IDŹ DO:

6SLVWUHĞFL

3U]\NáDGRZ\UR]G]LDá

KATALOG KSIĄŻEK:

.DWDORJRQOLQH

%HVWVHOOHU\

1RZHNVLąĪNL

=DSRZLHG]L

CENNIK I INFORMACJE:

=DPyZLQIRUPDFMH

RQRZRĞFLDFK

=DPyZFHQQLN

CZYTELNIA:

)UDJPHQW\NVLąĪHN

RQOLQH

2QHSUHVVSO+HOLRQ6$
XO.RĞFLXV]NLF
*OLZLFH
WHO
HPDLO

RQHSUHVV#RQHSUHVVSO

UHGDNFMD

UHGDNFMDZZZ#RQHSUHVVSO

LQIRUPDFMH

RNVLĊJDUQLRQHSUHVVSO

Do koszyka

Nowość

Promocja

Do przechowalni

Zarządzanie jakością
— podstawy, systemy
i narzędzia

Autor:

Sławomir Wawak

ISBN: 978-83-246-2866-7
Format: 140 u208, stron: 224

• Koncepcja zarządzania przez jakość — Total Quality Management
• Koszty wprowadzania zarządzania jakością
• Przygotowanie firmy do wdrożenia norm ISO
• Przyczyny niewłaściwego działania systemu zarządzania jakością
• Narzędzia i metody identyfikacji oraz analizy problemów
• Stosowanie narzędzi informatycznych wspomagających zarządzanie jakością

By wracali do Ciebie klienci, nie produkty! Jakość to coś, co zadowala, a nawet zachwyca klientów.

William Edwards Deming

Obecna rzeczywistość rynkowa charakteryzuje się dynamicznymi zmianami, ciągłymi
wyzwaniami i niemałą konkurencją. Konsumenci są coraz bardziej świadomi swoich potrzeb
i nie decydują się na zakup produktów lub usług niskiej jakości. Jako przedsiębiorca lub osoba
zarządzająca to właśnie Ty jesteś odpowiedzialny za czytelną politykę jakości Twojej firmy
oraz wybór odpowiedniego systemu zarządzania. Wdrożenie praktycznych metod i narzędzi,
pomagających utrzymać standard oferty na odpowiednim poziomie, pozwoli Ci zyskać pewność,
że przedsiębiorstwo ma na celu ciągłe doskonalenie siebie i swoich usług.

Nim zaczniesz myśleć o udoskonalaniu swojej firmy, zapoznaj się z dostępną, absolutnie
obowiązkową wiedzą. Podręcznik Zarządzanie jakością. Podstawy, systemy i narzędzia
to niezbędnik kadry menedżerskiej i osób rozpoczynających swoją przygodę z zarządzaniem
jakością — studentów oraz pracowników u progu kariery. W książce opisano obowiązujące
aktualnie normy, zasady ich wdrażania i wymagania stawiane przedsiębiorstwom starającym
się o certyfikaty. Przedstawiono tu również systemy zarządzania jakością oraz narzędzia
informatyczne wspomagające ten proces.

Trzy stopnie wtajemniczenia w zarządzaniu jakością:

• Podstawy, systemy oraz narzędzia zarządzania jakością.
• Wymagania systemu zarządzania jakością (SZJ) zgodnego z normą ISO 9001

oraz omówienie najważniejszych znormalizowanych systemów zarządzania.

• Narzędzia i metody wspomagające zarządzanie jakością.

