Начало применению статистических методов контроля и управления качеством положил американский физик У. Шухарт, когда в 1924 году предложил использовать диаграмму (сейчас ее называют контрольной картой) и методику ее статистической оценки для анализа качества продукции. Затем в разных странах было разработано много статистических методов анализа и контроля качества. В середине 1960‑х годов в Японии получили широкое распространение кружки качества. Чтобы вооружить их эффективным инструментом анализа и управления качеством, японские ученые отобрали из всего множества известных инструментов 7 методов.

Заслуга ученых, и в первую очередь профессора Исикавы, состоит в том, что они обеспечили простоту, наглядность, визуализацию этих методов, превратив их фактически в эффективные инструменты анализа и управления качеством. Их можно понять и эффективно использовать без специальной математической подготовки.

Эти методы в научно‑технической литературе получили название «Семь инструментов контроля качества» и «Семь основных инструментов контроля» . В дальнейшем их число увеличилось и, поскольку общим для них является доступность для всего персонала фирмы, их стали называть «простые инструменты контроля качества».

При всей своей простоте эти методы позволяют сохранить связь со статистикой и дают возможность профессионалам пользоваться результатами этих методов и при необходимости совершенствовать их. К простым инструментам контроля качества относятся следующие статистические методы: контрольный листок, гистограмма, диаграмма разброса, диаграмма Парето, стратификация (расслоение), графики, диаграмма Исикавы (причинно‑следственная диаграмма), контрольная карта. Эти методы можно рассматривать и как отдельные инструменты, и как систему методов (разную в различных обстоятельствах).

Применение этих инструментов в производственных условиях позволяет реализовать важный принцип функционирования СМК в соответствии с МС ISO серии 9000 версии 2000 года – «принятие решений, основанное на фактах». Инструменты контроля качества дают возможность получить эти факты, достоверную информацию о состоянии изучаемых процессов. Перечисленные инструменты контроля качества используют в основном исполнители (менеджеры) первой линии для контроля и улучшения конкретных процессов. Причем это могут быть как производственные, так и бизнес‑процессы (делопроизводство, финансовые процессы, управление производством, снабжением, сбытом и т. п.). Комплексный характер управления качеством на всех этапах жизненного цикла продукции и производства является, как известно, непременным условием Всеобщего управления качеством (см. п. 1.8).

Контроль качества состоит в том, чтобы, проверяя нужным образом подобранные данные, обнаружить отклонение параметров от запланированных значений при его возникновении, найти причину его появления, а после устранения причины проверить соответствие данных запланированным (стандарту или норме). Так реализуется известный цикл PDCA, или цикл Деминга (см. п. 1.8).

Источником данных при осуществлении контроля качества служат следующие мероприятия .

1. Инспекционный контроль: регистрация данных входного контроля исходного сырья и материалов; регистрация данных контроля готовых изделий; регистрация данных инспекционного контроля процесса (промежуточного контроля) и т. д.

2. Производство и технологии: регистрация данных контроля процесса; повседневная информация о применяемых операциях, регистрация данных контроля оборудования (неполадки, ремонт, техническое обслуживание); патенты и статьи из периодической печати и т. д.

3. Поставки материалов и сбыт продукции: регистрация движения через склады (входная и выходная нагрузка); регистрация сбыта продукции (данные о получении и выплате денежных сумм, контроль срока поставок) и т. д.

4. Управление и делопроизводство: регистрация прибыли; регистрация возвращенной продукции; регистрация обслуживания постоянных клиентов; журнал регистрации продажи; регистрация обработки рекламаций; материалы анализа рынка и т. д.

5. Финансовые операции: таблица сопоставления дебета и кредита; регистрация подсчета потерь; экономические расчеты и т. д.

Очень редко для заключения о качестве данные используются в том виде, в каком они были получены. Это бывает только в случаях, когда возможно прямое сравнение измеренных данных со стандартом. Чаще же при анализе данных проводятся различные операции: находят среднее значение и стандартное отклонение, оценивают разброс данных и т. д.

Решение той или иной проблемы с помощью рассматриваемых методов обычно производится по следующей схеме.

1. Оценка отклонений параметров от установленной нормы. Выполняется часто с помощью контрольных карт и гистограмм.

2. Оценка факторов, явившихся причиной возникновения проблемы. Проводят расслоение (стратификацию) по зависимостям между видами брака (дефектами) и влияющими факторами и с помощью диаграммы разброса исследуют тесноту взаимосвязей, применяют также причинно‑следственную диаграмму.

3. Определение важнейших факторов, явившихся причиной отклонений параметров. Используют диаграмму Парето.

4. Разработка мероприятий по устранению проблемы.

5. После внедрения мероприятий – оценка их эффективности с помощью контрольных карт, гистограмм, диаграмм Парето.

В случае необходимости цикл повторяют до тех пор, пока проблема не будет решена.

Регистрацию результатов наблюдений выполняют часто с помощью графиков, контрольных листков и контрольных карт.

Рассмотрим суть и методику применения указанных простых методов контроля качества.

Контрольный листок

Контрольный листок используется как для регистрации опытных данных, так и для предварительной их систематизации. Имеются сотни различных видов контрольных листков. Чаще всего они оформляются в виде таблицы или графика. На рис. 4.16 приведен контрольный листок, который был разработан для поиска причин низкой надежности телевизоров трех моделей одной фирмы. Листки заполняли техники‑ремонтники гарантийной мастерской, которые занимались непосредственно ремонтом этих телевизоров. Каждый листок заполнял один ремонтник в течение недели. Контрольный листок содержит краткую, но ясную инструкцию по методике его заполнения. Выбор объектов и условий измерений обеспечил их достоверность. Визуальный анализ этих контрольных листков показывает, что основной причиной низкой надежности всех трех моделей является плохое качество конденсаторов. В модели 1017 имеются проблемы и с работой переключателей.

На рис. 4.17 показана удобная для заполнения и анализа форма контрольного листка для учета изменения параметра процесса. Полученный график позволяет не только зафиксировать информацию о процессе, но и выявить тенденцию изменения изучаемого параметра во времени.

Рис. 4.16. Контрольный листок учета выхода из строя компонентов телевизоров

Контрольный листок может фиксировать как количественные, так и качественные характеристики процесса (место выявленных дефектов на изделии, виды отказов и др.) .

Необходимо тщательно спланировать сбор данных, чтобы избежать ошибок, которые могут исказить представление об изучаемом процессе. Возможны следующие

Рис. 4.17. Контрольный листок учета изменений одного из условий технологического процесса

ошибки: недостаточная точность измерений из‑за несовершенства средств или методов измерений, из‑за плохой информированности сборщиков данных, их низкой квалификации или их заинтересованности в искажении результатов; совмещение измерений, относящихся к разным условиям протекания процесса; влияние процесса измерений на изучаемый процесс. Чтобы избежать этих ошибок, нужно соблюдать следующие правила.

1. Необходимо установить суть изучаемой проблемы и поставить вопросы, нуждающиеся в разрешении.

2. Следует разработать форму контрольного листка, позволяющую с минимальными затратами времени и средств получить достоверную информацию о процессе.

3. Необходимо разработать методику измерений, исключающую получение данных, не учитывающих важные условия протекания процесса. Например, измерения следует производить на одном виде оборудования при использовании определенной оснастки, с указанием режимов процесса, исполнителя, времени и места протекания процесса. Это позволит в дальнейшем учесть влияние этих факторов на процесс.

4. Необходимо выбрать сборщика данных, непосредственно имеющего информацию о процессе в качестве оператора, наладчика или контролера, не заинтересованного в ее искажении, обладающего квалификацией для получения достоверных данных.

5. Со сборщиками данных следует провести инструктаж о методике измерений или обучить их.

6. Средства и методы измерений должны обеспечивать требуемую точность измерений.

7. Следует выполнить аудит процесса сбора данных, оценить его результаты, при необходимости откорректировать методику сбора данных.

Гистограмма

Этот распространенный инструмент контроля качества используется для предварительной оценки дифференциального закона распределения изучаемой случайной величины, однородности экспериментальных данных, сравнения разброса данных с допустимым, природы и точности изучаемого процесса.

Гистограмма – это столбчатый график 1 (рис. 4.18), позволяющий наглядно представить характер распределения случайных величин в выборке. Для этой же цели используют и полигон 2 (см. рис. 4.18) – ломаную линию, соединяющую середины столбцов гистограммы.

