ZAŁ CZNIK NR 1

Instrukcja szczegółowa do wicze laboratoryjnych z przedmiotu

In ynieria Jako ci

Temat:

METODA PARETO –LORENZO JAKO NARZ DZIE WSPOMAGAJ CE ANALIZ ILO CI

WAD I ICH KOSZTÓW

2

Narz dzia zapewnienia jako ci (Seven QC Tools)

Narz dzia zarz dzania jako ci słu do zbierania i przetwarzania danych zwi zanych z

ró nymi aspektami jako ci. S instrumentami nadzorowania (monitorowania) i - diagnozowania
procesów projektowania, wytwarzania, kontroli, monta u oraz wszelkich innych działa
wyst puj cych w cyklu istnienia wyrobu. Ich znaczenie wynika z faktu, e bez dysponowania
rzetelnymi i pełnymi informacjami, trudno mówi o podejmowaniu skutecznych działa w zakresie
systematycznego doskonalenia jako ci. Do tradycyjnych NZJ zaliczane s : schemat blokowy,
diagram przyczyn i skutków - diagram Ishikawy, diagram Pareto-Lorenza, arkusze kontrolne,
histogram, wykres korelacji zmiennych i karty kontrolne Shewharta. Poza schematem blokowym i
diagramem Ishikawy, NZJ opieraj si na prostym aparacie matematycznym, szczególnie z zakresu
statystyki matematycznej. Pozwalaj przedstawi zale no ci pomi dzy ró nymi czynnikami
procesu produkcyjnego i jego wynikami [1-3].

1. Wykres Pareto wzgl. ABC

Wykres Pareto (Pareto, włoski ekonomista (1848-1923)) jest form obrazowego

przedstawienia informacji, pozwalaj c na „wyłuskanie” z całego szeregu czynników tych, które
maj najwi ksze znaczenie np. z punktu widzenia kosztów lub braków. Pareto odkrył, i cz sto
niewiele przyczyn wywołuje wi kszo skutków. Dzi ki temu mo na okre la priorytety w zakresie
działa na rzecz usuwania wad i ich przyczyn [1].

Analiza Pareto. Analiza Pareto i jej odmiana nazywana analiz ABC, przedstawiana jest

cz sto jako prawo stosunku Pareto 80:20 i jest oparta na prawie empirycznym, które nie ma

adnych podstaw matematycznych, niemniej jej przydatno została udowodniona. Najcz ciej

stosowan posta analizy Pareto nazywa si tak e wykresem Pareto-Lorenza. Jako e składa si on
w rzeczywisto ci z dwóch wykresów: histogramu i histogramu skumulowanego autorstwo ka dego
z wykresów przypisuje si innemu autorowi. Wykres Pareto jest graficznym obrazem pokazuj cym
zarówno wzgl dy, jak i bezwzgl dny rozkład rodzajów bł dów, problemów lub ich przyczyn.
Ogólnie wiadomo, e w wi kszo ci przypadków kilka typów bł dów (problemów lub przyczyn)
stanowi od 80% do 90% wszystkich bł dów w produktach. Wa na jest wi c identyfikacja tych
kilku typów bł dów. Do tego u ywa si wykresu Pareto [1-3].

Analiza Pareto porz dkuje dane pod wzgl dem ich wa no ci. Opiera si na zało eniu, e

około 80% braków wynika z 20% przyczyn. Pozwala wi c zaj si tylko tymi problemami, które
daj najwi ksze korzy ci. Z drugiej strony daje nam ona podstaw do pomini cia działa nie
przynosz cych wi kszych korzy ci. Drugi kierunek – to analiza ródeł powstawania niepotrzebnych
kosztów pozwalaj cych w konsekwencji doprowadzi do ich ograniczenia [2-5].
Ogólna procedura przeprowadzania analizy Pareto jest nast puj ca [1-6]:

Sporz dza si listy wszystkich problemów i wad i ustala okres w jakim b dzie prowadzona

analiza.

3

Pomiar ka dego czynnika (wady) dokonywany jest w tych samych jednostkach (czyli proste

obliczenie strat, wad lub kosztów). Jednostk obliczeniow mo e by warto pieni na, czas,
cz stotliwo wyst powania, (w zale no ci od analizowanego czynnika).

Okre la si kolejno wynikaj c z pomiarów lub obserwacji, a nie z klasyfikacji.

Na podstawie przeprowadzanych bada , pomiarów, wycen sporz dza si tabele porz dkuj c
dane:

-

pod wzgl dem cz stotliwo ci wyst powania danego zjawiska,

-

pod wzgl dem zwi kszaj cych si kosztów całkowitych.

