Statistical Process Control (SPC): Kaedah dan Contoh

Statistical process control ialah disiplin menggunakan data masa nyata dan statistik untuk memantau, mengawal, dan menambah baik proses sebelum kecacatan sampai kepada pelanggan. Ia ialah salah satu alat kualiti paling praktikal yang boleh digunakan oleh seorang pengurus, dan ia menjadi teras kepada pembuatan lean, Six Sigma, dan pengurusan operasi moden.

Apakah Itu Statistical Process Control?

Statistical process control (SPC) ialah kaedah kawalan kualiti yang mengaplikasikan teknik statistik untuk memantau output proses dan mengesan bila-bila proses itu bertindak di luar jangkaan. Bukannya memeriksa produk siap dan berharap masalah muncul lewat, SPC memerhatikan proses itu sendiri, secara masa nyata, supaya anda boleh bertindak semasa produk masih dihasilkan.

Idea terasnya mudah: setiap proses mempunyai variasi semula jadi. SPC membezakan antara variasi yang normal (dipanggil punca sepunya) dengan variasi yang menandakan sesuatu telah tersasar (dipanggil punca khas). Apabila hanya variasi punca sepunya wujud, proses itu "terkawal." Apabila punca khas muncul, itulah isyarat untuk menyiasat dan bertindak.

SPC dibangunkan oleh Walter Shewhart di Bell Labs pada tahun 1920-an dan dipopularkan secara global oleh W. Edwards Deming. Hari ini ia digunakan dalam industri automotif, farmaseutikal, makanan, semikonduktor, dan perkhidmatan.

Fakta Utama

• Syarikat yang menggunakan SPC dalam pembuatan melaporkan pengurangan kecacatan sebanyak 50% atau lebih pada tahun pertama pelaksanaan (ASQ Quality Progress, 2022).
• Kajian 2023 oleh International Journal of Production Research mendapati 67% pengeluar bertauliah ISO 9001 menggunakan sejenis pemantauan statistik pada parameter proses kritikal mereka.
• Deming menganggarkan bahawa 94% masalah kualiti berpunca daripada sistem (punca sepunya) dan hanya 6% daripada punca khas individu, yang bermaksud kebanyakan kecacatan tidak boleh diselesaikan dengan menyalahkan pekerja.

Variasi Punca Sepunya berbanding Punca Khas

Memahami perbezaan antara dua jenis variasi ini ialah asas kepada SPC.

Bertindak terhadap variasi punca sepunya seolah-olah ia punca khas (gangguan) sebenarnya menjadikan proses lebih buruk. SPC mengelakkan kesilapan ini dengan menetapkan had kawalan yang rasional berdasarkan data itu sendiri.

Carta Kawalan: Teras SPC

Carta kawalan ialah alat utama dalam SPC. Ia ialah carta larian dengan tiga garis rujukan mendatar ditambah:

• Garis tengah (CL): min proses
• Had kawalan atas (UCL): min tambah tiga sisihan piawai
• Had kawalan bawah (LCL): min tolak tiga sisihan piawai

Had ini dikira daripada data proses sebenar, bukan daripada spesifikasi atau toleransi. Apabila satu titik data jatuh di luar UCL atau LCL, atau apabila corak bukan rawak muncul di dalam had tersebut, carta itu memberi isyarat punca khas.

Peraturan isyarat biasa termasuk:

• Satu titik melebihi had 3-sigma
• Lapan titik berturut-turut pada satu sisi garis tengah
• Enam titik berturut-turut menunjukkan trend menaik atau menurun secara stabil

Bertindak balas kepada isyarat dengan pantas ialah yang menjadikan SPC alat kawalan masa nyata dan bukannya audit retrospektif. Adalah berbaloi untuk memadankan analisis carta kawalan dengan metrik keupayaan proses (Cp/Cpk), yang mengukur sejauh mana proses itu sesuai dalam had spesifikasi sebaik sahaja anda mengesahkan ia terkawal secara statistik.

SPC berbanding Pemeriksaan

Jaminan kualiti tradisional bergantung pada pemeriksaan output pada akhir larian pengeluaran. Anda menghasilkan produk, kemudian anda memeriksanya. Masalah dengan pendekatan ini telah didokumentasikan dengan baik: ia mahal, ia perlahan, dan ia hanya mengesan kecacatan selepas pembaziran telah pun dicipta.

Deming menggambarkan pemeriksaan di penghujung barisan sebagai "terlalu lewat, terlalu mahal, dan tidak boleh dipercayai." Hujahnya ialah jika sesuatu proses itu berkeupayaan dan terkawal, pemeriksaan 100% menjadi sebahagian besarnya berlebihan. Jika proses itu tidak berkeupayaan, pemeriksaan tidak akan membetulkannya juga. Hanya penambahbaikan proses yang boleh melakukan itu.

