Ing. Jindřich volek, PhD.
Úvod
Základním předpokladem zlepšování jakosti v organizaci je pochopení procesů a jejich regulace vzhledem k cílům, které mají být dosaženy. Těchto cílů musí procesy dosahovat efektivně, tedy s co nejmenšími vnitřními náklady a nejvyšší přidanou hodnotou, na pozadí procesního přístupu.
Každý proces je ovlivňován řadou vlivů, které způsobují, že výsledky opakovaných činností procesu nejsou totožné, ale v různé míře se navzájem liší. Tyto vlivy pak vedou k názoru, že procesy a tudíž i jejich výstupy jsou náhodné [7], resp. vykazují vysokou úroveň variability. Pro výrobce to znamená, že musí být schopen procesy modelovat a regulovat tak, aby parametry výsledného produktu dosahovaly požadované stabilní úrovně.
Procesní přístup
Procesní přístup je definován pro snadnější pochopení souvislostí a zákonitostí činností, které mají být řízeny a které vytváří vzájemnou symbiózu materiálových, informačních a finančních toků uvnitř organizace.
Za proces lze považovat soubor činností ve smyslu cyklu PDCA, které transformují vstupy na výstupy v řízených podmínkách, viz obr.1. Podle toho, jakou míru transformace zahrnuje přeměna vstupů na výstupy, jsou procesy různě složité. Složitost jakéhokoliv procesu je určená počtem úloh a vzájemných součinností v rámci procesu.
Obr. 1: Rozšířený model procesu
Cyklus PDCA (Plan-Do-Check-Act) je v tomto případě chápán jako nedílná součást každého procesu, který se plánuje, realizuje, kontroluje a návazně se do dalšího plánování zapracovávají připomínky či nápravná opatření, která při předchozím cyklu vznikla. V některých případech je vhodné použít cyklus SDCA [3] (Standardize-Do-Check-Act), kdy se nejprve vytvoří standard a poté se realizují všechny činnosti obdobné jako u cyklu PDCA.
Metodika regulace procesu
Pro regulaci procesu je nutné znát aktuální hodnotu výstupní veličiny, kterou je třeba porovnat s požadovanou hodnotou a z případného rozdílu vygenerovat akční zásah do procesu a jeho vstupů. Tímto dojde k úpravě procesu a dosažení výstupní veličiny na požadovanou úroveň.
Vykazuje-li proces vysokou variabilitu, pak aktuální hodnota výstupní veličiny neposkytuje dostatečnou relevantní informaci, potřebnou pro (rozhodnutí) akční zásah, resp. pro regulaci. Aktuální hodnota výstupní veličiny tak může být zdrojem chybného rozhodnutí.
Odpovídající přístup spočívá ve zjišťování (měření) výkonnosti procesů a v aplikaci statistických metod, které umožňují odhadnout pravděpodobné hodnoty se známou spolehlivostí odhadu, a tím snížit riziko nesprávné regulace procesu.
K dosažení očekávaných výsledků procesu je třeba postupovat podle metodiky regulace procesu, viz obr.2.
Obr. 2: Metodika regulace procesu
Prvotním krokem je identifikace a mapování procesů, u kterého je důležité definovat jednotlivé procesy v jejich logické posloupnosti. Dalším elementem je modelování procesu, u něhož je velmi důležité stanovit všechny vstupy a výstupy procesu včetně zdrojů, regulátorů a případných možných vlivů. Ve třetím kroku je vhodné vybrat měřící body, na základě kterých pak může být proces hodnocen, analyzován a řízen. Návazně výběr ukazatele výkonnosti a nástroje analýzy včetně jejich aplikace v reálném prostředí bude v závěrečné části vykazovat potřebná data pro rozhodování v možnostech regulace procesu.
Výsledným efektem je dosažení stanovených cílů daného procesu, resp. výsledků po předchozím zásahu do procesu, tj. regulaci.
Hodnocení procesu
Proces je účinný tehdy, pokud jeho výstup dosahuje plánovaných a požadovaných parametrů, a to jak kvalitativních, tak i kvantitativních. Naproti tomu proces je efektivní, je-li při dosažení všech požadovaných a plánovaných parametrů dosaženo přidané hodnoty, kterou interní či externí zákazník ocení. Při úvaze Paretova principu [6] na efektivnost procesu lze říci, že proces je optimálně efektivní je-li získáno 80% výsledku při 20% vstupního úsilí.