Spis treĂci

WstÚp

7

CZ}¥m I. PODSTAWY

1. Koncepcja zarzÈdzania przez jakoĂÊ (TQM)

11

1.1. Rozwój idei jakoĂci

11

1.2. PoglÈdy twórców TQM

17

1.3. Model znakomitoĂci EFQM

29

1.4. Nagrody jakoĂci

33

1.5. Common Assessment Framework (CAF)

41

2. Ekonomika jakoĂci

43

2.1. JakoĂÊ a wyniki ekonomiczne organizacji

43

2.2. Rodzaje i struktura kosztów jakoĂci

44

2.3. Rachunek korzyĂci i kosztów jakoĂci

49

CZ}¥m II. SYSTEMY

3. System zarzÈdzania jakoĂciÈ ISO 9001

59

3.1. Rozwój znormalizowanych systemów zarzÈdzania

59

3.2. Zasady zarzÈdzania jakoĂciÈ

69

3.3. Wymagania systemu zarzÈdzania jakoĂciÈ

79

3.4. Podstawowe dokumenty systemu

90

3.5. Audyt wewnÚtrzny

104

3.6. Certyfikacja systemu zarzÈdzania jakoĂciÈ

118

3.7. Przyczyny niewïaĂciwego dziaïania systemu

121

6

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

4. Wybrane inne znormalizowane systemy zarzÈdzania

129

4.1. System zarzÈdzania Ărodowiskowego ISO 14001

129

4.2. System zarzÈdzania bezpieczeñstwem

i higienÈ pracy PN-N-18001

135

4.3. System zarzÈdzania bezpieczeñstwem ĝywnoĂci

ISO 22000

142

4.4. System zarzÈdzania bezpieczeñstwem informacji

ISO 27001

146

4.5. Integracja systemów zarzÈdzania

155

CZ}¥m III. NARZ}DZIA I METODY

5. NarzÚdzia i metody identyfikacji i analizy problemów

163

5.1. Diagram Ishikawy

163

5.2. Histogram

166

5.3. Metoda Pareto

168

5.4. Karta kontrolna

173

5.5. Burza mózgów

176

6. NarzÚdzia i metody projektowania produktów i procesów

179

6.1. Metoda QFD

179

6.2. Metoda FMEA

184

6.3. Wykres kompetencji

191

7. Zaawansowane narzÚdzia i metody

197

7.1. Lean management

197

7.2. Kaizen

199

7.3. SMED

203

7.4. Poka yoke

207

7.5. Total Productive Maintenance

209

7.6. Just in time

212

7.7. Kanban

215

Bibliografia

219

NarzÚdzia i metody identyfikacji i analizy problemów

163

NarzÚdzia i metody identyfikacji
i analizy problemów

5

5.1. Diagram Ishikawy

Kaoru Ishikawa, profesor Uniwersytetu Tokijskiego, opublikowaï
zaïoĝenia do swojego wykresu w 1962 roku. Celem tej metody jest
rozpoznanie przyczyn faktycznych lub potencjalnych niepowodzeñ
przedsiÚwziÚÊ. Z tego powodu nazywa siÚ jÈ takĝe wykresem przy-
czynowo-skutkowym, a ze wzglÚdu na charakterystyczny wyglÈd —
wykresem rybiej oĂci. Zakres stosowania tej metody poczÈtkowo byï
ograniczony jedynie do przemysïu, lecz w krótkim czasie okazaïa siÚ
ona przydatna w wielu innych dziedzinach.

SporzÈdzanie wykresu musi byÊ wynikiem dziaïañ wielu pracow-

ników organizacji, poniewaĝ przyczyny niepowodzeñ majÈ zwykle
swoje ěródïa w róĝnych dziedzinach dziaïania. Dlatego zespóï powinien
skïadaÊ siÚ z ludzi o duĝej wiedzy specjalistycznej, którzy dodatkowo
majÈ wolÚ ujawnienia przyczyn wadliwoĂci, w tym takĝe spowodo-
wanych przez siebie. Bardzo przydatne jest stosowanie w trakcie bu-
dowy schematu metod heurystycznych.

Wykres skïada siÚ ze strzaïek wraz z opisami, ïÈczonych w ten

sposób, ĝe gïówna strzaïka wskazuje skutek, czyli opis niepowodze-
nia, które jest badane. Przedstawiono to na rysunku 5.1.

164

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

Rysunek 5.1.

Zasada budowy wykresu Ishikawy

Pokazane na rysunku kategorie przyczyn zwykle wybierane sÈ

z zestawu zwanego 5M+E:

x

Czïowiek (

Man).

x

Maszyna (

Machine).

x

Materiaï (

Material).

x

Stosowana metoda (

Method).

x

Kierownictwo (

Management).

x

Otoczenie (

Environment).

