К семи основным инструментам контроля качества относятся. Основные инструменты контроля качества продукции. Метод "Контрольные карты"

Федеральное государственное автономное

образовательное учреждение

высшего профессионального образования

«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

Институт управления бизнес-процессами и экономики

Кафедра экономики и управления бизнес-процессами

РЕФЕРАТ

По методам оценки технического уровня машин

Семь инструментов контроля и управления качеством

Преподаватель ______________ старший преподаватель В.В. Костина

Студент УБ 11-01 ____________________ В.А. Ивкина

Красноярск 2014

Метод применяют как непосредственно в производстве, так и на различных стадиях жизненного цикла продукции. 4

Целью метода является выявление проблем, подлежащих первоочередному решению, на основе контроля действующего процесса, сбора, обработки и анализа полученного статистического материала для последующего улучшения качества процесса. 4

Суть метода заключается в том, что контроль качества - это одна из основных функций в процессе управления качеством, а сбор, обработка и анализ фактов - важнейший этап этого процесса. 4

Семь основных инструментов контроля качества (рис.1) - набор инструментов, позволяющих облегчить задачу контроля протекающих процессов и предоставить различного рода факты для анализа, корректировки и улучшения качества процессов. 4

Рисунок 1 – 7 инструментов контроля качества 5

СПИСОК ИСПОЛЬЗОВАНИЫХ ИСТОЧНИКОВ 19

ВВЕДЕНИЕ

В современной экономике важное место занимает такое понятие как качество выпущенных товаров и услуг. От него зависит, выстоит производитель в конкурентной борьбе или нет. Продукция высокого качества значительно повышает шанс производителя получить значительную прибыль и постоянных потребителей.

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.

Современные производители стараются предупредить появление дефектов, нежели устранять их у готовой продукции.

Для того чтобы принять верное решение, то есть решение, основанное на фактах, необходимо обратиться статистическим инструментам, позволяющим организовать процесс поиска фактов, а именно - статистического материала.

Последовательность применения семи методов может быть различной в зависимости от цели, которая поставлена перед системой. Точно так же применяемая система не обязательно должна включать все семь методов.

1 Семь инструментов контроля качества

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

Целью метода является выявление проблем, подлежащих первоочередному решению, на основе контроля действующего процесса, сбора, обработки и анализа полученного статистического материала для последующего улучшения качества процесса.

Суть метода заключается в том, что контроль качества - 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.

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

Семь основных инструментов контроля качества (рис.1) - набор инструментов, позволяющих облегчить задачу контроля протекающих процессов и предоставить различного рода факты для анализа, корректировки и улучшения качества процессов.

Рисунок 1 – 7 инструментов контроля качества

Контрольный листок (рис.2) - инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации. Контрольный листок - бумажный бланк, на котором заранее напечатаны контролируемые параметры, соответственно которым можно заносить данные с помощью пометок или простых символов. Назначение использования контрольных листков - облегчение процесса сбора данных и автоматическое упорядочение данных для их дальнейшего использования. Вне зависимости от количества целей, стоящих перед компанией, можно создать контрольный лист для каждой из них.

Рисунок 2 – Пример контрольного листка

Гистограмма (рис.3) - инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания данных в определенный, заранее заданный, интервал. Гистограммы полезно использовать при описании процесса или системы. Нужно помнить, что эффективной гистограмма будет в том случае, если данные для ее построения были получены на основе стабильно работающего процесса. Этот статистический инструмент может быть хорошим вспомогательным материалом для построения контрольных карт.

Рисунок 3 – Пример гистограммы

Диаграмма Парето (рис.4) - инструмент, позволяющий объективно представить и выявить основные факторы, влияющие на исследуемую проблему, и распределить усилия для ее эффективного разрешения. В основу диаграммы Парето положен принцип - 80% дефектов на 20% зависят от причин, их вызвавших. Доктор Д.М. Джуран использовал этот постулат для классификации проблем качества на немногочисленные, но существенно важные, и многочисленные несущественные, и назвал этот метод анализом Парето. Метод Парето позволяет выявлять основные факторы возникновения проблемы и расставлять приоритеты в их решении.

Рисунок 4 – Пример диаграммы Парето

Метод стратификации (расслаивания данных) (рис.5) - инструмент, позволяющий произвести разделение данных на подгруппы по определенному признаку.

Рисунок 5 – Пример расслоения данных

Диаграмма разброса (рассеивания) (рис.6) - инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.

Рисунок 6 – Пример диаграммы рассеивания

Диаграмма Исикавы (причинно-следственная диаграмма) (рис.7) - инструмент, который позволяет выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие). Систематическое использование диаграммы причинно-следственных связей позволяет выявить всевозможные причины, вызывающие определенную проблему и отделить причины от признаков.

