7 основных инструментов контроля качества. Семь простых японских методов. Современная концепция управления качеством

ВВЕДЕНИЕ 4

1.1. Контрольный листок 5

1.2. Гистограмма 6

1.3. Метод стратификации (группировки, расслоения)

статистических данных.11

1.4. Причинно-следственная диаграмма Исикавы.13

1.5. Диаграмма Парето.17

1.6. Диаграмма разброса (рассеивания) .22

1.7. Контрольные карты.25

2. НОВЫЕ И НОВЕЙШИЕ ИНСТРУМЕНТЫ

УПРАВЛЕНИЯ КАЧЕСТВОМ .31

2.1. Восемь новых инструментов управления качеством.31

2.2. Новейшие инструменты управления качеством.36

3. ЭКОНОМИКА КАЧЕСТВА .42

3.1. Показатели, определяющие качество продукции.42

3.2. Оптимальный уровень качества.45

3.3. Экономический эффект от внедрения новой

техники и организационно-технических мероприятий,

направленных на повышение качества продукции.48

3.4. Затраты на качество.53

4. ПРОГРАММА СЕМИНАРСКИХ ЗАНЯТИЙ .58

4.1. Основополагающие понятия в области качества………..58

4.2. Стандарты на системы менеджмента качества.
Концепция Всеобщего Управления Качеством (TQM). Процессный подход……………………………………….58

4.3. Зарубежный опыт управления качеством……………….59

4.4. Управление качеством в строительстве (в условиях
саморегулирования)……………………………………….60

БИБЛИОГРАФИЧЕСКИЙ СПИСОК .62

Введение

Основной проблемой обеспечения национальной экономической безопасности России является качество и конкурентоспособность продукции. Особую значимость эта проблема приобретает в условиях кризиса, сопровождающегося утратой позиций на внутреннем и внешнем рынках. Исторический опыт США, Японии и ряда европейских стран показывает, что обеспечение прогресса в области применения эффективных систем менеджмента качества (по ISO 9000) помогает успешно преодолевать последствия кризиса и занимать, как и раньше, прочные позиции по многим видам товаров на мировом рынке.

В разных странах было разработано много статистических методов анализа и контроля качества. В 1960-х годах японские ученые отобрали из всего множества семь методов, получивших всемирную известность как «Семь простых инструментов контроля качества». Эти инструменты построены на использовании приёмов математической статистики, но при этом доступны для понимания всем участникам процесса производства и применяются практически на всех этапах жизненного цикла продукции.

При создании нового продукта возникают, в основном, проблемы в области управления процессами, системами, коллективами. Для их решения необходимо использовать результаты операционного анализа, теории оптимизации, психологии и др., для чего японским союзом учёных и специалистов по качеству (1979 г.) были собраны и предложены семь новых инструментов контроля качества.

Настоящий практикум помогает будущим экономистам-менеджерам получить практические навыки использования простых и новых инструментов контроля и управления качеством, а также в оценке затрат на качество и эффективности систем менеджмента качества в строительстве. Эти навыки необходимы будущим специалистам при разработке и внедрении СМК, планировании и организации работ по качеству, распределении ресурсов, успешной реализации мероприятий по совершенствованию деятельности организации.

1. СЕМЬ ПРОСТЫХ (СТАРЫХ) ИНСТРУМЕНТОВ КОНТРОЛЯ И УПРАВЛЕНИЯ КАЧЕСТВОМ

Среди статистических методов и инструментов управления и контроля качества, наибольшее распространение получили семь методов, выделенных в начале 50-х гг. японскими специалистами под руководством К. Исикавы. С их помощью, по свидетельству самого К. Исикавы, мо­жет решаться до 95 % всех проблем, находящихся в поле зрения производ­ственников .

1.1. Контрольный листок

Контрольный листок – это форма для систематического сбора данных и ав­томатического их упорядочения с целью облегчения дальнейшего использования собранной информации .

Контрольный листок представляет собой бумажный бланк, на котором заранее напечатаны названия и диапазоны контролируемых показателей, с тем, чтобы можно было легко и точно записать данные измерений и упорядочить их для дальнейшего использования. Анализ данных контрольного листка позволяет ответить на вопрос «Как часто встречаются изучаемые события?». С него начинается превращение мнений и предположений в факты.

Построение контрольного листка включает в себя определенные шаги, предусматривающие необходимость :

1) установить, какое событие будет наблюдаться;

2) договориться о периоде, в течение которого будут собираться данные (час, день);

3) построить форму, которая будет ясной и легкой для заполнения;

4) собирать данные постоянно и честно, не искажая информацию.

Форма контрольного листка разрабатывается в соответствии с конкретной ситуацией. В любом случае в нём указываются: объект изучения; таблица регистрации данных контролируемого параметра; место контроля (цех, участок); должность
и фамилия работника, регистрирующего данные; дата сбора данных; продолжительность наблюдения и наименование контрольного прибора (если он применялся в ходе наблюдения).

В регистрационной таблице в соответствующей графе проставляются условные знаки, соответствующие количеству наблюдаемых событий. На рис. 1.1 приведён пример контрольного листка для сбора информации.