Moĝna takĝe uĝywaÊ innych kategorii (na przykïad procedury,

wyposaĝenie, materiaïy, informacje, ludzie), zaleĝnie od dziedziny,
w jakiej wykres jest stosowany. Kaĝda kategoria przyczyn jest rozbu-
dowywana o kolejne przyczyny szczegóïowe. Jeĝeli zachodzi taka
potrzeba, doïÈcza siÚ takĝe podprzyczyny. Rozbudowa wykresu koñ-
czy siÚ w momencie peïnego zidentyfikowania zjawiska.

E. Kindlarski zaproponowaï stosowanie ukïadu przedmiotowego

lub technologicznego przyczyn. W pierwszym nazwy kategorii ozna-
czajÈ podzespoïy analizowanego obiektu, a przyczyny — elementy
tych podzespoïów. W drugim ukïadzie wykorzystuje siÚ odpowiednio
procesy technologiczne i operacje w tych procesach. Przykïady takich
zastosowañ pokazujÈ rysunki 5.2 i 5.3.

NarzÚdzia i metody identyfikacji i analizy problemów

165

Rysunek 5.2.

Ukïad przedmiotowy przyczyn

½ródïo: E. Kindlarski, JakoĂÊ wyrobów, PWN, Warszawa, 1988, s. 5

Rysunek 5.3.

Ukïad technologiczny przyczyn

½ródïo: E. Kindlarski, JakoĂÊ wyrobów, PWN, Warszawa, 1988, s. 5

W praktyce czyste ukïady wystÚpujÈ rzadko, zwykle zïoĝonoĂÊ

przyczyn wymaga zastosowania ukïadu mieszanego.

Prawidïowo sporzÈdzony wykres Ishikawy moĝe posïuĝyÊ do stwo-

rzenia liczbowego systemu klasyfikacji wad. LiczbÚ znaków kodu moĝna
okreĂliÊ w zaleĝnoĂci od ĝÈdanego stopnia szczegóïowoĂci. Przy anali-
zie fragmentu wykresu z rysunku 6.5. moĝna otrzymaÊ zestaw kodów
zaprezentowany na rysunku 5.4. W tym przypadku kod ma trzy znaki:

x

Pierwszy oznacza kategoriÚ przyczyn.

x

Drugi oznacza przyczynÚ.

x

Trzeci oznacza podprzyczynÚ.

166

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

Rysunek 5.4.

Przykïad sporzÈdzenia kodu

Jeĝeli zespóï sporzÈdzajÈcy wykres ma dane, które pozwolÈ na

przedstawienie przyczyn w formie liczbowej, moĝna wykorzystaÊ zapro-
ponowany przez Sankeya zbilansowany wykres rybich oĂci (rysunek 5.5).

5.2. Histogram

Histogram to proste narzÚdzie statystyczne, które naleĝy do podsta-
wowych technik wspomagajÈcych doskonalenie jakoĂci. DziÚki niemu
moĝliwe jest graficzne zobrazowanie rozkïadu dowolnej cechy w bada-
nej populacji. PopulacjÈ tÈ mogÈ byÊ pracownicy (np. badanie absencji),
produkty (np. analiza odchyleñ od wartoĂci wzorcowej) czy procesy
(np. liczba niezgodnoĂci). Zastosowanie histogramu jest dziĂ bardzo
proste i szybkie dziÚki dostÚpnoĂci arkuszy kalkulacyjnych. CzÚsto
zebranie danych ěródïowych trwa znacznie dïuĝej niĝ przygotowanie
i analiza diagramu.

Procedura przygotowania histogramu:

1. Wybranie obiektu badania oraz cechy, która bÚdzie badana.

Moĝliwe jest badanie wielu cech jednoczeĂnie, jednak ze
wzglÚdu na przejrzystoĂÊ zaleca siÚ przygotowanie oddzielne-
go histogramu dla kaĝdej cechy.

NarzÚdzia i metody identyfikacji i analizy problemów

167

Rysunek 5.5.