Рисунок 7 – Пример причинно-следственной диаграммы

Контрольная карта (рис.8) - инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований.

Рисунок 8 - Пример контрольной карты

Достоинствами метода являются наглядность, простота освоения и применения. К недостаткам метода относят низкую эффективность при проведении анализа сложных процессов. Но при применении на производстве решаются до 95% всех проблем.

2 Семь инструментов управления качеством

Наиболее часто эти инструменты находят применение при решении проблем, возникающих на этапе проектирования.

Целью метода является решение проблем, возникающих в процессе организации, планирования и управления бизнесом на основе анализа различного рода фактов.

Семь инструментов управления качеством обеспечивают понимание сложных ситуаций и позволяют облегчить задачу управления качеством путем улучшения процесса проектирования продукции или услуги.

Инструменты управления качеством усиливают процесс планирования благодаря их способности:

уяснять задачи;

устранять недостатки;

содействовать распространению и обмену информацией между заинтересованными сторонами;

использовать бытовую лексику.

В результате инструменты управления качеством позволяют вырабатывать оптимальные решения в кратчайшие сроки. Диаграмма сродства и диаграмма связей обеспечивает общее планирование. Диаграмма дерева, матричная диаграмма и матрица приоритетов обеспечивает промежуточное планирование. Блок-схема процесса принятия решения и стрелочная диаграмма обеспечивает детальное планирование.

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.

Семь инструментов управления качеством - набор инструментов, позволяющих облегчить задачу управления качеством в процессе организации, планирования и управления бизнесом при анализе различного рода фактов.

Диаграмма сродства (рис.9) - инструмент, позволяющий выявлять основные нарушения процесса путем обобщения и анализа близких устных данных.

Рисунок 9 - пример диаграммы сродства

Диаграмма связей (рис.10) - инструмент, позволяющий выявлять логические связи между основной идеей, проблемой и различными факторами влияния.

Рисунок 10 - пример диаграммы связей

Диаграмма дерева (рис.11) - инструмент стимулирования процесса творческого мышления, способствующий систематическому поиску наиболее подходящих и эффективных средств решения проблем.

Рисунок 11 - пример диаграммы дерева

Матричная диаграмма (рис.12) - инструмент, позволяющий выявлять важность различных неочевидных (скрытых) связей. Обычно используются двумерные матрицы в виде таблиц со строками и столбцами a1, a2,., b1, b2. - компоненты исследуемых объектов.

Рисунок 12 - пример матричной диаграммы

Матрица приоритетов (рис.13) - инструмент, для обработки большого количества числовых данных, полученных при построении матричных диаграмм, с целью выявления приоритетных данных. Этот анализ часто рассматривается как факультативный.

Рисунок 13 - пример матрицы приоритетов

Блок-схема процесса принятия решения (рис.14) - это инструмент, который помогает запустить механизм непрерывного планирования. Его использование способствует уменьшению риска практически в любом деле. Планирует каждый мыслимый случай, который может произойти, перемещаясь от утверждения проблемы до возможных решений.

Рисунок 14 - пример блок-схемы процесса принятия решения

Стрелочная диаграмма (рис.15) - инструмент, позволяющий планировать оптимальные сроки выполнения всех необходимых работ для реализации поставленной цели и эффективно их контролировать.

Рисунок 15 - пример стрелочной диаграммы

Семь инструментов управления качеством обеспечивают средства для понимания сложных ситуаций и соответствующего планирования, формируют согласие и ведут к успеху при коллективном решении проблем.

Сбор исходных данных обычно осуществляют во время "мозговых атак".

Достоинствами метода являются наглядность, простота освоения и применения.

Недостатком метода является низкая эффективность при проведении анализа сложных процессов.

Использование инструментов управления качеством позволяет экономить ресурсы и тем самым улучшает чистую прибыль компании.

ЗАКЛЮЧЕНИЕ

Семь простых статистических методов - инструменты познания, а не управления. Способность рассматривать события с точки зрения статистики важнее, чем знание самих методов. На передовых зарубежных фирмах абсолютно все работники обязаны владеть семью простыми статистическими методами. 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.

Применение семи инструментов управления качеством позволяет:

выявить основные нарушения в процессе путем объединения родственных устных данных;

выявить, проанализировать и классифицировать причины и результаты тех взаимодействий, которые существуют между основными проблемами и, основывать более эффективное решение на базе выявленных движущих сил и вероятных исходов;

показать связи между темой и ее составными элементами;

наглядно показать взаимозависимость процессов и событий;

идентифицировать возможные решения проблем и потенциальных возможностей улучшения качества;

описать существующий технологический процесс, или спроектировать новый.

