Методическое пособие 221

ФГБОУ ВПО "Воронежский государственный технический университет"

Кафедра конструирования и производства радиоаппаратуры

ИСПОЛЬЗОВАНИЕ РАССЛАИВАНИЯ СТАТИСТИЧЕСКИХ ДАННЫХ ПРИ УПРАВЛЕНИИ КАЧЕСТВОМ В ПРИБОРОСТРОЕНИИ

МЕТОДИЧЕСКИЕ УКАЗАНИЯ

к лабораторной работе № 2 по дисциплине «Управление качеством в приборостроении» по направлению подготовки бакалавров

200100.62 «Приборостроение» (профиль «Приборостроение») очной и заочной форм обучения

m

Составители: канд. техн. наук Ю.М. Данилов, канд. физ-мат. наук В.С. Скоробогатов

УДК 678.029.983

Использование расслаивания статистических данных при управлении качеством в приборостроении: методические указания к лабораторной работе № 2 по дисциплине «Управление качеством в приборостроении» по направлению подготовки бакалавров 200100.62 «Приборостроение» (профиль «Приборостроение») очной и заочной форм обучения / ФГБОУ ВПО "Воронежский государственный технический университет"; cост. Ю.М. Данилов, В.С. Скоробогатов. Воронеж, 2013. 35 с.

В методических указаниях изложены требования и рекомендации по подготовке и выполнению лабораторной работы по изучению основных методов расслаивания статистических данных при управлении качеством в приборостроении.

Предназначены для студентов 3-4 курсов. Методические указания подготовлены в электронном ви-

де и содержатся в файле «МУлаб2» pdf.

Табл. 5. Ил. 2. Библиогр.: 3 назв.

Рецензент канд. техн. наук, доц. И.А. Новикова

Ответственный за выпуск зав. кафедрой д-р техн. наук, проф. А.В. Муратов

Издается по решению редакционно-издательского совета Воронежского государственного технического университета

1. ОБЩИЕ УКАЗАНИЯ ПО ВЫПОЛНЕНИЮ ЛАБОРАТОРНОЙ РАБОТЫ

Целью лабораторной работы № 2 является изучение основных методов расслаивания статистических данных при управлении качеством в приборостроении.

В процессе выполнения лабораторной работы студент должен уметь практически применять полученные знания и приобретенные навыки.

На выполнение лабораторной работы отводится четыре часа. Перед лабораторным занятием студент должен самостоятельно выполнить домашнее задание в соответствии с данными методическими указаниями.

Студент, явившийся на занятия, должен иметь методические указания по данной лабораторной работе. В начале занятия преподаватель проверяет выполнение студентом домашнего задания и наличие заготовки отчета по данной лабораторной работе в его рабочей тетради.

2. ДОМАШНЕЕ ЗАДАНИЕ И МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ЕГО ВЫПОЛНЕНИЮ

При выполнении домашнего задания студент должен ознакомиться с основными методами расслаивания статистических данных и использованием этих методов при управлении качеством в приборостроении. Для этого необходимо воспользоваться литературой [1; 2; 3], а также изучить следующий материал.

1

2.1. Cемь инструментов статистического контроля качества

Для эффективного обеспечения контроля качества необходимо участие и сотрудничество всех без исключения работников предприятия от рабочего до руководителя. Реализуемый таким образом контроль качества стал называться всеобщим контролем качества [Total Quality Control (TQC)]. С целью обучения персонала статистическим методам контроля качества в ряде стран, в первую очередь в Японии, стали организовывать специальные кружки качества. Для того, чтобы вооружить каждого работника, независимо от уровня его образования, четкими и простыми в исполнении статистическими методами контроля качества, в Японии в начале 60-х годов из множества статистических методов были выбраны семь наиболее эффективных и доступных статистических методов, в совокупности составляющих систему, полностью обеспечивающих осуществление статистического контроля на рабочем месте. Они получили название "Семь методов (или инструментов) контроля качества" и составили основу TQC [1,3]. Это следующие статистические методы:

1)расслаивание,

2)контрольная карта,

3)контрольный лист,

4)графики (полигон, гистограмма, кумулятивная кри-

вая),

5)диаграмма Парето,

6)причинно-следственная диаграмма (диаграмма Иси-

кавы),

7) диаграмма разброса (поле корреляции).

Заслуга японских ученых, и, в первую очередь, профессора Исикавы, состоит в том, что они обеспечили простоту, наглядность, визуализацию этих методов, превратив их факти-

2

чески в эффективные инструменты контроля качества. Их можно понять и эффективно использовать без специальной математической подготовки.

При всей своей простоте эти методы позволяют сохранить связь со статистикой и дают возможность профессионалам пользоваться результатами этих методов и при необходимости совершенствовать их. Можно с полной уверенностью сказать, что семь инструментов контроля качества являются необходимыми и достаточными статистическими методами, применение которых, по мнению Исикавы, помогает решить 95 % всех проблем, возникающих на производстве. Таким образом, статистические методы - это то средство, которое необходимо изучать, чтобы внедрить управление качеством. Они - наиболее важная составляющая комплексной системы контроля Всеобщего Управления Качеством (рис.1).

Статистические методы контроля качества

Причинно-следственная диаграмма

Рис. 1. Семь инструментов контроля качества

2.2. Расслаивание статистических данных

Одним из наиболее простых и эффективных статистических методов, широко используемым в системе управления качеством, является метод расслаивания. Недаром он стоит в числе первых из семи статистических методов, лежащих в основе контроля и последующего анализа качества. 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 отдельности. Данные, разделенные на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) — расслаиванием (стратификацией).

