Глава 13. Статистические методы управления качеством

13.1. Развитие статистических методов управления качеством

Статистические методы управления качеством основываются на контроле качества и статистической обработке полученных данных с применением широкого арсенала методов математической статистики и специальных инструментов, выполняются по всем процессам производства и направлены на экономичное изготовление продукции, максимально полезной и имеющей сбыт. Так как на основе информации о контроле качества в реальном масштабе времени принимаются решения по корректированию параметров продукции и регулированию производственных процессов.

Под статистическим управлением качеством понимается совокупность методов обнаружения неслучайных факторов, позволяющих диагностировать состояние процесса, провести его корректировку и, в конечном счете, способствующих улучшению качества продукции. Простейшая схема регулирования качества процессов и продукции для приведения их в соответствие с техническим регламентом, стандартами и другими нормативными документами дается на рис. 13.1.

Рис. 13.1. Простейшая схема статистического управления качеством

Применению статистических методов управления качеством и контроля качества посвящены международный стандарт ISO 10017– 1994 и множество отечественных стандартов, например, ГОСТ 15895–77. «Статистические методы управления качеством продукции. Термины и определения (100 терминов и определений)». Статистические методы используются при проектировании продукции, услуг и процессов, при контроле хода производственных процессов, при определении степени риска и коренных причин появления несоответствий, установлении предельных характеристик продукции и процессов, при проверках, измерении и оценке показателей качества.

В зависимости от уровня развития управления качеством выделяются три категории методов [5,11,12]: семь элементарных методов статистического контроля (1962 г.), семь новых методов управления качеством (1977 г.), методы Тагучи (1969 –1988 гг.) (рис. 13.2). Для каждой группы методов имеет место приоритетная область применения. Семь элементарных методов статистического контроля получили распространение в Японии, начиная с изучения их в кружках качества.

Рис. 13.2. Категории статистических методов в управлении качеством

Pdpc – Process Decision Program Chart

Они активно используются исполнителями работы для контроля и улучшения конкретных процессов как производственных, так и бизнес-процессов управления. Статистический контроль построен как на измерении и обработке числовых значений параметров продукции и процессов (контроль по количественному признаку), так и на качественной оценке результатов проверки продукции или процесса, которая сводится к установлению того, что объект годен или содержит дефекты (контроль по альтернативному признаку). Обработка данных ведется методами математической статистики и экспертной оценки.

Развитие так называемых новых методов управления качеством связано с развитием концепции управления качеством по процессам жизненного цикла продукции и переходом к всеобщему (или тотальному) контролю качества. Союз японских ученых и инженеров (IUSE) разработал набор методов или инструментов, позволяющих облегчить задачу управления качеством при анализе различного рода факторов. Новые методы успешно применяются на этапе разработки продукции и проектов, для выработки мер по снижению дефектности продукции, повышению надежности и безопасности.

Третья классификационная группа методов (рис.13.2), называемой по имени её разработчика «методы Тагучи», более сложные по пониманию и реализации и предназначены для использования узким кругом специалистов. Например, методы планирования эксперимента и многофакторного анализа, методы оптимизации. Подробное описание статистических методов в управлении качеством изложено в [4,5,19].

2. Элементарные методы статистического контроля качества

Семь элементарных методов, формирующих инструменты контроля качества, представляют собой статистические методы обработки информации, полученной посредством измерения, испытания и экспертизы и приемов установления причинно-следственной связи. Результаты обработки информации представляются общепринятыми в статистике и в управлении качеством графическими моделями, с помощью которых удается диагностировать и оценивать факторы и принимать соответствующие для корректирования деятельности решения. Ниже дадим их краткое определение.

Метод расслоения (стратификация) – инструмент, направленный на дифференциацию, селекцию, расслоение данных в соответствии с различными факторами. В основу метода положены такие приемы как стратификация объекта (системы по уровням управления, оборудования по уровням агрегирования деталей), разложение по факторам, селекция по уровню воздействия и др. При исследовании проблем в области качества в процессе производства расслоение происходит по группам факторов и условий.

1. Факторы:

– исполнители (men) – по квалификации, полу, стажу работы и т.д.;

– оборудование и машины (machine)– по маркам, конструкциям и сроку службы;

– материал (material) – по качеству, партии, месту производству, сроку выпуска ;

– способ производства (method) – по процессам, месту и условиям производства;

2. Временной параметр – часы суток, дни недели, месяцы и год.

3. Объемный параметр – по партиям, выборкам, штукам. Метод расслоения предшествует построению линейного графика, контрольной карты, гистограммы, диаграммы Парето, причинно–следственной диаграммы и диаграммы разброса. Самостоятельно он применяется, когда требуется дифференцированная оценка стоимости изделий, качества хранения и т.д.