Рис. 4.18. Гистограмма (1), полигон (эмпирическая кривая распределения) (2) и теоретическая кривая распределения (3) значений размера детали

Гистограмма как метод представления статистических данных была предложена французским математиком А. Гэри в 1833 году. Он предложил использовать столбцовый график для анализа данных о преступности. Работа А. Гэри принесла ему медаль Французской академии, а его гистограммы стали стандартным инструментом для анализа и представления данных.

Построение гистограммы производится следующим образом.

Составляется план исследования, выполняются измерения, и результаты заносят в таблицу. Результаты могут быть представлены в виде фактических измеренных значений либо в виде отклонений от номинального значения. В полученной выборке находят максимальное Х mах и минимальное Х min значения и их разницу R = Х mах – Х min разбивают на z равных интервалов. Обычно

, где N – объем выборки. Представительной считается выборка при N = 35 – 200. Часто N = 100. Как правило, z = 7‑11. Длина интервала l = R/z должна быть больше цены деления шкалы измерительного устройства, которым выполнялись измерения.

Подсчитывают частоты f i (абсолютное число наблюдений) и частости

(относительное число наблюдений) для каждого интервала. Составляется таблица распределения и строится его графическое изображение с помощью гистограммы или полигона в координатах f i – x i или ω i – x i , где x i – середина или граница i‑го интервала. В каждый интервал включаются наблюдения, лежащие в пределах от нижней границы интервала до верхней. Частоты значений, попавших на границы между интервалами, поровну распределяются между соседними интервалами. Для этого значения, попавшие на нижнюю границу, относят к предшествующему интервалу, значения, попавшие на верхнюю границу, – к последующему интервалу. Масштаб графиков по оси абсцисс выбирается произвольным, а по оси ординат рекомендуется такой, чтобы высота максимальной ординаты относилась к ширине основания кривой как 5:8.

Имея таблицу распределения, выборочные X и S 2 для общей выборки можно рассчитать по формулам:

Здесь Х i – среднее значение i‑го интервала.

Расчеты значительно упрощаются, если использовать начало отсчета x 0 .

С помощью гистограммы (полигона) можно установить теоретический закон распределения, которому в наилучшей степени соответствует эмпирическое распределение данного фактора, найти параметры этого теоретического распределения .

Зная X, S, закон распределения характеристики технологического процесса, можно оценить точность технологического процесса по данному параметру (см. п. 3.1.3). Методика анализа процесса по показателю C p (индексу воспроизводимости) рассмотрена также в .

Основным достоинством гистограммы является то, что анализ ее формы и расположения относительно границ поля допуска дает много информации об изучаемом процессе без выполнения расчетов. Для получения такой информации из исходных данных необходимо выполнить достаточно сложные расчеты. Гистограмма позволяет оперативно выполнить предварительный анализ процесса (выборки) исполнителю первой линии (оператору, контролеру и др.) без математической обработки результатов измерений.

Например, как видно на приведенном выше рисунке (см. рис. 4.18), гистограмма смещена относительно номинального размера к нижней границе допуска, в области которой вероятен брак. Оператор для предотвращения брака должен прежде всего отрегулировать настройку станка для совмещения X и середины поля допуска. Возможно, что этого окажется недостаточно для исключения брака. Тогда потребуется повысить жесткость технологической системы, стойкость инструмента и уменьшить разброс размеров.

Рассмотрим наиболее распространенные формы гистограмм (рис. 4.19) и попытаемся их связать с особенностями процесса (выборки, по которой построена гистограмма).

Рис. 4.19. Основные типы гистограмм

Колоколообразное распределение (см. рис. 4.19, а) – симметричная форма с максимумом примерно в середине интервала изменения изучаемого параметра. Характерна для распределения параметра по нормальному закону, при равномерном влиянии на него различных факторов. Отклонения от колоколообразной формы могут указывать на наличие доминирующих факторов или нарушений методики сбора данных (например, включения в выборку данных, полученных в других условиях).

Распределение с двумя пиками (двухвершинное) (см. рис. 4.19, б) характерно для выборки, объединяющей результаты двух процессов или условий работы. Например, если анализируются результаты измерений размеров деталей после обработки, такая гистограмма будет иметь место, если в одну выборку объединены измерения деталей при разных настройках инструмента или при использовании разных инструментов либо станков. Использование различных схем стратификации для выделения различных процессов или условий – один из методов дальнейшего анализа таких данных.

Распределение типа плато (см. рис. 4.19, в) имеет место для тех же условий, что и предыдущая гистограмма. Особенностью данной выборки является то, что в ней объединено несколько распределений, в которых средние значения незначительно отличаются между собой. Целесообразно построить диаграмму потоков, выполнить анализ последовательно выполняемых операций, применить стандартные процедуры реализации операций. Это уменьшит вариабельность условий процессов и их результатов. Полезно также применение метода стратификации (расслоения) данных.

Распределение гребенчатого типа (см. рис. 4.19, г) – регулярно чередующиеся высокие и низкие значения. Этот тип обычно указывает на ошибки измерений, на ошибки в способе группировки данных при построении гистограммы или на систематическую погрешность в способе округления данных. Менее вероятна альтернатива того, что это один из вариантов распределения типа плато.

Проанализируйте процедуры сбора данных и построения гистограммы, прежде чем рассматривать возможные характеристики процесса, которые могли бы вызывать такую структуру.

Скошенное распределение (см. рис. 4.19, д) имеет асимметричную форму с пиком, расположенным не в центре данных, и с «хвостами» распределения, которые резко спадают с одной стороны, и мягко – с другой. Иллюстрация на рисунке называется положительно скошенным распределением, потому что длинный «хвост» простирается вправо к уменьшающимся значениям. Отрицательно скошенное распределение имело бы длинный «хвост», простирающийся влево к уменьшающимся значениям.

Такая форма гистограммы указывает на отличие распределения изучаемого параметра от нормального. Оно может быть вызвано:

Преобладающим влиянием какого‑либо фактора на разброс значений параметра. Например, при механической обработке это может быть влияние точности заготовок или оснастки на точность обработанных деталей;

Невозможностью получения значений больше или меньше определенной величины. Это имеет место для параметров с односторонним допуском (например, для показателей точности взаимного расположения поверхностей – биения, неперпендикулярности и др.), для параметров, у которых существуют практические ограничения их значений (например, значения времени или числа измерений не могут быть меньше нуля).

Такие распределения возможны, так как обусловлены природой получения выборок. Следует обратить внимание на возможность уменьшения длины «хвоста», так как он увеличивает вариабельность процесса.

Усеченное распределение (см. рис. 4.19, е) имеет асимметричную форму, при которой пик находится на краю или вблизи от края данных, а распределение с одной стороны обрывается очень резко и имеет плавный «хвост» с другой стороны. Иллюстрация на рисунке показывает усечение с левой стороны с положительно скошенным «хвостом». Конечно, можно также столкнуться с усечением справа с отрицательно скошенным «хвостом». Усеченные распределения – это часто гладкие, колоколообразные распределения, у которых посредством некоторой внешней силы (отбраковка, 100 %‑ный контроль или перепроверка) часть распределения изъята или усечена. Обратите внимание, что усилия по усечению добавляют стоимость и, следовательно, это хорошие кандидаты на устранение.

Распределение с изолированным пиком (см. рис. 4.19, ж) имеет небольшую, отдельную группу данных в дополнение к основному распределению. Как и распределение с двумя пиками, эта структура представляет собой некоторую комбинацию и предполагает, что работают два различных процесса. Однако маленький размер второго пика указывает на ненормальность, на что‑то, что не происходит часто или регулярно.

Посмотрите внимательно на условия, сопутствующие данным в маленьком пике: нельзя ли обособить конкретное время, оборудование, источник входных материалов, процедуру, оператора и т. д. Такие маленькие изолированные пики в сочетании с усеченным распределением могут быть следствием отсутствия достаточной эффективности отбраковки дефектных изделий. Возможно, что маленький пик представляет ошибки в измерениях или переписывании данных. Перепроверьте измерения и вычисления.

