قلقيلية بين الأمس واليوم

 
 
www.myqalqilia.com
 
     
 

 

 -  المقدمة  - Introduction

 -  موازنة خط الإنتاج Line-balancing

-  السينات الخمس   Five S

 -  تعريف وقياس الإنتاجية Productivity

 -  تجنب الأخطاء المهملة   Poka -Yoke

-   دراسة العمل  Work Study

 -  التصميم الداخلي للمصنع Plant Layout

 -  إدارة الجودة الشاملة TQM

-   أدوات ضبط الجودة   Seven tools

 - المعايرة النموذجية Benchmarking

 -  حلقات الجودة Quality circles

 -   في الوقت المناسب Just-in-time

 - تخطيط الطاقة الإنتاجية Cap-planning

 -  التحسينات المستمرة- Kaizen

 - الصيانة الإنتاجية الشاملة TPM

 - هندسة العوامل البشرية Ergonomics

 -  الأتمتة الذكية - Jidoka

 - ماليزيا آسيا ألحقيقية  Malaysia

  - الـ  ستة سيجما  Six Sigma

 - مناولة المواد M. Handling

 -  المراجع  References

 تنزيل كتاب هندسة القيمة بالعربي - Value Engineering

 

 

قلقيلية بين الأمس واليوم

Qalqilia - Past & Present

معجزة كوريا الاقتصادية

korea-economic-miracle.htm

مصطلحات الاقتصاد والمال  والأعمال

Econ, Financial & Business Terms

Promotion of Economy Growth by  Science and Technology In CHINA  -  تحفيز نمو الاقتصاد الصيني بالعلم والتكنولوجيا         

***

برامج تحسين الإنتاجية

Productivity Improvement Programs

***

الأدوات السبع لضبط الجودة

The Seven Tools of Quality Control

 

مقدمة:

السيطرة النوعية هي مجموعة من الفعاليات المخططة الواجب اتباعها لتحقيق المواصفات المحددة، والتي في حالة عدم تطبيقها يتعذر الوصول إلى المواصفات المطلوبة.

وتشمل عملية السيطرة النوعية عمليات الفحص التي تجري على المواد الاولية قبل دخولها إلى الانتاج Incoming inspection، واثناء عمليات التصنيع In-process inspection، ومن ثم فحص المنتوج النهائي Finished-product Inspection، قبل خروجه من المصنع، وتسجيل هذه المعلومات وتحليلها بصورة علمية، باستخدام ادوات السيطرة النوعية، وذلك لمقارنتها مع المواصفات الموضوعة او المحددة في التصميم، وتقديم الاقتراحات والحلول لمعالجة الانحرافات، وتفاديها في المستقبل.

وتتضمن عملية تحسين الجودة تطبيق ادوات الجودة لفهم وتحسين العمليات التصنيعية. وتساعد الادوات السبع - للسيطرة على الجودة - المنظمة على جمع المعلومات، توليد الافكار، تحليل وتطوير وتقييم العمليات التصنيعية.

لقد جاءت فكرة الأدوات السبع للسيطرة على الجودة من كاورو ايشيكاوا Kaoru Ishikawa، وهو خبير في الجودة من اليابان. وحسب رأي ايشيكاوا فان 95% من المشاكل المتعلقة بالجودة يمكن حلها باستخدام هذه الأدوات السبع. ويعتمد نجاح حل مشاكل الجودة على مدى التشخيص الصحيح للمشكلة، واستخدام الاداة المناسبة اعتمادا على طبيعة المشكلة.

يقول ايشيكاوا ان ادارة المنشأة تستطيع ان تختار من الادوات المتعددة ما تشاء لتحسين جودة العمليات التصنيعية. لكن الاهم من ذلك هو معرفة الاداة او الادوات، التي يجب ان تستخدمها لكل حالة من الحالات.

وبشكل عام يمكن البدء باستخدام مخطط باريتو، ومخطط السبب والاثر (النتيجة) قبل استخدام الادوات الأخرى. فهذان الاداتان تستخدمان بشكل كبير من قبل فرق تحسين الجودة.

وتشتمل ادوات السيطرة النوعية على نوعين من الأدوات:

أدوات السيطرة الإحصائية، وأدوات السيطرة غير الإحصائية:

أ)- أدوات الرقابة غير الإحصائية Non-Statistical Tools of Quality Control

وتشمل ثلاث ادوات، وهي: قوائم المراجعة، مخطط باريتو، مخطط السبب والنتيجة.

 1. قوائم المراجعة Check Sheets:

تستخدم لجمع البيانات المأخوذة من مراقبة العينة تمهيدا لرصد انماط الاداء وتكرارها. هذه هي نقطة البداية المنطقية لحل المشكلات علميا.

وقوائم المراجعة هي نماذج سهلة الفهم وبسيطة التصميم، تستخدم في تسجيل الاجابات عن عدد تكرار حدوث امر ما. وهي تساعد الدارس في تحويل الآراء إلى حقائق عن طريق رصد الواقع.

 

كيفية اعداد قائمة المراجعة:

  • توضيح وفهم الغرض من عمل قائمة المراجعة

  • تحديد نوع قائمة المراجعة المطلوب استعماله

  • تحديد الامر المطلوب مراجعته

  • جعل جمع وتسجيل البيانات المطلوبة يتم بسهولة قدر الامكان

  • تحديد مكان جمع البيانات (to check Where)، وتاريخ ووقت البدء والانتهاء من جمع البيانات، والمدة الزمنية الملائمة لجمع البيانات (في أي ساعة، يوم، اسبوع …الخ)، وتحديد الفترة الفاصلة Interval بين عملية جمع واخرى.

  • تصميم نموذجا واضحا وسهل الاستخدام مع التأكيد بان هناك عنوانا محددا لكل عمود.

  • جمع المعلومات بمصداقية ودقة كبيرة، وتخصيص وقت كافٍ لمهمة جمع البيانات.

  • التأكد من ان عناصر البيانات على قوائم المراجعة قد ادرجت Listed في نفس التتابع الذي تؤدى فيه فعلاً العمليات الانتاجية، من اجل التوفير في الوقت والجهد.

  • الحرص على ان تمثل العينة وما تراجعه طبيعة المشكلة محل الدراسة

  • التأكد من توفر الوقت الكافي لجامعي البيانات، والا فان ذلك يؤثر على جودة البيانات نفسها

  • عند تصميم قائمة المراجعة ينبغي التحسب لان تكون مفردات العينة التي تم اختيارها متجانسة Homogeneous، والا فيجب تصنيف مفردات العينة في مجموعات ليتم اختيار ودراسة عينة كل مجموعة.

  • مطابقة النتائج Tally the results

  • تحليل واختبار البيانات المجموعة في قائمة المراجعة

  • وخلاصة القول ان يتم في قوائم المراجعة جمع البيانات بطريقة منتظمة، وان تكون سهلة القراءة والفهم والاستعمال، وان تحتوى على معلومات عن الفترات السابقة والحالية، وان تساعد على عمل التحليل، وفهم التغيرات التي قد تحدث مع مرور الوقت.

    انواع قوائم المراجعة Types of check sheet:

    قائمة مراجعة لمسح الخلل او العيوب، من اجل معرفة المزيد من التفاصيل عن انواع العيوب الرئيسية التي تحدث Check sheet for survey of defective items

    قائمة مراجعة لمعرفة العامل factor المسبب للعيوب Check sheet for survey of causes of defects ، من خلال معرفة تكرار حدوث العيوب باليوم، او الاسبوع. ويتم وضع العيوب في مجموعات اعتمادا على المسببات المختلفة لهذه العيوب، وكذلك لمعرفة مسببات العيوب من خلال وضعها في مجموعات حسب الجهة المسببة لها مثل الماكينات Machine، المواد الخام Materials، الفرد العامل Man، او طريقة العمل Method of operation.

    قائمة مراجعة لتحديد موقع العيوب، وتستخدم لاكتشاف الموقع التي تحدث فيه العيوب، وفي اية مرحلة من مراحل العملية الانتاجية Check sheet for survey of defective areas.

    قائمة مراجعة لمعاينة التوزيعات التكرارية Frequency distribution، وتستخدم لمعرفة شكل التوزيع التكراري، والنسبة المئوية للعيوب، وكذلك للحصول على البيانات المطلوبة لحساب قيمة الوسيط والانحراف المعياري.

    قائمة مراجعة للفحص والتدقيق Check sheet for inspection and verification، وتستخدم للتأكد بان جميع البنود الخاصة بالتفتيش والتدقيق قد تم مراجعتها ولم يترك منها أي بند.

    لماذا تستخدم قوائم المراجعة:

    للتمييز بين الحقيقة والرأي (Distinguishing between fact and opinion

    جمع المعلومات عن عدد مرات حدوث المشكلة (Gathering data about how often a problem is occurring

    جمع المعلومات عن نوع المشكلة التي تحدث (Gathering data about the type of problem occurring).

    للتأكد من ان البيانات قد جمعت بشكل منتظم in a systematic format، ليسهل منالها، وتصنيفها، واستخدامها بسرعة.

    للتأكد من ان البيانات والحقائق دقيقة لامكان اتخاذ القرار الصائب ولعمل الاجراء المناسب.

    كيفية استخدام قوائم المراجعة:

    يمكن تصنيف قوائم المراجعة في مجموعتين بناءً على الهدف من استعمالها:

    قوائم مراجعة للمعاينة Survey وتستخدم لمعرفة انواع وعدد الاخطاء او العيوب التي تحدث في المصنع.

    قوائم المراجعة للتفتيش Inspection وتستخدم لضبط ومراقبة مجريات العمل اليومي.

    خطوات الاستخدام العملي لقوائم المراجعة Steps for Practical Use of Check Sheets

    Make the aim clear – تحديد الهدف من جمع البيانات، ونوع المشكلة، ومعرفة نوع البيانات المطلوب جمعها، ومن سيستخدمها فيما بعد، ومن سيقوم بجمع البيانات المطلوبة.

    Decide on the items to be checked – تحديد الاشياء او العناصر التي يجب فحصها، بالاستناد إلى الخبرات السابقة، مثل تصنيف بنود مسببات العيوب، ويمكن استخدام الرسم البياني للسبب والاثر Cause and effect diagram

    Selection of the check sheet that suits the aim – اختيار نوع قائمة المراجعة المناسبة للاستخدام استنادا إلى الغرض او الهدف المحدد للفحص والاختبار، مثل معرفة محتوى العيوب، او المرحلة الانتاجية التي يحدث فيها الخلل او العيب.

    Preparation of check sheet(Format the check sheet) – عند تصميم قائمة المراجعة يجب تحديد الاشياء المعينة التي سوف يتم فحصها، وان تُرتب بنود الفحص Inspection items، بحيث تتبع خطوات العمل. كما يجب التأكد من ان قائمة المراجعة مصممة بشكل يسهل عملية جمع البيانات وترتيبها فيما بعد. ويفضل استخدام ادوات الاستفهام التالية في عملية الاستفسار، وهي: الـ 5W ، و H1 (Who, What, When, Where, Why, and How).

    Make clear the recording of the data – ذكر اسم المنتج، نوع العملية، الوقت والتاريخ، اسم المراجع Checker.

    Practice Checking – باستخدام قائمة المراجعة يتم فحص الغرض المطلوب استنادا إلى الملاحظة المباشرة من المراجع.

    Decide on the method for stratification – هناك عدة طرق لتصنيف البيانات او جعلها في مجموعات، على سبيل المثال، حسب الماكينات، العاملين، المواد، وطريقة العمل، وحسب التاريخ والوقت ..وهكذا.

