Статистические методы контроля качества. Смысл статистических методов контроля качества заключается в значительном снижении затрат на его проведение по сравнению c органолептическими (визуальнымиСмысл статистических методов контроля качества заключается в значительном снижении затрат на его проведение по сравнению c органолептическими (визуальными, слуховыми и т.п.) со сплошным контролем, с одной стороны, и в исключении случайных изменений качества продук-ции – с другой стороны. Различаются две области применения статистических методов в производстве (рис. 14): · при регулировании хода технологического процесса с целью удержания его в заданных рамках (левая часть схемы); · при приемке изготовленной продукции (правая часть схемы).
Рисунок 14. Области применения статистических методов управления качеством продукции Для контроля технологических процессов решаются задачи статистического анализа точ-ности и стабильности технологических процессов и их статистического регулирования. При этом за эталон принимаются допуски на контролируемые параметры, заданные в технологической до-кументации, и задача заключается в жестком удержании этих параметров в установленных преде-лах. Может быть поставлена также задача поиска новых режимов выполнения операций с целью повышения качества конечного производства. Прежде чем браться за применение статистических методов в производственном процессе, необходимо четко представлять цель применения этих методов и выгоду производства от их при-менения. Очень редко данные используются для заключения о качестве в том виде, в каком они были получены. Обычно для анализа данных используются шесть, так называемых, статистичес-ких методов или инструментов контроля качества: · расслаивание (стратификация) данных; · графики; · диаграмма Парето; · контрольный листок и гистограмма; · диаграмма разброса; · контрольные карты. Расслаивание (стратификация) При разделении данных на группы в соответствии с их особенностями группы именуют слоями (стратами), а сам процесс разделения – расслаиванием (стратификацией). Желательно, чтобы различия внутри слоя были как можно меньше, а между слоями – как можно больше. В результатах измерений всегда есть больший или меньший разброс параметров. Если осу-ществлять стратификацию по факторам, порождающим этот разброс, легко выявить главную при-чину его появления, уменьшить его и добиться повышения качества продукции. Применение различных способов расслаивания зависит от конкретных задач. В произ-водстве часто используется способ, называемый 4М, учитывающий факторы, зависящие от: человека (man); машины (machine); материала (material); метода (method). То есть расслаивание можно осуществить так: · по исполнителям (по полу, стажу работы, квалификации и т.д.); · по машинам и оборудованию (по новому или старому, марке, типу и т.д.); · по материалу (по месту производства, партии, виду, качеству сырья и т.д.); · по способу производства (по температуре, технологическому приему и т.д.). В торговле может быть расслаивание по районам, фирмам, продавцам, видам товара, сезо-нам. Метод расслаивания в чистом виде применяется при расчете стоимости изделия, когда тре-буется оценка прямых и косвенных расходов отдельно по изделиям и партиям, при оценке при-были от продажи изделий отдельно по клиентам и по изделиям и т.д. Расслаивание также исполь-зуется в случае применения других статистических методов: при построении диаграмм Парето, гистограмм и контрольных карт. Графическое представление данных применяется в производственной практике для наг-лядности и облегчения понимания смысла данных. Различают следующие виды графиков: · график, представляющий собой ломаную линию (рис. 15), применяется, например, для выражения изменения каких-либо данных с течением времени; · круговой и ленточный графики (рис. 16 и 17) применяются для выражения процентного соотношения рассматриваемых данных; · Z-образный график (рис. 18) применяется для выражения условий достижений данных значений. Например, для оценки общей тенденции при регистрации по месяцам фактических данных (объем сбыта, объем производства и т.д.); · столбчатый график (рис. 19) представляет количественную зависимость, выражаемую высотой столбика, таких факторов, как себестоимость изделия от его вида, сумма потерь в результате брака от процесса и т.д. Разновидности столбчатого графика – гистограмма и диаграмма Парето. При построении графика по оси ординат откладывают количество факторов, влияющих на изучаемый процесс (в данном случае изучение стимулов к покупке изделий). По оси абсцисс – факторы, каждому из которых соответствует высота столбика, зависящая от числа (частоты) проявления данного фактора. Рисунок 15. Пример «ломанного» графика и его аппроксимации Рисунок 16. Пример кругового графика На рис. 16 показано соотношение составляющих себестоимости производства: 1 – себестоимость производства продукции в целом; Рисунок 17. Пример ленточного графика На рис. 17 показано соотношение сумм выручки от продажи по отдельным видам изделий (A,B,C). Видна тенденция: изделие B перспективно, а изделия A и C – нет. Z-образный