Глава I. Общие положения.

Глава II. Защита прав потребителей при продаже товаров потребителям.

Глава III. Защита прав потребителей при выполне-нии работ (оказании услуг).

Глава IV. Государственная и общественная защита прав потребителей.

 

В соответствии с главой I, главным критерием качества товара или услуги является их соответствие договору (между продавцом и потребителем); при отсутствии договора – соответствие оговоренной цели или цели, для которой подобный товар обычно используется.

Основные права потребителя имеют отношение к безопасности пользования товаром или услугой, информации об изготовителе (продавце), информации товаре или услуге и к реализации соглашения с продавцом.

На изделия, предназначенные для длительного использования, изготовитель обязан определять срок службы, если по истечении этого срока возникает угроза безопасности (в иных случае – вправе определять). Изготовитель также вправе (но не обязан) определять гарантийный срок на товары длительного пользования. На продукты питания, парфюмерно-косметические товары, медикаменты и подобные товары изготовитель обязан определять срок годности.

Информация о товаре включает прежде всего:

- информацию об обязательном подтверждении соответствия (см. тему 7);

- сведения об основных потребительских свойствах (в т.ч. для пищевых продуктов – о составе и т. п.);

- правила и условия безопасного использования товаров или услуг;

- гарантийный срок, если он установлен и др.

 

Пример. К радиоприемнику с часами HYUNDAI H-1506 прилагалась информация для потребителя, в которой в частности, говорилось, что «Срок службы изделия … составляет 7 (семь) лет со дня передачи изделия потребителю». Кроме того, к изделию прилагался гарантийный талон, в котором указывалось: «Гарантийный срок 12 (двенадцать) месяцев со дня передачи изделия потребителю».

 

Методические указания:

    изучить дополнительные материалы:

 Гиссин В. И. Управление качеством (2-е издание). – Москва: ИКЦ «МарТ», Ростов-н/Д: Издательский центр «МарТ», 2003. – гл. 2, с.133-151, - гл. 3,  с.139-151, – гл. 4, с.262-266.

 Круглов М., Шишков Г. Менеджмент качества как он есть. Серия: Качественный менеджмент, Издательство: Эксмо , 2006.

 Сергеев А.Г., Латышев М.В., Терегеря В.В. Метрология, стандартизация, сертификация: Учеб. пособие. – Изд. 2-е, перераб. и доп. – М.: Логос, 2005. – Гл.1, с.13-22, – Гл.2 с.52-55.

 Федеральный Закон №2300-1 от 07.02.92 «О защите прав потребителей».

 

Контрольные вопросы:

1.  Раскрыть понятие показателей качества.

2.  Объяснить сходства и различия между требованиями и потребностями потребителей.

3.  Назвать основные положения Закона «О защите прав потребителей».

4.  Охарактеризовать планирование качества продукции с помощью профилей качества.

5.  Сформулировать основные постулаты метрологии.

6.  Дать определение физической величины, шкалы физической величины и назвать основные виды шкал физических величин.

7.  Назвать основные виды и методы измерений.

8.  Охарактеризовать основные виды погрешности измерений.

Глава 3. Статистические методы контроля и управления качеством

 

3.1. Распределения случайной величины; нормальное распределение

3.2. Планы статистического контроля

3.3. Корреляционный анализ в управлении качеством

 

3.1. Распределения случайной величины; нормальное распределение

 

Как мы уже отмечали, рассматривая принцип менеджмента качества «Принятие решений на основе фактов», управлять качеством невозможно, не развивая т. н. «статистическое мышление». Необходимо всегда оценивать не конкретные величины и показатели, а закон, который ими управляет. В связи с этим вспомним основные постулаты статистики.

В результате сбора численных данных получается статистическая выборка. Важными свойствами стат. выборки являются: математическое ожидание, размах, дисперсия (квадрат отклонения), среднее квадратическое отклонение. Эти свойства ранее были изучены в рамках дисциплин «Теория статистики» и «Математическая статистика». Закон, по которому распределяются значения в выборке, называется распределением случайной величины.

Существуют различные виды распределения случайных величин: нормальное, биноминальное, распределение Пуассона. Очень часто нормальное распределение используется как модель, т. к. многие совокупности измерений имеют распределение, приближающееся к нормальному.

Математические закон нормального распределения можно представить следующим образом:

 

, где                        (3.1)

 

m – математическое ожидание;

d – среднеквадратическое отклонение.

 

При всей видимой сложности формулы нормальное распределение характеризуется только двумя параметрами: математическим ожиданием и средним квадратическим отклонением, которые рассчитываются по формулам:

                                    (3.2)

,                               (3.3)

 

                            (3.4)

 

Значение под корнем в формуле называют дисперсией и обозначают d².

Нормальное распределение можно узнать по колоколообразной форме либо при более подробном описании: а) его наибольшая частота приходится на середину интервала и плавно спадает к концам, б) оно симметрично, что можно увидеть на рис. 3.1.

