CURS 6 6 SIGMA

5.1. Procesul 6 Sigma

Procesul 6 Sigma a fost dezvoltat n cadrul companiei Motorola la nceputul anilor 80 iar, ulterior, s-a rspndit n ntreaga lume ca o metod statistic de micorare a variaiei dimensiunilor pieselor produse ntr-o companie. Dac Y este dimensiunea nominal a unui produs prelucrat ntr-o companie, atunci, dac procesul de fabricaie este unul normal, probabilitatea de apariie a unei anumite dimensiuni funcie de abaterea medie ptratic a dimensiunilor stabilit pentru un eantion de produse ia forma curbei lui Gauss prezentat n Fig. 5.1.

Fig. 5.1 Curba de distribuie normal. Valoarea medie a pieselor eantionului este notat Y i ea are cea mai mare probabilitate de apariie. Pe msur ce ne ndeprtm de valoarea medie, probabilitatea de apariie a unei anumite dimensiuni scade. Valorile maxime i minime ale lotului de piese, pentru un interval de distribuie de 6, sunt Y + 3 i, respectiv, Y 3 . Dac distribuia dimensiunilor din lotul de piese selecionat nu este normal, atunci ea poate avea o distribuie cu mai multe maxime i minime, aa cum este exemplificat n Fig. 5.2. Pentru un lot de N piese, valoarea medie a dimensiunilor lor se calculeaz cu formula (5.1):

Y=

Yi
i =1

(5.1)

Fig. 5.2. Curba de distribuie anormal. iar "imprtierea" sau "abaterea medie ptratic", , se calculeaz cu formula (5.2.):

( Yi Y )
i =1

(5.2)

Din Fig. 5.1 i ecuaia (5.2) se poate observa c o valoare mare a parametrului reflect o mprtiere mare a valorilor msurate n jurul valorii medii, Y . Folosind dimesiunile msurate ale unui lot de piese se poate defini amplitudinea, R, a lotului de piese:
R = Ymax Ymin ,

(5.3) : (5.4)

ca diferen ntre cea mai mare i cea mai mic dimensiune msurat. Pentru un numar de "n" loturi de piese, se poate defini amplitudinea medie,

R=

Ri .
i =1

Funcie de mrimile definite mai sus, n literatura de specialitate [1], se ntlnesc mai multe metode de caracterizare a procesului tehnologic: 1. Control statistic al stabilitii i normalitii procesului de fabricaie Astfel, folosind valoarea medie a dimensiunilor unui lot de piese, Y , limita superioar de toleran, Ts, limita inferioar de toleran, Ti, mijlocul cmpului de toleran, Tc, i abaterea medie ptratic a dimensiunilor pieselor, , se poate stabili att normalitatea distribuiei ct i stabilitatea procesului tehnologic din punct de vedere al preciziei i al reglajului. Figura 5.3 analizeaz cele patru cazuri posibile [1]:

Fig. 5.3. Proces tehnologic: a) stabil ca reglaj i precizie; b) instabil ca reglaj i stabil ca precizie; c) stabil ca reglaj i instabil ca precizie; d) instabil ca reglaj i precizie. si 6 < ( Ts Ti ) este cazul n care procesul de fabricaie este stabil ca reglaj i precizie; b) Y Tc si 6 < ( Ts Ti ) este cazul n care procesul de fabricaie este instabil ca reglaj ct i instabil ca precizie; c) Y = Tc si 6 > ( Ts Ti ) este cazul n care procesul de fabricaie este stabil ca reglaj i instabil ca precizie; d) Y Tc si 6 > ( Ts Ti ) este cazul n care procesul de fabricaie este instabil att ca reglaj ct i ca precizie; a)
Y = Tc

2. Proces condus cu ajutorul fielor de control statistic O alt modalitate de control const n stabilirea limitelor de control pentru medie i amplitudine calculate conform STAS 3160/84 [1]. Limitele de control inferioare i superioare se definesc astfel: pentru media dimensiunilor:
L CsY = Ts BR ; L CiY = Ti + BR ,

(5.5) (5.6)

 pentru media amplitudinei:

L CsR = CR ; L CiR = DR ,

(5.7) (5.8)

unde B, C si D sunt coeficieni precizai n STAS 3160/84. Aceste limite de control sunt reprezentate grafic n Fig. 5.4 iar forma fielor de control pentru media dimensiunilor i amplitudine este analizat.

