Субоптимизация на цифровизации. Иллюзия улучшений

Проектируя в CAD полагаетесь на испытания цифровой модели построенной в номинале? Тогда ждите проблем со сборкой узлов и поведением готового изделия в реальных условиях

 

Ниже представлены свидетельства повсеместной субоптимизации на собственно цифровой модели без учёта целей, для достижения которых цифровая модель должна была служить.

 

Григорьев С. П.

 

 

Наша команда выступала на совещании в научно-производственной российской госкорпорации с докладом о необходимости понимания возможностей реальных производственных процессов с точки зрения вариабельности ключевых показателей качества при проектировании и производстве изделий.

 

Я считаю, что именно российские госкорпорации наиболее ответственны судьбу экономики России, обладая самыми большими производственными мощностями и человеческими ресурсами. Именно они находятся в привилегированном положении и должны заняться фундаментальными изменениями стиля менеджмента, пока государство поддерживает их госзаказами. Когда государственная поддержка закончится у них не будет ни сил и ни средств для выживания, а тысячи людей потеряют работу. До сих пор нет даже признаков таких преобразований.

 

Один из разделов доклада был посвящён проблемам с качеством проектируемых изделий без понимания статистического состояния и возможностей реальных процессов производства, как собственного так и поставщиков. Т. е. без статистического подтверждения качества. В частности, заместитель генерального конструктора (ЗГК) одного из предприятий этой корпорации сообщал, что строительство нового ЦОД (центр хранения и обработки данных) позволит сократить натурные испытания.

 

Наше отношение к заявлению ЗГК: Пока вам неизвестны возможности реальных процессов, мы рекомендуем остеречься таких заявлений.

 

Перед тем как вы подойдёте к возможности хотя бы частичной замены натурных испытаний испытаниями цифровой модели, в ближайшей перспективе этого не случится, вы должны понимать, чем и в каком размере вы пренебрежёте. Проще говоря, вы должны понимать, насколько результат испытаний цифровой модели будет отличаться от натурных испытаний экспериментальных моделей и тем более от серийных изделий. Предполагая о незначительности влияния факторов, которыми вы готовы пренебречь, вы должны понимать, что результирующая этих и неучтённых (игнорируемых, не дифференцируемых и/или численно неизмеримых) факторов с учётом присущей им вариабельности может значительно, с точки зрения цели испытаний, превысить ваши предположения. Вы считаете, что это не так? Откуда вам это известно? Какими данными вы обладаете для таких выводов?

 

Если вы рассчитываете впоследствии сравнить результаты цифровой модели с испытаниями реальных прототипов, то какое количество прототипов планируете для этого произвести и испытать: 1; 5; 8; 25? Эти прототипы будут однородны? Откуда вам это известно? Для утверждения об однородности прототипов вы должны иметь подтверждение статистической управляемости (предсказуемого состояния) собственных производственных процессов и производственных процессов поставщиков, задействованных при производстве прототипов. Сможете продемонстрировать контрольные карты этих процессов по всем ключевым параметрам?

 

Далее представлено пояснение нашего утверждения.

 

Конструирование в автоматизированных системах проектирования (CAD) осуществляющееся в номинале, цифровая модель, это не то, что получится в "железе". Проектировщики должны использовать данные о присущей реальным производственным процессам вариабельности, чтобы при необходимости принять решение об изменении конструкции, материалов, технологии, допусков или требовать от производственных подразделений и поставщиков совершенствования процессов и технологии еще до начала производства реального прототипа.

 

Мы внимательно изучили открытое корпоративное издание ключевой производственной компании этой корпорации. В издании сотрудники предприятия, достаточно подробно, сообщали о проблемах с которыми им приходится сталкиваться на производстве. В частности инженер-технолог сборочного цеха сообщал:

 

"Технологу приходится искать оптимальное решение проблемы, возникающей в процессе сборки, поэтому он вынужден оперативно реагировать на сложившуюся ситуацию. Учитывая, что может возникать несколько экстренных ситуаций, приходится разрываться и везде успевать. Это нормальный темп работы инженера-технолога в сборочном цехе".

 

Этот технолог настолько привык к постоянству экстренных ситуаций при сборке изделий, что сам признает это нормальным. Таким образом подтверждая постоянство (стабильность) проблем при сборке. А стабильность - признак системных проблем. Работа с системными проблемами, это ответственность менеджмента, а не технолога.

 

Кузнец рассказал следующее:

 

"Когда кузнец нагревает заготовку в горне, то визуально определяет температуру и чувствует готовность металла к ковке. При нагреве из него выгорает углерод и другие легирующие элементы, поэтому важно не перегреть. Например, новички добиваются желаемой формы от металла за четыре нагрева, опытному кузнецу достаточно двух".

 

А проектировщики учли, эту неопределённость производственного процесса? Кто-нибудь знает, что за сплав получается после неопределённого количества нагрева до температуры, определяемой "на глаз" разными кузнецами в разных условиях?  Помогут ли в этом случае автоматизированные расчеты прочности цифровой модели спрогнозировать прочность реальных изделий?!

 

Нами были приведены и другие примеры, демонстрирующие непонимание менеджментом предприятия своей ответственности за качество, которые я не публикую в этой статье.

 

Надеюсь, теперь становится яснее насколько может отличаться цифровая модель, построенная из деталей в номинале допусков и сплавов с заложенными при проектировании требованиями, от реального прототипа. Если же речь идёт о серийных изделиях, то эти различия будут ещё большими. В условиях существования барьеров между подразделениями, занимающимися проектированием, производством, поставками и работой с поставщиками, отказ от натурных испытаний изделий с сотнями и даже тысячами деталей приведёт к огромным потерям, истинные причины которых так и не будут распознаны менеджментом этой корпорации.