Wykres zbilansowany Sankeya

2. Wybranie sposób pomiaru badanej cechy i upewnienie siÚ, ĝe

jest wïaĂciwy. Sposób pomiaru moĝe wpïywaÊ na ocenÚ wyni-
ków. Dlatego naleĝy zastanowiÊ siÚ nad celem badania i odpo-
wiednio do niego dobraÊ sposób pomiaru.

3. Dokonanie duĝej liczby pomiarów. Przyjmuje siÚ, ĝe powinno ich

byÊ min. 50, aby zapewniÊ wïaĂciwy rozkïad wartoĂci w próbie.

4. Przeprowadzenie pomiarów w sposób losowy. Przeprowadze-

nie pomiaru na obiektach, które zostaïy juĝ wstÚpnie posorto-
wane, moĝe daÊ bïÚdne wyniki.

168

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

5. Ustalenie rozstÚpu danych. RozstÚp to zakres, w jakim wystÚ-

pujÈ w próbie wartoĂci badanej cechy. Oblicza siÚ go poprzez
odjÚcie wartoĂci najmniejszej od najwiÚkszej. Na rysunku 5.1
rozstÚp wynosi: 105–95 = 20.

6. OkreĂlenie liczby przedziaïów. Liczba przedziaïów jest zaleĝna

od liczebnoĂci próbki oraz charakteru badanej cechy. Zwykle
przyjmuje siÚ od 7 przedziaïów przy maïej próbie do 20 przy duĝej.

7. Obliczenie szerokoĂci przedziaïów. SzerokoĂÊ przedziaïu obli-

cza siÚ, dzielÈc rozstÚp przez liczbÚ przedziaïów.

8. OkreĂlenie wartoĂci granicznych przedziaïów uzyskuje siÚ po-

przez wielokrotne dodawanie szerokoĂci przedziaïu do naj-
mniejszej zmierzonej wartoĂci.

9. OkreĂlenie liczby obserwacji w danym przedziale. Ostateczne

porzÈdkowanie danych, czyli zliczenie, ile obserwacji przypada
na poszczególne przedziaïy.

10. Wprowadzenie danych do arkusza kalkulacyjnego i generowanie

histogramu. Na osi rzÚdnych znajdujÈ siÚ zakresy przedziaïów, a na
odciÚtych — liczba obserwacji w poszczególnych przedziaïach.

Narysowany histogram moĝe mieÊ wyglÈd uporzÈdkowany, jak na

rysunku 5.6, co moĝe ĂwiadczyÊ o ustabilizowaniu danego zjawiska,
jednak moĝe takĝe mieÊ wyglÈd poszarpany, wskazujÈcy na niejedno-
rodnoĂÊ zjawiska. W analizie histogramu naleĝy ponadto wziÈÊ pod
uwagÚ umiejscowienie wartoĂci najczÚstszej (centralne lub boczne)
oraz poziom zmiennoĂci mierzony odchyleniem standardowym.

5.3. Metoda Pareto

Wïoski uczony Vilfredo Pareto, badajÈc populacjÚ, odkryï, iĝ ok. 20%
spoïeczeñstwa ma w swoim wïadaniu 80% caïkowitego majÈtku. Póě-
niej badacze udowodnili, ĝe taka reguïa odnosi siÚ wïaĂciwie do
wiÚkszoĂci zjawisk. Moĝna wiÚc z duĝym przybliĝeniem stwierdziÊ,
ĝe prawdziwe sÈ nastÚpujÈce stwierdzenia:

NarzÚdzia i metody identyfikacji i analizy problemów

169

Rysunek 5.6.

Przykïad histogramu — rozkïad cechy X

½ródïo: opracowanie wïasne

x

20% operacji w procesie produkcyjnym generuje 80% kosztów
wytwarzania.

x

20% wyrobów zapewnia 80% ogólnej wartoĂci sprzedaĝy.

x

80% reklamacji i skarg pochodzi od 20% klientów.

x

80% problemów jest skutkiem 20% przyczyn.