СПИСОК ИСПОЛЬЗОВАНИЫХ ИСТОЧНИКОВ

7 простых инструментов контроля качества // о менеджменте качества.- Режим доступа: http://quality.eup.ru/DOCUM4/7_instrum.htm

7 инструментов управления качества // о менеджменте качества.- Режим доступа: http://www.inventech.ru/pub/methods/metod-0005/

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.

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 ...

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.

Тема: «Инструменты контроля качества на предприятии».

Краткие теоретические сведения

Инструменты контроля качества.

Контроль качества - это деятельность, включающая проведение измерений, экспертизы, испытаний или оценки параметров объекта и сравнение полученных величин с установленными требованиями к этим параметрам (показателями качества).

Современные инструменты контроля качества - это методы, которые используются для решения задачи количественной оценки параметров качества. Такая оценка необходима для объективного выбора и принятия управленческих решений при стандартизации и сертификации продукции, планировании повышения ее качества и т. д.

Применение статистических методов - весьма действенный путь разработки новых технологий и контроля качества процессов.

Какова роль контроля в процессе управления качеством?

Современные подходы к управлению качеством предполагают внедрение системы контроля показателей качества продукта на всех этапах его жизненного цикла, начиная от проектирования, и заканчивая послепродажным обслуживанием. Основная задача контроля качества - не допустить появления брака. Поэтому в ходе контроля проводится постоянный анализ заданных отклонений параметров продукции от установленных требований. В том случае, если параметры продукции не соответствуют заданным показателям качества, система контроля качества поможет Вам оперативно выявить наиболее вероятные причины несоответствия и устранить их.

Нужно ли контролировать всю продукцию, которую выпускает Ваше предприятие?

Все зависит от специфики Вашего производства. Если оно носит единичный или мелкосерийный характер, Вы можете подвергнуть продукцию сплошному т.е. 100-процентному контролю. Сплошной контроль, как правило, является довольно трудоемким и дорогостоящим, поэтому в крупносерийном и массовом производстве обычно применяют так называемый выборочный контроль, подвергая проверке лишь часть партии продукции (выборку). Если качество продукции в выборке отвечает установленным требованиям, то вся партия считается качественной, если нет - вся партия бракуется. Однако при таком методе контроля сохраняется вероятность ошибочного бракования (риск Поставщика) или, наоборот, признания партии изделий годной (риск Заказчика). Поэтому при выборочном контроле, заключая контракт на поставку своей продукции, Вы должны будете оговорить обе возможные ошибки, выразив их в процентах.

Какие методы чаще всего используют в процессе контроля качества?

Существуют различные методы контроля качества продукции, среди которых особое место занимают статистические методы.

Многие из современных методов математической статистики довольно сложны для восприятия, а тем более для широкого применения всеми участниками процесса управления качеством. Поэтому японские ученые отобрали из всего множества семь методов, которые наиболее применимы в процессах контроля качества. Заслуга японцев состоит в том, что они обеспечили простоту, наглядность, визуализацию этих методов, превратив их в инструменты контроля качества, которые можно понять и эффективно использовать без специальной математической подготовки. В то же время, при всей своей простоте эти методы позволяют сохранить связь со статистикой и дают возможность профессионалам при необходимости совершенствовать их.

Итак, к семи основным методам или инструментам контроля качества относятся следующие статистические методы:

· контрольный листок;

· гистограмма;

· диаграмма разброса;

· диаграмма Парето;

· стратификация (расслоение);

· диаграмма Исикавы (причинно-следственная диаграмма);

· контрольная карта.

Рисунок 13.1. Инструменты контроля качества.

Перечисленные инструменты контроля качества можно рассматривать и как отдельные методы, и как систему методов, обеспечивающую комплексный контроль показателей качества. Они - наиболее важная составляющая комплексной системы контроля Всеобщего Управления Качеством.

В чем заключаются особенности применения инструментов контроля качества на практике?

Внедрение семи инструментов контроля качества должно нaчинaться с обучения этим методам всех участников процесса. Например, успешному внедрению инструментов контроля качества в Японии способствовало обучение руководства и сотрудников компаний методикам контроля качества. Большую роль в обучении статистическим методам в Японии сыграли Кружки контроля качества, в которых прошли обучение рабочие и инженеры большинства японских компаний.

Говоря о семи простых статистических методах контроля качества, следует подчеркнуть, что основное их назначение - контроль протекающего процесса и предоставление участнику процесса фактов для корректировки и улучшения процесса. Знание и применение на практике семи инструментов контроля качества лежат в основе одного из важнейших требований TQM - постоянного самоконтроля.

