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 .

Показатель настроенности процесса на целевое значение (k ). Определяется по формуле:

. (1.7)

Индекс пригодности процесса удовлетворять технический допуск с учетом положения среднего значения (P pk ) определяется по формуле:

. (1.8)

Для повышения качества процесса (уменьшения уровня дефектности) необходимо обеспечить высокое значение индекса P p и низкое значение показателя k .

Задача 1.1

Для исследования качества процесса изготовления стальных осей на токарном станке были измерены диаметры 90 осей. Результаты измерений приведены в табл. 1.2.

Таблица 1.2

Рассмотренные выше простые инструменты контроля качества («Семь инструментов контроля качества») предназначены для анализа ко­личественных данных о качестве. Они позволяют достаточно простыми, но научно обоснованными методами решать 95 % проблем анализа и управле­ния качеством в разных областях. Они используют приемы в основном математи­ческой статистики, однако доступны всем участникам процесса производства и применя­ются практически на всех этапах жизненного цикла продукции.

Тем не менее, при создании нового продукта не все факты имеют численную природу. Существуют факторы, которые поддаются лишь словесному описанию. Учет этих факторов составляет примерно 5 % проблем в области качества. Эти проблемы воз­никают в основном в области управления процессами, системами, коллективами, и при их решении наряду со статистическими методами необходимо использовать результаты операционного анализа, теории оптимизации, психологии и др.

Поэтому JUSE (Union of Japanese Scientists and Engineers - Союз японских ученых и инженеров) в 1979 г. на базе этих наук разработал очень мощный и полезный набор инструментов, позволяющих облегчить задачу управления качеством при анализе указанных факторов.

К «Семи инструментам управления» относятся:

1) диаграмма сродства (affinity diagram);

2) диаграмма (график) взаимосвязей (зависимостей) (interrelationship diagram);

3) древовидная (системная) диаграмма (дерево решений) (tree diagram);

4) матричная диаграмма или таблица качества (matrix diagram or quality table);

5) стрелочная диаграмма (arrow diagram);

6) диаграмма процесса осуществления программы (планирования осуществле­ния процесса) (Process Decision Program Chart - PDPC);

7) матрица приоритетов (анализ матричных данных) (matrix data analysis).

Сбор исходных данныхобычно осуществляют в период «мозговых штурмов» специалистов в исследуемой области и не­специалистов, но способных генерировать продуктивные идеи в новых для себя вопросах.

Каждый участник может свободно высказываться по обсуждаемой теме. Его предложения фиксируются. Проводится обработка результатов обсуждения, и предлагаются средства для решения проблемы.

Сфера применения «Семи новых инструментов контроля качества» быстро рас­ширяется. Эти методы применяются в таких областях как делопроизводство и управление, обучение и подготовка кадров и пр.

Наиболее эффективно применять «Семь новых инструментов» на этапе

· разработки новой продукции и подготовки проекта;

· для выработки мер по снижению брака и уменьшению рекламаций;

· для повышения надежности и безопасности;

· для обеспечения выпуска экологической продукции;

· для совершенствования стандартизации и т. д.

Рассмотрим кратко эти инструменты.

1. Диаграмма сродства (ДС)- позволяет выявить основные нарушения процесса путем объединения однородных устных данных.

§ определение темы для сбора данных;

§ создание группы по сбору данных от потребителей;

§ занесение полученных данных на карточки (самоклеящиеся листы), которые можно свободно перемещать;

§ группировка (систематизация) однородных данных по направлениям различных уровней;

§ формирование единого мнения членов группы по распределению данных;

§ создание иерархии выделенных направлений.

2. Диаграмма взаимосвязей (ДВ)- способствует определению взаимосвязи основных причин нарушения процесса с проблемами, существующими в организации.

Процедура создания ДС состоит из следующих этапов:

· формируется группа специалистов, которые устанавливают и группируют данные по проблеме;

· выявленные причины размещаются на карточках, и устанавливается связь между ними. Сравнивая причины (события) необходимо задавать вопрос: « Имеется ли между этими двумя событиями связь?» Если имеется, тогда спрашивают: «Какое событие вызывает другое или является причиной возникновения другого события?»;

· рисуют стрелку между двумя событиями, показывая направление влияния;

· после выявления взаимосвязей между всеми событиями считают число стрелок, исходящих из каждого и входящих в каждое событие.

