SL(Y ) =   (Y − T )  USL − LSL  Pro tuto funkci je zavedena konstanta A=1. Pro Y=LSL … SL(Y) = 1 Pro Y=USL … SL(Y) = 1 Vícerozměrná ztrátová funkce Je standardizovaná ztrátová funkce zobecněná pro n-rozměrný případ, tedy pro případ, kdy je sledováno n znaků jakosti. Tato funkce se značí TSL (Total Standardized Loss Function). 2 n  Yi − Ti   TSL (Y1......Yn ) = 4∑  i =1  USLi − LSLi  136

Celkové náklady na jakost (u výrobce i odběratele) Mohou být určovány různými technikami. Taguchi-ho vztahy jsou vztahy empirickými, proto byly předmětem řady diskuzí. Celkové náklady za jakost silně závisí na typu kontroly výrobků. 100 % -ní kontrola výrobků Ztrátová funkce má tvar: L=

Q A 2 + s0 R d2

Zde Q … roční náklady na kontrolu, R … roční produkce v kusech, d … tolerance, A … ztráta při dosažení tolerance. Výpočet s02 není výpočtem roptylu, protože ten by se počítal pomocí T (cílové hodnoty), zatímco s02 se počítá z následujícího vztahu (přesnost výroby se kontroluje porovnáváním sousedních výrobků): s0 = 2

[

1 ( y 2 − y1 )2 + ( y 3 − y 2 )2 + ... + ( y n − y n −1 )2 n −1

] 137

Celkové náklady na jakost (u výrobce i odběratele) 100 % -ní kontrola výrobků Bude-li při kontrole vzata vždy skupina 3 výrobků a tento výběr bude proveden celkově n-krát, pak za předpokladu, že výběry budou označeny: 1. výběr: … 2. výběr: …

y11, y12, y13 y21, y22, y23

n. výběr: …

yn1, yn2, yn3

má vztah pro s0 tvar:

s0 = 2

[

1 ( y13 − y12 )2 + ( y12 − y11 )2 + ( y23 − y22 )2 + ( y22 − y21 )2 + ... + ( yn3 − yn 2 )2 + ( yn 2 − yn1 )2 2n

]

Analogicky, bude-li ve vybrané skupině k výrobků a výběr provedeme celkem n-krát: n k 1 2 ( s0 = yi , j − yi , j −1 ) ∑∑ n(k − 1) i =1 j =1 2

138

Celkové náklady na jakost (u výrobce i odběratele) 100 % -ní kontrola výrobků Veličina s0 charakterizuje nepřesnost, která se skládá z nepřesnosti výroby, ale je do ní třeba zahrnout i nepřesnost měření parametru y. Platí:

s0 = sV + s M 2

2

2

Zde sV charakterizuje výrobu a sM měření (ta se vypočte analogicky jako s0 s tím, že se namísto výběru několika kusů měření několikrát opakuje). Kontrola po n výrobcích V tomto případě se neprovádí kontrola všech výrobků, ale mezi dvěma kontrolami je vyrobeno n výrobků. Pak pro celkové náklady na jakost L platí:

B C A D2 A D2  n +1  A 2 L= + + 2. + 2. + z  + 2 .s M  n u d 3 d u  2  d Zde A … ztráta u odběratele, má-li výrobek toleranci d 139

Celkové náklady na jakost (u výrobce i odběratele) Kontrola po n výrobcích

Náklady na kontrolu na jeden výrobek

Náklady na opravu na jeden výrobek

B C A D2 A D2  n + 1  A 2 L= + + 2. + 2.  + z  + 2 .sM n u d 3 d u  2  d

Ztráty nepřesností výroby

Ztráty za zmetky ???

Ztráty nepřesností měření

B … náklady na kontrolu, C … náklady na opravu stroje, n … kontrolní interval, u … průměrný počet výrobků vyrobený mezi opravami, d … předepsaná tolerance výrobku, D… výrobní tolerance, z … počet výrobků zhotovených během kontroly. Protože nejsou kontrolovány všechny výrobky, je možné přepočíst náklady na jeden vyrobený kus (na kontrolu a opravu) 140

Celkové náklady na jakost (u výrobce i odběratele) Kontrola po n výrobcích Uvedený vztah je nejčastěji užíván pro případy kdy: Známe n0, u0 a D0 (kontrolní interval, průměrný počet výrobků mezi opravami, výrobní tolerance) a určujeme výsledné náklady na jakost. Známe odhady „optimálních hodnot“ parametrů n, a D označených n*, a D* a odhad průměrného počtu výrobků mezi dvěma poruchami a počítáme celkové náklady na jakost. Uvedené odhady určíme podle vztahů: optimální kontrolní interval: n* =

d D0

2u 0 B A

optimální výrobní tolerance: 2

D* = 4

3.CD0 .d 2 A.u 0 141

Celkové náklady na jakost (u výrobce i odběratele) Ztrátová funkce pro kvalitativní parametr jakosti Všechny dosud zmíněné vztahy pro určování nákladů na jakost byly sestaveny pro takový parametr jakosti procesu, který je měřitelný a který je také vyjádřitelný číslem – pro kvantitativní parametr. V případě, že zvolíme parametr, který nelze vyjádřit číslem – kvalitativní parametr, pak vztah pro celkové náklady na jakost bude mít tvar:

L=

B C n + 1 A z. A + + . + n u 2 u u

Pro porovnání je uvedena ztrátová funkce pro kvantitativní parametr jakosti

B C A D2 A D2  n + 1  A 2 L= + + 2. + 2. + z  + 2 .sM  n u d 3 d u  2  d Přepočtené náklady na kontrolu a opravy stroje se určují stejně, výpočet nákladů na neshodné výrobky je odlišný, protože u kvalitativních parametrů nelze stanovit tolerance d a D, ale ve vztahu se vyskytuje také. 142

Integrovaný systém plánování a managementu jakosti (Integrated Planning and Quality Management System) Při vytváření systému plánování a managementu jakosti v projektu (výroby) může dojít k řadě chyb. Typickou chybou je fragmentace managementu jakosti, která plyne z nedostatečné vzájemné informovanosti a provázanosti segmentů projektu, které řeší různé skupiny. Za hlavní příčiny této chyby jsou zpravidla považovány následující příčiny: Nedostatečné poznáním celého projektu, případně nedostatečně přesná formulace jeho popisu. Problematicky provedená studie proveditelnosti projektu. Nedostatky v návrhu projektu – ve výkresové dokumentaci, specifikacích, zajištění projektu. Přístup k managementu jakosti, který je možné rozdělit do následujících částí: aktivace implementace dozor řízení 143

Integrovaný systém plánování a managementu jakosti (Integrated Planning and Quality Management System) Jako důvod pro nedostatečnou koordinaci různých segmentů projektu je často uváděna nedostatečná komunikace mezi jednotlivými subjekty řešícími jednotlivé části projektu. Přitom je zřejmé, že nový projekt nevyžaduje zpravidla nový koncept. Každý projekt ve své podstatě prochází vývojovým cyklem, který je, až na malé části dané specifiky projektů, stejný. Proto byl vyvinut IPQMS jako konceptuální rámec pro řízení projektů výroby, který integruje řadu úloh a procedur a zajišťuje lepší kontrolu a produktivitu. IPQMS se dělí do 4 fází • • • •

fáze fáze fáze fáze

přípravná (projekt, návrh, studie proveditelnosti) schvalovací a aktivační (výběr, schválení, aktivace) realizační (implementace, řízení, předání) vyhodnocovací (vyhodnocování, dolaďování drobností) 144

Integrovaný systém plánování a managementu jakosti (Integrated Planning and Quality Management System) Plánování Hodnocení proveditelnosti Návrh

Implementace Řízení Předání

IPQMS Výběr Schválení Aktivace

Vyhodnocení Doladění a poznatky

145

Fáze 1: plánování, hodnocení, návrh Plánování V první fázi projektu (např. výroby) je třeba nejprve provést identifikaci a formulování projektu. Identifikační proces projektu – musí popsat různé potřeby, okrajové podmínky i politické podmínky a rozhodnout, zda projekt vychází z reality. Mezinárodní agentury zpravidla mají pro identifikaci procesů zavedené procedury. V procesu plánování projektu jsou často identifikovány nové možnosti pro daný sektor nebo společnost. Současně identifikace projektu, např. nové výroby, může přinést nutnost dalších vyvolaných projektů, např. logistiky. V řadě zemí jsou významné projekty realizovány a financovány ministerstvy, někdy centrálními plánovacími agenturami. 146

Fáze 1: plánování, hodnocení, návrh Plánování Jinými zdroji pro realizaci větších projektů jsou např. velké korporace nebo nadnárodní organizace, které, za určitých podmínek, zajišťují projekty vyhlášené např. orgány státní správy. Dalším krokem po identifikaci projektu je formulování projektu. Formulování projektu – zahrnuje popis projektu v širším slova smyslu, kde jsou uvedeny cíle projektu, jeho předpokládané výsledky a je proveden odhad různých zdrojů potřebných k úspěšné realizaci projektu.

Musí být jasně a jednoznačně stanoveny cíle projektu. Musí být jasně a jednoznačně stanoveny výchozí podmínky. Musí být jasně definovány okrajové podmínky (prostředí, ve kterém bude projekt realizován, vládní podpora, logistika …) Pro realizaci projektu je také třeba mít dostatečně přesné informace o lidských zdrojích a o jejich kvalitě. 147

Fáze 1: plánování, hodnocení, návrh Studie realizovatelnosti a hodnocení projektu Studie realizovatelnosti projektu je jednou ze základních analýz, na základě kterých je rozhodnuto, zda projekt bude zahájen. Tato studie tedy sestává z následujícího rozboru a rozhodnutí: Zda je v projektu možné dosáhnout cílů v mezích, které byly předem dohodnuty. Zda bude zahájen.

Hodnocení projektu – by mělo dát odpověď na otázku, zda bude projekt úspěšný. Pokud bude rozhodnuto, že projekt bude zahájen, je třeba Stanovit předpokládané zdroje Rozhodnout o velikosti, umístění, technologii, administrativních potřebách, logistice atd.

148

Fáze 1: plánování, hodnocení, návrh Studie realizovatelnosti a hodnocení projektu NEBEZPEČÍ Rozhodnutí, zda projekt bude či nebude realizovatelný (zda je reálný) vyžaduje spolehlivé a dostatečně přesné informace. Pokud nebudou informace dostatečně věrohodné, nebo nebude užito správné metodiky pro jejich zpracování, rozhodnutí nemusí být správné.

U některých velkých projektů jsou realizovány, před rozhodnutím o proveditelnosti projektu a před jeho hodnocením, pilotní studie. Součástí této studie je obvykle také komparativní studie. Cílem komparativní studie je rozhodnutí o využití zdrojů – o tom, zda zdroje by nebylo výhodnější použít jinde. Řada vládních institucí, včetně EU, vyvinuly pevné procedury, které musí být aplikovány, pokud jsou k financování vyžadovány vládní nebo evropské fondy. 149

Fáze 1: plánování, hodnocení, návrh Studie realizovatelnosti a hodnocení projektu Studii realizovatelnosti tvoří obvykle následující složky:

Technická

Komerční

Finanční

Administrativní

Ekonomická

Organizační

Manažerská

Teprve po studii proveditelnosti je možné provést závěrečné hodnocení projektu. Hodnocení určí, jestli projekt může splňovat podmínky, které uvádí. Mělo by být také konstatováno, zda projekt je nejlepším způsobem řešení k dosažení uváděných cílů. 150

Fáze 1: plánování, hodnocení, návrh Studie realizovatelnosti a hodnocení projektu Technická studie posuzuje projekt z hlediska jeho technických aspektů včetně modernosti technologie a materiálů a dostupnosti této technologie a materiálů. Ve finanční studii jsou odhadovány náklady na projekt, je studována návratnost nákladů a jejich zdroje Komerční studie se zabývá komerční stránkou projektu, jak bude naloženo s jeho výstupy, zda a jak se zhodnotí např. produkty nové technologie nebo předpokládané patenty vzniklé v rámci projektu apod. Ekonomická studie řeší ekonomičnost projektu, analyzuje struktury nákladů a hledá cesty, jak náklady snížit, případně optimalizovat. Administrativní studie dává, spolu se studií manažerskou, informaci o potřebných počtech pracovníků k řízení a administraci projektu. Hledá také cesty a techniky pro optimální manažerské a řídicí procedury (např. různé techniky operační analýzy). 151

Fáze 1: plánování, hodnocení, návrh Studie realizovatelnosti a hodnocení projektu Organizační studie doplňuje projekt z hlediska případných organizačních požadavků, stanoví organizační složky, jejich vzájemnou provázanost a tak vytváří základ pro úspěšné řešení projektu.

