Spc процесс что такое

InLean

Методики бережливого производства и оптимизации бизнес процессов

Статистическое управление процессами и типы вариаций

Про Статистическое управление процессов (SPC) написано много и на разных языках. Существует большое количество статьей, рассказывающих о том, что такое SPC, когда начало внедряться, кто основатель, какие блага несет внедрение SPC и т.д. Обо всем этом вы можете прочитать хотя бы даже в Википедии. Я хотел бы посвятить данную серию статей больше техническим вопросам SPC, а именно расчетам статистических индикаторов, разбору рабочих кейсов и принципам внедрения удачного статистического управления. Тем не менее, мне будет сложно давать голую практику, поэтому с теоретическими вопросами мы тоже столкнемся, но постараюсь давать ее по минимуму, только самое важное.

Итак, ну а начнем мы с примера. Представьте себе производственную линию, которая производит печенье. Вес одной пачки равен 100 гр. После выхода из печи поток делится пополам и уходит каждый на свою упаковочную машину. Упаковочная часть линии состоит из двух упаковочных машин, после которых стоит вторичная упаковка, которая складывает пачки в короба и дальше короба укладываются на паллет. Очень популярная схема на пищевых предприятиях.

После каждой упаковочной машины стоят динамические весы, которые взвешивают каждую пачку и отбрасывают ее, если она находится вне спецификационных лимитов. Каждый час весы взвешивают десять случайных пачек и результат отображают на экране. В конце 12-ти часовой смены мы имеем два следующих графика для каждой упаковочной машины, которые отображают средний вес пачки в час. Красной линией отмечен средний вес пачки за смену.

После короткой пересменки, приходит следующая смена и продолжает производить тот же продукт. ЕСТЕСТВЕННО, у каждого оператора свое видение на правильные настройки машины. Новая смена ЛУЧШЕ знает, как производить качественный продукт и настраивает машину под себя. В конце второй смены мы видим следующий результат.

Хотя эта ситуация надуманная, она очень распространена на предприятиях. Давайте взглянем на графики и постараемся понять, что же здесь мы видим. Первое, что бросается в глаза, так это то, что ни одна смена не производит продукт равный точно 100 граммам. Несмотря на то, что первой смене удается держать вес на стабильном уровне, отклонения от целевого значения все равно существуют. Второе, средний вес второй упаковочной машины ниже на 2 грамма, чем первой. Причем, это отклонение не меняется даже с приходом новой смены. И самое очевидное наблюдение, что вес пачки у второй смены очень сильно «скачет» по сравнению с первой сменой.

Данным примером, я хотел показать, что в каждом процессе присутствует вариабельность. Т.е. каждое последующее измерение отличается от предыдущего. Несмотря на годы опыта, несмотря на нескончаемые тренинги, несмотря на постоянный контроль, несмотря на обратную связь, несмотря на то что луна в сатурне, вариабельность будет присутствовать ВСЕГДА и добиться абсолютного единообразия мы не сможем. Другой вопрос, какую вариабельность мы можем себе позволить, чтобы отвечать ожиданиям клиента. И здесь нам необходимо разобраться с типами вариабельности.

Вариабельность

Вариабельность является естественным явлением в производственном процессе. Так как в ходе производства задействовано огромное количество условностей, мы не можем производить абсолютно одинаковый продукт каждый раз. Небольшие изменения в продукте могут быть допустимы в готовом продукте.

Шухарт считал, что любые процессы подвержены вариабельности, но некоторые из них обладают управляемой вариабельностью, а некоторые – неуправляемой. По мере развития идей SPC начали различать три вида вариации:

Итак, вариация вызванная общими причинами – это естественная или ожидаемая вариация процесса. Если я последовательно возьму 5 бисквитов с одной линейки и замерю какой-нибудь параметр качества – например, высоту бисквита – все пять измерений будут разными. Это случается в силу того, что части производственного процесса – материал, оборудование, персонал – взаимодействуют случайным образом, порождая вариацию. Такая «случайная» вариация – результат действий многих факторов, и поэтому она относительно устойчива во времени. Отличия одного измерения будут минимальными, но они будут.