Событие с наибольшим числом исходящих стрелок является исходным.

3. Древовидная диаграмма (ДД). После определения с помощью диаграммы взаимосвязей (ДВ) наиболее важных проблем, характеристик и т. п. с помощью ДД ищут методы решения этих про­блем. ДД указывает пути и задачи на различных уровнях, которые необходимо решать для достижения заданной цели.

ДД используют:

1. когда пожелания потребителей преобразуются в показатели работы организации;

2.требуется установить последовательность решения задач для достижения поставленной цели;

3. второстепенные задачи должны быть решены раньше основной задачи;

4. должны быть выявлены факты, определяющие основную проблему.

Создание ДД включает следующие этапы:

§ организуется группа, которая на основе ДС и ДВ определяет проблему исследования;

§ определяют возможные основные причины выявленной проблемы;

§ выделяют главную причину;

§ разрабатывают меры по её полному или частичному устранению.

4. Матричная диаграмма (МД)- позволяет наглядно представить взаимосвязи между различными факторами и степень их тесноты. Это повышает эффективность решения различных задач, учи­тывающих такие взаимосвязи. В качестве факторов, подвергаемых анализу с помо­щью МД, могут быть:

§ проблемы в области качества и причины их появления;

§ проблемы и способы их устранения;

§ потребительские свойства продукции, их инженерные характеристики;

§ свойства изделия и его комплектующих;

§ характеристики качества процесса и его элементы;

§ характеристики эффективности работы организации;

§ элементы системы менеджмента качества и др.

Метод матричных диаграмм, как и другие новые инструменты качества, обычно реализуется командой, перед которой поставлена какая-либо задача в области улуч­шения качества. Степень тесноты взаимосвязи между факторами оценивается либо с помощью экспертных оценок, либо с помощью корреляционного анализа.

5. Стрелочная диаграмма (СД). После предварительного анализа проблемы и способов ее решения, выполненного с помощью методов ДС, ДВ, ДД, МД, составляется план работ по решению проблемы, например по созданию продукта. План должен содержать все этапы работ и информацию об их продолжительности. Для облегчения разработки и контроля плана работ путем повышения его наглядности используется СД. Стре­лочная диаграмма может иметь вид либо диаграммы Ганта, либо сетевого графа. На сетевом графе с помощью стрелок наглядно показана последовательность действий и влияние той или иной операции на ход выполнения последующих операций, поэтому сетевой граф более удобен для контроля над ходом выполне­ния работ, чем диаграмма Ганта.

6.Диаграмма планирования осуществления процесса - PDPC (Process Decision Program Chart) применяется для:

§ планирования и оценки сроков выполнения сложных процессов в области научных исследований,

§ производства новой продук­ции,

§ решения задач менеджмента со многими неизвестными, когда необходимо предусмотреть различные варианты решений, возможности корректировки про­граммы работ.

С помощью диаграммы PDPC отразить процесс к которому применим цикл Деминга (PDCА). В результате использования цикла Деминга к конкретному процессу при необходимости осуществляется одновременно и совершенствование этого процесса.

7. Анализ матричных данных (матрица приоритетов ).

Данный метод наряду с диаграммой взаимосвязей (ДВ) и в определенной степени матричной диаграммой (МД) предназначен для выделения факто­ров, имеющих приоритетное влияние на изучаемую проблему. Особенностью данного метода является то, что поставленная задача решается путем многофактор­ного анализа большого числа опытных данных, часто косвенным образом харак­теризующих изучаемые взаимосвязи. Анализ взаимосвязей между этими дан­ными и изучаемыми факторами позволяет выделить наиболее важные факторы, для которых затем устанавливаются взаимосвязи с выходными показателями изучаемого явления (процесса).