152

Fáze 1: plánování, hodnocení, návrh Návrh Poslední částí v této fázi cyklu projektu je návrh. Kritéria návrhu (technická, finanční) byla již stanovena při zpracování studie proveditelnosti. Návrh definuje:

Zdroje pro tyto aktivity

Základní aktivity Zodpovědnosti

Priority

V návrhu musí být také určeny všechny zdroje vztahující se k projektu – včetně lidských zdrojů, schopností lidí, jejich zkušeností atd. Návrh musí také obsahovat specifikace pro konstrukce, zařízení a příslušenství. Musí být vytvořeny:

153

Fáze 1: plánování, hodnocení, návrh Návrh Operativní plány. Pracovní rozvrhy. Operativní plán – sestává z naplánovaných posloupností jednotlivých typů aktivit při realizaci projektu:

154

Fáze 1: plánování, hodnocení, návrh Návrh Pracovní rozvrh – je časově rozpracovaná konkrétní aktivita z operativního plánu.

Operativní plány

Pracovní rozvrhy

Formální implementační plán

Návrháři by měli propojit jak politiku vrchního managementu, tak techniků, aby návrh reflektoval na všechny požadavky a připomínky, které budou od těchto složek vzneseny. 155

Fáze 1: plánování, hodnocení, návrh Návrh Příklad operativního plánu pro řízení zásob Na základě predikce poptávky a dalších vstupních údajů jsou vytypovány řídicí parametry potřebné pro nastavení a průběžnou aktualizaci objednávkových režimů podnikových systémů. Je vypočteno optimální objednací množství (EOQ - Economic Order Quantity). Jsou vypočteny pojistné zásoby – zpravidla více různými metodami, např. metodou založenou na analýze údajů o minulé spotřebě, metodou vycházející z analýzy chyb předpovědi poptávky, metodou stanovení velikosti pojistné zásoby pro položky s nestacionárním charakterem potřeby apod.). Jsou vypočteny signální úrovně zásob - na základě informace o termínu vyřízení objednávky je určena optimální úroveň zásob, při kterých je vhodné objednat další. Jedná-li se o větší podnik, je sledován pohyb položek na jednotlivých skladech a je případně navrhována redistribuce mezi sklady. 156

Fáze 1: plánování, hodnocení, návrh Návrh V návrhu projektu musí být také dále stanoveny: Základní aktivity. Zodpovědnosti. Oblasti priorit. Všechny vstupy projektu. Úroveň lidských vstupů (dělníci, výzkumníci, management) Ekologické aspekty. Reálná operativní forma jednotlivých aktivit. Návrh projektu by také měl stanovit typy vazeb mezi jednotlivými skupinami pracovníků a mezi jednotlivými činnostmi.

157

Fáze 2: výběr, schvalování, aktivace Výběr K výběru projektu dochází až tehdy, když projekt byl schválen zadávající organizací (případně také organizací, která projekt financuje, nebo se na financování podílí, pokud není zcela hrazen z prostředků zadavatele) na základě toho, že byla splněna realizační kritéria. Tento akt završuje návrh a formální implementační plán. Znamená to, že: Projekt byl dobře definován z hlediska klíčových prvků. Byly dobře identifikovány vstupy projektu. Výběr projektu, mezi řadou ostatních, je prováděn podle výběrových kritérií. Agentury, podporující finančními prostředky projekty, mohou mít různé typy výběrových kritérií, např. zda projekt bude přínosný z hlediska ekologie, zda bude zaveden nový, potřebný, typ výroby, zda projekt přinese větší jakost výrobků a tím umožní jejich větší konkurenceschopnost na trhu apod. 158

Fáze 2: výběr, schvalování, aktivace Schvalování K tomu, aby byl projekt vybrán (schválen pro realizaci) mezi mnoha jinými, je obvykle třeba vést řadu jednání. Po schválení projektu k realizaci tato jednání pokračují. Je třeba finalizovat:

Finanční zabezpečení Smlouvy

Kontrakty s dodavateli

Předpisy

159

Fáze 2: výběr, schvalování, aktivace Aktivace Aktivace projektu představuje: Alokaci a koordinaci zdrojů k tomu, aby projekt byl dostatečně operabilní. Vytvoření řešitelských týmů. Vytvoření týmu konzultantů. Výběr skupiny dodavatelů. Stanovení jednoznačných zodpovědností. Určení, kteří pracovníci mohou provádět rozhodnutí a na jakých úrovních (např. v oblasti personální, finanční, organizační, administrativní atd.). Je-li projekt aktivován, musí již existovat plány pro všechny jeho fáze. Plány jednotlivých fází musí být propojeny, aby nevznikala zpoždění. Správně vytvořené plány ušetří mnoho času a finančních prostředků v dalších fázích projektu. Je třeba, aby byly vytvořeny zpětné vazby, které průběžně umožňují získávání informací o stavu jednotlivých aktivit v projektu 160

Fáze 3: implementace, dohled a řízení, dokončení

Implementace Implementace vychází z procedur použitých v předchozích fázích projektu. Při implementaci je prováděna: Finální kontrola návrhu projektu a jeho časového rozvrhu, a pokud je třeba provést nějaké změny, jsou provedeny. Jsou znovu překontrolována a precizována rozhodnutí o dodávkách zařízení, zdrojích, případně o personálním zajištění. Znovu jsou zkontrolovány časové rámce jednotlivých aktivit. Jsou zavedeny zpětné vazby, stanoveny techniky komunikace a celkový rámec managementu informací. Je stanovena personální zodpovědnost za řešení případných problémů a za nutná jednání (např. o přerozdělení zdrojů, o doplňcích projektu apod.).

161


Dohled a řízení Je třeba, aby byly aktivovány vhodné procedury pro projektového managera. Kontrolní procedury musí identifikovat a izolovat problémové oblasti – a to v krátkém čase, protože čas na projekt je omezený a není možné měnit časový rozvrh s ohledem na operativní plán a návaznost různých aktivit. K rychlé identifikaci problémů se užívá Metoda kritické cesty (CPM – Critical Path Method) a metoda ocenění a přehodnocení projektu (PERT – Programme Evaluation and Review Technique). Po přijetí rozhodnutí o započetí prací nad vybraným projektem je třeba vyřešit úlohu o dokončení projektu v daném čase a s danými prostředky (sestavit harmonogram realizace jednotlivých prací). Pro řešení této úlohy byly v letech 1956-1958 vypracovány dvě metody – metoda kritické cesty a metoda ocenění a přehodnocení projektu. CPM byla poprvé použita firmou DuPont, PERT byla vyvinuta pro americké námořnictvo při vývoji ponorek s raketami Polaris. Charakteristickým rysem těchto metod je zobrazení projektu ve tvaru grafu (sítě). 162


Dohled a řízení Metoda kritické cesty

http://home.eunet.cz/berka/o/grafy.htm

Síťové plánování začínáme sestavením seznamu prováděných činností (prací), ohodnocením jejich délky trvání a určením topologických návazností na sebe. Práce zobrazíme jako orientované hrany sítě, orientace těchto hran pak ukazuje průběh jednotlivých činností projektu,

Události,které odpovídají počátkům a koncům jednotlivých činností jsou zobrazeny jako uzly sítě. 163


Dohled a řízení Metoda kritické cesty Pravidla sestavení grafu: Žádné dvě práce nemohou být identifikovány se dvěma stejnými událostmi. To znamená, že následující část sítě nesprávně zobrazuje stejné ukončení dvou prací.

Chyba

Dobře

Vztahy předcházení a následování musí být zachovány v celé síti. Předpokládejme, že činnost 5 následuje za činnostmi 2 a 4, které následují za činností 3. V takovém případě část sítě, která zobrazuje tuto situaci, vypadá následovně: 164


Dohled a řízení Metoda kritické cesty To vše ovšem pouze v případě, že požadujeme, aby práce 5 byla zahájena až po ukončení práce 2. Pokud tento požadavek nemáme, pak bude výše uvedená část sítě vypadat: Činnosti jako takové obyčejně popisujeme analyticky pomocí počátečních a koncových uzlů, pomocí délek činností a případně i nároků na jiné zdroje než časové. Kritickými nazýváme ty činnosti v síťovém grafu, jejichž prodloužení povede k ekvivalentnímu zdržení dokončení celého projektu. Cesta v síti, která je sestavena z kritických činností, se nazývá kritickou cestou. Délka kritické cesty se nazývá kritickou dobou. Kritická cesta je nejdelší cestou v daném síťovém grafu. 165


Dohled a řízení Metoda kritické cesty Časovou rezervou (rezervní dobou) nazýváme takový časový interval, o který můžeme posunout ukončení práce nebo práci prodloužit, aniž by se změnila celková doba dokončení projektu. Na následujícím obrázku je zobrazen projekt v odpovídající časové škále.

166


Dohled a řízení Metoda kritické cesty Jiný přístup k metodě kritické cesty. Každý kroužek na obrázku představuje úkol nebo jasně definovanou činnost, která je částí projektu. Číslo uvedené v kroužku představuje očekávaný čas, potřebný k dokončení úkolu. Šipkový diagram je neocenitelnou plánovací pomůckou. chceme-li určit, jak dlouho bude projekt trvat. Na příklad jakmile byl dokončen úkol A, lze pracovat současně na úlohách B. C a D. Nejčasnější datum ukončení tedy určíme tak, že prohlédneme všechny „cesty“ v síti a vybereme nejdelší z nich nebo tu, jejíž úlohy vyžadují k dokončení nejdelší celkový čas. V tomto příkladu je nejdelší, neboli „kritickou“, cestou A-C-F-H, která vyžaduje celkový čas 11 týdnů 167


Dohled a řízení Metoda PERT Logika CPM používá jednobodové odhady doby trvání úloh a předpokládá, že doba dokončení projektu je jednoduše součtem trvání úloh ležících na kritické cestě. Logika PERT používá pravděpodobnostní odhady doby trvání každé úlohy s pesimistickým, realistickým a optimistickým odhadem dokončení každé úlohy. http://www.kip.zcu.cz/kursy/svt/svt_www/6_soubory/6_6_2.html

Uvedené techniky (a řada dalších) dávají projektovému manažerovi možnost atomizovat jednotlivé aktivity projektu, hledat jejich slabá místa a jejich vzájemné vztahy. To unadňuje management, koordinaci aktivit a vytvoření rozvrhu prací. Důležité: v průběhu řešení projektu vzniká řada situací, které vyžadují drobné změny v projektu. Tyto změny musí být prováděny neprodleně, často si vyžadují i jednání s investorem. Často to jsou zásahy spojené s ekologickými požadavky. 168


Dohled a řízení Dokončení Dokončení projektu spočívá v jeho přípravě na předání k jiné formě administrace. Tento krok také souvisí s rozpadem původní organizace projektu. K dokončení projektu dochází během určitého období. Protože jednotlivé části projektu mohou být dokončovány v různých etapách, mohou být také takto přebírány.

169


Dokončení

Po dokončení a předání projekt přechází do operačního (provozního) stavu. Organizace, která projekt v tomto stavu přejímá, musí být vybavena pro řízení projektu v tomto stavu jak personálně, tak technicky. Existují také mechanizmy, jak projekt ukončit, pokud se v této etapě ukáže, že nebude úspěšný. Cílem takovéto aktivity je vždy to, aby došlo k minimálním ztrátám. Krátce pře dokončením projektu je vypracovávána zpráva pro investora, zadavatele atd.

170

Fáze 4: vyhodnocení, doladění a poznatky Vyhodnocení Finální fází projektu je vyhodnocení. Hodnocení úspěšnosti projektu však je dvou typů: Hodnocení Hodnocení provedení a dlouhodobého aktuálního užitku užitku Faktem však zůstává, že hodnocení projektu je průběžný proces, který by měl mít místo v každé etapě managementu projektu. Hodnocení projektu může mít různé formy: Hodnocení projektu osobami zodpovědnými za implementaci. Hodnocení dodavateli (požadavky, pružnost, přejímky). Hodnocení ostatními osobami spojenými s projektem. Hodnocení investorskou organizací – efektivita vynaložených investic, zda bylo dosaženo předpokládaných cílů, zda tyto výsledky měly předpokládaný vliv např. na region apod. 171

Fáze 4: vyhodnocení, doladění a poznatky Vyhodnocení Velcí investoři, např. Světová banka, mají své vlastní procedury pro hodnocení projektů. Tyto techniky mohou být inspirativní i pro ostatní investory, protože umožňují, při využití komparativní analýzy rozhodovat o vlastních hodnotících procedurách. Bezprostředně po hodnocení následují další aktivity, zaměřené zejména na ty části projektu, které nebyly z nějakých důvodů zcela splněny a které mohou být bezprostředně dokončeny. Jestliže bude projekt opakován (nebo jeho části), může být zaměřena pozornost na to, jak splnit tyto aktivity již v průběhu projektu.