Избавиться от такой вариации практически невозможно. Для того чтобы ее исключить полностью необходимо будет вложить много денег, чтобы изменить процесс. Этот вид вариации характеризуется тем, что ее структура стабильна и устойчива во времени и мы с большой долей вероятности можем предсказать измерения в будущем.

Структурные вариации – представляют собой смесь общих вариаций и специальных вариаций. Если я возьму 5 бисквитов из ряда и замерю все тот же показатель – высоту бисквита — измерения покажут мне, что не только разброс измерений увеличится, а также средний показатель будет смещен. Но все равно, зная с какой линии я беру печенку я с большой долей вероятности смогу предсказать результат измерения.

Данный вид вариации возникает по причине различий в параллельных потоках, которые в свою очередь возникают из-за различий в оборудовании, неравномерном износе оборудования, неравномерном распределении и т.д.

Помимо множества случайных причин время от времени появляются некие особые факторы, оказывающие существенное влияние на измеряемые характеристики продукта. В качестве примера, можно привести изменения в качестве сырья, различные операторы и способы выполнения работы, или даже изменения в обстановке, вызванные непоследовательностью руководства. Подобные особые причины создают существенные сдвиги в характере вариации.

Специальные причины могут не только ощутимо воздействовать на вариацию данных. Но и значительно снижать предсказуемость процесса. Процесс следует называть управляемым, когда используя прошлый опыт, мы можем предсказать, по крайней мере в некоторых пределах, каких его вариаций можно ожидать в будущем.

Поэтому, в то время как суть SPC – в предсказуемости. Неуправляемы процесс будет непредсказуем. Хотя на «входе» все будет неизменно, на «выходе» результат будет все время меняться.

Статистическое управление процессами – это процесс использования данных в виде измерений параметров процесса или продукта, чтобы найти специальные причины вариабельности и впоследствии их устранить. Для этого используются контрольные карты, о которых мы поговорим в следующей статье.

Источник

Статистическое управление процессами (Часть 1. Опыт внедрения)

Предисловие

«У нас приемлемый уровень брака!» именно с этой фразы начинается общение почти с каждым директором по качеству на производственных предприятиях в России. Многие из них даже будут уверять, что добились качества мирового уровня в виде 3,4 бракованных изделий на 1 000 000 произведенных. Да и в целом на всех профильных форумах и конференциях мы слышим, что в России лучшее качество в мире, а все остальные страны нам завидуют.

Обычно за этими громкими лозунгами скрываются огромные потери от внутреннего брака, раздутый штат контролеров, сокрытие дефектов, отсутствие автоматизации и еще множество проблем, которые сказываются в итоге на потребителях и акционерах.

Во времена СССР качество достигалось за счет полного и непрекословного соблюдения всевозможных ГОСТов. Но, к сожалению, в наших реалиях соблюдение ГОСТов не является приоритетным требованием (за исключением предприятий ВПК), а главная цель производства — сделать все быстрее и дешевле. Исходя из этого тезиса у нас активно внедряются методы оптимизации в виде инструментов Lean и сокращается персонал при увеличении объемов производства. Управление качеством тоже меняется, но не смотря на тотальное применение стандартов ИСО 9000-9004 (по большей части только на бумаге), изменения идут очень медленно и часто отстают от изменившихся подходов к производству. Обычно процесс управления качеством сводится к тому, что контролер в конце производственного цикла проверяет все параметры изделия на то, что они входят в поля допуска и на этом изделие признается годным или нет.

Сейчас на смену этой старой парадигме выходит новая, в виде непрерывного контроля процессов на основе числовых данных за счет методологии статистического управления процессами или SPC (Statistical Process Control). SPC хоть и было оформлено доктором Уолтером Шухартом почти 100 лет назад, но только сейчас начинает набирать популярность у нас в стране. Вся суть статистических методов сводится лишь к одному правилу: «Уменьшение вариации (изменчивости) процесса». Закономерность, тут следующая: чем меньше вариация, тем лучше процесс; чем лучше процесс, тем стабильнее качество, чем стабильнее качество, тем меньше затраты на брак и переделку.

