Семь новых инструментов контроля качества. Основные инструменты контроля качества продукции Инструменты для контроля качества

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).

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 инструментов управления качеством (простые инструменты качества, семь новых инструментов управления качеством) были выделены в 1979 году Союзом японских ученых и инженеров (JUSE) в качестве дополнения к семи простым статистическим методам. Они представляют собой логические инструменты, которые в наглядной, графической форме позволяют проанализировать любые события, проблемы и т.д.

К семи инструментам управления качеством относятся:

диаграмма сродства;
диаграмма связей;
древовидная диаграмма (дерево решений);
матричная диаграмма или диаграмма качества;
стрелочная (сетевая) диаграмма;
диаграмма процесса (PDPC);
матрица приоритетов (анализ матричных данных).

I Каково ключевое различие между этой группой инструментов и семи простыми статистическими инструментами?

Диаграмма сродства - инструмент, позволяющий упорядочить множество устных данных (идей, желаний потребителей, мнений групп и т.д.) по принципу сродства. Эту диаграмму часто называют KJ- методом, по имени ее основоположника - Дзиро Кавакита. Диаграмма сродства служит для группировки множества аналогичных или взаимосвязанных идей, иллюстрирует скорее ассоциации , чем логические связи. Используется в случае, когда необходимо упорядочить большое количество данных, а также простимулировать коллективный творческий процесс.

Рис. 6.18

библиотеке

Процедура составления диаграммы сродства:

1. определение объекта для сбора данных;
2. сбор данных с помощью «мозгового штурма». Данные по мерс поступления записываются на стикеры и приклеиваются на большой лист или доску;
3. группировка родственных данных по направлениям. По принципу родства данные объединяются в группы путем псрсклсивания стикеров.

Диаграмма связей (граф связей) позволяет выявить логические связи между основной идеей, проблемой и различными данными. В отличие от диаграммы сродства, для построения которой требуется творческое, ассоциативное мышление, диаграмма связей является логическими инструментом.

Диаграмма связей применяется в случаях, когда:

тема является настолько сложной, что связи между различными идеями не могут быть установлены с помощью обычного обсуждения;
последовательность шагов во времени имеет решающее значение;
есть подозрение, что изучаемая проблема является частью более фундаментальной, не затронутой в данном случае проблемы.

Различают два вида диаграммы связей:

качественный граф связей;
количественный граф связей.

Рис. 6.19

Качественный граф связей устанавливает зависимость между разными факторами. Количественный граф связей предназначен для определения влияния нескольких факторов друг на друга. Часто используется для определения роли фактора (причина или следствие): если для фактора характерно больше исходящих стрелок, чем входящих, то это причина, в обратном случае - следствие.

Рис. 6.20

Древовидная диаграмма (дерево целей, систематическая диаграмма) является инструментом, обеспечивающим систематический путь разрешения существенной проблемы или центральной идеи, представленной на различных уровнях. В отличие от диаграммы сродства и диаграммы связей этот инструмент более целенаправлен.

Дерево целей строится в виде многоступенчатой иерархической структуры, элементами которой являются, например, различные средства и способы решения проблемы. Процедура ее построения аналогична описанной выше для диаграммы сродства. Но в данном случае исследуемый объект должен быть точно определен и распознан.

Вариант построения древовидной диаграммы для решения проблемы называется анализом коренной причины (метод Пяти Почему?). Древовидная диаграмма может также строится для определения требований потребителя, для составления перечня мероприятий по улучшению деятельности и т.д.

Рис. 6.21

Матричная диаграмма позволяет выявить важность различных связей. Этот инструмент служит для организации больших массивов данных и позволяет графически отобразить логические связи между различными элементами.

Целью матричной диаграммы является изображение связей между задачами, функциями и характеристиками с выявлением степени их относительной важности. Поэтому матричная диаграмма в конечном виде отражает соответствие определенных факторов и явлений различным причинам их появления и средствам устранения их последствий, а также показывает степень зависимости этих факторов от причин их возникновения и мер по их устранению. Такие матричные диаграммы называют матрицами связей.

Рис. 6.22

На практике применяют различные формы матрицы связей в зависимости от количества исследуемых групп переменных:

L-формы (переменных - 2, прямых связей - 1, косвенных - нет);
Т-формы (переменных - 3, прямых связей - 2, косвенных -
Y-формы (переменных - 3, прямых связей - 3, косвенных - нет);
Х-формы (переменных - 4, прямых связей - 4, косвенных -
«крыша» (переменных - 1, прямых связей - нет, косвенных - нет).

