Jednoduché nástroje řízení kvality - Ústav stavebního zkušebnictví

3.3.2014
Jednoduché nástroje řízení jakosti
Jednoduché nástroje
řízení jakosti
Ing. Tomáš Vymazal, Ph.D.
VUT FAST v Brně
Ústav stavebního zkušebnictví
[email protected]
Jednoduché nástroje řízení jakosti
Chceme-li řídit jakost, musíme o ní
shromáždit všechny potřebné informace,
vhodnou formou je zpracovat, analyzovat a
využít je při řešení problémů a realizaci
zlepšovacích aktivit.
Jednoduché nástroje řízení jakosti
Nejsou obtížné na pochopení pro jakéhokoliv
pracovníka organizace. K tomu přispívá i
grafická
podoba
příslušející
každému
nástroji.
Základní přínosy:
 pomáhají určit, v jakém stavu je objekt
(výrobek, proces, zdroj,...)
 pomáhají odhalit priority, které mají být
řešeny
 pomáhají nalézt příčiny sledovaného stavu
objektu
 umožní sledovat vývoj stavu objektu, a tím
odhalit možnosti dalšího zlepšování
Jednoduché nástroje řízení jakosti
Formuláře pro sběr dat
V praxi managementu kvality se pro tyto
činnosti mimo jiné osvědčilo i sedm
jednoduchých nástrojů řízení jakosti
(Seven Quality Control Tools).
Jsou to:
 Formuláře pro sběr dat.
 Vývojový (postupový) diagram
 Diagram příčin a následků
 Paretův diagram
 Bodový diagram
 Histogram
 Regulační diagram



umožňují zaznamenat získané informace o jakosti,
znázornit vztahy mezi nimi a utřídit je tak, aby poskytly
jasný obraz o situaci, respektive aby umožnily aplikaci
metod a technik jejich další analýzy.
V podnikové praxi se s nimi setkáváme prakticky všude.
Mají nejrůznější podobu a zachycují jak externí, tak i
interní informace.
Jedná se o různé protokoly (o kontrole, o validaci,
o prověrkách, o kvalifikaci,...), tabulky naměřených
hodnot ze zkoušek, ze sledování procesů apod.
1
3.3.2014
Formuláře pro sběr dat
Konstrukce formulářů pro sběr dat
Příčiny vad

Typy vady



Kdo provedl sběr údajů:
Datum:
Kde:
Jak:
Konstrukce formulářů pro sběr dat
Doporučení a zásady pro konstrukci formulářů:
 vhodné uspořádání:




Příklad
Záznam o neshodách
Neshodu zjistil:
Místo:
jednoduchost,
přehlednost,
srozumitelnost,
seskupení v logických souvislostech,
respektování způsobů další analýzy,
Neshoda
Četnost
číslo:
Datum:
Předáno k řešení:
Celkem
A
IIIIIIIIIII
11
jednoznačná identifikace:
B
IIIIIIIIIIIIIIIIIIIII
21
objekt - díl,
operace apod.,
způsob zjišťování,
místo zjišťování,
odpovědnost za záznamy,
časová identifikace.
C
IIIII
5
D
IIIIIIIIIIIIIIIIIIIIIIIIII
26
E
IIIIIIIIIIIIIIIIII
18
Celkem
81


neexistuje standardizovaný formát,
každý formulář je konstruován k určitému
účelu a jeho plnění musí být podřízen,
hned na počátku musí být rozhodnuto, které
informace jsou potřebné pro porozumění
problému a k iniciaci správných opatření,
problém při sestavování formuláře netkví v
tom, jak sbírat data, ale v tom, jak dospět k
užitečným informacím.






Příklad
Vývojový diagram

Dieta
Snídaně
Kcal
Náklady
Pondělí
Gulášová polévka,
3 rohlíky,
malá plzeň 12o
10 500
43,-
Úterý
Voda z okurků
800
0,-
…
…
…
…

Vývojový diagram pomáhá porozumět procesu tím, že jej
stratifikuje do jednotlivých dílčích činností (kroků) a
okamžiků rozhodování o jeho dalším průběhu
rozkreslením do schématu.
Je vhodný především pro složité a nepřehledné procesy,
jejichž detailní rozčlenění umožní:
 pochopit, jak proces pracuje,
 odhalit místa vzniku problémů,
 ověřit nezbytnost provádění dílčích kroků, a tím odhalit
nepotřebné aktivity,
 odkrýt a přezkoumat vztahy mezi jednotlivými kroky,
 najít možnosti dalšího zlepšování.
2
3.3.2014
Vývojový diagram


Konstrukce vývojového diagramu
Využití vývojového diagramu není omezeno
pouze na analýzu již realizovaných procesů,
nýbrž je velmi žádoucí u projektování nových
procesů.
Často se s ním setkáváme v dokumentaci
systému jakosti, kde bývá doplněn dalšími
potřebnými informacemi (vstupy a výstupy
jednotlivých kroků, stanovením odpovědnosti,
časovým harmonogramem apod.).
Konstrukce vývojového diagramu