А для уменьшения вариации нам всего-то нужно понять природу этой изменчивости. Но как бы просто это не звучало, на самом деле задача довольно трудоемкая, но зато результат должен оправдать все затраченные усилия. При идеально работающих инструментах статистического управления процессами контролеры не нужны будут в принципе. Стабильные процессы гарантируют стабильное качество продукции. В таких условиях топ-менеджмент достигнет своей мечты в виде нулевого брака.

С чего начать?

Все размышления и рекомендации составлены на основе реального опыта внедрения SPC и MSA (Measurement System Analysis или анализ систем измерений) в одной производственной компании в России. Особое внимание будет уделено ошибкам, которые были допущены при внедрении.

1. Выбор процесса и ключевые параметры

Первое с чего стоит начать – это выбор производственных процессов для апробации на них MSA и SPC. Возможно, мысль для многих покажется очевидной, но все же: нет смысла пытаться охватить за раз все производство. Достаточно начать пилотный проект на каком-нибудь несложном процессе, получить значимый результат и затем постепенно масштабировать методологию на все предприятие.

Мы (команда проекта), конечно же, сделали все наоборот. Начали массовое внедрение методологии по всем производствам и увязли в огромном количестве процессов. Ресурсов, чтобы охватить весь этот объем у нас было не достаточно и пока мы месяц плотно работали в одном цеху, все остальные уже забывали, о чем этот проект и что мы тут делаем.

Также очень важно заранее для каждого процесса определить числовые параметры, по которым дальше будет проводится анализ стабильности, воспроизводимости, анализ систем измерений и постоянный контроль. Если использовать терминологию Lean, то мы выбираем CTQ (critical to quality) – критические для качества величины. Выбранные CTQ должны обладать двумя важными свойствами:

2. Выбор информационной системы для сбора данных

До массового появления компьютеров на производстве все контрольные карты велись вручную на листах бумаги, индексы воспроизводимости считались в столбик, а гистограммы строились по линейке. Конечно, сейчас никому в голову не придет собирать и анализировать данные на бумаге, поэтому ключевой вопрос, на который стоит ответить в первую очередь – это выбор информационной системы для реализации SPC. Зоопарку информационных систем на производственных предприятиях можно посвятить множество статей и здесь я не буду вдаваться в подробности. Стоит отметить только, что для реализации SPC необходимо настроить сбор данных в единое хранилище или можно интегрировать разные базы данных в случае, если сбором данных занимается несколько информационных систем.

У нас на проекте пришлось синтегрировать несколько информационных систем, которые занимаются сбором данных с производственных процессов.

Важно собирать данные именно в процессе производства, а не заносить кучей в конце смены или в конце месяца переписывать все замеры из амбарных книг. На нашем предприятии существуют несколько вариантов занесения данных в информационную систему:

3. Персонал и обучение

После определения процессов и параметров нужно будет объяснить персоналу, работающему с данными процессами, для чего и зачем внедряется данная методология. Но, первое с чем вы тут столкнетесь — это будет непониманием персонала. Все, кто работает в консалтинге знают, что внедрение любых изменений – это в первую очередь борьба с исполнителями. Изменение процессов, дополнительная нагрузка, изучение чего-то нового вот три основные причины почему персонал не хочет работать с воодушевлением над проектом. К тому же методология не так проста для понимания, хоть и использует расчеты уровня 7 класса математики среднеобразовательной школы. Даже инженеры не всегда знают и понимают SPC и MSA.

Справиться с этой ситуацией поможет планомерное обучение всех вовлеченных в процесс сбора и анализа данных сотрудников. К сожалению, бизнес-литературы по этому направлению очень мало и стоит выделить только несколько книг:

В принципе, этой литературы достаточно для того, чтобы понять методологию и на примерах разобраться с применяемыми инструментами. Помимо книг есть очные и заочные курсы по SPC и MSA, но по большей части они являются кратким пересказом всех этих источников и не несут ничего нового.

4. Информационная система для реализации инструментов SPC и MSA

Итак, к этому моменту предположим, что вы уже реализовали первые три пункта и у вас:

Источник

Преимущество SPC перед другими методами контроля качества, такими как « инспекция », состоит в том, что он делает упор на раннем обнаружении и предотвращении проблем, а не на исправлении проблем после того, как они возникли.