Наиболее распространённой является матричная диаграмма L- формы, которую часто называют «таблицей качества». В этом случае две взаимосвязанные группы компонент представлены в строках и столбцах матрицы соответственно, с помощью которой необходимо установить связь между отдельными компонентами.

2 В каких, уже известных Вам инструментах управления качеством, используются матричные диаграммы?

Стрелочная (сетевая) диаграмма применяется для планирования оптимальных сроков выполнения всех необходимых работ для реализации поставленной цели. Использование данного инструмента возможно лишь после выявления проблем, определения необходимых мер, сроков и этапов их осуществления.

Стрелочная диаграмма представляет собой диаграмму хода проведения работ с указанием последовательности и сроков их выполнения и служит для решения оптимизационных задач. Этот инструмент заимствован из методов исследования операций и широко применяется нс только при планировании, но и при последующем кон троле за ходом работ.

Существует несколько методов построения сетевой диаграммы в зависимости от ориентации на процессы или события:

метод СРМ (Critical Path Method);
метод PERT (Program Evaluation and Review Technique);
метод MPM (Metra Potential Method).

Наиболее распространенным является метод критического пути (метод СРМ), который графически может быть представлен в виде диаграммы Гантта или сетевого графа. Предпочтительным является сетевой граф, так как он более наглядно отражает последовательность действий и влияние той или иной операции на выполнение последующих.

Рис. 6.23

Рис. 6.24

Диаграмма процесса (Process Decision Program Chart - PDPC, блок-схема процесса, метод Дзнро Кондо) представляет собой схему, отражающую последовательность действий и решений, необходимых для получения необходимого результата.

Наиболее эффективно применение диаграммы процесса:

при разработке новых программ. В этом случае диаграмма процесса позволяет спланировать и проследить последовательность действий, анализируя возникновение возможных проблем;
при возможности крупных ошибок при планировании процесса. Диаграмма процесса позволяет проанализировать все действия, спрогнозировать нежелательные результаты и заблаговременно провести соответствующие

корректировки.

Рис. 6.25

1 Чем отличаются ситуации применения диаграммы процесса и стрелочной диаграммы?

Матрица приоритетов (анализ матричных данных)

предназначена для обработки полученных при построении матричных диаграмм больших числовых массивов. С помощью многомерного статистического анализа выявляются приоритетные данные. Данный метод применяется в случаях, когда необходимо представить численные данные из матричных диаграмм в более наглядном виде. Примером использования анализа матричных данных является выявление

важности технических характеристик в технологии развёртывания функции качества (QFD).

Рис. 6.26

В каком другом инструменте управления качествомиспользуется аналогичный принцип представления данных? В чемсущественное различие между этими инструментами?

Оценка качества продукции предполагает выполнение соответствия показателей качества продукции требованиям потребителя и выбор в случае необходимости направление улучшения его качества .

Качество определяется мерой соответствия товаров, работ, услуг условиям и требованиям запросов потребителей, стандартов, договоров, контрактов.

Показатели качества могут характеризоваться непрерывными или дискретными величинами. Они могут быть абсолютными или относительными. Значение величин зависит от условий и методов их определения. Показатели качества продукции устанавливаются объективными методами, а также экспертным путем.

Анализ качества продукции включает характеристику качества по установленным показателям или планам, изучение основных факторов, влияющих на качество, расчет влияния качества на объем продукции в денежном выражении. Как может быть проведен анализ ПКП, показано на рис. 4.9.

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) .

Рис. 4.9.

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.

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 оперативно выявить наиболее вероятные причины несоответствия и устранить их.

Нужно ли контролировать всю продукцию, которую выпускает предприятие? Ответ зависит от специфики производства. Если оно носит единичный или мелкосерийный характер, продукцию следует подвергнуть сплошному, т.е. стопроцентному 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, участники сделки должны оговорить обе возможные ошибки, выразив их в процентах.

Существуют различные инструменты 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 инструментам контроля качества относятся следующие статистические методы (рис. 4.10) :

контрольный листок;
гистограмма;
диаграмма разброса;
диаграмма Парето;
стратификация (расслоение);
диаграмма Исикавы (причинно-следственная диаграмма);
контрольная карта.

Рис. 4.10.

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.

Особенности применения инструментов контроля качества на практике. Внедрение семи инструментов контроля качества должно начинаться 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 качества" (см. главу 1), 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.

Какая бы задача ни 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 – 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.