Naturalnie naleĝy zaïoĝyÊ, ĝe mogÈ wystÈpiÊ odchylenia od tych

wartoĂci o 10, a nawet 20 punktów procentowych. Sama znajomoĂÊ
reguïy nie pozwala jednak na podjÚcie decyzji, które operacje pro-
dukcyjne sÈ kosztowne czy które produkty naleĝy sprzedawaÊ. Dlate-
go konieczne jest przeprowadzenie analizy. W tym celu moĝna wyko-
rzystaÊ prosty podziaï badanej populacji na trzy grupy:

x

A — najwaĝniejszÈ, ok. 20%,

x

B — istotnÈ, ok. 30%,

x

C — nieistotnÈ, ok. 50%.

170

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

W wyniku tego podziaïu moĝna podjÈÊ decyzje dotyczÈce postÚ-

powania z obiektami naleĝÈcymi do tych grup. Decyzje te bÚdÈ natu-
ralnie róĝne, w zaleĝnoĂci od rodzaju badanej populacji.

Procedura zastosowania metody:

1. Wybór populacji oraz badanej cechy. Podobnie jak w przypad-

ku histogramu, analizowana jest pojedyncza cecha populacji.
Populacja nie powinna byÊ w tym przypadku mniejsza niĝ
20 obiektów.

2. Wybór sposobu i pomiaru cechy.

3. Wprowadzenie danych do arkusza.

4. Sortowanie danych wzglÚdem badanej cechy, zaczynajÈc od

obiektów o najwiÚkszym jej natÚĝeniu (w przykïadzie w tab.
6.1 cechÈ tÈ jest wielkoĂÊ sprzedaĝy rocznie).

5. Obliczenie kumulowanego procentu liczby obiektów. JeĂli caïa

populacja to 100%, to pojedynczy obiekt bÚdzie stanowiï
100/n%, gdzie n jest liczbÈ obiektów (w tabeli 6.1 kolumna 3).

6. Obliczenie kumulowanego natÚĝenia cechy (kolumna 5).

7. Obliczenie kumulowanego procentu natÚĝenia badanej cechy

(kolumna 6) na podstawie kumulowanego natÚĝenia cechy.
W tym przypadku 100% stanowi suma wartoĂci cechy dla wszyst-
kich obiektów.

8. Wygenerowanie w arkuszu kalkulacyjnym wykresu, w którym

na osi rzÚdnych znajdzie siÚ kumulowany procent natÚĝenia ce-
chy, a na odciÚtych — kumulowany procent liczby produktów.

Oto prosty przykïad zastosowania metody:

PrzedsiÚbiorstwo oferuje 20 produktów (nie moĝna stosowaÊ me-
tody dla jednego produktu). ZarzÈd chce wybraÊ te, które sÈ naj-
czÚĂciej sprzedawane. Dlatego sortujemy je w tabeli (tabela 5.1)
wzglÚdem liczby sztuk sprzedanych w badanym okresie.

NarzÚdzia i metody identyfikacji i analizy problemów

171

Tabela 5.1.

Dane do wykresu Pareto

Numer
produktu

Liczba
porzÈdkowa

Kumulowany %
liczby
produktów (LP)

WielkoĂÊ
sprzedaĝy
rocznie

Kumulowana
wielkoĂÊ
sprzedaĝy rocznie

Kumulowany %
wielkoĂci
sprzedaĝy (WS)

14

1

5%

75,015

75,015

20%

10

2

10%

68,050

143,065

37%

3

3

15%

64,025

207,090

54%

5

4

20%

59,025

266,115

70%

4

5

25%

30,200

296,315

77%

1

6

30%

25,021

321,336

84%

15

7

35%

15,025

336,361

88%

17

8

40%

12,025

348,386

91%

20

9

45%

11,021

359,407

94%

2

10

50%

6,054

365,461

96%

6

11

55%

3,054

368,515

96%

8

12

60%

2,802

371,317

97%

11

13

65%

2,425

373,742

98%

19

14

70%

2,254

375,996

98%

9

15

75%

2,102

378,098

99%

7

16

80%

1,940

380,038

99%

12

17

85%

1,235

381,273

100%

13

18

90%

1,022

382,295

100%

16

19

95%

0,254

382,549

100%

18

20

100%

0,125

382,674

100%

½ródïo: opracowanie wïasne

172

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

NastÚpnie wartoĂci skumulowane przenosi siÚ na wykres (rysunek

5.7). Na osi odciÚtych zaznaczyÊ naleĝy kumulowane produkty, nato-
miast na osi rzÚdnych kumulowany udziaï w sprzedaĝy.