Помимо сокращения отходов, SPC может привести к сокращению времени, необходимого для производства продукта. SPC снижает вероятность того, что готовый продукт потребуется переработать или списать.

СОДЕРЖАНИЕ

История

«Общие» и «особые» источники вариации

Применение к непроизводственным процессам

Применение SPC к неповторяющимся, наукоемким процессам, таким как исследования и разработки или системная инженерия, встретило скептицизм и остается спорным.

Вариации в производстве

(1) Общие причины «Общие» причины иногда называют «неназванными» или «нормальными» источниками вариаций. Он относится к любому источнику вариаций, который постоянно воздействует на процесс, которых обычно много. Этот тип причин в совокупности приводит к статистически стабильному и повторяемому распределению во времени. (2) Особые причины «Особые» причины иногда называют «приписываемыми» источниками вариаций. Термин относится к любому фактору, вызывающему отклонение, которое влияет только на некоторые результаты процесса. Они часто бывают прерывистыми и непредсказуемыми.

У большинства процессов есть множество источников вариаций; большинство из них незначительны и могут быть проигнорированы. Если обнаружены доминирующие назначаемые источники вариаций, потенциально они могут быть идентифицированы и удалены. Когда они удаляются, процесс называется «стабильным». Когда процесс стабилен, его вариации должны оставаться в пределах известного набора пределов. По крайней мере, до тех пор, пока не появится другой назначаемый источник вариации.

Если производственный процесс, его вводимые ресурсы или среда (например, машина на линии) изменятся, распределение данных изменится. Например, по мере износа кулачков и шкивов оборудования машина для наполнения зерновых может помещать в каждую коробку больше, чем указано количество зерновых. Хотя это может принести пользу покупателю, с точки зрения производителя это расточительно и увеличивает стоимость производства. Если производитель своевременно обнаружит изменение и его источник, изменение можно исправить (например, заменить кулачки и шкивы).

заявка

Применение SPC включает три основных этапа деятельности:

Графики контроля

Стабильный процесс

Когда процесс не запускает ни одно из «правил обнаружения» контрольной диаграммы для контрольной диаграммы, он считается «стабильным». Анализ возможностей процесса может быть выполнен для стабильного процесса для прогнозирования способности процесса производить «соответствующий продукт» в будущем.

Чрезмерные вариации

Показатели стабильности процесса

Математика контрольных карт

В цифровых контрольных диаграммах используются логические правила, определяющие «производные значения», которые сигнализируют о необходимости корректировки. Например,

производное значение = последнее значение + средняя абсолютная разница между последними N числами.

Источник

Статистическое управление процессами

Преимущество SPC перед другими методами контроля качества, такими как « осмотр », состоит в том, что он делает упор на раннем обнаружении и предотвращении проблем, а не на исправлении проблем после того, как они возникли.

СОДЕРЖАНИЕ

История [ править ]

«Общие» и «специальные» источники вариаций [ править ]

Применение к непроизводственным процессам [ править ]

Применение SPC к неповторяющимся, наукоемким процессам, таким как исследования и разработки или системная инженерия, встретило скептицизм и остается спорным. [8] [9] [10]

Вариации в производстве [ править ]

У большинства процессов есть много источников вариаций; большинство из них незначительны и могут быть проигнорированы. Если обнаружены доминирующие назначаемые источники вариаций, потенциально они могут быть идентифицированы и удалены. Когда они удаляются, процесс называется «стабильным». Когда процесс стабилен, его вариации должны оставаться в пределах известного набора пределов. По крайней мере, до тех пор, пока не появится другой назначаемый источник вариации.

Заявление [ править ]

Применение SPC включает три основных этапа деятельности:

Контрольные диаграммы [ править ]

Стабильный процесс [ править ]

Чрезмерные вариации [ править ]

Показатели стабильности процесса [ править ]

Математика контрольных диаграмм [ править ]

производное значение = последнее значение + средняя абсолютная разница между последними N числами.