 

 

Далее мы предложили присутствующим на совещании рассмотреть варианты самого простого сопряжения полей допусков вала и отверстия в посадке с зазором. Вариабельность геометрических размеров реальных деталей, это самое малое, что отличает цифровую модель от натурной.

 

Трехмерного статистического вариационного анализа  в области GD&T (Geometric dimensioning and tolerancing)В передовых компаниях для проверки правильного сопряжения полей допусков в цифровой модели давно используются инструменты автоматизированной симуляции в области GD&T (Geometric dimensioning and tolerancing). Так, например, в издании The Boeing Company "Advanced Quality System Tools" (стр. 51) ещё от 1998 года описывается цель и принцип работы Трехмерного статистического вариационного анализа. Более подробно смотрите обсуждение этого вопроса в документе [23] Boeing Company report ISSTECH-95-030, Tolerance Stack Analysis Methods, authored by Fritz Scholz, 1995.

 

 

Ниже представлено условное отображение сопряжения полей допусков вала и отверстия. Проектировщики будут создавать детали в CAD в номинале. В лучших случаях (в самых продвинутых российских компаниях), цифровая модель будет проверена на совмещение полей допусков сопряженно работающих деталей и соблюдение поля допуска зависимой ключевой характеристики, которое получается в результате их взаимодействия.

 

 

Идеальные производственные процессы, которые будут производить детали, в этом случае, должны соответствовать плотностям распределения индивидуальных измерений (симметричные колоколообразные кривые выбраны условно), как представлено на рисунке ниже: стабильные, идеально центрированные и с распределением индивидуальных значений внутри поля допуска с некоторым свободным пространством. В этом случае заранее известно, что все детали будут 100% годными. Достаточно будет проводить редкую выборку деталей на контроль для подтверждения стабильного состояния процессов.

 

 

Теперь рассмотрим вариант на рисунке ниже, когда производственные процессы находятся в статистически управляемом (стабильном) состоянии, их разброс 6σ меньше ширины поля допуска (например, Cp≥1,33), но они не центрированы. Тогда, часть продукции будет вне поля допуска и дефектной. Не будет ни одной детали в номинале. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль, дорогостоящий и неэффективный. В этом случае заранее известно, что почти половина деталей будет несоответствующими.

 

 

Далее рассмотрим вариант (смотрите рисунок ниже), когда производственные процессы находятся в статистически управляемом состоянии, их разброс 6σ больше ширины поля допуска (например, Cp<1,00), и они идеально центрированы (например, Cpk≈Cp). Тогда, опять часть произведенной продукции будет вне поля допуска. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что некоторая часть деталей не будет соответствовать допуску.

 

 

Далее рассмотрим вариант (смотрите рисунок ниже), когда производственные процессы находятся в статистически управляемом состоянии, их разброс 6σ больше ширины поля допуска (например, Cp<1,00), и они не центрированы. Тогда, еще большая часть продукции будет вне поля допуска. Последствия очевидны. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что больше половины деталей будет несоответствующими.

 

 

На рисунке ниже еще один вариант, соответствующий условию, описанному для рисунка выше. Опять, последствия очевидны. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что больше половины деталей будет несоответствующими.

 

 

На рисунке ниже представлен другой вариант, когда реальные производственные процессы находятся в статистически неуправляемом (непредсказуемом) состоянии.

Их разброс 6σ непредсказуемо то сужается то расширяется, их среднее так же непредсказуемо меняет свое положение относительно номинала поля допуска.

Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. Никто не знает заранее сколько деталей будет несоответствующими, может и все 100%. Никто не может предсказать поведение статистически неуправляемых процессов. Общие совокупные потери предприятия от непредсказуемости производственных процессов самые большие! Детали производимые такими процессами не обладают однородностью.

 

Цифровая модель может быть идеальной, а потери компании в целом - максимальны.

 

 

Дополнительные тонкости в этом вопросе - учет ошибки системы измерения в более жестких производственных спецификациях и адекватность системы измерения измеряемым значениям, обсуждаются в других статьях.

 

Наконец мы пришли к проблеме, связанной с субоптимизацией на цифровой модели вместо необходимости оптимизации деятельности компании, как системы в целом.

 

 

Субоптимизации достичь легче, чем оптимизации. Однако субоптимизация обходится недешево. Субоптимизация может создать иллюзию улучшения, но в действительности она создает барьеры, препятствующие действительному прогрессу. Более того, субоптимизация одной части нередко вредит другим частям, так что в целом изменение наносит больше вреда, чем дает пользы. Кроме того, она затрудняет проведение по-настоящему выгодных преобразований.  - [1] Генри Нив

 

 

Из дальнейшей беседы стало ясно, что ни производственный менеджмент, ни проектировщики этой корпорации не знают о том, как на самом деле работают их реальные производственные процессы. А контрольные карты Шухарта для оценки состояния процессов и совершенствования до сих пор в корпорации не применяются. В это невозможно поверить!

 

В такой ситуации, инженерам-проектировщикам остается довольствоваться полями допусков и теоретическими свойствами материалов, а производственному персоналу без помощи менеджмента и понимания природы вариабельности каждый день совершать ошибки первого и второго рода в попытках произвести детали и собрать готовое изделие.

 

Отдельные KPI для разных подразделений компании лишь усугубляют положение дел.

 

 

А что происходит на вашем предприятии?

 

Э. Деминг подготовил вопросы в помощь менеджменту:

 

Стабильны ли ваши производственные процессы?

 

Откуда вам это известно?

 

Какими данными вы располагаете?

 

Что вы предпринимаете для того, чтобы преодолеть разрыв между проектированием продукции и фактическим производством и поставкой?