Definování procesu a stanovení jeho hranic (začátek,
konec, vazby na okolní procesy)
Definování jednotlivých kroků procesu včetně okamžiků
rozhodování
Znázornění průběhu procesu využitím normalizované
symboliky (norma ISO 9004-4, eventuálně ISO 5807) v
přehledné formě
Validace prvotní konstrukce se skutečností
Vypracování konečné podoby
Prvky vývojového diagramu
Lepší výsledky zaručí týmová spolupráce
lidí, kteří zkoumaný proces znají.
Následná analýza vývojového diagramu
může vyústit do změn průběhu procesu,
omezení, anebo naopak posílení
rozhodovacích uzlů, vyloučení
nepotřebných kroků či zapracování nových
apod.
Údaje
Alternativní
postup
Zapamatuji
si něco?
NE
1

NE
ANO

Daří se mi
ve cvičení?

ANO
Můžu pracovat
ve cvičení
Jdu koupit skripta
Zápočet
1
Konec
Konec
Rozhodnutí
Dokument
ANO
Spojka
Diagram příčin a následků (Ishikawův
diagram)
Příklad vývojového diagramu
Poznámky z
přednášek
Dokumenty
NE
Konec
Sedím na
přednášce
Postup
Případové
studie

slouží pro zobrazení a utřídění všech možných
příčin a subpříčin, které ovlivňují daný následek.
předkládá celistvý pohled na sledovanou situaci.
Analýzu jednotlivých příčin lze provádět do
libovolné hloubky, aniž by se ztrácely
souvislosti.
Následkem nemusí být pouze identifikovaný či
potenciální problém, může jím být jakákoliv entita
(např. jakost výrobku, procesu, zdroje apod.),
respektive stanovený cíl.
3
3.3.2014
Diagram příčin a následků
Hlavní přínosy:




poskytuje celkový a strukturovaný pohled na
zkoumaný stav,
zachycuje všechny možné příčiny i subpříčiny ve
vzájemných souvislostech,
je účinným pomocníkem pro následnou analýzu
příčin i vedení diskuse o možných nápravných,
preventivních i zlepšovacích opatřeních.
Samotný diagram neodhalí význam
zaznamenaných příčin ve vztahu k následku. K
tomu je nutno použít další nástroje a metody
(Paretův diagram, FMEA).
Konstrukce diagramu příčin a následků
III. přiřazení příčin jednotlivým kategoriím a
jejich dekompozice v jednotlivých úrovních
(příčina - subpříčina - atd.)
IV. týmové posouzení adekvátnosti přiřazení
příčin a jejich vzájemných souvislostí
V. doplnění dalších příčin, které nebyly v
prvním kroku identifikovány a jejich další
rozpracování do dílčích šipek (dobře
sestrojený diagram by neměl mít nosné
šipky s méně než dvěma úrovněmi!)
Důležité poznámky
Konstrukce diagramu příčin a
následků
Pro odpovědnou konstrukci diagramu příčin a následku je nutno využít
týmové spolupráce:
I.
shromáždění všech možných příčin (stávajících i potenciálních)
bez jakéhokoliv seskupení či vymezení vzájemných souvislostí
využitím brainstormingu
II.
Identifikace hlavních kategorií (nosných šipek budoucího
diagramu),
Kategorie
Kategorie
Následek
Kategorie
Konstrukce diagramu příčin a následků
Kategorie
Kategorie
Příčina
Příčina
Následek
Kategorie
Příklady
a) Nikdy nezačínejte s identifikací hlavních
kategorií! Může se stát, že nebudou zachyceny
všechny možné příčiny proto, že jim nebyla
hlavní kategorie vytvořena. Protože se velmi
často používá diagramu pro identifikaci příčin
problémů v procesech a činnostech, je možno v
této situaci připustit výjimku: kategorie jsou již
notoricky známé - materiály, lidé, zařízení,
prostředí a metody (včetně metod měření).
b) Diagram není zkonstruován jednou provždy. Je
živou pomůckou, která vyžaduje
neustálou
aktualizaci o nové poznatky.
4
3.3.2014
„1. KROK STRANOU“
Jednoduché rozhodovací matice

„1. KROK STRANOU“
Jednoduché rozhodovací matice
Ukažme na jednoduchém příkladu
elementární použití odhadu rizika.


Ve výběrovém řízení podali nabídku uchazeči
A - 2100, B – 2000 a C – 2300 tis. Kč.
Zadavatel si však všechny uchazeče prověřil
a zjistil, že:



„1. KROK STRANOU“
Jednoduché rozhodovací matice
Uchazeč
Nabídka
[Kč]
A
uchazeč A měl v minulosti problémy s kvalitou asi
u 15 % dodávek,
uchazeč B nesplnil lhůty u jednoho ze čtyř
předcházejících zákazníků a
u uchazeče C se očekává změna ve vedení.
„1. KROK STRANOU“
Jednoduché rozhodovací matice
Nebezpečí
D
P
R
Celkem
[Kč]
2 100
problémy
s jakostí
2 000
0,15
300
2 400
B
2 000
časté
neplnění
lhůt
2 000
0,25
500
2 500
C
2 300
nestabilita
vedení
500
0,40
200
2 500
Pravděpodobnost se vztahuje na dobu od podpisu smlouvy o dílo, popřípadě o
dodávce až do konce záruční doby. Ke stejné době je nutné vztáhnout i škody,
které mohou (ale nemusí) vzniknout.
„2. KROK STRANOU“
Rozhodovací matice UMRA