Fig. 5.4. Fie de control statistic pentru media i amplitudinea dimensiunilor. Analiznd fiele de control statistic, se pot ntlni urmtoarele situaii: a) dac media dimensiunilor, Y se afl ntre limitele de control (L CsY si LCiY), procesul tehnologic este stabil ca reglaj; b) dac media amplitudinilor, R se afl ntre limitele de control (L CsR si LCiR), procesul tehnologic este stabil ca precizie; dac R > L CsR , procesul este instabil ca precizie iar cnd R < L CiR , procesul este mult prea precis pentru cerinele proiectului; c) dac media dimensiunilor, Y , se afl n afara limitelor de control iar media amplitudinii depete limita superioar de control, atunci procesul este instabil att ca reglaj ct i ca precizie. 3. Controlul capacitii procesului

Pe lng controlul normalitii i stabilitii procesului tehnologic, acesta este verificat pentru capacitatea de a produce piese n limitele de toleran prescrise. Verificarea se face cu ajutorul a 2 indicatori: Cp si Cpk definii astfel [1]:
Cp = Ts Ti ; 6

(5.9) (5.10)

Y Ti Ts Y C pk = min , . 3 3

Se consider c procesul este capabil s respecte cerinele de performan dac

C p 1,33 ; C pk 1,25

(5.11)

pentru un proces existent i

C p 1,5 ; C pk 1,45

(5.12)

pentru un proces nou.

5.2. 6 Sigma o nou abordare a calitii

Datorit evoluiei performanelor proceselor tehnologice i a posibilitilor de realizare a produselor, controlul statistic al proceselor (SPC- "Statistical Process Control") cunoate o nou form: nivelul de calitate acceptabil (AQL - "Acceptable Quality Level"). Aceast forma mbrac n prezent precizarea prilor defecte la un milion de piese prelucrate. Pentru analiza unui proces de prelucrare se utilizeaz, n controlul AQL, urmtoarele mrimi: - Specificaia int, valoarea nominal a piesei aa cum este cerut de client, Y; - Limita inferioar a specificaiei, LSL (Lower Specification Limit), care precizeaz limita inferioar a toleranei; - Limita superioar a specificaiei, USL (Upper Specification Limit), care precizeaz limita superioar a toleranei. Astfel: a) un produs este considerat corespunztor din punct de vedere calitativ, dac dimensiunea sa se afl n cmpul de toleran definit de LSL si USL; dac, msurnd un lot de produse, se nregistreaz piese necorespunztoare, atunci ntregul proces de prelucrare este considerat instabil (vezi Fig. 5.5a); b) un proces este considerat stabil necentrat dac toate piesele se ncadreaz n cmpul de toleran dar media acestor dimensiuni, Y , este diferit de specificaia int (vezi Fig. 5.5b);

c) un proces este considerat stabil centrat dac toate piesele se ncadreaz n cmpul de toleran iar media acestor dimensiuni, Y , este egal cu specificaia int (vezi Fig. 5.5c).

Fig. 5.5. Proces de prelucrare instabil (a); stabil necentrat (b); stabil centrat (c). Tabelul 5.1 prezint procentul de piese defecte i a celor fr defecte la un milion de piese realizate, pentru diferite valori ale abaterii medii ptratice dispersia dimensiunilor fa de media stabilit. n tabel, DPMO reprezint numrul de produse defecte la 1 milion de piese prelucrate. Din tabel observm c o valoare mare a parametrului , deci o mprtiere mare a valorilor n jurul valorii medii, indic existena unui numr mare de piese ncadrate n interiorul cmpului de toleran (LSL, USL) i, n consecin, un numr mic de piese defecte.

