الإحصاء في ضبط الجودة الصناعية

لماذا الإحصاء في المصنع؟

في مصنع للبراغي، لا يمكن إنتاج كل برغي بقطر 10.000 مم بالضبط. بعضها 10.02، وبعضها 9.98. هذا التباين طبيعي — لكنه عدو الجودة. الإحصاء الصناعي هو الأداة التي تُميّز بين التباين الطبيعي المقبول والمشكلة الحقيقية التي تتطلب تدخلاً.

بدون إحصاء، يكتشف المصنع العيوب بعد فوات الأوان — عند شكوى العميل. مع الإحصاء، يكتشفها أثناء الإنتاج ويُصلح السبب قبل أن يتفاقم.

المتوسط والانحراف المعياري

كل قياس صناعي يبدأ برقمين أساسيين:

المتوسط الحسابي (Mean): القيمة المركزية لمجموعة القياسات:

μ = (x₁ + x₂ + ... + xₙ) / n

مثال: قياس أقطار 5 براغي: 10.02, 9.98, 10.01, 9.99, 10.00 مم. المتوسط = 10.00 مم.

الانحراف المعياري (Standard Deviation): مقياس تشتت القيم حول المتوسط:

σ = √(Σ(xᵢ - μ)² / n)

انحراف معياري صغير يعني إنتاجاً متناسقاً. انحراف كبير يعني فوضى. في المثال أعلاه: σ ≈ 0.014 مم — تشتت ضئيل جداً.

التوزيع الطبيعي وقاعدة 3σ

عند قياس آلاف القطع، تتوزع القيم حول المتوسط بشكل جرسي يُعرف بـالتوزيع الطبيعي (Normal Distribution). هذا الشكل يُخبرنا بقاعدة ذهبية:

68.27% من القيم تقع ضمن μ ± 1σ
95.45% من القيم تقع ضمن μ ± 2σ
99.73% من القيم تقع ضمن μ ± 3σ

هذه هي قاعدة 68-95-99.7. في التطبيق الصناعي: إذا كان قطر البرغي المطلوب 10.00 ± 0.05 مم، وكان σ = 0.014 مم، فإن حدود 3σ = 10.00 ± 0.042 مم — داخل المواصفات بأمان.

مخططات التحكم (Control Charts)

ابتكرها والتر شوهارت في عشرينيات القرن العشرين في مختبرات بيل. الفكرة بسيطة: ارسم القياسات عبر الزمن وضع حدوداً إحصائية:

UCL = الحد العلوي = μ + 3σ
CL  = خط المركز = μ
LCL = الحد السفلي = μ - 3σ

أي نقطة تتجاوز UCL أو LCL تعني أن العملية خرجت عن السيطرة — يجب التوقف والتحقيق.

مخطط X̄-R

يُستخدم للبيانات المتصلة (أطوال، أقطار، أوزان). يُؤخذ عينات صغيرة (عادة 4-5 قطع) كل فترة زمنية:

مخطط X̄: يتتبع متوسط كل عينة — يكشف انزياح المركز
مخطط R: يتتبع المدى (أكبر قيمة - أصغر قيمة) في كل عينة — يكشف زيادة التشتت

في مصنع مكونات السيارات، يسحب المشغّل 5 قطع كل ساعة ويقيسها. إذا ارتفع X̄ فوق UCL، ربما تآكلت أداة القطع. إذا اتسع R، ربما اهتزت آلة التثبيت.

مخطط P للنسب

يُستخدم للبيانات الثنائية: مقبول أو مرفوض. يحسب نسبة العيوب في كل دفعة:

p = عدد المعيبة / حجم العينة
UCL = p̄ + 3 × √(p̄(1-p̄)/n)
LCL = p̄ - 3 × √(p̄(1-p̄)/n)

مثال: في خط إنتاج لوحات إلكترونية، نسبة العيوب المعتادة 2%. إذا قفزت إلى 5% في دفعة ما، يكشف مخطط P ذلك فوراً.

مؤشر القدرة Cp و Cpk

هل العملية الإنتاجية قادرة على تلبية المواصفات؟ مؤشرات القدرة تُجيب:

Cp يقيس عرض التباين مقارنة بعرض المواصفات:

Cp = (USL - LSL) / (6σ)

USL = الحد الأعلى للمواصفات، LSL = الحد الأدنى. إذا Cp = 1، التباين يملأ المواصفات بالكامل. إذا Cp = 2، التباين يشغل نصف المواصفات فقط — ممتاز.

Cpk يُضيف عامل التمركز — هل المتوسط في المنتصف؟

Cpk = min((USL - μ) / 3σ, (μ - LSL) / 3σ)

في صناعة السيارات، المعيار المطلوب عادة Cpk ≥ 1.33. في صناعة الطيران، Cpk ≥ 1.67. القيمة المنخفضة تعني أن العملية تحتاج تحسيناً قبل الإنتاج الكمّي.

Six Sigma: 3.4 عيب لكل مليون

Six Sigma منهجية طوّرتها شركة موتورولا في الثمانينيات وتبنتها جنرال إلكتريك بقوة في التسعينيات. الاسم يأتي من الهدف: أن تكون حدود المواصفات على بعد 6σ من المتوسط.

مستوى 3σ  →  66,807 عيب/مليون  →  93.32%
مستوى 4σ  →   6,210 عيب/مليون  →  99.38%
مستوى 5σ  →     233 عيب/مليون  →  99.977%
مستوى 6σ  →     3.4 عيب/مليون  →  99.99966%

المنهجية تتبع دورة DMAIC: التعريف (Define)، القياس (Measure)، التحليل (Analyze)، التحسين (Improve)، الضبط (Control).

تطبيق عملي: مصنع إلكترونيات يُنتج مليون لحام يومياً. عند مستوى 3σ يُنتج 66,807 لحام معيب — كارثة. عند 6σ يُنتج 3.4 فقط.

الخلاصة

الإحصاء الصناعي يُحوّل ضبط الجودة من فحص عشوائي إلى نظام علمي. المتوسط والانحراف المعياري يصفان العملية، التوزيع الطبيعي يُحدد احتمالات العيوب، مخططات التحكم تُراقب الاستقرار لحظياً، مؤشرات Cp وCpk تقيس القدرة، وSix Sigma تضع الهدف النهائي. المصانع التي تُتقن هذه الأدوات تُقلّل الهدر وتكسب ثقة العملاء.