Metody rizikové analýzy jsou dnes již velice dobře
rozpracovány a jsou v běžném praktickém užití po
delší dobu.
V souvislosti s řešením jedné inženýrské
rozhodovací úlohy (podchod Vltavy dvěma tubusy
pro metro ze stanice Nádraží Holešovice) byla
vypracována metoda Univerzální matice rizikové
analýzy (UMRA), která je založena na řízené
spolupráci skupiny expertů.
„2. KROK STRANOU“
Rozhodovací matice UMRA

UMRA
neslouží
k
výpočtu
rizika,
nýbrž
k systematickému hledání odpovědí na tři výchozí
otázky:
 Jaké problémy se mohou vyskytnout?
 (identifikace nebezpečí)
 Jaká je pravděpodobnost výskytu
problémů?
jednotlivých
 (analýza četností)
 Jaký je dopad v případě, že problém nastane?


(analýza následků)
Nedá se tedy považovat za metodu v pravém slova smyslu, nýbrž za
nástroj pro vyšetřování rizik
5
3.3.2014
„2. KROK STRANOU“
Rozhodovací matice UMRA
Paretův diagram




Paretův diagram



Takto pojatý Paretův diagram poskytuje
absolutní přehlednost a jednoznačnou
vypovídací schopnost.
Možnosti aplikace jsou široké a diagram je
možno považovat za obecnou metodu
zjišťování priorit.
Jeho využití v managementu kvality prokázal
a prosadil J. M. Juran.
Konstrukce Paretova diagramu





Definování následku a shromáždění informací o všech
možných příčinách (například pomocí Ishikawova diagramu).
Číselná kvantifikace jednotlivých příčin - tzv. četností.
Je možno využít několik způsobů: počet výskytů, finanční
hodnoty (náklady, ztráty), bodovací techniky (u kvalitativních
položek).
Budeme-li chtít navíc zdůraznit různý význam příčin ve vztahu
k následku (například zohledněním důležitosti pro zákazníka),
a tím změnit skutečné pořadí četností, můžeme původní
hodnoty přepočítat pomocí dodatečně stanovených
koeficientů významnosti.
Sestrojení diagramu, který tvoří sloupce absolutních četností
hodnot jednotlivých položek a Lorenzova křivka.
slouží k určení nejdůležitějších problémů,
faktorů, oblastí,..., na které je potřeba se
prioritně zaměřit.
Je založen na tzv. Paretově principu, podle
něhož cca 80% následku způsobuje cca 20%
nejdůležitějších příčin (tzv. rozhodující menšina).
Právě soustředěním pozornosti na tyto příčiny a
jejich řešením lze dosáhnout nejlepšího
zlepšení.
Původní Paretova analýza (Vilfredo Pareto) byla
později doplněna o grafické znázornění podílů
jednotlivých příčin na celkovém důsledku M. O.
Lorenzem (Lorenzova křivka).
Základní přínosy Paretova diagramu



uspořádá příčiny ve sledu jejich významu,
oddělí významné (rozhodující menšinu) od
méně významných (zanedbatelná většina) a
tím
určí, na které příčiny je nutno obrátit
pozornost při hledání řešení.
Příklad
Náklady na nejčastější neshody (reklamace) v tis. Kč/rok:
(Viz příklad formuláře pro sběr dat)
Položka:
TSKP:
Kč:
Zařizovací předměty ZTI (A)
725
11
Podlahy povlakové (B)
776
21
Konstrukce klempířské (C)
764
5
Obklady (D)
781
26
Okna a balkónové dveře (E)
641
18
6
3.3.2014
Příklad
Příklad
Sestavíme Paretův diagram:
Seřadíme skupiny podle významnosti a určíme
četnosti:
80
Kumulovaná
relativní
četnost
26
32,10
32,10
21
47
25,93
58,02
641
18
65
22,22
80,25
725
11
76
13,58
93,83
764
5
81
6,17
100,00
Kč:
Obklady (D)
781
26
Podlahy povlakové (B)
776
Okna a balkónové dveře (E)
Zařizovací předměty ZTI (A)
Konstrukce klempířské (C)
CELKEM:
Kumulovaná
absolutní
četnost
60
50
50
40
30
20
10
D (26)
B (21)
E(18)
A(11)
C(5)
0
81
procenta
Relativní
četnost
TSKP:
četnost
Položka:
100
70
Náklady na nejčastější neshody (reklamace) v tis. Kč/rok:
neshody
Příklad
Sestavení PD v MS Excel
Sestavíme Lorenzovu křivku:
80
100
70
četnost
50
50
40
procenta
60
30
20
10
D (26)
B (21)
E(18)
0
A(11)
C(5)
neshody
Sestavení PD v MS Excel – úprava zadání
Sestavení PD v MS Excel – graf
7
3.3.2014
Sestavení PD v MS Excel – graf
Sestavení PD v MS Excel – úprava grafu
Sestavení PD v MS Excel – úprava grafu
Sestavení PD v MS Excel – úprava grafu
Sestavení PD v MS Excel – úprava grafu
Sestavení PD v MS Excel – úprava grafu
8
3.3.2014
Sestavení PD v MS Excel – úprava grafu
Sestavení PD v MS Excel – dokončení
Sestavení PD v MS Excel – dokončení
Sestavení PD v MS Excel – dokončení
Sestavení PD v MS Excel – dokončení
Sestavení PD v MS Excel – dokončení
9
3.3.2014
Sestavení PD v MS Excel – dokončení
Bodový diagram (korelační diagram)