Sigma 1 2 3 4 5 6 7

Tabelul 5.1. Distribuia normal pentru diferite valori ale dispersiei [2]. DPMO % produse % produse Short-term Long-term defecte fr defecte Cpk Cpk 691462 69 31 0.33 -0.17 308538 31 69 0.67 0.17 66807 6.7 93.3 1.00 0.5 6210 0.62 99.38 1.33 0.83 233 0.023 99.977 1.67 1.17 3.4 0.00034 99.999666 2.00 1.5 0.019 0.0000019 99.9999981 2.33 1.83

Pentru aceast nou abordare a controlului calitii, se consider c un proces este capabil dac
C p =1 .

(5.13)

Cu ct Cp este mai mare cu att procesul este mai capabil a satisface cerinele de calitate. Parametrul Cpk, parametrul care arat ct de mult se apropie media valorilor obinute de specificaia int, este definit aici astfel:
C pk = USL Y . 3

(5.14)

Pentru valori ale parametrului Cpk mai mari ca 1.0, numrul pieselor defecte la un milion de piese prelucrate scade foarte mult aa cum se observ i din Tabelul 5.1. Realitatea arat c n timp, media valorilor obinute pentru dimensiunile pieselor se poate deplasa fa de specificaia int. Dac aceast medie s-a deplasat cu 1.5, C pk pe termen lung va fi mai mic cu 0.5 fa de C pk pe termen scurt, aa cum arat i Tabelul 5.1.

5.3. Desfurarea proceselor 6 Sigma

Metoda 6 Sigma se aplic prin dou procedee: DMAIC si DMADV. Dac DMAIC este folosit pentru mbuntirea proceselor, DMADV este folosit att pentru mbuntirea proceselor ct i pentru a creea noi produse sau pentru a le mbunti pe cele existente. Procesul DMAIC i datoreaz denumirea iniialelor celor 5 faze ale sale (vezi Fig. 5.6):

Fig. 5.6. Desfurarea procedeului DMAIC. Definete problema a vocii consumatorului, scopul proiectului; se stabilesc persoanele responsabile i, pe diferite nivele ale structurii organizatorice, se stabilete obiectivul derivat din scopul proiectului. De exemplu: pentru managementul superior, inta poate fi scderea costului unui produs iar pentru un ef de echip acest scop s-ar reduce la scderea absenteismului angajailor. Msoar aspecte importante ale procesului actual referitoare la gradul de satisfacie al clientului prin analiza comportamentului produselor n timpul funcionrii, analiza modului n care se urmrete gradul de satisfacie al clientului, etc. Analizeaz datele de investigat. Caut cauza de baz a problemelor ce au aprut, metode de mbuntire a aspectelor analizate. Se pot identifica, astfel, viitoarele nivele de performan ce ar putea fi atinse. mbuntete procesul actual prin aplicarea metodelor stabilite anterior. Folosete metode cunoscute ct i metode noi, inovative. Controleaz implementarea msurilor stabilite pentru a nltura abaterile care apar la implementare. Analizeaz procesul de implementare i dac apar abateri stabilete i nltur cauza principal care le determin. Stabilete un plan de urmrire i control a planului de implementare. Cele 5 faze enumerate mai sus nu se succed mecanic. Uneori este necesar ntoarcerea la o etap anterioar avnd n vedere cunotinele acumultate sau cele lips la un moment dat. Unele companii adaug i o faz de nceput: Recunoaterea problemei de rezolvat, astfel nct procesul are 6 pai: RDMAIC. Procesul DMADV (sau DFSS) are cinci faze definite astfel: Definete problema a vocii consumatorului, scopul proiectului; Msoar aspecte importante ale calitii produsului, capabilitii produsului sau procesului de producie, riscurile;

Analizeaz i dezvolt alternative de design, analizeaz-le i alege pe cel mai bun; (Design) Proiecteaz detalii, optimizeaz design-ul, verific-l; Verific design-ul, dezvolt rulri pilot, implementeaz procesul de producie. Procedeul DFSS i etapele sale de implementare sunt analizate detaliat n cadrul capitolului 6.