 

Если у вас нет вразумительных ответов на вышеизложенные вопросы, тогда как можете полагаться на цифровой сборочный процесс и замену натурных испытаний испытаниями вашей цифровой модели?!

 

 

Мы сокрушались о потерях материалов, человеческих усилий и машинного времени. Расточительство в отношении знаний, когда компания неспособна использовать имеющийся у нее потенциал и развивать его, достойно еще большего порицания.  - [2] Деминг, У. Э.

 

 

Ниже представлено очередное свидетельство субоптимизации на самой цифровой модели без учёта целей всей системы, для достижения которых цифровая модель должна была служить. Всё ради пресловутой производительности и сокращения затрат на разработку, без должного внимания качеству поставщиков и производственным процессам. В статье нет ни слова об успешной эксплуатации двигателей SaM146 на самолетах «Сухой Суперджет 100».  Видимо, в этой области, нечем гордиться?!

 

"На площадке ПАО «ОДК–Сатурн» действует специализированный программно-аппаратный комплекс по суперкомпьютерным вычислениям суммарной пиковой мощностью 114 терафлопс, который активно используется для проработки и принятия конструкторских решений. Двигатель SaM146 для SSJ100 (самолетов «Сухой Суперджет 100») был полностью спроектирован в цифре. Ранее считалось, что в среднем разработка двигателя занимает период в 10–12 лет. Двигатель SaM146 был разработан менее чем за 7 лет, если брать период с 2003 по 2010 годы – от идеи проекта до сертификации; если считать от разработки КД до получения сертификата типа, то получится период – менее чем 5 лет. При этом ряд испытаний заменили расчетными работами – виртуальными испытаниями, расчетным моделированием, что принималось и EASA, и российскими авиационными властями.

Если говорить об экономии средств, то можно привести простой пример, используя советскую статистику: для доводки двигателя, для выхода его на серийное производство изготавливалось обычно от 50 до 70 опытных образцов – опытных двигателей, которые проходили испытания. Их разрушали в процессе исследования, доводили, переделывали конструкцию. При создании двигателя SaM146 мы обошлись 8 опытными двигателями и разрушили только один из них во время испытаний; это были обязательные сертификационные испытания на обрыв лопатки вентилятора, и они прошли успешно. Такой результат стал возможен благодаря тому, что мы разработали двигатель в цифре, проверили его в цифре, промоделировали различные физические процессы, которые проистекают в двигателе, и все это внедрили на стадии создания опытных образцов в производстве".

 

Источник: up-pro.ru

 

 

 

Выходы нельзя рассматривать без учета целей, для достижения которых они были создан.  - [2] Деминг, У. Э.

 

 

 

Очередной пример иллюзии улучшений (субоптимизации):

 

"С точки зрения времени и затрат виртуальные испытания эффективнее реальных".  - PLM В КОНЦЕРНЕ «КАЛАШНИКОВ»,  Источник: up-pro.ru

 

В условиях, когда эффективность разработчиков изделий рассматривается с точки зрения сокращения времени и затрат на разработку, полагаться на замену реальных испытаний изделия виртуальными - очень дорогая ошибка для компании в целом. Все это - попытка срезать углы.

 

 

 

 

Вместе с тем систематический анализ эффективности производства необходим для определения, способствуют ли шаги по улучшению достижению цели и целесообразны ли они.  - Э. Деминг

 

 

 

Следующий фрагмент из работы Марвина Манделя «Измерение и повышение производительности в сфере услуг и в правительственных организациях» (Measuring and Enhancing the Productivity of Service and Government Organizations. – Aoyama Dai-ichi Mansions, 4–14 Akasaka 8-chome, Minatoku, Tokyo 107, 1975. – pp. 3–4) проливает свет на этот вопрос:

 

 

 

Выходы… нельзя рассматривать без учета целей, для достижения которых они были созданы…

Для создания некоторой основы давайте проанализируем несколько примеров. Говорят, что Томас Эдисон, великий американский изобретатель, предложил машину для голосования, чтобы улучшить эту процедуру в Конгрессе Соединенных Штатов. Он продемонстрировал свое устройство спикеру парламента и президенту сената. По задумке изобретателя каждый конгрессмен и сенатор имел бы на своем кресле три кнопки: красную, чтобы сказать «нет», зеленую – для «да» и белую – «воздержался».

Эдисон предложил, чтобы в начале голосования участники нажали соответствующую кнопку, после чего моментально появится отчет о том, как проголосовал каждый и каковы общие итоги. Эдисон с гордостью уверял спикера и председателя сената в том, что его устройство устранит ошибки, возникающие при использовании метода последовательного поименного голосования, значительно сократит время голосования и даст другие преимущества.

Он был совершенно потрясен, когда спикер палаты представителей и президент сената оборвали его на полуслове и заявили, что такая система совершенно нежелательна и, вместо того чтобы улучшить работу палаты или сената, совершенно расстроит налаженную работу Конгресса Соединенных Штатов. То, что являлось улучшением с точки зрения Эдисона, было, напротив, ухудшением с точки зрения Конгресса. Длительность процедуры последовательного поименного голосования была неотъемлемой частью совещательного процесса, в ходе которого Конгресс решал, что делать.

Предложение Эдисона – быстрое голосование – было несовместимо с целями Конгресса.

 

 

 

Что делать?

 

Прежде всего потребуется изменить стиль менеджмента избавиться от смертельных болезней и препятствий на пути преобразований.

