Minőségmenedzsment 7. előadás

1. Minőségmenedzsment7. előadás A minőségmenedzsment módszerei I - súlyszámképzés

2. A funkciók nem egyformán fontosak súlyozni kell: • egyszerű közvetlen becsléssel • páronkénti összemérés skálarendszerű értékeléssel (Churman – Ackoff féle eljárás) • páronkénti összemérés logikai döntési eredménnyel (Guilford-féle eljárás)

3. I.Egyszerű közvetlen becslés • Értékelési tényezők teljes preferencia súlya 1 vagy 100% • Meghatározzuk a tényezők preferencia sorrendjét • Pl.: E2E5E3E4E1 • Ezután egyszerű becsléssel súlyszámokat rendelünk hozzájuk • E2:0,5 E5:0,3 E3:0,1 E4:0,07 E1:0,03 • Két tizedes jegy pontosság elég, • 0,5+0,3+0,1+0,07+0,03=1 • Előny: könnyen és gyorsan alkalmazható • Hátrány: kevés értékelési tényező esetén alkalmazható

4. II.Churchman-Ackoff-féle súlyozási eljárás • 1.lépés: Preferencia sorrend kialakítása előzetes becsléssel (C1, C2…Cn) • 2. lépés: Fontosság szerint hasznossági értékek hozzárendelése • Az első (C1) súlyát 1-nek véve meg kell adni a többi szempont relatív súlyát az elsőhöz képest • Pl. A C1 szempont fontosabb, ugyanolyan fontos, vagy kevésbé fontos, mint az összes többi együtt? • W1>(=,<) w2+w3+…+wn? • Ezek összevetése, és a fontosság korrigálása: • ha C1 szempont fontosabb, de a súlyokkal felírt egyenlőtlenség nem ezt mutatja, akkor w1-et úgy kell módosítani, hogy az egyenlőtlenség tükrözze a relációt 3. lépés • Ha C1 nem olyan fontos, akkor annak megfelelően csökkentsük a w1-et • Majd hasonlítsuk össze a C1 szempontot a {C2, C3…Cn-1} szempontok csoportjával, és ismételjük addig, amíg {C2, C3} csoporthoz jutunk • 3.lépés: hasonlítsuk összes C2-t a {C3, C4…Cn} csoportokkal a 2. lépés szerint • 4.lépés, folytassuk a sort, amíg a Cn-2 {Cn-1, Cn} összehasonlításhoz jutunk • 5. lépés: standardizálás: osszuk el minden szempont súlyát Σwi-vel • Előny: megbízhatóbb eredményt ad, mint a közvetlen becslés • Hátrány: nem alkalmazható 7-nél több szempontra

5. III. Guilford-féle eljárás (Páros összehasonlítás ) • Párok képzése • A párok elrendezése • véletlenszerű elrendezés • Ross-féle optimális párelrendezés. • Páronkénti értékelés • Preferencia-mátrix összeállítása • Konzisztencia vizsgálat • Összesített preferencia-mátrix elkészítése

6. Példa • Kávé: • erős (E1) • tejes (E2) • édes (E3) • forró (E4) • fahéjas (E5) • tejszínhabos (E6)

7. Alakítsuk ki a párokat Helyezzük el őket a megfelelő sorrendben Ross-féle páros elrendezés Vagy véletlen számok módszere Hasonlítsuk össze páronként E1-E2 E6-E4 E5-E1 E3-E2 E5-E6 E2-E3 E2-E4 • E6-E1 • E4-E3 • E5-E2 • E1-E4 • E3-E5 • E2-E6 • E4-E5 • E3-E6

8. Preferencia mátrix elkészítése • A preferencia-mátrix soraiban és oszlopaiban az értékelési tényezők szerepelnek. A sorban szereplő értékelési tényezőt összehasonlítjuk az oszlopokban felsoroltakkal, s ahol a sorban lévő preferált az oszlopban szereplővel szemben, oda 1-et írunk, ahol hátrányt szenved, oda 0-át. • Az egy sorban lévő egyesek száma azt jelenti, hányszor preferált az adott értékelési tényező összesen. • az oszlopban szereplő érték pedig a hátrányok számát mutatja.