    Analyze the data of check sheets – تحليل البيانات الواردة في قوائم المراجعة، باستخدام الرسم البياني لـ باريتو Pareto Diagram، او Graphs

    Make clear the causes – اكتشاف مسببات العيوب والاخطاء، من النتائج المتحصلة من تحليل البيانات.

    Take action before it becomes too late – اتخاذ الاجراءات اللازمة بدون تأخير

    Implementation of countermeasures – اتخاذ وتنفيذ الاجراءات المضادة، لازالة مسببات المشكلة ، والبدء بتنفيذها.

    Evaluate the effect – تقييم الاثر، والتثبت مما اذا كان قد تحقق الهدف من خلال جمع البيانات المطلوبة، وتحليلها باستخدام ادوات السيطرة النوعية السبع، وبعد اتخاذ او تنفيذ الاجراءات المضادة.

    Standardization – التقييس والمعايرة (وضع المعايير)، من اجل ممارسة الطريقة الجديدة والمحسنة، فيجب تغيير الانماط القديمة للعمليات Old standards of operation، واستبدالها بالانماط الجديدة للعمليات، وتدريب العاملين حتى يكونوا على دراية كافية بالطريقة الجديدة للعمل.

     2. خريطة او مخطط باريتو (Pareto Diagram) Pareto Chart

    خريطة باريتو عبارة عن رسم من الاعمدة البيانية العمودية، التي تبين التكرار النسبي للاحداث، مثل عيوب او خلل في المنتج. وتساعد خريطة باريتو في تحديد المشكلات الواجب حلها، مستعينين بالمعلومات والبيانات التي يتم جمعها عن طريق قوائم المراجعة، او غيرها من نماذج جمع البيانات. وبذلك يتم توجيه الجهود لحل المشاكل الحقيقية المهمة (وتظهر في الاعمدة او المستطيلات الطويلة)، بدلا من توجيه الجهود إلى المشاكل الاقل اهمية(المتمثلة في الاعمدة القصيرة).

    وتستخدم خريطة باريتو لتنظيم البيانات بشكل يظهر اكبر العوامل تسببا في حدوث الخلل ويتدرج إلى اقلها اهمية. وترتب الاعمدة بشكل تناقصي من جهة اليسار إلى جهة اليمين، بحيث يظهر اكثر العوامل تسببا للحالة قيد الدراسة إلى جهة اليسار، يليه الاقل تسببا، فلأقل، وهكذا، إلى ان نصل إلى اقل العوامل تسببا في اقصى جهة اليمين.

    ماذا نستفيد من خريطة باريتو:

    • فهم او تحديد العوامل او الأشياء الاكثر تسببا للمشكلة

    • مدى اهمية العوامل المسببة للمشكلة بالترتيب

    • ترتيب المشاكل او الاسباب حسب الاولوية للبدء في معالجتها

    • معرفة النسبة المئوية التي تحتلها العوامل ذات العلاقة بالمشكلة بالنسبة إلى المجموع

    • التركيز على القضايا الحاسمة focusing on critical issues، من خلال ترتيبها حسب أهميتها النسبية

    • تحليل المشاكل او الاسباب وفقاً لمدى تكرار حدوثها (Counts Pareto)، ومدى التكلفة او الخسارة التي تسببها (Cost Pareto).

    • معرفة الاثر الناجم عن التغيرات التي تم اجراؤها على الحالة قيد البحث بعد اجراء التحسينات، من خلال مقارنتها بما كانت عليه قبلاً.

    مبدأ باريتو Pareto Principle -80/20

    يقول مبدأ باريتو ان 80% من النتائج سببها 20% من الاسباب. ويعرف هذا المبدأ ايضا بقاعدة 80/20. ولا يشترط أن تتحقق هذه القاعدة في جميع الأحوال بنسبة 80% و 20% ، ولكن العبرة منها ان ندرك ان جزءاً قليلا من الأسباب يتسبب في الكم الأكبر من النتائج. ولذلك كان منحنى باريتو مفيد ا لأنه يبين لنا الأسباب التي تتسبب في معظم النتائج ويساعدنا على تحديد الأولويات بدلا من تشتيت الجهود والموارد في التغلب على أسباب ليست ذات تأثير كبير مثل غيرها من المشاكل.

    وسمي هذا المبدأ على اسم عالم الاقتصاد الايطالي، الذي لاحظ من خلال دراسة قام بها عن توزيع الثروة في ايطاليا، ان نسبة عالية من الثروة - 80% يستحوذ عليها 20% من السكان، بينما يستحوذ 80% من السكان على 20% فقط من ثروة المجتمع. وعمم ذلك باريتو في دراساته وابحاثه، واصبحت قاعدة Rule 80/20 مرتبطة باسم باريتو. وتفيد هذه القاعدة بان 20% من الاسباب، مسؤولة عن 80% من النتائج، أي ان 80% من النتائج، تأتي من 20% من الأسباب. وبذلك فان تركيز الجهود على معالجة اهم 20% من الاسباب، يفضي الى حل 80% من المشكلة. ولا داعي لإضاعة الجهد والوقت (والتكلفة المصاحبة) في معالجة الـ 80% من الأسباب الهامشية كثيرة العدد، والتي لا تحل الا 20% من المشكلة.

    Pareto Principle - 80% of the problems come from 20% of the causes (machine, raw materials, operators, method etc.).

    The significant vital few things will generally make up 80% of the whole, while the trivial many will make up about 20%.

    Remove the trivial many, to focus on the vital few

    Significant vital few versus the trivial many

    ويعني مبدا باريتو انه يجب اختيار الاسباب القليلة العدد والاكثر اهمية بالنسبة للمشكلة ومعالجتها، بدلا من الخوض في الاسباب الكثيرة العدد والقليلة الاهمية او التأثير بالنسبة للمشكلة

    ويتم استغلال هذا التحليل او هذا المبدأ في تحليل اسباب حدوث المشاكل، حيث ان تلك الوسيلة، تتضمن الاستخدام الكفء عند قيامها بعملية حل المشكلات، كذلك يستخدم رسم باريتو البياني Pareto Diagram في ترتيب تسلسل المشكلات من اجل معالجتها. ويتم اعداد هذا الرسم البياني بترتيب البيانات في جدول وفقا لتكرار حدوثها، بحيث يتصدر التكرار الاكبر صدر الجدول، وتليه الارقام الأصغر فالأصغر، ويطلق على هذا الجدول التوزيع التكراري. ويتم رسم هذا الجدول في صورة مدرج تكراري (Histogram)، ومنه يتم رسم باريتو البياني الذي يظهر متجمع صاعد لاسباب المشكلة قيد الدراسة.

    ورسم باريتو البياني يساعد في اعطاء صورة عن مدى حدة المشكلات، بالاضافة إلى انها تساعد حلقات الجودة في الوقوف على ما حققته من تحسينات على الحالة المعنية.

    خطوات بناء خريطة باريتو:

    تحديد المشاكل الرئيسية للجودة Decide on the problem to be addressed، وبعد اجراء عصف الافكار بين اعضاء الفريق، يتم تحديد تبويب الفئات او النقاط اللازم جمع البيانات عنها Decide on the categorization of items, collected data

    اعادة ترتيب البيانات التي تم جمعها بشكل متناقص Rearrange the data in order of decreasing size

    حساب الرقم التراكمي Calculate the cumulative number

    رسم المحور الافقي والعمودي Draw horizontal and vertical axes

    رسم عمود بياني Draw the bar graph، يمثل ارتفاعه عدد مرات الحدوث، او حجم التكلفة، في هذه الفئة.

    تسجيل الفئات الممثلة لاسباب المشكلة اسفل المحور الافقي، وتحت كل عمود بياني Write in the necessary items

    رسم المنحنى التراكمي Draw in the cumulative curve بحيث يبدأ من منتصف العمود البياني الاول في جهة اليسار ويرتفع فوق منتصف الاعمدة البيانية التالية، بسبب العامل التراكمي للبيانات

    عمل قياس مئوي متدرج (0%-100%) على المحور العمودي الايمن المقابل للمحور العمودي الايسر Draw the vertical axis on the right edge and scale (%)

    ترتيب الاعمدة البيانية بشكل متناقص من اليسار إلى اليمين، بالنسبة لعدد مرات تكرار الحدوث او لحجم التكلفة, ويمكن تجميع الفئات التي تحتوي على بنود قليلة في فئة واحدة تحت مسمى "أخرى" وتكون في اقصى المحور الافقي لتمثل العمود الاخير.

    حساب النسبة المئوية التراكمية Calculation of cumulative percentage

    تقييم آثار التحسينات بعد اتخاذ الاجراءات اللازمة Evaluate the effects of improvements after the counter-measures من خلال مقارنة خرائط باريتو المرسومة على نفس المقياس التدرجي، قبل وبعد عملية التحسينات، وكمية العيوب التي تم التخلص منها بشكل عام.

     

    كيف نقرأ خريطة باريتو How to read Pareto diagram

    تبين لنا خريطة باريتو طبيعة المشكلة، والاجزاء المكونة لها، واية اجزاء منها تشكل السبب الاكبر لهذه المشكلة .

    تبين لنا بترتيب متتابع عناصر المشكلة حسب عظم اهميتها، والنسبة المئوية لمساهمتها في المجموع الكلي للمشكلة

    تبين لنا التسلسل الذي يجب اتباعه في معالجة المشاكل To tackle the problems، حيث يجب البدء في معالجة المشكلة من ذلك الجزء الذي يحتوي على اعلى كمية من التكرار، او يسبب اعلى تكلفة، وذلك من خلال اتخاذ الاجراءات المضادة Counter-measures لمعالجة المشكلة.

    3. مخطط السبب والنتيجة (مخطط ايشياكاوا) Cause & Effect Diagram or Ishikawa Diagram (Fishbone Diagram)

    اداة مرئية Visual tool تستخدم للترتيب المنطقي للاسباب المحتملة لمشكلة ما، من خلال العرض البياني Graphically لها بمزيدٍ من التفاصيل. ويستخدم مخطط السبب والنتيجة في اكتشاف Explore الاسباب الحقيقية للمشكلة بطريقة منظمة، وتشخيص الاسباب الجذرية Identifying root causes لهذه المشكلة. ويسمى هذا المخطط ايضاً بمخطط ايشاكاوا، نسبة إلى مبتكره العالم الياباني د. كورو ايشاكاوا. ويبين مخطط السبب والنتيجة العلاقة بين نتيجة ما (مشكلة ما) وجميع الاسباب المحتملة المؤثرة فيها.

    تكتب المشكلة على الجانب الايمن من المخطط، وتسجل الاسباب او المؤثرات الرئيسية على الجانب الايسر في تفرعات تشبه الهيكل العظمي للسمكة Fish Skeleton.

    ترسم مخططات السبب والنتيجة لنعرض بوضوح الاسباب المختلفة التي تؤثر على العملية، وذلك من خلال تصنيف الاسباب وتبين العلاقات فيما بينها، وفي الغالب، يكون لكل نتيجة بضع فئات رئيسية من الاسباب. ويمكن تلخيص الاسباب الرئيسية وتصنيفها في اربعة فئات يطلق عليها الميم الاربعة 4 Ms، لان اسماءها جميعا تبتدئ بحرف (M) وهي: Manpower, Machinery, Methods, Materials.