Rysunek 5.7.

Wykres Pareto

½ródïo: opracowanie wïasne

Na wykresie liniami pokazano realizacjÚ zasady 20–80 — okoïo

20% skumulowanej iloĂci daje okoïo 80% skumulowanej wartoĂci.
Naleĝy pamiÚtaÊ, ĝe moĝliwe sÈ niewielkie odchylenia wynikajÈce
z dokïadnoĂci pomiaru, wielkoĂci próbki, a takĝe specyfiki badanego
zjawiska. Z tych przyczyn w omawianym przykïadzie 26% asorty-
mentu odpowiada 80% liczby sprzedanych produktów.

AnalizujÈc wykres, wyznacza siÚ trzy strefy: A — pierwsze ok. 20%

obiektów, B — kolejne 30% i C — ostatnie 50%. Interpretacja wyników
moĝe wskazywaÊ na potrzebÚ rozwoju produktów grupy A, utrzyma-
nie tych z grupy B, a rezygnacjÚ z grupy C. Naleĝy jednak pamiÚtaÊ,
ĝe w przypadku analizy sprzedaĝy konieczne jest opracowanie dru-
giego, podobnego wykresu dla wartoĂci sprzedaĝy i podjÚcie decyzji
dopiero na podstawie wyników obu badañ.

NarzÚdzia i metody identyfikacji i analizy problemów

173

5.4. Karta kontrolna

Karta kontrolna jest nieco bardziej zaawansowanym narzÚdziem sta-
tystycznym niĝ omówione wczeĂniej. Dostarcza jednak równieĝ duĝo
bardziej szczegóïowych danych na temat badanych obiektów. TwórcÈ
koncepcji kart kontrolnych jest Walter A. Shewhart, który zastosowaï
je w 1924 r. w Bell Laboratories.

Karta jest narzÚdziem wspomagajÈcym badanie zdolnoĂci proce-

sów do osiÈgania swych celów. PoczÈtkowo analizowano gïównie proce-
sy produkcyjne, jednak moĝna równieĝ badaÊ innego rodzaju proce-
sy. Analiza wyników pozwala na wskazanie poziomu rozregulowania
procesu, a takĝe dostarcza ogólnych wskazówek, gdzie szukaÊ przyczyn
tego rozregulowania. Zakïada siÚ przy tym, ĝe proces moĝe byÊ pod-
dawany dziaïaniu czynników naturalnych oraz nieprzypadkowych.
Czynniki naturalne sÈ zwiÈzane ĂciĂle z procesem, jest ich zwykle
wiele, ale ĝaden z nich nie odgrywa roli dominujÈcej. Natomiast czynni-
ki nieprzypadkowe wynikajÈ z przyczyn niezwiÈzanych wprost z proce-
sem, np. niewïaĂciwe parametry surowca, brak kwalifikacji pracownika.

Karty sÈ konstruowane w formie diagramów wypeïnianych rÚcz-

nie lub automatycznie na podstawie danych dostarczanych przez
system informatyczny. Diagram posiada liniÚ centralnÈ, górne i dolne
granice kontrolne (linie ciÈgïe na rysunku 5.8) oraz ewentualnie linie
ostrzegawcze (linie przerywane).

KonstruujÈc kartÚ kontrolnÈ, zwykle zakïada siÚ, ĝe badana cecha

posiada rozkïad normalny. NajczÚĂciej stosowane sÈ odmiany kart
kontrolnych ,

i

. SïuĝÈ one do analizy cech iloĂciowych. MetodÚ

kart kontrolnych moĝna takĝe wykorzystaÊ do analizy cech jakoĂcio-
wych. SïuĝÈ do tego odmiany kart: p, np, c oraz u.

W przypadku procesów technologicznych i niektórych procesów

organizacyjnych zwykle znana jest zamierzona wartoĂÊ badanej cechy
(np. dïugoĂÊ elementu) oraz dopuszczalna tolerancja. W takim przy-
padku obliczenie wartoĂci linii centralnej oraz granic dla karty jest
uproszczone:

174

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

Rysunek 5.8.