 

При проектировании изделий продвиньтесь дальше использования таблицы допусков и примите во внимание возможности реальных процессов с присущей им вариабельностью геометрии, свойств материалов и других характеристик. При необходимости принимайте решение об изменении конструкции, допусков или требуйте от производственных подразделений и поставщиков совершенствования процессов с помощью контрольных карт Шухарта под руководством опытного инструктора. И не довольствуйтесь пустыми ответными заявлениями, требуйте статистического подтверждения характеристик качества в виде контрольных карт процессов.

 

Рекомендации по совершенствованию производственных процессов, я продемонстрировал в коротком видео ниже.

 

Видео 1. Дорожная карта совершенствования процессов

 

Условные обозначения элементов в видео:

НГД и ВГД - нижняя и верхняя границы допуска соответственно (анг, LSL и USL); m0 - номинал поля допуска; НГП и ВГП - нижняя и верхняя границы процесса (англ. LCL и UCL); ЦЛ - центральная линия процесса (среднее).

 

Дополнительную помощь в обмене информацией и налаживании командной работы между подразделениями проектирования, производства, закупок и продаж могут оказать инструменты управления качеством нового, даже по мировым меркам, класса SPC R&D QM с использованием статистического вариационного анализа для проверки правильности сопряжения полей допусков отдельных деталей и узлов сборки, учитывающие не только симуляцию предполагаемых вариаций геометрических размеров в поле допуска, но и реальную вариабельность важных показателей по данным производства и данным входного контроля комплектующих от поставщиков.

 

Соежините вашу цифровую CAD-модель с реальностью посредством контрольных карт Шухарта

 

 

Напоследок, хочу напомнить об одной из четырех неразрывно связанных частей Системы глубинных знаний, формализованных Э. Демингом, а именно, в части понимания систем. И предлагаю не увлекаться субоптимизацией каких-либо частей (подразделений) системы, а акцентировать внимание на улучшении взаимодействия всех компонентов системы по ее главным целям.

 

 

Система - цепь взаимосвязанных функций или действий внутри организации, совместно работающих для достижения целей организации.  - [2] Деминг, У. Э.

 

 

 

 

Производство рассматривается как система. Э. Деминг (1950г., Япония)

 

Рисунок. Производство рассматривается как система (материалы лекций Э. Деминга, 1950г., Япония)

 

 

 

Схема иллюстрирует направление не только потока материалов, но и потока информации, необходимой для управления компанией, как системой. Использование схемы обеспечивает обратную связь для постоянного усовершенствования товара или услуги, для непрерывного обучения.  -  [2] Э. Деминг

 

Открытые решения

Технический нокаут конкурентов

 

Как статистическая оценка параметров качества продукции поставщика авто-компонентов в кратчайшие сроки привела его к значительному увеличению объема продаж и прибыли.

Нормирование производственных процессов

 

Статистическое управление процессами (SPC) против Нормирования производственных процессов и операций. Тест на уровень организационного развития.

Использование KPI в системе мотивации

 

Каждый представляет или пытается подать себя в выгодном свете для собственного выживания. Организация в целом проигрывает.

Премирование сотрудников

 

Премировать или депремировать сотрудников компании, за результат отчетного периода в пределах системы, все равно, что вознаграждать за выигрыш в лотерею или наказывать за проигрыш

Повышение производительности и качества в результате прекращения бесконечного вмешательства оператора

 

Видели бы вы на что была похожа работа людей. Оператор носился между отбором образцов листа с каждой полосы для измерений и пультом управления

АСУ ТП. Ошибки первого и второго рода

 

Контрольные карты шухарта позволяют получить индивидуальную сигнатуру сбоев и отследить проблемы с процессами и оборудованием на ранней стадии до того, как будет достигнута граница аварийного состояния.

Построение контрольных карт по неадекватным единицам измерения ведет к ошибочным выводам

 

Все записи велись в корпоративной информационной системе (КИС) с переносом полученных измерений с дисплея высокоточного дорогого измерительного оборудования. И все бы ничего, но результаты испытаний никто в компании не анализировал.

Анализ количества исходящих контактов отдела продаж

 

Самое важное применение принципов статистического контроля качества, под которыми я подразумеваю знания об общих и особых причинах вариаций, в управлении человеческими ресурсами.

Бесполезные ERP-системы или новое по для старой компании

 

Никакая ERP-система не решает фундаментальные проблемы компании

Управления на основе страха

 

Люди на производстве будут заняты поиском способов сокрытия проблем любой ценой.

KPI в управлении качеством

 

Одна российская госкорпорация на своем корпоративном сайте сообщила о конкретных численных целях в области качества. Но если можно добиться цели без метода, то почему они не сделали это в прошлом году?

Качество или количество?

 

«На вашей фабрике применяется система сдельной оплаты. Не существует лучшей гарантии некачественной работы».  Э. Деминг

Сравнение среднемесячных значений с нормативами для индивидуальных измерений - невежество

 

В этом случае среднемесячное индивидуальных измерений, подобно средней температуре по больнице 36,6 °C, где все лежат при смерти.

Достаточно ли анализа гистограмм распределения? Начинайте с построения контрольных карт Шухарта

 

Анализ гистограмм распределения, расчет индексов воспроизводимости Cp и Cpk без понимания статистического состояния процесса - невежество!

Проблемы применения таблиц выборочного приёмочного контроля качества

 

Применение стандартов выборочного контроля по количественному и альтернативному признаку не дают представления о контролируемой партии и вводят в заблуждение поставщиков и потребителей.

Деньги есть, знаний не надо - обычная практика доминирующего стиля менеджмента

 

Надо заметить, что такого бросающегося в глаза порядка, я не видел ни на одном предприятии. Как оказалось позже, это единственное, что можно было сделать имея финансовые возможности.