Статистические методы контроля качества в настоящее время применяются не только в производстве, но и в планировании, проектировании маркетинге, материально-техническом снабжении и т.д. Последовательность применения семи методов может быть различной в зависимости от цели, которая поставлена перед системой. Точно так же применяемая система контроля качества не обязательно должна включать все семь методов. Их может быть меньше, а может быть и больше, так как существуют и другие статистические методы.

Однако можно с полной уверенностью сказать, что семь инструментов контроля качества являются необходимыми и достаточными статистическими методами, применение которых помогает решить 95 % всех проблем, возникающих на производстве.

Что такое контрольный листок и как им пользуются?

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

Контрольный листок (или лист) - это инструмент для сбора данных и автоматического их упорядочения для облегчения дальнейшего использования собранной информации.

Обычно контрольный листок представляет собой бумажный бланк, на котором заранее напечатаны контролируемые параметры, согласно которым можно заносить в листок данные с помощью пометок или простых символов. Он позволяет автоматически упорядочить данные без их последующего переписывания. Таким образом, контрольный листок - хорошее средство регистрации данных.

Число различных контрольных листков исчисляется сотнями, и в принципе для каждой конкретной цели может быть разработан свой листок. Но принцип их оформления остается неизменным. Например, график температуры больного - один из возможных типов контрольных листков. В качестве другого примера можно привести контрольный листок, применяемый для фиксирования отказавших деталей в телевизорах (см. рисунок 13.2).

На основании собранных с помощью этих контрольных листков (рисунок 13.2) данных не представляет труда составить таблицу суммарных отказов:

Рисунок 13.2 Контрольный листок.

При составлении контрольных листков следует обратить внимание на то, чтобы было указано, кто, на каком этапе процесса и в течение какого времен собирал данные, а также чтобы форма листка была простой и понятной без дополнительных пояснений. Важно и то, чтобы все данные добросовестно фиксировались, и собранная в контрольном листке информация могла быть использована для анализа процесса.

Для каких целей в практике контроля качества используется гистограмма?

Для наглядного представления тенденции изменения наблюдаемых значений применяют графическое изображение статистического материала. Наиболее распространенным графиком, к которому прибегают при анализе распределения случайной величины при проведении контроля качества, является гистограмма.

Гистограмма - это инструмент, позволяющий зрительно оценить закон распределения статистических данных.

Гистограмма распределения обычно строится для интервального изменения значения параметра. Для этого на интервалах, отложенных на оси абсцисс, строят прямоугольники (столбики), высоты которых пропорциональны частотам интервалов. По оси ординат откладывают абсолютные значения частот (см. рисунок). Аналогичную форму гистограммы можно получить, если по оси ординат отложить соответствующие значения относительных частот. При этом сумма площадей всех столбиков будет равна единице, что оказывается удобно. Гистограмма также очень удобна для визуальной оценки расположения статистических данных в пределах допуска. 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 в виде линий, перпендикулярных оси абсцисс, чтобы сравнить распределение параметра качества процесса с этими границами. Тогда можно увидеть, хорошо ли располагается гистограмма внутри этих границ.

Пример построения гистограммы.

На рисунке в качестве примера приведена гистограмма значений коэффициентов усиления 120 проверенных усилителей. В ТУ на эти усилители указано номинальное значение коэффициента S N на этот тип усилителей, равное 10дБ. В ТУ также установлены допустимые значения коэффициента усиления: нижняя граница допуска S L = 7,75 дБ, а верхняя S U = 12,25 дБ. При этом ширина поля допуска Т равна разности значений верхней и нижней границ допуска Т = S U – S L .

Если расположить все значения коэффициентов усиления в ранжированный ряд, все они будут находиться в пределах поля допуска, что создаст иллюзию отсутствия проблем. При построении гистограммы сразу становится очевидным, что распределение коэффициентов усиления хотя и находится в пределах допуска, но явно сдвинуто в сторону нижней границы и у большинства усилителей значение этого параметра качества меньше номинала. Это, в свою очередь, дает дополнительную информацию для дальнейшего анализа проблем.

Рисунок 13.3 Пример построения гистограммы.

Что собой представляет диаграмма разброса для чего она используется?

Диаграмма разброса - инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.

Эти две переменные могут относиться к:

· характеристике качества и влияющему на нее фактору;

· двум различным характеристикам качества;

· двум факторам, влияющим на одну характеристику качества.

Для выявления связи между ними и служит диаграмма разброса, которую также называют полем корреляции.

Использование диаграммы разброса в процессе контроля качества не ограничивается только выявлением вида и тесноты связи между парами переменных. Диаграмма разброса используется также для выявления причинно-следственных связей показателей качества и влияющих факторов.

Как построить диаграмму разброса?

