Graf multi-vari: Kde vzniká variabilita.
Graf multi-vari je jednoduchý grafický nástroj kvality, nikoli vícerozměrná statistika. Rozdělí variabilitu měřené veličiny do rodin – například v rámci kusu, kus od kusu a v čase – takže vidíte, kde se skrývá dominantní příčina, ještě než provedete jediný experiment.
Proč multi-vari?
Když se problém s kvalitou stále vrací – zmetky, vícepráce, rozměr ujíždějící z tolerance – bývá obvyklou reakcí brainstorming: sepsat všechny možné příčiny a pak jednoho po druhém prověřovat favority. Při desítkách podezřelých to může trvat měsíce a řada testů nic nezmění.
Studie multi-vari vychází ze dvou jednoduchých faktů. Variabilita je málokdy rozložena rovnoměrně: jedna příčina obvykle dominuje nad ostatními. A každá příčina zanechává v datech svůj vzor – působí například v rámci kusu, mezi jednotlivými kusy nebo v čase.
Místo abyste tedy testovali příčiny jednu po druhé, změříte kusy, které proces právě vyrábí, a vyloučíte celé rodiny příčin najednou. Pokud variabilita vzniká mezi hodinami, nemůže být hlavní příčinou nic, co působí uvnitř jednoho kusu – a tito podezřelí vypadnou ze seznamu bez jediného experimentu.
- Desítky možných příčin na seznamu
- 1 rodina, ve které variabilita vznikáMulti-vari
- Několik podezřelých v této rodině
- 1 dominantní příčina, prokázaná testem
Kam patří při řešení problémů
Studie multi-vari sama o sobě problém nevyřeší – řekne vám, kde hledat. Při postupném hledání každý krok zúží okruh podezřelých, až zůstane jediná příčina. Tuto dominantní příčinu nazývá Shainin Red X®. V projektech Six Sigma patří tatáž studie do fáze Analyze metodiky DMAIC.
Definujte problém
Převeďte stížnost na jeden měřitelný výstup – Shainin jej nazývá Green Y® – a ověřte, že měřidlo dokáže rozdíly rozlišit.
Zjistěte, kde variabilita vzniká Multi-vari
Proveďte studii multi-vari a určete rodinu, která nese většinu variability.
Zužte okruh podezřelých
V této rodině porovnejte nejlepší a nejhorší kusy a zjistěte, v čem se liší.
Prokažte příčinu
Potvrďte ji testem: podezřelý faktor zapněte a vypněte a sledujte, jak se problém objevuje a mizí.
Odstraňte příčinu a udržte zlepšení
Stanovte pro příčinu správnou toleranci nebo regulaci a ověřte zlepšení.
Běžné rodiny variability
Tři nejběžnější rodiny najdete níže. Podle povahy procesu je studie dál dělí nebo přidává další – například stroj od stroje, dutina od dutiny nebo operátor od operátora. Graf multi-vari je zobrazí vedle sebe, takže ta největší vynikne.
V rámci kusu
Změny napříč jedním kusem – od jednoho konce k druhému, ze strany na stranu, po obvodu.
Příklad: kuželovitost nebo ovalita obrobeného hřídele.
Kus od kusu
Rozdíly mezi po sobě jdoucími kusy nebo mezi dutinami, přípravky či stroji.
Příklad: jedna dutina formy vyrábí jinak než ostatní.
V čase
Posuny hodinu od hodiny, směnu od směny nebo dávku od dávky.
Příklad: rozměr, který ujíždí, zatímco se stroj zahřívá.
Jak studie multi-vari probíhá
Žádné speciální vybavení ani experimenty – jen plánovaný způsob odběru vzorků z běžícího procesu.
Vyberte jednu měřenou veličinu
Charakteristiku, na které se problém projevuje, a měřidlo, které rozdíly rozliší.
Změřte na každém kusu několik pozic
Na několika po sobě jdoucích kusech, aby se projevila variabilita v rámci kusu i kus od kusu.
Opakujte v čase
Napříč hodinami, směnami nebo dávkami – aniž byste mezitím proces seřizovali.
Vyneste do grafu a porovnejte
Všechna měření zaneste do jednoho grafu. Rodina s největším rozpětím ukazuje, kde se příčina skrývá.
Jak číst graf multi-vari
Porovnejte délku čar, skoky mezi kusy a posuny mezi hodinami. Největší rozpětí ukazuje, kde se příčina skrývá.
V rámci kusuDlouhé čáry a pokaždé stejná pozice nahoře – příčina působí napříč samotným kusem.