ВОПРОСЫ ДЛЯ САМОПРОВЕРКИ

1.Перечислите семь простых инструментов контроля качества. Для чего их используют?;

2. Для чего используют контрольный листок и диаграмму Парето?;

3. Какие факторы, влияющие на качество, представлены в диаграмме Исикавы?;

4. Что определяют с помощью гистограммы, диаграммы разброса и стратификации?;

5. С помощью какого простого инструмента судят об управляемости процесса?;

6. С какой целью разработаны «Семь новых инструментов контроля качества»? Перечислите их.

7. На каких этапах наиболее эффективно применять «Семь новых инструментов качества»?

Полховская Т., Адлер Ю., Шпер В.

В современном мире чрезвычайно важное значение приобретает проблема качества продукции. От ее успешного решения в значительной степени зависит благополучие любой фирмы, любого поставщика. Продукция более высокого качества существенно повышает шансы поставщика в конкурентной борьбе за рынки сбыта и, самое важное, лучше удовлетворяет потребности потребителей. Качество продукции - это важнейший показатель конкурентоспособности предприятия.

Качество продукции закладывается в процессе научных исследований, конструкторских и технологических разработок, обеспечивается хорошей организацией производства и, наконец, оно поддерживается в процессе эксплуатации или потребления. На всех этих этапах важно осуществлять своевременный контроль и получать достоверную оценку качества продукции.

Для уменьшения затрат и достижения уровня качества, удовлетворяющего потребителя нужны методы, направленные не на устранение дефектов (несоответствий) готовой продукции, а на предупреждение причин их появления в процессе производства.

Каковы же причины появления различных дефектов в изделиях и какие существуют возможности для уменьшения их числа?

Многие считают, что дефектные изделия неизбежны, поскольку продукция должна удовлетворять жестким требованиям стандартов качества, а факторы, ведущие к появлению дефектов, многочисленны. Однако, несмотря на различия в видах продукции и типах технологических процессов, причины появления дефектных изделий универсальны. Частично дефекты вызываются самими физико-химическими процессами создания изделий, а частично они связаны с вариабельностью (изменчивостью) материалов, процессов, приемов работы, методов контроля и т.д. Если бы не было вариабельности, то все изделия были бы идентичными, т.е. их качество было бы абсолютно одинаковым для всех них.

Что будет, например, если изготавливать изделия из материалов одинакового качества на одинаковых станках, с помощью одних и тех же методов и проверять эти изделия совершенно одинаковым образом? Вне зависимости от того, сколько изделий будет изготовлено, всё они должны быть идентичными, пока идентичны упомянутые четыре условия, т.е. либо все изделия будут соответствовать требованиям, либо не будут им соответствовать. Все изделия окажутся дефектными, если материалы, станки, методы изготовления или контроля будут отличаться от установленных требований. В этом случае неизбежно появление одинаковых дефектных изделий. Если же никаких отклонений в перечисленных четырех условиях производства не будет, то все изделия должны быть "идентичными" - бездефектными.

Но практически невозможно, чтобы все изделия оказались дефектными. Из всего объема выпуска только некоторые будут таковыми, в то время как остальные - бездефектными.

Рассмотрим, например, процесс гибки стальных листов. На первый взгляд кажется, что все листы имеют одинаковую толщину, но если точно измерить, их толщина будет различной, причем даже в разных частях одного и того же листа. Если исследовать кристаллическую структуру разных частей листа, то окажется, что в форме кристаллов, состоящих из атомов железа, углерода и других, есть незначительные вариации. Эти различия, естественно, влияют на показатели качества. Даже если используется один и тот же метод гибки, листы не будут изгибаться одинаковым образом, а в некоторых могут появиться и трещины.

Другой пример - механическая обработка металла. По мере роста числа обработанных деталей резец тупится. Консистенция смазочно-охлаждающей жидкости при изменении температуры тоже меняется. В итоге размеры изделий зависят от того, заточен ли резец и правильно ли он установлен. Хотя может показаться, что обе операции выполняются в одних и тех же условиях, на самом деле происходит множество изменений или вариаций, остающихся незамеченными, но именно они сказываются на качестве продукции.