Bodový diagram – základní přínosy




Konstrukce bodového diagramu
odhalí případnou existenci závislostí mezi
zkoumanými jevy
znázorní charakter a těsnost případné
závislosti
potvrdí nezávislost
přispívá ke snížení rizik při eventuálních
změnách hodnot jedné proměnné (je-li
odhalena závislost, je nutno počítat i se
změnou hodnoty druhé)



Příklady
Předpokladem konstrukce bodového
diagramu je vyjádření obou zkoumaných jevů
v číselné podobě a nashromáždění jejich
souběžných hodnot.
Při změně hodnoty jedné proměnné x se zjistí
hodnota druhé proměnné y a zaznamená se
jako bod do souřadné roviny.
Z rozmístění bodů se pak uvažuje o případné
závislosti (kladné, záporné, křivkové) a jejím
charakteru (silná, slabá).
Příklady
y
y
y
y
x
Silná záporná závislost
slouží ke zjištění či ověření vzájemné
závislosti dvou jevů - např. teploty a
vlhkostí při skladování, mezi znaky jakosti
výrobku, mezi dvěma parametry procesu
apod.
Nahrazuje složité výpočty korelačních
koeficientů v případech, kdy chceme získat
o případné závislosti pouze orientační
informaci.
x
Slabá záporná závislost
x
Nezávislost
x
Silná kladná závislost
10
3.3.2014
Příklad

Histogram
Vykreslete bodový diagram závislosti válcové a krychelné pevnosti
v tlaku z naměřených hodnot pěti vzorků.


35
Číslo
vzorku
Válcová
pevnost v
tlaku [MPa]
Krychelná
pevnost v
tlaku [MPa]
1
13,2
15,8
2
16,5
20,1
3
21,1
23,5
4
22,9
29,9
30

25
20

15
5
25,6
29,6
grafické ztvárnění hodnot v tabulce četnosti
nástroj, který jednoduchou formou vypovídá o chování
procesu
zpřístupňuje a zprůhledňuje nepřehledné tabulky
rozsáhlých číselných údajů o jednom jevu, který
vykazuje variabilitu v důsledku působení různých vlivů
množinu proměnlivých hodnot sledovaného jevu
sumarizuje v určitém časovém okamžiku do sloupkového
diagramu
10
10
12
14
16
18
20
22
24
26
Histogram
Konstrukce histogramu
35
30
počet výskytů
25
20
15
10
5
0
1
2
3
28
4
5
6
7
8
9
10
11
sledovaná veličina – intervalové dělení
Tvar histogramu
Tvar histogramu umožní posoudit:
I.
zda se proces chová normálně, tedy zda působí
pouze náhodné příčiny - obvyklé vlivy (obvyklý
materiál, stroje v obvyklém stavu, obvyklé metody a
postupy,...).
O takovém stavu vypovídá zvonový tvar histogramu
(Gaussova křivka normálního rozdělení
pravděpodobnosti).
Jiný tvar histogramu znamená, že působí tzv. vymezitelná
příčina - to znamená, že došlo ke změně například
materiálu, postupu, stroje atd. Je povinností takovou
příčinu identifikovat, odstranit a zamezit do budoucna
jejímu opakovanému působení.
Při konstrukci histogramu postupujeme v následujících krocích:
 vybereme nejmenší a největší výběrovou hodnotu x(1) a x(n)
 vypočteme výběrové rozpětí jako rozdíl největší a nejmenší
výběrové hodnoty: R = x(1) - x(n)
 interval, který je o málo větší než výběrové rozpětí R rozdělíme na
m stejných intervalů (tříd), přičemž se doporučuje 7 ≤ m ≤ 20; menší
počet intervalů by měl odpovídat menšímu souboru dat
 jednoznačně stanovíme způsob zařazování zjištěných hodnot do tříd
 sestrojíme sloupcový diagram nad jednotlivými třídami tak, aby
výška sloupce v i - té třídě (i = 1,…,m), byla absolutní četností
výskytu hodnot v této třídě.
Tedy na vodorovnou osu naneseme hodnoty středů všech tříd a na
svislou osu četnosti.
 Závěrem se histogram vyhodnotí a učiní se příslušná rozhodnutí.
Tvar histogramu
Tvar histogramu umožní posoudit:
II.
jaké je okamžité centrování procesu (kde se nachází
skutečná střední hodnota) - to ukazuje nejvyšší
sloupec neboli modální interval. Podle jeho polohy
můžeme posoudit, zda odpovídá požadovanému
středu technických specifikací.
III.
jaká je přesnost (jak jsou hodnoty rozptýleny).
„Štíhlý" tvar histogramu ukazuje na přesnější proces
a naopak.
Z výše uvedených úvah jednoznačně vyplývá základní
přínos histogramu pro zlepšování procesů.
11
3.3.2014
Tvar histogramu
Příklad
Krychelná pevnost betonu
v tlaku :
 provedeno 50 měření
 roztřídění – 8 tříd
asymetrický
normální
Četnost
26,2
1
27,4
1
28,6
8
dvojitý
bimodální
Příklad
29,8
5
31,0
21
32,2
5
33,4
3
34,6
5
Regulační diagram
25