Построение диаграммы разброса выполняется в следующей последовательности:

Соберите парные данные (х , у ), между которыми вы хотите исследовать зависимость, и расположите их в таблицу. Желательно не менее 25-30 пар данных.

Найдите максимальные и минимальные значения для х и y . Выберите шкалы на горизонтальной и вертикальной осях так, чтобы обе длины рабочих частей получились приблизительно одинаковыми, тогда диаграмму будет легче читать. Возьмите на каждой оси от 3 до 10 градаций и используйте для облегчения чтения круглые числа. Если одна переменная - фактор, а вторая - характеристика качества, то выберите для фактора горизонтальную ось х , а для характеристики качества - вертикальную ось у .

На отдельном листе бумаги начертите график и нанесите на него данные. Если в разных наблюдениях получаются одинаковые значения, покажите эти точки, либо рисуя концентрические кружки, либо нанося вторую точку рядом с первой.

Сделайте все необходимые обозначения. Убедитесь, что нижеперечисленные данные, отраженные на диаграмме, понятны любому человеку, а не только тому, кто делал диаграмму:

· название диаграммы;

· интервал времени;

· число пар данных;

· названия и единицы измерения для каждой оси;

· имя (и другие данные) человека, который делал эту диаграмму.

Пример построения диаграммы разброса.

Требуется выяснить влияние термообработки интегральных схем при Т = 120° С в течение времени t = 24 ч на уменьшение обратного тока p-n-перехода (I обр.). Для эксперимента было взято 25 интегральных схем (n = 25) и замерены значения I обр., которые приведены в таблице.

1. По таблице находят максимальные и минимальные значения х и у : максимальные значения х = 92, у = 88; минимальные значения х = 60, у = 57.

2. На графике на оси абсцисс откладывают значения х , на оси ординат - значения у . При этом длину осей делают почти равной разности между их максимальными и минимальными значениями и наносят на оси деления шкалы. На вид график приближается к квадрату. Действительно, в рассматриваемом случае разность между максимальными и минимальными значениями равна 92 – 60 = 32 для х и 88 – 57 = 31 для у , поэтому промежутки между делениями шкалы можно делать одинаковыми.

3. На график наносятся данные в порядке измерений и точки диаграммы разброса.

4. На графике указываются число данных, цель, наименование изделия, название процесса, исполнитель, дата составления графика и т.д. Желательно также, чтобы при регистрации данных во время измерений приводилась и сопровождающая информация, необходимая для дальнейших исследований и анализа: наименование объекта измерения, характеристики, способ выборки, дата, время измерения, температура, влажность, метод измерения, тип измерительного прибора, имя оператора, проводившего измерения (для данной выборки), и др.

Рисунок 13.4. Диаграмма разброса.

Диаграмма разброса позволяет наглядно показать характер изменения параметра качества во времени. Для этого проведем из начала координат биссектрису. Если все точки лягут на биссектрису, то это означает, что значения данного параметра не изменились 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 параметров 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 увеличению параметра на 10, 20, 30, 50 %, можно путем подсчета точек между прямыми выяснить частоту значений параметра в интервалах 0…10 %, 10…20 % и т.д.

Рис. 13.5. Пример анализа диаграммы разброса.

Что такое диаграмма Парето и как она используется для контроля качества?

В 1897 г. итальянский экономист В. Парето предложил формулу, показывающую, что общественные блага распределяются неравномерно. Эта же теория была проиллюстрирована на диаграмме американским экономистом М. Лоренцом. Оба ученых показали, что в большинстве случаев наибольшая доля доходов или благ (80%) принадлежит небольшому числу людей (20%).

Доктор Д. Джуран применил диаграмму М. Лоренца в сфере контроля качества для классификации проблем качества на немногочисленные, но существенно важные, а так же на многочисленные, но несущественные и назвал этот метод анализом Парето. Он указал, что в большинстве случаев подавляющее число дефектов и связанных с ними потерь возникают из-за относительно небольшого числа причин. При этом он иллюстрировал свои выводы с помощью диаграммы, которая получила название диаграммы Парето.

Диаграмма Парето - инструмент, позволяющий распределить усилия для разрешения возникающих проблем и выявить основные причины, с которых нужно начинать действовать.

В повседневной деятельности по контролю и управлению качеством постоянно возникают всевозможные проблемы, связанные, например, с появлением брака, неполадками оборудования, увеличением времени от выпуска партии изделий до ее сбыта, наличием на складе нереализованной продукции, поступлением рекламаций. Диаграмма Парето позволяет распределить усилия для разрешения возникающих проблем и установить основные факторы, с которых нужно начинать действовать с целью преодоления возникающих проблем.