    كما تستخدم البي الاربعة 4 P’s، لانها جميعها تبدأ بحرف P، وهي: Polices, Procedures, People, Plant، والاس الاربعة 4S’s، وهي ترمز إلى Surroundings, Suppliers, Systems, Skills.

    هذه التصنيفات او الفئات تساعد على تنظيم الافكار عن المشكلة او المسألة موضوع البحث، ويمكن ان نستخدم أي فئات نراها مناسبة لاحتياجات الدراسة، لتفي بالغرض المطلوب.

    يكون شكل مخطط السبب والنتيجة على هيئة عظمة سمكة، ولهذا يطلق عليه هذا الاسم احيانا. ويتم اعداد قائمة مفصلة بالاسباب المحتملة المحددة جيدا، ليتم تقرير واختيار اكثر هذه الاسباب احتمالا، تمهيدا لاخضاعها لمزيد من البحث والتحليل. ويجب تطبيق قاعدة 5 W and 1H (Who, Why, When, Where, What, and How).

    لماذا يستخدم مخطط السبب والنتيجة:

    دراسة المشكلة بشكل جيد لتحديد الاسباب الجذرية للمشكلة

    دراسة كل الاسباب المحتملة لمعرفة سبب حصول المشاكل، او المصاعب او التعطل في العملية الانتاجية.

    تشخيص المناطق او مواقع العمل التي يجب جمع البيانات عنها

    دراسة العملية الانتاجية ومعرفة سبب تعثر ادائها، وعدم تحقيقها النتائج المرغوبة

     

    خطوات اعداد مخطط السبب والنتيجة:

    استنباط وجمع الاسباب الداعية لعمل مخطط السبب والنتيجة باحدى طريقتين:

    العصف الذهني المنظم لتشخيص الاسباب الجذرية للمشكلة

    استخدام قوائم المراجعة لتعقب الاسباب المحتملة للمشكلة، من خلال فحص مراحل عملية الانتاج عن كثب.

    رسم مخطط السبب والاثر الفعلي باتباع ما يلي:

    كتابة وصف المشكلة داخل مستطيل في الجهة اليمنى، وهو يمثل راس السمكة

    تسجيل الاسباب الرئيسية لفئات المؤثرات (4M’s, 4P’s, 4S’s)

    تسجيل الاسباب المحتملة كتفرعات للاسباب الرئيسية

    يقوم اعضاء الحلقة بعد المناقشة برسم دائرة حول اكثر الاسباب احتمالا لحدوث المشكلة

    تحديد ارجح الاسباب وراء ظهور المشكلة

    التحقق من صحة السبب او الاسباب التي وراء ظهور المشكلة، ويتم ذلك اما باسلوب الملاحظة، او باسلوب المحاكاة Simulation أي تصميم ومراقبة تجربة شبيهة، او عن طريق اخذ رأي كافة الافراد ممن لديهم دراية تامة بالمشكلة، لتحديد مواضع القصور والخلل.

    عرض الحل والمقترحات امام الادارة. وعلى اعضاء حلقة الجودة تقع مهمة اقناع الادارة بملاءمة الحل الذي توصلوا اليه، وفعالية التكلفة بالنسبة له، من خلال بيان كيفية مساهمة الحل في القضاء على المشكلة، ومقدار التوفير في التكاليف الذي يمكن ان يحققه هذا الحل.

    ب)- ادوات الرقابة الاحصائية Statistical Tools of Quality Control

    السيطرة الإحصائية على العمليات Statistical Process Control (SPC)

    الاساليب الاحصائية مؤشرا ممتازا لتشخيص اسباب ظهور الوحدات التالفة في المنتجات مبكرا وفي اسرع وقت، وبالتالي فانه سيتم اتخاذ الاجراءات الكفيلة بتعديل مسار العملية الانتاجية، بحيث تنتج السلع الحيدة.

    استخدام الأساليب الإحصائية كوسيلة للسيطرة على نوعية المنتج او العملية التصنيعية.
    وتعتمد السيطرة الاحصائية على العملية القياس المستمر لخطوات العملية التصنيعية و/او المنتجات اثناء عملية الانتاج، بهدف توجيه العملية التصنيعية في الاتجاه المرغوب، والتقليل من الانحراف، وازالة العيوب من الانتاج، وزيادة المعرفة عن العملية، وتقييم قدرة العملية process capability، وتوفير معايير لمقارنة الاداء. وهي عنصر رئيسي من عناصر السيطرة الشاملة على الجودة.
    وقد طورت من قبل العالم والتر شيوارت، وتابع تطويرها د. ادوارد ديمنغ.

    وتقوم بما يلي:

  • تأخذ عينات دورية من العملية

  • تُعين نقاط العينة على خريطة السيطرة

  • تحدد ما اذا كانت العملية ضمن حدود السيطرة

  • تساعد على منع حدوث مشاكل في الجودة

  • وتشتمل ادوات الرقابة الاحصائية على أربع ادوات، وهي: الرسوم البيانية، مخطط الانتشار، خرائط السيطرة، المدرج التكراري:

    4.  الرسوم البيانية Graphs

    تمثيل وعرض البيانات بشكل تصويري، بحيث يسهل فهمها واستيعابها، باقصر وقت واقل جهد، وبشكل جذاب يثير اهتمام القراء. وهي ايضا طريقة جيدة للتحليل الاحصائي للبيانات المعروضة في الرسم البياني.

    فوائد الرسوم البيانية: Benefits of Graph s

    1. تصوير البيانات Visualization of Data

    تسمح الاعمدة البيانية بتصوير المقارنات بين الاعداد الكبيرة والاعداد الصغيرة، العلاقة بين الجزء والكل، وكذلك التغيرات في الزمن. لذلك تساعد الاعمدة البيانية على سرعة قراءة واستيعاب البيانات.

    2. الاستيعاب الحدسي Grasping Intuitively

    انه من الممكن التعبير بيانيا عن الحالات التي لا يمكن استعابها ببداهة من الاحرف او الارقام (المعبر عنها بالأرقام الكبيرة والصغيرة)، او تغيرات الخطوط والمواقع على الخرائط.

    3. توفر عناء ووقت القراءة Free From Reading

    القراءة تتطلب بعض الجهد والوقت، وهذا السبب هو الذي جعل الاعلانات التجارية تتحول من وسائل الاعلام المكتوبة كالصحف والمجلات، إلى وسائل الاعلام المرئية والمسموعة كالتلفزيون والانترنت والراديو. فلاعمدة البيانية يمكن فهمها لمجرد القاء نظرة عليها، وتوفر بذلك الجهد والوقت اللازم للقراءة.

    4. توقظ الاهتمام Awakening Interest

    في مجتمعنا اليوم الُمزخَم بالمعلومات الكثيرة، من الضروري ان نجذب انتباه القراء إلى المعلومات والبيانات التي نرغب في ايصالها إليهم من خلال اثارة اهتمامهم بذلك، وهذا ممكن فقط باستخدام الرسوم والاشكال البيانية.

    5. سهلة التحضير Easy To Prepare

    يمكن لاي شخص تحضير واعداد الرسوم البيانية بسهولة ويسر، لانه لا توجد اية حسابات معقدة لعمل ذلك، ولا حاجة ايضا لتوفر خلفية رياضية او قدرة على الرسم لدى ذلك الشخص.

    انواع الرسوم والاشكال البيانية وطريقة استخدامها:

    يمكن تصنيف الرسوم البيانية كما يلي:

    أ)- حسب الغرض من الاستخدام وطريقة التعبير، تقسم إلى:

    الرسوم البيانية لغرض تفسير البيانات For Explanation: تبين حركات معدل العيوب، كمية الانتاج، المبيعات، الحصة السوقية، وكذلك لعرض نتائج الانشطة المتعلقة بتقليص نسبة المنتجات ذات العيوب.

    الرسوم البيانية لغرض التحليل For Analysis: تحليل البيانات السابقة والحالية من اجل التحقق من اسباب العيوب، وبيان الطريق إلى التحسينات المطلوبة.

    الرسوم البيانية للسيطرة والرقابة For Control: تستخدم للرقابة على خصائص وصفات القيم ، مثل كمية الانتاج، معدل العيوب، عدد العيوب، الابعاد، الاوزان، درجات الحرارة…الخ.

    الرسوم البيانية لغرض التخطيطFor Planning : تعرض الخطة اليومية للانتاج.

    الرسوم البيانية لاجراء الحسابات For Calculation: توفر الوقت لاجراء الحسابات وتجنب الاخطاء، تستخدم الرسوم البيانية كخرائط ارشادية، مثل رؤية عدد العيوب وحدود السيطرة الدنيا والعليا في خرائط الرقابة والسيطرة.

    ب)- تصنيف الرسوم والاشكال البيانية وفقا لطرق التعبير:

    طريقة الاعمدة البيانية Bar Graphs: تعبير الاعمدة البيانية عن الانحرافات في احجام وكميات الاشياء، من خلال تبيان الاختلافات في اطوال او ارتفاعات الاعمدة البيانية، وهي مناسبة لرؤية العلاقات في صورة كميات رقمية.

    وتظهر الاعمدة البيانية المقارنات بين كميات وارقام الظواهر، من خلال الاختلاف في ارتفاعات الاعمدة البيانية. لذلك فان الطريقة الصحيحة لمشاهدة هذا النوع من الرسم هو مقارنة وملاحظة الارتفاعات النسبية لجميع الاعمدة للحصول على المعلومات المفيدة.

    والاعمدة البيانية ليست مناسبة لاظهار التغيرات الزمنية، لكنها فعالة في مقارنة الكميات او الارقام في وقت محدد.

     

    طريقة الخط البياني Line Graph: توضع نقاط البيانات على الرسم البياني ويتم بعد ذلك إيصالها ببعضها بخط يمر بكل النقاط. وهذا النوع من الرسم البياني مناسب لإظهار التغيرات للكميات خلال الزمن.

    ويتم التوصيل بين النقاط بطريقتين: طريق الخط المنكسر Broken Line Method، وهي التوصيل بين نقاط - التي إحداثياتها الزمن وقيمة الظاهرة - بخطوط مستقيمة. إما الطريقة الثانية فهي الخط المنحني Curve Method، الذي نحصل عليه من خلال تمهيد الخط المنكسر ليصبح منحنى، وتستعمل هذه الطريقة عندما تتغير الظاهرة على فترات زمنية قصيرة وكثيرة.

    وهذا النوع من الرسم البياني نافع ومفيد في الحالات التالية:

    تحرك في معدل العيوب او الكميات المنتجة التي اعيد عليها العمل وتم تصحيح العيوب فيها.

    حالة كمية الانتاج اليومي

    تحرك مؤشر اسعار المستهلك على مدى عدة سنوات سابقة

    تحرك في الانفاق القومي الاجمالي الحقيقي في الدول الكبرى

    التحرك الشهري لمؤشر اسعار المستهلك.

    طريقة الدائرة Pie Chart: وهي إحدى الطرق المستخدمة في عرض البيانات، حيث تمثل الدائرة مجموع البيانات كلها، وكل ظاهرة تمثل جزءاً من هذه الدائرة.

    وتبين مساحة كل قطاع من الدائرة النسبة المئوية بالمقارنة مع كامل الدائرة، والتي تمثل نسبة 100%، او 360 درجة. ويستخدم هذا النوع من الرسم البياني لمقارنة النسبة المئوية لكل جزء مع الكل، وكذلك لمقارنة الاجزاء المكونة للكل مع بعضها البعض.