Doladění a poznatky Na doladění projektu lze pohlížet z mnoha aspektů jak technických, tak kontrolních a řídicích, i z hlediska formy a průběhu financování projektu. Poznatky z projektu mohou být investory použity při zadávání dalších projektů. Manažeři projektu, investor, zaměstnanci, dodavatelé a ostatní existují v určitém rámci rozhodnutí. 172

Fáze 4: vyhodnocení, doladění a poznatky Doladění a poznatky Po ukončení projektu je možné provádět rozbor, zda všechna rozhodnutí byla optimální, a to jak z hlediska technického řešení, tak z hlediska ekonomického. Je třeba také zvážit, jak řešení projektu reagovalo na případné nové vnější požadavky. IPQMS je flexibilní model pro všechny fáze projektu počínaje koncepcí a konče předáním. Je zde snahou „unifikovat“ jednotlivé procedury. IPQMS vytváří efektivní konceptuální rámec pro následující 4 oblasti: Pro dlouhodobou týmovou spolupráci plánovačů, návrhářů, kontraktorů a investorů. Zabezpečuje přesný tok informací mezi všemi skupinami. Zabezpečuje vytvoření databází pečlivě dokumentovaných typických případů v každém sektoru. Zabezpečuje to, že zkušenosti z typických příkladů se přenášení do aktivit na nových projektech. IPQMS zajišťuje zodpovědnost, efektivnost vynaložených nákladů a kvalitu procesu přípravy projektů. 173

Fáze 4: vyhodnocení, doladění a poznatky Doladění a poznatky IPQMS může být použit pro projekty a programy ve všech sektorech. Ještě některé poznámky ke studii proveditelnosti (feasibility study) IPQMS může být použit pro projekty a programy ve všech sektorech. Studie proveditelnosti vyžaduje předběžný návrh, který vychází z formulace úkolů. Formulace definuje parametry projektu a odhaduje různé zdroje vyžadované k dosažení cílů. To také umožňuje vytvoření jedné či více studií proveditelnosti, které jsou konkurenční a umožňují nalézt optimální cestu. Komplexní studie proveditelnosti musí pokrývat šest důležitých oblastí 1. Technickou včetně lidských zdrojů a technologických požadavků. 2. Ekonomickou – zejména zdroje a zisky. 3. Administrativní a manažerskou včetně externích kontaktů a interiní organizace. 4. Environmentální včetně současných dat a dopadu environmentálních opatření na tato data. 174

Fáze 4: vyhodnocení, doladění a poznatky Ještě některé poznámky ke studii proveditelnosti (feasibility study) 5. 6.

Sociální a politickou. Finanční – analýza potřeb a zdrojů.

Každá z uvedených částí musí být uvedena do kontextu s následujícími otázkami: Je uvedený projekt řešením pro urgentní problémy současných nebo předpokládaných sociálních a ekonomických potřeb? Bude projekt tak, jak je navržen, plnit svůj účel, aniž by měl negativní vliv na životní prostředí? Bude užitek z projektu pro společnost a ekonomiku odpovídat vynaloženým nákladům? Měly by být studovány také různé technické alternativy k optimalizaci nebo maximalizaci zisku z vynaložených nákladů? Poskytla zpracovaná studie proveditelnosti základní kritéria a měřítka pro následnou implementaci, řízení a hodnocení projektu?

175

Čtyři fáze IPQMS

Tok informací Zpětná vazba

176

Studie proveditelnosti – podrobný rozbor Dobře provedená studie proveditelnosti analyzuje a zkoumá každý aspekt předběžného návrhu v kontextu daného prostředí projektu. Vypracování studie proveditelnosti podmiňuje další významné funkce. Tato analýza: Umožňuje zpřesnění formulace předběžného návrhu. Napomáhá správné implementaci projektu. Zavádí a nastavuje kritéria, která by měla zaručit úspěch projektu. V oblasti managementu projektu je studie proveditelnosti zaměřena přednostně na studii trhu a na důraz na stanovení technických kritérií. V oblasti praktické aplikace projektu je však tato studie zaměřena ještě na personální zabezpečení, na ekologický dopad projektu a na rozbor vztahů mezi všemi segmenty. Obecné pojmy každé studie proveditelnosti projektu jsou formulovány do určitých, vzájemně propojených otázek, které jsou ve studii položeny a zodpovězeny. Segmenty, na které se musí každá studie proveditelnosti zaměřit, jsou tyto:

177

Studie proveditelnosti – podrobný rozbor Segmenty studie proveditelnosti

Technický Ekonomický Administrativní a manažerský Charakteristika prostředí Sociální a politický Finanční

178

Studie proveditelnosti – podrobný rozbor Technická stránka 1. Data vztažená k umístění projektovaného celku a) Geologické podmínky b) Vodní zdroje c) Klimatické podmínky d) Dopravní podmínky Otázka: 2. Výběr dostupných technologií a) Zařízení a stroje b) Výrobní proces c) Náhradní součástky Otázka: 3. Návrh a) Rozmístění strojů a zařízení b) Inženýrské požadavky (příslušenství, služby, doprava … ) c) Konstrukční materiály

179

Studie proveditelnosti – podrobný rozbor Technická stránka 1. Data vztažená k umístění projektovaného celku a) Geologické podmínky b) Vodní zdroje c) Klimatické podmínky d) Dopravní podmínky Otázka: Je předpokládané umístění projektu vhodné z hlediska typu krajiny? 2. Výběr dostupných technologií a) Zařízení a stroje b) Výrobní proces c) Náhradní součástky Otázka: 3. Návrh a) Rozmístění strojů a zařízení b) Inženýrské požadavky (příslušenství, služby, doprava … ) c) Konstrukční materiály

180

Studie proveditelnosti – podrobný rozbor Technická stránka 1. Data vztažená k umístění projektovaného celku a) Geologické podmínky b) Vodní zdroje c) Klimatické podmínky d) Dopravní podmínky Otázka: Je předpokládané umístění projektu vhodné z hlediska typu krajiny? 2. Výběr dostupných technologií a) Zařízení a stroje b) Výrobní proces c) Náhradní součástky Otázka: Je vybraná dostupná technologie optimem mezi moderní technologií a náklady? 3. Návrh a) Rozmístění strojů a zařízení b) Inženýrské požadavky (příslušenství, služby, doprava … ) c) Konstrukční materiály

181

Studie proveditelnosti – podrobný rozbor Technická stránka Otázka:

4. Pracovníci a) Dělníci b) Technici c) Vysokoškoláci a specialisté na danou problematiku. Otázka:

182

Studie proveditelnosti – podrobný rozbor Technická stránka Otázka: Jaké jsou náklady na příslušenství a služby v projektu a na materiál, stroje a zařízení? 4. Pracovníci a) Dělníci b) Technici c) Vysokoškoláci a specialisté na danou problematiku. Otázka:

183

Studie proveditelnosti – podrobný rozbor Technická stránka Otázka: Jaké jsou náklady na příslušenství a služby v projektu a na materiál, stroje a zařízení? 4. Pracovníci a) Dělníci b) Technici c) Vysokoškoláci a specialisté na danou problematiku. Otázka: Jaký je poměr mezi jednotlivými skupinami pracovníků, jaký je jejich předpokládaný absolutní počet, jsou v dané lokalitě tito pracovníci dostupní, jak to zařídit, aby dostupní byli a s jakými náklady?

184

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 1. Požadavky (na výsledky projektu) a) Domácí b) Exportní Otázka: 2. Zdroje a) Domácí b) Exportní Otázka:

3. Marketingový program a) Marketingový přístup předpokládaný v projektu b) Zdůvodnění marketingové strategie Otázka: 185

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 1. Požadavky (na výsledky projektu) a) Domácí b) Exportní Otázka: Je projekt kompatibilní s požadavky na domácím a zahraničních trzích? 2. Zdroje a) Domácí b) Importní Otázka:

3. Marketingový program a) Marketingový přístup předpokládaný v projektu b) Zdůvodnění marketingové strategie Otázka: 186

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 1. Požadavky (na výsledky projektu) a) Domácí b) Exportní Otázka: Je projekt kompatibilní s požadavky na domácím a zahraničních trzích? 2. Zdroje a) Domácí b) Exportní Otázka: Zaručuje projekt, že jak domácí, tak zahraniční trhy jsou dostupné a stabilní? 3. Marketingový program a) Marketingový přístup předpokládaný v projektu b) Zdůvodnění marketingové strategie Otázka: 187

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 1. Požadavky (na výsledky projektu) a) Domácí b) Exportní Otázka: Je projekt kompatibilní s požadavky na domácím a zahraničních trzích? 2. Zdroje a) Domácí b) Exportní Otázka: Zaručuje projekt, že jak domácí, tak zahraniční trhy jsou dostupné a stabilní?

3. Marketingový program a) Marketingový přístup předpokládaný v projektu b) Zdůvodnění marketingové strategie Otázka: Je uvedená marketingová strategie správná s ohledem na cílovou skupinu? 188

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 4. Dopad na zaměstnanost a) Analýza situace zaměstnanosti v dané oblasti (jsou oblasti se zápornou nezaměstnaností, např. Singapur) b) Analýza struktury nezaměstnanosti (které profese nejsou vyžadovány). Otázka: 5. Potřeba surovin a) Domácích b) Importovaných Otázka:

6. Rozbor nákladů a výnosů a) Analýza vlastních a vyvolaných nákladů b) Analýza zdrojů 189

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 4. Dopad na zaměstnanost a) Analýza situace zaměstnanosti v dané oblasti (jsou oblasti se zápornou nezaměstnaností, např. Singapur) b) Analýza struktury nezaměstnanosti (které profese nejsou vyžadovány). Otázka: Zlepší projekt situaci v nezaměstnanosti v dané oblasti? 5. Potřeba surovin a) Domácích b) Importovaných Otázka:

6. Rozbor nákladů a výnosů a) Analýza vlastních a vyvolaných nákladů b) Analýza zdrojů 190

Studie proveditelnosti – podrobný rozbor Ekonomická stránka 4. Dopad na zaměstnanost a) Analýza situace zaměstnanosti v dané oblasti (jsou oblasti se zápornou nezaměstnaností, např. Singapur) b) Analýza struktury nezaměstnanosti (které profese nejsou vyžadovány). Otázka: Zlepší projekt situaci v nezaměstnanosti v dané oblasti? 5. Potřeba surovin a) Domácích b) Importovaných Otázka: Zaručuje lokalizace projektu dostatek surovin (a i např. vody). Odkud a s jakými náklady bude třeba dovážet importované suroviny a jak se to projeví v nákladech na výrobu? 6. Rozbor nákladů a výnosů a) Analýza vlastních a vyvolaných nákladů b) Analýza zdrojů 191

Studie proveditelnosti – podrobný rozbor Ekonomická stránka Otázka:

Adminstrativní a manažerská stránka 1. Vnitřní organizace a) Struktura b) Pravomoci c) Komunikační kanály d) Flexibilita Otázka:

2. Externí vazby a) Vládní podpora, dotace b) Vládní omezení a nařízení

192

Studie proveditelnosti – podrobný rozbor Ekonomická stránka Otázka: Existují dostatečné zdroje informací, dostatečně silné zpětné vazby a taková metodika, která udrží náklady v plánované výši a přitom také zaručí předpokládané zhodnocení vložených finančních prostředků? Adminstrativní a manažerská stránka 1. Vnitřní organizace a) Struktura b) Pravomoci c) Komunikační kanály d) Flexibilita Otázka:

2. Externí vazby a) Vládní podpora, dotace b) Vládní omezení a nařízení

193

Studie proveditelnosti – podrobný rozbor Ekonomická stránka Otázka: Existují dostatečné zdroje informací, dostatečně silné zpětné vazby a taková metodika, která udrží náklady v plánované výši a přitom také zaručí předpokládané zhodnocení vložených finančních prostředků? Adminstrativní a manažerská stránka 1. Vnitřní organizace a) Struktura b) Pravomoci c) Komunikační kanály d) Flexibilita Otázka: Bude vnitřní organizační struktura navržená k implementaci projektu dostatečně komplexní aby zajistila potřebné vedení a jednotné řízení? 2. Externí vazby a) Vládní podpora, dotace b) Vládní omezení a nařízení

194

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka c) Podpora z jiných zdrojů (např. z EU) d) Předpisy, nařízení a omezení spojené s dotací z EU Otázka:

