Metoda MSA
Measurement Systems Analysis - analýza systémů měření - slouží pro ověření způsobilosti daného systému měření, posouzení vhodnosti užití měřidel pro daný účel (produkt), posouzení vhodnosti užití měřidel pro dané prostředí (pracoviště, proces), posouzení postupů měření a posouzení způsobilosti osob, které měření provádějí. Metoda MSA se dá z hlediska výuky na konkrétním příkladu velmi dobře cvičit, na rozdíl od QFD a FMEA. To platí pro základní metody používané v praxi, kde nejsou důležité statistické předpoklady pro provádění analýzy.
Z hlediska reálné aplikace je MSA doplňkovým nástrojem, kterým potvrzujeme správné nasazení systému měření v konkrétní aplikaci. Některé metody používané při analýze systémů měření jsou založeny na někdy jednoduchých, jindy složitějších matematicko-statistických výpočtech, což obvykle způsobuje komplikace při nasazování metod. Toto musí být pečlivě zvažováno a realizováno v podobě poměrně hodně vysvětlujících postupů. Výsledky jsou však jednoduše interpretovatelné, což je velkým přínosem.
SPC
Statistical Process Control - statistická regulace procesu je nástroj pro ovládnutí a zlepšování procesu, který probíhá s větší četností (sériová výroba, hromadná výroba). S relativně malými náklady a úsilím lze sledovat průběh procesu. V případě potřeby je třeba provést regulační zásah a proces upravit (seřídit), viz schéma obr. 3 [4].
Statistická regulace procesu se dá z hlediska výuky na konkrétním příkladu také velmi dobře cvičit. Teorie je srozumitelně popsaná v řadě odborných zdrojů, a to i včetně konkrétních příkladů aplikace. Statistická regulace procesu a hodnocení způsobilosti procesu je základním vstupním požadavkem pro reálné sledování a hodnocení procesů. V praxi se využívá často.
DOE
Design of Experiments - plánování experimentů, navrhování experimentů - je nástrojem pro určování faktorů a optimalizace velikosti (nastavení) těchto faktorů (o nichž si myslíme, že mají rozhodující vliv na jakost produktu).
Z didaktického pohledu je navrhování experimentů zajímavou metodou obsahující řadu různých postupů. Rozsahem tak může tvořit samostatný předmět. V pozadí stojí statistické metody, z nichž některé vyžadují delší teoretický rozbor pro pochopení vazeb. Z hlediska praktického nasazení patří navrhování experimentů k nástroji, který je využíván spíše jako doplňkový. Nabízí mnoho možností a alternativ, opět spojených se znalostí širokého statistického pozadí. To z něj činí nástroj spíše obávaný, nicméně při vhodném nasazení je výtěžnost tohoto nástroje vysoká.
Schválení dílu do procesu sériové výroby podle metodiky PPAP nebo VDA 2
Ve své podstatě není metodou, jako spíše postupem. Účelem PPAP je určit, zda organizace správně rozumí všem požadavkům zákaznické konstrukční dokumentace a zákaznických specifikací a zda výrobní proces je kapacitně schopen vyrábět produkt trvale splňující tyto požadavky, a to v průběhu sériové výroby při požadovaném kapacitním výkonu [5].
Z didaktického pohledu lze konstatovat, že nelze teoreticky vyučovat. Z praktického používání patří schvalování dílů do procesu sériové výroby mezi základní nástroje v procesu vývoje výrobku a v procesu plánování kvality. Svojí povahou spojuje předcházející nástroje, pracuje s jejími závěry a kvalifikuje výrobek pro sériovou aplikaci.
Shrnutí
Příspěvek se zabývá problematikou plánování kvality z pohledu vzdělávání. Stručně hodnotí vybrané nástroje, uvádí jejich klady a zápory ze dvou pohledů, z pohledu získávání teoretických znalostí a z pohledu reálného použití v praxi. Z hodnocení se došlo k závěru, že z pohledu získávání teoretických znalostí (učení) se nejlépe jeví statistické metody, protože se dají spočítat (i když postup může být poměrně složitý) na rozdíl od metod QFD a FMEA - tam je potřeba se rozhodovat na základě praktických zkušeností. PPAP nebo VDA 2 nelze teoreticky vyučovat.
Z pohledu reálného využití v praxi se došlo k závěru, že řada nástrojů je založena na matematicko-statistických základech, což v podmínkách provozu obvykle ztěžuje rychlou možnost nasazení. Dalším závěrem je fakt, že některé nástroje jsou silně založené na zkušenostech, což může rychlé nasazení také ztěžovat. Nicméně spojení teoretických znalostí vhodně aplikovaných do podmínek podnikové praxe přináší poměrně dobré uplatnění jednotlivých nástrojů. Tato skutečnost následně generuje první zkušenosti, což v budoucnu přináší podniku zisk, a to nejen finanční.
Tento článek je spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky v rámci projektu č. CZ.1.07/2.2.00/07.0235 „Inovace výuky v oboru konstruování strojů včetně jeho teoretické, metodické a počítačové podpory".
Použitá literatura:
- [1] PLURA, Jiří.Plánování a neustálé zlepšování jakosti. Praha: Computer Press, 2001. 244 s. ISBN 80-7226-543-1.
- [2] DaimlerChrysler Corporation, Ford Motor Company, General Motors Corporation.Moderní plánování kvality produktu (APQP) a plán kontroly a řízení. Praha: Česká společnost pro jakost, 2009. 107 s. ISBN 978-80-02-02142-1.
- [3] VDA 4 - Zajišťování kvality před sériovou výrobou. Praha: Česká společnost pro jakost, 2007.
- [4] CHALOUPKA, Jiří.Jednoduše kvalita. Praha: Pre-Press: Red Cat. 110 s. ISBN 978-80-254-1346-3.
- [5] Proces schvalování dílů do sériové výroby (PPAP). Praha: Česká společnost pro jakost, 2006. 70 s. ISBN 80-02-01833-8.
Ing. Petr Netolický, Ph.D.
Ing. Ivana Mazínová
Witte Nejdek, FS ZČU v Plzni Katedra konstruování strojů
petr.netolicky@witte-automotive.cz
Witte Nejdek
On-line verzi časopisu MM Průmyslové spektrum si můžete nově zakoupit v digitální trafice PUBLERO .