5.4. Pregtirea personalului pentru a implementa 6 Sigma

nainte de definirea i rspndirea acestei metode de control a calitii produselor, controlul calitii se fcea in hala de producie de un personal special angajat n departamentul de control al calitii. n cadrul acestei metode, s-a adoptat un sistem de pregtire a angajailor a cror denumire, funcie de gradul lor de pregtire, se aseamn celui din domeniul artelor martiale. Astfel, se disting: Liderul executiv EL (Executive Leadership) directorul executiv sau ali manageri din conducerea companiei care stabilesc direcia de dezvoltare a companiei i coordoneaz aceast activitate; Campionii (Champions) rspund de implementarea 6 Sigma de-a lungul companiei. Ei sunt manageri din structurile de conducere ce au primit instruire n metoda 6 Sigma. Ei coordoneaz activitatea centurilor negre (Black Belts); Indrumtorii Centurilor Negre MBB (Master Black Belts) identificai de Campioni, i dedic timpul n ntregime aplicrii 6 Sigma n companie n diferite departamente i funcii, asist campionii, Centurile negre i Centurile verzi; Centurile Negre BB (Black Belts) acioneaz sub comanda MBB pentru implementarea 6 Sigma n diferite proiecte. i dedic timpul n ntregime aplicrii 6 Sigma n companie dar, spre deosebire de MBB i campioni care identific proiecte/funcii pentru 6 Sigma, ei se concentreaz n special pe execuia proiectelor 6 Sigma; Centurile Verzi GB (Green Belts) implementrez proiectele 6 Sigma mpreun cu celelalte sarcini ale lor, opernd sub ghidarea BB; ei i dedic 20-30% din timpul lor pentru a lucra la proiecte 6 Sigma. Pentru aceasta ei trebuie instruii n dou sesiuni de cte 5 zile pentru a nelege metoda 6 Sigma i lucrul cu echipe profesioniste. Unele companii definesc i categorii ca: Centurile Galbene YB (Yellow Belts) angajai care au pregtire n domeniul 6 Sigma i particip la proiecte; Centurile Albe WB (White Belts) angajai care au pregtire n domeniul 6 Sigma dar nu particip la proiecte. Companiile pioniere n definirea i implementarea 6 Sigma, General Electric i Motorola, au dezvoltat programe de pregtire a angajailor n metodologia 6 Sigma.

Nu exist ns un sistem unic de pregtire i certificare a angajailor [2]. Asociaii ca American Society for Quality cer trecerea unui examen scris i certificarea participrii la 2 proiecte sau la 1 proiect i 3 ani de experien practic. International Quality Federation ofer un examen de certificare (on-line) folosind Internetul pe care companiile l pot folosi pentru propriile programe de certificare.

5.5. Limitele procesului 6 Sigma. Soluii.

n literatur sunt analizate trei surse a defectelor: variaia, greelile i complexitatea pieselor. Analize i soluii pentru fiecare n parte sunt prezentate.

