1.1.6. Причинно-следственная диаграмма

Причинно-следственная диаграмма (диаграмма Исикавы) – инструмент, позволяющий в упорядоченном виде представить все факторы, влияющие на конечный результат, и помогающий выявить основные факторы, влияющие на конечный результат.

Причинно-следственная диаграмма часто называется также диаграммой Исикавы (по имени ее автора), диаграммой «причина-следствие», «рыбьей костью», «рыбьим скелетом». Она позволяет выявить и систематизировать различные факторы и условия, оказывающие влияние на рассматриваемую проблему (на показатели качества, такие как простои автомобилей по техническим неисправностям, наработка на отказ и т. д.). Информация о показателях качества для построения диаграммы собирается из всех доступных источников. При построении диаграммы выбираются важные с технической точки зрения факторы.

Сложная причинно-следственная диаграмма анализируется с помощью расслоения по отдельным факторам. При выявленной анализом заметной разнице в разбросе между «слоями» принимают соответствующие меры для ликвидации этой разницы и устранения причины ее появления.

При использовании причинно-следственной диаграммы процесс производства рассматривают как взаимодействие 4М (material – (материал) + machine – (оборудование) + man – (оператор)+method – (метод)). Зависимость между процессом, представляющим собой систему причинных факторов, и качеством, представляющим собой результат действия этих причинных факторов, можно выразить графически, как показано на рис. 1.10.

Рис. 1.10. Причинно-следственная диаграмма

Если результат процесса оказался неудовлетворительным, то в системе причин, т. е. в какой-то точке процесса, произошло отклонение от заданных условий. Если постоянно поддерживать заданные условия хода процесса, можно обеспечить формирование высокого качества.

Как показано на рис. 1.10, характеристики качества, являющиеся следствием, определяют причины М1–М4, обозначенные стрелками. Эти причины являются, в свою очередь, следствием других причин. Все они также обозначены стрелками, направленными к соответствующим следствиям. Вторичным причинам могут соответствовать третичные причины и т. д.

Для составления причинно-следственной диаграммы необходимо подобрать максимальное количество факторов, имеющих отношение к характеристике, которая вышла за пределы допустимых значений.

Наиболее эффективным считается групповой метод анализа причин, называемый «мозговым штурмом». В этом случае, если проблема возникла на участке, к группе экспертов присоединяются лица, непосредственно работающие на этом производственном участке.

При анализе причин часто приходится пользоваться другими статистическими методами и прежде всего – методом расслоения.

1.1.7. Диаграммы разброса

Диаграмма разброса – инструмент, позволяющий определить вид и тесноту связи между парами рассматриваемых переменных.

Диаграмма разброса используется для выявления зависимости между показателями качества (результат) и основными факторами производства (причина) при анализе причинно-следственной диаграммы или для выявления корреляционной зависимости между факторами.

Диаграмма разброса, так же как и метод расслоения, используется для выявления причинно-следственных связей показателей качества и влияющих факторов при анализе причинно-следственной диаграммы.

При наличии корреляционной зависимости причинный фактор оказывает очень большое влияние на характеристику процесса, поэтому, удерживая этот фактор под контролем, можно достичь стабильности характеристики.

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

Для построения диаграммы разброса прежде всего, проводят сбор этих данных и представляют их в виде таблицы соответствия тех и других какому-то общему для них условию сбора.

Если данных мало, четкую зависимость установить трудно, поэтому желательно, чтобы число пар было не менее 30. Однако даже в тех случаях, когда число данных оказывается всего лишь порядка 10, часто можно получить какую-то полезную информацию.

Существуют различные методы оценки степени корреляционной зависимости. Одним из них является метод вычисления коэффициента корреляции по формуле

,

где х_i, у_i – значения параметров х и у для i-го измерения; х, у – средние арифметические значения величин х и у; S_x, S_y — стандартные отклонения величин х и у; п – число измерений в выборке (объем выборки).

Если r = ±1, это свидетельствует о наличии корреляционной зависимости, если r = 0, корреляционная зависимость отсутствует. Чем ближе коэффициент корреляции к 1, тем теснее зависимость между параметрами.

Эффективным и более простым методом анализа степени корреляционной зависимости считается метод медиан, удобный при исследовании технологического процесса с использованием данных, полученных на рабочем месте.

Диаграмма разброса строится как график зависимости между двумя переменными и .

Применяют две разновидности метода медиан. Рассмотрим действие первого метода на практическом примере, диаграмма разброса для которого приведена на рис. 1.11.

Рис. 1.11.. Диаграмма разброса для определения зависимости между и методом медиан

На график наносятся данные в порядке измерений. Если на одну и ту же точку графика попадает два или три значения, они обозначаются как точка в круге, или в двух кругах, или возле точки проставляется число данных, или рядом с нанесенной точкой сразу перед ней ставятся еще одна, две точки и т. д.

На диаграмме разброса проводятся вертикальная и горизонтальная линии медиан. Выше и ниже горизонтальной медианы, справа и слева от вертикальной медианы должно быть равное количество точек.

Если количество точек окажется нечетным, следует провести линию через центральную точку. В каждом из четырех квадрантов, получившихся в результате разделения диаграммы разброса вертикальной и горизонтальной медианами, подсчитывают число точек и обозначают соответственно. Точки, через которые прошла медиана, не учитывают. Отдельно складывают число точек в положительных и отрицательных квадрантах и их общую сумму:

;

;

.

Для определения наличия и степени корреляции по методу медиан используется специальная таблица (табл. 1.2) кодовых значений, соответствующих различным при двух значениях коэффициента риска (0,01 и 0,05). Сравнивают меньшее из чисел и с кодовым значением, соответствующем значению , делают заключение о наличии и характере корреляции. Если меньшее из чисел и оказывается равным или меньше табличного кодового значения, то корреляционная зависимость имеет место.

В соответствии с данными таблицы для = 25 (числа степеней свободы) и значении коэффициента риска = 0,01 кодовое значение меньшего из чисел и равно 5. Поскольку полученное в результате расчетов число 5 не превышает табличное значение, можно утверждать, что между двумя параметрами существует корреляционная зависимость с коэффициентом риска, равным 0,01. При этом, так как > это свидетельствует о прямой корреляции. В противном случае можно было говорить об обратной корреляции.

На рис. 1.12 приведен пример использования второй разновидности метода медиан.

Рис. 1.12. Анализ корреляции между переменными и с помощью метода медианы: 1 – график ; 2 – график ; 3 – линия медианы

x·y: = 11 + 4/2 = 13;

x·y: = 14 + 4/2 = 16;

= 13 + 16 = 29.

Таблица 1.2

Таблица кодовых значений (извлечения)

k			k			k
	0,01	0,05		0,01	0,05		0,01	0,05
8	0	0	18	3	4	26	6	7
9	0	1	19	3	4	27	6	7
10	0	1	20	3	5	28	6	8
14	1	2	24	5	6	29	7	8
16	2	3	25	5	7	30	7	9

В соответствии с данными таблицы для =29 (числа степеней свободы) и значении коэффициента риска =0,05 кодовое значение для меньшего из чисел и равно 8. Поскольку полученное в результате расчетов число 13 превышает табличное значение 8, можно утверждать, что между двумя параметрами не существует корреляционная зависимость с коэффициентом риска, равном 0,05.