PDCA и карты Шухарта: как управлять качеством на практике

Что такое PDCA

PDCA (Plan–Do–Check–Act) — это универсальный цикл непрерывного улучшения, предложенный Уолтером Шухартом в 1930-х и популяризированный Эдвардсом Демингом в 1950-х годах. Его также называют «циклом Деминга» или «циклом Шухарта–Деминга».

Суть метода проста: любое улучшение должно проходить четыре стадии — планирование, реализацию, проверку и закрепление. Главная ценность PDCA заключается в повторяемости: завершение одного цикла становится началом следующего. Такой «спиральный процесс» позволяет организации шаг за шагом двигаться вперёд, снижая риски и создавая систему постоянного развития.

В отличие от одноразовых проектов по оптимизации, PDCA формирует культуру улучшений. Даже если решение оказалось неудачным, его анализ становится основой для следующего цикла. Таким образом, организация учится на собственном опыте и повышает способность к адаптации.

Связь PDCA и SPC

Статистический контроль процессов (SPC) и контрольные карты Шухарта органично вписываются в цикл PDCA. Если вам интересен более глубокий взгляд на то, как именно карты Шухарта стали частью мировых стандартов качества, стоит обратиться к материалу SPC и контрольные карты Шухарта: Деминг, Джуран и опыт СССР. Там подробно показано, как статистический контроль перерос в целую философию управления качеством.

Если PDCA задаёт управленческую логику, то SPC даёт инструментальные средства для объективного измерения и анализа.

• Plan — определить объект улучшения, например снизить вариабельность диаметра втулки
• Do — внести изменения в процесс: заменить инструмент, отрегулировать режим обработки или наладку
• Check — построить карты Шухарта и проверить, действительно ли процесс стал стабильнее
• Act — закрепить успешное решение или скорректировать план, если цель не достигнута

Таким образом, PDCA — это «рамка», а SPC — это «инструменты внутри неё». Вместе они создают систему, где управленческие решения опираются на статистику, а статистика используется для корректных управленческих действий.

Цель этой статьи — показать практическое применение карт Шухарта, а не детально разбирать методику их расчёта. Для тех, кто хочет глубже погрузиться в тему, полезно обратиться к ГОСТ Р ИСО 7870-2-2015, где приводится более 40 страниц подробного материала.

Этап 1. Plan (Планирование)

Предположим, у нас есть технологический процесс вытачивания втулки диаметром 45 мм. На практике измерения показали, что диаметр колеблется значительно, и процент брака растёт. Задача: определить, стабилен ли процесс, и выявить его поведение с помощью карт Шухарта.

Для начала определим, какие именно карты мы должны использовать. Проще всего сделать это по следующей диаграмме (кстати, она как раз из ГОСТ):

Мы работаем с количественными данными, поэтому теоретически нам подходят \(\bar{X}–R\), \(\bar{X}–S\) и \(I–MR\):

• \(I–MR\) карта фиксирует каждую деталь по отдельности. Она проста в построении, но имеет ограничения: высокую «шумность», низкую чувствительность к мелким сдвигам и потребность в большом объёме данных для надёжных выводов
• \(\bar{X}–S\) карта применима при больших подгруппах (от 10 деталей и выше), когда важнее контролировать дисперсию, а не просто размах
• \(\bar{X}–R\) карта оптимальна при малых подгруппах (от 2 до 10 деталей). Она сочетает простоту расчётов и достаточную информативность

Поскольку процесс у нас серийный, втулки снимаются партиями, и внутри каждой партии можно замерить несколько образцов, то наиболее логичным выбором является \(\bar{X}–R\) карта. Мы будем формировать подгруппы по 5 деталей — этого достаточно, чтобы усреднять случайные колебания и отслеживать тренды.

Этап 2. Do (Сбор данных и расчёты)

Выполняем замеры 15 подгрупп по 5 деталей. Для каждой подгруппы вычисляем \(\bar{X}\) (среднее значение), а также минимальные \(X_{min}\) и максимальные \(X_{max}\) значения диаметра. Размах \(R\) – разница между максимальным и минимальным значением.

И вычисляем значения для всех подгрупп \(\bar{\bar{X}}\) как среднее \(\bar{X}\), и \(\bar{R}\) как среднее \(R\).

Этап 3. Check (Анализ карт)

Строим \(R\) и \(\bar{X}\) карты.

Для выборки \(n=5\) деталей берем следующие коэффициенты для нахождения линий контрольных карт:

• \(D_{3}=0\)
• \(D_{4}=2,144\)
• \(A_{2}=0,577\)

Подробнее об этом также читайте в ГОСТ.

Для \(R\)-карты:

• \(CL=\bar{R}=0,03446667\)
• \(U_{CL}= D_{4}\bar{R}=0,07389653\)
• \(L_{CL}=D_{3}\bar{R}=0\). Коэффициент \(D_{3}\) учитывается при выборке \(n\geq7\).

Для \(\bar{X}\)-карты:

• \(CL=\bar{\bar{X}}=45,0089467\)
• \(U_{CL}=\bar{\bar{X}}+A_{2}\bar{R}=45,0288339\)
• \(L_{CL}=\bar{\bar{X}}-A_{2}\bar{R}=44,9890594\)

Анализ контрольных карт показал, что процесс нельзя назвать полностью стабильным. \(R\)-карта продемонстрировала, что разброс внутри подгрупп остаётся в пределах контрольных границ и не выходит за рамки естественных колебаний. Это означает, что вариация по ширине распределения контролируется, и процесс способен удерживать относительную стабильность по дисперсии.