3. Personál a) Potřeby/schopnosti b) Popis pozic c) Místní pracovníci versus pracovníci z jiných našich lokalit, případně zahraniční d) Politika zaměstnanosti. Otázka:

4. Management a) Management projektu 195

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka c) Podpora z jiných zdrojů (např. z EU) d) Předpisy, nařízení a omezení spojené s dotací z EU Otázka: Kdo zajistí tyto zdroje a kdo bude mít plnou zodpovědnost za jejich správné čerpání? 3. Personál a) Potřeby/schopnosti b) Popis pozic c) Místní pracovníci versus pracovníci z jiných našich lokalit, případně zahraniční d) Politika zaměstnanosti. Otázka:

4. Management a) Management projektu 196

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka c) Podpora z jiných zdrojů (např. z EU) d) Předpisy, nařízení a omezení spojené s dotací z EU Otázka: Kdo zajistí tyto zdroje a kdo bude mít plnou zodpovědnost za jejich správné čerpání? 3. Personál a) Potřeby/schopnosti b) Popis pozic c) Místní pracovníci versus pracovníci z jiných našich lokalit, případně zahraniční d) Politika zaměstnanosti. Otázka: Je k dispozici, případně bude možné zajistit, adekvátní personál s potřebnými znalostmi a dovednostmi pro implementaci všech aktivit, které v projektu jsou? 4. Management a) Management projektu 197

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka b) Techniky řízení c) Plánování, harmonogram, termínové plánování Otázka:

Charakteristika prostředí 1. Fyzikálně/chemická a) Voda b) Země c) Vzduch d) Hluk Otázka:

198

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka b) Techniky řízení c) Plánování, harmonogram, termínové plánování Otázka: Jsou vnitřní komunikační kanály na takové úrovni, že garantují kvalitní komunikaci nutnou pro řízení a jsou stanoveny dostatečně jasně pravomoci a zodpovědnosti? Charakteristika prostředí 1. Fyzikálně/chemická a) Voda b) Země c) Vzduch d) Hluk Otázka:

199

Studie proveditelnosti – podrobný rozbor Adminstrativní a manažerská stránka b) Techniky řízení c) Plánování, harmonogram, termínové plánování Otázka: Jsou vnitřní komunikační kanály na takové úrovni, že garantují kvalitní komunikaci nutnou pro řízení a jsou stanoveny dostatečně jasně pravomoci a zodpovědnosti? Charakteristika prostředí 1. Fyzikálně/chemická a) Voda b) Země c) Vzduch d) Hluk Otázka: Je prostředí takové, že zaručuje úspěch projektu?

200

Studie proveditelnosti – podrobný rozbor Charakateristika prostředí 2. Ekologická a) Populace b) Lokalita a komunity c) Ekosystém Otázka:

3. Estetická 1. Celková kompozice 2. Živočišný a rostlinný život v oblasti 3. Estetický dopad na původní stavby Otázka:

201

Studie proveditelnosti – podrobný rozbor Charakteristika prostředí 2. Ekologická a) Populace b) Lokalita a komunity c) Ekosystém Otázka: Jaký bude dopad projektu na krátkodobé a dlouhodobé dopady na vodu, živou a neživou přírodu, erozi, kvalitu vzduchu atd.? 3. Estetická 1. Celková kompozice 2. Živočišný a rostlinný život v oblasti 3. Estetický dopad na původní stavby Otázka:

202

Studie proveditelnosti – podrobný rozbor Charakteristika prostředí 2. Ekologická a) Populace b) Lokalita a komunity c) Ekosystém Otázka: Jaký bude dopad projektu na krátkodobé a dlouhodobé dopady na vodu, živou a neživou přírodu, erozi, kvalitu vzduchu atd.? 3. Estetická 1. Celková kompozice 2. Živočišný a rostlinný život v oblasti 3. Estetický dopad na původní stavby Otázka: Nebude negativní estetický dopad na danou oblast tak významný, že po jeho dokončení vyvolá tento dopad aktivity, které mohou vést k omezení některých předpokládaných aktivit a tím k nesplnění původních záměrů projektu (např. problémy atomových elektráren) 203

Studie proveditelnosti – podrobný rozbor Charakteristika prostředí 4. Sociální a) Zajištění individuálního „dobrého pocitu“ b) Sociální interakce (mezi různými skupinami zaměstnanců nejsou rozdíly) c) Zajištění „dobrého pocitu“ celé společnosti Otázka:

Sociální a politická stránka 1. Sociální dopad a) Kultura a životní styl b) Demografie Otázka:

204

Studie proveditelnosti – podrobný rozbor Charakteristika prostředí 4. Sociální a) Zajištění individuálního „dobrého pocitu“ b) Sociální interakce (mezi různými skupinami zaměstnanců nejsou rozdíly) c) Zajištění „dobrého pocitu“ celé společnosti Otázka: Bude možné zajištění „dobrého pocitu“ společnosti v případě, že naprostá většina např. manuálních pracovníků je jiné barvy pleti než skupina manažerů a techniků? Sociální a politická stránka 1. Sociální dopad a) Kultura a životní styl b) Demografie Otázka:

205

Studie proveditelnosti – podrobný rozbor Charakteristika prostředí 4. Sociální a) Zajištění individuálního „dobrého pocitu“ b) Sociální interakce (mezi různými skupinami zaměstnanců nejsou rozdíly) c) Zajištění „dobrého pocitu“ celé společnosti Otázka: Bude možné zajištění „dobrého pocitu“ společnosti v případě, že naprostá většina např. manuálních pracovníků je jiné barvy pleti než skupina manažerů a techniků? Sociální a politická stránka 1. Sociální dopad a) Kultura a životní styl b) Demografie Otázka: Jaký bude sociální dopad projektu. Bude pozitivní pro společnost nebo danou komunitu? 206

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka 2. Politický dopad a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka:

3. Odpor společnosti a) Může projekt vyvolat odpor společnosti – příčiny, analýza. b) Jsou ve společnosti podmínky, které nahrávají takovému odporu. Otázka: 4. Odpor institucí a) Zákonná omezení b) Stabilita politické podpory 207

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka 2. Politický dopad a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka: Jaký sociální faktor v projektu bude bránit nebo podporovat, aby bylo dosaženo cílů projektu? 3. Odpor společnosti a) Může projekt vyvolat odpor společnosti – příčiny, analýza. b) Jsou ve společnosti podmínky, které nahrávají takovému odporu. Otázka: 4. Odpor institucí a) Zákonná omezení b) Stabilita politické podpory 208

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka 2. Politický dopad a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka: Jaký sociální faktor v projektu bude bránit nebo podporovat, aby bylo dosaženo cílů projektu? 3. Odpor společnosti a) Může projekt vyvolat odpor společnosti – příčiny, analýza. b) Jsou ve společnosti podmínky, které nahrávají takovému odporu. Otázka: Jaké jsou možné reakce na odpor společnosti vyvolaný projektem? 4. Odpor institucí a) Zákonná omezení b) Stabilita politické podpory 209

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka Otázka: Finanční stránka 1. Návrh a implementace projektu a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka:

2.

Rozpočet příjmů a výdajů („cash-flow“ study), ziskovost a) Z vlastních zdrojů b) Z externích zdrojů

Otázka: 210

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka Otázka: Do jaké míry je možné zaručit stabilitu politické podpory? Finanční stránka 1. Návrh a implementace projektu a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka:

2.


Otázka: 211

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka Otázka: Do jaké míry je možné zaručit stabilitu politické podpory? Finanční stránka 1. Návrh a implementace projektu a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka: Jaký sociální faktor v projektu bude bránit nebo podporovat, aby bylo dosaženo cílů projektu? 2.


Otázka: 212

Studie proveditelnosti – podrobný rozbor Sociální a politická stránka Otázka: Do jaké míry je možné zaručit stabilitu politické podpory? Finanční stránka 1. Návrh a implementace projektu a) Právo na spravedlnost b) Soudnictví c) Politické organizace Otázka: Jaký sociální faktor v projektu bude bránit nebo podporovat, aby bylo dosaženo cílů projektu? 2.


Otázka: Jaké jsou domácí a externí zdroje, jaký bude náběh těchto zdrojů, jsou tyto zdroje schopné zabezpečit projekt? 213

Studie proveditelnosti – podrobný rozbor Finanční stránka 3. Zdroje financování a) Státní b) Soukromé c) Zahraniční d) Jiné Otázka:

4. Přiměřenost fondů a) Výše fondů b) Možnost náběhu z fondů podle předem daného časového plánu. Otázka:

214

Studie proveditelnosti – podrobný rozbor Finanční stránka 3. Zdroje financování a) Státní b) Soukromé c) Zahraniční d) Jiné Otázka: Jaká bude výše nutného úvěru pro započetí projektu, jaký typ úvěru je výhodný pro financování a jak bude splácen? 4. Přiměřenost fondů a) Výše fondů b) Možnost náběhu z fondů podle předem daného časového plánu. Otázka:

215

Studie proveditelnosti – podrobný rozbor Finanční stránka 3. Zdroje financování a) Státní b) Soukromé c) Zahraniční d) Jiné Otázka: Jaká bude výše nutného úvěru pro započetí projektu, jaký typ úvěru je výhodný pro financování a jak bude splácen? 4. Přiměřenost fondů a) Výše fondů b) Možnost náběhu z fondů podle předem daného časového plánu. Otázka: Je součástí projektu adekvátní systém, který umožní sledovat náběhy a výdaje, splácení půjček a generovat další nutné informace o finančních tocích? Jaké budou provize z půjček?

216

SIX SIGMA Základní charakteristika Six Sigma je iniciativa, které byla vyvinuta v Motorole na počátku 90. let. Pozornost k ní přitáhly úspěchy, které s touto strategií získaly firmy General Electric, AlliedSignal a Motorola. Six Sigma strategie zahrnuje použití statistických nástrojů a strukturované metodologie k získání znalostí potřebných k dosažení lepších, rychlejších a méně nákladných výrobků a služeb než konkurence. Opakované užívání této strategie na projekty, kde výběr projektů je prováděn na základě klíčových obchodních parametrů, zvětšuje zisk a pokrývá mnohonásobně náklady na školení této strategie. Metrika Six Sigma Předpokládejme, že úroveň kvality je 99 %, což je někdy nazýváno „dobrou kvalitou“. Při této úrovni mohou nastat v USA následující události: 217

SIX SIGMA Metrika Six Sigma Bude ztraceno 20 000 e-mailových zpráv za hodinu. Denně poteče z kohoutku 15 minut zdravotně závadná voda. Za týden bude provedeno 5000 neúspěšných chirurgických zákroků. Každý den budou na každém větším letišti 2 příliš krátká a 2 příliš dlouhá přistání. Každý rok bude předepsáno 200 000 nesprávných lékařských předpisů. Každý měsíc bude na přibližně 7 hodin vypnuta elektřina. Poloha

Procent

Defektů (ppm)

± 1 sigma

66.27

317300

± 2 sigma

95.45

45500

± 3 sigma

99.73

2700

± 4 sigma

99.9937

63

± 5 sigma

99.999943

0.57

± 6 sigma

99.9999998

0.002

218

SIX SIGMA Metrika Six Sigma Průměrná továrna vyrábějící elektroniku a počítače pracuje na úrovni 3.5 – 4.5 sigma. Nejlepší pracují na úrovni 6 sigma. Aerolinie pracují na úrovni mezi 5 a 6 sigma (je zde 0.43 ppm nehod). Bude-li docházet k posunu střední hodnoty o ± 1,5 sigma, změní se situace takto: 219

SIX SIGMA Metrika Six Sigma Tabulka pak vypadá následovně

Poloha

Procent

Defektů (ppm)

± 1sigma

30.23

697700

± 2sigma

69.13

308700

± 3 sigma

93.32

66810

± 4 sigma

99.379

6210

± 5 sigma

99.9767

233

± 6 sigma

99.9996600

3.4

220

Proces implementace metodiky Six Sigma Fáze 0

Vyhodnocení a zahájení Rozvržení sil

Implementace projektu fáze měření

Fáze 1 Implementace projektu fáze analytická

Implementace projektu fáze vylepšování

Implementace projektu fáze kontrolní

221

Proces implementace metodiky Six Sigma Fáze 0 – vyhodnocení a zahájení Výběr příkladu projektu pro S4 workshop (S4 … Smart Six Sigma Solution). Realizace workshopu. Výběr pracovníků, kteří budou zodpovědní za projekt („ black belts“). Příprava plánu implementace.

Fáze 0 – rozvržení sil Školení pracovníků realizujících S4. Školení zodpovědných pracovníků. Definuj projekt. Stanov vnitřní podpůrné struktury.