20
Četnost
Střed třídy

15
10
5
0
26,17
27,37
28,57
29,76
30,96
32,16
33,36
34,60
Třídy
Regulační diagram
zpracovává obdobný soubor údajů jako histogram
na rozdíl od histogramu zobrazuje vývoj sledovaného jevu
základní informací je posloupnost výběrů v čase
Každý výběr je reprezentován:
 střední hodnotou - pokud se jedná o kvalitativní veličinu, například
počet neshod
 střední hodnotou a rozptýlením - jedná-li se o kvantitativní
veličinu
Vývoj těchto charakteristik je zobrazen vůči limitům (tzv. regulačním
mezím), jejichž vzdálenost vychází obvykle z přirozeného kolísání
kontrolované veličiny samotné.
Překročení mezí je signálem, že něco není v pořádku - proces není
statisticky zvládnutý a že je nutný zásah (řešení).
Regulační diagram
21,2
21
UCL
Zásah musí zahrnovat čtyři kroky:
CL
I.
20,8
průměr
20,6
20,4
20,2
20
LCL
II.
19,8
19,6
19,4
1
2
3
4
5
6
7
číslo skupiny
8
9
10
11
12
III.
IV.
prověření jakosti výstupů od předchozího provedení
výběru
vyšetření příčin změny, například pomocí diagramu
příčin a následku
odstranění nalezené příčiny
opatření do budoucna - zamezení opakovanému
působení oné příčiny.
12
3.3.2014
Regulace měřením – kvantitativní veličina
U kvantitativní veličiny (rozměr, hmotnost, atd.) vycházíme
z předpokladu jejího normálního rozdělení.
Toto rozdělení reprezentují:
 charakteristiky polohy - aritmetický průměr, medián
 charakteristiky variability - variační rozpětí,
směrodatná odchylka
Pracujeme proto vždy s dvojicí diagramů, např.:
 aritmetický průměr a rozpětí
 aritmetický průměr a směrodatná odchylka
 medián a rozpětí
Konstrukce regulačního diagramu
při regulaci měřením
III.
IV.
Vzorce
II.
s
( X
i
 X )2
n 1
- směrodatná odchylka
Z každého dalšího výběru se vypočítá charakteristika
polohy a vynese jako bod do druhého diagramu. Dále viz.
III. a IV.
Pokud leží všechny body uvnitř mezí, je možné tyto meze
použít pro monitorování celého procesu
V.
VI.
Pokud bylo nutné vylučovat body, musí se považovat meze za
pokusné, vyřešit působení příčiny (zásah) a provést
celou akci znovu. Při následném monitorování procesu
se vybočující body již nevylučují, musí však vždy
následovat zásah do procesu.
Součinitele pro regulační meze
základní hodnoty nejsou
stanoveny
Centrální
přímka
X
Provede se 25 výběrů o konstantním rozsahu (např. n =
5). Každý výběr musí tvořit logickou podskupinu, tj. musí
být proveden za stejných podmínek (stejný materiál, stroj,
pracovník, atd.), působí tedy pouze náhodné vlivy
Z každého výběru se vypočítá charakteristika variability
(rozpětí, směrodatná odchylka) a vynese se jako bod do
regulačního diagramu.
I.
Konstrukce regulačního diagramu
při regulaci měřením
Z těchto charakteristik se vypočítá průměr a dosazením do
vzorce (viz. dále) se vypočítají regulační meze, které se
vyznačí do diagramu přerušovanou čarou a průměr z
charakteristik plnou čarou.
Pokud jsou všechny body v regulačních mezích, lze
přistoupit ke konstrukci diagramu pro střední hodnoty.
Pokud leží jeden až dva body vně mezí, je možné celé
odpovídající výběry vyloučit a znovu vypočítat meze.
Pokud leží zbylé body uvnitř mezí, přistoupí se ke
konstrukci diagramu pro střední hodnoty.
Statistika
Konstrukce regulačního diagramu
při regulaci měřením
X
UCL a LCL
X  A2R,
X  A3s
základní hodnoty jsou
stanoveny
Centrální
přímka
UCL a LCL
X0 nebo
µ0
X 0  A1 0
R
R
D4R, D3R
R0 nebo
d2σ0
D2σ0,
D1σ0
s
s
B4s , B3s
s0 nebo
C4σ0
B6σ0,
B5σ0
Rozsah
podskup.
A
A2
A3
B3
B4
B5
B6
5
1,342
0,577
1,427
0,000
2,089
0,000
1,964
10
D1
D2
D3
D4
C4
d2
0,000
4,918
0,000
2,114
0,940
2,326
A
A2
A3
B3
B4
B5
B6
0,949
0,308
0,975
0,284
1,716
0,276
1,669
D1
D2
D3
D4
C4
d2
0,687
5,469
0,223
1,777
0,9727
3,078
13
3.3.2014
Regulace srovnáním – neshody, neshodné
jednotky
Konstrukce regulačního diagramu při
regulaci srovnáním
V praxi se používají 4 druhy regulačních diagramů:
 pro neshodné jednotky
p – diagram: vynáší se podíl neshodných ve
výběru
np – diagram: vynáší se počet neshodných
ve výběru
 pro neshody
u – diagram: vynáší se podíl neshod ve
výběru
c – diagram: vynáší se počet neshod ve
výběru nebo na objektu (dveře automobilu).
Příklad
Provede se 25 výběrů o rozsahu cca n = 50. Výběry musí
tvořit logickou podskupinu a pro diagram np a c musí mít
výběry stejný rozsah.
Zjištěný počet neshod/neshodných jednotek v každé
podskupině se rovnou vynáší do grafu (np,c), nebo se
převede na jednotku v podskupině (p,u).
Dále se pokračuje obdobně jako u regulace měřením s
tím, že končíme konstrukcí a vyhodnocením jednoho,
nikoli dvojice diagramů.
I.
II.
III.
Příklad
Centrální přímka a regulační meze:
 Průměr
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
X1
35
45
45
30
40
30
45
40
35
30
55
40
50
35
45
30
20
20
30
25
X2
40
50
50
50
45
45
40
30
30
35
45
40
40
40
40
30
25
20
25
30
LCL  X  A2R  39,4  0,577  17,5  29,3
X3
55
50
50
50
35
45
30
30
35
60
55
45
40
35
30
35
35
25
45
30
ULC  X  A2R  39,4  0,577  17,5  49,5
X4
35
40
40
45
55
55
45
35
50
50
35
45
45
40
40
30
50
25
50
35
X5
55
45
35
25
40
40
40
35
45
50
40
40
55
35
30
35
50
45
25
40
LCL  D3R  0  17,5  0
X
44
46
44
40
43
43
40
34
39
45
46
42
46
37
37
32
36
27
35
32
ULC  D4R  2,114  17,5  37,0
R
20
10
15
25
20
25
15
10
20
30
20
5
15
5
15
5
30
25
25
15
CL  X  39,4