Различных контрольных листков сотни, 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 фиксации отказавших деталей в электронно-лучевых приборах (рис. 4.11) .

На основании собранных с помощью этих контрольных листков данных не составляет труда составить таблицу суммарных отказов (табл. 4.3).

Таблица 4.3

Таблица отказов к контрольному листку

Рис. 4.11.

При составлении контрольных листков следует обратить внимание на то, чтобы было указано, кто, на каком этапе процесса и в течение какого времени 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.

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 (рис. 4.12). Аналогичную форму гистограммы можно получить, если по оси ординат отложить соответствующие значения относительных частот. При этом сумма площадей всех столбиков будет равна единице. Гистограмма 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.

На рис. 4.12 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 10 дБ. Техническими условиями также установлены допустимые значения коэффициента усиления: нижняя граница допуска S L = 7,75 дБ, а верхняя S v= 12,25 дБ. При этом ширина поля допуска Т равна разности значений верхней и нижней границ допуска: Т = S U/ – S L.

Рис. 4.12.

Следующим инструментом контроля качества является 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 .

Рис. 4.13.

Построение диаграммы разброса выполняется в следующей последовательности.

Этап 1. Соберите парные данные (x , у ), между которыми вы хотите исследовать зависимость, и расположите их в таблицу. Желательно нс менее 25–30 пар данных.

Этап 2. Найдите максимальные и минимальные значения для х и у. 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.

Этан 3. На отдельном листе бумаги начертите график и нанесите на него данные. Если в разных наблюдениях получаются одинаковые значения, покажите эти точки, либо рисуя концентрические круги, либо нанося вторую точку рядом с первой.

Этап 4. Сделайте все необходимые обозначения: название диаграммы; интервал времени; число пар данных; названия и единицы измерения для каждой оси; имя (и другие данные) человека, который делал эту диаграмму.

Убедитесь, что нижеперечисленные данные, отраженные на диаграмме, понятны любому человеку, а не только тому, кто делал диаграмму.

ПРИМЕР 4.2

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 (к = 25) и замерены значения I обр, которые приведены в табл. 4.4.

Таблица 4.4

Данные измерения /об| , интегральных схем

Номер интегральной схемы	До термообработки, х	После термообработки, у

1. По таблице находят максимальные и минимальные значения х и у: максимальные значения х = 92, у = 88; минимальные значения x = 60, у = 57.
2. На графике по оси абсцисс откладывают значения х, по 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 32 (92-60) для х и 31 (88-57) для у, поэтому промежутки между делениями шкалы можно делать одинаковыми.

3. На график наносят данные в порядке измерений и точки диаграммы разброса.
4. На графике указывают число данных, цель, наименование изделия, название процесса, имя исполнителя, дату составления графика и т.д. Желательно также, чтобы при регистрации данных во время измерений приводилась и сопроводительная 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.

Пример построения и анализа диаграммы разброса представлен на рис. 4.14.

Рис. 4.14.

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 уменьшились. Если же точки ложатся выше биссектрисы, то значения параметра за рассматриваемое время возросли. Проведя лучи из начала координат, соответствующие уменынению/увеличению параметра на 10, 20, 30, 50%, можно путем подсчета точек между прямыми выяснить частоту значений параметра в интервалах.

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

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. Ученые показали, что в большинстве случаев наибольшая доля доходов или благ (80%) принадлежит небольшому числу людей (20%).

Доктор Д. Джуран применил диаграмму М. Лоренца для классификации проблем качества на немногочисленные, но существенно важные, и многочисленные, но несущественные. Он назвал этот метод анализом Парето и 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.

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).

Построение диаграммы Парето состоит из следующих этапов (рис. 4.15).

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.

Примечание. Если это целесообразно, используйте специальный бланк.

Этап 3. Заполните листок регистрации данных и подсчитайте итоги.

Этап 4. 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.

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 вертикальных 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 9. Нанесите на диаграмму все обозначения и надписи.

1. Надписи, касающиеся диаграммы (название, разметка числовых значений на осях, наименование контролируемого изделия, имя составителя диаграммы).
2. Надписи, касающиеся данных (период сбора информации, объект исследования и место его проведения, общее число объектов контроля).

С помощью диаграммы Парето можно проанализировать проблемы качества, возникающие на предприятии. При ее использовании наиболее распространенным методом анализа является так называемый ABC -анализ, сущность которого мы рассмотрим на примере.

ПРИМЕР 4.3

Допустим, на складе 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 предприятие несет убытки в связи с задержкой поставок.