222

Proces implementace metodiky Six Sigma Fáze 1 – měřicí fáze Vytvoř „flow chart“ (vývojový diagram) procesu. Stanov metriku kontrolních činností. Odhadni účinnost stanovené metriky. Vytvoř Paretův diagram. Identifikuj potenciál FMEA. Fáze 1 – analytická fáze Vytvoř multivariantní diagramy (diagramy pro více proměnných). Definuj konfidenční intervaly pro stanovenou metriku. Proveď testy hypotéz. Urči proměnné a jejich složky. Odhadni korelace proměnných. Proveď regresní analýzu. Zaveď metodiku ANOVA 223

Proces implementace metodiky Six Sigma Fáze 1 – fáze zlepšování Vyber technologické faktory a stanov jejich úrovně. Vytvoř plán faktorových experimentů. Realizuj faktorové experimenty. Nalezni vyhovující matematické modely. Fáze 1 – kontrolní fáze Urči kontrolní plán. Implementuj regulační diagramy. Aplikuj CUSUM a EWMA, je-li to potřeba. Aplikuj Hotelingův diagram, je-li to potřeba. Zaveď procesy pro vyhledávání chyb.

224

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Naskievičová, D.: Statistické metody v řízení jakosti. VŠB TU Ostrava 1. 2. 3. 4. 5. 6. 7.

Kontrolní formuláře a záznamy. Histogramy. Postupové (vývojové) diagramy (flow charts). Paretovy diagramy. Diagramy příčin a následků (Ishikawovy diagramy). Bodové diagramy. Regulační diagramy (control charts).

Kaoru Ishikawa

Kontrolní formuláře a záznamy Jsou základem informačního systému o jakosti. Je třeba dobře uplatňovat systém stratifikace. Je třeba vytvořit systém autokontroly, aby tento systém minimalizoval chyby kontrolního systému a lidského faktoru. Je třeba vypracovat vhodné formuláře. 225

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Kontrolní formuláře a záznamy Kontrolní tabulky výskytu závad. Kontrolní tabulky lokalizace závad. Kontrolní tabulka příčin závad. Tabulka rozdělení procesu (škrtáním vzniká histogram). Histogramy Jsou sloupcové diagramy četnosti sledovaného znaku jakosti v určitém rozpětí hodnot.

226

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Histogramy Postup: Vypoč Vypočteme rozpě rozpětí datové datového souboru.

R = x max − x min Stanoví Stanovíme šíř šířku tř třídy (vnitř (vnitřního intervalu h). Hodnotu R rozdělíme do intervalů stejné šířky (tříd) tak, aby hodnota xmin ležela v 1. intervalu a hodnota xmax v posledním intervalu. Hodnotu šířky intervalu h dostaneme tak, že rozpětí R dělíme 1, 2, nebo 5 nebo jejich násobky (10, 20, 50 nebo 10-1, 2.10-1, 5.10-1 atd.) tak, abychom získali 7 – 20 třídních intervalů. Jsou-li 2 možnosti, bere se vyšší počet tříd v případě, že naměřených hodnot je více než 100, v opačném případě se bere menší počet tříd. Stanoví Stanovíme hranice intervalů intervalů tak, aby xmin bylo v 1. tř třídě a xmax v poslední poslední. Stanoví Stanovíme stř středy tř tříd (tř (třídní dních intervalů intervalů). Sestaví Sestavíme tabulku četností etností v jednotlivých tř třídách. Sestrojí Sestrojíme histogram. 227

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Postupové diagramy Jsou diagramy, které graficky reprezentují proces se všemi vstupy, výstupy, vazbami a rozhodovacími kroky. Jsou analogické diagramům užívaným v SW technice při vývoji programů. Vývojové diagramy jsou také užívány při analýze činností zaměřených na statistické zvládnutí výrobního procesu.

228

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Diagram příčin a následků (Ishikawův diagram) – viz str. 124 V praxi se užívá 3 typů diagramů příčin a následků: a. Pro analýzu variability procesu. b. Pro klasifikaci procesu. c. Pro vyšetřování příčin variability procesu.

229

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Diagram příčin a následků (Ishikawův diagram) ad a. Užívá se nejčastěji. Nejprve je třeba definovat problém a pak jsou hledány příčiny, které mohou vést k určitému následku. ad b. Slouží k hlubšímu poznání průběhu procesu. Na vedlejších úrovní větví zobrazujeme prvky procesu (operace, materiál) a na dalších úrovních pak faktory, které ovlivňují jakost uvedených prvků procesu. K tomu se často užívá brainstormingu. ad c. Souvisí s bodem a., ale jsou zde hlouběji hledány příčiny variability procesu, který je již poznán z diagramu provedeného na úrovni bodu a.

230

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Paretův diagram (diagram 20/80) Většina problémů s jakostí je způsobena malým počtem příčin. Bylo dokázáno, že zhruba 80 % problémů je způsobena 20 % příčin, proto má tento diagram také název 20/80 (viz str. 125). Relativní četnost neshod (%) 100 80 60 40 20

0

1

2

3

4

5 6 Typ chyby

7

8

9

10

231

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Paretův diagram (diagram 20/80)

Postup při aplikaci Paretovy analýzy je následující: 1. Setřídíme údaje dle typů vad a jejich četností (nebo např. dle výše nákladů spojených s vadami). 2. Vypočteme kumulované četnosti hodnot ukazatele a vyjádříme je v %. 3. Sestrojíme Paretův diagram následujícím postupem: a) Osu x rozdělíme na stejné intervaly, jejich počet odpovídá počtu druhů neshod. b) Levou vertikální osu označíme četností vad. c) Pravou vertikální osu označíme stupnicí kumulovaných součtů v %. d) Sestrojíme sloupce četností vad. e) Sestrojíme křivku kumulovaných součtů.

232

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Bodový diagram Bodový diagram se užívá v případech, kdy chceme nahradit měření jedné veličiny měřením jiné veličiny, které je méně náročné. Podmínkou je, aby obě veličiny spolu byly dobře korelované. Postup: Provedeme měření alespoň 30 párů obou veličin. Ověříme korelační koeficient obou skupin naměřených hodnot. Pokud bude dostatečně veliký a bude prokázána dostatečná korelace, lze měření jedné veličiny nahradit s dostatečnou přesností měřením druhé veličiny. POZOR Čím nižší je počet naměřených dvojic hodnot, tím vyšší musí být korelační koeficient, aby bylo možné hovořit o tom, že obě náhodné veličiny jsou korelované). To, že je dostatečně vysoký korelační koeficient znamená, že mezi veličinami existuje silnější lineární závislost. Je-li korelační koeficient malý, znamená to, že mezi sledovanými veličinami není ani slabá lineární závislost, může tam být ale jiná! 233

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Regulační diagram Regulační diagram je základem pro statistickou regulaci procesu. Tato regulace representuje preventivní přístup, protože na základě zjištěných odchylek od předem stanovené úrovně v průběhu procesu je do procesu zasahováno s cílem získat statisticky regulovaný proces. Podmínkou statistické regulace je dobré poznání procesu, zejména jeho nedostatků a jejich příčin. Statistická regulace je bezprostřední a průběžná kontrola procesu založená na matematickém vyhodnocování jakosti výrobků. Regulační diagramy byly vytvořeny W. A. Shewhartem již v roce 1926. Podmínkou vstupů pro regulační diagramy je, aby data byla normálně rozdělená. Normalita dat je preventivně zajišťována, na základě centrální limitní věty, tzv. „grupováním “ (data jsou shlukována do podskupina a je pracováno s charakteristikami podskupin).

234

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Regulační diagram Grupování

235


236


237


238

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Regulační diagram Postup při tvorbě regulačního diagramu: Odebíráme výrobky a zjišťujeme sledovaný znak jakosti. Provedeme grupování zjištěných hodnot sledovaného znaku jakosti, to znamená, že z nich vytvoříme podskupiny. Důvod: z centrální limitní věty plyne: jestliže hodnoty znaku jakosti v podskupinách zprůměrujeme, pak rozdělení průměrů aproximuje k normálnímu rozdělení tím více, čím je větší rozsah podskupin. Zpravidla postačuje rozsah podskupin 4 až 5.

Střední hodnota výběrových průměrů se rovná střední hodnotě všech zjištěných hodnot (analogie koeficientu b0 u tvorby matematického modelu na základě faktorových experimentů). Směrodatná odchylka rozdělení výběrových průměrů σ směrodatná odchylka jednotlivých hodnot σ.

σx =

x

je

n krát menší než

σ n 239

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Regulační diagram Při tomto procesu jsou data shlukována do podskupin (zpravidla o velikosti 4 až 5 jednotek), jsou určovány průměry těchto podskupin a v dalším se již pracuje s těmito průměry. Tímto postupem je původní rozdělení dat, které nemusí být normální, aproximováno směrem k normálnímu rozdělení. Výběrová charakteristika UCL

UCL … Upper Control Limit – horní regulační mez (zpravidla +3 sigma) LCL … Lower Control Limit – dolní regulační mez (zpravidla - 3 sigma) CL … Central Line (Target Value)

CL

LCL

1

2

3

4

5

6

7

Číslo podskupiny

8

9 240

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Regulační diagram Na vertikální osu regulačního diagramu se vynáší výběrová charakteristika sledovaného znaku jakosti, nejčastěji výběrový průměr, směrodatná odchylka, nebo rozpětí. Analýza regulačního diagramu Výběrová charakteristika UCL

Překroč ekročení ení regulač regulační meze je dů důvodem ke zkoumá zkoumání procesu, případně padně pro zá zásah do procesu.

CL

LCL

1

2

3

4

5

6

7

8

9

Číslo podskupiny 241

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Analýza regulačního diagramu

Výběrová charakteristika UCL

JeJe-li 7 po sobě sobě jdoucí jdoucích bodů bodů v horní horní nebo dolní dolní polovině polovině diagramu, je to dů důvod k zásahu do procesu

CL

LCL

1

2

3

4

5

6

7

8

9

Číslo podskupiny

242


Výběrová charakteristika UCL

JeJe-li 10 z 11 po sobě sobě jdoucí jdoucích bodů bodů v horní horní nebo dolní dolní polovině polovině diagramu, je to dů důvod k zásahu do procesu

CL

LCL

1

2

3

4

5

6

7

8

9

Číslo podskupiny

243


Výběrová charakteristika

JeJe-li 7 po sobě sobě jdoucí jdoucích bodů bodů pouze stoupají stoupajících nebo klesají klesajících, je to důvod k zá zásahu do procesu

UCL

CL

LCL

1

2

3

4

5

6

7

8

9

Číslo podskupiny

244


Výběrová charakteristika

Oscilují Oscilující regulač regulační diagram je dů důvodem k zásahu do procesu

UCL

CL

LCL

1

2

3

4

5

6

7

8

9

Číslo podskupiny

245


JeJe-li vě většina bodů bodů uvnitř uvnitř pásu ± 1.5 sigma a ne ± 3 sigma, je proces

regulován na zbytečně vysokou kvalitu.

246

x

Vybrané statistické nástroje pro metodiku S4

247

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) REGULACE MĚŘENÍM

Regulace se provádí buď měřením, nebo srovnáváním. Regulace měřením má tyto výhody: Zná Známe hodnoty sledované sledovaného znaku jakosti. Lze snadně snadněji vysledovat př příčiny nejakosti. Lze sledovat trendy. Nevýhody regulace měř měřen ěření ením: Náročná na měřicí přístroje. Náročná na čas. Obsluha musí být přiměřeně kvalifikovaná.

248

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) REGULACE MĚŘENÍM Regulační diagramy pro regulaci měřením se sestavují do dvojic. Typické dvojice jsou: diagram ( , s) a diagram ( , R) . Kromě těchto existuje ještě diagram výběrový medián Me a rozpětí R (Me, R), pro výběrový mediál Me a variační koeficient v (Me, v) a další. REGULAČNI DIAGRAM PRO VÝBĚROVÝ PRŮMĚR

A VÝBĚROVÉ ROZPĚTÍ R

Pro podskupiny malých rozsahů (n ≤ 8). Diagram pro … analýza polohy procesu, procesu diagram pro R … analýza stejnomě stejnoměrnosti procesu. Minimá Minimální lní rozsah podskupiny: 44-5 měř měřen ěření ení Minimá Minimální lní poč počet podskupin: 20 - 25 249

x

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) 1) Regulačni diagram pro výběrový průměr

(pro diagram

, R)

Předpoklad: rozdělení výběrových průměrů podskupin je normální. Hodnota stř střední ední přímky CL: k

∑x j =1

CL = χ =

j

k

Zde … výběrový průměr j-té podskupiny, k … počet podskupin. Hodnotu ze vztahu:

určíme

n

xj =

∑x i =1

ij

n

Zde xij … jednotlivá i-tá hodnota znaku jakosti v j-té podskupině, n … počet jednotek v podskupině. 250

x

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Pro regulační meze platí:

UCL = χ + 3σ x

LCL = χ − 3σ x V praxi se většinou odhaduje σ x pomocí průměrného výběrového rozpětí R a přepočítacích koeficientů A2 stanovených na základě velikosti podskupiny (jsou tabelovány). Pro regulač regulační meze pak platí platí:

UCL = χ + A2 R

LCL = χ − A2 R Regulačni diagram pro výběrové rozpětí R (pro diagram Ukazuje změny ve variabilitě procesů.