Obecně mohu konstatovat, že proces lze hodnotit z hlediska:
výkonnosti (účinnost, efektivnost procesu),
variability (proměnlivosti procesu následkem vnitřních a vnějších vlivů).
Měření výkonnosti procesů
Jestliže procesy chceme regulovat musíme měřit jejich výkonnost. Důležitým aspektem měření výkonnosti je předchozí stanovení měřících bodů, viz obr.2, měřit je zapotřebí nejen výstupy, ale také vstupy do procesu i v průběhu vlastního procesu. Stanovení měřících bodů je odvislé zejména na požadovaných zjišťovaných ukazatelích a metodách analýzy. V průběhu vlastního procesu přitom počet měřících bodů musí odpovídat možnostem vzniku variability. Pokud bychom měřili pouze vstupy a výstupy, nedokázali bychom nikdy identifikovat příčiny vzniku odchylek od požadavků, které mohou vzniknout na jakémkoliv místě procesu.
Metody měření výkonnosti procesů včetně jejich požadavků jsou blíže uvedeny v [8] a jsou následující (výběr z citace):
Univerzální ukazatele měření výkonnosti:
průběžná doba procesu,
efektivní využití doby procesu,
celkové náklady na proces,
efektivní využití nákladů,
podíl neshod v procesu,
procesem přidaná hodnota (úroveň Sigma způsobilosti, počet registrovaných odchylek) apod.
Ukazatele měření výkonnosti výrobních procesů:
průměrnou ziskovost na pracovníka,
indexy způsobilosti strojů a procesu,
obrátkovost materiálu,
podíl neshodných výrobků k výstupům,
účinnost zajištění termínů ve výrobě apod.
Ukazatele měření výkonnosti nevýrobních procesů:
před výrobou (marketing apod.),
v průběhu výroby (údržba, zásobování apod.):
podíl nákladů na údržbu k výrobním nákladům,
obrátka zásob apod.,
po skončení výroby (servis apod.):
podíl splněných reklamací v termínu a dalších závazků servisu zákazníkům,
náklady na reklamace apod.
Měřící body vykazují data, která po vhodném zpracování a analýze umožňují vlastníkovi procesu poznat okamžité reálné chování jím regulovaného procesu, případně jsou dalším podkladem pro realizování úprav tohoto procesu.
Hlavní úlohou majitele procesu je analyzovat výsledná data (hodnoty) ukazatelů výkonnosti zda jsou v přípustných mezích dle plánu. Pokud se tyto hodnoty v přípustných mezích nenacházejí, je velmi pravděpodobné, že proces vykazuje nadměrnou variabilitu; je nutná analýza pravých příčin. V případě odhalení příčiny musí být její eliminace předmětem procesu neustálého zlepšování.
K identifikaci a analýze pravých příčin se nejčastěji používá Ishikawův diagram, viz obr.3, který přehledně zohledňuje faktory jež způsobují rozptýlení výstupů z procesu (variabilitu).
Obr. 3: Ishikawův diagram [7]
Variabilita procesu
Každý proces vykazuje variabilitu a to i za relativně stálých podmínek, která je způsobena různými vlivy (příčinami).
Tyto vlivy lze v zásadě rozdělit na dvě skupiny [1], [7]:
Náhodné vlivy (96%) jsou v procesu vnitřně obsažené, tzv. inherentní vlivy. Vlivem těchto příčin mají procesy předvídatelné chování, avšak tyto vlivy není možné zcela eliminovat. Jejich působení však může být také určitými zásahy do procesu omezeno (úprava kolísání teploty, použití přesnějšího přístroje, změna momentálního psychického stavu pracovníka apod.).
Identifikovatelné vlivy (4%), nazývané také jako vymezitelné příčiny, obecně nejsou předvídatelné. Ovlivňují proces tak, že hodnoty znaku jakosti mění náhle (např. vliv nástupu nového pracovníka, zlomení nástroje), nebo postupně (např. pozvolné opotřebování nástrojů a zařízení). Za předvídatelné lze považovat pouze ty vymezitelné příčiny, které vyplývají z fyzikální podstaty procesu, např. již uvedené pozvolné opotřebování. Identifikovatelné vlivy mohou být eliminovány či minimalizovány v relativně krátké době a při relativně nízkých nákladech.
Cílem je dosažení přijatelné, pokud možno stabilní, úrovně variability procesu a postupné snižování této variability na požadované optimum. Díky variabilitě nelze vytvářet zcela totožné produkty, ale lze tyto vlivy identifikovat, analyzovat a následně řídit za pomocí vstupů, zdrojů a regulátorů, viz obr.1.