Рассмотрим еще один пример - термообработку. Температура в печи постоянно меняется с изменением напряжения (если процесс идет в электропечи)или давления газа (если используется газовая печь). В самой печи области, расположенные у заслонки; вблизи пода, свода, у боковых стенок, в центральной части, находятся в разных условиях. Когда изделия помещаются в печь дня термообработки, количество тепла, которое они получают, варьируется в зависимости от их положения, что влияет на такой показатель качества, как твердость изделия.

Физические способности и мастерство рабочих также оказывают воздействие на изменение качества изделий. Есть высокие и низкие, худые и толстые, слабые и сильные люди, левши и люди, у которых лучше развита правая рука. Рабочие могут думать, что они работают одинаково, но есть индивидуальные отличия. Даже один и тот же человек работает по-разному в зависимости от своего самочувствия в каждый конкретный день, состояния и степени усталости. Иногда он допускает ошибки из-за невнимательности.

Ошибки могут допускаться контролерами при измерении параметров изделий. Вариации замеров могут стать следствием использования неисправного измерительного инструмента или несовершенства метода измерения. Так в случае органолептического (визуального контроля) изменения в критериях, которыми руководствуется контролер, могут привести к ошибочной оценке качества продукции и сказаться на объективности принятия решения относительно годности продукции.

Рассматривая проблему подобным образом, можно видеть, что в процессе изготовления изделия существует множество факторов, оказывающих влияние на его показатели качества. Оценивая производственный процесс с точки зрения изменения качества, можно рассматривать его как некую совокупность причин изменчивости. Эти причины и объясняют изменения в показателях качества изделий, что приводит к разделению их на дефектные и бездефектные. Изделие считается бездефектным, если его показатели качества соответствуют определенному стандарту, в противном случае изделие классифицируется как дефектное. Более того, даже дефектные изделия отличаются друг от друга при сопоставлении со стандартом, т.е. нет "абсолютно одинаковых" изделий. Одной из причин выпуска дефектных изделий, как уже было сказано, служит изменчивость. Если попытаться ее уменьшить, их число, несомненно, сократится. Это - простой и здравый принцип, одинаково правильный вне зависимости от видов изделий или типов технологических процессов.

Существовавшие издавна методы контроля сводились, как правило, к анализу брака путем сплошной проверки изготовленных изделий. При массовом производстве такой контроль очень дорог. Расчеты показывают, что для обеспечения качества продукции посредством ее разбраковки контрольный аппарат предприятий должен в пять-шесть раз превышать количество производственных рабочих.

С другой стороны, сплошной контроль в массовом производстве не гарантирует отсутствия дефектных изделий в принятой продукции. Опыт показывает, что контролер быстро устает, в результате чего часть годной продукции принимает за дефектную и наоборот. Практика также показывает - там, где увлекаются сплошным контролем, резко возрастают убытки от брака.

Указанные причины поставили производство перед необходимостью перехода к выборочному контролю. Распространению выборочного контроля способствовали исследования специалистов в области теории вероятностей и математической статистики, которые показали, что в большинстве случаев для надежной оценки качества нет необходимости в проверке всей выпускаемой продукции. Эти исследования (в первую очередь американских статистиков Доджа, Ромига и Шухарта) позволили подойти к организации технического контроля на новой научной и методической основе. Однако следует иметь в виду, что переход к выборочному контролю эффективен только тогда, когда технологические процессы, будучи в налаженном состоянии, обладают такой точностью и стабильностью, при которых автоматически гарантируется изготовление продукции с минимальным числом дефектов.

Почему же выборочный контроль должен быть статистическим? Рассмотрим два характерных примера.

Сегодня текущий контроль состояния технологического процесса осуществляется следующим образом. Из текущей продукции в случайные моменты времени отбирается на контроль одна единица продукции, по которой судят о состоянии технологического процесса: если она оказывается годной, процесс считается налаженным, в противном случае принимается решение о необходимости приостановки изготовления продукции и о корректировке процесса.