Разделим всю готовую продукцию, хранящуюся на складе, по группам в зависимости от стоимости каждого продукта (табл. 4.5).

Таблица 4.5

Данные по наличию продукции на складе

Для построения диаграммы Парето и проведения ДВС-анализа построим таблицу с накоплением до 100% (табл. 4.6).

Таблица 4.6

Таблица накопленных частот

Стоимость продукта, тыс. руб.	Число образцов, тыс. шт.	Стоимость продукции, хранящейся на складе		Число образцов, хранящихся на складе
Стоимость продукта, тыс. руб.	Число образцов, тыс. шт.	Накопленная стоимость, млн руб.	Относительная стоимость, %	Накопленное число продукта, тыс. шт.	Относительная частота продукта n i/N, %

Построение таблицы накопленных частот осуществляется следующим образом.

95 × 200 + 85 × 300 + 75 × 500 + ... + 15 × 5000 + 5 × 12 500 = 465,0 млн руб.

Затем составляют данные столбца 3. Например, значение из первой строки определяется следующим образом: 95 × 200 = 19 млн руб. Значение из второй строки определяется так: 95 × × 200 + 85 × 300 = 44,5 млн руб. и т.д.

После проведения этой подготовительной работы несложно построить диаграмму Парето. В прямоугольной системе координат по оси абсцисс отложим относительную частоту продукта n i/Ν, % (данные столбца 6), а по оси ординат – относительную стоимость этой продукции Стi/Ст,% (данные столбца 4). Соединив полученные точки прямыми, получим кривую Парето (или диаграмму Парето), как это показано на рис. 4.15.

Рис. 4.15.

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 тыс. руб.) – группой С, промежуточную группу – группой В. Построим таблицу AВС -анализа полученных результатов (табл. 4.7).

Таблица 4.7

ABC -анализ полученных по диаграмме Парето 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.

Одним из наиболее эффективных статистических методов, широко используемых в системе управления качеством, является метод стратификации или расслаивания. В соответствии с этим методом вводят 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 ).

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 но 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 всегда 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.

Диаграмма Исикавы (причинно-следственная диаграмма) – инструмент, позволяющий выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).

Результат процесса зависит от многих 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.

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.

Схема причинно-следственной диаграммы (диаграммы Исикавы) приведена на рис. 4.16.

Рис. 4.16.

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

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

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. Процедура ее построения состоит из следующих основных этапов.

Этап 1. Определите показатель качества, т.е. тот результат, которого 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".

На рис. 4.17 приведена диаграмма, построенная для выявления возможных причин неудовлетворенности потребителя.

Рис. 4.17.

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 .

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.

– 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.

Типичный пример контрольной карты приведен на рис. 4.18.

Рис. 4.18.

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

Всякая контрольная карта состоит обычно из трех линий. Центральная линия представляет собой требуемое среднее значение характеристики контролируемого параметра качества. Так, в случае (х – R )-карты это будут номинальные (заданные) значения х и R, нанесенные соответствующие карты.

Две другие линии, одна из которых находится над центральной – верхний контрольный предел (Кв или UCL – Upper Control Level ), а другая иод ней – нижний контрольный предел (Кн или LCL – Lower Control Level ), представляют собой максимально допустимые пределы изменения значений контролируемой характеристики (показателя качества), чтобы считать процесс удовлетворяющим предъявляемым к нему требованиям.

Если все точки соответствуют выборочным средним значениям контролируемого параметра и его изменчивости и оказываются внутри контрольных пределов, не проявляя каких бы то ни было тенденций, то процесс рассматривается как находящийся в контролируемом состоянии. Если же, напротив, они попадут за контрольные пределы или примут какую-нибудь необычную форму расположения, то процесс считается вышедшим из-под контроля.

Процесс считается контролируемым, если систематические составляющие его погрешности регулярно выявляются и устраняются, а остаются только случайные составляющие погрешностей, которые, как правило, распределяются в соответствии с нормальным (гауссовским) законом распределения.

Для успешного внедрения на практике контрольных карт важно не только овладеть техникой их составления и ведения, по, что значительно важнее научиться правильно "читать" карту.