Tento pochod pak můžeme začlenit do procesu neustálého zlepšování, požadovaného normou ISO 9001, kapitola 8 „Měření analýza a zlepšování“ [2].
Metody regulace variability procesu
Pro řízení variability procesů (z větší části výrobních) a následně ovlivnění jejich příčin v pozitivním důsledku se používá „Sedm statistických nástrojů“, které jsou detailně popsány v [1]. Jedná se o:
Kontrolní formuláře a záznamy,
Histogramy,
Postupové diagramy,
Paretovu analýzu,
Diagramy příčin a následků,
Bodové diagramy,
Regulační diagramy.
Obdobně uvedené nástroje se používají také pro řešení problémů ve strategii KAIZEN [3]. Kromě výše uvedených sedmi základních nástrojů se v systému řízení jakosti používá také „Nových sedm“ (The New Seven), které jsou přehledně popsány např. v [7]. Tyto nové nástroje jsou nejčastěji využívány pro řešení problémů ve fázi vývoje a plánování.
Mezi „Nových sedm“ patří:
Diagram afinity,
Graf vzájemných vztahů,
Stromový diagram,
Maticový diagram,
Analýza údajů v matici,
Diagram programu rozhodovacího procesu,
Šipkový diagram.
Lze říci, že všechny metody řízení variability procesů vychází z teorie matematické statistiky a teorie pravděpodobnosti. Lze také poukázat na to, že všechny procesy mají vlastní variabilitu [1].
Analogicky lze odvodit, že žádný proces neprobíhá s „optimální variabilitou“, bez jakéhokoliv řízení procesu. Cílem není dosažení minimální variability procesu, ale právě určité stabilní úrovně, která je přijatelná, resp. zákazníkem akceptovatelná, tj. „optimální variability“. Ve snaze o minimální variabilitu může dojít k neefektivní nadměrné spotřebě zdrojů, např. finančních apod.
Pro aplikaci statistických nástrojů lze použít specializované softwarové produkty, např. [4], které umožňují sběr, zpracování, archivaci a především zobrazení informací o vyráběném produktu z hlediska znaků jakosti.
Naproti tomu je velmi dobře možné tyto statistické nástroje vhodně aplikovat za použití programu MS Excel [5].
Závěr
Z vlastních zkušeností mohu poukázat na výhodnost implementovaných statistických nástrojů v podnikovém informačním systému. Odpadá tak náročný sběr dat a jejich roztřídění pro aplikaci např. za použití univerzálnějšího programu MS Excel.
Vzorovým příkladem tak může být aplikace Paretovy analýzy u procesu prodeje, jehož možnou srovnávací hladinou či hypotézou je, že 20% výrobního portfolia přináší 80% finančních zisků s cílem eliminovat neziskové produkty a zaměřit se na produkty či skupiny produktů, jež přináší největší finanční efekt. Za tímto účelem jsem musel vytvořit simultánně se stávajícím informačním systémem, který neakceptuje požadavky na export dat, další informační systém, do kterého jsou data zadávána a periodicky vyhodnocována.
LITERATURA
[1] Noskievičová, D.: Statistické metody v řízení jakosti.
VŠB-TU Ostrava. Ostrava 2000. ISBN 80-7078-318-4
[2] ČSN EN ISO 9001:2000: Systémy managementu jakosti - Požadavky. 2.
vydání. ČNI. Praha 2002
[3] Masaaki, I.: Kaizen. Computer press. Brno 2004. ISBN
80-251-0461-3
[4] Tomáš, L.: Statistické řízení procesů a vizualizační software
Citect. Automatizace 7-8/2004, s. 472
[5] Kopp, P.: Rozhodování v řízení jakosti a počítačová podpora.
XXIX. ASR 2004 Seminar, Instruments and Control. Ostrava 2004, s. 159-166
[6]
Koch, R.: Pravidlo 80/20. Management Press. Praha 1999. ISBN
80-7261-008-2
[7] Fiala, A. a kol.: Management jakosti s podporou norem ISO
9000:2000. Verlag Dashöfer. Praha 2004. ISBN 80-86229-19-X
[8] Nenadál,
J.: Měření v systémech managementu jakosti. 2. vydání.
Management Press. Praha 2004. ISBN 80-7261-110-0
Kontakt na autora:
Ing. Jindřich Volek, PhD.
Email: volekj@seznam.cz
Lektoroval:
Prof. Ing. Jiří Plura, CSc.