مطالب و مطالعات متنوع

فنون حل مسئله

1- شيوه 8 گام منظم حل مسئله(8D)

روش 8D   يک روش گروهي جهت برخورد با مسائل و تحليل و رفع آنها مي باشد . گامهاي اساسي اين روش به شرح زير مي باشد:

1-1-  تشكيل تيم :

براي حل مسأله به روش گروهي ابتدا اهداف تيم تعريف شده سپس يك نفر به عنوان رهبر گروه تعيين مي شود.

اعضاي گروه بايد دليل و انگيزه كافي براي عضويت در تيم داشته و مسئوليت مشخصي را عهده دار باشند. همچنين ميبايست دانش و آگاهي كافي در مورد فرايند و يا محصول داشته باشند، زمان معيني را جهت شركت در گروه حل مسأله اختصاص دهند،‌حق تصميم گيري و اظهار نظر نهايي داشته و در خصوص مسائل فني مربوطه، از مهارت كافي برخوردار باشند. 

1-2- شرح مسئله :

صورت مسئله را بر اساس عبارات كمي (شدت مسئله، هزينه و …) مشخص نماييد، يعني «چه» ها را از قبيل چه كسي، چه چيزي، چه وقت، كجا، ‌چطور و چقدر براي مسئله مشخص كنيد. جهت انجام اينكار مي توان از فنون مناسبي نظير فلوچارت، تجزيه و طبقه بندي مسئله،‌ تعريف مسئله از ديد مشتري، هيستوگرام، نمودار علت و معلول،‌ نمودار تحليل درختي،‌ نمودار پارتو، FMEA، نقشه عيوب و ... استفاده نمود.

1-3- اجراي اقدامات موقت (محدود كننده) :

اقدامات پيشگيري موقت (محدود كننده) را به منظور جلوگيري از تأثير مسائل به مشتري داخلي/ خارجي تا زمان اعمال اقدامات اصلاحي تعيين كرده و به اجرا در آوريد. سپس با استفاده از روشهاي مناسب (نمودارهاي كنترلي،‌ برگه هاي كنترل و ...) از موثر بودن آنها اطمينان حاصل نماييد و همزمان با انجام اين مرحله در جستجوي علت ريشه اي و انجام مرحله بعد باشيد.

1-4- تعيين علل ريشه اي :

علل بالقوه اي را كه مي توانند چگونگي ايجاد مسأله را توجيه كنند مشخص نماييد و علت ريشه اي را با توجه به اطلاعات حاصل از آزمون صحه گذاري نماييد. سپس براي حذف علت ريشه اي كليه اقدامات اصلاحي ممكن را مشخص كنيد. در اين مرحله از فنون مناسبي نظير : نمودار پارتو، نمودار علت و معلول، نمودار تحليل درختي،‌ تحليل GENBA، نمودار همبستگي، تحليل واريانس، DOE و ... استفاده مي شود.

1-5- تعريف و تصديق اقدامات اصلاحي :

با استفاده از برنامه هاي توليد آزمايشي بصورت كمي اطمينان حاصل كنيد كه اقدامات اصلاحي انتخاب شده، ‌مسأله را براي مشتري حل مي كنند و سبب بروز آثار جانبي نامطلوب نمي شوند.

1-6- اعمال اقدامات اصلاحي (دائمي يا اصلي) :

بهترين اقدام اصلاحي دائمي را تعيين و اجرا كنيد. براي اطمينان از رفع علت ريشه اي كنترل مداوم داشته باشيد. در عمل اثرات دراز مدت را بررسي (پايش) نماييد و  در صورت لزوم اقدامات اصلاحي را انجام دهيد.

1-7- اقدامات پيشگيرانه (جلوگيري از وقوع مجدد) :

سيستمهاي مديريتي،‌عملياتي و روشهاي اجرايي را براي جلوگيري از مسائل مشابه بهبود داده و اصلاح نماييد.

1-8- قدرداني از تيم :

تلاشهاي گروهي را تقدير و تشويق نماييد.

2- نمودار پارتو  (Pareto chart)  يا آناليز ABC

اساس نظريه پارتو اين است كه هنگام برخورد با يك مسئله و يا بهبود يك فعاليت چند عامل محدود وجود دارد كه سهم عمده‌اي( حدود 80%) در حل آن مسئله يا بهبود چشمگير آن فعاليت دارند كه به آن چند عامل گروه A اطلاق مي‌شود و همچنين تعداد بسيار زيادي عوامل وجود دارند كه سهم كل آنها در مجموع ناچيز (حدود 5% ) مي‌باشد كه به آنها گروه C اطلاق مي‌شود و عواملي كه بين اين دو گروه واقع مي‌شوند تحت عنوان گروه B طبقه‌بندي مي‌شوند. به اين ترتيب تمركز روي رفع عوامل گروه A بوده و در صورت نياز رفع عوامل گروه B نيز مدنظر قرار خواهد گرفت.