Diagram karty kontrolnej

½ródïo: opracowanie wïasne

LC

= m

,

(5.1)

,

(5.2)

,

(5.3)

gdzie:

m — zamierzona wartoĂÊ cechy,

n — liczebnoĂÊ próby,

ı

— odchylenie standardowe

m.

Nieco trudniejsze jest obliczenie w przypadku braku wartoĂci nor-

matywnych. Wówczas jako

LC przyjmuje siÚ ĂredniÈ wartoĂÊ próbki,

a granice oblicza siÚ z wykorzystaniem estymowanej wartoĂci odchy-
lenia standardowego.

Na rysunku 5.9 pokazano przykïad procesu ustabilizowanego.

Widoczne jest skupienie zmierzonych wartoĂci wokóï linii centralnej,
a jednoczeĂnie brak wyraěnych tendencji zmian, np. stale rosnÈcych
lub malejÈcych wartoĂci. OdmiennÈ sytuacjÚ pokazuje rysunek 5.10,
na którym widaÊ wyraěnie nieustabilizowany proces. W kilku miej-
scach wartoĂÊ badanej cechy przekroczyïa linie graniczne. Co wiÚcej,

NarzÚdzia i metody identyfikacji i analizy problemów

175

Rysunek 5.9.

Przykïad karty kontrolnej procesu ustabilizowanego

½ródïo: opracowanie wïasne

Rysunek 5.10.

Przykïad karty kontrolnej procesu nieustabilizowanego

½ródïo: opracowanie wïasne

wczeĂniej juĝ widoczne byïy sygnaïy pogarszajÈcej siÚ sytuacji — kil-
ka pomiarów wskazujÈcych na stopniowe odchodzenie od linii cen-
tralnej. Przekroczenie dolnej granicy mogïo byÊ spowodowane dzia-
ïaniem pracownika, który widzÈc wczeĂniejszy bïÈd (przekroczenie
górnej granicy), dokonaï np. odrÚcznej korekty ustawieñ maszyny.

AnalizujÈc proces na podstawie kart kontrolnych, naleĝy zwróciÊ

uwagÚ na to, ĝe w przypadku gdy efekty dziaïania procesu ustabili-
zowanego nie sÈ zadowalajÈce, to zwykle konieczne jest przemode-
lowanie procesu, a nie wystarczy pouczenie pracownika.

176

ZarzÈdzanie jakoĂciÈ. Podstawy, systemy i narzÚdzia

5.5. Burza mózgów

Burza mózgów jest jednÈ z metod heurystycznych, tj. metod twórczego
rozwiÈzywania problemów. Do tej grupy naleĝÈ takĝe: synektyka
Gordona, algorytm wynalazku Altszullera (ARIZ), metoda morfolo-
giczna czy technika delficka. WykorzystujÈ one intuicjÚ oraz pracÚ
zespoïowÈ do generowania oryginalnych, nowatorskich rozwiÈzañ.

TwórcÈ burzy mózgów byï Alex Osborn, który opracowaï tÚ meto-

dÚ w latach 30. dla potrzeb duĝej firmy reklamowej, w której peïniï
funkcjÚ wicedyrektora. PoczÈtkowe eksperymenty obejmowaïy sesje
zbierania pomysïów, w których uczestniczyïo nawet 400 osób, jednak
szybko zorientowano siÚ, ĝe tak duĝa liczba uczestników nie pozwala
na efektywne prowadzenie spotkañ. Po wielu próbach opracowano
zasady organizacji burzy mózgów, które obowiÈzujÈ do dziĂ.

W burzy mózgów uczestniczÈ dwa zespoïy:

x

Zespóï pomysïowoĂci, którego zadaniem jest zgïoszenie jak
najwiÚkszej liczby pomysïów.

x

Zespóï oceniajÈcy, który analizuje i ocenia pomysïy, a nastÚpnie
wybiera spoĂród nich te rokujÈce najwiÚksze nadzieje na sukces.