, R)

Pro střední přímku platí:

CL = R

251

x

Vybrané statistické nástroje pro metodiku S4 SEVEN ISHIKAWA TOOLS (7 Ishikawových nástrojů pro řízení jakosti) Pro regulační meze platí:

UCL = D4 .R LCL = D3. R Koeficienty D3 a D4 jsou tabelovány. REGULAČNÍ DIAGRAM PRO VÝBĚROVÝ PRŮMĚR SMĚRODATNOU ODCHYLKU s

A VÝBĚROVOU

Tyto diagramy se užívají pro větší rozsahy podskupin. Směrodatná odchylka je citlivější na variabilitu procesů než rozpětí. Regulačni diagram pro výběrový průměr Střední přímka:

(pro diagram

, s)

k

CL = χ =

∑x j =1

j

k 252

x

Vybrané statistické nástroje pro metodiku S4 Horní regulační mez:

UCL = χ + A3 s Dolní regulační mez:

LCL = χ − A3 s Zde A3 je opět tabelován. Průměrnou směrodatnou odchylku stanovíme ze vztahu:

s=

1 k 2 ∑sj k j =1

Kde k … počet podskupin, sj2 … výběrový rozptyl v j-té podskupině. Pro tento rozptyl platí:

sj

2

1 n 2 = .∑ (xij − x j ) n − 1 j =1

Zde xij … i - tá naměřená hodnota v j – té podskupině, x j je výběrový průměr v j - té podskupině, n … rozsah podskupiny. 253

x

Vybrané statistické nástroje pro metodiku S4 Regulačni diagram pro výběrovou směrodatnou odchylku s (pro diagram

, s)

Střední přímka:

CL = s =

1 k 2 ∑sj k j =1

Horní regulační mez:

UCL = B3 .s Dolní regulační mez:

LCL = B4. s Zde B3, B4 jsou tabelovány.

REGULACE SROVNÁVÁNÍM Existují 4 typy regulačních diagramů pro regulaci srovnáváním: p diagram – pro podíl neshodných jednotek v podskupině 254

x

Vybrané statistické nástroje pro metodiku S4 REGULACE SROVNÁVÁNÍM np diagram – pro podíl neshodných jednotek v podskupině stejného rozsahu c diagram – pro počet neshod v podskupině u diagram – pro počet neshod na jednotku v podskupině (např. počet chyb v 1 m2 podlahové krytiny). Při regulaci srovnáváním se užívá vždy je jednoho diagramu, ne dvojice jako při regulaci měřením. Regulačni diagram pro podíl neshodných jednotek v podskupině – p diagram Střední přímka: k

∑x CL = p =

j =1

j

k

∑x

k

∑n j =1

Zde: k ... počet podskupin, xj ... počet neshodných jednotek v j-té poskupině, nj ... velikost j-té podskupiny,

j

j =1

j

... celkový počet neshodných jednotek

j

... celkový počet kontrolovaných jednotek ve všech podskupinách 255

k

∑n j =1

x

Vybrané statistické nástroje pro metodiku S4 Regulačni diagram pro podíl neshodných jednotek v podskupině – p diagram Regulační meze lze určit ze vztahů: UCL = p + 3 p(1 − p) / n

LCL = p − 3 p(1 − p) / n Kde: n ... průměrná velikost kontrolovaných podskupin. Je-li počet kontrolovaných podskupin k, pak

k

∑n n=

j =1

j

k

Regulačni diagram pro podíl neshodných jednotek v podskupině stejného rozsahu – np diagram Střední přímka: k

∑x CL = n p =

j =1

k

j

256

x

Vybrané statistické nástroje pro metodiku S4 Regulačni diagram pro podíl neshodných jednotek v podskupině stejného rozsahu – np diagram Regulační meze lze určit ze vztahu:

UCL = n p + 3 n p(1 − p) LCL = n p − 3 n p(1 − p) Regulačni diagram pro počet neshodných jednotek v podskupině – c diagram Podskupinu může tvořit i jeden výrobek, na kterém se určuje počet vad (např. deska plošného spoje, na které se určuje počet přerušených spojů). Podskupiny musí být stejné velikosti Střední přímka:

CL = c

Regulační meze:

UCL = c + 3 c

LCL = c − 3 c 257

x

Vybrané statistické nástroje pro metodiku S4 Regulačni diagram pro počet neshodných jednotek na jednotku plochy – u diagram Tento diagram se vytváří podle průměrného počtu neshod na objektech nestejné velikosti. Počet neshod se však udává na normovanou jednotku hodnoceného objektu (např. na 1 m2, 1 kg apod.). Střední přímka:

CL = c / n

Regulační meze:

UCL = u + 3 u / n

LCL = u − 3 u / n

258

x

Vybrané statistické nástroje pro metodiku S4 Regulační diagram typu p – diagram pro atributy. Tento diagram je získaný porovnáním. Protože jsou hodnoty sledovaného parametru jakosti uvnitř regulačních mezí, proces je pod statistickou kontrolou (k příkladu 1). Vypočtené hodnoty: p = 0.02, n = 800, UCL = 0.03485, LCL = 0.00515

259

x

Vybrané statistické nástroje pro metodiku S4 Regulační diagram typu ( x , R) – diagram pro proměnné. Tento diagram je získaný měřením. (k příkladu 2). Nejprve je zpracován diagram pro R a je sledováno, jestli sledovaný parametr jakosti procesu někde nepřesáhl regulační meze. Pokud ne – zpracuje se diagram x . Pokud ano – a není-li to jen v 1 singulárním bodě, problém je třeba řešit. Zpracuje se diagram x . Opět je třeba kontrolovat, zda někde nepřesáhl regulační mez. Pokud je to jen v 1 singulárním bodě, zpravidla se neřeší, je-li to ve více bodech, je třeba problém řešit. Pozor! Po nalezení důvodu, proč regulační diagram přesáhl regulační mez a jeho odstranění, je příslušná hodnota sledovaného parametru jakosti z tabulky vyloučena (ubude jedna podskupina). Tím se změní poměry v tabulce i statistické charakteristiky (střední hodnota, směrodatná odchylka, regulační meze ...). Proto je třeba tyto hodnoty znovu přepočítat a nakreslit znovu regulační diagramy pro změněnou tabulku (oba diagramy!). 260

x

Vybrané statistické nástroje pro metodiku S4 KOEFICIENTY ZPŮSOBILOSTI To, zda zásah do procesu, který měl zlepšit jeho kvalitu, byl úspěšný, je určováno hodnocením způsobilosti procesu před a po zásahu. Způsobilost procesu se udává pomocí pomocí koeficientů koeficientů způ způsobilosti, sobilosti základním z nich je koeficient cp

cp =

T 6σ

Zde T ... tolerance, σ ... střední kvadratická odchylka

Proces je považován za způsobilý, jestliže cp ≥ 1.33 (horší firmy považují za způsobilé i procesy s cp ≥ 1.0, některé naopak s cp ≥ 1.67 . Tento koeficient neříká nic o poloze procesu vzhledem k tolerančnímu poli. Proto je často užíváno koeficientu cpk, (kritický koeficient způsobilosti), který je dán vztahem:

 T − µ µ − TD  c pk = min H ,  3 σ 3 σ  

Zde TH, TD ... horní a dolní toleranční mez, ... target value (cílová hodnota procesu) 261

x

Vybrané statistické nástroje pro metodiku S4 KOEFICIENTY ZPŮSOBILOSTI Obvykle je cpk menší než cp. Stejně jako u koeficientu způsobilosti cp je předpokládáno, že dobrý proces má cpk ≥ 1.33, horší proces alespoň cpk ≥ 1.0, velice dobrý proces cpk ≥ 1.67 . Pro určení koeficientů způsobilosti musí být nejprve provedeno toto: specifikace parametru jakosti (nebo parametrů jakosti) jednoznačné určení tolerančních mezí způsob měření charakteristik statistické vlastnosti charakteristik (např. typ rozdělení, typ procesu ap.)

K tomu, aby bylo možné použít vztahů pro koeficienty způsobilosti, musí být splněny následující nutné podmínky: 262

x

Vybrané statistické nástroje pro metodiku S4 KOEFICIENTY ZPŮSOBILOSTI

hodnocené charakteristiky musí mít normální rozdělení hodnocené charakteristiky musí být charakteristikami proměnných, nikoli atributů – tedy musí být získány měřením, nikoli porovnáváním. numericky vypočítané hodnoty počtu chyb nemohou být v praxi dosaženy, protože tyto hodnoty jsou platné pouze pro dokonalé normální rozdělení dat. To však v praxi není dosažitelné. je zřejmé, že čím vyšší hodnota koeficientu způsobilosti, tím nižší četnost chyb. dle Motoroly není možné držet střední hodnotu procesu na požadované „target value“. Připuštěna je fluktuace okolo střední hodnoty ± 1,5 σ. Proto není teoretická četnost defektů 99,9999998, ale 3.4 ppm. 263

x

Vybrané statistické nástroje pro metodiku S4 KOEFICIENTY ZPŮSOBILOSTI

Koeficient způsobilosti cp cpk

Hodnocení procesu

Teoretická četnost defektů (ppm)

Hodnocení dle střední kvadratické odchylky

1.0

Nedostatečná kvalita

2700

3 sigma

1.33

Podmínečně dostatečná kvalita

63.34

4 sigma

2.0

Dostatečná kvalita

3.4

6 sigma (Motorola)

1.67


0.5734

5 sigma

2.0


0.0019

6 sigma 264

Vybrané statistické nástroje pro metodiku S4 URČENÍ POČTU MĚŘENÝCH NEBO TESTOVANÝCH VZORKŮ Jak tedy poznáme, že dat je dostatečný počet? Je zřejmé, že, budeli dat zbytečně mnoho – ztráta času a peněz, bude-li jich příliš málo – nedostatečná přesnost. Je-li proveden výběr dat a je zjištěna střední hodnota výběru x , tato hodnota se bude lišit od hodnoty µ (střední hodnoty) celého souboru – samozřejmě je předpokládáno, že výběr má normální rozdělení. Chyba E, která představuje maximální rozdíl mezi střední hodnotou náhodného výběru a střední hodnotou souboru se určí ze vztahu:

Zde zα/2 je kritická hodnota standardizovaného normálního rozdělení N(0,1), α/2 representuje plochu (viz obrázek) ohraničenou souřadnicí zα/2 a křivkou standardizovaného normálního rozdělení N(0, 1), σ je směrodatná odchylka základního souboru, n ... velikost výběru.

265

Vybrané statistické nástroje pro metodiku S4 URČENÍ POČTU MĚŘENÝCH NEBO TESTOVANÝCH VZORKŮ Příklad: Chceme se stát internetovým providerem a potřebujeme znát, jaké je týdenní využívání internetu v domácnostech. Kolik musíme sledovat náhodně vybraných domácností, aby výsledek byl v toleranci 1 minuty od skutečného času. Předpokládejme, že poslední průzkum zjistil, že střední kvadratická odchylka při určování doby užívání internetu byla σ = 6.95 minuty (tedy známe σ základního souboru). Řešení: 95% konfidenční interval representuje v rozdělení N(0,1) plochu 1 - α. Každá z vybarvených částí na obrázku má plochu 0.025=α/2. Šrafovaná část má tedy plochu: 0.5–0.025 = 0.475 Z tabulek standardizovaného normálního rozdělení zjistíme, že této ploše odpovídá kritická hodnota rozdělení N (O, 1) zα/2 = 1.96. 266

Vybrané statistické nástroje pro metodiku S4 URČENÍ POČTU MĚŘENÝCH NEBO TESTOVANÝCH VZORKŮ Přípustná tolerance mezi střední hodnotou náhodného výběru a střední hodnotou základního souboru (dělal-li by se průzkum pro všechny domácnosti užívající internet) je 1 minuta, proto E = 1. Dosazením do vztahu:

z σ   1.96 * 6.95  n =  α/2  =   = 186 1    E  2

2

Závěr: Je třeba sledovat 186 náhodně vybraných domácností.