جهت رسم نمودار پارتو ابتدا عوامل مؤثر روي موضوع مورد مطالعه شناسايي شده سپس طبق بند قبل اقدام به جمع‌آوري داده‌ها مي‌گردد. پس از آن داده‌ها به تفكيك عوامل طبقه‌بندي شده و به ترتيب فراواني وقوع روي يك نمودار ميله‌اي از چپ به راست ترسيم مي‌شوند به اين ترتيب مهمترين عوامل روي نمودار ( از چپ به راست) اولويت بندي شده و عوامل گروه A شناسايي و مورد تحليل قرار مي‌گيرند. كاربرد اين تكنيك در قالب فازهاي حل مسئله در مراحل زير مي‌باشد:

1-       شناسايي و انتخاب مسئله يا فرصت بهبود

2-       تعيين و تحليل علل مسئله

3-       ارزيابي نتايج پس از انجام اقدامات اصلاحي

به عنوان مثال شکل زير نمودار پارتوي عيوب يک محصول فرضي را نشان مي دهد:

در نمودار فوق علاوه بر محور فراواني(سمت چپ) از محور درصد وقوع(سمت راست) نيز استفاده شده است تا احتمال وقوع هر يك از عيوب نيز مشاهده و بررسي شود. همچنين از يك نمودار پيوسته جهت نمايش درصد وقوع تجمعي عيوب استفاده شده است. به اين ترتيب گروه‌بندي عوامل به طبقات A، B و C امكان‌پذير خواهد شد.

كاربرد نمودار پارتو محدود به مثال فوق نبوده و در موقعيتهاي مختلف با تغيير عنوان محورهاي عمودي و افقي آن كاربردهاي متنوعي دارد. به عنوان مثال در محور افقي مي‌توان از عناوين نوع علت، محصول، ماشين، علت خرابي ماشين، اجزاء ماشين، اپراتور و . . . استفاده كرد و در محور عمودي نيز مي‌توان از عناوين هزينه، حجم اشغالي، وزن و ... استفاده نمود. مثلاً يكي ديگر از كاربردهاي نمودار پارتو طبقه‌بندي موجوديهاي انبار بر اساس حجم اشغالي و يا سرمايه درگير آنها مي‌باشد.

3- هيستوگرام  (Histogram)

هيستوگرام نمايش ميله‌اي فراواني يكسري داده‌هاي گروه‌بندي شده از يك مشخصه پيوسته مي‌باشد. بطوريكه ميله‌ها عمودي رسم شده و ارتفاع هر يك از آنها معرف فراواني داده‌هاي هر گروه مي‌باشد. به اين ترتيب نمايشي از توزيع داده‌هاي يك مشخصه كمي (پيوسته) به دست خواهد آمد. كاربرد اين نمودار در فازهاي حل مسئله عبارتست از:

1-       تعيين و تحليل علل مسئله

2-       ارزيابي نتايج پس از انجام اقدام اصلاحي

به عنوان مثال شکل زير  هيستوگرام داده‌هاي جمع‌آوري شده در خصوص يکي از مشخصات کمي يک محصول فرضي را نشان مي دهد.

در ترسيم هيستوگرام موارد زير بايستي مد نظر قرار گيرند:

-        عرض ميله‌ها(گروهها) يكسان در نظر گرفته شود يعني داده‌ها بطور مساوي گروه‌بندي شوند.

-        تعداد ميله‌ها بين 5 تا 25 در نظر گرفته شوند. به عنوان يك تقريب تعداد ميله‌ها مي‌تواند برابر جذر تعداد داده‌ها باشد.

-        حد پايين اولين ميله اندكي كمتر از كوچكترين داده‌ها و حد بالاي آخرين ميله اندكي بيش از بزرگترين داده‌ها در نظر گرفته شود.

-        داده‌ها به صورت كمي و پيوسته باشند.

هيستوگرام تمركز در بررسي حوزه‌هاي مشكل‌دار را تسهيل كرده و با نشان دادن الگوي تغييرات و انحراف از سطح ميانگين، شناسايي علل تغييرات بيش از حد و يا انحراف از مقدار مطلوب را ممكن مي‌سازد.