Распределение с пиком на краю (см. рис. 4.19, з) имеет большой пик, присоединенный к гладкому в остальном распределению. Такая форма существует тогда, когда протяженный «хвост» гладкого распределения был обрезан и собран в одну‑единственную категорию на краю диапазона данных. Кроме того, это указывает на неаккуратную запись данных (например, значения за пределами «приемлемого» диапазона записываются как всего лишь лежащие вне диапазона).

Диаграмма разброса

Диаграмма разброса позволяет без математической обработки экспериментальных данных о значениях двух переменных на основе графического представления этих данных оценить характер и тесноту связи между ними. Это дает возможность линейному персоналу контролировать ход процесса, а технологам и менеджерам – управлять им.

Этими двумя переменными могут быть:

Характеристика качества процесса и фактор, влияющий на ход процесса;

Две различные характеристики качества;

Два фактора, влияющие на одну характеристику качества.

Рассмотрим примеры использования диаграмм разброса в указанных случаях .

К примерам применения диаграммы разброса для анализа зависимости между причинным фактором и характеристикой (следствием) относятся диаграммы для анализа зависимости суммы, на которую заключены контракты, от числа поездок бизнесмена с целью заключения контрактов (планирование эффективных поездок); процента брака от процента невыхода на работу операторов (контроль персонала); числа поданных предложений от числа циклов (от времени) обучения персонала (планирование обучения); расхода сырья на единицу готовой продукции от степени чистоты сырья (стандарты на сырье); выхода реакции от температуры реакции; толщины плакировки от плотности тока; степени деформации от скорости формовки (контроль процессов); размера принятого заказа от числа дней, за которое производится обработка рекламаций (инструкции по ведению торговых операций, инструкции по обработке рекламаций) и т. д.

При наличии корреляционной зависимости причинный фактор оказывает очень большое влияние на характеристику, поэтому, удерживая этот фактор под контролем, можно достичь стабильности характеристики. Можно также определить уровень контроля, необходимый для требуемого показателя качества.

Примерами применения диаграммы разброса для анализа зависимости между двумя причинными факторами могут служить диаграммы для анализа зависимости между содержанием рекламаций и руководством по эксплуатации изделия (движение за отсутствие рекламаций); между циклами закалки отожженной стали и газовым составом атмосферы (контроль процесса); между числом курсов обучения оператора и степенью его мастерства (планирование обучения и подготовки кадров) и т. д.

При наличии корреляционной зависимости между отдельными факторами значительно облегчается контроль процесса с технологической, временной и экономической точек зрения.

Применение диаграммы разброса для анализа зависимости между двумя характеристиками (результатами) можно видеть на таких примерах, как анализ зависимости между объемом производства и себестоимостью изделия; между прочностью на растяжение стальной пластины и ее прочностью на изгиб; между размерами комплектующих деталей и размерами изделий, смонтированных из этих деталей; между прямыми и косвенными затратами, составляющими себестоимость изделия; между толщиной стального листа и устойчивостью к изгибам и т. д.

При наличии корреляционной зависимости можно осуществлять контроль только одной (любой) из двух характеристик.

Построение диаграммы разброса (поля корреляции) производят следующим образом.

1. Планируют и выполняют эксперимент, при котором реализуется взаимосвязь y = f(x), либо производят сбор данных о работе организации, об изменениях в обществе и т. п., в которых выявляется взаимосвязь y = f(x). Первый путь получения данных характерен для технических (конструкторских или технологических) задач, второй путь – для организационных и социальных задач. Желательно получить не менее 25–30 пар данных, которые заносят в таблицу. Таблица имеет три графы: номер опыта (или детали), значения у и х.

2. Оценивают однородность экспериментальных данных с помощью критериев Груббса или Ирвина . Резко выделяющиеся результаты, не принадлежащие данной выборке, исключают попарно.

3. Находят максимальные и минимальные значения x и у. Выбирают масштабы по оси ординат (у) и оси абсцисс (x) так, чтобы изменение факторов по этим осям имело место на участках примерно одинаковой длины. Тогда диаграмму будет легче читать. На каждой оси нужно иметь 3‑10 градаций. Желательно использовать целые числа.

4. Для каждой пары значений y i – x i на графике получают точку как пересечение соответствующих ординаты и абсциссы. Если в разных наблюдениях получены одинаковые значения вокруг точки, рисуют столько концентричных кружков, сколько этих значений минус одно, либо наносят все точки рядом, либо рядом с точкой указывают общее число одинаковых значений.

5. На диаграмме или рядом с ней указывают время и условия ее построения (общее число наблюдений, Ф. И. О. оператора, собравшего данные, средства измерений, цена деления каждого из них и др.).

6. Для построения эмпирической линии регрессии диапазон изменения x (или у) разбирают на 3–5 равных частей. Внутри каждой зоны для попавших в нее точек находят x i и y i (j – номер зоны). Наносят эти точки на диаграмму (на рис. 4.20 они обозначены треугольниками) и соединяют между собой. Полученная ломаная более наглядно иллюстрирует вид зависимости y = f (x).

Эмпирическую линию регрессии строят обычно на этапе обработки опытных данных, но даже само расположение точек диаграммы рассеяния в факторном пространстве (y – x) без построения этой линии позволяет предварительно оценить вид и тесноту взаимосвязи y = f(x).

Рис. 4.20. Диаграмма разброса F pr = f(E T) при зубофрезеровании цилиндрических шестерен; F pr – погрешность направления зубьев, E T – биение опорного торца заготовки

Взаимосвязь двух факторов может быть линейной (рис. 4.21‑4.24) или нелинейной (рис. 4.26, 4.27), прямой (см. рис. 4.21, 4.22) или обратной (см. рис. 4.23, 4.24), тесной (см. рис. 4.21, 4.23, 4.27) или слабой (легкой) (см. рис. 4.22, 4.24, 4.26) или вообще отсутствовать (рис. 4.25).

Рис. 4.22. Легкая прямая корреляция

Рис. 4.23. Обратная (отрицательная) корреляция

Рис. 4.24. Легкая обратная корреляция

Рис. 4.25. Отсутствие корреляции

Рис. 4.26. Легкая криволинейная корреляция

Рис. 4.27. Криволинейная корреляция

Для линейной зависимости, как известно, характерно прямо пропорциональное изменение y при изменении x, которое может быть описано уравнением прямой линии:

у = а + bx. (4.3)

Линейная зависимость является прямой, если имеет место увеличение значений y при увеличении значений х. Если с ростом x значения y уменьшаются – зависимость между ними обратная.

Если имеет место закономерное изменение положения точек на диаграмме рассеяния, когда с изменением x происходит линейное или нелинейное изменение y, значит, существует взаимосвязь между y и x. Если такого изменения положения точек нет (см. рис. 4.25), значит, связь между y и x отсутствует. При наличии связи малый разброс точек относительно их воображаемой средней линии свидетельствует о тесной связи y с x, большой разброс точек – о слабой (легкой) связи y с x.

После качественного анализа зависимости y = f(x) по форме и расположению диаграммы рассеяния выполняют количественный анализ этой зависимости. При этом часто используют такие методы, как метод медиан , метод сравнения графиков изменения значений y и x во времени или контрольных карт для этих значений , оценка временного лага взаимосвязи переменных , методы корреляционно‑регрессионного анализа .

Первые два из перечисленных методов предназначены для оценки наличия и характера взаимосвязи (корреляции) между y и x. Достоинство этих методов – отсутствие сложных расчетов. Рекомендуются при обработке результатов непосредственно на рабочем месте, где производились измерения. Методы реализуются путем подсчета точек в определенных зонах диаграммы рассеяния или контрольной карты, их суммирования и сравнения полученных значений с табличными. Методы не дают количественной оценки степени тесноты связи y и x.

Третий метод используется для определения периодов времени, когда между двумя характеристиками качества существует наиболее тесная взаимосвязь. Для этого строятся и анализируются диаграммы разброса между значениями y i – x i со сдвигом во времени. Сначала строятся диаграммы между значениями y i – x i , затем y. – x i , затем y. + 2 – x. и т. д. Здесь i – период времени, в который измерялись значения y и x. Это могут быть час, день, месяц и т. п.

Наиболее объективную, количественную оценку степени тесноты и характера взаимосвязи между значениями изучаемых параметров y и x можно получить при использовании методов корреляционно‑регрессионного анализа (КРА). Достоинством этих методов является также то, что достоверность их результатов поддается оценке.