график (рис. 18) строится следующим образом: · откладываются значения параметра (например, объем сбыта) по месяцам (за период одного года) с января по декабрь и соединяются отрезками прямой (ломаная линия 1); · вычисляется кумулятивная (накопленная) сумма за каждый месяц и строится соответствующий график (ломаная линия 2); · вычисляются итоговые значения (меняющийся итог) и строится соответствующий график. За меняющийся итог в данном случае принимается итог за год, предшествующий данному месяцу (ломаная линия 3). Ось ординат – выручка по месяцам, ось абсцисс – месяцы года. Рисунок 18. Пример Z-образного графика По меняющемуся итогу можно определить тенденцию изменения за длительный период. Вместо меняющегося итога можно наносить на график планируемые значения и проверять усло-вия их достижения. Рисунок 19. Пример столбчатого графика На рис. 19 отображено: 1 – число стимулов к покупке 2 – стимулы к покупке Если упорядочить стимулы к покупке по частоте их проявления и построить кумулятивную (накопленную) сумму, то получим диаграмму Парето. Диаграмма Парето Схема, построенная на основе группирования по дискретным признакам, ранжированная в порядке убывания (например, по частоте появления) и показывающая кумулятивную (накоплен-ную) частоту, называется диаграммой Парето (рис. 20). Парето – итальянский экономист и социо-лог, использовавший свою диаграмму для анализа богатств Италии. Рисунок 20. Пример диаграммы Парето 1 – ошибки в процессе производства 2 – некачественное сырье Приведенная диаграмма построена на основе группирования бракованной продукции по видам брака и расположения в порядке убывания числа единиц бракованной продукции каждого вида. Диаграмму Парето можно использовать очень широко. С ее помощью можно оценить эф-фективность принятых мер по улучшению качества продукции, построив ее до и после внесения изменений. Контрольный листок (таблица накопленных частот) составляется для построения гистограммы распределения, включает в себя следующие графы (табл.2): Таблица 2
На основании контрольного листка строится гистограмма (рис. 21), или, при большом коли-честве измерений, кривая распределения плотности вероятностей (рис. 22). Рисунок 21. Пример представления данных в виде гистограммы Гистограмма представляет собой столбчатый график и применяется для наглядного изобра-жения распределения конкретных значений параметра по частоте появления за определенный пе-риод времени. При нанесении на график допустимых значений параметра можно определить, как часто этот параметр попадает в допустимый диапазон или выходит за его предел. При исследовании гистограммы можно выяснить, в удовлетворительном ли состоянии на-ходятся партия изделий и технологический процесс. Рассматривают следующие вопросы: · какова ширина распределения по отношению к ширине допуска; · каков центр распределения по отношению к центру поля допуска; · какова форма распределения. Рисунок 22. Виды кривых распределения плотности вероятностей В случае, если: а) форма распределения симметрична, то имеется запас по полю допуска, центр распреде-ления и центр поля допуска совпадают – качество партии в удовлетворительном состоянии; б) центр распределения смещен вправо, то есть опасение, что среди изделий (в остальной части партии) могут находиться дефектные изделия, выходящие за верхний предел допуска. Про-веряют, нет ли систематической ошибки в измерительных приборах. Если нет, то продолжают вы-пускать продукцию, отрегулировав операцию и сместив размеры так, чтобы центр распределения и центр поля допуска совпадали; в) центр распределения расположен правильно, однако ширина распределения совпадает с шириной поля допуска. Есть опасения, что при рассмотрении всей партии появятся дефектные из-делия. Необходимо исследовать точность оборудования, условия обработки и т.д. либо расширить поле допуска; г) центр распределения смещен, что свидетельствует о присутствии дефектных изделий. Необходимо путем регулировки переместить центр распределения в центр поля допуска и либо сузить ширину распределения, либо пересмотреть допуск; д) ситуация аналогична предыдущей, аналогичны и меры воздействия; е) в распределении 2 пика, хотя образцы взяты из одной партии. Объясняется это либо тем, что сырье было 2-х разных сортов, либо в процессе работы была изменена настройка станка, либо в 1 партию соединили изделия, обработанные на 2-х разных станках. В этом случае следует произ-водить обследование послойно; ж) и ширина, и центр распределения – в норме, однако незначительная часть изделий выхо-дит за верхний предел допуска и, отделяясь, образует обособленный островок. Возможно, эти из-делия – часть дефектных, которые вследствие небрежности были перемешаны с доброкачествен-ными в общем потоке технологического процесса. Необходимо выяснить причину и устранить ее. Диаграмма разброса (рассеяния) применяется для выявления зависимости (корреляции) одних показателей от других или для определения степени корреляции между n парами данных для переменных x и y: (x1, y1), (x2, y2),..., (xn, yn) Рассмотрим различные варианты диаграмм разброса (или полей