يكي از مهمترين كاربردهاي هيستوگرام بررسي نرمال بودن توزيع داده‌هاي مشخصه مورد بررسي مي‌باشد. در صورتيكه نمايش ميله‌ها به شكل منحني نرمال(زنگوله‌اي شكل) باشد، توزيع داده‌ها نرمال مي‌باشد. مهمترين مواردي كه باعث غيرنرمال شدن توزيع داده‌ها مي‌شود عبارتند از:

1-    وجود دو يا چند قله در ميله‌ها: علت بروز اين حالت به احتمال زياد مخلوط شدن داده‌هاي جمع‌آوري شده در شرايط مختلف مي‌باشد. مثلاً ماشين، ابزار، اپراتور، شرايط محيطي و يا مواد اوليه مختلف.

2-    كشيدگي تجمع(قله) داده‌هابه يك سمت: علت بروز اين حالت احتمالاً ناشي از مكانيزم ماشين جهت توليد محصول مي‌باشد.

3-    صفر شدن فراواني برخي گروهها به شكل متناوب: علت بروز اين حالت عدم توانايي ابزار اندازه‌گيري و كافي نبودن ريزنگري آن جهت شناسايي برخي از گروههاي داده‌ها مي‌باشد كه جهت رفع آن بايستي از ابزار دقيقتر استفاده شود و يا بازه هر يك از گروههاي داده‌ها را افزايش داد.

4- نمودار علت و معلول(Cause & Effect Diagram)

اين نمودار كه به نمودار استخوان ماهي و ايشي كاوا نيز موسوم است، ساختاري شبيه استخوان ماهي دارد و روشي سيستماتيك جهت شناسايي علل ريشه‌اي يك مشكل و ارتباط بين علل مختلف مي‌باشد.

جهت استفاده از اين تكنيك ابتدا مسئله(معلول) شناسايي و تعريف مي‌گردد. اين مشكل ممكن است از نتايج نمودارهاي پارتو، هيستوگرام و ... شناسايي شده باشد. مثلاً عدم انطباق در يكي از مشخصه‌هاي كيفي محصول و يا يكي از موارد مهم خرابي ماشين. اين مشكل در سمت راست خط اصلي مركزي ثبت مي‌شود سپس عوامل اوليه بروز آن شناسايي شده و مقابل هر يك از خطوطي كه از خط مركزي منشعب مي‌شود ثبت مي‌گردد. به عنوان مثال عوامل اوليه ايجاد عدم انطباق در محصول عبارتست از ماشين، مواد، اپراتور، سيستم اندازه‌گيري، روش انجام كار و شرايط محيط. به همين ترتيب علل ريشه‌اي‌تر(ثانويه) مقابل خطوط كوچكتري كه از هر يك از خطوط مربوط به عوامل اوليه منشعب شده است، ثبت مي‌شود. اين روند به همين شكل ادامه مي‌يابد تا علل ريشه‌اي شناسايي و قابل رفع باشد.

آنآنآن                                    

نكته حائز اهميت در استفاده از اين ابزار اين است كه اين روش بايد با حضور كليه افراد مرتبط به مشكل و در جلسات طوفان فكري(Brain Storming) انجام شود. به اين ترتيب كه هر فرد نظرات خود را بيطرفانه و آزادانه مطرح كرده و در نهايت ايده‌ها و نظرات اخذشده جمع‌بندي گشته و در قالب اين نمودار مستند شود.

5- نمودار پراكندگي (Scatter Diagram)

نمودار پراكندگي ساده‌ترين و مؤثرترين روش ترسيمي جهت نمايش روابط بين دو متغير مي‌باشد. اين روابط ممكن است بين يك علت و يك معلول يا بين دو علت و يا بين دو معلول وجود داشته باشد. پس از شناسايي علل ريشه‌اي مشكل توسط نمودار علت و معلول اين روش به شناخت نوع و ميزان ارتباط بين علل و معلول كمك مي‌كند تا با كنترل صحيح علت مشكل(معلول) نيز تحت كنترل درآيد.