Степень тесноты линейной взаимосвязи между двумя факторами оценивается с помощью коэффициента парной корреляци:

где у, х – средние арифметические значения у. и х. в данной выборке, i – номер опыта, S y , S x – их средние квадратические (стандартные) отклонения, n – объем выборки (часто n = 30 – 100).

Достоверность r yx оценивается обычно с помощью критерия Стьюдента . Значения r yx находятся в интервале от ‑1 до +1. Если они достоверны, то есть существенно отличаются от 0, значит, между исследуемыми факторами имеется линейная корреляционная зависимость. В противном случае эта зависимость отсутствует либо является существенно нелинейной. Если r yx равен +1 или ‑1, что встречается крайне редко, между исследуемыми факторами существует функциональная взаимосвязь. Знак r yx говорит о прямом (+) или обратном (‑) характере взаимосвязи между исследуемыми факторами.

Степень тесноты нелинейной взаимосвязи оценивается с помощью корреляционного отношения п .

При наличии достоверной взаимосвязи y с x следует найти ее математическое описание (модель). При этом часто используют полиномы различной степени. Линейную взаимосвязь описывают полиномом первой степени (4.3), нелинейную – полиномами более высоких степеней. Адекватность уравнения регрессии опытным данным обычно оценивается с помощью F‑критерия Фишера .

Зависимость (4.3) может быть записана в виде

Зависимость y = f(x) может быть использована для решения оптимизационной или интерполяционной задачи. В первом случае по допустимому (оптимальному) значению y устанавливают допустимое значение x. Во втором случае определяют значения y при изменении значений x. Необходимо отметить, что зависимость y = f(x), установленная на основе экспериментальных данных, справедлива лишь для условий, в которых эти данные были получены, в том числе для имевших место интервалов изменения y и x.

Любой производственный процесс обязательно включает контроль качества продукции, важные цели которого – определить брак и проверить процесс. Существуют разные методики для реализации этого, например, тесты, испытания, сравнение и так далее.

Контроль качества – что это?

Под этим термином понимают проверку показателей качества на соответствие существующим требованиям, которые определены нормативными документами: стандартами, нормами, правилами и так далее. Организация контроля качества подразумевает процесс получения информации об объекте, чтобы определить параметры, которые должны находиться в заданных пределах. Она состоит из входного, производственного и систематического контроля, а еще учета моделей, опытных образцов и готовой продукции.

Методы контроля качества

Для того чтобы определить качество продукции используются разные техники, которые при их применении обеспечивают достижение желаемых показателей качества. Есть разные виды контроля качества, например, связанные с выявлением характеристик программного обеспечения, стимуляции его работы, определение нарушений и так далее. В большинстве случаев на производстве используется сразу несколько методик, что важно для получения качественного результата.

Статистические методы контроля качества

Чтобы получить по итогу высококачественную продукцию, часто применяют статистические методы, цель которых – исключить причины, вызывающие случайные изменения в показателях качества. Статистический контроль качества разделяется на несколько групп, которые имеют свои преимущества и недостатки:

• выборочный контроль по меняющимся характеристикам при приеме;
• контроль качества по альтернативному признаку при приеме;
• методики регуляции технологического процесса;
• стандарты приемочного контроля;
• планы бесперебойного выборочного контроля.

Технический контроль качества продукции

Чтобы понять соответствует продукция или процесс существующим требованиям, проводят технический контроль. Разные виды контроля качества продукции используются на разных этапах производства, например, во время разработки проверяют, подходит ли опытный образец техническому заданию или документации. Технический контроль включает три основных этапа:

1. Сбор первичной информации об объекте и его конкретных показателях.
2. Вторичная информация показывает возможные отклонения от требуемых параметров, указанных при составлении первичной информации с учетом запланированных критерий, норм и требований.
3. Составление отчета, включающего выводы необходимые для разработки управляющих воздействий на объект, который находился под контролем.

Внутрилабораторный контроль качества

Под этим контролирующим методом понимают комплекс мероприятий, которые направлены на проведение в лаборатории качественных клинических исследований и повышение их характеристик. Контроль качества продукции делается для того, чтобы оценить соответствует ли результат эксперимента существующим критериям. Его применяют в отношении всех видов исследований.

Представленная методика направлена на определение проблем, которые решают первыми. Для этого происходит контроль процесса, сбор, обработка и анализ полученной информации. Выбранные семь инструментов контроля качества являются понятными и их могут применять специалисты разного профиля. Благодаря им можно быстро определить проблему и продумать способы ее устранения. Статистика показывает, что с их помощью решается до 95% сбоев. Контроль качества проводят такими семи инструментами:

1. Контрольный листок используют для сбора данных и их упорядочения для удобства дальнейшего их применения.
2. Гистограмма помогает визуально провести оценку распределения статистических данных, которые были распределены по частоте попадания в конкретный интервал.
3. Диаграмма Парето объективно представляет и определяет основной фактор, оказывающий влияние на исследуемую проблему, и распределяет усилия для ее искоренения.
4. Метод стратификации производит разделение данных на подгруппы по конкретному признаку.
5. Диаграмма разброса определяет вид и связь между переменными.
6. Диаграмма Исикавы выявляет самые важные причины, влияющие на конечный результат.
7. Контрольная карта помогает отследить ход протекания процесса и воздействия на него. Благодаря этому можно предотвратить его отклонение от выдвигающихся требований.

Организация контроля качества на предприятии

Чтобы производство продукции полностью соответствовало указанным в документах требованиям, на предприятии используют систему технических и административных мероприятий. Система контроля качества на предприятии основана на выполнении таких условий:

1. Тщательной обработке и изменении технической документации, что важно для выпуска высококачественной продукции.
2. Разработке и освоении техпроцессов, важных для производства продукции, которая будет полностью соответствовать конструкторской документации.
3. Система контроля качества включает разработку и включение в работу сопроводительной документации. В ней должны быть указаны данные о проведении контрольных измерений.
4. Периодической проверке точности измерительных приборов и других приспособлений, используемых в работе.
5. Закупка качественных материалов и комплектующих, указанных в технической документации.
6. Для контроля качества важно соответствие квалификации работающего персонала требованиям, выдвигаемым к занимаемой должности.

Отдел контроля качества

Организация, которая занимается координацией работ по контролю качества на предприятии, называется отделом контроля качества (ОКК). Структура и штат этой организации разрабатывается с учетом характера и объема производства. Служба контроля качества в большинстве случаев включает лаборатории, осуществляемые аналитический, микробиологический и фармакологический контроль. ОКК выполняет такие функции:

• проводит контрольные операции, предусмотренные техпроцессом;
• осуществляет входной контроль качества материалов, поступающих со стороны;
• оформляет документы, подтверждающие соответствие готовой продукции требованиям;
• принимает участие в испытаниях продукции;
• проводит анализ и учет брака;
• участвует в подготовке продукции к аттестации;
• способствует развитию системы технического контроля и так далее.

Инженер контроля качества

Одной из ключевых должностей на предприятии является инженер по контролю качества продукции, поскольку от его правильной работы зависит, будет ли продукция принята потребителем. Специалист по контролю качества должен иметь профессиональное техническое или высшее образование в данной отрасли. Его основные обязанности: контроль работы подразделений предприятия, соблюдение техники безопасности, обеспечение соответствия продукции/услуги существующим требованиям. Кроме этого, он разбирает поступающие со стороны претензии к качеству.

Семь простейших инструментов контроля качества продукции

На рисунке 8 представлены семь простейших статистических методов контроля качества.

Рисунок 8 – Семь простейших статистических методов

2.1.1 Контрольный листок

Какая бы задача не стояла перед системой, всегда начинают со сбора исходных количественных данных, на базе которых затем применяют тот или иной инструмент.

Контрольный листок – инструмент для сбора данных, средство регистрации и автоматического их упорядочивания для облегчения дальнейшего использования информации.

Контрольный листок – бумажный бланк, на котором заранее напечатаны контролируемые параметры, соответственно которым можно заносить данные с помощью пометок или простых символов, предназначен для регистрации возникающих событий, т.е. для сбора данных для последующего анализа. Внешне контрольный листок представляет собой таблицу, заполнение которой сводится к простому добавлению в соответствующую ячейку вертикального штриха при наступлении того или иного события. Первые четыре события отмечаются вертикальными штрихами, а каждое пятое – горизонтальной чертой, пересекающей первые четыре штриха. Таким образом, каждая черточка обозначает 5 событий.

