Лабораторная работа 4. Инструменты контроля качества: построение диаграмм разброса

Цель: освоение практики построения диаграмм разброса.

Диаграмма разброса (рассеяния) применяется в том случае, когда необходимо отобразить, что происходит с одной переменной при изменении другой для определения причины возникновения неконтролируемых точек в ходе многовариантногоДстатистического контроля процесса, подтверждения взаимосвязи, выявленной в результате применения причинно-следственной диаграммы (диаграммы сикавы) и пр.

Диаграмма разброса строится в следующей последовательности:

каждому из типов парных данныхА.

1. Собираются парные данные, которые по предположению являются взаимосвязанными. Желательно, чтобы таких парных данных было не менее 20–25. Это позволит более объективно установить зависимость между данными.

2. Составляетсябсписок данных. В списке данных для каждого измерения по порядку указываются значения парных данных.

3. Определяются максимальные и минимальные значения по

дого з т пов парных данных. При необходимости (если отображаемые вел ч ны меют малые размеры) могут применяться коэффициенты масштаб рован я шкалы.

например4. Вы ираются шкалы для осей диаграммы разброса на основании разницы между максимальным и минимальным значениями каж-

С5. Р суются гор зонтальная Х и вертикальная Y оси диаграммы.

Шкала значен й данных, обозначаемая на осях, должна увеличиваться при подъеме по верт кальной оси и при движении вправо по горизонтальной. При исследовании корреляции между причиной и следст-

вием ( , после применения диаграммы Исикавы) данные, ха-

рактеризующие причину, откладываются по горизонтальной оси, а данные, характеризующие следствие – по вертикальной.

6. На диаграмму наносятся парные данные. Если для разных измерений получаются одинаковые значения данных, то для отделения данных друг от друга используется другое обозначение (например, точки и треугольники) или данные обозначаются рядом друг с другом.

143

Выполнить задания

1. Построить диаграммы разброса по данным о рекламациях по деталям А и В, определить коэффициенты корреляции по каждой группе данных и сделать выводы (табл. 27).

144

СТеоретическиесведения Одним из наиболее простых и эффективных статистических ме-

тодов, широко используемых в системе управления качеством, является стратификация или, как ее еще называют, метод расслаивания. В соответствии с этим методом производят расслаивание статистических данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдель-

145

ности. Данные, разделенные на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои

− расслаиванием (стратификацией).

Существуют различные методы расслаивания, применение которых зависит от конкретных задач. В производственных процессах часто используется метод 5M, учитывающий факторы, зависящие от человека, машины, материала, метода, измерения и дополнительно от управления (6M).

Расслаивание может осуществляться примерно так:

­ по исполнителям− по квалификации, полу, стажу работы и т.д.;

­ по машинам и оборудованию − по новому и старому оборудованию, марке, конструкции, выпускающей форме и т.д.;

Срам и ч исло страт должно быть четыре. Если условия производства продукта остаются одними и теми же, изменения в характеристиках могут возникать в разные периоды времени – первая смена, вторая смена или третья смена работы. В этом варианте страт будет три (по количеству смен) и стратификация проводится по трем факторам.

146

3.Выбирается необходимый инструмент качества для графического представления статистических данных. Как правило, для этих целей используются диаграмма разброса, контрольная карта или гистограмма. Можно применять и табличный метод, но графический

способ является более наглядным и позволяет быстрее определить системность в представленных данных. И

4.Определяется количество статистических данных, попадающих в каждую страту. Для того чтобы стратификация данных была эффективной, необходимо придерживаться двух условий. Во-первых,

различия между значениями случайной величины внутри страты должны быть как можно меньше по сравнениюДс различием ее значений в исходной совокупности данных. Во-вторых, различия между стратами должны быть как можно больше. Количественно это различие можно определить по разнице средних значений случайной величины в каждой страте.

5.На выбранный графическийАинструмент качества «наносятся» данные с указанием принадлежности этих данных к каждой из страт. Для отделения данных друг от друга можно использовать самый простой метод – цветовую индикацию данных.

6.Проводитсябанализ подмножества данных. Анализ данных проводится для каждой страты отдельно.Рабочий

147