جهت رسم نمودار پراكندگي از صفحه مختصات xy و چندين جفت مشاهده در مورد متغير مستقل x (علت) و متغير وابسته y (معلول) استفاده مي‌شود. بطوريكه هر جفت مشاهده (x,y) نمايانگر يك نقطه در صفحه مختصات مي‌باشد. الگوي پراكندگي نقاط ممكن است به صورت خطي(با شيب مثبت يا منفي)، منحني درجه 2 (داراي ماكزيمم يا مينيمم)، منحني درجات بالاتر، نمايي و ... و يا غير منظم(عدم وجود همبستگي) باشد. روشهاي مختلفي جهت برآورد معادله ارتباط بين متغيرها وجود دارد.

در صورتيكه الگوي نقاط به صورت خطي باشد مي‌توان از معادله خط رگرسيون جهت تخمين رابطه خطي بين دو متغير استفاده كرد. معادله خط رگرسيون خطي است كه مجموع مربعات فاصله نقاط از آن خط را حداقل مي‌كند و ارتباط بين متغيرها را تخمين مي‌زند. پارامترهاي معادله خط تخميني از فرمولهاي زير بدست مي‌آيند:

     و 

6- نمونه‌گيري به منظور پذيرش(Acceptance Sampling)

طرحهاي نمونه‌گيري به منظور پذيرش، بخش عمده‌اي از كنترل كيفيت آماري را تشكيل مي‌دهند كه هدف آن تصميم‌گيري در خصوص پذيرش يا رد يك انباشته(بهر) بر اساس نتايج بازرسي يك نمونه از آن انباشته مي‌باشد. نكات زير در خصوص كاربرد طرحهاي نمونه‌گيري به منظور پذيرش حائز اهميت مي‌باشد:

1- اين روش جهت تعيين وضعيت بهر(پذيرش يا رد آن) استفاده مي‌شود نه براي برآورد كيفيت آن.

2- اين روش مستقيماً يك وسيله كنترل كيفيت نمي‌باشد و ممكن است در خصوص چند بهر با كيفيت يكسان برخي از آنها را پذيرفته و برخي را رد كند.

3- اين روش يك وسيله بازرسي جهت كسب اطمينان از كيفيت محصول يك فرآيند توليد مي‌باشد.

مزيت نمونه گيري در برابر بازرسي 100% كاهش هزينه هاي بازرسي و افزايش دقت بازرسي مي باشد. علاوه بر اين در مواردي كه تستها مخرب مي باشند بازرسي 100% غير ممكن بوده و به ناچار بايد از نمونه گيري استفاده نمود. در عوض كليه طرحهاي نمونه گيري داراي دو نوع خطا به شرح زير مي باشند:

1-   خطاي نوع اول ( )يا ريسك توليد كننده : احتمال رد انباشته هاي قابل قبول

2-   خطاي نوع دون ( )يا ريسك مصرف كننده : احتمال پذيرش انباشته هاي غير قابل قبول

هر طرح نمونه‌گيري با توجه به حجم انباشته N، با دو پارامتر حجم نمونه n و عدد پذيرش c تعريف مي‌شود. هر چه مقدارn بيشتر باشد با اطمينان بيشتري در خصوص كيفيت يك انباشته مي توان اظهار نظر نمود اما از طرف ديگر هزينه هاي نمونه برداري و بازرسي افزايش خواهد يافت . در خصوص c (عدد پذيرش ) نيز هر چه مقدار آن كمتر باشد، احتمال رد محموله‏هايي با در صد عيوب بالا بيشتر بوده و در نتيجه در دراز مدت باعث افزايش كيفيت محصولات خواهد شد اما از طرف ديگر اين امر احتمال رد انباشته‏هايي با درصد عيوب قابل قبول  (ريسك توليد كننده) را نيز افزايش مي دهد. به همين خاطر با توجه به هزينه هاي بازرسي و حساسيت قطعات مي بايست بهترين طرح نمونه گيري را انتخاب نمود. به همين خاطر استاندارد MIL-STD-105D به منظور انتخاب طرحهاي نمونه گيري مناسب تدوين شده و در بسياري از سازمانها مورد استفاده قرار مي گيرد . طبق اين استاندارد جهت انتخاب طرح نمونه گيري مناسب دو پارامتر زير بايد توسط شركت ( با همكاري مشتري /تأمين كننده ) تعيين شود.

1-   سطح بازرسي

2-     AQL

 از آنجا كه در استانداردهاي خودروسازي سيستمهاي كيفي از جمله ISO/TS16949:2002 جهت استفاده از طرحهاي نمونه‌گيري به عدد پذيرش صفر (Zero Defect) اشاره شده است، لذا طرحهايي جهت استفاده بايد انتخاب شوند كه درآنها c = 0 باشد.