Заполнение контрольного листка – это наиболее простой из инструментов качества – нет ничего проще, чем поставить штрих в нужной ячейке. Подсчет результатов также осуществляется довольно легко.

Ниже приведен пример листа сбора данных, в котором регистрировались жалобы покупателей продукции на отдельные виды несоответствий в разные дни недели (рисунок 9).

Рисунок 9 – Лист сбора данных

Карта статистического управления процессом, или контрольная карта, является графическим представлением данных из выборки, которые периодически берутся из процесса и наносятся на график в соответствии со временем. Кроме того, на контрольных картах отмечаются «контрольные границы», которые описывают присущую изменчивость устойчивого процесса. Целью контрольной карты является помощь в оценке стабильности процесса на основе изучения и нанесения на график данных с учетом контрольных границ. Любая переменная (измеренные данные) или признак (расчетные данные), представляющие изучаемую характеристику продукции или процесса, могут быть нанесены на график.

В качестве примера можно привести контрольный листок, применяемый для фиксирования брака в деталях (рисунок 10).

Рисунок 10 – Контрольный листок

При составлении контрольных листков следует обратить внимание на то, чтобы было указано, на каком этапе процесса и в течение какого времени собирались данные, а также чтобы форма листка была простой и понятной без дополнительных пояснений.

2.1.2 Гистограмма

Для наглядного представления тенденции изменения качества деталей применяют графическое изображение статистического материала. Наиболее распространённым графиком, к которым прибегают при анализе распределения случайной величины, является гистограмма.

Гистограмма – инструмент, позволяющий зрительно оценить закон распределения статистических данных.

Гистограммы – один из вариантов столбчатой диаграммы, отображающей зависимость частоты попадания параметров качества изделия или процесса в определенный интервал этих значений. На рисунке 11 интервалы попадания отложены на оси «х», а частота попадания на оси «у».

Рисунок 11 – Гистограмма частот интервального ряда расположения

Гистограмма строится следующим образом.

1) Определяется наибольшее значение показателя качества.

2) Определяется наименьшее значение показателя качества.

3) Определяется диапазон гистограммы как разница между наибольшим и наименьшим значением.

4) Определяется число интервалов гистограммы (число интервалов) = Ц (число значений показателей качества).

5) Определяется длина интервала гистограммы = (диапазон гистограммы) / (число интервалов).

6) Разбивается диапазон гистограммы на интервалы.

7) Подсчитывается число попаданий результатов в каждый интервал.

8) Определяется частота попаданий в интервал = (число попаданий) / (общее число показателей качества).

9) Строится столбчатая диаграмма.

По мере роста числа измерений уменьшается ширина столбцов и полигон превращается в кривую плотности вероятностей, представляющую собой кривую теоретического распределения.

Чтобы оценить адекватность процесса требованиям потребителя, мы должны сравнить качество процесса с полем допуска, установленным пользователем. Если имеется допуск, то на гистограмму наносят верхнюю (S u ) и нижнюю (S L ) его границы, перпендикулярные оси абсцисс (рисунок 12). Тогда можно увидеть, хорошо ли располагается гистограмма внутри этих границ.

Рисунок 12 – К понятию годности при выборке
трёхсигмовых пределов

Если гистограмма имеет симметричный (колокообразный) вид, когда среднее значение приходится на середину размаха данных, то это нормальный (гауссовский) закон распределения случайной величины. Для нормального закона распределения становится возможным исследовать воспроизводимость процесса, неизменность основных параметров процесса: среднего значения x или математического ожидания М(x ) и стандартного отклонения во времени. При этом можно определить выход распределения генеральной совокупности при заданных значениях М(x ), исходя из сравнения соответствующих трёхсигмовых пределов и пределов поля допуска.

Из рисунка 12 видно, что если брать в качестве границ допуска трёхсигмовые пределы (σ – среднеквадратическое отклонение), то годными будут считаться 99,73 % всех данных генеральной совокупности и только 0,27 % данных будут считаться несоответствующими (non-conformity – NC) требованиям потребителя (пользователя), так как они расположены за границами заданного поля допуска.

2.1.3 Диаграммы разброса

Диаграммы разброса представляют собой графики, которые позволяют выявить корреляцию между двумя различными факторами (рисунок 13).

Рисунок 13 – Диаграмма разброса

Диаграмма разброса, которую также называют полем корреляции, – это инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.

Эти две переменные могут относиться:

к характеристике качества и влияющему на нее фактору;

к двум различным характеристикам качества;

к двум факторам, влияющим на одну характеристику качества. Например, температура и давление в печи.

Для выявления связи между ними и служит диаграмма разброса.

Построение диаграммы разброса выполняется в следующей последовательности.

1) Собираются парные данные (x , y ), между которыми хотят исследовать зависимость, и располагаются в таблицу. Если одна переменная – фактор, а вторая – характеристика качества, то выбирается для фактора горизонтальная ось x , а для характеристики качества – вертикальная ось y . Желательно не менее 25–30 пар данных.

2) Находится максимальное и минимальное значение для x и y .

3) На отдельном листке бумаги чертится график и наносятся данные. Если в разных наблюдениях получаются одинаковые значения, то их обозначают концентрическими кружками.

4) Обозначается:

название диаграммы;

интервал времени;

число пар данных;

названия и единицы измерения для каждой оси.

Использование диаграммы разбросане ограничивается только выявлением вида и тесноты связи между парами переменных. Диаграмма разброса используется также для выявления причинно-следственных связей показателей качества и влияющих факторов при анализе
причинно-следственной диаграммы, которая будет рассмотрена ниже.

Диаграмма разброса позволяет наглядно показать характер изменения параметра качества во времени. Для этого проведём из начала координат биссектрису. Если все точки легли на биссектрису, то это означает, что значение данного параметра не изменилось в процессе эксперимента. Следовательно, рассматриваемый фактор (или факторы) не влияет на параметр качества. Если основная масса точек лежит под биссектрисой, то это значит, что значения параметра качества за прошедшее время уменьшилось. Если же точки ложатся выше биссектрисы, то значения параметра за рассматриваемое время возросли.

Проведя лучи из начала координат, соответствующие уменьшению и увеличению параметра на 10, 14, 30, 50 %, можно путём подсчёта точек между прямыми выяснить частоту значений параметра в интервалах 0...10 %, 10…20 %.

Наибольшее распространение получило применение диаграмм разброса для определения вида связей, общее распределение пар. Для этого сначала следует выяснить, есть ли на диаграмме какие-нибудь далеко отстоящие точки (выбросы), которые обусловлены некоторыми изменениями в условиях работы. следует обратить внимание на причины таких нерегулярностей, поскольку, отыскивая их причину, мы часто получаем информацию о качестве.

2.1.4 Метод стратификации (расслаивание данных)

В соответствии с методом стратификации данных (рисунок 14) производят расслаивание статистических данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности.

Данные, разделённые на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) – расслаиванием (стратификацией).

Существуют различные методы расслаивания, применение ко-торых зависит от конкретных задач. Например, данные, относящиеся
к изделию, производимому в цехе на рабочем месте, могут в какой-то мере различаться в зависимости от исполнителя, используемого обо-рудования, методов проведения рабочих операций, температурных
условий и т.д. Все эти отличия могут быть факторами расслаивания. В производственных процессах часто используется метод 5М, учитывающий факторы, зависящие от человека (man), машины (machine), материала (material), метода (method), измерения (measurement).

Рисунок 14 – Стратификация данных

Расслаивание осуществляется следующим образом:

расслаивание по исполнителям – по квалификации, полу, стажу работы;

расслаивание по материалу – по месту производства, фирме – производителю, партии, качеству сырья и т.д.;

расслаивание по машинам и оборудованию – по новому и старому оборудованию, марке, конструкции, выпускающей фирме и т.д.;

расслаивание по способу производства – по температуре, технологическому приёму, месту производства и т.д.;

расслаивание по измерению – по месту измерения, типу измерительных средств или их точности и т.д.

В результате расслаивания обязательно должны соблюдатьсяследующие два условия.

1) Различия между значениями случайной величины внутри слоя (дисперсия) должны быть как можно меньше по сравнению с различием её значений в нерасслоённой исходной совокупности.