    ولتحديد مساحة قطاع كل ظاهرة من الدائرة، يتم ضرب النسبة المئوية لكل ظاهرة بـ 360ْ، وتقسيم الناتج على المجموع الكلي لقيم الظواهر.

    ويتم تميز القطاعات عن بعضها البعض بالترقين Hatching (رسم خطوط دقيقة متلازمة بقصد التظليل) او بتلوين كل قطاع بلون يختلف عن الآخر. ويساعد ذلك وبنظرة خاطفة على معرفة الفروقات والاختلافات بين الكميات الكبيرة والصغيرة، او الانواع المختلفة لصفات وخصائص كل جزء او قسم، او قطاع.

    رسم دائري، يظهر مساهمة كل قيمة نسبة إلى المجموع.

     

    ويمكن عمل رسم دائري مجزأ، يظهر مساهمة كل قيمة نسبة إلى المجموع، مع تمييز القيم الفردية.

    وبدلا من استخدام دائرة كاملة لغرض تمثيل البيانات، يمكن استخدام نصف دائرة لعرض الظواهر Semi-Circle Graph. ونقوم بتحديد مساحة كل قطاع من نصف الدائرة، بضرب النسبة المئوية لكل ظاهرة بـ 180، وتقسيم الناتج على المجموع الكلي لقيم الظواهر.

    طريقة الشريط البياني Belt Graph: عبارة عن مستطيلات ممتدة افقيا كالأشرطة، وتقسم إلى عدة اقسام، وتعبر مساحة كل قسم منها عن الكمية موضع الدراسة.

    ويتم عمل الاشرطة البيانية بطريقتين: باستخدام النسب المئوية، بحيث يكون مجموع الظواهر يساوي 100%، وبيان النسبة المئوية لكل ظاهرة بالمقارنة مع المجموع الكلي للظواهر..

    أما طريقة الثانية فهي عرض الأشرطة البيانية باستخدام المجموع الكلي لقيم الظواهر، وتبيان قيمة كل ظاهرة نسبة إلى المجموع، فتبدوا كما يلي:

    وتبين الاشرطة البيانية التغيرات الزمنية في الكميات والنسب المركبة او المكونة Composite Ratios للظواهر.

    وتستخدم الاشرطة البيانية في الحالات التالية:

    التغير الشهري في انواع المنتجات المعيبة Defective items

    التغيرات في مصادر الطاقة في بلد معين (الفحم، زيت البترول، الغاز الطبيعي، الهايدو-الكتريك، والطاقة الذرية).

    مقارنة بين التركيب السلعي للصادرات والواردات لدولة ما لفترات معينة.

    التغيرات في اعداد العاملين في مختلف الصناعات في بلد ما لعدة سنوات، مثل (Primary Industry - الزراعة، التعدين، الغابات، وصيد الاسماك، Secondary Industry - الصناعة التحويلية، Tertiary Industry - الخدمات، Quaternary Industry - تكنولوجيا المعلومات).

    التغيرات في اعداد العاملين في مختلف الصناعات في مختلف دول العالم.

    طريقة خريطة الرادار Radar Chart: عبارة عن عدة دوائر متداخلة مع بعضها البعض، وتمثل كل دائرة درجة او قيمة من المجموع الكلي للبيانات. ويمر من مركز الدوائر خطوط مستقيمة تقطع الدوائر لتصل إلى نهاية الدائرة الكبرى. ويكون عدد الخطوط متوافقا مع عدد البيانات المصنفة. وتؤشر قيم البيانات على الخطوط، بحيث يبدا الخط برقم صفر عند مركز الدوائر، وينتهي باعلى قيمة للبيانات عند نهاية الخط في اعلى الدائرة الكبرى، حيث ان كل خط يمثل نوع معين من البيانات Item of Data.

    وتفيد خريطة الرادار في تبيان انحرافات الظواهر عن المجموع، او العلاقة بين المعدل وكل ظاهرة من الظاهر.

    وبشكل عام تستخدم خريطة الرادار في الحالات التالية:

    لرؤية التوازن بين مختلف الظواهر

    لرؤية التغيرات الزمنية (بمرور الوقت) النسب المكونة لمختلف الظواهر.

    لرؤية السمات الموسمية التي تتغير دوريا خلال السنة الواحدة.

    لمعرفة درجة تحقيق القيمة المستهدفة لكل ظاهرة.

    لرؤية العلاقة المتبادلة بين كل ظاهرة والمعدل.

    كيف نختار الرسم البياني المناسب:

    يجب ان يكون الغرض من استخدام الرسوم البيانية جلياً وواضحا، وبعد ذلك يتم اخيار الرسم المناسب للتعبير عن البيانات المطلوب عرضها.

    الغرض Purpose

    نوع الرسم البياني Type of Graph

    1. مقارنة الارقام الكبيرة والصغيرة

    الاعمدة البيانية

    Bar Graph

    2. لاظهار التغيرات بمرور الزمن

    الخط البياني

    Line Graph

    3. لاظهار العلاقات بين النسب الفردية

    الدائرة البيانية

    Pie Chart

    4. لاظهار التغيرات في النسب

    الحزام البياني

    Belt Graph

    5. لفحص ما تم انجازه من القيمة المستهدفة

    الرسم البياني Z

    Z Graph

    6. لرؤية التوازن بين مختلف الوحدات المصنفة

    خريطة الرادار

    Radar Chart

    5. مخطط الانتشار Scatter Diagram

    يقيس العلاقة بين المتغيرات

    لماذا يستخدم:

    من اجل تشخيص العلاقات الممكنة بين التغيرات الملاحظة في مجموعتين مختلفتين من المتغيرات.

    مخطط الانتشار لا يتنبأ Predict بالعلاقات بين السبب والأثر، وانما يظهر فقط قوة العلاقة The strength of relationship بين متغيرين اثنين. وكلما كانت العلاقة بين متغيرين قوية، كان الاحتمال اقوى بان التغير في احد المتغيرين سيؤثر على التغير في المتغير الاخر.

    ما هو مخطط الانتشار Scatter Diagram:

    هو رسم بياني يستخدم للتعبير عن بيانات زوجين من المتغيرات (x, y).

    المحور الافقي (x) يعبر عن حالة معينة، على سبيل المثال: محتوى المواد، درجة الحرارة ..الخ، التي من الممكن ان تكون هي السبب Cause

    اما المحور العمودي (y) فيعبر عن خصائص الجودة، التي تعتبر نتيجة Result.

    الارتباط Correlation:

    يشير الارتباط بين ظاهرتين إلى مدى وجود علاقة بينهما، ويمكن توضيح شكل العلاقة بين متغيرين من خلال رسم كل زوج من القيم المتناظرة للمتغيرين لتكوين شكل بياني يسمى بمخطط الانتشار، الذي يوضح شكل العلاقة بين متغيرين خطية ام غير خطة، قوية او ضعيفة، طردية ام عكسية …الخ.

    وعندما يحدث تغير في احد المتغيرين، نتيجة تغير في المتغير الاخر (سلبا ام ايجابا)، نقول بأنة يوجد ارتباط او علاقة متبادلة بين المتغيرين. وتسمى الطريقة الاحصائية لفحص ما اذا كانت هذه العلاقة موجودة "تحليل الارتباط Correlation Analysis".

    ومن اجل تبيان وايجاد انواع العلاقات المتواجدة احصائيا بين نوعين من خصائص القيم المتناظرة، او قوة هذه العلاقات، يتم رسم مخطط الانتشار، وبعد ذلك يتم تحديد مدى الارتباط بينهما.

    ولحساب قوة العلاقة بين ظاهرتين في حالة البيانات الوصفية لظاهرتين تتميزان بان لكل منهما صفتين فقط، يمكن استخدام معامل الاقتران Association Coefficient.

    كيف نستخدم مخطط الانتشار:

    يسمح لنا مخطط الانتشار بادراك وفهم العلاقات بين السبب والاثر، الاثر والاثر، والسبب والسبب. وهو طريقة نافعة للسيطرة وتحسين العمل، مثل تخفيض التكاليف، تحسين الكفاءة.

    ويساعد مخطط الانتشار على رؤية العلاقات المتبادلة بين مجموعتين من البيانات:

    يساعدنا على معرفة ما اذا كان يوجد ترابط بين بين مجموعتين البيانات. اذا ازدادت قيمة (x) نتيجة زيادة قيمة (y)، عندها نقول بان هناك علاقة ايجابية بين قيمتي (x) و (y). واذا زادت قيمة (x) نتيجة انخفاض قيمة (y)، فهذا يعني ان هناك علاقة او ارتباط سلبي بين القيمتين (x) و (y).

    فمثلاً، عند تلبيس النحاس بالذهب، فان سماكة طبقة التلبيس Plating thickness (والتي تقاس عادة بالميكرون) تعتمد على وقت التلبيس (Plating time). فاذا زاد وقت التلبيس، زادت سماكة طبقة التلبيس، والعكس بالعكس. لذلك يجب التحكم وتثبيت وقت التلبيس، حتى نحصل على سمك ثابت لطبقة التلبيس على المعدن. ان زيادة وقت التلبيس عن الحد اللازم، يزيد في سماكة التلبيس، وهذا يؤدي إلى الزيادة في تكلفة المنتج. واذا قل وقت التلبيس عن الزمن المحدد، قلَّت سماكة طبقة التلبيس، وتكون نتيجة ذلك تدني مستوى الجودة للمنتج، وعدم رضا المستهلك.

    مثال آخر، عند عمل الخبز او اللبن الرائب، فان هناك علاقة قوية بين وقت "التخمير" وجودة المنتج. فزيادة الوقت او نقصانه عن الحد اللازم، يؤدي إلى عدم جودة المنتج.

    وفيما يلي بعض الامثلة على الحالات التي تفحص فيها العلاقة المتبادلة بين نوعين من خصائص القيم:

    العلاقة بين السبب والاثر Relationship between cause and effect:

    نقاء المعدن الخام وجودة المنتج

    المسافة او البعد، وانخفاض حجم المكالمات الهاتفية

    المحتوى من الفضة، ومعدل التوصيل الكهربائي.

    العلاقة بين الاثر والاثر Relationship between effect and effect:

    قوة الشد وصلابة الفولاذ

    حجم الانتاج ومعدل العيوب في المنتجات

    طول ووزن الانسان

    العلاقة بين السبب والسبب Relationship between cause and cause:

    درجة حرارة التسخين، ووقت التسخين في الافران

    النفقات على الطعام والتعليم في ميزانية العائلة

    قوة اسطوانات الضغط، والوقت اللازم للضغط لبسط سماكة الصفائح المعدنية.

    انواع الارتباط Types Correlation:

    يتم القاء نظرة على مخطط الانتشار، لمعاينة النقاط المنتشرة على المخطط، ومقارنتها بالحالات التالية:

    في حالة الارتباط الايجابي Positive Correlation = الزيادة في احد المتغيرين، يعتمد على التغير في المتغير الاخر.

    في حالة الارتباط الايجابي الضعيف Weak Positive Correlation = عندما تزداد قيمة (x)، تزداد ايضا قيمة (y)، بصورة اكبر او اصغر، ولو ان درجة الارتباط الايجابي ضعيفة. ويمكن القول بان هناك عوامل اخرى إضافة إلى (x) تؤثر على (y).

    في حالة عدم وجود ارتباط = No Correlation Exists في هذه الحالة لا يوجد اية ارتباط بين (x) و (y)، وتظهر النقاط توزيعا بشكل دائري.