5.5.1. Variaia o surs major a defectelor

Variaia a fost identificat ca principala surs a problemelor de asamblare i defectelor produselor. Controlul statistic al calitatii Statistical Quality Control SQC este mijlocul adecvat de a controla defectele. Acest abordare are ns limite fundamentale ce trebuie nelese dac se dorete s se ating calitatea de nivel mondial. Limitele SQC ca ghid pentru controlul calitii Succesul SQC n realizarea calitii de nivel mondial depinde de abilitatea de a prezice i controla distribuia dimensiunilor unei piese. Din pcate, metodele statistice tradiionale sunt metode inadecvate pentru c n mod constant subestimeaz frecvena i mrimea evenimentelor. Aceast slabiciune a SQC poate fi pus pe seama urmtorilor factori [3]: Dimensiunile loturilor sunt n general mici i inadecvate pentru a caracteriza distribuia. Deoarece numai o parte din produse sunt examinate, multe defecte trec nedetectate. Tipic, dou sau trei citiri sunt mediate pentru a da un singur punct n graficul distribuiei procesului de prelucrare. Aceast practic nu pune n lumin caracteristicile nesimetrice ale unei distribuii. Observaiile ce par a fi greite sau ce nu par a se potrivi distribuiei normale nu sunt luate n seam. n consecin, evenimente ce sugereaz c distribuia e mai mare dect cea prezis sunt, n general, ignorate. Metodele de inspecie tradiionale nu sunt de ncredere. Este o probabilitate mare ca piesele defecte s nu fie detectate chiar dac sunt verificate. Deci, defectele tind s fie mai mari dect cele observate. Rata defectelor este prezis presupunnd c dimensiunile pieselor urmeaz modelul selectat chiar i dincolo de domeniul datelor colectate. Un exemplu [3] extras din experiena productiv ilustreaz limitele metodelor statistice. Linia ntrerupt din Fig. 5.7 este distribuia timpului necesar pentru

10

realizarea unei operaii. Datele arat pe axa vertical probabilitatea ca operaia s fie realizat n timpul menionat pe axa orizontal.

Fig. 5.7. Probabilitatea de apariie pentru un eantion mare (linie ntrerupt) i un lot redus de piese (linie continu). Acest grafic este rezultatul observaiilor a 9000 angajai pe o durat de 10 ani; fiecare angajat a fost evaluat de 4 ori pe an, deci s-au efectuat 360000 observaii. Graficul 2, realizat cu linie continu, a fost obinut din 10000 observaii extrase din lotul mai mare. Analiza datelor a artat c 2 = 1.51 , ceea ce demonstreaz una dintre limitele procesului de control statistic al calitii. Independent, fiecare greeal pare neglijabil dar, colectiv, greelile pot fi o barier major pentru a atinge standarde de calitate de nivel mondial. Pentru a atinge nivele ridicate de control ale calitii, trebuie s nelegem cum s controlm greelile.

5.5.2. Greelile o surs a defectelor [3]

Greelile comise n timpul realizrii unui produs sunt o alt cauz a defectelor pieselor prelucrate. De exemplu: la realizarea unui subansamblu, un operator poate uita s nurubeze un urub. O greeal apare cnd: o aciune nu este realizat; o aciune interzis este realizat; informaia eseniala pentru o aciune este interpretat greit; o eroare este facut n alegerea dintre mai multe alternative.

11

Unii cercettori au gsit c 1/1041/105 operaii sunt omise fr detecie. Cu alte cuvinte, eroarea prin omisie duce, ea singur, la o rat a defectelor de 100ppm (ppm piese defecte la 1 milion de piese prelucrate) Alte tipuri de greeli ce au fost identificate: greeli de prelucrare; greeli de setare a pieselor, echipamentelor, sculelor, etc; pri lips sau greite; prelucrarea piesei greite; operaii greite sau greeli de poziionare. Cu toate c fiecare greeal apare rar, colectiv, numrul defectelor depete 1000ppm. Astfel, numrul mare al defectelor a determinat un numr mare de studii care s analizeze raportul pieselor defecte datorit greelilor sau datorit variaiei. Rezultatul acestor studii a artat c: - 80% din defecte se datoreaz erorilor umane; - cele mai multe erori apar la asamblare; - 70% din 6600 observaii se datorau asamblrii sau erorilor de mnuire; - eroarea uman este principala cauz a defectelor n producia modern i activitatea uman, n orice studiu unde s-a studiat acest problem. SQC nu previne eroarea (greeala). Greala poate apare sau nu. Deci, ea e cel mai bine descris de o probabilitate dect de o variaie. Greelile, dei rare, apar mai frecvent i cu consecine mai mari dact estimeaz procesul de control statistic. Exemplu [3]: o distribuie a diametrelor alezajelor, care arat probabilitatea de realizare a unui alezaj n anumite limite dimensionale, este artat n Fig. 5.8. Se observ c diametrul pentru un alezaj omis a fi burghiat (alezajul are diametrul zero) nu este considerat de modelul standard de control al calitii. Cu alte cuvinte, metoda SQC prezice c omiterea burghierii unui alezaj nu apare niciodat. SQC nu este de folos n prevenirea celor mai multe greeli: studiile au artat c 99% din defectele ce rezult ca urmare a greelilor nu sunt niciodat detectate sau corectate. Chiar dac SQC prezice cu precizie frecvena greelilor, nu poate fi folosit s prezic cnd aceste evenimente rare vor apare. Astfel, calitatea de nivel mondial poate fi atins prin controlul practic al oricrei greeli dect prin prezicerea frecvenelor lor de apariie.