267

10 kroků pro implementaci metodiky S4 (Motorola) 1. Seřaď dle priority možnosti zlepšování procesu Kvantifikuj známé příležitosti ke zlepšování. Specifikuj problémy, kde dochází ke snižování jakosti (jak mnoho, kde, kdy, jak často, jaký je dopad na zákazníka, na spolehlivost, odhadni náklady s tím spojené). Prostředky: Paretův diagram, náklady na kvalitu, studie o spolehlivosti, grafy. Zodpovídá: management

Vyber malou skupinu odborníků se znalostmi výrobků a procesů. Stanov role jednotlivců. V týmu a urči vedoucího a „championa“ – ten sleduje, jak jsou závěry týmu aplikovány (a s jakým úspěchem). Tým musí stanovit nejprve cíle, pak vstupní podmínky a omezující faktory. Prostředky: stanov správný počet odborníků, kteří nejsou jednostranně zaměření, urči konzultanty k této skupině. Zodpovídá: management 268

10 kroků pro implementaci metodiky S4 (Motorola) 3. Zabezpeč podrobný popis výrobního procesu Použij vývojové diagramy k ilustraci možných alternativ procesu. V popisu procesu uvažuj všechna zařízení, všechny pracovníky, metody, nástroje, polotovary (dodávané) a měřicí zařízení. Identifikuj všechny výstupy a vstupy. Identifikuj všechny vztahy mezi vstupy a výstupy. Analyzuj všechny možné variantní procesy a procedury. Prostředky: Vývojový diagram, Paretův diagram, historická data, definice procesu, diagramy trendů. Zodpovídá: Tým 4. Proveď analýzu měřicího systému Urči přesnost, opakovatelnost, reprodukovatelnost každého zařízení a ověř, že je vhodné pro daný případ získávání dat. Prostředky: kalibrace, analýza chyb měřicího systému Zodpovídá: Pověření odborní pracovníci s příslušnou kvalifikací. 269

10 kroků pro implementaci metodiky S4 (Motorola) 5. Identifikuj a popiš potenciálně kritické výrobky a procesy Vypracuj seznam a popis všech potenciálně kritických procesů – získáno brainstormingem, z historických dat, analýzou chyb, modelováním potenciálních problémů. Prostředky: Vývojový diagram, Ishikawův diagram (diagram rybí kosti), bodový diagram, analýzy příčin poruch, modelování operací, studie šíření chyb, vliv tolerancí. Zodpovídá: Tým 6. Isoluj a analyzuj kritické procesy Identifikuj vstupně-výstupní vazby operací, které mohou vést ke vzniku problémů. Identifikuj příčiny variability procesů, případně s použitím experimentů. Ověř spolehlivost dat. Stratifikuj data Prostředky: faktorové experimenty, síťové grafy, brainstorming, diagramy trendů Zodpovídá: Tým. 270

10 kroků pro implementaci metodiky S4 (Motorola) 7. Proveď studii způsobilosti procesu Identifikuj a definuj meze všech procesů. Zajisti, aby procesy byly schopné dosahovat své maximální kvality a výtěžnosti. Identifikuj a odstraň příčiny „zvláštních událostí“. Vypracuj realistické specifikace procesů. Prostředky: Faktorové experimenty, regulační diagramy, testy normality. Zodpovídá: Pověření odborní pracovníci s příslušnou kvalifikací. 8. Implementuj optimální výrobní podmínky a kontrolní (měřicí) metody Stanov: cílové hodnoty (target values). Stanov: kontroly procesu (mezioperační, výstupní). Preventivní a korektivní akce. Implementuj kontinuální preventivní akce, aby nedocházelo ke zvyšování variability Stabilizuj proces. Prostředky: SPC diagramy (viz 7 Ishikawa tools), zprávy o příčinách chyb, specifikace procesu, koeficienty způsobilosti, pravidla rozhodování, rozhodovací strom Zodpovídá: Tým. 271

10 kroků pro implementaci metodiky S4 (Motorola) 9. Monitoruj průběžně proces Zajisti průběžné monitorování procesu pro evidenci dopadů zásahů do procesu. Metody , systémy a procedury musí být modifikovány tak, aby preventivně chránily před náhodnými poruchami procesu. Definuj meze procesu. Identifikuj případné další akce, které proces vyžaduje. Prostředky: SPC diagramy (viz 7 Ishikawa tools), koeficienty způsobilosti,

re-evaluace: cílové hodnoty, tolerance, specifikace. Zodpovídá: Pověření odborní pracovníci s příslušnou kvalifikací.

272

10 kroků pro implementaci metodiky S4 (Motorola) 10. Redukuj obvyklé příčiny variability Je-li cp ≥ 2.0 a cpk ≥ 1.5 ... OK Není-li cp < 2.0 a cpk < 1.5 ... nutno provést analýzu příčin a nápravu. Musí být dostatečně přesně a adresně poznány meze procesu a eliminovány příčiny náhodných chyb, včetně speciálních (např. souvisejících s poruchami elektrické sítě), aby mohlo být dosaženo Six Sigma systému kvality. Stávající proces je možné přeměnit na proces umožňující Six sigma zpravidla jen redesignem. Prostředky: Manažerské vedení (jsou respektovány souvislosti), manažerská podpora, finanční zdroje, plán zlepšování Zodpovídá: Management.

273

1. Vytvoř priority zlepšování ility ab ari yv čin pří klé vy ob uj uk ed . R 10

SIX SIGMA FLOWER

9. Mo nit oru j

prů b

ěž ně p

roc es

pr oc es u

st i

zp ůs ob ilo st ud ii Pr ov eď

3.

ího robn ý v s popi

ý robn u d o p es oř proc Vytv

4. P rove ď an alýzu měři cího systé mu

y es oc pr a y bk ro vý é ck iti kr uj ik tif en Id 5. 6. Isoluj a analyzuj kritické procesy

bní í výro n l á tim tuj op měření n e ya plem 8. Im podmínk

7.

2. Se sta vv ho dn ýt ým

10 kroků pro implementaci metodiky S4 (Motorola)

274

Základní pojmy a definice

Systém statistických přejímek je definován v souboru norem podle jejich aplikace. ČSN ISO 2859 Statistické přejímky srovnáváním ČSN ISO 2859 - 0 Část 0 : Úvod do statistických přejímek srovnáváním ISO 2859 ČSN ISO 2859 - 1 Část 1 : Přejímací plány AQL pro kontrolu každé dávky v sérii ČSN ISO 2859 - 2 Ćást 2 : Přejímací plány LQ pro kontrolu izolované dávky ČSN ISO 2859 - 3 Část 3 : Občasná přejímka ČSN ISO 3951 Přejímací postupy a grafy při kontrole měřením pro procento neshodných jednotek ČSN ISO 8402 Přejímací plány postupným výběrem při kontrole srovnáváním ČSN ISO 8423 Přejímací plány postupným výběrem při kontrole měřením pro procento neshodných jednotek

275

Benchmarking Benchmarking je proces užívaný managementem, případně strategickým managementem, kdy organizace hodnotí jejich vlastní procesy a porovnává je s procesy jiných organizací, obvykle ve stejném sektoru. Původně byl užíván jen pro obchodní sektor. Cíl: nalézt metody, které zvýší efektivitu vlastních procesů. Benchmarking odstraňuje odstra uje paradigmatickou slepotu (naučený (nau ený mó mód myš myšlení lení). Typy benchmarkingu competitive benchmarking (konkurenční benchmarking) collaborative benchmarking ( benchmarking na základě spolupráce). Konkurenční bechmarking Bývá užíván pro konkurenční analýzu. Jsou sledováni moji hlavní konkurenti na trhu, nejlepší hráč na trhu, nejlepší subjekt v daném průmyslu (nemusí to být můj přímý konkurent). 276

Benchmarking Konkurenční bechmarking Po vytypování vhodného subjektu (případně více subjektů) je tento subjekt užit jako srovnávací standard mého procesu. Při vyhodnocení vyhodnocuji jednak svou kvalitu a jednak svou konkurenceschopnost. Bechmarking na základě spolupráce Benchmarking původně vznikl ve firmě Rank Xerox a obvykle je také realizován jednotlivými subjekty. V některých případech je však výhodné, aby byl prováděn skupinou subjektů (např. ve všech pobočkách nadnárodní firmy). Dva základní kroky 1.

Identifikuj a pojmenuj své problémové oblasti a. zde může být užíváno mnoho technik: i. informativní konverzace se zákazníky, zaměstnanci, dodavateli ap. ii. exploratorní analýza 277

Benchmarking Dva základní kroky iii. iv. v. vi. vii.

kvantitativní výzkum přehledy dotazníky mapování procesu finanční analýza

2.

Identifikuj organizaci, která je v dané oblasti (tvém procesu nebo problematice) nejlepší Hledej organizaci v dané oblasti v kterékoli zemi. Konzultuj se zákazníky, s dodavateli, finančními analytiky, obchodními společnostmi, studuj odbornou literaturu.

278

Benchmarking Postup Specifikace oblastí benchmarkingu, včetně stanovení cílů Mapování profilu služeb včetně formulace kvantitativních a kvalitativních ukazatelů Sběr a zpracování dat Porovnávání ukazatelů a identifikace nejlepšího řešení Analýza procesů - porovnávání s nejlepším procesem a identifikace rezerv ve vlastním výkonu Akční plány k zavedení změn a jejich realizace Vyhodnocení procesu a dosažených výsledků

Během procesu benchmarkingu si partneři vzájemně otevřeně vyměňují řadu informací. To může vyvolat obavy z jejich špatné interpretace nebo i zneužití. Proto nedílnou součástí procesu je vytvoření etického kodexu, který mimo jiné předem definuje kdy, v jakém rozsahu a v jaké formě budou zveřejněny výstupy a výsledky porovnávání. http://www.mvcr.cz/casopisy/s/2004/0013/kvalita.html

279

Benchmarking Předpokladem úspěchu benchmarkingu je aby projekt měl oporu ve vedení organizace do procesu byl zapojen příslušný personál a přijal změny za své kultura organizace napomáhala lidem učit se z kritického srovnávání a nemít pocit ohrožení. se omezil na určitý počet klíčových činností se prosazení změny dělo na základě projektu, s rozdělením odpovědností a s podrobným akčním plánem po stanovení cíle zlepšování byl subjekt řízen tak, aby přínosy změn byly vidět a bylo možné je “prodat” zákazníkovi a příslušnému personálu.

Benchmarking nejsou jen údaje o výkonech nebo nákladech. Získaná data je nutné převést na informace a na základě těchto informací teprve činit závěry. Smyslem benchmarkingu není kopírování ani soupeření, spíše realizace změn potřebných ke zlepšení výkonů

280

Reengineering Charakteristika

Reengineering vychází z orientace na zákazníka

281

Reengineering Charakteristika

Vybrané charakteristické reengineeringové procesy a postupy

282

Reengineering Vybrané charakteristické reengineeringové procesy a postupy

283

Reengineering REENGINEERING NENÍ

284

Reengineering Úrovně reengineeringu Existují následující základní úrovně reengineeringu: Reengineering pracovního procesu (WPR – Work Process Reengineering) – podstatné změny, které se soustředí jen na určité segmenty organizace (subjektu) Reengineering obchodního procesu (BPR – Bussiness Process Reengineering) – změny zasahují celou organizaci Totální obchodní reengineering (TBR – Total Bussiness Reengineering) – t.zv integrace dodavatelů a zákazníků do jednoho produktivního celku Reengineering zvnějšku dovnitř (Reengineering from the Outside In) – orientace na klíčové zákazníky.

http://www.fd.cvut.cz/english/events/Sbornik/2003/Doprava_a_Telekomunikace/david.pdf 285

Poka Yoke (ZDQ – Zero Defect Quality) Autorem je japonský inženýr Shigeo Shingo. Cílem je dosahování nuly vadných a možnosti eliminovat kontroly jakosti – cíl současných velkých výrobců (Intel, AMD, Bull ...)

Vyvarování se chyb: je nutno identifikovat kde, kdy, proč proč? Dominantní Dominantní většina chyb je způ způsobena chybami operá operátorů torů. 286

Poka Yoke (ZDQ – Zero Defect Quality) Typy chyb

287

Poka Yoke (ZDQ – Zero Defect Quality) Typy chyb

288

Poka Yoke (ZDQ – Zero Defect Quality) Odtranění chyb

http://www.fmmi.vsb.cz/639/qmag/mj41-cz.pdf 289

Demingových 14 bodů 1.

Zaměř se na trvalé zlepšování výroby a servisu

2.

Veď společnost (subjekt) k pozitivním změnám

3.

Nové produkty navrhuj se zvýšenou jakostí

4.

Minimalizuj náklady

5.