Какова эффективность подобных действий? Сформулированная процедура контроля состояния технологического процесса исходит из традиционней логики: процесс налажен - брака нет, процесс разлажен - вся изготовленная продукция будет дефектной.

В производстве действуют иные закономерности, которые называют стохастическими или случайными. При разладке процесса доля производимого брака лишь несколько увеличивается: до 1, 2, 10 % и крайне редко до 100 % -это зависит от конкретной технологии и конкретной причины разладки. Представим, что в результате разладки технологического процесса доля производимого брака возросла до 5 % . Это означает, что в среднем каждая двадцатая изготовляемая единица продукции окажется дефектной. Какова же вероятность извлечь именно эту, одну среди двадцати, дефектную единицу и принять правильное решение? Ответ может быть таким, что вероятность обнаружения нарушения процесса равна вероятности изготовления дефектной единицы продукции при разлаженном процессе, в нашем случае - 5 %,

Современная практика организации текущего контроля состояния технологического процесса принципиально не может решать проблему предупреждения брака. Не спасает и то, когда на проверку отбирают, не одну, а две или три единицы. При статистическом контроле качества те же самые результаты, обработанные методами математической статистики, позволяют с высокой степенью достоверности оценить истинное состояние технологического процесса. Статистические методы позволяют обоснованно обнаруживать разладку процесса даже тогда, когда две-три единицы продукции, отобранные для контроля, окажутся годными, так как обладают высокой чувствительностью к изменениям в состоянии технологических процессов.

Годами упорного труда специалисты выделяли из мирового опыта по крупицам такие приемы и подходы, которые можно понять и эффективно использовать без специальной подготовки, причем делалось это так, чтобы обеспечить реальные достижения при решении подавляющего большинства проблем, возникающих в реальном производстве.

В итоге была выработана система практических методов, рассчитанных на массовое применение. Это так называемые семь простых методов:

1) диаграмма Парето;

2) схема Исикавы;

3) расслаивание (стратификация);

4) контрольные листки;

5) гистограммы;

6) графики (на плоскости)

7) контрольные карты (Шухарта).

Иногда эти методы перечисляют в ином порядке, что не принципиально, поскольку предполагается их рассмотрение и как отдельных инструментов, и как системы методов, в которой в каждом конкретном случае предполагается специально определить состав и структуру рабочего набора инструментов.

Статистические методы управления качеством - это философия, политика, система, методология, а также технические средства управления качеством на основе результатов измерений, анализа, испытаний, контроля, данных эксплуатации, экспертных оценок и любой другой информации, позволяющей принимать достоверные, обоснованные, доказательные решения.

Применение статистических методов - весьма действенный путь разработки новой технологии и контроля качества производственных процессов. Многие ведущие фирмы стремятся к их активному использованию, и некоторые из них тратят более ста часов ежегодно на обучение этим методам, осуществляемое в рамках самой фирмы. Хотя знание статистических методов - часть нормального образования инженера, само знание еще не означает умения применить его. Способность рассматривать события с точки зрения статистики важнее, чем знание самих методов. Кроме того, надо уметь честно признавать недостатки и возникшие изменения и собирать объективную информацию.

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.

В процессе изготовления изделия существует множество факторов, оказывающих влияние на его показатели качества. Оценивая производственный процесс с точки зрения изменения качества, можно рассматривать его как некую совокупность причин изменчивости. Эти причины и приводят к появлению, как бездефектных изделий, так и дефектных. Если деталь соответствует чертежу (стандарту) она бездефектна, если нет, то – дефектна. Сплошной контроль качества изделий в массовом производстве: во-первых, не обеспечивает гарантию 100% качества, а во-вторых, является очень затратным.

Применение статистических методов – весьма действенный путь разработки новой технологии и контроля качества производственных процессов. Многие ведущие фирмы активно используют статистические методы и считают целесообразным тратить до 100 часов в год на обучение сотрудников этим методам.

Статистические методы управления качеством – это философия, политика, система, методология, а также технические средства управления качеством на основе измерений, анализа, испытаний, контроля, данных по эксплуатации, экспертных оценок и любой другой информации, позволяющей принимать, достоверные, обоснованные, доказательные решения. Информация должна быть своевременной, объективной и достоверной.