2) Различие между слоями (различия между средними значениями случайных величин слоёв) должно быть как можно больше.

При контроле качества изготовления продукции часто на практике возникает задача выявления предполагаемого источника ухудшения качества выпускаемой продукции; такую информацию возможно получить путём расслаивания дисперсии с помощью дисперсионного ана-лиза.

2.1.5 Диаграмма Исикавы

Диаграмма Исикавы (причинно-следственная диаграмма) позволяет формализовать и структурировать причины возникновения того или иного события, например, – появления несоответствия, а также устанавливать причинно-следственные связи.

Все возможные причины классифицируются по принципу 5М:

1. Man (Человек) – причины, связанные с человеческим фактором;

2. Machines (Машины, оборудование) – причины, связанные с оборудованием;

3. Materials (Материалы) – причины, связанные с материалами;

4. Methods (Методы) – причины, связанные с технологией работы, с организацией процессов;

5. Measurements (Измерения) – причины, связанные с методами измерения.

Исследуемое событие изображается в правой части схемы, символизируя корень древовидной диаграммы, которая строится справа от обозначения события. Горизонтально, от корня диаграммы до левого края листа, наносится центральная ось диаграммы, похожая на ствол дерева.

К центральной оси диаграммы Исикавы примыкают пять ветвей, каждая из которых соответствует своему классу причин, или своему М.

Далее, на каждой ветви отдельно, как на оси, строятся дополнительные веточки, каждая из которых представляет отдельную причину в своем классе. К каждой такой веточке, в свою очередь, подводятся побеги-причины более высокого уровня, детализирующие ее. Продолжая таким образом, мы получаем разветвленное дерево, связывающее причины наступления того или иного события, находящиеся на разном уровне детализации. Таким образом, мы можем установить причинно-следственную связь между частными отклонениями от нормы (первичными причинами) и их влиянием на вероятность наступления конкретного события.

Для эффективности применения данного метода и достоверности полученных результатов построение диаграммы Исикава должны выполнять профессионалы.

Из-за своей структуры диаграмма Исикавы также носит название «рыбья кость» (рисунок 15).

Рисунок 15 – Диаграммы Исикавы

2.1.6 Диаграмма Парето

Диаграмма Парето, или ABC-анализ, позволяет выявить основные причины, оказывающие наибольшее влияние на возникновение той
или иной ситуации. Принцип Парето гласит, что 20 % причин порождает 80 % следствий. Другими словами, из всех возможных причин всего лишь 20% являются особенно значимыми, так как они влияют на результаты, которые составляют 80 % от всего количества.

Принцип Парето еще носит название Правило 20-80. Этот принцип назван так в честь итальянского экономиста Вильфредо Парето, который в конце XIX века обратил внимание на тот факт, что 80 % итальянского капитала сосредоточено в руках 20 % населения Италии. Позднее справедливость этого правила была подтверждена наблюдениями и последующими подсчетами результатов в различных отраслях жизни. Так, устранение 20 % из общего числа возникающих несоответствий отвлекает на себя 80 % от общей суммы затрат на устранение всех возможных несоответствий; для компании-поставщика 20 % из общего числа заказчиков формируют 80 % прибыли и т.д. Таким образом, сосредоточив свое воздействие на 20 % причин, мы оказываем влияние на 80 % последствий. Следующие 30 % причин порождают, как ни странно, только 15 % следствий и, наконец, оставшиеся 50 % влияют всего лишь на 5 % следствий. Таким образом, мы можем
распределять свое внимание и воздействие, исходя из значимости и эффективности результатов.

Например, если взять произвольный текст и посчитать, сколько раз в нем встречается каждая буква, то с большой долей вероятности окажется, что буквы, составляющие 20 % алфавита, образуют около
80 % всего текста.

Пример диаграммы Парето приведён на рисунке 16.

Рисунок 16 – Диаграмма Парето

2.1.7 Диаграмма корреляции

Диаграмма корреляции (диаграмма рассеивания) – графическое отображение отношения между переменными величинами, связанными между собой. Эта диаграмма призвана обнаружить принцип, по которому изменяется условно зависимая переменная величина при изменении значения независимой переменной.

Например, на рисунке 17 показано, как изменяется объем продажи газированных напитков при изменении погодных условий. Налицо сильная положительная корреляция.

ных напит-ков, шт.

Рисунок 17 – Диаграмма рассеивания

2.1.8 Контрольные карты

Применение контрольных карт используется в планировании, конструировании, определении изменений процесса, а также измерении эффекта определенного внешнего вмешательства или действия (рисунок 18).

Кроме того, анализ временных рядов по контрольным картам полезен для сравнения получаемых результатов в случае проведения улучшений и изменений.

Рисунок 18 – Контрольные карты

Контрольная карта – это график с ограничительными линиями, показывающими приемлемый предел качественного производства. Он очень помогает для обнаружения ненормальных ситуаций в стандартных производственных процессах.

Контрольные карты – специальный вид диаграммы, впервые предложенный Шухартом в 1925 г. Они имеют вид, представленный на рисунке 18. Контрольные карты используются для отображения во времени (слева направо) наблюдаемого результата или состояния процесса относительно среднего уровня или между верхним и нижним пределами.

Типы контрольных карт

Существует два типа контрольных карт: один предназначен для контроля параметров качества, значения которых являются количественными данными параметра качества (значения размеров, масса, электрические и механические параметры и т.п.), а второй – для контроля параметров качества, представляющих собой дискретные случайные величины и значения, которые являются качественными данными (годен – не годен, соответствует – не соответствует, дефектное – бездефектное изделие и т. п.) (рисунок 19).

Рисунок 19 – Порядок выбора типа контрольной карты

(n – объём выборки)

Контрольные карты по качественным признакам

В карте для доли дефектных изделий (p -карта) подсчитывается доля дефектных изделий в выборке. Она применяется, когда объем выборки переменный.

В карте для числа дефектных изделий (np -карта) подсчитывается число дефектных изделий в выборке. Она применяется, когда объем выборки постоянный.

В карте для числа дефектов в выборке (с -карта) подсчитывается число дефектов в выборке.

В карте для числа дефектов на одно изделие (u -карта) подсчитывается число дефектов на одно изделие в выборке.

Контрольные карты по количественным признакам

Контрольные карты по количественным признакам – это, как правило, сдвоенные карты, одна из которых изображает изменение среднего значения процесса, а 2-я – разброса процесса. Разброс может вычисляться на основе размаха процесса R (разницы между наибольшим и наименьшим значением), контрольных карт, а именно, контрольные карты:

– средних арифметических и размахов (х – R );

– медиан и размахов (Ме – R );

– индивидуальных значений (х );

– доли дефектной продукции (р );

– числа дефективных единиц продукции (рn );

– числа дефектов (c );

– числа дефектов на единицу продукции (u ).

В любом производственном процессе всегда имеют место изменения, или вариации, проявляющиеся в отклонении от номинальных значений каких-то параметров, характеризующих этот процесс. Под стабильностью в статистическом смысле понимают процесс, когда среднее значение наблюдаемого параметра со временем не отклоняется от номинального значения, а величина разброса параметра укладывается в заданный интервал. Однако вариации могут вызываться и причинами неслучайного характера. К подобным причинам можно отнести, например, неправильную настройку станка, его износ, неправильное выполнение оператора рабочих инструкций из-за усталости или недомогания, ошибки компьютера и т.п. При наличии таких причин производственный процесс выходит из-под статистического контроля.

Основная цель контрольных карт – быстро обнаружить неслучайные изменения производственного процесса, с тем чтобы выявить причину изменения и внести необходимые корректировки в процесс, прежде чем будет выпущено большое количество некачественной продукции. Кроме того, контрольные карты позволяют оценить параметры, характеризующие качество и потенциальные возможности процесса.

Таким образом, если процесс статистически контролируем, то почти все значения наблюдаемого параметра (П) укладываются в ограниченную зону. При этом никаких корректирующих действий не требуется. Попадание значений наблюдаемого параметра за пределы допустимой зоны свидетельствует о том, что процесс стал статистически неконтролируемым. Следует отметить, что возможны ситуации, когда значения контролируемого параметра укладываются в допустимую зону, но все десять последних точек попали в область ниже центральной линии (рисунок 20). В этом случае нарушился фактор «случайности» и появился фактор «закономерности», т.е. процесс стал статистически не контролируемым.

