Масааки Имаи: Кайдзен. Ключ к успеху японских компаний

10. Находится ли оно в исправном состоянии?

C. M aterial (Материал)

1. Есть ли ошибки в объеме?

2. Есть ли ошибки в качестве?

3. Есть ли ошибки в бренде?

4. Есть ли примеси в смеси?

5. Адекватен ли уровень запасов?

6. Есть ли потери материала?

7. Адекватно ли обращение с материалами?

8. Есть ли незавершенное производство?

9. Адекватна ли раскладка?

10. Удовлетворительны ли стандарты качества?

D. Operation M ethod (Метод работы)

1. Удовлетворительны ли рабочие стандарты?

2. Обновлены ли эти стандарты?

3. Безопасен ли метод?

4. Обеспечивает ли данный метод производство качественной продукции?

5. Эффективен ли метод?

6. Рациональна ли последовательность работы?

7. Адекватна ли настройка?

8. Соответствуют ли нормам температура и влажность?

9. Соответствуют ли нормам освещение и вентиляция?

10. Есть ли надлежащая стыковка данного процесса с предшествующим и последующим процессами?

Существует два разных подхода к решению проблем. Первый используется, когда данные доступны, и чтобы решить конкретную проблему, нужно их проанализировать. Большая часть проблем, связанных с производством, попадает в эту категорию. Вот семь статистических инструментов [38] Адаптированное описание семи статистических инструментов приводится по The Quest for Higher Quality: The Deming Prize and Quality, RICOH Company, Ltd., воспроизводится с разрешения. – Прим. авт. , которые используются для аналитического решения проблем:

1. Диаграммы Парето. Эти диаграммы классифицируют проблемы по проявлениям и причинам. Проблемы представляются в соответствии с их приоритетом в виде столбиковых диаграмм, где за 100 % принимается общий объем потерь.

2. Диаграммы причин и результатов. Эти диаграммы используются для анализа характеристик процесса или ситуации и влияющих на них факторов. Диаграммы причин и результатов называются также «рыбий скелет», или «скелет Годзиллы» [39] На Западе и иногда у нас их неточно называют «причинно-следственными» диаграммами. – Прим. ред. .

3. Гистограммы.Данные по частотам, полученные в результате измерений, образуют пик вокруг некоторого значения. Вариация характеристик называется «распределением», а столбцы, соответствующие частотам, называются гистограммой. Главным образом она используется для определения проблем при помощи анализа формы разброса значений, центрального значения и характера рассеивания.

4. Контрольные карты.Существует два типа вариаций: неустранимые вариации, возникающие в нормальных условиях, и те, что можно проследить до причин. Последние называются «ненормальными» (abnormal). Контрольные карты служат для выявления анормальных тенденций с помощью линейных графиков. Они отличаются от стандартных линейных графиков тем, что имеют нижний и верхний контрольные пределы относительно центральной линии. Выборочные данные наносятся на график в виде точек, что позволяет оценить состояние процесса и тренды.

5. Диаграммы разброса.Содержат две совокупности данных, нанесенные на график в виде точек. Взаимосвязь между этими точками показывает зависимость между соответствующими данными.

6. Графики.Формы и цели анализа могут диктовать использование различных видов графиков. С помощью столбиковых диаграмм сравнивают значения при помощи параллельных столбиков, а линейные графики используются для наглядного представления вариаций в течение определенного периода времени. Круговые диаграммы представляют классификацию показателей, сгруппированных в категории, а радарные графики помогают анализировать заранее выбранные объекты.

7. Контрольные листки.Эти листки разработаны для сведения в таблицу результатов текущей проверки ситуации.

Такие инструменты широко применяются кружками КК и другими малыми группами, а также инженерами и менеджерами для выявления и решения проблем. Все они представляют собой статистические и аналитические инструменты, и в компаниях, ведущих активную работу в сфере CWQC, сотрудники проходят обучение по использованию их в повседневной деятельности [40] Иногда графики и диаграммы разброса рассматривают вместе как один метод, а в качестве седьмого метода используется «стратификация (расслаивание)» данных. Смотри, например, книгу: Кумэ Х. Статистические методы повышения качества. – Перевод с английского / Под ред. и с послесловием Ю. П. Адлера и Л. А. Коноревой. – М.: Финансы и статистика, 1990. – 304 с. – Прим. ред. .