Массовое применение получили следующие статистические методы:

1. Контрольные листки;

2. Графики и диаграммы на плоскости;

3. Диаграмма Парето;

4. Расслоение (стратификация), диаграммы разброса (рассеяния);

5. Диаграмма Исикавы («рыбья кость»);

6. Гистограммы;

7. Контрольные карты (Шухарта).

Широкое внедрение в практику работы российских предприятийсеми простых японских методов – необходимое условие быстрого прогресса в производстве качественной продукции. Этот шаг не требует значительных затрат, если только не считать организации широкомасштабного обучения рабочих и специалистов статистическим методам и внедрения их в производство. Обучение и организация производства плюс система стимулирования за качество – вот ключевые моменты российского качества.

1. Необходимо четко определить источник данных (где собираются данные: рабочее место, станок, рабочий; кто собирает данные: контролер, рабочий; периодичность сбора данных: каждая 5-я деталь, 1-я смена, каждый час и т.п.; материал, из которого изготавливают детали: марка, партия; и т.д.

2. Необходимо подобрать метод измерения, приборы и контрольные приспособления. Очевидно, что средства измерения и контрольные приспособления должны быть аттестованы (поверены), а персонал должен быть обучен.

3. Необходимо определить перечень всех характеристик, которые подлежат измерению.

4. Необходимо разработать простую и удобную для дальнейшей обработки данных форму их регистрации. Рекомендуется использовать количественные данные.

Контрольные листки

Контрольный листок – это бумажный бланк, на котором заранее напечатаны контролируемые параметры и форма, куда необходимо заносить параметры. Это делается для того, чтобы можно было легко и точно записывать данные измерений.

При необходимости на контрольном листке может быть приведен эскиз детали или схема, на которых делаются пометки, показывающие местонахождение дефектов (например: контрольный листок локализации дефектов).

На контрольном листке обязательно должна быть следующая информация:

Наименование и обозначение детали, номер партии (заказа), из которой взяты детали, общее количество проверенных деталей;

Обозначение техпроцесса, производственная операция;

Номер цеха, участка, где изготавливались детали;

Марка станка и его заводской номер;

Марка материала, из которого изготавливались детали;

Дата и время изготовления деталей, рабочая смена;

Фамилии рабочих, изготовивших детали и их квалификация;

Фамилия, работника, проводившего измерения и заполнение формы и его квалификация;

Информация о методике и средствах измерения (марка измерительного прибора, заводской номер, контрольное приспособление и т.п.)

Графики и диаграммы на плоскости

Наиболее распространенными средствами наглядного представления количественных данных являются графики и диаграммы.

С их помощью можно объединять большие объемы информации, используя при этом небольшие участки бумаги, и сообщать результаты анализа определенной комплексной проблемы наглядно, сжато и ясно.

Примерами могут служить:

Линейные графики;

Столбчатые диаграммы;

Круговые диаграммы.

Диаграмма Парето

Причины изменений качества бесчисленны, а их воздействие на качество различно. Все возможные причины можно разделить на две группы:

- «немногочисленные существенно важные», которые оказывают существенное воздействие на качество;

- «многочисленные несущественные», охватывающие большое количество причин, но незначительно воздействующие на качество.

Очевидно, что при проведении анализа причин появления дефектов необходимо найти существенно важные причины, вызывающие появление дефектов, выделить и устранить их.

Массивы различных данных трудно анализировать, пока они не представлены в наглядной и понятной форме.

Анализ Парето- это метод классификации причин возникновения дефектов на «немногочисленные существенно важные» и «многочисленные несущественные». В большинстве случаев подавляющее число дефектов и связанных с ними потерь возникает из-за относительно небольшого количества причин.

Анализ Парето ранжирует отдельные области по значимости или важности и дает возможность выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).

Схема, построенная на основе группирования по дискретным признакам, ранжированная в порядке убывания (например, по частоте появления) и показывающая кумулятивную (накопленную) частоту, называется диаграммой Парето (рис. 3).