Рисунок 20 – Примеры появления фактора закономерности
на контрольной карте

В процессе изготовления изделие подвержено комплексному влиянию названных причин.

Для оценки качества изделия, т.е. степени соответствия его параметров (характеристик) требуемым значениям, назначаются допустимые области изменения этих характеристик, при этом с учетом перечисленных выше причин возможные отклонения объединяются в две группы: случайные и систематические.

Случайные отклонения обусловливаются самим процессом производства и в основном неустранимы. Возникают они вследствие комплексного взаимодействия разных причин, таких как вибрация, биение подшипников и влияют, как правило, на разбросы контролируемых
характеристик.

На рисунке 21а изображены два графика плотности распределения признака качества х для двух способов изготовления одного и того же изделия. Распределение является нормальным и имеет при обоих способах изготовления одно и то же математическое ожидание m х , то есть значения признака качества в обоих случаях совпадают в среднем. Оба способа различаются только степенью рассеяния. Если требуется, чтобы значения признаков качества лежали внутри допустимой области со средним значением m х в диапазоне [a , b ], то при втором способе изготовления возможен больший процент брака (на рисунке вероятность его появления показана штриховкой).

Систематические отклонения обусловливаются такими причинами, как износ инструмента, смена партии исходного сырья, новая рабочая смена. Систематические причины приводят к смещению центра рассеяния контролируемой характеристики, как это показано на
рисунке 21б. Появление систематических отклонений также приводит к увеличению брака, однако причины таких отклонений могут быть выявлены и устранены.

а – случайные; б – систематические

Рисунок 21 – Виды отклонений

Функциональным назначением производственного контроля качества является оценка соответствия изготавливаемой продукции требуемым характеристикам путем сравнения характеристик изготовленной продукции с допусками на эти характеристики, заданными в документации на изготовление этой продукции, и выявление причин отклоне-ний.

Различают три вида производственного контроля качества: входной контроль материалов, сырья и комплектующих, контроль производственного процесса и контроль изготовленной продукции.

Входной контроль обеспечивает качество исходного сырья и материалов.

Контроль производственного процесса – это совокупность всех контрольных операций, проводимых во время процесса изготовления и позволяющих на основании информации о состоянии процесса управлять им так, чтобы признак качества производимых изделий оставался в рамках заданных допусков.

Контроль готовой продукции является приемочным контролем, который должен обеспечить долю годных изделий в поставляемой продукции не ниже уровня, заданного заказчиком.

Таким образом, контроль производства обеспечивает качество изготавливаемых изделий, а приемочный контроль – качество поставляемых заказчику изделий.

Поскольку любой контроль требует определенных стоимостных затрат, то изготовитель при разработке системы управления качеством должен правильно соотнести объемы этих двух видов контроля, оптимизируя функцию суммарных затрат на контроль с учетом стоимости рисков как поставщика, так и заказчика.

Контроль качества может проводиться как по количественным, так и по качественным признакам.

Количественные признаки

Многие характеристики, определяющие качество изделия, можно измерить. К таким характеристикам относятся, например, диаметр снаряда, прочность на разрыв нити, химический состав стали и др. Обычно количественные признаки изделия являются непрерывными случайными величинами. Часто это распределение является нормальным или логарифмически нормальным. Иногда количественные признаки бывают дискретными случайными величинами. Примерами могут служить число ниток в куске материи или число дефектов на поверхности метал-лического диска. Если производственный процесс контролируется,
то распределение дефектных дисков может подчиняться закону
Пуассона.

Качественные признаки

Обычно изделие классифицируется либо как годное (хорошее), либо как негодное (дефектное, брак). Например зажигалка, которая не загорается, является дефектной. Иногда дефекты распределяются на значительные и незначительные. Так отсутствие винта в лодочном моторе является значительным дефектом и приводит к забраковке мотора, тогда как царапины на окраске мотора будут отнесены к незначительным дефектам.

Контроль изделий по количественным признакам позволяет также классифицировать изделия и качественно: «годен – не годен». В случае приемочного контроля изделий по результатам выборочной оценки для описания распределения качественных признаков используются часто такие виды распределений, как биномиальное, геометрическое, гипергеометрическое.

Документ

Системы управления качеством продукции Информационное обеспечение системы управления качеством продукции Принципы управления качеством продукции Единство количества и качества продукции Эффективность качества Повышение уровня качества ...

ВВЕДЕНИЕ 4

1.1. Контрольный листок 5

1.2. Гистограмма 6

1.3. Метод стратификации (группировки, расслоения)

статистических данных.11

1.4. Причинно-следственная диаграмма Исикавы.13

1.5. Диаграмма Парето.17

1.6. Диаграмма разброса (рассеивания) .22

1.7. Контрольные карты.25

2. НОВЫЕ И НОВЕЙШИЕ ИНСТРУМЕНТЫ

УПРАВЛЕНИЯ КАЧЕСТВОМ .31

2.1. Восемь новых инструментов управления качеством.31

2.2. Новейшие инструменты управления качеством.36

3. ЭКОНОМИКА КАЧЕСТВА .42

3.1. Показатели, определяющие качество продукции.42

3.2. Оптимальный уровень качества.45

3.3. Экономический эффект от внедрения новой

техники и организационно-технических мероприятий,

направленных на повышение качества продукции.48

3.4. Затраты на качество.53

4. ПРОГРАММА СЕМИНАРСКИХ ЗАНЯТИЙ .58

4.1. Основополагающие понятия в области качества………..58

4.2. Стандарты на системы менеджмента качества.
Концепция Всеобщего Управления Качеством (TQM). Процессный подход……………………………………….58

4.3. Зарубежный опыт управления качеством……………….59

4.4. Управление качеством в строительстве (в условиях
саморегулирования)……………………………………….60

БИБЛИОГРАФИЧЕСКИЙ СПИСОК .62

Введение

Основной проблемой обеспечения национальной экономической безопасности России является качество и конкурентоспособность продукции. Особую значимость эта проблема приобретает в условиях кризиса, сопровождающегося утратой позиций на внутреннем и внешнем рынках. Исторический опыт США, Японии и ряда европейских стран показывает, что обеспечение прогресса в области применения эффективных систем менеджмента качества (по ISO 9000) помогает успешно преодолевать последствия кризиса и занимать, как и раньше, прочные позиции по многим видам товаров на мировом рынке.

В разных странах было разработано много статистических методов анализа и контроля качества. В 1960-х годах японские ученые отобрали из всего множества семь методов, получивших всемирную известность как «Семь простых инструментов контроля качества». Эти инструменты построены на использовании приёмов математической статистики, но при этом доступны для понимания всем участникам процесса производства и применяются практически на всех этапах жизненного цикла продукции.

При создании нового продукта возникают, в основном, проблемы в области управления процессами, системами, коллективами. Для их решения необходимо использовать результаты операционного анализа, теории оптимизации, психологии и др., для чего японским союзом учёных и специалистов по качеству (1979 г.) были собраны и предложены семь новых инструментов контроля качества.

Настоящий практикум помогает будущим экономистам-менеджерам получить практические навыки использования простых и новых инструментов контроля и управления качеством, а также в оценке затрат на качество и эффективности систем менеджмента качества в строительстве. Эти навыки необходимы будущим специалистам при разработке и внедрении СМК, планировании и организации работ по качеству, распределении ресурсов, успешной реализации мероприятий по совершенствованию деятельности организации.

1. СЕМЬ ПРОСТЫХ (СТАРЫХ) ИНСТРУМЕНТОВ КОНТРОЛЯ И УПРАВЛЕНИЯ КАЧЕСТВОМ

Среди статистических методов и инструментов управления и контроля качества, наибольшее распространение получили семь методов, выделенных в начале 50-х гг. японскими специалистами под руководством К. Исикавы. С их помощью, по свидетельству самого К. Исикавы, мо­жет решаться до 95 % всех проблем, находящихся в поле зрения производ­ственников .

1.1. Контрольный листок

Контрольный листок – это форма для систематического сбора данных и ав­томатического их упорядочения с целью облегчения дальнейшего использования собранной информации .

Контрольный листок представляет собой бумажный бланк, на котором заранее напечатаны названия и диапазоны контролируемых показателей, с тем, чтобы можно было легко и точно записать данные измерений и упорядочить их для дальнейшего использования. Анализ данных контрольного листка позволяет ответить на вопрос «Как часто встречаются изучаемые события?». С него начинается превращение мнений и предположений в факты.