 

Рис. 3.1. Кривые нормального распределения (f(x) – вероятность)

 

Значение под знаком квадратного корня – дисперсия выборки. Как видно из рис. 3.1, с увеличением дисперсии значения выборки сильнее отклоняются от средней величины (мат. ожидания). Т.о., увеличение d приводит к «сплющиванию» кривой. Увеличение m приводит к сдвигу кривой вправо (уменьшение - влево)

Нормальное распределение возникает, когда данная случайная величина представляет собой сумму большого числа независимых случайных величин, что как раз имеет место управлении качеством.

Обычная задача в управлении качеством, связанная со статистическими выборками, заключается в следующем. Необходимо достичь такого состояния технологического процесса, при котором обеспечивается производство продукции со значением одного из параметров, равным заданной величине Х_н. Т. е. необходимо

 

Поскольку технологический процесс всегда будет предусматривать разброс значений, задаются границы допуска Tв (верхняя) и Tн (нижняя), причем любое значение x контролируемого параметра должно находиться в их пределах

 

Т_в ³ x ³ Т_н.

 

Например, может стоять задача производства кусков мела с длиной каждого куска 130 мм. ±5 мм. Тогда Х_н = 130; Т_н=125; Т_в=135.

Вместо Tв и Tн используются также обозначения:

 ВГД (верхняя граница допуска) = UCL (upper control level) = Tв;

 НГД (верхняя граница допуска) = LCL (low control level) = Tн.

 

Для контроля состояния производственного процесса вычисляют ряд показателей. Коэффициент точности технологического процесса К_Т равен:

 

 где                              (3.5)

 

T =D= Tв – Tн - диапазон допустимых значений.

 

По полученному значению Кт судят об управляемости техпроцесса, что наглядно отражено на рис. 3.2:

если К_Т <= 0,75, то технологический процесс протекает нормально;

если 0,75 < К_Т <= 0,98, то требуется наладка оборудования;

если К_Т > 0,98, то технологический процесс вышел из-под контроля.

 

 

Рис. 3.2. Вид кривой нормального распределения при различных значениях К_Т

 

В продолжение нашего примера:

Рассмотрим пример расчета Кт.

Имеется следующая выборка по результатам технологического процесса: 126; 130; 126; 134; 134. На практике в выборки – в целях точности – включают не менее 50 значений, но в данном случае мы умышленно берем маленькую выборку для простоты вычислений.

 

T=Т_в-Т_н= 135-125=10.

 

 

Сверим полученное значение Кт с эталонными. Получаем, что поскольку Кт> 0,98, то процесс вышел из-под контроля.

Обратим внимание, что ни одно из значений выборки (см. условие) не выходило за границы допуска. На первый взгляд, процесс кажется хоть и не идеальным, но вполне управляемым. Но на самом деле, гипотеза о нормальном распределении результатов техпроцесса подсказывает, что если значения, с которыми мы столкнулись, находятся на границах допуска, то есть и те значения, которые выходят за границы допуска. Поэтому вывод закономерен.

В практике управления качеством вместо показателя К_Т используется также показатель С_р, т. н. индекс воспроизводимости процесса.

 

                              (3.6)

 

Общепринятые оценки процесса по индексу С_р:

C_p < 1 – «неудовлетворительно»;

1 < C_p < 1,33 – «удовлетворительно»;

C_p > 1,33 – «хорошо».

 

Однако, для полной картины управляемости технологического процесса оказывается недостаточным рассчитать коэффициент точности или индекс воспроизводимости. Дело в том, что при даже небольшом разбросе значений может возникнуть сдвиг кривой нормального распределения за границы допуска, что показано на рис. 3.3.

 

 

Рис. 3.3 Смещение кривой нормального распределения

 

В связи с такой возможностью рассчитывают т. н. откорректированный индекс С_рк,

 

, где                                    (3.7)

                       (3.8)

 

Или

.                             (3.9)

 

В продолжение нашего примера рассмотрим пример расчета Кт

Имеется следующая выборка результатов технологического процесса: 126; 124; 126; 127; 127.

 

 

 

 

 

Сверив полученное значение Кт с эталонными, получаем, что технологический процесс находится в удовлетворительном состоянии.

Однако, среди значений выборки мы можем видеть x₂=124, которое выходит за нижнюю границу допуска. Значит, наш вывод ошибочен.

Рассчитаем откорректированный индекс воспроизводимости технологического процесса С_рк

 

 

 

 

Как видим, значение С_рк < 1, т. е. технологический процесс находится в неудовлетворительном состоянии.

На практике необходимость расчета откорректированного индекса С_рк становится очевидной, как только рассчитывается среднее значение выборки, m, которое оказывается приближенным к одной из границ допуска.

Передовые в области качества предприятия уже более 20 лет назад решили, что точность технологического процесса, равная 3s (расстояние от центра распределения до границы допуска), их не устраивает как недостаточная. В компании «Моторола» в 1979 г. определили, что их некачественная продукция обходится слишком дорого, и разработали концепцию «6 сигма». В ее основе лежит уже известный нам цикл Шухарта-Деминга, и многоуровневая система обучения, схожая с обучением боевым искусствам (с высшим уровнем – черным поясом). В табл. 3.1. показано, каким образом можно соотнести рассмотренный нами уровень точности «3 сигма», для которого мы рассчитывали индексы воспроизводимости, и уровень «6 сигма».

 

Таблица 3.1.