Субоптимизация на цифровой модели - иллюзия улучшений

 

Проектируя в CAD полагаетесь на испытания цифровой модели построенной в номинале? Тогда ждите проблем со сборкой узлов и поведением готового изделия в реальных условиях.

Соответствующая спецификации продукция действительно соответствующая?

 

Проблемы возникающие при разделении продукции на соответствующую и несоответствующую спецификации.

 

 

 

Фундаментальные знания

14 пунктов программы доктора Э. Деминга для менеджмента

Система глубинных знаний. Deming's System of Profound Knowledge (SoPK)

Смертельные болезни и препятствия на пути к преобразованиям

Биографические данные Эдвардса Деминга

Предостережение Э. Деминга в предисловии к его книге «Выход из кризиса»

Вопросы в помощь менеджменту компаний от Эдвардса Деминга

Природа вариабельности

Преобразование и непрерывное совершенствование системы закупок

Эксперимент Э. Деминга с красными бусинами. Dr. Deming's Red Bead Experiment

Эксперимент Э. Деминга "Воронка и мишень". Dr. Deming's Funnel Experiment

Операциональные определения (operational definition)

Всё или ничего вместо использования таблиц для выборочного приемочного контроля

Управление по целям (MBO), что не так?

Система мотивации персонала

О вреде премирования

Бессмысленность поиска примеров

Ошибочная привлекательность конкуренции

Вирусная теория менеджмента

Концепция вариабельности в процессах организационного управления

Концепция вариабельности и управление персоналом

Концепция вариабельности и управление технологическими процессами

Не путайте удачу с успехом

Теги статьи

Контрольные карты Шухарта, статистический контроль, статистическое управление процессами, SPC, Statistical Process Control, цифровизация завода, цифровая модель изделия, чем отличается цифровая модель от натурной, проблемы цифровизации без понимания вариабельности реального мира, цифровая и натуральная модель - в чем разница, как приблизить цифровую модель к натуральной, испытания цифровой модели и натурной, заменят ли испытания цифровой модели испытания натуральной модели, R&D и вариабельность производственных процессов, почему производство не может выпускать изделия в номинале, что такое GD&T (Geometric dimensioning and tolerancing), трёхмерный статистический вариационный анализ, как технические допуски могут учитывать вариабельность производственных процессов, менять поля допусков или уменьшать вариабельность производственных процессов и настраивать среднее процессов по номиналу.

 

DEMING.PRO   |   Санкт-Петербург   |   Тел.: +7 (911) 711-93-27, E-mail: s.grigoryev@deming.pro

Субоптимизация на цифровизации. Иллюзия улучшений

Проектируя в CAD полагаетесь на испытания цифровой модели построенной в номинале? Тогда ждите проблем со сборкой узлов и поведением готового изделия в реальных условиях

 

Ниже представлены свидетельства повсеместной субоптимизации на собственно цифровой модели без учёта целей, для достижения которых цифровая модель должна была служить.

 

Григорьев С. П.

 

 

Наша команда выступала на совещании в научно-производственной российской госкорпорации с докладом о необходимости понимания возможностей реальных производственных процессов с точки зрения вариабельности ключевых показателей качества при проектировании и производстве изделий.

 

Я считаю, что именно российские госкорпорации наиболее ответственны судьбу экономики России, обладая самыми большими производственными мощностями и человеческими ресурсами. Именно они находятся в привилегированном положении и должны заняться фундаментальными изменениями стиля менеджмента, пока государство поддерживает их госзаказами. Когда государственная поддержка закончится у них не будет ни сил и ни средств для выживания, а тысячи людей потеряют работу. До сих пор нет даже признаков таких преобразований.

 

Один из разделов доклада был посвящён проблемам с качеством проектируемых изделий без понимания статистического состояния и возможностей реальных процессов производства, как собственного так и поставщиков. Т. е. без статистического подтверждения качества. В частности, заместитель генерального конструктора (ЗГК) одного из предприятий этой корпорации сообщал, что строительство нового ЦОД (центр хранения и обработки данных) позволит сократить натурные испытания.

 

Наше отношение к заявлению ЗГК: Пока вам неизвестны возможности реальных процессов, мы рекомендуем остеречься таких заявлений.

 

Перед тем как вы подойдёте к возможности хотя бы частичной замены натурных испытаний испытаниями цифровой модели, в ближайшей перспективе этого не случится, вы должны понимать, чем и в каком размере вы пренебрежёте. Проще говоря, вы должны понимать, насколько результат испытаний цифровой модели будет отличаться от натурных испытаний экспериментальных моделей и тем более от серийных изделий. Предполагая о незначительности влияния факторов, которыми вы готовы пренебречь, вы должны понимать, что результирующая этих и неучтённых (игнорируемых, не дифференцируемых и/или численно неизмеримых) факторов с учётом присущей им вариабельности может значительно, с точки зрения цели испытаний, превысить ваши предположения. Вы считаете, что это не так? Откуда вам это известно? Какими данными вы обладаете для таких выводов?

 

Если вы рассчитываете впоследствии сравнить результаты цифровой модели с испытаниями реальных прототипов, то какое количество прототипов планируете для этого произвести и испытать: 1; 5; 8; 25? Эти прототипы будут однородны? Откуда вам это известно? Для утверждения об однородности прототипов вы должны иметь подтверждение статистической управляемости (предсказуемого состояния) собственных производственных процессов и производственных процессов поставщиков, задействованных при производстве прототипов. Сможете продемонстрировать контрольные карты этих процессов по всем ключевым параметрам?

 

Далее представлено пояснение нашего утверждения.

