Опубликовано в журнале "Менеджмент в России и за рубежом" №6 год - 2010
Певзнер М.З.,
к. т. н., доцент кафедры ТАМ
Вятского государственного университета
Введение
Показатели процесса в системе менеджмента качества могут иметь как традиционную, так и статистическую природу [1]. Но стандарты серии ИСО 9000 [2] требуют использования статистических методов [3; 4], основанных на краеугольной для стратегического менеджмента «гипотезе случайности» [5]. Более того, качественное выполнение, например, разделов 8.2 и 8.4 стандарта ISO 9001 без их применения принципиально невозможно.
Практика показывает, что использование статистических методов оказывается весьма эффективным даже в непроизводственной сфере [6], а в производстве является основой поддержания и улучшения качества [7].
Хотя вклад У. Шухарта, У.Э. Дёминга в создание промышленной статистики, теорий изменчивости и управления несомненен [8; 9], менее известным остаётся факт, что лежащий в их основе общий вариационный принцип первым сформулировал российский учёный М.В. Остроградский (1801–1862). При этом, хотя система менеджмента качества (СМК) в нашей стране интенсивно внедряется, статистические методы используются ещё мало.
В последние годы сделаны значительные шаги для повышения доступности и совершенствования нормативной базы статистических методов контроля качества (SQC) и управления процессами (SPC). В частности, разработан ГОСТ Р ИСО 11462-1-2007 [10]. При этом многообразие существующих процессов позволяет устанавливать лишь «общие принципы, не зависящие от особенностей процесса и области его применения» [10]. Вторая часть стандарта, которая, по нашим сведениям, должна содержать каталог инструментов и методов, до настоящего времени не разработана. Тем полезнее для практического использования стандарта представляется анализ результатов его применения в конкретной области производства.
Заметим, что статистические методы выборочного контроля, в частности основанные на них контрольные карты (КК), первоначально нашли применение при производстве штучной продукции. Декларируемый во многих работах процессный подход как один из 8 принципов всеобщего управления качеством (TQM) [2; 11], а также представления об оперативном менеджменте производства и качества (ОМПК) [12; 13] «по умолчанию» тоже относятся к производству штучной продукции. Но с совершенствованием технологии в ряде областей начинают преобладать собственно непрерывные процессы (пример – прокатное производство в металлургии). Такие процессы, естественно, особо нуждаются в ОМПК.
Методы SPC, несмотря на характерные для статистики достаточно трудоёмкие вычисления [14], не должны ограничивать эту оперативность.
Примеры использования инструментов как «текущего» (собственно непрерывного), так и «межоперационного» менеджмента [15] в непрерывном производстве и перспективы их развития до настоящего времени редко рассматривались. Нами проведён анализ результатов совершенствования инструментов непрерывного и межоперационного менеджмента в направлениях, регламентируемых ГОСТ Р ИСО 114621-2007, при производстве цветного проката на Кировском заводе обработки цветных металлов (КЗОЦМ). Рассмотрены примеры внедрения статистического анализа в технической диагностике [16], управлении и возможности дальнейшего повышения качества на основе использования принципов SPC.
Результаты внедрения методов SPC при производстве проката
Производство холодного проката характеризуется последовательным чередованием собственно прокатки и отжигов (часто также непрерывных) [17], приводящим к ситуации, когда «параметр готовой продукции одного процесса может быть параметром следующего процесса» [10]. Это выражается в том, что, например, толщина ленты после очередного прохода прокатки или свойства после термообработки являются одними из факторов (но не единственными), определяющих конечный результат следующей стадии обработки. Эта последовательность обусловливает статистически выявляемую преемственность в изменении параметров качества («идентификация причинно-следственных отношений между готовой продукцией… и входными параметрами процесса» [10]), которая достаточно детально изучена на примере изменений, связанных со свойствами характеристик кристаллографической текстуры металла [18; 19]. Такого рода результаты позволяют ещё на ранней стадии производства достаточно достоверно предсказывать значения характеристик качества и использовать эти знания «для уменьшения отклонений параметра или выхода процесса, проведения регулировок для входов процессов» [10]. Такого рода «превентивный активный контроль» [20], когда потенциально негодная для изготовления продукции заготовка «переводится на производство другой продукции, успешно используется на КЗОЦМ.
Из процессов прокатного производства лучше разработан контроль собственно прокатки, причём не только параметров готовой продукции (толщины ленты), но и всех исходных данных (толщины заготовки), энергосиловых параметров прокатки, сигналов управления процессом, «идентифицированных как влияющие на параметры готовой продукции» [10]. На КЗОЦМ в последние годы внедрена трёхуровневая система сбора, хранения, обработки и представления информации(1) (система СХОПИ) о процессах прокатки [21]. Все контролируемые параметры сохраняются системой СХОПИ в виде временных рядов, длина которых составляет тысячи и десятки тысяч значений. По желанию пользователя при выборе соответствующего пункта меню программы для каждого контролируемого параметра автоматически осуществляются «традиционные методы построения контрольных карт (КК) Шухарта» [10], а также рассчитываются показатели возможностей процессов по ГОСТ Р 50779.44 [15; 21].