График, диаграмма – инструмент, позволяющий отслеживать изменения значений показателей качества, полученных в результате измерения и испытаний, представлением их в виде линейного графика, круговой, столбчатой и «Spider» диаграммы. Несложный графический инструмент улучшает восприятие результатов анализа качества продукции.

Диаграмма Парето (Pareto diagram) – инструмент, позволяющий выявить наиболее значимые факторы или условия в обеспечении качества продукции. Диаграмма Парето, названная именем ееавтора, итальянского ученого–экономиста Парето (1845– 1923), представляет собой столбчатый график, построенный по признаку ранжирования дефектов: от наибольшего количества дефектов к наименьшему (рис. 13.4) или наоборот. Распределение дефектов дается как в натуральном измерении, так и в относительном или в процентах. Элементом диаграммы Парето является кумулятивная кривая, показывающая нарастающее количество дефектов по факторам или интервалам времени. Отличие диаграммы Парето от традиционной столбчатой диаграммы представлено на рис. 13.3 , где дается оценка качества работы бригады по количеству допущенных дефектов.

а) б)

Рис. 13.3. Столбчатая диаграмма в традиционном варианте (а); диаграмма Парето (б)

КПД – контрольный предел дефектов

Гистограмма – инструмент представления данных, сгруппированных по частоте попадания в определенный, заранее заданный интервал, и предназначенный для выявления характера разброса значений контролируемого параметра. Гистограмма представляет собой столбчатый график, на котором по оси Y дается частота (частость) попадания в заданный интервал изменения параметра, по оси Х интервалы изменения параметра. Гистограмма применяется для наглядного отображения распределения частоты значений показателей качества, отклонений их от норматива, дефектов, потерь и отказов за наблюдаемый период времени, а также для иллюстрации изменчивости, визуального сообщения о ходе процесса.

Контрольная карта (Control chart) – инструмент, позволяющий отслеживать ход протекания процесса посредством измерения показателей качества или качественной оценки продукции в целом и воздействовать на него (с помощью соответствующей обратной связи), предупреждая отклонения от предъявляемых к продукции и процессу требований. Контрольная карта является одним из основных инструментов в обширном арсенале статистических методов контроля качества. В зависимости от сферы применения выделяют три основных вида контрольных карт [4, 9,19]:

• контрольные карты Шухарта ( W.E. Shewhart, 1924 г.), позволяющие оценить находится ли процесс в устойчивом состоянии;

• приемочные контрольные карты, предназначенные для определения критерия приемки процесса;

• адаптивные контрольные карты, с помощью которых регулируют процесс посредством планирования его тренда.

Причинно-следственная диаграмма (диаграмма Ишикавы) – инструмент, позволяющий выявить отношение между показателями качества и воздействующими на него факторами путем упорядочения и демонстрации связи между отдельными факторами (причинами) и конечным результатом (следствием). Особенности построения диаграммы состоят в следующем: проблема – центральная горизонтальная линия, обозначающая проблему, наклонные линии со стрелками – главные факторы, горизонтальные линии к наклонным – основные факторы, определяющие причины влияния главных факторов; наклонные линии к горизонтальным – единичные факторы как слабые сигналы. Количество главных факторов, как правило, ограничено числом 4 – 6. Автор диаграммы, проф. Каору Ишикава (Токийский Университет) исследуют в основном пять факторов – 5М: люди (men) и условия их труда, оборудование (machine), предметы труда (material), методы (metod) – технологии и организация работ, измерение (measuring). Схема выстраивается в виде «рыбьего скелета» (рис.13.4).

Рис. 13.4. Причинно-следственная диаграмма связей факторов

При построении диаграммы причинно-следственной связи следует соблюдать правила: а) указанные в основании стрелки факторы являются причиной и приводят к результату, находящемуся на острие стрелки; б) изображаемую причинно-следственную связь следует всегда проверять таким тестом: «действительно ли А приводит (или является причиной) к В». Если удается по всем связям ответить «да», то схема составлена правильно.

Диаграмма разброса – инструмент, позволяющий определить вид и тесноту связей между параметрами соответствующих переменных. Она позволяет выдвинуть гипотезу о характере связи между двумя случайными величинами. При наличии корреляционной зависимости между двумя переменными удается значительно облегчить контроль процесса с технологической, временной и экономической точки зрения. Дляя построения диаграммы составляется выборка парных данных (X,Y). Желательно иметь не менее 30 пар. Зависимость между исследуемыми параметрами Х и У оценивается характером скопления точек, каждая из которых определяет количественную связь между Х и У. Различают четыре наиболее характерных форм скопления точек: прямая корреляция (прямая зависимость), отрицательная корреляция (обратная зависимость), криволинейная корреляция (нелинейная функция), корреляция отсутствует. Пример формы зависимости между Х и У дается на рис. 13.5.

а) б) в)

Рис. 13.5. Корреляционные поля: а) положительная корреляция;

б) отрицательная корреляция; в) корреляция отсутствует.