Rozpětí
CL  R  17,5
Příklad
Příklad
Rozpětí
Prům ěrná hodnota
40
60
55
UCL
30
45
40
CL
35
30
LCL
25
Rozpětí
X - průměr
UCL
35
50
25
20
CL
15
10
20
5
15
1
2
3
4
5
6
7
8
9
10 11 12 13
číslo skupiny
14 15 16 17 18 19 20
LCL
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
číslo skupiny
14
3.3.2014
Shrnutí
METODY A NÁSTROJE
HODNOCENÍ TECHNICKÝCH,
EKOLOGICKÝCH A
BEZPEČNOSTNÍCH PARAMETRŮ
NOVÝCH STAVEBNÍCH HMOT
Probrali jsme:
 formuláře pro sběr dat,
 vývojový (postupový) diagram (PS),
 diagram příčin a následků (PS),
 paretův diagram (PS),
 bodový diagram*,
 histogram*,
 regulační diagram*,
 … a ještě příklad z praxe.
Tomáš Vymazal, Tomáš Fojtík, Nikol
Žižková, Vít Petránek, Pavla Matulová
Úvodem
Úspěch nových stavebních hmot na trhu spočívá
ve splnění




technických,
ekologických,
bezpečnostních a
ekonomických požadavků.
Úvodem
Příspěvek se zabývá FMEA aplikovanou do
konkrétního návrhu a vývoje progresivních
stavebních materiálů s využitím druhotných
surovin, která napomáhá při:
ověřování fyzikálně mechanických vlastností,
tvorbě technických a bezpečnostních listů a
eliminuje problémy aplikace hmot spojené
s nedůvěřivostí k druhotným surovinám z hlediska
jejich technické, ekologické a bezpečnostní
způsobilosti.