Расположение контрольных точек на x -карте указывает на возрастание среднего выборочного значения во времени. А значение х в четвертой выборке оказалось за контрольным пределом, что говорит о том, что в момент, когда бралась четвертая выборка, процесс уже не соответствовал предъявляемым требованиям. Однако этого можно было бы избежать, если бы на основании результатов уже первых трех выборок, когда процесс находился еще в установленных пределах, по уже была видна тенденция его изменения, указывающая на явное влияние систематических погрешностей, были бы предприняты соответствующие меры по их устранению. Наглядным примером такой систематической погрешности может служить состояние резца, перемещение которого при автоматической обработке детали на токарном станке не учитывает его затупления .

Таким образом, контрольная карта помогает не только выявить несоответствие процесса требованиям потребителя, но и предвидеть возможности его появления в будущем.

Разобранные нами инструменты используются в различных методах оценки качества продукции, к рассмотрению которых мы и переходим.

Ефимов В. В., Барт Т. В. Мазур И. И., Шапиро В. Д. Федюкин В. К. Управление качеством производственных процессов: учеб. пособие. М.: КноРус, 2011.
Горбашко Е. А. Мазур И. И., Шапиро В. Д. Управление качеством: учеб. пособие. М.: Омега-Л, 2011; Шестопал Ю. Т., Дорофеев В. Д. Управление качеством: учеб. пособие. М.: ИНФРА-М, 2011; Салимова Т. А. Управление качеством: учебник. М.: Омега-Л, 2010.
Тебекин А. В. Управление качеством: учебник., 2011 Шестопал Ю. Т ., Дорофеев В. Д. Управление качеством: учеб. пособие. М. ИНФРА-М, 2011; Салимова Т. А. Управление качеством: учебник. М. Омега-Л, 2010.
Горбашко Е. А. Управление качеством: учебник., 2012; Ефимов В. В., Барт Т. В. Статистические методы в управлении качеством продукции: учеб. пособие. М.: КноРус, 2012; Федюнин В. К. Управление качеством производственных процессов: учеб. пособие. М.: КноРус, 2011; Тебекин А. В. Агарков А. П. Управление качеством: учеб. пособие. М.: Дашков и К°, 2009; Герасимов В. И. Управление качеством: учеб. пособие. М.: Форум, 2009; Фейгенбаум А. В. Контроль качества продукции. М.: Логос, 2004.
Магомедов Ш. III., Беспалова Г. Е. Управление качеством продукции: учебник. М.: Дашков и К°, 2012; Фрейдипа Е. В. Управление качеством: учеб. пособие. М.: Омега-Л, 2012; Горбашко Е. А. Управление качеством: учебник., 2012; Ефимов В. В., Барт Т. В. Статистические методы в управлении качеством продукции: учеб. пособие. М.: КноРус, 2012.
Ефимов В. В. Средства и методы управления качеством: учеб. пособие. М.: КноРус, 2012; Горбашко Е. А. Управление качеством: учебник., 2012; Мазур И. И., Шапиро В. Д. Управление качеством; учеб. пособие. М.: Омега-Л, 2011.

Один из базовых принципов управления качеством состоит в принятии решений на основе фактов. Наиболее полно это решается методом моделирования процессов, как производственных, так и управленческих инструментами математической статистики. Однако, современные статистические методы довольно сложны для восприятия и широкого практического использования без углубленной математической подготовки всех участников процесса. К 1979 году Союз японских ученых и инженеров (JUSE) собрал воедино семь достаточно простых в использовании наглядных методов анализа процессов. При всей своей простоте они сохраняют связь со статистикой и дают профессионалам возможность пользоваться их результатами, а при необходимости - совершенствовать их.

Причинно-следственная диаграмма (диаграмма Ишикавы)

Диаграмма типа 5М рассматривает такие компоненты качества, как “человек”, “машина”, “материал”, “метод”, “контроль”, а в диаграмме типа 6М к ним добавляется компонент “среда”. Применительно к решаемой задаче квалиметрического анализа, для компоненты “человек” необходимо определить факторы, связанные с удобством и безопасностью выполнения операций; для компоненты “машина” - взаимоотношения элементов конструкции анализируемого изделия между собой, связанные с выполнением данной операции; для компоненты “метод” - факторы, связанные с производительностью и точностью выполняемой операции; для компоненты “материал” - факторы, связанные с отсутствием изменений свойств материалов изделия в процессе выполнения данной операции; для компоненты “контроль” - факторы, связанные с достоверным распознаванием ошибки процесса выполнения операции; для компоненты “среда” - факторы, связанные с воздействием среды на изделие и изделия на среду.

Пример диаграммы Ишикавы

Контрольные листки

Контрольные листки могут применяться как при контроле по качественным, так и при контроле по количественным признакам.