(1) В работе участвовали А.В. Пьянков и С.Н. Жёлобов (ООО «ПП Экон»), А.А. Созонтов, А.В. Колышницын (КЗОЦМ).
Созданные нами рабочие инструкции(1) (РИ) «Отслеживание толщины ленты при прокатке…» регулярно пересматриваются «для обеспечения их адекватности и понимания персоналом» [10].
Результат непрерывной термообработки проката (в частности, получаемые механические свойства) в отличие от толщины при прокатке трудно контролировать.
Требуется, как правило, использование разрушающих и затратных по времени методов, например испытания на разрыв. Поэтому для оперативного определения степени разупрочнения ленты предлагаются различные методы непрерывного косвенного контроля характеристик, связанных со свойствами [18]. Результаты проводимого д. т. н. С.Г. Хаютиным испытания показали, что наиболее точной характеристикой степени протекания первичной рекристаллизации и получаемых в результате свойств является характеристика текстуры, определяющая соотношение между объёмами деформированной матрицы и уже рекристаллизованного материала [22]. Исследования обнаружили высокую корреляционную связь параметра текстуры со свойствами и влияние на эту связь технологии производства заготовки [18; 19]. Для установленных в нашей отрасли «критериев для приемлемой неопределённости» [10] (обычно принят уровень доверительной вероятности 95%) полученный коэффициент корреляции 
говорит о высокой надёжности текстурной характеристики механических свойств и анизотропии пластических свойств [19]. Таким образом, в настоящее время нет принципиальных ограничений на создание автоматической системы контроля, представления (в виде КК, коэффициентов 
и анализа характеристик и результатов процесса отжига по типу системы СХОПИ для прокатки. Только в последнем случае взамен прямых измерений толщины будут обрабатываться результаты косвенного контроля свойств.
В контексте классификации информационно-измерительных систем (ИС) Бузановского [23] рассмотренные выше способы контроля технологических процессов следует отнести к ИС второго уровня с комплексной обработкой информации на основе прямых или косвенных измерений. Для доведения этих систем до уровня подкласса «управляющих ИС» [23], использования «методов автоматизированного управления процессами» [10] необходимо применение исполнительных механизмов, позволяющих регулировать процесс на основании результатов контроля. Такого рода механизмы и системы применительно к собственно прокатке (автоматические системы регулирования толщины, АСРТ), где в качестве статистической характеристики качества обычно фигурирует текущее среднее значение, достаточно широко известны [24] и используются на КЗОЦМ.
Напротив, настройка по данным контроля режима отжига, позволяющая повысить индекс 
сегодня производится лишь вручную. Это связано как с более поздним внедрением таких процессов, так и с необходимостью разработки специфических механизмов регулирования для каждого вида отжига.
При межоперационном менеджменте [15], когда требуется уменьшить рассеяние относительно поля допуска (повысить индекс 
см. ГОСТ 50779.44), проводятся работы с использованием богатых возможностей русскоязычной версии программы STATISTICA 6.0 [25] в нескольких направлениях:
- для «обеспечения признаками и данными вероятного поведения процесса в будущем» [10] анализируем тренд временных рядов параметров процесса и характеристик качества продукции(2);
(1) В работе участвовала руководитель службы менеджмента А.Л. Земцова.
(2) Такой анализ в ограниченном объёме возможен и с использованием офисной программы Excel.
- для «увеличения знаний о причинах отклонений системы, воздействующих на процессы» [10], может использоваться спектральный анализ временных рядов. Действительно, статистические исследования случайных функций последовательных изменений толщины при прокатке [26] и характеристики текстуры при термообработке [22] показали, что они представляют наложение случайной компоненты и гармонических составляющих, определяемых особенностями обработки.
Стационарность и эргодичность [14] получаемых при прокатке временных рядов позволяют производить их разложение на эти составляющие. Определение их частот, периодов и спектральных плотностей позволяет выявить доминирующие гармоники, установить и по возможности устранить причины, их вызывающие, уменьшив систематическую составляющую погрешности обработки [15];
- для установления действия рядов параметров, «идентифицированных как влияющие на параметры готовой продукции» [10] (причём с возможным запаздыванием), на характеристики качества проводится совместный анализ рядов (кросс-спектральный, распределённых лагов);
- для «обеспечения информацией, выявляющей… неслучайные причины отклонений…» [10], используется дисперсионный анализ, а для «увеличения знаний о причинах отклонений системы, воздействующих на процессы» [10], степени и закономерностях такого воздействия – регрессионный анаЛиз(1).