Источник

Вероятно, самый старый в рунете сайт о менеджменте качества

Пустяковые вопросы решаются быстро; важные никогда не решаются. (Закон Грехэма)

Ещё раз о статистическом мышлении и SPC

В данной работе мы попытались чрезвычайно кратко обсудить некоторые неясности в таких популярных терминах, как статистическое мышление (СМ) и статистическое управление процессами (SPC). Представляется, что специалисты по качеству и статистики должны определить эти понятия более точно, ибо существующие неясности неизбежно ведут к снижению того влияния, какое эти мощные методы могли бы оказывать на нашу жизнь. Особенно это становится очевидным сегодня, когда широко распространившееся увлечение подходом «Шесть Сигм» процветает в различных частях мира.

Статистическое управление процессами (далее SPC) – один из наиболее старых терминов в области качества. Но хотя сама концепция была разработана Уолтером Шухартом [1,2] около 80 лет тому назад, до сих пор в самом начале нового тысячелетия не существует ни общепринятого определения этого термина, ни согласованного мнения о его содержании. Есть два различных взгляда на то, что такое SPC.

С одной стороны, большая часть авторов считает, что SPC – это применение статистики на практике. С другой стороны, существует не очень многочисленная группа специалистов, которая рассматривает SPC как новый способ мышления, направленный на оптимизацию принимаемых нами решений в почти всех возможных сферах человеческой деятельности.

Первую точку зрения можно встретить в многочисленных книгах, статьях, презентациях и т.д. Например, глоссарий Американского общества качества (ASQ) определяет SPC как «применение статистических методов для управления процессами» [3]. Во введении к большой дискуссии о SPC проф. Вудал (W. Woodall) пишет: «Статистическое управление процессами (SPC), составная часть статистического контроля качества (SQC), состоит из методов понимания, управления и улучшения результативности процессов во времени» [4]. Очень похожие определения можно найти в большинстве старых книг по контролю качества (см., например, 8), а также и многие другие.

Мнение менее многочисленной части специалистов выглядит следующим образом. В работе «Исследование статистического управления процессами» Г. Нив пишет: SPC – это не инструмент или метод. Это вполне законченный новый способ мышления…Мышление, обучение, интерпретация, развитие знания: вот все то, из чего состоит SPC» [9]. Той же точки зрения придерживается Д. Уилер, который пишет: «Статистическое управление процессами – это не про статистику, это не про контроль процессов, это не про соответствие техническим условиям. Это, по самой сути, про то, как извлечь максимум из ваших процессов. Это про постоянное совершенствование процессов и их результатов. И это, прежде всего, и больше всего, способ мышления с помощью некоторых соответствующих инструментов» [10]. Или, в более короткой редакции: «В конечном счете SPC – это способ мышления с помощью карт, активизирующих этот мыслительный процесс» [11].

Поиск в Интернете не меняет описанной ситуации. Можно легко найти множество сайтов, поддерживающих первую точку зрения 14, равно как некоторое число сайтов, поддерживающих иной подход [15,16]. Стоит отметить, что, как нам кажется, большинство тех, кто согласен со второй точкой зрения, составляют активные сторонники учения д-ра Деминга о менеджменте.

Согласно Публикации ASQ [18], «определение статистического мышления включает в себя три фундаментальных принципа:

Эта точка зрения была впоследствии поддержана рядом авторов (см. 19). И опять-таки, все сторонники этого взгляда – это сторонники второй точки зрения на SPC и последователи учения д-ра Деминга.

Мы считаем, что эти отличающиеся друг от друга интерпретации создают некую неразбериху в области науки о качестве. Цель данной работы – обсудить некоторые предложения, которые, как нам кажется, могли бы устранить эту неразбериху. Кроме того, мы хотели бы обсудить и ряд следствий, вытекающих из нашего понимания ситуации.

Но жизнь невозможно свести к статистике. Д. Сэлсбург (D. Salsburg) в своей книге «Леди, пробующая чай» [22] пишет: «…решения, основанные на доводах теории вероятностей, это не логические решения. Логические и вероятностные доводы несовместимы». Д. Балестраччи пишет: «Традиционная» статистика имеет чрезвычайно ограниченное значение в реальных условиях» [23]. Всё это было очевидным для Шухарта, который много раз в своей книге [2] подчеркивает, что статистические методы – это всего лишь инструмент для предсказания с минимальной ошибкой и инструмент минимизации вариабельности качества.