    في حالة الارتباط السلبي الضعيف Weak Negative Correlation = عندما تزداد (x)، (y) تنقص بصورة اكبر او اقل. لذا يمكن القول بان هناك عوامل اخرى اضافة إلى (x) تؤثر على (y).

    في حالة Negative Correlation = النقصان في احد المتغيرين يعتمد على الزيادة في المتغير الاخر.

    في حالة العلاقة الايجابية القويةStrong Positive Relationship = عندما تزداد قيمة (x)، تزداد ايضا قيمة (y) خطياً (بصورة خطية).

    في حالة العلاقة السلبية القوية Strong Negative Correlation = عندما (x) تزداد، فان (y) تنقص بصورة خطية Linearly.

    في حالة عدم وجود اية علاقة خطية Non-linear Relationship = تكون هذه الحالة عندما تظهر نقاط (x) و (y) منحنى ثنائي او ثلاثي.

    6. خرائط السيطرة على العمليات Process Control Charts

    ان الفائدة الأساسية للأساليب الإحصائية وخرائط السيطرة النوعية على وجه الخصوص يمكن ان تتلخص في كونها مؤشرا لبداية خروج العملية عن مسارها الصحيح، الامر الذي ما ان يحصل حتى يتم البحث عن أسباب هذا الخروج، او أسباب هذه التغيرات التي طرأت على نوعية المنتج، والعمل على معالجته في الحال. لذلك تستخدم خرائط السيطرة بشكل كبير لضبط سير العملية الانتاجية، والحكم على العملية والتأكد مما اذا كانت تحت السيطرة، ام ان هناك حالات شاذة خارجة عن نطاق السيطرة، يجب معالجتها. وتساعدنا خرائط السيطرة في التعرف على مصادر الانحراف في العمليات، والتحكم والمراقبة والسيطرة على العمليات، وتحسين اداء العمليات من خلال دراسة الانحراف ومسبباته، والتي من تعزى الى اساب عامة او اسباب خاصة.

    ما هي خرائط السيطرة Control Charts:

    - عرض بياني لنتائج سير العملية التصنيعية خلال فترة زمنية معينة. وتستخدم هذه الخرائط لتحديد ما اذا كانت العملية تحدث بشكل منتظم، وتقع داخل حدود السيطرة الإحصائية، ام انها خارج نطاق هذه السيطرة، وتحتاج بالتالي إلى بعض التعديلات.

    - اداة احصائية لمعرفة ما اذا كانت العملية التصنيعية ضمن حدود السيطرة ام لا.

    تم تطوريها عام 1920 على يد الدكتور Walter Shewhart

    مفاهيم خرائط السيطرة Control Chart Concepts:

    تحدث دائما انحرافات في قيم الخصائص التي تستخدم للحُكم على جودة المنتجات المنتجة خلال العملية الإنتاجية، أو على جودة العمل. هناك أسباب عديدة لهذه الانحرافات التي تؤثر على جودة المنتجات، أو جودة العمل.

    العمليات والمنتجات يوجد بها انحراف Subject to variation

    وبشكل عام يمكن أن تقسم هذه الانحرافات إلى قسمين:

    1. انحرافات ناتجة عن أسباب عرضية Dispersions due to Accidental, Common, Normal Causes Chance,

    هذا النوع من الانحرافات الذي يحدث في العملية لا يمكن السيطرة عليه، حتى وان كانت تستخدم نفس العملية التصنيعية 100% - بنفس المعايير والمواصفات المعتمدة، ونفس طرق الإنتاج، ونفس العمال، ونفس المواد والآلات.

    - الانحراف متلازم في العملية الإنتاجية (مثل عدم كفاءة المكائن، عدم الاهتمام بتطوير النوعية، عدم كفاءة الإشراف، رداءة ظروف العمل …الخ.)

    لكن هذا لا يعني ان الانحراف الناجم عن الأسباب العارضة لا يمكن تقليله وتقليصه

    يمكن ازالة هذا الانحراف من خلال إجراء التحسينات المطلوبة على النظام System Improvement

    2. الانحرافات لأسباب خاصة غير طبيعية Dispersions due to Abnormal, Special, Assignable,Causes

    مثل هذه الانحرافات في جودة المنتج تحدث لأسباب شاذة غير طبيعية خلال العمليات الإنتاجية، وغالبا ما تكون غير اعتيادية وغير مستقرة، ولا يمكن التنبؤ بحصولها. وهذا النوع يختفي عند معالجته وتعود العملية إلى طبيعتها. ومن الأمثلة على هذا النوع من التغيرات – عدم ضبط الماكينة بشكل صحيح، عدم إتباع طرق الإنتاج الصحيحة او استخدام المعايير غير الملائمة Inadequate standards.، خطأ بشري من قبل العامل، عدم جودة المواد الخام، خطأ في السيطرة، او عطل مفاجئ في إحدى الماكينات … الخ.

    هذه الانحرافات لا يمكن إهمالها او التغاضي عنها، بل من الضروري تقصي أسباب هذه الانحرافات، والعمل على إزالتها في الحال، من خلال المعالجة الصحيحة لها لضمان عدم تكرار حدوثها.

    الانحراف متسبب عن عوامل قابلة للتحديد والتشخيص Identifiable Factors

    يمكن تعقب الانحراف وتصحيحه بسهولة، من قبل عامل التشغيل او الإدارة.

    تزودنا خرائط السيطرة باداة بسيطة لفصل الاسباب العارضة عن الاسباب الخاصة.

    ومن اجل السيطرة على العمليات الإنتاجية، من الضروري تشخيص اسباب الانحرافات التي تحدث. فاذا كانت ناتجة عن أسباب عرضية (مثل العطل المفاجئ في إحدى الماكينات)، فإنها بحاجة الى صيانة شاملة. اما اذا حدثت لأسباب شاذة غير طبيعية، فمن الضروري تقصي هذه الأسباب والعمل على إزالتها في الحال، من خلال المعالجة الصحيحة لها لضمان عدم تكرارها.

    إن التمييز بين هذين النوعين من الانحرافات يعتبر ذو أهمية خاصة، حيث يمكن من خلال تشخيص الميم الأربعة 4 M – العامل Man، الماكينة Machine، المواد Materials، وطريقة العمل Method – التي كانت سببا في حدوث التغيرات الحاصلة

    تتكون خرائط السيطرة من ثلاثة خطوط افقية:

    وتتكون خرائط السيطرة من خط مركزي Center Line، وخط أفقي فوق خط المركز وموازٍ له يسمى الحد الأعلى للسيطرة (UCL)Upper Control Limit ، وخط أفقي آخر تحت الخط المركزي وموازٍ له، يسمى الحد الأدنى للسيطرة (LCL) Lower Control Limit.

    1. خط الوسط Center Line ويمثل المتوسط الحسابي لبيانات العملية Process Average، والذي عنده تتحقق الجودة المطلوبة للعملية او المنتج.

    خط المركز في خرائط السيطرة هو تقدير متوسط لاداء العملية التصنيعية، او خصائصها (مثل عدد العيوب) المحددة (المنقطة Plotted) على خريطة السيطرة Control Chart.

    خط المركز لخريطة السيطرة (وهو الخط الوسط الذي يقع بين حد السيطرة العلوي، وحد السيطرة السفلي) يتم تقديره واحتسابه من بيانات سير العملية الانتاجية، عندما تكون العملية الإنتاجية ثابتة ومستقرة Stable.

    2. خط علوي افقي موازٍ لخط المركز، ويسمى الحد الاعلى للسيطرة Upper Control Limit،

    3. خط سفلي افقي تحت خط المركز، وموازٍ له يسمى الحد الادنى للسيطرةLower Control Limit .

    ويمثلا الخطين العلوي والسفلي حدود السيطرة للعملية. وتقدر حدود السيطرة العلوي والسفلي لخارطة السيطرة من خلال بيانات سير العملية الانتاجية، لذلك فان القسم الاكبر من النقاط الاحصائية المنقطة على الخارطة تقع ضمن حدود السيطرة.

    وعندما تقع النقاط ضمن الحدين الأدنى والأعلى، نقول ان العملية ضمن حالة السيطرة Controlled Condition، وعندما تقع النقاط خارج احد هذين الحدين، أو كلاهما، نقول بان العملية خارج نطاق السيطرة Uncontrolled Condition. ويجب في هذه الحالة اكتشاف أسباب حدوث هذه الانحرافات غير الطبيعية في العملية الإنتاجية، والعمل على معالجتها والتخلص منها.

    وتستخدم خرائط السيطرة بشكل كبير لتحليل العملية الإنتاجية، وتعتبر اداة مفيدة في السيطرة على سير العملية الإنتاجية، والحكم على العمليات والتأكد مما اذا كانت تحت السيطرة، ام هناك حالات شاذة خارجة عن نطاق السيطرة.

    أنواع خرائط السيطرة وطرق استخدامها:

    هناك عدة أنواع من خرائط السيطرة. ويعتمد تحديد نوع خارطة السيطرة التي سيستخدمها فريق العمل على نوع البيانات المتوفرة لدى الفريق.

    In different situations, we use different charts.

    واعتمادا على نوع وحجم البيانات، يجب التمييز بين نوعين أساسيين من الاستخدامات الفنية لهذه الخرائط:

    خرائط السيطرة للقيم المتغيرة Variable Control Charts:

    يعتمد هذا النوع على خصائص يمكن قيامها في المنتج، مثل: الطول، الوزن، الارتفاع، القطر …الخ.

    خرائط الصفات التمييزية Attribute Control Charts:

    يمكن استعمال هذا النوع عندما تكون الصفة او الخاصية غير ممكنة القياس بوحدات القياس المعروفة. وهناك أنواع متعددة منها تعتمد على ما اذا كانت الخريطة لعدد العيوب او نسبة العيوب، وكذلك يتفرع عن هذا التصنيف تقسيم اخر يقوم على اساس كون العينات متساوية او غير متساوية، حيث يمكن التمييز بين خريطة c، خريطة C، خريطة u، خريطة U، خريطة P، خريطة np.

    1. خرائط السيطرة للقيم المتغيرة Variable Control Charts

    تختص بالبيانات الكمية Quantitative Data التي يمكن قياسها في المنتج:

    - الطول، العرض، الوزن، الحجم، الارتفاع، اللون، السرعة، الوقت …الخ.

    X-Bar chart – خرائط تتعامل مع القيم المتوسطة Average value في العملية التصنيعية

    R chart – تأخذ في الاعتبار المدى للقيم Range of values

    خرائط السيطرة (الوسيط Median) x-R Control Chart

    تشبه خرائط (المتوسط) Mean، باستثناء ان الوسيط يستخدم بدلا من قيمة المتوسط. وتشيرx إلى القيمة المركزية عندما ترتب البيانات حسب الحجم In order of size.

    MA chart – تأخذ في الحسبان المتوسط المتحرك Moving Average للعملية التصنيعية.

    2. خرائط السيطرة للصفات التمييزية Attribute Control Charts

    وهي خرائط السيطرة التي تحلل بيانات الصفات المميزة للجودة في العملية التصنيعية، لتحديد ما اذا كان أداء العملية التصنيعية يتم حدود السيطرة ام لا.

    تختص باالبيانات النوعية Qualitative Data، التي لا يمكن قياسها بوحدات القياس المعروفة:

    جيد/ سيئ، نعم/ لا، اللون (اصفر، احمر، ابيض…)، صغير، كبير، متوسط، ضعيف، متين، مهندس، اداري، عامل ….الخ.