SPC membalikkan model itu. Anda memantau proses secara masa nyata dan bertindak balas kepada isyarat sebelum kecacatan terbentuk. Beberapa perbezaan praktikal:

SPC tidak menghapuskan pemeriksaan sepenuhnya. Industri kritikal keselamatan masih memerlukan semakan akhir. Syarikat farmaseutikal yang tertakluk kepada FDA 21 CFR Part 211, sebagai contoh, menggabungkan SPC untuk pemantauan dalam proses dengan ujian pelepasan berasaskan pensampelan kerana peraturan menuntut kedua-duanya. Tetapi walaupun di situ, SPC mengurangkan beban pemeriksaan secara mendadak dengan mencegah kecacatan berbanding mencarinya. Lebih sedikit kegagalan mengejut pada pemeriksaan akhir bermaksud kurang kerja semula, kurang kelompok yang ditolak, dan laluan yang lebih pendek daripada pengeluaran kepada pelepasan.

Cara Melaksanakan SPC

Menjalankan SPC ialah latihan kejuruteraan dan pengurusan yang praktikal. Berikut ialah langkah-langkah terasnya.

Langkah 1: Tentukan proses dan pilih metrik

Pilih satu pemboleh ubah output utama untuk dipantau. Ini boleh menjadi dimensi, berat, masa kitaran, isipadu pengisian, atau kadar ralat. Metrik itu harus boleh diukur, berkait langsung dengan kualiti, dan dikumpul pada kekerapan yang praktikal.

Gunakan helaian semak untuk mencatat data secara konsisten dari mula.

Langkah 2: Sahkan sistem pengukuran

Data yang tidak baik menghasilkan carta kawalan yang mengelirukan. Sebelum mengumpul data proses, jalankan kajian Gauge R&R (Repeatability and Reproducibility) untuk mengesahkan peranti pengukuran dan operator anda menghasilkan keputusan yang konsisten.

Langkah 3: Kumpul data garis dasar

Kumpul 20 hingga 30 subkumpulan rasional (atau bacaan individu) daripada proses yang berjalan di bawah keadaan normal. Data garis dasar ini digunakan untuk mengira garis tengah dan had kawalan anda.

Langkah 4: Pilih carta kawalan yang betul

Jenis data yang berbeza memerlukan carta yang berbeza (lihat bahagian Jenis Carta Kawalan di bawah). Memilih carta yang salah memberikan had kawalan yang tidak tepat.

Langkah 5: Kira dan plotkan had kawalan

Kira UCL, LCL, dan garis tengah daripada data garis dasar anda. Plotkan had tersebut pada carta. Had ini harus kekal tetap sehingga anda dengan sengaja menambah baik proses tersebut.

Langkah 6: Pantau proses dan bertindak balas kepada isyarat

Plotkan titik data baharu secara masa nyata. Apabila isyarat muncul, ikuti pelan tindak balas yang ditetapkan: berhenti dan siasat, kenal pasti punca akar, betulkan, dan dokumenkan hasilnya. Gunakan DMAIC apabila penyiasatan mendedahkan masalah sistemik yang lebih mendalam.

Langkah 7: Semak dan kira semula secara berkala

Selepas penambahbaikan proses yang tulen, kira semula had kawalan menggunakan garis dasar baharu. Had yang berdasarkan prestasi lama tidak lagi mencerminkan realiti semasa. Sesetengah pasukan menetapkan semakan kalendar (setiap suku tahun, sebagai contoh) untuk menilai sama ada proses telah berubah cukup untuk mewajarkan had baharu. Yang lain mencetuskan semakan setiap kali projek DMAIC ditutup, menganggap had baharu sebagai sebahagian daripada hasil fasa kawalan.

Jenis-jenis Carta Kawalan

Memilih carta yang betul bergantung pada dua perkara: sama ada data anda berterusan (diukur) atau atribut (dikira), dan bagaimana subkumpulan anda distrukturkan.

Histogram dan gambar rajah serakan ialah rakan yang berguna semasa anda dalam proses memilih jenis carta. Histogram menunjukkan sama ada data anda mengikuti taburan yang lebih kurang normal (prasyarat untuk kebanyakan carta pemboleh ubah), manakala gambar rajah serakan membantu anda memahami hubungan antara input dan output sebelum anda menentukan pemboleh ubah mana yang wajar dipantau.

Jika anda masih tidak pasti carta mana yang sesuai dengan situasi anda, Manual Rujukan SPC AIAG (kini pada edisi kedua) mengandungi pokok keputusan yang membimbing anda melalui jenis data, struktur subkumpulan, dan kekerapan pengukuran. Kebanyakan pakej perisian pengurusan kualiti juga memilih secara automatik jenis carta berdasarkan data yang anda masukkan.