Kus od kusuKrátké čáry, ale velké skoky z jednoho kusu na druhý – příčina se mění cyklus od cyklu.
V časeKaždá hodina leží na vlastní úrovni – příčina se mění v čase, například jak se stroj zahřívá.
Případová studie
Známý posun, neznámý vzor
Výrobce motorů vyřazoval vačkové hřídele jako zmetky, protože vačky končily mimo požadovanou polohu. Progresivní studie multi-vari – poloha vaček měřená v několika bodech procesu – zjistila, že hlavní změna nastává při kalení. V závodě už věděli, že se tam vačky posouvají. Nikdo ale nevěděl, že se posouvají podle předvídatelného, nenáhodného vzoru: pokaždé o stejnou hodnotu a stejným směrem. Brusky vaček proto přeprogramovali tak, aby posun vyrovnávaly. Studie multi-vari ukázala, kde se příčina skrývá, a vzor, jak ji neutralizovat.
560 000 $méně zmetků ročně
5 000 $na zavedení
Časté otázky ke grafu multi-vari
K čemu se graf multi-vari používá?
K tomu, abyste viděli, která rodina variability – například v rámci kusu, kus od kusu nebo v čase – přispívá k problému nejvíc, takže hledání příčiny začne na správném místě, a ne u dlouhého seznamu dohadů.
Kdy studii multi-vari použít?
Když měřená charakteristika kolísá příliš a příčina není známá – zvlášť u chronických problémů, u kterých už bylo podezříváno mnoho příčin a žádná se nepotvrdila. Studie pracuje s běžícím procesem, takže nemusíte zastavovat výrobu ani nejdřív navrhovat experimenty.
Kdo graf multi-vari vynalezl?
Leonard Seder jej publikoval v roce 1950. Dorian Shainin z něj udělal jeden z prvních kroků svého přístupu k hledání dominantní příčiny variability, kterou nazval Red X®.
Jak se liší od plánovaného experimentu (DOE)?
Plánovaný experiment záměrně mění faktory, aby změřil jejich vliv, takže už musíte vědět, které faktory testovat. Studie multi-vari proces jen pozoruje za běhu a řekne vám, na kterou rodinu příčin se zaměřit. Proveďte multi-vari jako první: každý experiment, který pak ještě budete potřebovat, bude malý a cílený.
Je multi-vari součástí Six Sigma?
Ano. V projektech Six Sigma se používá ve fázi Analyze metodiky DMAIC k zúžení okruhu možných příčin před jakýmkoli plánovaným experimentem. V Shaininově přístupu Red X® je jedním z prvních kroků: ukazuje, ve které rodině variability hledat.
Je to totéž co vícerozměrná analýza?
Ne. Navzdory podobnému názvu je graf multi-vari jednoduchá grafická studie jedné měřené veličiny. Vícerozměrná analýza je skupina statistických metod pro mnoho proměnných najednou.
Ukáže graf multi-vari kořenovou příčinu?
Sám o sobě ne. Ukáže, kde se příčina skrývá – která rodina nese variabilitu. Co je příčinou, pak ukáže zúžení okruhu podezřelých a potvrzovací test.
Kolik dat potřebuji?
Tolik, abyste viděli proces v jeho nejlepším i nejhorším stavu. Běžné orientační pravidlo je 2–5 měření na kus u 3–5 po sobě jdoucích kusů, opakovaně v několika obdobích, dokud studie nepokryje většinu obvyklého rozsahu hodnot.
Mohu použít data typu vyhovuje/nevyhovuje?
Graf multi-vari potřebuje měřenou hodnotu – rozměr, sílu, průtok, teplotu. U vad typu vyhovuje/nevyhovuje nejdřív najděte měřitelnou charakteristiku, která za vadou stojí, nebo zvolte jinou strategii.
Jaký software mohu použít?
Shainin WRXT (Web Red X® Tracker), webová aplikace, která je součástí školení Red X® společnosti Shainin, má graf multi-vari vestavěný. Zeptejte se experta na přístup. Nakreslí jej i obecné statistické balíky: Minitab (Stat > Quality Tools > Multi-Vari Chart) a JMP, kde se nazývá graf variability. Pro malou studii stačí tabulkový procesor. Software graf jen nakreslí; příčinu najde plán odběru vzorků.
Zdroje: Leonard A. Seder, “Diagnosis with Diagrams”, Industrial Quality Control (1950); Multi-vari chart (anglicky), Wikipedie.
Variabilita, kterou si nedokážete vysvětlit?
Experti společnosti Shainin na Red X® pomáhají výrobcům najít dominantní příčinu a odstranit ji jednou provždy.