12

Fig. 5.8. Probabilitatea de apariie pentru alezajele obinute prin burghiere. Analiza statistic nu consider i alezajele ce se omit la prelucrare. Controlul defectelor folosind eliminarea greelilor Cu toate c greelile sunt inevitabile, defectele pot fi evitate. Pentru a preveni defectele, abordarea controlului calitii trebuie s includ cteva elemente noi: 1. greelile trebuie corectate i detectate nainte s duc la defecte; inspecia trebuie fcut nainte de process "source inspection"; 2. din moment ce greelile trebuie detectate pentru a fi corectate, ele pot fi blocate folosind inspecia 100%; 3. inspeciile trebuie s fie autonome pentru a preveni omiterea inspectiei. Inspecii 100% Poka-Yoke Costul ridicat al inspeciei, combinat cu ideea c la un produs calitatea nu poate fi inspectat ntr-un produs, a descurajat inspeciile 100%. S-a demonstrat totui c tehnicile bazate pe eliminarea erorilor, Poka-Yoke, permit inspecii 100% la o fraciune din costul SQC. Spre deosebire de inspecia tradiional ce ncearc s detecteze defectele, eliminarea greelilor i inspecia sursei detecteaz n general condiiile ce ar putea cauza defecte i permite aciuni corective nainte de apariia defectelor. Exemple de sisteme Poka-Yoke sunt prezentate n Fig. 5.9. Relaia dintre dispozitivele Poka-Yoke, sistemele Poka-Yoke i sistemele de inspecie [4] Dispozitivele Poka-Yoke. Au capacitate de inspecie de 100%, sunt ieftine, efortul necesar pentru verificare este considerabil redus comparativ cu metoda clasic 6 Sigma n care trebuiesc selecionate loturi de piese, msurate iar rezultatele interpretate. Sistemele Poka-Yoke. Sistemele Poka-Yoke utilizeaz dispozitive Poka-Yoke realiznd, spre deosebire de sistemele SQC, feedback i aciune imediat:

13

operaiile se opresc i au loc corecii imediate, nainte de a rencepe lucrul. O defeciune este semnalat prin mijloace acustice sau luminoase. Combinaii cu sistemele de inspecie. Combinarea dispozitivelor sau sistemelor Poka-Yoke cu diferite tipuri de inspecie a defectelor conduce la rezultate diferite: cnd se utilizeaz sisteme de inspecie a sursei se poate atinge situaia care n sistemul japonez se numete "zero defecte". Astfel avem Zero Quality Control System; cnd se utilizeaz sisteme informative sub forma unei metode de autoverificare se pot reduce defectele la un minim. Dac piesele defecte se pot repara, se poate atinge "zero defecte"; cnd se utilizeaz sisteme informative sub forma unei metode de verificare succesive nu se poate elimina apariia singular a defectelor. Dac piesele defecte se pot repara, se pot atinge "zero defecte".