    انواع خرائط السيطرة على الصفات Types of Attribute Control Charts

    P chart : خارطة تبين النسبة المئوية للعيوب في كل مجموعة من العينات.

    C Chart : خارطة تبين عدد العيوب لكل وحدة في كل مجموعة من العينات

    U Chart : خارطة تبين متوسط عدد العيوب في كل مجموعة من العينات

    اسباب استخدام خرائط السيطرة : Reasons for using Control Charts

    تحسين الانتاجية Improve productivity

    تجعل العيوب مرئية Make defects visible

    تحدد نوع التعديل المطلوب على العملية التصنيعية Determine what process adjustments need to be made

    تحدد ما اذا كانت العملية التصنيعية ضمن السيطرة ام لا. Determine if process is “in” or “out of control

    لاكتشاف الحالات غير الطبيعية (الشاذة) abnormality في مجريات العملية وللحفاظ ثبات واستقرار العملية.

    لفهم وإدراك النقاط التي بحاجة الى تحسينات، أي تستخدم خرائط السيطرة لحل المشكلات مثل:

     ارتفاع معدل العيوب في المنتجات

    § عدم كفاءة او قدرة العملية

    § عيوب لا يمكن تفسير أسبابها

    لمعرفة اثر التحسينات التي تمت، مثل كيف تم تخفيض نسبة العيوب

    فعالة في منع مسببات العيوب.

    تمنع التعديلات غير الضرورية على العملية

    تزودنا بمعلومات عن كفاءة وقدرة العملية Process capability

    كيفية معاينة خرائط السيطرة How to view control charts:

    الانحراف يتواجد في العملية التصنيعية، وله مصدران – الانحراف لسبب طبيعي او عام، والانحراف لسبب غير عادي، او خاص. عندما يكون الانحراف في مسار العملية التصنيعية ضمن حدي السيطرة العلوي والسفلي، فان العملية تكون ضمن السيطرة الاحصائية. اما اذا تجاوز الانحراف حدود السيطرة العلوي او السفلي، فان العملية تكون خارج السيطرة الاحصائية. عندها تتم تتبع سبب الانحراف، والعمل على تصحيحه.

    - نقول ان الحالة تحت السيطرة Controlled condition اذا كانت البيانات الاحصائية عن العملية تقع بين الخطين (العلوي والسفلي) وعندما لا توجد نقاط خارج حدود السيطرة، فان العملية تكون ضمن نطاق السيطرة Process in control، ويجب ان:

    ان تكون معظم نقاط البيانات الاحصائية عن العملية تقع على او قرب خط الوسط (Process Average).

    ان تكون النقاط الواقعة فوق وتحت خط الوسط (Centerline) متساوية تقريبا

    ان تبدوا النقاط متوزعة حول خط الوسط بشكل عشوائي (distributed Randomly).

    نقول ان الحالة ليست تحت السيطرة Uncontrolled condition:

    العملية خارج نطاق السيطرة Out of Control ( اي انها لا تؤدي مهامها بشكل صحيح)

    عندما تكون نقطة او عدة نقاط خارج حدود السيطرة (حد السيطرة العلوي، وحد السيطرة السفلي). وهذا يعني وجود مصدر للانحراف ناجم عن سبب خاص Special cause variation، في المواد، المعدات، طريقة الانتاج، انظمة القياس ...الخ. لذلك يتم التحقق من الانحراف لتحديد السبب الجذري لهذه الحالة "Out of control" ويجب عزله والتخلص منه. وعندما يتم تحديد سبب الانحراف، يجب اتخاذ الاجراء المناسب لتصحيحه. ويتم تشخيص السبب الجذري باستخدام ادوات TQM لتحسين العملية.

    عندما تكون سبعة نقاط في تتابع متسلسل على احد جانبي خط الوسط (ضمن منطقة حد السيطرة العلوي، او ضمن منطقة حد السيطرة السفلي).

    عندما تقع النقاط قريبة من خط السيطرة العلوي، او خط السيطرة السفلي (أي في أعلى منطقة السيطرة العليا، او في أدنى منطقة السيطرة السفلى)

    عندما تقع معظم النقاط على احد جانبي خط الوسط ضمن الثلث الاول من المسافة، بين خط الوسط وحدي السيطرة العلوي او السفلي.

    عندما تنحدر النقاط بشكل مستمر من أعلى الى أسفل، او العكس (من منطقة السيطرة العليا الى منطقة السيطرة السفلى)

    عندما تتابع النقاط بشكل دوري (أي يقابل النقاط التي فوق خط الوسط نقاط متماثلة تحت خط الوسط).

    ان مهمة ادارة الجودة تقليص السبب العام للانحراف Common cause variation وكذلك السبب الخاص للانحراف. ويتم ذلك باستخدام تقنيات تحسين العمليات، الاستثمار في تكنولوجيا جديدة، اعادة هندسة العملية، لتقليل خطوات العملية التصنيعية، وبالتالي تقليل الانحراف في العملية. وتكون نتيجة ذلك انتاج منتجات خالية من العيوب، وتحقق رضا وولاء المستهلك.

    ماذا نستفيد من خرائط السيطرة:

    تستخدم كمرشد او دليل لحالة السيطرة على سير العملية

    تركز الاهتمام على اكتشاف الانحرافات في سير العملية، والسيطرة عليها

    تُميِّز الاسباب الخاصة للانحراف عن الاسباب العامة، كمرشد لاجراء اللازم.

    تستخدم كأداة للسيطرة على تقدم سير العمليات الانتاجية Ongoing control of a process.

    تساعد على تمييز الاسباب العشوائية Random Causes للانحراف، عن الأسباب المحددة Specific Causes، والتي يجب التحقق منها.

    تساعد على تحسين سير العملية الانتاجية، لتحقيق الثبات وقابلية التنبؤ، من اجل الحصول على الجودة العالية، وباقل التكاليف، وباعلى طاقة فعالة (وهي القدرة او الطاقة الانتاجية المتحققة في ظل ظروف التشغيل الطبيعي للمنشاة).

    يزودنا بلغة مشتركة لمناقشة اداء سير العمليات الانتاجية.

    مقاييس النزعة المركزية Central Tendency Measures

    تُعنى مقاييس النزعة المركزية بعملية اختيار قيمة معينة لتمثيل مجموعة من القيم والتعبير عنها، وتميل هذه القيمة لان تكون نموذجية ولها القدرة على اعطاء فكرة عامة عن مجموعة القيم التي تنتمي اليها. ومن اهم مقاييس النزعة المركزية ما يلي:

    الوسط الحسابي Mean:

    من اهم مقاييس النزعة المركزية، لكنه يتاثر بالقيم المتطرفة الكبيرة او الصغيرة، ويمكن استخراجه بقسمة مجموع القيم على عددها. اما في حالة البيانات المبوبة، فيتم استخراجه بضرب قيم التكرارات في مراكز الفئات المقابلة لها، ومن ثم قسمة المجموع على عدد التكرارات.

    الوسيط Median:

    وهو القيمة الوسيطة التي تتساوى عندها القيم الاقل منها، مع عدد القيم الاكبر منها. ويتم استخراجه بترتيب القيم تصاعديا او تنازليا، ومن ثم اختيار القيمة الوسط اذا كان العدد فرديا، اما اذا كان العدد

    زوجيا، فيتم استخراج الوسيط بقسمة القيمتان الواقعتان في الوسط على 2، وتكون النتيجة هي الوسيط لمجموعة القيم.

    يكون الوسيط اكبر من الوسط الحسابي في حالة كون البيانات يمثلها منحنى ملتوٍ نحو جهة اليسار

    يكون الوسيط اصغر من الوسط الحسابي في حالة كون المنحنى ملتوٍ نحو جهة اليمين

    ويكون مساويا للوسط الحسابي في حالة البيانات التي تتوزع طبيعيا.

    المنوال Mode:

    هي القيمة الاكثر تكرارا، او التي يكون تكرارها اكبر من غيرها من القيم او الفئات، ومن الممكن وجود اكثر من قيمة منوالية لمجموعة من البيانات، كما يمكن وجود مجموعة من القيم بدون منوال، علما بان هذا المقياس سهل القياس، ولا يتاثر بالقيم المتطرفة.

    اما بالنسبة للتوزيعات التكرارية فيعرف المنوال بانه القيمة التي يكون تكرارها اكبر من تكرارات القيم المجاورة لها.

    مقاييس التشتت Dispersion Measures

    تعطى هذه المقاييس فكرة عن كيفية او مدى انتشار القيم مقارنة بوسطها الحسابي. لذلك تستخدم مقاييس التشتت لوصف درجة ابتعاد او تشتت او تفاوت القيم حول وسطها الحسابي.

    المدى Range:

    يعرف المدى لمجموعة من القيم بانه الفرق بين اكبر قيمة واصغر قيمة من هذه القيم. فاذا كان المدى صغيرا كانت البيانات محصورة في قيم متقاربة، واذا كان المدى كبيرا كانت البيانات ممتدة في قيم متباعدة. ومن عيوب هذه المقاييس انه لا ياخذ بعين الاعتبار جميع قيم المجموعة، وانما يركز فقط على القيمتين العليا، الا انه يمتاز بسهولة حسابه لاعطاء فكرة مبسطة عن درجة التشتت لمجموعة من القيم.

    المدى = اكبر قيمة في المجموعة – اصغر قيمة في المجموعة

    المدى الرباعي Interquartile Range :

    ترتب البيانات تصاعديا، وتقسم إلى اربعة اقسام متساوية:

    الربيعيات Quartiles

    الربيع الاول Q1: هو القيمة التي يسبقها ربع البيانات ويليها ثلاثة ارباع البيانات (1 × مجموع القيم) ÷ (4) = 0.25

    الربيع الثاني Q2: وهو الوسيط، أي القيمة التي يسبقه نصف البيانات، ويليها النصف الاخر (2 × مجموع القيم) ÷ (4) = 0.50

    الربيع الثالث Q3: وهو القيمة التي يسبقها ثلاثة ارباع البيانات، ويليها ربعها (3 × مجموع القيم) ÷ (4) = 0.75

    طريقة ايجاد الربيع الاول:

    نقوم بقسمة عدد التكرارات (fi) على العدد 4 (أي لايجاد الربيع الاول نقوم بضرب (مجموع القيم × 0.25)

    تحديد طول الفئة (C)

    استخدام المعادلة التالية: Q1= A+PC

    A = الحد الادنى الفعلي للفئة الثانية، ويستخرج بطرح 0.5 دقة من الارقام الصحيحة، 0.05 من الارقام العشرية، و 0.005 من الارقام المئوية من الحد الادنى الحقيقي.

    P = قيمة الجزء المضاف من الفئة الثانية لاكمال قيمة الربيع الاول، مقسوما على قيمة الفئة الثانية

    C = طول الفئة

    اذن، المدى الرباعي = الربيع الثالث – الربيع الاول.

    الانحراف المتوسط Mean Deviation :

    هو مجموع الانحرافات المطلقة للقيم عن وسطها الحسابي، مقسوما على عددها، ويمكن استخراجه من خلال ايجاد الوسط الحسابي للقيم (مجموع القيم/عددها)، وطرح الوسط الحساب من كل قيمة على حدة، ومن ثم جمع الناتج وتقسيمه على عدد القيم.

