Хальд в книге, приведенной в библиографии в конце данной главы, рассматривает Военный стандарт 105D как метод классификации выборочных планов по их AQL (средний предел качества)
[106]. Дайте мне AQL и объем партии N, и я найду в Военном стандарте 105D план, позволяющий достичь этот AQL. Военный стандарт 105D вынуждает вас заявить о желаемом значении AQL. Он не использует данные о затратах. Поэтому неудивительно, что он может приводить к полным затратам в два раза большим, чем стоимость 100 %-ного контроля.
Любой первоначально вводимый выборочный план с целью снижения среднего качества, обозначаемого p в этой главе, будет лишь увеличивать средние полные затраты на одно изделие по отношению к минимальному значению (см. упражнение 5 в конце данной главы).
Компания, покупающая изделия на основе значения AOQL (предел среднего выходного качества), равного 3 %, тем самым дает понять продавцу, что бизнес компании возможен при 97 хороших и 3 плохих изделиях из ста. Поставщик с радостью будет соответствовать этим требованиям.
К примеру, один производитель сказал мне недавно, что его цель – отправлять своим потребителям не более 3 % дефектных изделий. Для некоторых потребителей это число непомерно велико. Будет ли это хорошей тактикой ведения бизнеса? Хотели бы вы быть потребителем, получающим не более 3 % дефектных изделий?
К сожалению, стандартным планам приемки отводится главное место в книгах по статистическим методам контроля качества, моя книга о выборочном контроле не исключение. Пора нам, как говорит Энскамби, «осознать, в чем на самом деле проблема, и решить ее максимально эффективно, вместо того чтобы щелкать как орехи выдуманные, не имеющие отношения к делу проблемы»
[107].
Пора выкинуть эти планы и прекратить обучение им. Пришло время поговорить о полной стоимости и о проблемах практики.
Формальное применение стандартных планов. Боюсь, что большинство применений планов приемки Доджа – Ромига и Военного стандарта 105D – проформа для соблюдения требований контракта, подготовленного людьми, не имеющими достаточной для выбора плана квалификации, и выполняемого другой группой людей с той же квалификацией. Все так делают, и мы не исключение. Результат – рост стоимости. Как говорит Фейгенбаум:
Главная проблема… неразумное использование этих (приемочных) планов в ситуациях, когда они неприменимы
[108].
Пример: как увеличить затраты с помощью Военного стандарта 105D. Подсистемы поступают от изготовителя партиями по 1500 штук
[109]. Требуется примерно два часа для проверки подсистемы при средней стоимости (включая накладные расходы) 24 долл. на штуку. Среднее процесса производства равно 2 %, и недавняя информация о качестве подтвердила это значение для полученных партий. Стоимость замены дефектных компонующих при окончательном контроле равна 780 долл., распределенным по всем комплектующим. Какой план контроля следовало бы применить? Здесь
p = 0,02 < k1/k2 = 24/780 = 0,031.
Очевидно, что это условие 1. Значит, для минимальной полной стоимости не нужно никакого контроля. Следование рекомендациям Военного стандарта 105D удваивает минимальную полную стоимость. Это легко увидеть по результатам упражнения 5.
Было бы еще хуже, если бы степень статистической управляемости была высока, контроль выборок дал бы не больше информации о партиях, нежели подбрасывание монеты (упражнение 1).
Дополнительные проблемы с измерениями и материалами
Возможная экономия при создании вспомогательных подсистем. В предшествующей теории стоимость k2 обычно возрастает (возможно 10-кратное увеличение) с каждым этапом работы процесса и может достигать очень высоких значений при окончательной сборке. Иногда можно избежать излишне высоких затрат, создавая подсистемы, которые движутся вдоль потока собранными и формируют финишную продукцию. Некоторые подсистемы, пройдя через контроль и потребовав незначительных замен и регулировки, образуют новую точку отсчета. Стоимость k2 теперь будет стоимостью контроля и наладки подсистемы. Теория совместно с полезными записями, отражающими опыт, может показать, что некоторые подсистемы вообще не нуждаются в проверке, в то время как другие надо подвергнуть 100 %-ному контролю во избежание роста затрат по ходу процесса. Теория, изложенная в этой главе, позволяет принять верное решение.
Наша цель в предшествующих разделах – показать, что существуют способы минимизации затрат и максимизации прибыли, если руководствоваться правильной теорией.
В то же время мы прилагаем все усилия с целью полного исключения дефектных изделий из процесса. Мы делаем это систематически, сравнивая результаты наших испытаний с результатами поставщика и применяя подходящие статистические методы, такие как x – и R-карты.
Плодотворное сотрудничество с поставщиком деталей, особенно критических, и успешные испытания и регулировка подсистем сводят все основные проблемы при окончательном контроле систем к редчайшим событиям.
Трудности обнаружения редких дефектов. Редкие дефекты трудно обнаружить. По мере того как доля дефектных изделий уменьшается, все труднее определить, насколько мало их число. С помощью контроля нереально обнаружить все дефекты, особенно когда они редки, и это верно как для визуального, так и для автоматического контроля. Нет никаких оснований верить больше изготовителю, который заявляет, что имеет только 1 дефект на 10 000, чем тому, кто декларирует 1 дефект на 5000 изделий. В обоих случаях такую пропорцию трудно оценить.
Так, если бы p было равно 1/5000 и если бы процесс находился в статистически управляемом состоянии, то следовало бы проверить 80 000 деталей, чтобы найти 16 дефектных. Эти данные дали бы оценку
= 1/5000 для производственного процесса со стандартной ошибкой √16 = 4, или 25 %. Такая оценка доли дефектных неточна, несмотря на трудность контроля партии объемом 80 000 деталей. Возникает вопрос: оставался ли процесс стабильным в течение всего времени изготовления 80 000 деталей? Если нет, то каков смысл числа 16 дефектных изделий? Трудный вопрос.