Различают два вида диаграмм Парето:

1. Диаграмма Парето по результатам деятельности. Эта диаграмма предназначена для выявления главной проблемы и отражает следующие нежелательные результаты деятельности:

· качество: дефекты, поломки, ошибки, отказы, рекламации, ремонты, возвраты продукции;

· себестоимость: объем потерь, затраты;

· сроки поставок: нехватка запасов, ошибки в составлении счетов, срыв сроков поставок;

· безопасность: несчастные случаи, трагические ошибки, аварии.

2. Диаграмма Парето по причинам. Эта диаграмма отражает причины проблем, возникающих в ходе производства, и используется для выявления главной из них:

· исполнитель работы: смена, бригада, возраст, опыт работы, квалификация, индивидуальные характеристики;

· оборудование: станки, агрегаты, инструменты, оснастка, организация использования, модели, штампы;

· сырье: изготовитель, вид сырья, завод-поставщик, партия;

· метод работы: условия производства, заказы-наряды, приемы работы, последовательность операций;

· измерения: точность (указаний, чтения, приборная), верность и повторяемость (умение дать одинаковое указание в последующих измерениях одного и того же значения), стабильность (повторяемость в течение длительного периода), совместная точность, т.е. вместе с приборной точностью и тарированием прибора, тип измерительного прибора (аналоговый или цифровой).

· Как построить диаграмму Парето?

Построение диаграммы Парето состоит из следующих этапов.

Этап 1. Решите, какие проблемы надлежит исследовать и как собирать данные.

1. Какого типа проблемы вы хотите исследовать? Например, дефектные изделия, потери в деньгах, несчастные случаи.

2. Какие данные надо собрать и как их классифицировать? Например, по видам дефектов, по месту их появления, по процессам, по станкам, по рабочим, по технологическим причинам, по оборудованию, по методам измерения и применяемым измерительным средствам.

Примечание. Суммируйте остальные нечасто встречающиеся признаки под общим заголовком «прочие».

3. Установите метод и период сбора данных.

Этап 2. Разработайте контрольный листок для регистрации данных с перечнем видов собираемой информации. В нем надо предусмотреть место для графической регистрации данных проверок.

Этап 3. Заполните листок регистрации данных и подсчитайте итоги.

Этап 4. Для построения диаграммы Парето разработайте бланк таблицы для проверок данных, предусмотрев в нем графы для итогов по каждому проверяемому признаку в отдельности, накопленной суммы числа дефектов, процентов к общему итогу и накопленных процентов.

Этап 5. Расположите данные, полученные по каждому проверяемому признаку, в порядке значимости и заполните таблицу.

Примечание. Группу «прочие» надо поместить в последнюю строку независимо от того, насколько большим получилось число, так как ее составляет совокупность признаков, числовой результат по каждому из которых меньше, чем самое маленькое значение, полученное для признака, выделенного в отдельную строку.

Этап 6. Начертите одну горизонтальную и две вертикальные оси.

1. Вертикальные оси. Нанесите на левую ось шкалу с интервалами от 0 до числа, соответствующего общему итогу. На правую ось наносится шкала с интервалами от 0 до 100%.

2. Горизонтальная ось. Разделите эту ось на интервалы в соответствии с числом контролируемых признаков.

Этап 7. Постройте столбиковую диаграмму

Этап 8. Начертите кривую Парето. Для этого на вертикалях, соответствующих правым концам каждого интервала на горизонтальной оси, нанесите точки накопленных сумм (результатов или процентов) и соедините их между собой отрезками прямых.

Этап 9. Нанесите на диаграмму все обозначения и надписи.

1. Надписи, касающиеся диаграммы (название, разметка числовых значений на осях, наименование контролируемого изделия, имя составителя диаграммы).

3. Надписи, касающиеся данных (период сбора информации, объект исследования и место его проведения, общее число объектов контроля).

Как с помощью диаграммы Парето можно проанализировать проблемы качества, возникающие на предприятии?

При использовании диаграммы Парето наиболее распространенным методом анализа является так называемый АВС-анализ, сущность которого мы рассмотрим на примере.

Пример построения и анализа диаграммы Парето.

Допустим, на складе Вашего предприятия скопилось большое количество готовой продукции разных типов. При этом вся продукция, вне зависимости от ее вида и стоимости, подвергается сплошному выходному контролю. Из-за длительного времени контроля реализация продукции задерживается, а Ваше предприятие несет убытки в связи с задержкой поставок.

Разделим всю готовую продукцию, хранящуюся на складе, по группам в зависимости от стоимости каждого продукта.

Для построения диаграммы Парето и проведения АВС – анализа построим таблицу с накоплением до 100 %.

Построение таблицы накопленных частот осуществляется следующим образом.

