Wat is statistische procesbeheersing (SPC)? Definitie en toepassingen

De statistische procescontrole werd in het begin van de jaren twintig door Walter A. Shewhart gepionierd. Shewhart creëerde de basis voor de controlekaart en het concept van een staat van statistische controle door zorgvuldig ontworpen experimenten. Terwijl Dr. Shewhart uit pure wiskundige statistische theorieën putte, begreep hij dat gegevens van fysische processen zelden een "normale verdelingscurve" (een Gaussische verdeling, ook wel "belcurve" genoemd) opleveren. Hij ontdekte hoe de waargenomen variatie in productiegegevens zich niet altijd op dezelfde manier gedroeg als gegevens in de natuur (bijvoorbeeld Brownsebeweging van deeltjes). Dr. Shewhart concludeerde dat hoewel elk proces variatie vertoont, sommige processen gecontroleerde variatie vertonen die natuurlijk is voor het proces (gemeenschappelijke oorzaken van variatie), terwijl andere ongecontroleerde variatie vertonen die niet altijd aanwezig is in het causale systeem van het proces (speciale oorzaken van variatie). Ongecontroleerde variatie wordt vaak geassocieerd met defecte producten, wat een datagestuurd middel is om problemen te identificeren en de kwaliteit te verbeteren.

W. Edwards Deming paste later tijdens de Tweede Wereldoorlog SPC-methoden toe in de VS, waardoor de kwaliteit van de productie van munitie en andere strategisch belangrijke producten met succes werd verbeterd. Na afloop van de oorlog speelde hij een belangrijke rol bij de introductie van SPC-methoden in de Japanse industrie. Deming's aanpak van het gebruik van SPC met bijbehorende managementpraktijken werd bekend als een kwaliteitsmanagementsysteem.

De volgende beschrijving heeft betrekking op de verwerkende industrie en niet op de dienstensector, hoewel de beginselen van het SPC met succes op beide kunnen worden toegepast. Voor een beschrijving en voorbeeld van hoe SPC van toepassing is op een dienstenomgeving, zie Roberts (2005). Selden beschrijft hoe SPC te gebruiken op het gebied van verkoop, marketing en klantenservice, met behulp van Deming's beroemde Red Bead Experiment als een gemakkelijk te volgen demonstratie.

Bij de massafabricage werd de kwaliteit van het afgewerkte artikel traditioneel bereikt door de inspectie van het product na de productie; het aanvaarden of afwijzen van elk artikel (of van monsters van een productiepartij) op basis van hoe goed het aan de ontwerpspecificaties voldeed. Statistische procescontrole daarentegen maakt gebruik van statistische instrumenten om de prestaties van het productieproces te observeren en zo significante afwijkingen te voorspellen die later kunnen leiden tot afgekeurde producten.

Twee soorten variatie komen in alle productieprocessen voor: beide soorten procesvariatie veroorzaken latere variatie in het eindproduct. De eerste staat bekend als natuurlijke of gemeenschappelijke oorzaakvariatie en bestaat uit de variatie die inherent is aan het proces zoals het is ontworpen. Veel voorkomende oorzaakvariatie kan bestaan uit variaties in temperatuur, eigenschappen van grondstoffen, sterkte van een elektrische stroom, enz. De tweede soort variatie staat bekend als speciale oorzaakvariatie, of toewijsbare oorzaakvariatie, en komt minder vaak voor dan de eerste. Bij voldoende onderzoek kan een specifieke oorzaak, zoals een abnormale grondstof of onjuiste instelparameters, worden gevonden voor speciale oorzaakvariaties.

Zo kan een verpakkingslijn voor ontbijtgranen ontworpen zijn om elke graandoos te vullen met 500 gram product, maar sommige dozen hebben iets meer dan 500 gram, en sommige iets minder, in overeenstemming met een verdeling van de nettogewichten. Als het productieproces, de input of de omgeving verandert (bijvoorbeeld de machines die de productie uitvoeren beginnen te slijten) kan deze verdeling veranderen. Als bijvoorbeeld de nokken en katrollen verslijten, kan de graanvulmachine meer graan in elke doos gaan doen dan aangegeven. Als deze verandering ongecontroleerd doorgaat, zullen er steeds meer producten worden geproduceerd die buiten de toleranties van de fabrikant of consument vallen, met als gevolg dat er afval ontstaat. Terwijl in dit geval het afval in de vorm van een "gratis" product voor de consument is, bestaat het afval meestal uit herbewerking of schroot.