 

Конструирование в автоматизированных системах проектирования (CAD) осуществляющееся в номинале, цифровая модель, это не то, что получится в "железе". Проектировщики должны использовать данные о присущей реальным производственным процессам вариабельности, чтобы при необходимости принять решение об изменении конструкции, материалов, технологии, допусков или требовать от производственных подразделений и поставщиков совершенствования процессов и технологии еще до начала производства реального прототипа.

 

Мы внимательно изучили открытое корпоративное издание ключевой производственной компании этой корпорации. В издании сотрудники предприятия, достаточно подробно, сообщали о проблемах с которыми им приходится сталкиваться на производстве. В частности инженер-технолог сборочного цеха сообщал:

 

"Технологу приходится искать оптимальное решение проблемы, возникающей в процессе сборки, поэтому он вынужден оперативно реагировать на сложившуюся ситуацию. Учитывая, что может возникать несколько экстренных ситуаций, приходится разрываться и везде успевать. Это нормальный темп работы инженера-технолога в сборочном цехе".

 

Этот технолог настолько привык к постоянству экстренных ситуаций при сборке изделий, что сам признает это нормальным. Таким образом подтверждая постоянство (стабильность) проблем при сборке. А стабильность - признак системных проблем. Работа с системными проблемами, это ответственность менеджмента, а не технолога.

 

Кузнец рассказал следующее:

 

"Когда кузнец нагревает заготовку в горне, то визуально определяет температуру и чувствует готовность металла к ковке. При нагреве из него выгорает углерод и другие легирующие элементы, поэтому важно не перегреть. Например, новички добиваются желаемой формы от металла за четыре нагрева, опытному кузнецу достаточно двух".

 

А проектировщики учли, эту неопределённость производственного процесса? Кто-нибудь знает, что за сплав получается после неопределённого количества нагрева до температуры, определяемой "на глаз" разными кузнецами в разных условиях?  Помогут ли в этом случае автоматизированные расчеты прочности цифровой модели спрогнозировать прочность реальных изделий?!

 

Нами были приведены и другие примеры, демонстрирующие непонимание менеджментом предприятия своей ответственности за качество, которые я не публикую в этой статье.

 

Надеюсь, теперь становится яснее насколько может отличаться цифровая модель, построенная из деталей в номинале допусков и сплавов с заложенными при проектировании требованиями, от реального прототипа. Если же речь идёт о серийных изделиях, то эти различия будут ещё большими. В условиях существования барьеров между подразделениями, занимающимися проектированием, производством, поставками и работой с поставщиками, отказ от натурных испытаний изделий с сотнями и даже тысячами деталей приведёт к огромным потерям, истинные причины которых так и не будут распознаны менеджментом этой корпорации.

 

 

Далее мы предложили присутствующим на совещании рассмотреть варианты самого простого сопряжения полей допусков вала и отверстия в посадке с зазором. Вариабельность геометрических размеров реальных деталей, это самое малое, что отличает цифровую модель от натурной.

 

Трехмерного статистического вариационного анализа  в области GD&T (Geometric dimensioning and tolerancing)В передовых компаниях для проверки правильного сопряжения полей допусков в цифровой модели давно используются инструменты автоматизированной симуляции в области GD&T (Geometric dimensioning and tolerancing). Так, например, в издании The Boeing Company "Advanced Quality System Tools" (стр. 51) ещё от 1998 года описывается цель и принцип работы Трехмерного статистического вариационного анализа. Более подробно смотрите обсуждение этого вопроса в документе [23] Boeing Company report ISSTECH-95-030, Tolerance Stack Analysis Methods, authored by Fritz Scholz, 1995.

 

 

Ниже представлено условное отображение сопряжения полей допусков вала и отверстия. Проектировщики будут создавать детали в CAD в номинале. В лучших случаях (в самых продвинутых российских компаниях), цифровая модель будет проверена на совмещение полей допусков сопряженно работающих деталей и соблюдение поля допуска зависимой ключевой характеристики, которое получается в результате их взаимодействия.

 

 

Идеальные производственные процессы, которые будут производить детали, в этом случае, должны соответствовать плотностям распределения индивидуальных измерений (симметричные колоколообразные кривые выбраны условно), как представлено на рисунке ниже: стабильные, идеально центрированные и с распределением индивидуальных значений внутри поля допуска с некоторым свободным пространством. В этом случае заранее известно, что все детали будут 100% годными. Достаточно будет проводить редкую выборку деталей на контроль для подтверждения стабильного состояния процессов.

 

 

Теперь рассмотрим вариант на рисунке ниже, когда производственные процессы находятся в статистически управляемом (стабильном) состоянии, их разброс 6σ меньше ширины поля допуска (например, Cp≥1,33), но они не центрированы. Тогда, часть продукции будет вне поля допуска и дефектной. Не будет ни одной детали в номинале. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль, дорогостоящий и неэффективный. В этом случае заранее известно, что почти половина деталей будет несоответствующими.

 

 

Далее рассмотрим вариант (смотрите рисунок ниже), когда производственные процессы находятся в статистически управляемом состоянии, их разброс 6σ больше ширины поля допуска (например, Cp<1,00), и они идеально центрированы (например, Cpk≈Cp). Тогда, опять часть произведенной продукции будет вне поля допуска. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что некоторая часть деталей не будет соответствовать допуску.

 

 

Далее рассмотрим вариант (смотрите рисунок ниже), когда производственные процессы находятся в статистически управляемом состоянии, их разброс 6σ больше ширины поля допуска (например, Cp<1,00), и они не центрированы. Тогда, еще большая часть продукции будет вне поля допуска. Последствия очевидны. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что больше половины деталей будет несоответствующими.

 

 

На рисунке ниже еще один вариант, соответствующий условию, описанному для рисунка выше. Опять, последствия очевидны. Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. В этом случае заранее известно, что больше половины деталей будет несоответствующими.