Сначала находят общую стоимость изделий как сумму произведений для значений центров классов и числа образцов, перемножая значения столбцов 1 и 2, т.е. общая стоимость равна

95 × 200 = 85 × 300 + 75 × 500 + …+ 15 × 5000 + 5 × 12500 = 465,0 тыс. долл.

Затем составляют данные столбца 3. Например, значение из первой строки 19,0 тыс. долл. определяется следующим образом: 95 × 200 = 19 тыс. долл. Значение из второй строки, равное 44,5 тыс. долл., определяется так: 95 × 200 + 85 × 300 = 44,5 тыс. долл. И т.д.

Затем находят значение столбца 4, который показывает, сколько процентов от общей стоимости составляют данные каждой строки.

Данные столбца 6 образуются следующим образом. Значение 0,8 из первой строки представляет собой число процентов, приходящихся на накопленный запас продукции (200) от всего количества образцов (25000). Значение 2,0 из второй строки представляет собой число процентов, приходящихся на накопленный запас продукции (200 + 300), от всего ее количества.

После проведения этой подготовительной работы несложно построить диаграмму Парето. В прямоугольной системе координат по оси абсцисс отложим относительную частоту продукта ni/N,% (данные столбца 6), а по оси ординат - относительную стоимость этой продукции Стi/Cт, % (данные столбца 4). Соединив полученные точки прямыми, получим кривую Парето (или диаграмму Парето), как это показано на рисунке 3.6.

Кривая Парето получилась сравнительно плавной в результате большого числа классов. При уменьшении числа классов она становится более ломаной.

Рисунок 3.6. Пример диаграммы Парето.

Из анализа диаграммы Парето видно, что на долю наиболее дорогой продукции (первые 7 строк таблицы), которая составляет 20% от общего числа хранящихся на складе образцов, приходится более 50 % общей стоимости всей готовой продукции, а на долю самой дешевой продукции, расположенной в последней строке таблицы и составляющей 50% от общего количества продукции на складе, приходится всего 13,3% от общей стоимости.

Назовем группу «дорогой» продукции группой А, группу дешевой продукции (до 10 долл.) - группой С, и промежуточную группу - группой В. Построим таблицу АВС - анализа полученных результатов.

Теперь ясно, что контроль продукции на складе будет эффективнее в том случае, если контроль образцов группы А будет самым жестким (сплошным), а контроль образцов группы С - выборочным.

Что такое стратификация?

Одним из наиболее эффективных статистических методов, широко используемых в системе управления качеством, является метод стратификации или расслаивания. В соответствии с этим методом водят расслаивание статистических данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности. Данные, разделенные на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) - расслаиванием (стратификацией).

Метод расслаивания исследуемых статистических данных - это инструмент, позволяющий произвести селекцию данных, отражающую требуемую информацию о процессе.

Существуют различные методы расслаивания, применение которых 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 оборудования, 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).

По каким критериям можно выполнять расслаивание?

Расслаивание может осуществляться по следующим критериям:

· расслаивание по исполнителям - по квалификации, полу, стажу работы и т.д.

· расслаивание по машинам и оборудованию - по новому и старому оборудованию, марке, конструкции, выпускающей фирме и т.д.

· расслаивание по материалу - по месту производства, фирме-производителю, партии, качеству сырья и т.д.

· расслаивание по способу производства - по температуре, технологическому приему, месту производства и т.д.

· расслаивание по измерению - по методу, измерения, типу измерительных средств или их точности и т.д.

Однако пользоваться этим методом не так просто. Иногда расслаивание по, казалось бы, очевидному параметру не дает ожидаемого результата. В этом случае нужно продолжить анализ данных по другим возможным параметрам в поисках решения возникшей проблемы.

Что такое «диаграмма Исикавы»?

Результат процесса зависит от многочисленных факторов, между которыми существуют отношения типа причина - следствие (результат). Диаграмма причин и следствий - средство, позволяющее выразить эти отношения в простой и доступной форме.

В 1953 г. профессор Токийского Университета Каору Исикава, обсуждая проблему качества на одном заводе, суммировал мнение инженеров в форме диаграммы причин и результатов. Когда диаграмму начали применять на практике, она оказалась весьма полезной и скоро стала широко использоваться во многих компаниях Японии, получив название диаграммы Исикавы. Она была включена в японский промышленный стандарт (JIS) на терминологию в области контроля качества и определяется в нем следующим образом: диаграмма причин и результатов - диаграмма, которая показывает отношение между показателем качества и воздействующими на него факторами.

Причинно-следственная диаграмма - инструмент, позволяющий выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).