Sporz dza si zestawienie zbiorcze poprzez wypełnienie kolejnych kolumn w tabeli dla

obliczonych cz stotliwo ci wyst powania niezgodno ci w procesie produkcyjnymlub
zwi kszaj cych si kosztów. Kolumny pokazuj odpowiednio:

-

skumulowane cz stotliwo ci wyst powania poszczególnych przypadków, wad, itp. lub

-

skumulowane koszty całkowite ka dego przypadku, wady, nieprawidłowo ci itp.

Rysuje si diagram Pareto.

Po sporz dzeniu wykresu Pareto oraz krzywej Lorenza zaznacza si trzy przedziały.

Najcz ciej przyjmuje si e [1]:
• przedział A - powinien zawiera 60-80% zdarze
• przedział B - powinien zawiera 15-30 % zdarze
• przedział C - powinien zawiera wszystkie pozostałe zdarzenia czyli około 5-10%.

Wspólne przedstawienie na jednym wykresie obu krzywych wydaje si by najlep-szym

rozwi zaniem, pozwala od czyta udziały poszczególnych grup (dolna krzywa Pareto) oraz
kumulowanie warto ci (górna krzywa Lorenza). Dlatego uzasadniona jest stosowana nazwa tej
metody jako Pareto-Lorenza Warto ci (w przeliczeniu na procentowy udział) odkłada si na osiach
pionowych a na osi poziomej zaznacza si kolejne numery przypadków lub przyczyn. Najlepiej
wykres ten przedstawi w postaci histogramu. Drugi wykres obrazuje warto ci skumulowane tych
samych danych (do 100%). Ten drugi wykres przedstawia si albo w postaci histogramu
skumulowanego albo w postaci krzywej [1-5].
Aby uzyska dobre efekty, nale y zwróci uwag na to, aby [2]:
♦ współpracowały wszystkie osoby, których problem dotyczy,
♦ problem miał istotne znaczenie,
♦ został ustalony konkretny cel.
Krzywe Pareto pokazuj jasno, w którym kierunku maj by skierowane działania
naprawcze, by da maksymalny efekt. Chodzi o znalezienie przyczyn, które stwarzaj najwi cej
problemów w przebiegu procesu i musz by usuni te w pierwszej kolejno ci. Próby ustalenia tych
faktów metod zgadywania na podstawie samego zestawu braków mog by bł dne. Zbieranie
danych i ich analizowanie jest czynno ci czasochłonn , stanowi jednak podstaw pó niejszej
analizy. Korzy ci , która wynika z analizy Pareto nie jest jedynie proste zidentyfikowanie kilku
wa nych czynników, ale tak e podstawa do zbagatelizowania i pomini cia wielu innych, znacznie
mniej istotnych. Jest to bowiem działanie, które stawia sobie za cel wyeliminowanie
najwa niejszych problemów i daje podstaw do zignorowania wielu spraw mniej istotnych, które
mog poczeka , bowiem ich usuni cie i tak nie zmieni, w sposób znacz cy, oceny ogólnej sytuacji.

4

Nie znaczy to jednak, e drobniejsze przyczyny powinni my lekcewa y i pozostawia bez
poprawy [1-2].
Wykres Pareto-Lorentza wspomaga weryfikacj hipotezy Pareto -

20% przyczyn decyduje o

powstawaniu 80% bł dów

.

Rys. 1 Przykładowy wykres Pareto

2. Wykres przyczynowo - skutkowy (Kaoru Ishikawy) jako narz dzie wspomagaj ce decyzje
w analizie Pareto

Wykres Ishikawy został po raz pierwszy zastosowany w latach 60 w Japonii. Słu ył do

badania problemów organizacyjnych. wykres ten pozwala w przejrzysty sposób wskaza przyczyny
niepowodze badanych przedsi wzi . Dlatego nazywany jest równie wykresem przyczyn i
skutków. Jest on pomocn technik organizatorsk , pozwalaj c na uszeregowanie przyczyn i
niepowodze i pokazanie ich wzajemnych wi zi [1-2].

Wykres ten mo na stosowa do bada problemów o ró nych przekrojach i stopniu

szegółowo ci. Tradycyjnie stosowany jest do rozwi zywania problemów jako ciowych, w których
wyst puje ła cuch przyczyn i przedstawiony jest w sposób graficzny. Na ko cu osi poziomej
podawany jest skutek, a na strzałkach (osiach) podawane s przyczyny, które powoduje ten skutek
[2,3,6].

Odpowiednia analiza polegaj ca na eliminowaniu pomniejszych przyczyn prowadzi do

wychwycenia przyczyn, które powoduj powstawanie skutku.