И что из всего этого следует?

Нам кажется, что первый вывод вполне очевиден.

Старое понимание SPC как набора статистических инструментов устарело, и его следует заменить старо-новым пониманием SPC как методологии постоянного совершенствования с использованием различных методов и инструментов. И, конечно же, эта методология должна основываться на теории вариабельности и статистическом мышлении. Но что надо включить в последнее? Нам представляется, что процитированное выше определение является слишком широким. Оно охватывает системное мышление, имеющее большой лагерь своих собственных проповедников с бесчисленной литературой (см., например, книгу П. Сенге «Пятая Дисциплина»), оно охватывает теорию вариабельности, и, более того, далеко выходит за рамки понятия «мышление». В некотором смысле оно охватывает всю концепцию SPC, добавляя тем самым определенную неясность в эту сферу знаний. В то же время суть статистического мышления – это простая идея о том, что прежде, чем вмешиваться в любой процесс, мы должны проанализировать его с помощью теории вариабельности и ответить на вопрос: находится ли процесс в состоянии статистической стабильности или нет (т.е. присутствуют ли в нашем процессе специальные причины вариабельности или нет)?

Поэтому, следуя названию одной из статей Д. Уиллера, наше «скромное предложение» состоит в следующем.

Мы предлагаем два новых определения для ключевых терминов.

«Статистическое мышление» – это основанный на теории вариабельности метод диагностики состояния процесса, направленный на принятие оптимальных менеджерских решений.

«Статистическое управление процессами» (SPC) – это основанная на статистическом мышлении и теории вариабельности методология постоянного совершенствования процессов, использующая простые и эффективные статистические и нестатистические методы для анализа и решения проблем.

Если мы теперь взглянем на цикл PDSA, то можно сказать, что статистическое мышление – это часть этапа Изучения до перехода к Воздействию. Поэтому представляется целесообразным ввести именно здесь новый дополнительный этап – этап диагностики: надо ли вообще вмешиваться в процесс или нет, и, если надо, то кому? Но именно это решение и есть суть статистического мышления. Ясно, что любые действия могут начаться только после того, как это решение сделано. Поэтому цикл PDSA можно трансформировать в цикл Планирую-Делаю-Изучаю/Диагностирую-Воздействую, т.е. PDS/DA. Почему мы считаем, что именно эта стадия столь важна, что её следует включить в традиционный цикл PDSA. Ответ очень прост.

С одной стороны, это та самая стадия, с которой большинство менеджеров и инженеров, к сожалению, не знакомо (см., например, [18-21, 23-25]), и которая является ключевой для совершенствования любых процессов. С другой стороны, одна из основных целей нашей работы – привлечь внимание специалистов по качеству и статистике к следующему факту. Одно из основных принципиальных препятствий к широкому внедрению подхода Шухарта-Деминга в каждодневную практику – это отсутствие понимания основных идей теории вариабельности большинством менеджеров и сотрудников организаций. Поэтому мы полагаем, что было бы очень полезно выделить главное в этой теории и ввести это знание в систему общих знаний, которыми должен обладать каждый человек, начиная с института, а может быть даже и со школы. Вполне логично назвать эту часть общечеловеческих знаний «статистическим мышлением», и понимание этой концепции должно стать достоянием каждого, причем, чем раньше, тем лучше. Стоит заметить, что аналогичные дополнения могут быть сдкланы ко всем вариантам цикла PDSA, например можно предложить трансформировать столь популярный у поклонников подхода «Шесть Сигм» цикл DMAIC в DMA/DIC.

Предлагаемая интерпретация термина «статистическое мышление» подразумевает внедрение этой концепции в так называемый «здравый смысл». Чтоб достигнуть этого, необходимо научиться объяснять данную концепцию без формул и без привлечения понятий теории вероятностей и статистики. Другими словами, концепция «статистическое мышление без статистики» должна быть внедрена в общеобразовательные курсы среднего и высшего образования.