    الانحراف المتوسط = مجموع )]القيمة1 –الوسط الحسابي) + (القيمة2 – الوسط الحسابي) + (القيمةn – الوسط الحسابي) [÷ ]عدد القيم[

    التباين Variance:

    يعرف التباين بأنه متوسط مربعات انحرافات القيم عن وسطها الحسابي، ويتم استخراجه بقسمة مجموع مربع انحرافات القيم عن وسطها الحسابي على عدد القيم.

    ويعتبر التباين من اكثر مقاييس التشتت شيوعا، وهو يساوي مربع الانحراف المعياري.

    لاستخراج التباين يتم اولا ايجاد قيمة المتوسط الحسابي.

    في حالة البيانات المبوبة، يتم ايجاد التباين كما يلي:

    التباين= مجموع )]القيمة1 –الوسط الحسابي)2 + (القيمة2 – الوسط الحسابي)2 + (القيمةn – الوسط الحسابي)2 [ ÷ ]مجموع القيم - 1[

    في حالة البيانات المبوبة يتم:

    ايجاد الوسط الحسابي للبيانات المبوبة

    ايجاد انحرافات مراكز الفئات عن الوسط الحسابي

    تربيع هذه الانحرافات

    ضرب مربعات الانحرافات في التكرارات المقابلة لها

    قسمة مجموع حاصل الضرب اعلاه على (الوسط الحسابي-1) فتكون النتيجة هو قيمة التباين.

    الانحراف المعياري Standard Deviation:

    يقيس الانحراف المعياري مدى انتشار وتشتت القيم عن وسطها الحسابي، ويمكن ايجاده باخذ الجذر التربيعي للتباين.

    فمثلاً، لحساب الانحراف المعياري لمجموعة من القيم (2، 3، 5، 6، 9)، نقوم اولا بايجاد المتوسط الحساب، وهو (5). ومن ثم ايجاد انحراف كل قيمة فردية عن المتوسط وهي كما يلي:

    (5-2)، (5-3)، (5-5)، (5-6)، (5-9) = 3، 2، 0، -1، -4

    يتم بعد ذلك تربيع هذه القيم للتخلص من الاشارة السالبة، ومن ثم تقسيم مجموعها على عدد القيم:

    9 + 4 + 1 + 16 = 30 ÷ 5 = (6) وهي قيمة التباين. اما الانحراف المعياري فهو الجذر التربيعي للتباين، ويساوي:

    الانحراف المعياري= 6 = 2.45

    معامل الاختلاف Coefficient of Variation

    احد مقاييس التشتت التي تستخدم للمقارنة بين درجات تشتت مجموعتين من القيم عن اوساطه الحسابية، ويستخرج بحساب النسبة المئوية لحاصل قسمة الانحراف المعياري على الوسط الحسابي: (الانحراف المعياري ÷ المتوسط الحسابي).

    7. المدرج التكراري Histogram ، او التوزيع التكراري Frequency Distribution

    رغم حرص المنظمة وبذلها الجهود الكثيرة لانتاج سلع ذات جودة، فانه يمكن ان يحدث بعض الاختلافات Variations في جودة المنتجات النهائية، حتى وان استخدمت نفس الخطوات او التسلسلات في العملية الانتاجية، ونفس الآلات والمعدات والمواد، ونفس المعايير التشغيلية Operating Standards، حيث ان الانشطة المتكررة ستحدث بالقطع نتائج مختلفة مع مرور الزمن، ويكشف المدرج التكراري عن درجة التغيرات المتضمنة في كل عملية، وهل هي في ضمن الحدود المتوقعة، ومدى ابتعادها عنها (مدى التغيير الحاصل)، في حالة عدم وقوعها داخل هذه الحدود.

    ان التوزيع التكراري لمثل هذه الاختلافات في الجودة، والتي يمكن مشاهدتها عن طريق قياس قيم الخصائص المميزة للجودة Quality characteristic values مثل الطول، الوزن، درجة الحرارة، الوقت …الخ، سوف تتمركز بشكل عام حول قيمة محددة، وتتناقص تدريجياً بعيدا عن هذه القيمة. وتسمى مجموعة السلع التي تظهر مثل هذه الحالة بـ "التوزيع Distribution". ومن اجل ايجاد هذا التوزيع، او بكلمة اخرى، ايجاد الخصائص المميزة للسلع المنتجة كمجموعة، فان من افضل الادوات الاحصائية التي تستخدم لتحقيق هذا الغرض هو المدرج التكراري Histogram.

    فالمدرج التكراري هو تمثيل بياني لجدول التوزيعات التكرارية، والذي يتم عمله بتقسيم مدى البيانات في فئات وحساب تكرار حصول البيانات في كل فئة. ويمكننا المدرج التكراري من مشاهدة شكل توزيع البيانات، التي لا يمكن الكشف عنها لمجرد النظر إلى جدول البيانات.

    في حال وجود بيانات كثيرة فان من الطرق المفيدة هي عرض البيانات بواسطة التوزيع التكراري، التي هي إحدى الطرق التي نتمكن بواسطتها من عرض البيانات الكثيرة، بحيث لا تخسر هذه البيانات من اهميتها الا النذر اليسير.

    ويتم بناء التوزيع التكراري من خلال اجراء تقسيم مدى قيم البيانات إلى فئات، وحصر عدد البيانات الواقعة ضمن كل فئة. والمدى هو الفرق بين اكبر قيمة في البيانات واقل قيمة فيها.

    فالتوزيع التكراري عبارة عن جدول يتألف من:

    - فئات قيم المشاهدات او القياسات

    - التكرارات المقابلة لكل فئة او قياس Frequency of Occurrences

    - مركز الفئات Mid-value

    - تحديد عدد الفئات Decide on the number of classes:

    يعتمد عدد الفئات على حجم البيانات. والجدول التالي يمكن ان يرشدنا إلى عدد الفئات المناسب لحالة الدراسة:

    عدد البيانات

    عدد الفئات المناسب

    اقل من 50

    5 - 7

    50 - 100

    6 - 10

    100 – 250

    7 – 12

    اكثر من 250

    10 - 20

    ويمكن ايجاد عدد الفئات من خلال ايجاد الجذر التربيعي لعدد البيانات، ويدور إلى اقرب عدد صحيح Rounded up to the nearest integer.

    وبعد هذا التقسيم يتم افراغ البيانات على الفئات وجمع التكرارات المقابلة لكل فئة. ويعبر عن الفئة اما بـ "حدود الفئة Class Boundary"، او بـ "مركز الفئة Mid-value ". اما مجموع العناصر في كل فئة فيعبر عنه بـ "التكرار Frequency". ويتم ايجاد طول الفئة Class Interval وذلك بقسمة المدى Range على عدد الفئات، ويقرَّب الناتج إلى اقرب عدد صحيح وإلى الاعلى.

    ويجب ان تكون قيمة الحد الادنى لاول فئة Lower Boundary Value of First Class مساويا او اصغر من اقل قيمة في البيانات، اما الحد الادنى الفعلي للفئة الاولى فهو عبارة عن الحد الادنى ناقصا 0.5 في حال كون البيانات اعدادا صحيحة، ودرجة الدقة واحد (1). اما في حال كون الاعداد عشرية، فمعنى ذلك ان درجة الدقة (0.1) وبالتالي فان نصف وحدة الدقة في هذه الحالة يساوي 0.05 . ويتم ايجاد الحد الاعلى Upper Boundary Value of First Class للفئة الاولى باضافة طول الفئة Class Interval إلى قيمة الحد الادنى لها.

    ويتم تعيين الحد الاعلى الفعلي للفئة الاولى، وذلك باضافة طول الفئة إلى الحد الادنى الفعلي لتلك الفئة. اما الفئات الباقية فيتم تعيين الحدود الدنيا والعليا لها وذلك باضافة طول الفئة لكل حد، ومن ثم يتم تعيين الحدود الدنيا الفعلية والعليا الفعلية وذلك باضافة طول الفئة لكل حد فعلي.

    ونحصل على مركز الفئة Mid-value of the Class من خلال قسمة مجموع حديّ الفئة الادنى والاعلى/ 2. ويتم تعيين مراكز الفئات الاخرى بنفس الطريقة، او باضافة طول الفئة إلى مركز الفئة التي قبلها.

    يتم افراغ البيانات المعطاة على الفئات، وتسجيل عدد تكرار البيانات في كل فئة في عمود التكرارات، ويجب ان يكون مجموع التكرارات مساوٍ لعدد البيانات.

    التكرار النسبي لاي فئة هو نسبة تكرار تلك الفئة إلى مجموع التكرارات. فاذا كان مجموع التكرارات n وكان تكرار فئة معينة f فان التكرار النسبي لتلك الفئة هو n/f .

    والمدرج التكراري عبارة عن تمثيل تكرار كل فئة من فئات التوزيع التكراري ذي الفئات المتساوية بمستطيل حدود قاعدته هي الحدود الفعلية لتلك الفئة، ويتناسب ارتفاعه مع تكرارها. ومعنى هذا انه يوجد محورين متعامدين، على المحور الافقي منها ترصد الحدود الفعلية لكل فئة من فئات التوزيع التكراري، ويقام مستطيلا يتناسب ارتفاعه مع تكرار تلك الفئة. ويمثل المدرج التكراري البيانات المعطاة في جدول التوزيع التكراري.

    والمهمة الاساسية لعملية ضبط الجودة هي استيعاب وادراك Grasp سبب التغير او التشتت dispersion في الحاصل في جودة المنتجات، وبالتالي العمل على تحسينها وضبطها، بما يكفل البقاء ضمن الحدود المسموحة وعدم تجاوزها.

    وبناءاً عليه فان مهمة المدرج التكراري تتمثل فيما يلي:

    تجعل التوزيعات التكرارية اسهل للرؤيا، وتسمح بالتقييم المرئي لها

    تمكن من معرفة القيمة المركزية (Mid-value)، وتشتت البيانات.

    تمكن من معرفة شكل التوزيع التكراري (شكل جرس Bell shape، له قمتان Has twin peaks، ملتوٍ نحو اليمين Skewed to the right، ملتوٍ نحو اليسار Skewed to the lift، متفرطح ،Kurtosis، مدبب Has a sharp peak …الخ).

    من اهم الصفات التي تميز التوزيعات التكرارية صفات التماثل والالتواء والتفرطح. وتعتبر هذه الصفات من اهم خواص اشكال التوزيعات.

    1. التوزيع المتماثل Symmetrical distribution:

    يكون التوزيع متماثلا اذا امكن اقامة عمود على المحور الافقي يقسم التوزيع إلى قسمين ينطبقان على بعضهما تمام الانطباق. وتسمى النقطة التي تقع على منتصف المحور الافقي بـ "نقطة التماثل، كما يسمى الاحداثي العمودي المار بها "محور التماثل". لكن في الحياة العملية تكون التوزيعات المتماثلة قليلة جدا، لكن هناك الكثير من التوزيعات القريبة من التماثل.

    2. الالتواء Skewness:

    وتختلف الاشكال البيانية للتوزيعات التكرارية، فمنها ما هو متماثل، ومنها ما هو ملتوٍ نحو اليمين، او ملتوٍ نحو اليسار.

    عندما يكون التوزيع متماثلا فهذا يعني ان الوسط الحسابي والوسيط والمنوال متطابقة، أي متساوية القيم

    عندما يكون شكل التوزيع ملتويا فلا يكون متماثلاً، حيث يمتد احد طرفيه إلى اليمين كثيرا او إلى اليسار كثيرا، ويكون ملتويا ايضا اذا كان عاليا من جهة ومنخفضا من الجهة الاخرى. وعندما يكون التوزيع ملتوٍ نحو اليمين نقول انه موجب الالتواء، واذا كان ملتوٍ نحو اليسار نقول انه سالب الالتواء.