корреляции) на рис. 23: Рисунок 23. Варианты диаграмм разброса В случае: а) можно говорить о положительной корреляции (с ростом x увеличивается y); б) проявляется отрицательная корреляция (с ростом x уменьшается y); в) говорят об отсутствии корреляции (x растет, а y может как расти, так и уменьшаться). г) тоже говорят об отсутствии корреляции (между x и y нет линейной зависимости – в данном случае мы имеем нелинейную, то есть экспоненциальную зависимость). Контрольная карта Одним из способов достижения удовлетворительного качества и поддержания его на этом уровне является применение контрольных карт. Для управления качеством технологического про-цесса необходимо иметь возможность контролировать те моменты, когда выпускаемая продукция отклоняется от заданных техническими условиями допусков. Контрольные карты применяются, когда требуется установить характер неисправностей и дать оценку стабильности процесса; когда необходимо установить, нуждается ли процесс в регу-лировании или его необходимо оставить таким, каков он есть. Контрольной картой можно также подтвердить улучшение процесса. Рассмотрим простой пример. Проследим за работой токарного станка в течение определен- ного времени и будем измерять диаметр детали, изготавливаемой на нем (за смену, час). По полу-ченным результатам построим график и получим простейшую контрольную карту (рис. 24): Рисунок 24. Пример контрольной карты В точке 6 произошла разладка технологического процесса, необходимо его регулирование. Положение ВКГ и НКГ определяется аналитически, либо по специальным таблицам, и зависит от объема выборки. ВКГ и НКГ служат для предупреждения разладки процесса, когда изделия еще соответствуют техническим требованиям. Контрольная карта является средством распознания отклонений из-за неслучайных или особых причин от вероятных изменений, присущих процессу. Вероятные изменения редко повто-ряются в прогнозируемых пределах. Отклонения из-за неслучайных или особых причин сигнали-зируют о том, что некоторые факторы, влияющие на процесс, необходимо идентифицировать, рас-следовать и поставить под контроль. Контрольные карты основываются на математической ста-тистике. Они используют рабочие данные для установления пределов, в рамках которых будут ожидаться предстоящие исследования, если процесс останется неэффективным из-за неслучайных или особых причин. Контролироваться должны естественные колебания между пределами контроля. Нужно убедиться, что выбран правильный тип контрольной карты для определенного типа данных. Дан-ные должны быть взяты точно в той последовательности, в какой собраны, иначе они теряют смысл. Не следует вносить изменения в процесс в период сбора данных. Данные должны отра-жать, как процесс идет естест-венным образом. Контрольная карта может указать на наличие потенциальных проблем до того, как начнется выпуск дефектной продукции. Принято говорить, что процесс вышел из-под контроля, если одна или более точек вышли за пределы контроля. Существуют два основных типа контрольных карт: для качественных (годен – негоден) и для количественных признаков. Для качественных признаков возможны четыре вида контрольных карт: число дефектов на единицу продукции; число дефектов в выборке; доля дефектных изделий в выборке; число дефектных изделий в выборке. При этом в первом и третьем случаях объем вы-борки будет переменным, а во втором и четвертом – постоянным. Таким образом, целями применения контрольных карт могут быть: · выявление неуправляемого процесса; · контроль за управляемым процессом; · оценивание возможностей процесса. Контрольные карты позволяют проводить анализ возможностей процесса. Возможности процесса – это способность функционировать должным образом. Как правило, под возможностями процесса понимают его способность удовлетворять техническим требованиям. Существуют следующие виды контрольных карт: 1. Контрольные карты для регулирования по количественным признакам (измеренные вели-чины выражаются количественными значениями): · средних арифметических значений ( – карта); · медиан (xmed – карта); · средних квадратических отклонений (s – карта); · размахов (r – карта). 2. Контрольные карты для регулирования по качественным признакам: а) p – карта (для доли дефектных изделий) или процента брака, применяется для контроля и регулирования технологического процесса после проверки небольшой партии изделий и разделе-ния их на доброкачественные и дефектные, т.е. определения их по качественным признакам. Доля дефектных изделий получена путем деления числа обнаруженных дефектных изделий на число проверенных изделий. Может применяться также для определения интенсивности выпуска про-дукции, процента неявки на работу и т.д.; б) c – карта (число дефектов на одно изделие), используется, когда контролируется число дефектов, обнаруживаемых среди постоянных объемов продукции (автомобили – одна или 5 тран-спортных единиц, листовая сталь – один или 10 листов); в) n – карта (число дефектов на единицу площади), используется, когда площадь, длина, масса, объем, сорт непостоянны и обращаться с выборкой как с постоянным объемом невозможно.
|