Zespóï pomysïowoĂci skïada siÚ z ok. 12 osób. Powinien byÊ to ze-

spóï heterogeniczny, tj. taki, w którym wystÚpowaÊ bÚdÈ osoby obu
pïci, w róĝnym wieku, o róĝnym wyksztaïceniu i doĂwiadczeniu, a takĝe
osoby niezajmujÈce siÚ na co dzieñ analizowanÈ problematykÈ. Po-
zwala to na uzyskanie pomysïów bardzo zróĝnicowanych, dotykajÈ-
cych wielu róĝnych dziedzin, a przez to nowatorskich. Duĝo lepiej
funkcjonuje zespóï zïoĝony z osób chÚtnych do wspóïpracy niĝ zïoĝo-
ny z ekspertów, z których kaĝdy jest przekonany o duĝym zakresie
wïasnej wiedzy. Naleĝy takĝe unikaÊ wïÈczania do zespoïów osób po-
zostajÈcych w zaleĝnoĂciach sïuĝbowych. Czïonkowie zespoïu biorÈ
udziaï w sesji pomysïowoĂci, w ramach której zbierane sÈ propozycje
rozwiÈzañ postawionego problemu.

Zespóï oceniajÈcy skïada siÚ z ok. 3 ekspertów, którzy po zakoñ-

czeniu sesji pomysïowoĂci analizujÈ zgïoszone pomysïy i oceniajÈ je

Czytaj dalej...

NarzÚdzia i metody identyfikacji i analizy problemów

177

pod kÈtem przydatnoĂci. Osoby uczestniczÈce w tym zespole muszÈ
posiadaÊ szeroki zakres wiedzy, dobrze znaÊ moĝliwoĂci firmy, a przy
tym byÊ otwarte na nowe pomysïy.

Podstawowe zasady prowadzenia sesji pomysïowoĂci to:

x

okreĂlony czas trwania — ok. 60 minut,

x

caïkowity zakaz krytykowania lub podawania w wÈtpliwoĂÊ
zgïaszanych pomysïów,

x

luěna atmosfera, zachÚcajÈca do otwarcia siÚ i zgïaszania po-
mysïów,

x

zgïaszanie duĝej liczby pomysïów,

x

zapisywanie pomysïów przez prowadzÈcego na tablicy wi-
docznej dla wszystkich.

Dobra praktyka prowadzenia burzy mózgów przewiduje przeka-

zanie tematu spotkania na kilka dni wczeĂniej, a takĝe przesïanie listy
pomysïów do uczestników nastÚpnego dnia po zakoñczeniu, aby do-
pisali dodatkowe pomysïy. W ten sposób wykorzystuje siÚ „przerwÚ
synektycznÈ” — zjawisko polegajÈce na tym, ĝe podĂwiadomoĂÊ czïo-
wieka pracuje nad raz zadanym problemem nawet wtedy, gdy zakoñ-
czone zostanie Ăwiadome jego rozwiÈzywanie. Bardzo czÚsto najlepsze
pomysïy sÈ zgïaszane wïaĂnie nastÚpnego dnia po sesji pomysïowoĂci.

Osoby pierwszy raz uczestniczÈce w sesji pomysïowoĂci czÚsto

obawiajÈ siÚ zgïaszania pomysïów i dlatego uĝywajÈ zwrotów autode-
strukcyjnych, np. „to moĝe zabraÊ duĝo czasu, ale...”, „to byÊ moĝe
nie nadaje siÚ do wdroĝenia, ale...”. Uĝycie takich zwrotów jest zaka-
zane, poniewaĝ programuje podĂwiadomoĂÊ innych uczestników do
odrzucenia zgïaszanych pomysïów. Zakazane sÈ równieĝ zwroty tor-
pedujÈce, np. „nigdy tak nie postÚpowaliĂmy”, „to tylko teoria”, „pre-
zes tego nie zaakceptuje”. Zwroty te oceniajÈ pomysïy, czego w cza-
sie sesji pomysïowoĂci naleĝy unikaÊ. RolÈ prowadzÈcego sesjÚ jest
zwracanie uwagi na takie sytuacje.