Если в результате процесса качество изделия оказалось неудовлетворительным, значит, в системе причин, т.е. в какой-то точке процесса, произошло отклонение от заданных условий. Если эта причина может быть обнаружена и устранена, то будут производиться изделия только высокого качества. Более того, если постоянно поддерживать заданные условия процесса, то можно обеспечить формирование высокого качества выпускаемых изделий.

Важно также, что полученный результат - показатели качества (точность размеров, степень чистоты, значение электрических величин и т.д.) - выражается конкретными данными. Используя эти данные, с помощью статистических методов осуществляют контроль процесса, т.е. проверяют систему причинных факторов. Таким образом, процесс контролируется по фактору качества.

Как выглядит диаграмма Исикавы?

Схема причинно-следственной диаграммы приведена ниже:

1. Система причинных факторов

2. Основные факторы производства

3. Материалы

4. Операторы

5. Оборудование

6. Методы операций

7. Измерения

8. Процесс

9. Следствие

10. Параметры качества

11. Показатели качества

12. Контроль процесса по фактору качества

Как собрать данные, необходимые для построения диаграммы Исикавы?

Информация о показателях качества для построения диаграммы собирается из всех доступных источников; используются журнал регистрации операций, журнал регистрации данных текущего контроля, сообщения рабочих производственного участка и т.д. При построении диаграммы выбираются наиболее важные с технической точки зрения факторы. Для этой цели широко используется экспертная оценка. Очень важно проследить корреляционную зависимость между причинными факторами (параметрами процесса) и показателями качества. В этом случае параметры легко поддаются корреляции. Для этого при анализе дефектов изделий их следует разделить на случайные и систематические, обратив особое внимание на возможность выявления и последующего устранения в первую очередь причины систематических дефектов.

Важно помнить, что показатели качества, являющиеся следствием процесса, обязательно испытывают разброс. Поиск факторов, оказывающих особенно большое влияние на разброс показателей качества изделия (т.е. на результат), называют исследованием причин.

Какова последовательность построения причинно-следственной диаграммы?

В настоящее время причинно-следственная диаграмма, являясь одним из семи инструментов контроля качества, используется во всем мире применительно не только к показателям качества продукции, но и к другим областям диаграмм. Можно предложить процедуру ее построения, состоящую из следующих основных этапов.

Этап 1. Определите показатель качества, т.е. тот результат, который вы хотели бы достичь.

Этап 2. Напишите выбранный показатель качества в середине правого края чистого листа бумаги. Слева направо проведите прямую линию («хребет»), а записанный показатель заключите в прямоугольник. Далее напишите главные причины, которые влияют на показатель качества, заключите их в прямоугольники и соедините с «хребтом» стрелками в виде «больших костей хребта» (главных причин).

Этап 3. Напишите (вторичные) причины, влияющие на главные причины («большие кости») и расположите их в виде «средних костей», примыкающих к «большим». Напишите причины третичного порядка, которые влияют на вторичные причины, и расположите их в виде «мелких костей», примыкающих к «средним».

Этап 4. Проранжируйте причины (факторы) по их значимости, используя для этого диаграмму Парето, и выделите особо важные, которые предположительно оказывают наибольшее влияние на показатель качества.

Этап 5. Нанесите на диаграмму всю необходимую информацию: ее название; наименование изделия, процесса или группы процессов; имена участников процесса; дату и т.д.

Пример диаграммы Исикавы.

Данная диаграмма построена для выявления возможных причин неудовлетворенности потребителя.

Рисунок 3.7. Диаграмма Исикавы.

После того как вы завершили построение диаграммы, следующий шаг - распределение причин по степени их важности. Не обязательно все причины, включенные в диаграмму, будут оказывать сильное влияние на показатель качества. Обозначьте только те, которые, на ваш взгляд, оказывают наибольшее воздействие.

Что такое «контрольные карты», и в каких ситуациях они используются?

Все вышеописанные статистические методы дают возможность зафиксировать состояние процесса в определенный момент времени. В отличие от них метод контрольных карт позволяет отслеживать состояние процесса во времени и более того - воздействовать на процесс до того, как он выйдет из-под контроля.

Контрольные карты - инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявляемых к процессу требований.

Использование контрольных карт преследует следующие цели:

· держать под контролем значение определенной характеристики;

· проверять стабильность процессов;

· немедленно принимать корректировочные меры;

· проверять эффективность принятых мер.

Однако следует отметить, что перечисленные цели являются характерными для действующего процесса. В период же запуска процесса контрольные карты используют для проверки возможностей процесса, т.е. его возможностей стабильно выдерживать установленные допуски.

Как выглядит контрольная карта?

Типичный пример контрольной карты приведен на рисунке.

Рис. 3.8. Контрольная карта.

При построении контрольных карт на оси ординат откладываются значения контролируемого параметра, а на оси абсцисс - время t взятия выборки (или ее номер).