Таким образом, общие принципы SPC, заложенные в [10], могут использоваться в полном объёме и применительно к непрерывным процессам производства проката.
Обсуждение перспектив совершенствования SPC
«SPC не может полностью исключать необходимость сортировки или выборочного контроля» [10]. Способы выборочного контроля при приёмке такой специфической готовой продукции, как рулоны ленты или листы, жёстко регламентированы и не пересматривались. Но благодаря использованию формообразующих (прокатка) или формирующих свойства (термообработка) операциях непрерывных методов сплошного SQC и SPC вероятности возникновения ошибок первого и второго рода сведены на предприятии к минимуму. (Такой подход согласуется с представлениями А.И. Орлова об «основном парадоксе выборочного контроля», когда с повышением качества увеличивается объём контроля [27].)
К необходимым направлениям совершенствования SPC следует отнести повышение точности и оперативности используемых методов. При построении КК повышение точности обеспечивается переходом от механических к более репрезентативным случайным выборкам, а повышение оперативности – построением КК единичных наблюдений [15; 21]. Кроме того, повышению оперативности непрерывного контроля в ИС третьего уровня [23] способствует совершенствование исполнительных механизмов. В этом отношении использование гидравлических механизмов регулирования в системах АСРТ оказывается наиболее эффективным [24]. В тех процессах непрерывной термообработки, где регулирование может осуществляться изменением конфигурации механического оборудования, такого рода механизмы также должны быть использованы. В ряде процессов термообработки, характеризующихся высокой чувствительностью к энергозатратам (таким, как индукционный отжиг в поперечном магнитном поле [18]), наиболее оперативным способом регулирования является изменение подаваемой мощности.
(1) Такой анализ в ограниченном объёме возможен и с использованием офисной программы Excel.
Повышение скорости межоперационного регулирования может быть обусловлено также использованием наиболее эффективных программных средств. Разумеется, не все способы межоперационного менеджмента в обозримом будущем могут быть переведены в разряд непрерывных, но повышение их оперативности следует рассматривать как необходимую тенденцию, один из способов снижения и предотвращения брака.
В этом отношении заслуживает внимания оптимизация конфигурации нейронных сетей (НС) [28], реализуемых в пакете ST Neural Networks программы Statistica [25] и уже используемых в ряде случаев для совершенствования процесса прокатки [29].
При анализе процесса прокатки эффективные модели были нами получены на основе многослойного персептрона с одним промежуточным слоем (MLP) и радиальной базисной функции (RBF) [30].
Но с точки зрения повышения оперативности особого внимания заслуживают НС, разработанные Т. Кохоненом [31], в частности его самоорганизующиеся карты (Self-Organising Maps, SOM), также создаваемые в рамках программы Statistica. SOM представляет собой двухслойную сеть, в которой каждый нейрон первого (распределительного) слоя соединён со всеми нейронами второго (выходного) слоя. Для обучения онлайн SOM Кохонена используется соревновательный метод, когда на каждом шаге обучения из исходного набора данных случайно выбирается один вектор. Затем производится поиск нейрона выходного слоя, для которого расстояние между его вектором весов и входным вектором минимально [31]. (В пакете Statistica НС с помощью метода обучения Кохонена можно также обучать радиальные слои в сетях любого типа, в частности в RBF, сетях для кластеризации и регрессионных сетях, но с точки зрения оперативности двухслойная сеть идеальна.)
Все обсуждаемые направления менеджмента соответствуют духу и букве ГОСТ 11462-1.
Выводы
1. На примере использования методов SQC и SPC в условиях непрерывного производства цветного проката показано, что они в полной мере соответствуют принципам, заложенным в ГОСТ 11462-1.
2. На основе использования международно признанных современных программных средств и внедрения уникальной информационной технологии статистической обработки и представления данных разработаны и внедрены организационно-технологические мероприятия по контролю результатов и менеджменту качества процессов прокатки.
3. Предложены направления повышения точности и быстродействия существующей информационной системы, совершенствования менеджмента, как непрерывного, так и межоперационного.
Литература
1. Асташова Ю.В., Демченко А.И. Показатели процесса в системе менеджмента качества // Менеджмент в России и за рубежом. – 2005. – № 1.
2. Плетнёва Н.П. ИСО 9000 – помощник руководителя // Менеджмент в России и за рубежом. – 2005. – № 4.
3. ГОСТ Р ИСО/ТО 10017-2005. Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001.
4. Миттаг Х.-Й., Ринне Х. Статистические методы обеспечения качества : пер. с нем. – М. : Машиностроение, 1995.