Pomocí metody FMEA lze již při vývoji nových hmot omezit
rizika vzniku kvalitativních, enviromentálních a
bezpečnostních vad a nebezpečí.
Analýza rizikových aspektů pomocí FMEA
Před započetím provádění metodiky FMEA by měly
být s ohledem na efektivnost stanovit předmět
analýzy, vybrat členy týmu s ohledem na jejich
působení ve FMEA týmech dle následujících kritérií:


FMEA-K (konstrukční FMEA)
FMEA-T (technologická FMEA)
Analýza rizikových aspektů pomocí FMEA
Dále by měla být shromážděna data o



popisu procesu (technologický postup),
vývojovém diagramu procesu s vyznačenými
kontrolními operacemi/regulací procesu (SPC),
informace o všech minulých (popř. i
potenciálních) problémech
s výrobkem/dílem/procesem a jejich řešení a tyto
informace rozčlenit do tří kategorií z hlediska:



významu vady (důsledky pro zákazníka),
příčiny vady,
kontrolní či regulační opatření (SPC).
15
3.3.2014
Technické a kvalitativní požadavky
Do technických požadavků by měly být
zahrnuty zejména požadavky:



zákazníka,
právních, normativních a jiných požadavků,
po případě dalších zainteresovaných stran.
Technické a kvalitativní požadavky
Jedná se zejména o posouzení vhodnosti vstupních
surovin vzhledem k zamýšlenému použití, dále pak:

ověření fyzikálně mechanických a fyzikálně chemických
vlastností malt a betonů, a to jak v čerstvém stavu:




tak i ve ztvrdlém stavu:





Enviromentální a ekologické požadavky
V oblasti enviromentu jde především o zamezení realizace
negativních enviromentálních aspektů, které se mohou
vyskytnout v FMEA–T, FMEA-K, případně ve fázi užívání
produktu nebo jeho následné likvidace. Jedná se zejména o
oblasti, které souvisí s:
 ochranou ovzduší,
 nakládání s nebezpečnými chemickými látkami a odpady
 vodním hospodářstvím a ochranou vod,
 zdravými životními podmínkami (např. ochrana proti hluku a
prachu),
 spotřebou přírodních zdrojů (využití odpadních látek – úspora
přírodních zdrojů, využití recyklátů),
 úsporou energií (teplo, elektrická energie).





identifikace nebezpečí, rizik a tzv. skoronehod,
požární bezpečnost,
hygienu,
ochranu zdraví,
uživatelskou bezpečnost.
objemová hmotnost,
pevnostní charakteristiky,
odolnost vůči vnějšímu namáhání,
vzhled,
trvanlivost a jiné.
Enviromentální a ekologické požadavky
Jedná se zejména o oblasti, které souvisí s:







Bezpečnostní požadavky
Stejně závažné jsou požadavky, které
vyplývají z legislativy a požadavků
bezpečnosti a ochrany zdraví při práci. Zde
se jedná zejména o:
konzistence,
objemová hmotnost,
obsah vzduchu, aj.,
ochranou ovzduší,
vodním hospodářstvím a ochranou vod,
nakládáním s odpady,
nakládání s nebezpečnými chemickými látkami (NCHL),
zdravými životními podmínkami (např. ochrana proti hluku
a prachu),
spotřebou přírodních zdrojů (využití druhotných surovin –
úspora přírodních zdrojů, využití recyklátů),
úsporou energií (teplo, elektrická energie).
Bezpečnostní požadavky
Bezpečnostní požadavky souvisí s využití co možná
nejbezpečnějších druhotných surovin s ohledem na:







fyzikálně mechanické a fyzikálně chemické vlastnosti,
bezpečnost skladování a přepravy,
možné pracovní úrazy a nemoci z povolání,
bezpečnost výrobní technologie,
bezpečnost aplikace do konstrukce,
prevence nežádoucích událostí, nehod a havárií,
nahlašovací a oznamovací povinnosti vyplývající z legislativy.
16
3.3.2014
Analýza
rizik
a nebezpečí
pomocí
Ischikawova
diagramu
Analýza rizik a nebezpečí
pomocí Paretova diagramu
Rizikové
číslo
Hranice Paterova
principu 80:20
Bezpečnost
Změny
Enviroment
Nenormaliz. met.
Kvalita
Nakládání s odpady
Shoda
Nakládání s NCHL
Bezpečnost výroby
Právní a jiné požadavky
Fáze
Neovlivnitelné
Bezpečnost
Shoda
?
Vzorkování
?
Metody
Návaznost
OHSAS 18001
?
Právo
Havárie
ISO 14001
?
Právo
Havárie
ISO 9001
?
Právo
Zdroje
Vzorkování
?
Metody
Návaznost
Požadavky OHSAS 18001
?
Právo
Havárie
Požadavky ISO 14001
?
Právo
Havárie
Požadavky ISO 9001
Příkaz k vývoji
Právo
Zdroje
Vybrané vlastnosti zkoumaných
druhotných surovin
Al2O3
Fe2O3
CaO
MgO
TiO2
SiO2
K 2O
Na2O
SO4
NH4
[%]
[%]
[%]
[%]
[%]
[%]
[%]
[%]
[%]
[%]
[%]
[%]
0,001
0,004
0,03
0,14
53,9
1,2
0,01
0,35
0,02
0,02
0,012
2,8
0,003
0,007
0,13
0,20
32,4
19,8
0,01
0,19
0,03
0,03
0,022
3,1
Bratislava

S2-
Trstín

vzorek z lokality Žírany
vzorek z lokality Trstín
vzorek z lokality Bratislava
Chemické složení
Cr2O3
Žírany