Однако \(\bar{X}\)-карта выявила систематические выходы средних значений за пределы контрольных границ. Это свидетельствует о смещениях центра процесса: в одних случаях диаметр втулки превышает номинал, в других — занижается. Таким образом, процесс не удерживает целевое значение и демонстрирует отсутствие статистической управляемости по уровню.

Этап 4. Act (Выводы и действия)

Итоговый анализ показал, что процесс частично управляем. По разбросу он стабилен, но центр процесса «плавает», что приводит к росту брака. Даже при контролируемой дисперсии доля несоответствующих деталей будет расти, если среднее значение уходит за пределы допуска.

Для исправления ситуации необходимо:

1. Проверить и при необходимости заменить режущий инструмент.
2. Контролировать состояние станка, зажимных устройств и наладку.
3. Стабилизировать режимы обработки (скорость, подача, охлаждение).
4. Ввести оперативный контроль подгруппами, чтобы быстро отлавливать сдвиги.

Если бы ситуация была обратной — средние значения \(\bar{X}\) оставались в пределах границ, а \(R\)-карта фиксировала выходы, — это означало бы стабильность центра при неустойчивом разбросе. На практике это выглядит как чередование «ровных» партий и партий с большим размахом размеров. Такой процесс также считается неуправляемым, так как качество становится непредсказуемым.

Только производство?

Карты Шухарта можно использовать не только для физических замеров, но и для альтернативных (косвенных) данных, которые отражают стабильность процессов в непроизводственных сферах.

Давайте рассмотрим использование карт Шухарта для анализа рекламаций. Такой анализ позволяет компаниям не только фиксировать количество жалоб, но и понимать, стабильна ли система работы с клиентами. Например, если доля рекламаций стабильно держится на уровне \(1–2\%\) и укладывается в контрольные границы, процесс управляем. Но если внезапно показатель вырос до \(5\%\) или наметился восходящий тренд, это сигнал для немедленного анализа причин.

В этом случае мы должны использовать альтернативные данные (см. диаграмму выше), а не количественные показатели, как в первом примере, поскольку предметом наблюдения является не измеримая величина, а сам факт события — поступила жалоба или нет.

Такой подход позволяет корректно сравнивать периоды с разным количеством заказов: десять рекламаций при тысяче отгрузок и те же десять при пятистах дают принципиально разную картину качества. Выражение данных в долях или процентах отражает реальное соотношение проблемных случаев и общего объёма продаж, что делает выводы статистически корректными и управленчески значимыми.

Поэтому для рекламаций мы выберем \(p\)-карту.

10 недель замеров количества отгруженных заказов и количество рекламаций дали следующую картину:

Вычисляем \(\bar{p}\) и контрольные границы \(U_{CL}\) и \(L_{CL}\). В отличие от примера с картой \(\bar{X}–R\), где границы были статическими, в данном примере границы меняются, т.к. меняется количество заказов на каждой неделе.

Получаем следующую картину:

В целом процесс рекламаций остаётся управляемым: средняя доля составляет около \(1\%\), и большинство недель укладываются в установленные контрольные границы. Однако на 4-й неделе наблюдается всплеск до \(2,5\%\), что превышает верхний предел и указывает на системный сбой — например, связанным с некачественной партией продукции, нарушениями в логистике или ошибками в документации. Остальные наблюдения остаются в пределах нормы и не демонстрируют восходящего тренда, что подтверждает стабильность процесса при условии устранения выявленной аномалии.

Итог

Карты Шухарта наглядно продемонстрировали свою ключевую роль — это инструмент раннего предупреждения о потере управляемости. Они позволяют определить не только факт отклонения, но и его природу: связано ли оно с разбросом или со смещением центра процесса.

Применение PDCA и SPC в связке создаёт устойчивую систему управления:

• PDCA задаёт логику непрерывного цикла улучшений,
• SPC позволяет измерить и подтвердить результат.

Такой подход помогает не только снижать долю брака, но и формировать культуру управления качеством, в которой каждое отклонение становится источником данных для анализа и шагом к дальнейшему развитию.

Однако у этого подхода есть существенные недостатки.

Во-первых, контрольная карта Шухарта не указывает на конкретную причину проблемы и не отвечает на вопрос «что именно пошло не так». Её задача — зафиксировать момент, когда процесс выходит из состояния статистической управляемости.

Можно сказать, что карта выполняет роль «сигнализации»:

• если точки лежат в пределах контрольных границ и нет закономерных трендов — процесс стабилен;
• если появляется выход за границы или характерный паттерн (например, 7 точек подряд выше центра) — это означает, что в системе появился особый фактор, нарушивший стабильность.

Но где именно проблема и почему она возникла карта не показывает. Для этого нужны дополнительные методы:

• анализ 5 Why («пять почему»),
• диаграмма Исикавы («рыбья кость»),
• аудит оборудования и материалов,
• разбор организационных причин.

То есть карты Шухарта — это инструмент раннего предупреждения: они не диагностируют, а сигнализируют, что «что-то пошло не так», и теперь нужно провести расследование.

А во-вторых, карта всегда показывает поведение одного измеряемого параметра во времени. Если у изделия десятки критических параметров (например, диаметр, шероховатость, твёрдость, вес, прочность и т.д.), то для каждого из них нужно строить свою карту. Таким образом, карты фиксируют не процесс целиком, а лишь «срез» по отдельному фактору. Легко представить, что если у вас десятки контролируемых процессов с десятками параметров, то количество карт исчисляется сотнями. Одним из инструментов борьбы с масштабом является метод FMEA - анализ видов и последствий отказов.

Методология PDCA и карты Шухарта особенно полезны, когда компания хочет выстроить системный контроль и убрать хаос в производстве. В практике Научной организации труда эти инструменты становятся базой: мы помогаем внедрить их так, чтобы руководители видели реальную картину процессов, а сотрудники понимали, что именно улучшать.