 

 

На рисунке ниже представлен другой вариант, когда реальные производственные процессы находятся в статистически неуправляемом (непредсказуемом) состоянии.

Их разброс 6σ непредсказуемо то сужается то расширяется, их среднее так же непредсказуемо меняет свое положение относительно номинала поля допуска.

Придется разделить все произведенные детали на соответствующие полю допуска и несоответствующие, проводя 100% контроль. Никто не знает заранее сколько деталей будет несоответствующими, может и все 100%. Никто не может предсказать поведение статистически неуправляемых процессов. Общие совокупные потери предприятия от непредсказуемости производственных процессов самые большие! Детали производимые такими процессами не обладают однородностью.

 

Цифровая модель может быть идеальной, а потери компании в целом - максимальны.

 

 

Дополнительные тонкости в этом вопросе - учет ошибки системы измерения в более жестких производственных спецификациях и адекватность системы измерения измеряемым значениям, обсуждаются в других статьях.

 

Наконец мы пришли к проблеме, связанной с субоптимизацией на цифровой модели вместо необходимости оптимизации деятельности компании, как системы в целом.

 

 

Субоптимизации достичь легче, чем оптимизации. Однако субоптимизация обходится недешево. Субоптимизация может создать иллюзию улучшения, но в действительности она создает барьеры, препятствующие действительному прогрессу. Более того, субоптимизация одной части нередко вредит другим частям, так что в целом изменение наносит больше вреда, чем дает пользы. Кроме того, она затрудняет проведение по-настоящему выгодных преобразований.  - [1] Генри Нив

 

 

Из дальнейшей беседы стало ясно, что ни производственный менеджмент, ни проектировщики этой корпорации не знают о том, как на самом деле работают их реальные производственные процессы. А контрольные карты Шухарта для оценки состояния процессов и совершенствования до сих пор в корпорации не применяются. В это невозможно поверить!

 

В такой ситуации, инженерам-проектировщикам остается довольствоваться полями допусков и теоретическими свойствами материалов, а производственному персоналу без помощи менеджмента и понимания природы вариабельности каждый день совершать ошибки первого и второго рода в попытках произвести детали и собрать готовое изделие.

 

Отдельные KPI для разных подразделений компании лишь усугубляют положение дел.

 

 

А что происходит на вашем предприятии?

 

Э. Деминг подготовил вопросы в помощь менеджменту:

 

Стабильны ли ваши производственные процессы?

 

Откуда вам это известно?

 

Какими данными вы располагаете?

 

Что вы предпринимаете для того, чтобы преодолеть разрыв между проектированием продукции и фактическим производством и поставкой?

 

Если у вас нет вразумительных ответов на вышеизложенные вопросы, тогда как можете полагаться на цифровой сборочный процесс и замену натурных испытаний испытаниями вашей цифровой модели?!

 

 

Мы сокрушались о потерях материалов, человеческих усилий и машинного времени. Расточительство в отношении знаний, когда компания неспособна использовать имеющийся у нее потенциал и развивать его, достойно еще большего порицания.  - [2] Деминг, У. Э.

 

 

Ниже представлено очередное свидетельство субоптимизации на самой цифровой модели без учёта целей всей системы, для достижения которых цифровая модель должна была служить. Всё ради пресловутой производительности и сокращения затрат на разработку, без должного внимания качеству поставщиков и производственным процессам. В статье нет ни слова об успешной эксплуатации двигателей SaM146 на самолетах «Сухой Суперджет 100».  Видимо, в этой области, нечем гордиться?!

 

"На площадке ПАО «ОДК–Сатурн» действует специализированный программно-аппаратный комплекс по суперкомпьютерным вычислениям суммарной пиковой мощностью 114 терафлопс, который активно используется для проработки и принятия конструкторских решений. Двигатель SaM146 для SSJ100 (самолетов «Сухой Суперджет 100») был полностью спроектирован в цифре. Ранее считалось, что в среднем разработка двигателя занимает период в 10–12 лет. Двигатель SaM146 был разработан менее чем за 7 лет, если брать период с 2003 по 2010 годы – от идеи проекта до сертификации; если считать от разработки КД до получения сертификата типа, то получится период – менее чем 5 лет. При этом ряд испытаний заменили расчетными работами – виртуальными испытаниями, расчетным моделированием, что принималось и EASA, и российскими авиационными властями.

Если говорить об экономии средств, то можно привести простой пример, используя советскую статистику: для доводки двигателя, для выхода его на серийное производство изготавливалось обычно от 50 до 70 опытных образцов – опытных двигателей, которые проходили испытания. Их разрушали в процессе исследования, доводили, переделывали конструкцию. При создании двигателя SaM146 мы обошлись 8 опытными двигателями и разрушили только один из них во время испытаний; это были обязательные сертификационные испытания на обрыв лопатки вентилятора, и они прошли успешно. Такой результат стал возможен благодаря тому, что мы разработали двигатель в цифре, проверили его в цифре, промоделировали различные физические процессы, которые проистекают в двигателе, и все это внедрили на стадии создания опытных образцов в производстве".

 

Источник: up-pro.ru

 

 

 

Выходы нельзя рассматривать без учета целей, для достижения которых они были создан.  - [2] Деминг, У. Э.

 

 

 

Очередной пример иллюзии улучшений (субоптимизации):

 

"С точки зрения времени и затрат виртуальные испытания эффективнее реальных".  - PLM В КОНЦЕРНЕ «КАЛАШНИКОВ»,  Источник: up-pro.ru

 

В условиях, когда эффективность разработчиков изделий рассматривается с точки зрения сокращения времени и затрат на разработку, полагаться на замену реальных испытаний изделия виртуальными - очень дорогая ошибка для компании в целом. Все это - попытка срезать углы.