Vybrané vlastnosti
Označení
vzorku
Pro analýzu byly zvoleny následující druhotné
suroviny:
80 %
Oblast ostatních
aspektů
Vývojový
diagram
procesu
návrhu a
vývoje
Zdroje rizik a nebezpečí
Ovlivnitelné
Enviroment
Četnost
[%]
Oblast
nejkritičtějších
aspektů
Analýza rizik a nebezpečí
pomocí rizikových matic
Kvalita
100 %
Lorenzova křivka
Kritický bod
0,003
0,009
2,89
1,82
27,4
19,0
0,25
8,11
0,64
0,31
0,019
2,6
Komentář:
Žírany – CaO – kalcit,
Trstín – Cao a MgO – dolomit,
Bratislava - SiO2 (amorfní forma)
17
3.3.2014
Vybrané vlastnosti
Vybrané vlastnosti
Sítové rozbory
Měrné hmotnosti a měrný povrch
Měrná hmotnost
[kg.m-3]
Žírany
2700
Trstín
2820
Měrný povrch
[m2.kg-1]
263
262
Křivka zrnitosti - Trstín
100
Celkový zbytek/propad [%]
Označení vzorku
Celkový zbytek/propad [%]
Křivka zrnitosti - Źírany
100
90
80
70
60
50
40
30
20
10
0
90
80
70
60
50
40
30
20
10
0
0
0,045
0,063
0,09
0,125
0,25
0,5
1
0
0,045
Rozměry ok na sítech [mm]
2720
320
Komentář:
Měrný povrch vzorku „Bratislava“ vykazuje vyšší měrný povrch než
ostatní vzorky, což mohlo způsobit předešlé zpracováním suroviny.
Komentář:
Všechny tři vzorky obsahují
vysoký podíl cca 70% části <
0,045 mm.
U vzorku z Trstína byla
zjištěna zrna většího
rozměru cca 6,5% > 1mm
RTG analýza
0,125
0,25
0,5
1
2
4
6
Rozměry ok na sítech [mm]
90
80
70
60
celkový zbytek
50
celkový propad
40
30
20
10
0
0
0,045
0,063
0,09
0,125
0,25
0,5
1
2
Rozměry ok na sítech [mm]
RTG - Trstín
RTG - Žírany
160
140
140
120
120
100
I [-]
100
I [-]
0,09
100
RTG analýza
160
80
80
60
60
40
40
20
20
0
0
0
2
4
6
0
8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60
2
4
6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60
Úhel [°]
Úhe l [°]
Komentář:
Zjištěné minerály: kalcit, dolomit
Komentář:
Zjištěné minerály: kalcit
RTG analýza
RTG - Bratislava
Možnosti uplatnění a případná rizika
Možnosti uplatnění


160
140

120
100
I [-]
0,063
Křivka zrnitosti - Bratislava
Celkový zbytek/propad [%]
Bratislava
80
Rizika

60

40
20

0
0
2
4
6
8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60
Úhe l [°]
S ohledem na zjištěné vlastnosti analyzovaných druhotných surovin
(odpad 1 – 3) lze najít jejich uplatnění např. jako mikroplniva pro
jemnozrnné maltové směsi (samonivelační hmoty, spárovací hmoty,
injektážní hmoty, správkové hmoty atd.).
Dalším uplatněním testovaných druhotných surovin by byla jejich aplikace
při výrobě betonů (např. doplnění jemných podílů u samozhutnitelných
betonů).


zvýšená dávka mikroplniva by mohla vést k objemovým změnám vlivem
vysokého měrného povrchu zejména u vzorku č.3,
ojedinělý výskyt zrn větších rozměrů než požadovaná max. velikost zrna, u
vzorku č.2 byla zjištěna zrna většího rozměru cca 6,5% > 1mm,
všechny tři vzorky obsahují vysoký podíl cca 70% části < 0,045 mm,
potenciální riziko vzniku reakce kameniva s alkáliemi (tato problematika
nebyla doposud ověřována).
Komentář: Zvýšené pozadí RTG záznamu  amorfní SiO2 ???
Zjištěné minerály: dolomit, živce, křemen, kalcit
18
3.3.2014
Závěrem
Obecně platí, že čím v ranějších fázích životního cyklu se
podaří odhalit riziko možného výskytu neshodného
produktu, tím nižší jsou finanční ztráty.
Některé praktické zkušenosti ukazují, že náklady na
odstranění neshody ve fázi konstrukce mohou být
stokrát nižší než náklady na odstranění neshody
zjištěné před expedicí a tisíckrát nižší, než náklady na
odstranění neshody, která se dostane k zákazníkovi.
Přesto je pořád ještě častým jevem, že „není dostatek
peněz nebo času“ na dostatečné propracování návrhu,
ale pak musí být dostatek peněz a času na mnohem
nákladnější odstraňování problémů, které nastanou ve
fázi realizace.
Děkuji za pozornost
Ing. Tomáš Vymazal, Ph.D.
VUT FAST v Brně
Ústav stavebního zkušebnictví
[email protected]
19