Faedah dan Batasan

Faedah

• Amaran awal: Masalah dikesan semasa pengeluaran, bukan selepasnya.
• Keputusan objektif: Had kawalan menghapuskan tekaan daripada persoalan "adakah ini normal?"
• Kurang pemadaman kebakaran: Proses yang stabil dan terkawal membebaskan tumpuan pengurusan untuk kerja penambahbaikan berbanding tindak balas kecemasan.
• Pengetahuan proses: Carta membina memori kelembagaan tentang bagaimana sesuatu proses bertindak dari semasa ke semasa.
• Pengurangan kos: Kurang kecacatan, kurang kerja semula, dan pengurangan sisa secara langsung menurunkan kos operasi.

Batasan

• Memerlukan pengumpulan data yang stabil: Jika sistem pengukuran tidak boleh dipercayai atau pengumpulan data tidak konsisten, carta itu mengelirukan.
• Pemilihan carta adalah penting: Jenis carta yang salah menghasilkan had yang tidak tepat dan isyarat palsu.
• Pelaburan latihan: Operator dan jurutera perlu memahami maksud isyarat dan cara bertindak balas. Carta di dinding yang tidak ditindaklanjuti oleh sesiapa lebih buruk daripada tiada carta langsung.
• Bukan pengganti reka bentuk proses: SPC mengawal proses sedia ada. Jika proses itu pada asasnya tidak berkeupayaan memenuhi spesifikasi, SPC akan mengesahkan hakikat itu tetapi tidak membetulkannya. Anda memerlukan analisis keupayaan proses (Cp/Cpk) dan perubahan kejuruteraan untuk itu.
• Boleh menyebabkan keletihan amaran: Peraturan yang terlalu sensitif atau had yang tidak dijaga dengan baik menghasilkan terlalu banyak isyarat palsu, menyebabkan pasukan mengabaikan carta itu.

Soalan Lazim

Apakah perbezaan antara SPC dan SQC? Statistical quality control (SQC) ialah disiplin yang lebih luas yang meliputi kedua-dua pensampelan statistik untuk pemeriksaan penerimaan dan SPC. SPC ialah subset pemantauan masa nyata bagi SQC. Apabila orang menyebut "statistical process control," mereka secara khusus merujuk kepada pendekatan carta kawalan untuk memantau pengeluaran berterusan.

Berapa banyak titik data yang saya perlukan sebelum boleh menetapkan had kawalan? Kebanyakan buku teks dan manual SPC AIAG mengesyorkan sekurang-kurangnya 20 hingga 25 subkumpulan (atau bacaan individu untuk carta I-MR). Titik yang lebih sedikit menghasilkan anggaran had yang tidak stabil. Jika anda terpaksa bermula dengan data yang kurang, anggap had awal itu sebagai sementara dan kira semula sebaik sahaja anda mengumpul 25 titik.

Bolehkah SPC digunakan dalam persekitaran perkhidmatan dan pejabat? Ya. SPC terpakai di mana-mana sahaja anda mempunyai proses yang boleh diulang dan output yang boleh diukur. Aplikasi perkhidmatan biasa termasuk masa pengendalian panggilan, ralat pemprosesan invois, masa kitaran penghantaran, dan masa menunggu pelanggan. Jenis carta adalah sama; hanya metrik yang berubah.

Apakah hubungan antara had kawalan dan had spesifikasi? Had kawalan dikira daripada variasi proses sebenar. Had spesifikasi ditetapkan oleh pelanggan atau pasukan kejuruteraan. Kedua-duanya sama sekali tidak bergantung antara satu sama lain. Sesuatu proses boleh terkawal secara statistik (semua titik dalam had kawalan) dan masih tidak berkeupayaan memenuhi spesifikasi. Itulah tepat apa yang diukur oleh indeks keupayaan proses seperti Cp dan Cpk.

Bilakah saya perlu mengira semula had kawalan? Kira semula selepas penambahbaikan proses yang disahkan dan disengajakan. Jangan kira semula hanya kerana titik jatuh di luar had. Membuang data "buruk" untuk mendapatkan had yang lebih ketat menghancurkan tujuan SPC. Had harus mencerminkan proses yang stabil dan telah ditambah baik yang benar-benar ingin anda jalankan.

---

SPC ialah salah satu alat kualiti tertua yang masih digunakan secara aktif, dan ia memperoleh usia panjang itu kerana benar-benar berkesan. Mulakan dengan satu metrik, satu carta, dan pelan tindak balas yang komited. Apabila pasukan anda membina keyakinan dengan asas-asasnya, kembangkan kepada lebih banyak pemboleh ubah dan integrasikan penemuan SPC ke dalam kitaran penambahbaikan DMAIC anda yang lebih luas.