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 4М, учитывающий факторы, зависящие от человека (man), машины (machine), ма-

териала (material), метода (method).

Расслаивание осуществляется примерно так: расслаивание по исполнителям — по квалификации, по

полу, по стажу работы и т. д.; расслаивание по машинам и оборудованию — по ново-

му и старому оборудованию, по марке, конструкции, выпускающей фирме и т. д.;

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

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

Например, если расслаивание произведено по фактору «оператop» (man), то при значительном различии в данных можно определить влияние того или иного оператора на качество изделия; если расслаивание произведено по фактору «оборудование» — влияние использования разного оборудования и т. д.

Врезультате расслаивания обязательно должны соблюдаться следующие два условия:

различия между значениями случайной величины внутри слоя должны быть как можно меньше по сравнению с различием ее значений в нерасслоенной исходной совокупности; различие между слоями (различия между средними значениями случайных величин слоев) должно быть как можно

больше.

Впоследние годы вопросам повышения качества электронных средств уделяется все большее внимание. Для контроля их качества при серийном производстве применяются следующие методы контроля [1]: составление контрольных листов и контрольных карт, расслаивание статистических данных, построение графиков и некоторые другие (рис.1). Для их применения необходимо набрать достаточное количество статистических данных по параметрам качества изделий. Как правило, эти данные являются случайными величинами, группирующимися около среднего значения этих величин. Степень рассеивания определяет величину дисперсии.

Сбор и обработка статистических данных основаны на применении так называемого выборочного метода. Выборкой называют часть изделий, отобранных из общей их совокупности для получения информации обо всем количестве изделий, называемом общей или генеральной совокупностью. При этом последнее подразумевает однородную совокупность парамет-

ров качества контролируемых изделий. Чтобы выборка достаточно хорошо представляла соответствующие характеристики генеральной совокупности, она должна иметь сравнительно большое количество отобранных изделий (обычно не менее 100-200). Конечно, чем больше, тем лучше, но из-за трудностей измерения и обработки большого количества данных довольствуются указанным количеством.

Выборки можно классифицировать по некоторым признакам, например: по способу отбора (повторные и бесповторные), преднамеренности отбора (пристрастные-расслоенные и случайные), по отношению ко времени отбора (единовременные и текущие), целевому назначению (общепроизводственные и одноагрегатные) и т.д. [1,2].

Значения параметров качества изделий выборки представляют собой первичный статистический материал, подлежащий обработке, осмыслению и анализу.

Предположим, что имеются результаты измерений выборки из 160 изделий (табл. 1). Этот статистический материал подвергают обработке: строится так называемый статистический ряд, в котором значения располагают в порядке возрастания (или убывания), а одни и те же значения объединяют.

В реальных условиях важно, чтобы данные регистрировались в простой и доступной форме. Для этого служит контрольный листок - бумажный бланк, на котором заранее напечатаны контролируемые параметры, с тем, чтобы можно было в них легко и точно записать данные измерений. Его главное назначение облегчить процесс сбора данных и автоматически упорядочить данные для облегчения их дальнейшего использования. Порядок сбора и регистрации данных таит в себе много возможностей допустить ошибки. Обычно, чем больше людей обрабатывают данные, тем больше вероятность появления ошибок в процессе записи. В связи с этим лучше автоматизировать построение контрольных листков с помощью ПЭВМ.

Таблица 1 Статистические данные измерения напряжений

(выборка до появления брака)

197195198193197196194200195201

195198196197195198197192197195

203194197195199196199196197202

196201196197190198195197199194

198192198195196194191197196200

199196198195197198196195197196

194196197193198195198196193199

198200195199196197194198197196

198200195199196197194198197196

195198196197195198197192197195

199196198195197198196195197196

196201196197190198195197199194

198192198195196194191197196200

203194197195199196199196197202

194196197193198195198196193199

197195198193197196194200195201

Контрольный листок строится в виде гистограммы ручным способом или автоматически по мере введения в ПЭВМ данных (рис. 2): по горизонтальной оси откладываются значения измеряемого параметра качества x (например выходное напряжение блока питания), а по вертикальной оси частота повторений этого значения m.

Построенный контрольный листок позволяет производить расслаивание этих данных для выявления места и/или причин появления брака. Рассмотрим это на следующем примере.

Пусть в цехе выпускаются блоки питания на двух конвейерах. В табл. 1 представлены значения параметра качества для выборки из 160 изделий, отобранных до появления брака. Среднее арифметическое значение от этих 160 значений будет показывать нормальное напряжение выпускаемого источника

питания, остальные значения параметра дают рассеивание значения около этого среднего арифметического значения. В таблице верхние 8 строк значений соответствуют изделиям, отобранным с первого конвейера, а нижние 8 строк значений - изделиям, отобранным со второго конвейера. Построенные гистограммы: верхняя (рис. 2а) - для данных первого конвейера (среднее арифметическое значение параметра равно 197 вольт), средняя гистограмма (рис. 2б) - для данных второго конвейера (среднее арифметическое значение параметра равно 197 вольт) и нижняя (рис. 2в) - для изделий всей выборки (среднее арифметическое значение параметра равно 197 вольт), показывают, что статистические характеристики (среднее арифметическое, размах, дисперсия и др.) одинаковы для первого и второго конвейеров и для всей выборки брак отсутствует.

Таблица 2 Статистические данные измерения напряжений

(выборка при появлении брака)

m

m

Рис. 2. Гистограммы, построенные для случая отсутствия брака

m