Определив SPC вышеуказанным образом, мы одновременно решим две задачи. С одной стороны, мы сохраняет содержание термина весьма близким к его сегодняшней интерпретации многими специалистами. С другой стороны, мы не ограничиваем применение SPC только чисто статистическими методами. Фактически, каждый из нас включает известные «Семь простых» в SPC, хотя среди этих семи есть несколько совершенно нестатистических. В целом пакет SPC хорошо известен и практически совпадает с пакетом инструментов по «Шести Сигмам» (ср., например, перечень в [21] с аналогичным перечнем в [26]).

В соответствии со всем вышеизложенным мы попытались сформулировать некоторые проблемы, стоящие перед консультантами по SPC. Им необходимо одновременно

— овладевать многими новыми и продвинутыми методами и пытаться применять их на практике;

— разработать методику обучения статистическому мышлению без статистики;

— изучить и овладеть многими нестатистическими методами решения проблем, включая системный и процессный подходы к совершенствованию организаций.

В данной работе мы предложили некоторую модификацию терминологии в области SPC. Нам представляется, что эта модификация может способствовать тем изменениям, какие надо осуществить, чтобы термин SPC не превратился нечто устаревшее, и для того, чтобы не ждать «ещё полстолетия…прежде чем весь спектр идей д-ра Шухарта будет признан системой образования, наукой и техникой» [2, Предисловие д-ра Деминга].

4. Woodal, W.H. Controversies and Contradictions in Statistical Process Control. – Journal of Quality Technology, 2000, vol.32, #4, pp.341-350.

5. Murdock, J. Control Charts (1979). – The Macmillan Press Ltd.

6. Schindowski, E., Schurz, O. (1974). Statistische Qualitatskontrolle. Kontrollkarten und Stichprobenplane. – Berlin, Veb Verlag Technik.

7. Rinne, H., Mittag, H.-J. (1993). Statistische Methoden der Qualitatssichcrung. – Munchen, Carl Hanser Verlag.

8. Kume, H. (1985). Statistical methods for Quality Improvement. – AOTS.

10. Wheeler,D.J. A Modest Proposal.- www.spcpress.com/ink_pdfs/Wh%20Modest%20Proposal.pdf

11. Wheeler, D.J. (1995). Advanced Topics in Statistical Process Control. The Power of Shewhart’s Charts. – Knoxville, SPC Press, Inc.

13. Statistical Process Control – www.spcqi2.com

15. www.dbharmony.com 16. https://deming.ces.clemson.edu/pub/den/

17. Snee, R.D. In Pursuit of Total Quality. – Quality Progress, 1986, #8, pp.25-31.

18. Britz, G., Emerling, D., Hare, L., Hoerl, R., Shade, J. Statistical Thinking. – Special Publication. ASQC Statistics Division. – Spring, 1996.

20. Snee, R.D. Getting Better Business results. Using statistical thinking and methods to shape the bottom line. – Quality Progress, 1998, vol.31, #6, pp.102,104-106.

21. Hoerl, R. W. and Snee, R. D. (2002) Statistical Thinking: Improving Business Performance. – Duxbury Press. – 544P.

22. Salsburg, D. (2001). The lady tasting tea: how statistics revolutionized science in the twentieth century. – N.Y., W.H.Freeman and Company.

23. Balestracci, D. Data «Sanity» – Statistics and Reality. – www.dbharmony.com (2003).

24. Wheeler D. J. (1993) Understanding Variation. The Key to Managing Chaos. – SPS Press, Knoxville. – 136P.

25. Deming, W. E. (1995, 2nd Ed.) The New Economics. For Industry, Government, Education. – MIT Center for Advanced Engineering Studies, Cambridge. – 247P.

26. Pande P. and Hollp L. (2002) What is Six Sigma? – N.Y., McGraw-Hill. – 88P.

1 Насколько мы смогли это выяснить, Рональд Сни (Ronald D. Snee) был первым, кто предложил это новое понимание в 1986 [17].

2 Мы полагаем, что фактически Шухарт совершил в 1924 году революцию в науке, которая в тот момент ещё не существовала. Может быть эта революция заслуживает того, что её сравнивали с теорией относительности или квантовой механикой, но т.к. теория менеджмента тогда только появлялась, открытие Шухарта осталось незамеченным.

Источник