    عندما يكون ملتويا نحو اليمين فهذا يعني ان الوسط الحسابي يقع في جهة اليمين، ويكون اكبر من الوسيط والمنوال. وهذا راجع إلى وجود قيم متطرفة كثيرة في الجهة اليمنى من المنحنى.

    عندما يكون متلوٍ نحو اليسار فهذا يعني ان الوسط الحسابي يقع في الجهة اليسرى من المنحنى، ويكون اصغر من الوسيط والمنوال.

    ويحدد الالتواء درجة او مدى ابتعاد المنحنى عن حالة التماثل.

    3. التوزيع ذات المنوال واحد او عدة منوالات:

    المنوال هو القيمة التي يكون تكرارها اكبر من تكرار القيم التي في جوارها، أي النقطة التي يقابلها قمة. وفي الحالة التي يكون فيها للتوزيع منوال واح نقول ان التوزيع احادي المنوال، وحين يكون هناك منوالان نقول ان التوزيع ثنائي المنوال.

    4. التفرطح (او التفلطح) Kurtosis:

    يبين التفرطح مدى ارتفاع او انخفاض المنحنى التكراري عن المنحنى الطبيعي. فالتفرطح هو الاستواء وعدم كون التوزيع مدببا، فاذا كان التوزيع كبير التفرطح، فذلك يعني ان كبير الاستواء او غير مدبب. واذا كان التوزيع التكراري قليل التفرطح، فانه يكون مدببا Sharp.

    كيف نعاين المدرج التكراري How to view Histograms:

    من اجل ان نحصل على معلومات من المدرج التكراري فيما يتعلق بمجموعة من البيانات، فانه يجب الانتباه إلى الشكل العام للتوزيع التكراري، وتجاهل القيم الشاذة Irregularities.

    وفيما يلي النقاط التي يجب فحصها ومراجعتها Check Points For Histograms:

    ما هو شكل التوزيع التكراري؟

    اين يقع مركز التوزيع التكراري؟

    كيفية تشتت او انتشار البيانات ؟

    هل هناك بيانات خارجة عن حدود المواصفات؟

    هل مركز التوزيع يقع في وسط قيم المواصفات؟

    هل التوزيع ملتوٍ نحو اليمين او اليسار Skewed؟

    هل للتوزيع قمة مدببة اما انها منبسطة؟

    هل هناك اية بيانات معزولة Isolated data عن التوزيع الرئيسي؟

    هل هناك انبساط Flat عدم استواء في شكل التوزيع؟

    هل التوزيع من نوع "المشط Comb Type" او "الاسنان الناقصة Missing Teeth Type

    هل للتوزيع التكراري قمتانTwin Peaks او اكثرMultiple Peaks ؟

    هل مركز التوزيع التكراري يقع في منتصف حدود المواصفات؟

    هل هناك أي بيانات خارجة عن حدود المواصفات؟

    هل التوزيع التكراري موضوعا بشكل جيد ضمن مدى حدود المواصفات؟

    ويكون الشكل العام General Type للمدرج التكراري متماثلاً، وتوجد قمة واحد في المركز، وجوانب مخفضة عن اليمين والشمال.

     

    كيف نستخدم المدرج التكراري How to use Histograms:

    يستخدم المدرج التكراري في الحالات التالية:

    1. لفهم الحالات الشاذة غير الطبيعية في العملية الانتاجية من خلال مشاهدة التوزيعات التكرارية To grasp abnormalities in production processes by viewing the distributions:

    الشكل العام للمدرج التكراري هو التماثل. فاذا كان هناك اية حالات شاذة غير طبيعية فانها ستظهر بشكل الجزيرة المعزولة Isolated Island Type، او بشكل ملتوٍ نحو اليمين Right Trailing Type او اليسار Left Trailing Type، او بشكل منجرف إلى اليمين او إلى اليسار Right or Left Cliff Type. لهذا عندما ننظر إلى شكل المدرج التكراري، يمكننا ان نعرف الاشياء الشاذة غير الطبيعة التي حدثت في العملية الانتاجية.

    2. للتأكد مما اذا كانت المنتجات ضمن حدود المعايير والمقاييس الموضوعة To check whether products are within standard limits:

    نستطيع احصاء عدد العيوب التي قد حدثت عندما نضع حدود المعايير او القيم المستهدفة Target values على المدرج التكراري. ففي هذه الحالة فانه من المهم ملاحظة ومعرفة ما اذا كانت المشكلة تعود لمتوسط القيمة ام للانحراف المعياري، وبعد ذلك يتم اتخاذ الاجراءات المضادة للتغلب على المشكلة.

    3. للاستفسار عن اسباب التشتت والانحراف To investigate the causes of dispersion and bias:

    بامكاننا معرفة اسباب التشتت والانحراف عندما نرسم ونقارن الاختلافات بين المدرجات التكرارية للبيانات المصنفة طبقا للميم الاربعة "4M" – الماكينات Machinery، المواد Materials، العامل Man (Operator)، طرق العمل (Operation method) Method. ومن خلال عملية التصنيف Stratification (Arrange or separate data into classes or different levels of classes) يمكننا ادراك سبب او اسباب المشكلة سواءً الحاصلة في العمليات الانتاجية او المنتجات.

    4. فحص آثار التحسينات من خلال المطابقة ما قبل التحسينات مع ما بعد التحسينات To check effects of improvements by stratification before and after the improvements:

    عندما تنفذ الاجراءات المضادة لحل المشكلة من خلال انشطة حلقة ضبط الجودة QCC، او فريق ضبط الجودة QCT، يمكننا ادراك آثار التحسينات عندما نصنف ونقارن قيم الخصائص Characteristic values قبل وبعد اجراء التحسينات.

    كيف نبني المدرج التكراري How to construct a Histogram

    1. اعداد المدرج التكراري Preparation of Histogram:

    جمع البيانات Collect Data:

    يتم جمع العينات بشكل عشوائي من مجموعة العمليات، والمنتجات، والعاملين لعمل الدراسة لغرض اجراء التحسينات او ضبط الجودة. ويعتمد حجم البيانات التي يجب جمعها على حجم او انتشار البيانات التي نرغب بجمعها.

    2. اوجد على القيمة العليا والقيمة الدنيا للبيانات، في كل عامود، وبعد ذلك في كل الاعمدة Find out the maximum and the minimum values of the data in each column and then find out the maximum and minimum values of all the data:

    3. اوجد عدد الفئات Find out the number of classes:

    ويتم ايجاده من خلال المعادلة التالية:

    عدد الفئات = الجذر التربيعي لعدد البيانات

    4. حدد طول الفئة Decide on the class interval:

    ويتم ايجاده من خلال المعادلة التالية:

    طول الفئة = المدى ÷ عدد الفئات

    طول الفئة = (القيمة العليا – القيمة الدنيا) ÷ عدد الفئات

    5. تحديد حدود الفئة Decide on the class boundary values:

    الحدود الدنيا للفئة الاولى

    6. عمل تدريج للمحور الافقي Scale the horizontal axis

    درج المحور الافقي وفقا قيم الخصائص والى جهة اليمين. ويتم التدريج باستخدام مراكز الفئات.

    7. احسب تكرار البيانات Count the frequency of data

    تفحص البيانات من البداية واحدة بعد الاخرى، وتحدد الفئة التي تنتمي لها كل قيمة، وتوضع في عمود التكرار المقابل للفئة.

    8. جدول التكرار Frequency Table

    ويتكون من خمسة اعمدة:

    العمود الاول - رقم الفئة

    العمود الثاني - حدود الفئة Class Boundary

    العمود الثالث - مركز الفئة Mid-value

    العمود الرابع - علامة التكرار Frequency

    العمود الخامس – تكرار الاحداث او المشاهدات Frequency of Occurrence

    يجب ان يكون مجموع التكرارات مساوٍ لمجموع (عدد) البيانات او المشاهدات.

    9. عمل تدريج للمحور العمودي Scale the vertical axis

    يتم عمل تدريج على المحور العمودي طبقا للتكرار (اعلى درجة للتكرار). ومن اجل الحصول على شكل للمدرج التكراري قريبا من شكل المربع، يتم جعل ارتفاع اعلى قيمة للتكرار مساوٍ تقريبا لطول المحور الافقي الممتد من اول فئة إلى آخر فئة للبيانات.

    10. رسم الاعمدة Draw columns

    وضع حدود الفئات على المحور الافقي، وبعد ذلك رسم اعمدة تكون قاعدتها الفئات وتكون متعامدة Perpendicular مع المحور الافقي. ويجب ان يكون ارتفاع العمود متناسبا مع عدد التكرارات في كل فئة.

    11. ابراز مواقع قيمة المتوسط الحسابي والقيمة المعيارية على الرسم البياني Mark the positions of the mean value and the standard value on the Diagram (Upper limit of standard & Lower limit of standard value).

    12. حساب قيمة المتوسط والانحراف المعياري باستخدام جدول التكرار Calculate the mean value and the standard deviation using the frequency table

    13. عمل عمود الـ X Fill in the X column

    ويتم ذلك باختيار تلك الفئة التي تبدو انها تحوى اعلى تكرار للبيانات، واعطائها في القيمة صفر (0) في عمود X. وبعد ذلك يتم حساب الفئات التي هي اعلى منها وتعطى قيم موجبة( 1، 2، 3، 4 .. وهكذا)، اما تلك الفئات الادنى منها فتعطى قيم سالبة (-1، -2، -3، -4 .. وهكذا).

    14. احسب عمود fX Calculate

    نقوم بضرب البيانات في عمود التكرار F في البيانات المقابلة لها في عمود X. وبعد ذلك يتم جمع الناتج في اسفل العمود fX.

    15. احسب قيمة fX2 Calculate

    ويتم حسابها بضرب القيم في عمودX في القيم المقابلة لها في العمود fX.

    16. احسب قيمة المتوسط Calculate the Mean Value (X)

    يتم حساب قيمة المتوسط للبيانات المبوبة كما يلي:

    مجموع (مراكز الفئات × تكرار الفئة) ÷ مجموع التكرارات

    ويفترض وفقا هذه الطريقة ان التكرارات تتراكم على مراكز الفئات، لذا يتم ضرب مراكز الفئات بعدد التكرارات المقابلة لها، ومن ثم يتم تقسيم مجموع حاصل الضرب على المجموع الكلي للتكرارات.

    ويمكن ايجاده ايضاً باستخدام المعادلة التالية:

    قيمة المتوسط = (مركز الفئة المقابلة لأعلى تكرار) + (مجموع fX ÷ مجموع التكرارات) x طول الفئة)

    17. احسب الانحراف المعياري Calculate the Standard Deviation S

    الانحراف المعياري هو الجذر التربيعي للتباين، أي ان التباين يساوي مربع الانحراف المعياري.

    التباين يساوي مجموع مربعات انحراف البيانات عن وسطها الحسابي مقسوما على (عدد البيانات – 1).

    وفي حالة البيانات المبوبة يتم تخفيض عدد القيم المقسوم عليها بمقدار واحد صحيح، وذلك لغرض الحصول على أفضل تقدير للتباين.

    ***

           

    samirsous@hotmail.com

           

    سمير زهير ألصوص

    قلقيلية - فلسطين

    *****

    ***

    <a href="https://plus.google.com/https://plus.google.com/u/0/102734224795960454451/posts?rel=author">Google</arel=author">Google</a