Zlepšuj systém kvality při snižujících se nákladech

6. 7.

Dbej na školení kolení pracovníků Cílem vedení musí být pomáhat pracovníkům k dosažení lepších výsledků

8. 9.

Nastol přátelskou atmosféru Zruš bariéry mezi odděleními

10.

Nepobízej pracovníky k lepší práci, pokud k tomu nevytvoříš podmínky

11.

Management nemůže vidět jen numerické cíle

12.

Odpovědnost vedoucích není jen za množství, ale i za kvalitu

13.

Vytvoř programy pro vzdělávání a podmínky pro sebevzdělávání

14.

Transformace je záležitostí každého

290

Demingových 14 bodů

http://www.dartmouth.edu/~ogeh ome/CQI/PDCA.html#The%20Ra mp%20of%20Improvement

291

Vývoj norem ISO 9000 a ISO 14 000 Systémy QMS (Quality Management System) – systém managementu kvality a EMS (Environment Management System) – systém managementu prostředí jsou často prezentovány jako málo efektivní. zejmé Ze studie, kterou provedlo MPO však vyplynulo, že přínosy zavedení QMS jsou zejm éna stabilita procesů procesů, niž nižší poč počet reklamací reklamací, jednoznač jednoznačné definová definování zodpově zodpovědností dností. př ináší EMS p řin áší zejména sniž snižová ování objemu odpadů odpadů, úspory energie, definová zodpově dností ivotní definov ání zodpov ědnost í za životn í prostř prostředí edí, sní snížení ení spotř spotřeby materiá materiálů Revize norem ISO 9000 na ISO 9000:2000 (u nás ISO 9001:2001) přinesla zjednodušení zavádění uvedených systémů a zvýšenou efektivnost. Lze předpokládat, že obě normy budou mít stále větší průnik 292

Náklady na jakost Náklady preventivní – vhodné materiály, vhodné postupy, statistická či jiná přejímka Náklady při přípravě výroby a při výrobě – kontrolní náklady, náklady na vadné výrobky Náklady na servis Náklady jsou zachycovány účetnictvím. Je možné vypočíst, o co efektivněji jsou využívány preventivní náklady oproti nákladům ve výrobě a zejména při servisu.

Nutnost zaměřit se na prevenci

293

Náklady na jakost náklady na prevenci jsou tvoř tvořeny zejmé zejména ná náklady na kvalitně kvalitnější materiá materiály, na dokonalejší dokonalejší a sofistikovaně sofistikovanější postupy, kvalitní kvalitním ná návrhem, jakost musí musí být vkonstruová vkonstruována. náklady na kontrolu – měřen ěření ení nebo srovná srovnávání, měř měřic ěřicí icí zař zařízení zení, výš výše kontrolní kontrolního času, pracovní pracovníci.

vnitřní

náklady na nejakostní výrobky – oprava vadných výrobků, případná recyklace

vnější

náklady na nejakostní výrobky – servis u

zákazníků, vracení výrobků a jejich výměna, ztráta dobrého jména 294

Statistická regulace

Kontrola parametrů

Výpočet statistických charakteristik

Regulační diagram

Případná regulace

295

Kontroly v řízení jakosti Vstupní kontrola – je prováděna dle typu výroby zpravidla na náhodném výběru z dodávky Statistická přejímka – je nejčastější formou vstupní kontroly

Mezioperační kontrola – je nutná v řadě výrob. Snahou velkých výrobců však je omezit mezioperační kontrolu na minimum (z důvodu snižování nákladů) – systém řízení jakosti ZDQ (Zero Deffect Quality) Výstupní kontrola – je u maloseriové a hromadné výroby prováděna na statistické bázi. Metody mohou být podobné jako u statistické přejímky. U kusové výroby je zpravidla kontrolován každý výrobek.

296

Sedm základních nástrojů řízení jakosti (Ishikawa) Kontrolní Kontrolní tabulky

Vývojové diagramy Histogramy

Diagram příčin a následků Paretů Paretův diagram Bodový diagram Regulační diagram

297

Sedm nových nástrojů řízení jakosti

Afinitní diagram Diagram vzájemných vztahů •

Stromový (systematický) diagram Maticový diagram Analýza údajů v matici Diagram PDPC

•

Síťový diagram

298

Sedm nových nástrojů řízení jakosti Manažeři a technici by se neměli soustředit jen na sběr a vyhodnocování dat, ale také na manažerské řízení, plánování jakosti, vývoj produktů na vyšší úrovni jakosti, zavádění a zdokonalování systémů řízení jakosti. Nové nástroje nenahrazují sedm „starých“ Ishikawových nástrojů.

Sedm nových nástrojů řízení jakosti

Stromový (systematický) diagram

Afinitní diagram Diagram vzájemných vztahů

Maticový diagram Analýza údajů v matici Diagram PDPC Síťový diagram 299

Sedm nových nástrojů řízení jakosti Afinitní diagram

(Afinity diagram) Je vhodný nástroj pro vytvoření a uspořádání velkého množství informací souvisejících s daným problémem. Afinitní diagram uspořádává tyto informace do přirozených skupin a naznačuje strukturu řešených problémů. Tvorba afinitního diagramu probíhá v týmu (používá se brainstorming).

Afinitní diagram zjednodušuje řešení složitých problémů. 300

Sedm nových nástrojů řízení jakosti Diagram vzájemných vztahů (Interrelationship diagram) Je také nazýván relační diagram. Umožňuje identifikaci logické nebo příčinné souvislosti mezi náměty, které se vztahují k řešenému problému. Vhodný pro řešení problémů se složitými logickými nebo příčinnými vazbami. Zpravidla se vychází z části afinitního diagramu. Jednotlivé segmenty se rozmístí na pracovní ploše a analyzují se vstupy, výstupy a vzájemné vazby. Otázky: která příčina je klíčová kde začít a jak postupovat při zlepšování jakosti našich výrobků co všechno může ovlivnit dané nápravné opatření jak spolu souvisí jednotlivé efekty atd ... 301

Sedm nových nástrojů řízení jakosti Diagram vzájemných vztahů

302

Sedm nových nástrojů řízení jakosti Systematický (stromový) diagram (Systematic Diagram) Systematický (stromový) diagram je obrazem systematické systematické dekompozice urč určité itého celku na jednotlivé jednotlivé dílčí části. Používá se např. k rozložení problému na jednotlivé problémy, vytvoření plánu řešení problému, zobrazení struktury příčin problému a pod. Pokud zobrazuje diagram strukturu příčin problému, pak slouží k přehlednému přepisu informací zpracovaných v diagramu příčin a následků. Tvoří se v týmu. Je možné využít stanovených vzájemných vztahů z diagramu vzájemných vztahů. Je logickým uspořádáním dílčích kroků.

303

Sedm nových nástrojů řízení jakosti Systematický (stromový) diagram (Systematic Diagram)

304

Sedm nových nástrojů řízení jakosti Maticový diagram (Matrix Diagram) Používá se k posouzení vzájemných souvislostí mezi dvěma nebo více oblastmi problému. Jeho použití pomáhá lokalizovat a odstraňovat neznámé skutečnosti v informační bázi, vztahující se k problému. Nejčastěji se používá maticový diagram tvaru L, jinými typy jsou také typ T, Y a X. Diagram L je dvourozměrný diagram, který vysvětluje souvislost mezi dvěma oblastmi, které se skládají z řady prvků. Jednotlivé oblasti (vícerozměrné proměnné) reprezentují např. činnosti, vlastnosti výrobku, parametry procesu ap. Maticový diagram je vhodným podkladem pro analýzu vztahu mezi jednotlivými prvky a jejich důležitosti. Typickými představiteli těchto diagramů jsou diagramy typu „L“ zobrazující vzájemné vztahy mezi požadavky zákazníka a vlastnostmi výrobku, mezi vlastnostmi dílů a vlastnostmi výrobku, mezi parametry procesu a kvalitou výrobku apod.

305

Sedm nových nástrojů řízení jakosti Maticový diagram (Matrix Diagram)

306

Sedm nových nástrojů řízení jakosti Analýza údajů v matici (Matrix Data Analyzis) Zaměřuje se na porovnání různých položek (vícerozměrných proměnných) charakterizovaných řadou prvků. Položkami mohou být jednotlivé výrobky, varianty návrhu, suroviny, dodavatelé atd. K analýze se užívá následujících metod: analýza hlavních komponent stanovení „vzdálenosti“ mezi vícerozměrnými proměnnými mapa (vjemová, poziční) plošný diagram (glyf)

307

Sedm nových nástrojů řízení jakosti Analýza údajů v matici Analýza hlavních komponent (Principle Component Analyzis) Na základě analýzy vzájemných korelací jsou konstruovány „umělé“ prvky nazývané hlavním komponentami s cílem analýzy celkového rozptylu (variability) původních proměnných. Hlavní komponenty jsou lineárními kombinacemi původních prvků, zpravidla je nelze přímo měřit.

Stanovení vzdáleností mezi vícerozměrnými proměnnými Vícerozměrné proměnné se porovnávají pomocí vhodně zvolené metriky vzdáleností. Jednou z metrik je např. Minkowského metrika vzdáleností, která je popsána vztahem: n

Dik = ∑ xij − x kj j =1

Dik ... vzdálenost mezi proměnnými, xij ... hodnota j-tého prvku proměnné i, xjk ... hodnota j-tého prvku proměnné k, n ... počet sledovaných prvků 308

Analýza údajů v matici Stanovení vzdáleností mezi vícerozměrnými proměnnými Omezení uvedené techniky: prvky by měly být stejně důležité prvky by měly být nezávislé hodnoty prvků by měly být srovnatelné (jinak je třeba je transformovat, nebo zavést např. jejich bodové hodnocení) Proměnné s nižší vzdáleností od ideální proměnné lze považovat za vhodnější.

Mapa (vjemová mapa, poziční mapa) Je názorným grafickým zobrazením posuzovaných položek (proměnných) v rovině základních hodnot dvou prvků. V případě vícerozměrných proměnných je třeba vybrat dva prvky, které jsou pro vlastnosti proměnné rozhodující, případně zpracovávat více map. Mapa pak umožňuje analýzu vzájemné podobnosti prvků a případně analyzovat jejich odchylku od optimální hodnoty, je-li tato definována.

309

Analýza údajů v matici Plošný diagram (glyf) Umožňuje grafické porovnávání vícerozměrných proměnných. Jedním představitelem takovéhoto diagramu je „diagram diagram sluneč slunečních paprsků paprsků“ (Sun Ray Plot).

Špatný dodavatel

Dobrý dodavatel

Na osách A, B, C, D a E jsou vyneseny odchylky parametrů dodávek od optimálního stavu. 310

Sedm nových nástrojů řízení jakosti Diagram PDPC (Process Decision Programme Chart) Pomáhá vypracovat plány preventivních opatření, které umožňují předcházet problémům při provádění plánovaných činností. Při zpracování diagramu PDPC se nejprve sestrojuje systematický diagram pro danou plánovanou činnost. Navíc se pravá strana diagramu v každé větvi doplní o odpovědi na otázky: jaké problémy mohou při zajištění této činnosti nastat? jaká preventivní opatření by měla být naplánována, abychom předešli těmto možným problémům? Odpovědi na otázky se hledaní brainstormingem a zapíší se do do obláčku, který je šipkou spojen k příslušné činnosti z pravé strany. Tento diagram je základem plánu preventivních opatření proti možným problémům. Umožňuje, aby „věci fungovaly hned napoprvé“. 311

Sedm nových nástrojů řízení jakosti Diagram PDPC (Process Decision Programme Chart)

312

Sedm nových nástrojů řízení jakosti Síťový graf (Network Diagram) Je vhodným nástrojem pro stanovení optimálního harmonogramu průběhu složitých činností a jejich následného monitorování. Umožňuje zkrácení doby trvání činností zavedením vhodných opatření. Techniky CPM (Critical Path Method), CRC (Critical Chain) a další. Před vlastní konstrukcí síťového grafu je vhodné sestrojit postupový diagram. Vypracování tohoto diagramu by mělo probíhat v týmu. Síťový graf dá odpověď na otázky: Jaký je očekávaný termín dokončení plánované činnosti (projektu) Jaký je harmonogram zahájení a ukončení každé dílčí činnosti Které činnosti musí být ukončeny přesně podle harmonogramu, aby nedošlo k celkovému zpoždění Které činnosti mají určité časové rezervy a jaká je hodnot těchto rezerv. K zodpovězení uvedených otázek se obvykle sestrojuje hranově orientovaný síťový graf. 313

Sedm nových nástrojů řízení jakosti Síťový graf (Network Diagram)

314

Management jakosti výroby

Recommend Documents