9. Konzisztencia vizsgálat • három értékelési tényező: A, B, C esetén • Ha A>B és B>C akkor A>C ,feltéve ha a döntéshozó konzisztens • Konzisztencia együttható • Ahol dmax a nem konzisztens körhármasok maximális száma • Ha n páratlan • Ha n páros:

10. Person 1. d=(5*5*11)/12-55/2=27,5-27,5=0 • K= 1-0/8=1 100,00% a2=55

11. Person 2 d=27,5-55/2=0 • K= 100,00% a2=55

12. Person 3 d=27,5-55/2=0 • K= 100,00% a2=55

13. Person 4 d=27,5-53/2=1 • K= 87,5% a2=53

14. Person 5 d=27,5-53/2=1 • K= 87,5% a2=53

15. Person 6 d=27,5-55/2=0 • K= 100% a2=55

16. Person 7 d=27,5-55/2=0 • K= 100% a2=55

17. Person 8 d=27,5-55/2=0 • K= 100% a2=55

18. Person 9 d=27,5-55/2=0 • K= 100% a2=55

19. Összesített preferencia mátrix

20. súlyszámképzés • Preferencia arány: • vagy korrigált preferencia arány) • ahol m - a bírálók száma. • Ezeket a normális eloszlás u értékeivé transzformálhatjuk és az alapján rendelünk súlyszámokat az egyes jellemzőkhöz, vagy egyszerűen 100%-os arányra számítjuk át: • Pl.: • és ez alapján 1-5-ig értékeket rendelünk hozzá.

21. Az előző példánál maradva zmax=0,36 z min=-0,43 zmax – zmin= 0,79

22. Kendall féle egyetértési együttható (W) • meghatározhatjuk a döntéshozók véleményének egyezését, illetve eltérésének intenzitását. • Az egyetértési együttható értéke teljes egyetértés esetén W=1, míg egyet nem értés esetén 0.

23. Kendall féle egyetértési együttható (W) • Δ a négyzetes eltérés • Rj – az összesített preferenciamátrix egyes oszlopainak összege (rangszám). • – a ragszámösszegek számtani átlaga vagy • m – a döntéshozók száma • n – az értékelési tényezők száma

24. W=76/630=0,12 Rjmean=15 Δ=76 Δmax=630

25. Kendall féle egyetértési együttható (W) számítása

26. QFD (Quality Function Deployment)

27. Minőség háza • A vevői igények lefordítása technikai elvárásokká • A vevő hangja

28. A hagyományos tervezés és a QFD viszonya Hagyományos tervezés Tervezés QFD-vel Vevői igények Vevői igények Vevői vélemények Konkurens termék jellemzői Tervezési irányértékek Tervezés Tervezés Tervezési eredmények Tervezési eredmények Gyártás tervezés Gyártás tervezés

29. 1. Lépés – a vevői igények meghatározása Tisztaság Kényelmes székek Finom ételek Megfelelő kiszolgálás

30. 2. Műszaki paraméterek meghatározása A felszolgálók képzése Csempe típusa A padló csempe tisztíthatósága A székek anyaga Standard menü

31. 3. Egymásra hatás meghatározása 9 – erős kapcsolat 3 – közepes kapcsolat 1 – gyenge kapcsolat

32. -3 9 9 4. lépés: a műszaki paraméterek egymásra hatása 9 – erős pozitív kapcsolat 3 – pozitív kapcsolat -3 – negatív kapcsolat -9 – erős negatív kapcsolat

33. 5. lépés: konkurencia értékelése • Mind a vevői igények • Mind a műszaki paraméterek esetében • 1-5 skálán • A, B – konkurens vállalat • S – saját vállalat

34. 6. Lépés: a vevői igények priorizálása • Vevői igény súlya (0-10) • Cél érték (1-5) • Árbevétel hatás (1-2) • Abszolút súly – a három előző szorzata

35. 7. lépés: műszaki paraméterek priorizálása • Nehézség (0-10) • Célérték (az előzőhöz hasonlóan) • Abszolút fontosság (a vevői súly és a koefficiens szorzata) • Relatív fontosság (a vevői igény abszolút súlyának és a koefficiensnek a szorzata)

36. 81 81 81 80 93 Σ416 8.lépés: végső értékelés 0,19 0,19 0,19 0,19 0,22 243 243 351 595 744 Σ2176 0,11 0,11 0,16 0,27 0,34 Értékelés: az étteremnek a menü elkészítésére kell konentrálni

37. FMEA (Failure Mode and Effects Analysis – a lehetséges hibák és összefüggések elemzése)

38. FMEA

39. FMEA • A módszer a hibákat a becsült kockázatuk alapján rangsorolja • Legtöbbször egy termék, folyamat vagy rendszer még be nem következett hibáival foglalkozik. • Célja: • az összes lehetséges hiba és hatás feltárása, és azok vevőhöz való eljutásának meggátlása. • a kritikus komponensek, potenciális gyenge pontok feltárása • a hibákból eredő kockázatok becslése, számszerűsítése • sorozatgyártásnál a szükséges változtatások minimalizálása • valamennyi potenciális hiba feltárása • Típusa: • konstrukciós FMEA - Célja a konstrukciós megoldásokból és a tervező által készített előírásokból eredő hibák és hibalehetőségek feltárása és megszüntetése. Már gyártásban levő, vagy új konstrukcióra alkalmazható. • Folyamat FMEA - Célja a gyártás, előállítás során fennálló hibalehetőségek feltárása és megszüntetése: Anyagbeszerzéstől a csomagoláson keresztül a kiszállításig a technológiai fegyelmezetlenségből, anyag-, gép-, eszközhibából eredő hibalehetőségek feltárása a feladat.