Door op het juiste moment te observeren wat er in het proces is gebeurd dat tot een verandering heeft geleid, kan de kwaliteitsingenieur of elk lid van het team dat verantwoordelijk is voor de productielijn, de hoofdoorzaak van de variatie die in het proces is ingeslopen, oplossen en het probleem verhelpen.

SPC geeft aan wanneer een actie moet worden ondernomen in een proces, maar het geeft ook aan wanneer er GEEN actie moet worden ondernomen. Een voorbeeld is een persoon die een constant lichaamsgewicht wil behouden en wekelijks een gewichtsmeting uitvoert. Iemand die de SPC-concepten niet begrijpt, kan beginnen met een dieet elke keer dat zijn of haar gewicht toeneemt, of meer eten elke keer dat zijn of haar gewicht afneemt. Dit type actie kan schadelijk zijn en mogelijk nog meer variatie in het lichaamsgewicht veroorzaken. Een SPC zou de normale gewichtsvariatie verklaren en beter aangeven wanneer de persoon in feite aankomt of afvalt.

Statistische procesbeheersing kan grofweg worden onderverdeeld in drie soorten activiteiten: het begrijpen van het proces; het begrijpen van de oorzaken van variatie; en het elimineren van de bronnen van variatie door speciale oorzaken. De belangrijkste instrumenten in SPC zijn controlediagrammen, een focus op continue verbetering en ontworpen experimenten.

Bij het begrijpen van een proces wordt het proces meestal in kaart gebracht en wordt het proces gemonitord met behulp van controlediagrammen. Controlediagrammen worden gebruikt om variatie te identificeren die te wijten kan zijn aan speciale oorzaken, en om de gebruiker te bevrijden van de bezorgdheid over variatie als gevolg van gemeenschappelijke oorzaken. Dit is een continue, doorlopende activiteit. Wanneer een proces stabiel is en geen van de detectieregels voor een controlediagram in werking treedt, kan ook een analyse van de procescapaciteit worden uitgevoerd om te voorspellen of het huidige proces in de toekomst in staat zal zijn om een conform (d.w.z. binnen de specificatie) product te produceren.

Wanneer er een te grote variatie wordt vastgesteld in de regels voor het opsporen van controlediagrammen, of wanneer de procescapaciteit ontbreekt, wordt er extra moeite gedaan om de oorzaken van die variatie vast te stellen. De gebruikte hulpmiddelen omvatten Ishikawa-diagrammen, ontworpen experimenten en Paretodiagrammen. Ontworpen experimenten zijn kritisch voor deze fase van SPC, omdat zij de enige manier zijn om het relatieve belang van de vele potentiële oorzaken van variatie objectief te kwantificeren.

Als de oorzaken van de variatie eenmaal gekwantificeerd zijn, wordt er gewerkt aan het wegnemen van de oorzaken die zowel statistisch als praktisch significant zijn (d.w.z. een oorzaak die slechts een klein maar statistisch significant effect heeft, kan niet als kosteneffectief worden beschouwd om te verhelpen; een oorzaak die niet statistisch significant is, kan echter nooit als praktisch significant worden beschouwd). Over het algemeen omvat dit de ontwikkeling van standaardwerk, foutbestendigheid en opleiding. Extra proceswijzigingen kunnen nodig zijn om de variatie te verminderen of het proces af te stemmen op het gewenste doel, vooral als er een probleem is met de procescapaciteit.

In 1989 introduceerde het Software Engineering Institute in het Capability Maturity Model (CMM) het idee dat SPC nuttig kan worden toegepast op niet-productieprocessen, zoals software-engineering processen. Dit idee bestaat vandaag de dag binnen de praktijken van niveau 4 en niveau 5 van het Capability Maturity Model Integration (CMMI). Dit idee dat SPC een nuttig instrument is wanneer het wordt toegepast op niet-repetitieve, kennisintensieve processen, zoals engineeringprocessen, is echter op veel scepsis gestuit, en blijft vandaag de dag controversieel. Het probleem ligt in tal van gebieden van software die niet repetitief zijn, maar eerder eenmalige of eenmalige kwaliteitsaspecten zijn, in plaats van te worden geobserveerd voor herhaalde prestaties op lange termijn.

• Kwaliteitsborging
• Kwaliteitscontrole
• ANOVA
• Steekproeven (statistieken)
• Zes sigma