Гистограммы

Гистограммы – один из вариантов столбчатой диаграммы, отображающий зависимость частоты попадания параметров качества изделия или процесса в определенный интервал значений от этих значений.

Гистограмма строится следующим образом:

Определяем наибольшее значение показателя качества.
Определяем наименьшее значение показателя качества.
Определяем диапазон гистограммы как разницу между наибольшим и наименьшим значением.
Определяем число интервалов гистограммы. Часто можно пользоваться приближенной формулой:
(число интервалов) = Ц (число значений показателей качества) Например, если число показателей = 50, число интервалов гистограммы = 7.
Определяем длину интервала гистограммы = (диапазон гистограммы) / (число интервалов).
Разбиваем диапазон гистограммы на интервалы.
Подсчитываем число попаданий результатов в каждый интервал.
Определяем частоту попаданий в интервал = (число попаданий)/(общее число показателей качества)
Строим столбчатую диаграмму

Диаграммы разброса

Диаграммы разброса представляют из себя графики вида, изображенного ниже, которые позволяют выявить корреляцию между двумя различными факторами.

Диаграмма разброса: Взаимосвязи показателей качества практически нет.

Диаграмма разброса: Имеется прямая взаимосвязь между показателями качества

Диаграмма разброса: Имеется обратная взаимосвязь между показателями качества

Анализ Парето

Анализ Парето получил свое название по имени итальянского экономиста Вилфредо Парето, который показал, большая часть капитала (80%) находится в руках незначительного количества людей (20%). Парето разработал логарифмические математические модели, описывающие это неоднородное распределение, а математик М.Оа. Лоренц представил графические иллюстрации.

Правило Парето - “универсальный” принцип, который применим во множестве ситуаций, и без сомнения - в решении проблем качества. Джозеф Джуран отметил “универсальное” применение принципа Парето к любой группе причин, вызывающих то или иное последствие, причем большая часть последствий вызвана малым количеством причин. Анализ Парето ранжирует отдельные области по значимости или важности и призывает выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).

Анализ Парето как правило иллюстрируется диаграммой Парето (рис. ниже), на которой по оси абсцисс отложены причины возникновения проблем качества в порядке убывания вызванных ими проблем, а по оси ординат – в количественном выражении сами проблемы, причем как в численном, так и в накопленном (кумулятивном) процентном выражении.

На диаграмме отчетливо видна область принятия первоочередных мер, очерчивающая те причины, которые вызывают наибольшее количество ошибок. Таким образом, в первую очередь, предупредительные мероприятия должны быть направлены на решение проблем именно этих проблем.

Диаграмма Парето

Стратификация

В основном, стратификация - процесс сортировки данных согласно некоторым критериям или переменным, результаты которого часто показываются в виде диаграмм и графиков

Мы можем классифицировать массив данных в различные группы (или категории) с общими характеристиками, называемыми переменной стратификации. Важно установить, которые переменные будут использоваться для сортировки.

Стратификация - основа для других инструментов, таких как анализ Парето или диаграммы рассеивания. Такое сочетание инструментов делает их более мощными.

На рисунке приведен пример анализа источника возникновения дефектов. Все дефекты (100%) были классифицированы на четыре категории – по поставщикам, по операторам, по смене и по оборудованию. Из анализа представленных донных наглядно видно, что наибольший вклад в наличие дефектов вносит в данном случае «поставщик 1».

Стратификация данных.

Контрольные карты

Контрольные карты – специальный вид диаграммы, впервые предложенный В. Шухартом в 1925 г. Контрольные карты имеют вид, представленный на рис. 4.12. Они отображают характер изменения показателя качества во времени.

Общий вид контрольной карты

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 или на основе размаха процесса R (разницы между наибольшим и наименьшим значением), или на основе среднеквадратического отклонения процесса S.

В настоящее время обычно используются x- S карты, x - R карты используются реже.

Контрольные карты по качественным признакам

Карта для доли дефектных изделий (p - карта)

В p - карте подсчитывается доля дефектных изделий в выборке. Она применяется, когда объем выборки - переменный.

Карта для числа дефектных изделий (np - карта)

В np - карте подсчитывается число дефектных изделий в выборке. Она применяется, когда объем выборки - постоянный.

Карта для числа дефектов в выборке (с - карта)

В с - карте подсчитывается число дефектов в выборке.

Карта для числа дефектов на одно изделие (u - карта )

В u - карте подсчитывается число дефектов на одно изделие в выборке.

Бланк контрольной карты