(a)

(b)

(c)

(d)

14

(e) Fig. 5.9. Sisteme Poka-Yoke: a) la o linie de prelucrare automat; b) la conectarea componentelor calculatoarelor; c) la oprirea automat a unei prese; d) la montarea corect pe strung a unei piese; e) la introducerea unei diskette n calculator. 5.5.3. Complexitatea o alt surs a defectelor [3] Complexitatea este cauza greelilor i variaiei excesive ce duce la defecte. De exemplu, probabilitatea de a omite un urub se reduce dac schimbm design-ul astfel nct s avem mai puine uruburi. Muli cercettori au observat c numrul greelilor i al defectelor cresc odat cu: - numrul operaiilor de asamblare; - dificultatea i durata fiecrei operaii; - numrul de piese; - complexitatea pieselor. Corelarea matematic a numrului de defecte cu complexitatea unei piese nu se poate realiza uor deoarece : - msurile complexitii sunt foarte simplificate; - exist variaii mari n controlul calitii ntre productori; - dimensiunile loturilor sunt mici. O masur a complexittii a fost stabilit cu ajutorul aa numitului factor al complexitii DFA ("Design For Assembly"). Cercetrile efectuate [3] arat c numrul defectelor este direct proporional, dei cu factori de proporionalitate diferii, de factorul de complexitate DFA, cnd acesta este definit astfel:
DFA = TAT - c TOP ,

(5.15)

unde: TAT timpul total de asamblare; TOP numr total de operaii. Conceperea produsului influeneaz calitatea lui Tradiional, calitatea este vazut ca o problem a produciei. Dar metoda 6 Sigma arat c tolerana desemnat la proiectare influeneaz calitatea. Deci proiectarea este un factor important n calitate. Simplificarea proiectrii pieselor

15

trebuie facut n stadii iniiale ale proiectrii cci e dificil s schimbi design-ul ulterior. Astfel, simplificarea conceptului produsului cu atenie sporit pentru eliminarea greelilor reprezint metoda ultim a controlului defectelor la surs.

5.5.4. Msuri de eliminare a defectelor [3]

De-a lungul timpului s-au luat numeroase msuri de eliminare a defectelor pieselor prelucrate. De la simpla examinare, pies cu pies i eliminarea pieselor defecte, procesul de control a evoluat mult ncepnd cu anii 1924 cnd a aprut i s-a dezvoltat SPC controlul statistic al proceselor (vezi Fig. 5.10). Tehnici pentru eliminarea defectelor au fost dezvoltate ntre anii 5070 la compania productoare de automobile Toyota prin apariia SMED ( Single-Minute Exchange of Dies) o tehnic nou de schimbare rapid a sculelor. Ulterior micorarea variaiei pieselor prelucrate a constituit scopul procesului 6 Sigma dezvoltat la firma Motorola n anii 80. Studiul greelilor care se fac n timpul prelucrrilor a aprut n anii 50 n ncercarea de a evita accidentele nucleare. O metod de mare succes de ndeprtare a greelilor i de control la surs, Poka-Yoke, a fost dezvoltat de Shigeo Shingo n anii 1960.

Fig. 5.10. Msuri de eliminare a defectelor n secolul XX. Legtura dintre complexitatea unui produs i numrul de defecte sugereaz c reducnd complexitatea pieselor se reduce i numrul pieselor defecte. Figura 5.11 arat ordinea n care trebuiesc luate msurile pentru mbuntirea calitii: Complexitate Greeli Variaie.

16

Fig. 5.11. Ordinea de abordare a msurilor pentru reducerea defectelor. Astfel, dac reducem complexitatea unei piese, reducem numrul greelilor posibile i nu mai trebuie s facem mecanisme Poka-Yoke. Dac eliminm greelile, nu mai este necesar activitatea de eantionare, msurare, prelucrarea datelor, luarea de msuri corective, cu alte cuvinte procese 6 Sigma i SMED.

Bibliografie
C. Maier, M. Banu, M. Nicolai, S. Totolici, E. Ghita, S. David, "Concepte moderne de fabricaie, Just in time, 5S, 6 Sigma, Grupuri de lucru (cercuri de calitate + cercuri de progres)", Editura Cartea Universitar, Bucuresti, 2006. http://en.wikipedia.org. C. Martin Hinckley, "Make no Mistake: an Outcome-Based Approach to Mistake-Proofing", Productivity Press, 2001. Shigeo Shingo, "Zero Quality Control: Source Inspection and the PokaYoke System", Productivity Press, 1986.

17