Рис. 3 Пример диаграммы Парето

1 – ошибки в процессе производства; 2 – некачественное сырье;

3 – некачественные орудия труда; 4 – некачественные шаблоны;

5 – некачественные чертежи; 6 – прочее;

А – относительная кумулятивная (накопленная) частота, %;

n – число бракованных единиц продукции.

Приведенная диаграмма построена на основе группирования бракованной продукции по видам брака и расположения в порядке убывания числа единиц бракованной продукции каждого вида. Она позволяет произвести сравнение ранжированных факторов, определяющих проблемы качества.

Диаграмму Парето можно использовать очень широко. С ее помощью можно оценить эффективность принятых мер по улучшению качества продукции, построив ее до и после внесения изменений.

Анализ Парето- представляет собой один из инструментов для идентификации и концентрации внимания на немногочисленных жизненно важных факторах, влияющих на качество (иллюстрируется диаграммой Парето).

Расслоение (стратификация)

Распределение полученных данных на отдельные группы (слои) по определенному признаку в зависимости от выбранного фактора называется расслоением или стратификацией.

В качестве стратифицирующего фактора могут быть выбраны любые параметры, определяющие особенности условий возникновения и получения данных.

Расслоение можно осуществить:

По исполнителям (по полу, стажу работы, квалификации и т.д.);
- по машинам и оборудованию (по новому или старому, марке, типу и т.д.);
- по материалу (по месту производства, партии, виду, качеству сырья и т.д.);
- по способу производства (по температуре, технологическому приему и т.д.).

В торговле может быть осуществлено расслоение по районам, фирмам, продавцам, видам товара, сезонам и т.п.

Расслоение помогает выяснить причину появления дефекта, если обнаруживается разница в данных между слоями.

При подготовке к сбору данных по какой либо проблеме необходимо тщательно продумать разделение данных на группы при их занесении в форму.

Диаграмма разброса (рассеяния) применяется для выявления зависимости (корреляции) одних показателей от других или для определения степени корреляции между n парами данных для переменных x и y:

(x 1 ,y 1), (x 2 ,y 2), ..., (x n , y n).

Эти данные наносятся на график (диаграмму разброса), и для них вычисляется коэффициент корреляции по формуле

,

,

,

Ковариация;

Стандартные отклонения случайных переменных x и у;

n – размер выборки (количество пар данных – х i и у i );

и – среднеарифметические значения х i и у i cоответственно.

Рассмотрим различные варианты диаграмм разброса (или полей корреляции) на рис. 4.

Рис. 4 Варианты диаграмм разброса.

В случае:

а ) можно говорить о положительной корреляции (с ростом x увеличивается y );

б ) проявляется отрицательная корреляция (с ростом x уменьшается y );

в ) при росте x y может как расти, так и уменьшаться, говорят об отсутствии корреляции. Но это не означает, что между ними нет зависимости, между ними нет линейной зависимости. Очевидная нелинейная (экспоненциальная) зависимость представлена и на диаграмме разброса г ).

Коэффициент корреляции всегда принимает значения в интервале , т.е. при r>0 – положительная корреляция, при r=0 – нет корреляции, при r <0 – отрицательная корреляция.

Для тех же n пар данных (x 1 ,y 1 ), (x 2 ,y 2 ), ..., (x n , y n ) можно установить зависимость между x и y . Формула, выражающая эту зависимость, называется уравнением регрессии (или линией регрессии), и ее представляют в общем виде функцией

у = а + bх.

Для определения линии регрессии (рис.5) необходимо статистически оценить коэффициент регрессии b и постоянную a . Для этого должны быть выполнены следующие условия:

1) линия регрессии должна проходить через точки (x,y ) средних значений x и y .2) сумма квадратов отклонений от линии регрессии значений y по всем точкам должна быть наименьшей.

3) для расчета коэффициентов а и b используются формулы

.

Т.е. уравнением регрессии можно аппроксимировать реальные данные.

Рис. 5 Пример линии регрессии.