Построение контрольного листка включает в себя определенные шаги, предусматривающие необходимость :

1) установить, какое событие будет наблюдаться;

2) договориться о периоде, в течение которого будут собираться данные (час, день);

3) построить форму, которая будет ясной и легкой для заполнения;

4) собирать данные постоянно и честно, не искажая информацию.

Форма контрольного листка разрабатывается в соответствии с конкретной ситуацией. В любом случае в нём указываются: объект изучения; таблица регистрации данных контролируемого параметра; место контроля (цех, участок); должность
и фамилия работника, регистрирующего данные; дата сбора данных; продолжительность наблюдения и наименование контрольного прибора (если он применялся в ходе наблюдения).

В регистрационной таблице в соответствующей графе проставляются условные знаки, соответствующие количеству наблюдаемых событий. На рис. 1.1 приведён пример контрольного листка для сбора информации.

По результатам сбора данных, произведенного для нескольких партий с использованием рассмотренного выше контрольного листка, может быть составлена сводная таблица
(рис. 1.2), которую можно использовать для дальнейшего анализа с помощью других статистических инструментов.

1.2. Гистограмма

Гистограмма – это инструмент, позволяющий зрительно оценить закон распределения величины разброса данных, а также принять решение о том, на чем следует сфокусировать внимание для целей улучшения процесса .

Этапы построения гистограммы:

1. Разработка и заполнение (в процессе наблюдения за контролируемым процессом) бланка для сбора первичных данных – контрольного листка.

2. Определение максимального (x max) и минимального (x min) значений выборки.

3. Вычисление размаха выборки (R ) по формуле:

. (1.1)

4. Определение количества интервалов на гистограмме (n ). Число интервалов гистограммы зависит от объема выборки (N ), определить его можно с помощью табл. 1.1.

Рис. 1.1. Контрольный листок

Рис. 1.2. Сводная таблица результатов сбора информации

Таблица 1.1

Определение числа интервалов на гистограмме

Объем выборки (N )	Число интервалов (n )

5. Определение размеров интервалов осуществляют так, чтобы размах, включающий максимальное и минимальное значения, делился на интервалы равной ширины. Ширина интервалов (h ) определяется по формуле:

. (1.2)

6. Определение границ интервалов. Нижней границей первого интервала является минимальное значение выборки, а верхней границей последнего интервала – максимальное.

Первый интервал: …

Последний интервал: .

7. Определение количества «попаданий» данных в тот или иной интервал (k i ).

8. Вычисление относительные частоты «попадания» данных в i -й интервал(f i )

. (1.3)

9. Построение графика гистограммы.

На горизонтальную ось необходимо нанести границы интервалов, при этом с обеих сторон (перед первым и после последнего интервалов) следует оставить место для того, чтобы можно было указать верхнюю (USL ) и нижнюю (LSL ) границы поля допуска . На вертикальной оси наносят относительную частоту. Пользуясь шириной интервалов как основанием, строят прямоугольники, высота каждого из которых равна частоте попадания результатов наблюдений в соответствующий интервал.

Пример гистограммы показа на рис. 1.3.

Рис. 1.3. Пример построения гистограммы

На гистограмму необходимо нанести линии, представляющие: среднее арифметическое значение выборки (х ср ), границы поля допуска (USL и LSL ) и середину поля допуска (Ц ).

Среднее арифметическое значение х ср результатов наблюдений x i определяется по формуле:

. (1.4)

Границы поля допуска USL (верхняя) и LSL (нижняя) определяются согласно требованиям стандартов к качеству продукции.

Середина поля допуска или целевое значение (Ц ) определяется по формуле:

. (1.5)

Вычисление основных характеристик качества
процесса по гистограмме

Для оценки качества процесса по гистограмме необходимо рассчитать следующие значения:

Индекс пригодности процесса удовлетворять технический допуск без учета положения среднего значения (P p ). Определяется по формуле:

. (1.6)

Если P p ≥ 1, то ширина гистограммы укладывается в пределах ширины поля допуска, и процесс является управляемым (точнее говоря, имеется возможность осуществить процесс так, что 99,73 % изделий будут попадать в пределы поля допуска). Если P p

Большинство российских за­водов работают при значениях P p ≈ 0,95 ... 1,3, а японским специалистам по управлению качеством продукции во многих случаях удается поддерживать на своих предприятиях значения индекса пригодности процессов P p ≈ 1,5 ... 4,0, что позволяет ограничить дефектность продукции единицами бракованных изделий на миллион выпускаемых изделий .контроля ,- это управление качеством старого стиля. В основе управления ... управления качеством . Будут ли это простые средства или прогрес­сивные методы управления качеством , ...

Новое американское тотальное управление качеством

Документ

... семь компаний, находящихся на территории большого Бостона, решили организовать центр контроля (управления ) качеством ... простого выполнения работы, предназначенной для удовлетворения покупателя и дать каждому рабочему инструменты ... качества . Старайтесь ...

Теоретические и методические основы управления качеством продукции в ресторанном бизнесе 8

Документ

Так же стара , как... среднем семь лет - ... управления качеством получившая название "универсальный контроль качества "(UQC). Существуют два толкования универсальности UQC: - контроль (управление ) качества ... отдельные инструменты , тара... более простая , чем...

Другие названия метода: "Семь (старых) инструментов контроля качества".

Назначение метода

Применяются как непосредственно в производстве, так и на различных стадиях жизненного цикла продукции.

Цель метода

Выявление проблем, подлежащих первоочередному решению, на основе контроля действующего процесса, сбора, обработки и анализа полученных фактов (статистического материала) для последующего улучшения качества процесса.

Суть метода

Контроль качества (сравнение запланированного показателя качества с действительным его значением) - это одна из основных функций в процессе управления качеством, а сбор, обработка и анализ фактов - важнейший этап этого процесса.

Научной основой современного технического контроля является математико-статистические методы.

Из множества статистических методов для широкого применения выбраны только семь, которые понятны и могут легко применяться специалистами различного профиля. Они позволяют вовремя выявить и отобразить проблемы, установить основные факторы, с которых нужно начинать действовать, и распределить усилия с целью эффективного разрешения этих проблем.

План действий

Внедрение семи методов должно начинаться с обучения этим методам всех участников процесса.

Последовательность применения методов может быть различной в зависимости от поставленной цели.

Эти методы можно рассматривать и как отдельные инструменты, и как систему методов. Каждый метод может находить свое самостоятельное применение в зависимости от того, к какому классу относится задача.

Особенности метода

Семь основных инструментов контроля качества - набор инструментов, позволяющих облегчить задачу контроля протекающих процессов и предоставить различного рода факты для анализа, корректировки и улучшения качества процессов.

1. Контрольный листок - инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации.
2. Гистограмма - инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания данных в определенный (заранее заданный) интервал.
3. Диаграмма Парето - инструмент, позволяющий объективно представить и выявить основные факторы, влияющие на исследуемую проблему, и распределить усилия для ее эффективного разрешения.
4. Метод стратификации (расслаивания данных) - инструмент, позволяющий произвести разделение данных на подгруппы по определенному признаку.
5. Диаграмма разброса (рассеивания) - инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.
6. Диаграмма Исикавы (причинно-следственная диаграмма) - инструмент, который позволяет выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).
7. Контрольная карта - инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований.

Дополнительная информация:

1. Семь простых статистических методов - инструменты познания, а не управления.
2. Способность рассматривать события с точки зрения статистики важнее, чем знание самих методов.
3. На передовых зарубежных фирмах абсолютно все работники обязаны владеть семью простыми статистическими методами.
4. Данные необходимо собирать так, чтобы облегчить их последующую обработку. Нужно понимать, для каких целей осуществляется сбор и обработка данных.

Обычно цели сбора данных в процессе контроля качества состоят в следующем:

• контроль и регулирование процесса;
• анализ отклонений от установленных требований;
• контроль выхода процесса.

Достоинства метода

Наглядность, простота освоения и применения.

Недостатки метода

Низкая эффективность при проведении анализа сложных процессов.

Ожидаемый результат

Решение до 95% всех проблем, возникающих на производстве.

А.М. Кузьмин

"Метод "Семь основных инструментов контроля качества"" и другие