Procedura post powania jest post puj ca [1-2]:

BADANIE > DIAGNOZA > WYBÓR TERAPII (CEL)

5

Analiz przyczyn wadliwo ci wyrobu nale y prowadzi tak długo, a ka d wyst puj c na

ko cu ła cuch mo na b dzie z du ym prawdopodobie stwem zaliczy do kategorii daj cych si
rozwi za lub kategorii nierozwi zywalnych. Dobrze jest przyj zasad , e przyczyny najbardziej
istotne umiejscowione s najbli ej głównej osi wykresu, a oddalaj c si od niej , lokalizuje si
przyczyny, z powodu których prawdopodobie stwo wyst pienia wad jest mniejsze. Wówczas
czytaj c wykres, kierujemy nasz uwag na przyczyny bezpo rednio powoduj ce skutek [3-5].

Diagram przyczynowo-skutkowy Ishikawy. Jest technik , która pozwala wytypowa i

pogrupowa znacz ce czynniki albo przyczyny wpływaj ce na zało ony skutek. Technika ta
polega na wykorzystaniu wiedzy ekspertów, operatorów i zatrudnionych pracowników dla
sporz dzenia diagramu, który porz dkuje wiedz o specyficznym, ci le sprecyzowanym
problemie i nadaje jej przejrzyst struktur [6].

Diagram przyczynowo-skutkowy jest cz sto u ywany w poł czeniu z sesjami

tzw. burzy mózgów i wywodzi si z pracy w japo skich kr gach jako ci.
Chodzi przede wszystkim o [1-5]:
♦ zestawienie mo liwych przyczyn wywołuj cych skutek,
♦ analiz ewolucji przyczyn.
Diagram przedstawia zasad „5 P” Lockyera na diagramie Ishikawy. „5 P” to z
angielskiego: Product, Plant, People, Procedure, Program. W j zyku polskim powy sza zasada
mo e by przedstawiana jako „5 O”. Operator (człowiek), Obrabiarka (ogólnie urz dzenie
produkcyjne), Obiekt (materiał, półwyrób), Operacja (technologiczna), Otoczenie ( rodowisko
pracy).Porz dkowanie problemów przeprowadza si tak e wg koncepcji „5 M” (ang. Man,
Material, Machine, Method, Management; franc.: Main d’oeuvre, Matieres, Materiels, Methodes,
Milieu) pozwalaj ce pogrupowa zadania celem dokonania analizy.[1,2,5,6]

Rys. 2 Diagram Ishikawy

SKUTEK

LUDZIE

MATERIAŁ

METODA

ZARZ DZANIE

MASZYNA

6

Konstrukcj diagramu Ishikawy nale y rozpocz od danych. W tym celu mo na

wykorzysta analiz Pareto. Co jako czas nale y powtarza wykres Ishikawy i metod Pareto, by
uchwyci nowe przypadki, które mog wyst pi lub które były niezauwa alne wcze niej.
Przykładowe etapy konstruowania diagramu Ishikawy s nast puj ce[1-2]:
- Wyra ne okre lenie skutku – np. problemem s straty ponoszone w trakcie procesu pakowania od

chwili uzyskania od dostawcy do sprzeda y w opakowaniach jednostkowych.

- Okre lenie celu – np. zredukowanie strat o 10% w nast pnych 3 miesi cach. Trzeba sobie zdawa

spraw , e mo e to by trudne, gdy straty były niezbyt du e np. 1%.

- Zbudowanie diagramu strukturalnego.

Diagram Ishikawy mo e by bardzo u ytecznym narz dziem do analizy ilo ci niezb dnych

procedur w poszczególnych obszarach przedsi biorstwa. Wykorzystywany bywa wi c do
konstrukcji systemu zapewnienia jako ci wg norm ISO serii 9000:2000.



LITERATURA

1.

A.Hamrol, W. Mantura: „Zarz dzanie Jako ci ”; PWN; Warszawa, Pozna 1999.

2.

A.Hernas: „Podstawy in ynierii zarz dzania”, W.Pol. l., Gliwice, 1996

3.

O.Hryniewicz: Nowoczesne metody statystycznego sterowania jako ci , PAN, Warszawa

1996

4.

E. Kindlarski: Kontrola i sterowanie jako ci , WPW, Warszawa 1997

5.

Tkaczyk S. Dudek M.: Methodology research of quality in industry, Mat. VII Mi dz. Konf.

Komitetu Nauki o Materiałach PAN, Gliwice – Zakopane 1998, 513

6.

A.Tabor, A.Zaj c, M.R czka : „Zarz dzanie jako ci ”; Tom I; Kraków 1999