40. FMEA • Lépései • munkacsoport létrehozása • termék vagy folyamat elemekre bontása, az egyes elemekhez funkciók kapcsolása: • hibák feltárása: a funkció hiányos vagy nem teljesülése, • következmények megfogalmazása • hiba okok feltárása pl halszálka elemzéssel • ellenőrző intézkedések számbavétele, • a láncolatok jelentőségének értékelése, súlyozása (RPN szám – Risk Priority Number) • javaslatok, beavatkozások megtervezése • javító intézkedések

41. fontossági mérőszámok megállapítása (RPN). • Hiba előfordulása (RA): 1-10, hiba előfordulásának gyakorisága alapján • A hiba következményének jelentősége (RB): 1-10, a vevő szemszögéből pontozva – alig észleli vagy biztonságát veszélyezteti • Ellenőrzés hatékonysága (RC): a minőség-ellenőrzés a hibát feltárja, és az nem jut el a vevőhöz RPN=RA * RB * RC

42. RF (Risk of Failure) a hibák jelentősségének összesítése • az i.-dik elem, j-dik hibájára • Ez a szám mindazon RPN számok összege, amelyek az adott hibához tartozó alágakon találhatók, mivel egy hibához több okot tárhatunk fel. • Ez alapján történik a hibák rangsorolása. Első helyen az a hiba áll, amelynek következménye súlyos, oka gyakori (akár több kisebb gyakoriságú hibaok összesítéséből adódóan), és az ellenőrzés nem képes kiszűrni.

43. RP (Risk of Parts) – elemek jelentősége • Ez a mutató az adott elemhez tartozó valamennyi ág RPN számainak összege. • Megmutatja, hogy egy alkatrész vagy művelet milyen mértékű problémát jelent a minőségszabályozás szempontjából. • Kiugró értékének jelentése: döntően az adott alkatrésznél jelentkeznek a hibák, és ezek gyakorisága és/vagy jelentősége túl nagy, és/vagy ellenőrzésük nem megfelelő. Ezen elem javítása, fejlesztése első helyen kell szerepeljen.

44. Minőségmenedzsment8. előadás A minőség eszközei

45. Ishikawa - a minőség 7 alapeszköze • Bármilyen más sorrendben is alkalmazhatók • Képet kapni a folyamat egészéről (folyamat ábra)) • Adatokat gyűjteni (ellenőrző lap) • Elemezni az adatokat (hisztogram, pont diagram, ellenőrző kártya) • Meghatározni a gyökérokokat (ok-okozat elemzés) • Priorizálni az okokat (Pareto elemzés) Folyamat ábra Ellenőrző lap Hisztogram Pont diagram Ok-okozat elemzés Pareto elemzés Ellenőrző kártya

46. Folyamat ábra Döntésre van szükség A folyamatot szimbolizálja Kezdés/befejezés – a áttekinthetőségért Input/output –amikor valamilyen információ, adat, eszköz be- vagy kilép a folyamatból Lap összekötő Folyamat jelölő • Először egy általános folyamat ábrával kezdjünk és utána egészítsük ki részletekkel • Menjünk végig a folyamaton és kérdezzük meg azokat akik ténylegesen végzik azt • Határozzuk meg mely lépések teremtenek értéket és melyek azok amelyek feleslegesek

47. Folyamat ábra -példa

48. Dátum Megj. Termék típus Ellenőrző lap • Adat gyűjtő módszer amellyel hisztogramokhoz gyűjthetünk adatokat. Alkalmazásához: • Gyakran előforduló problémák azonosítása • Ellenőrző lap elkészítése (idő intervallumok meghatározása) • A felhasználó jelölje a hibák előfordulását

50. Hisztogram • Folytonos adatok mérésekor (diszkrét adatokhoz a gyakorisági ábra alkalmazható) • Adatok eloszlásának bemutatására • Az oszlopok szélessége legyen ugyanakkora • Az osztályok legyenek egymást kizáróak, és fedjék le a teljes intervallumot (eseményteret) • Az osztályközök száma (k) • Ahol n a megfigyelések száma