 

 

 

 

Вместе с тем систематический анализ эффективности производства необходим для определения, способствуют ли шаги по улучшению достижению цели и целесообразны ли они.  - Э. Деминг

 

 

 

Следующий фрагмент из работы Марвина Манделя «Измерение и повышение производительности в сфере услуг и в правительственных организациях» (Measuring and Enhancing the Productivity of Service and Government Organizations. – Aoyama Dai-ichi Mansions, 4–14 Akasaka 8-chome, Minatoku, Tokyo 107, 1975. – pp. 3–4) проливает свет на этот вопрос:

 

 

 

Выходы… нельзя рассматривать без учета целей, для достижения которых они были созданы…

Для создания некоторой основы давайте проанализируем несколько примеров. Говорят, что Томас Эдисон, великий американский изобретатель, предложил машину для голосования, чтобы улучшить эту процедуру в Конгрессе Соединенных Штатов. Он продемонстрировал свое устройство спикеру парламента и президенту сената. По задумке изобретателя каждый конгрессмен и сенатор имел бы на своем кресле три кнопки: красную, чтобы сказать «нет», зеленую – для «да» и белую – «воздержался».

Эдисон предложил, чтобы в начале голосования участники нажали соответствующую кнопку, после чего моментально появится отчет о том, как проголосовал каждый и каковы общие итоги. Эдисон с гордостью уверял спикера и председателя сената в том, что его устройство устранит ошибки, возникающие при использовании метода последовательного поименного голосования, значительно сократит время голосования и даст другие преимущества.

Он был совершенно потрясен, когда спикер палаты представителей и президент сената оборвали его на полуслове и заявили, что такая система совершенно нежелательна и, вместо того чтобы улучшить работу палаты или сената, совершенно расстроит налаженную работу Конгресса Соединенных Штатов. То, что являлось улучшением с точки зрения Эдисона, было, напротив, ухудшением с точки зрения Конгресса. Длительность процедуры последовательного поименного голосования была неотъемлемой частью совещательного процесса, в ходе которого Конгресс решал, что делать.

Предложение Эдисона – быстрое голосование – было несовместимо с целями Конгресса.

 

 

 

Что делать?

 

Прежде всего потребуется изменить стиль менеджмента избавиться от смертельных болезней и препятствий на пути преобразований.

 

При проектировании изделий продвиньтесь дальше использования таблицы допусков и примите во внимание возможности реальных процессов с присущей им вариабельностью геометрии, свойств материалов и других характеристик. При необходимости принимайте решение об изменении конструкции, допусков или требуйте от производственных подразделений и поставщиков совершенствования процессов с помощью контрольных карт Шухарта под руководством опытного инструктора. И не довольствуйтесь пустыми ответными заявлениями, требуйте статистического подтверждения характеристик качества в виде контрольных карт процессов.

 

Рекомендации по совершенствованию производственных процессов, я продемонстрировал в коротком видео ниже.

 

Видео 1. Дорожная карта совершенствования процессов

 

Условные обозначения элементов в видео:

НГД и ВГД - нижняя и верхняя границы допуска соответственно (анг, LSL и USL); m0 - номинал поля допуска; НГП и ВГП - нижняя и верхняя границы процесса (англ. LCL и UCL); ЦЛ - центральная линия процесса (среднее).

 

Дополнительную помощь в обмене информацией и налаживании командной работы между подразделениями проектирования, производства, закупок и продаж могут оказать инструменты управления качеством нового, даже по мировым меркам, класса SPC R&D QM с использованием статистического вариационного анализа для проверки правильности сопряжения полей допусков отдельных деталей и узлов сборки, учитывающие не только симуляцию предполагаемых вариаций геометрических размеров в поле допуска, но и реальную вариабельность важных показателей по данным производства и данным входного контроля комплектующих от поставщиков.

 

Соежините вашу цифровую CAD-модель с реальностью посредством контрольных карт Шухарта

 

 

Напоследок, хочу напомнить об одной из четырех неразрывно связанных частей Системы глубинных знаний, формализованных Э. Демингом, а именно, в части понимания систем. И предлагаю не увлекаться субоптимизацией каких-либо частей (подразделений) системы, а акцентировать внимание на улучшении взаимодействия всех компонентов системы по ее главным целям.

 

 

Система - цепь взаимосвязанных функций или действий внутри организации, совместно работающих для достижения целей организации.  - [2] Деминг, У. Э.

 

 

 

 

Производство рассматривается как система. Э. Деминг (1950г., Япония)

 

Рисунок. Производство рассматривается как система (материалы лекций Э. Деминга, 1950г., Япония)

 

 

 

Схема иллюстрирует направление не только потока материалов, но и потока информации, необходимой для управления компанией, как системой. Использование схемы обеспечивает обратную связь для постоянного усовершенствования товара или услуги, для непрерывного обучения.  -  [2] Э. Деминг

 

Соежините вашу цифровую CAD-модель с реальностью посредством контрольных карт Шухарта

Производство рассматривается как система. Э. Деминг (1950г., Япония)

Трехмерного статистического вариационного анализа  в области GD&T (Geometric dimensioning and tolerancing)

Соежините вашу цифровую CAD-модель с реальностью посредством контрольных карт Шухарта

Производство рассматривается как система. Э. Деминг (1950г., Япония)

Трехмерного статистического вариационного анализа  в области GD&T (Geometric dimensioning and tolerancing)

Соежините вашу цифровую CAD-модель с реальностью посредством контрольных карт Шухарта

Производство рассматривается как система. Э. Деминг (1950г., Япония)