По результатам сбора данных, произведенного для нескольких партий с использованием рассмотренного выше контрольного листка, может быть составлена сводная таблица
(рис. 1.2), которую можно использовать для дальнейшего анализа с помощью других статистических инструментов.

1.2. Гистограмма

Гистограмма – это инструмент, позволяющий зрительно оценить закон распределения величины разброса данных, а также принять решение о том, на чем следует сфокусировать внимание для целей улучшения процесса .

Этапы построения гистограммы:

1. Разработка и заполнение (в процессе наблюдения за контролируемым процессом) бланка для сбора первичных данных – контрольного листка.

2. Определение максимального (x max) и минимального (x min) значений выборки.

3. Вычисление размаха выборки (R ) по формуле:

. (1.1)

4. Определение количества интервалов на гистограмме (n ). Число интервалов гистограммы зависит от объема выборки (N ), определить его можно с помощью табл. 1.1.

Рис. 1.1. Контрольный листок

Таблица 1.1

Определение числа интервалов на гистограмме

5. Определение размеров интервалов осуществляют так, чтобы размах, включающий максимальное и минимальное значения, делился на интервалы равной ширины. Ширина интервалов (h ) определяется по формуле:

. (1.2)

6. Определение границ интервалов. Нижней границей первого интервала является минимальное значение выборки, а верхней границей последнего интервала – максимальное.

Первый интервал: …

Последний интервал: .

7. Определение количества «попаданий» данных в тот или иной интервал (k i ).

8. Вычисление относительные частоты «попадания» данных в i -й интервал(f i )

. (1.3)

9. Построение графика гистограммы.

На горизонтальную ось необходимо нанести границы интервалов, при этом с обеих сторон (перед первым и после последнего интервалов) следует оставить место для того, чтобы можно было указать верхнюю (USL ) и нижнюю (LSL ) границы поля допуска . На вертикальной оси наносят относительную частоту. Пользуясь шириной интервалов как основанием, строят прямоугольники, высота каждого из которых равна частоте попадания результатов наблюдений в соответствующий интервал.

Пример гистограммы показа на рис. 1.3.

Рис. 1.3. Пример построения гистограммы

На гистограмму необходимо нанести линии, представляющие: среднее арифметическое значение выборки (х ср ), границы поля допуска (USL и LSL ) и середину поля допуска (Ц ).

Среднее арифметическое значение х ср результатов наблюдений x i определяется по формуле:

. (1.4)

Границы поля допуска USL (верхняя) и LSL (нижняя) определяются согласно требованиям стандартов к качеству продукции.

Середина поля допуска или целевое значение (Ц ) определяется по формуле:

. (1.5)

Вычисление основных характеристик качества
процесса по гистограмме

Для оценки качества процесса по гистограмме необходимо рассчитать следующие значения:

Индекс пригодности процесса удовлетворять технический допуск без учета положения среднего значения (P p ). Определяется по формуле:

. (1.6)

Если P p ≥ 1, то ширина гистограммы укладывается в пределах ширины поля допуска, и процесс является управляемым (точнее говоря, имеется возможность осуществить процесс так, что 99,73 % изделий будут попадать в пределы поля допуска). Если P p

Большинство российских за­водов работают при значениях P p ≈ 0,95 ... 1,3, а японским специалистам по управлению качеством продукции во многих случаях удается поддерживать на своих предприятиях значения индекса пригодности процессов P p ≈ 1,5 ... 4,0, что позволяет ограничить дефектность продукции единицами бракованных изделий на миллион выпускаемых изделий .

Показатель настроенности процесса на целевое значение (k ). Определяется по формуле:

. (1.7)

Индекс пригодности процесса удовлетворять технический допуск с учетом положения среднего значения (P pk ) определяется по формуле:

. (1.8)

Для повышения качества процесса (уменьшения уровня дефектности) необходимо обеспечить высокое значение индекса P p и низкое значение показателя k .

Задача 1.1

Для исследования качества процесса изготовления стальных осей на токарном станке были измерены диаметры 90 осей. Результаты измерений приведены в табл. 1.2.

Таблица 1.2

Полховская Т., Адлер Ю., Шпер В.

В современном мире чрезвычайно важное значение приобретает проблема качества продукции. От ее успешного решения в значительной степени зависит благополучие любой фирмы, любого поставщика. Продукция более высокого качества существенно повышает шансы поставщика в конкурентной борьбе за рынки сбыта и, самое важное, лучше удовлетворяет потребности потребителей. Качество продукции - это важнейший показатель конкурентоспособности предприятия.

Качество продукции закладывается в процессе научных исследований, конструкторских и технологических разработок, обеспечивается хорошей организацией производства и, наконец, оно поддерживается в процессе эксплуатации или потребления. На всех этих этапах важно осуществлять своевременный контроль и получать достоверную оценку качества продукции.

Для уменьшения затрат и достижения уровня качества, удовлетворяющего потребителя нужны методы, направленные не на устранение дефектов (несоответствий) готовой продукции, а на предупреждение причин их появления в процессе производства.

Каковы же причины появления различных дефектов в изделиях и какие существуют возможности для уменьшения их числа?

Многие считают, что дефектные изделия неизбежны, поскольку продукция должна удовлетворять жестким требованиям стандартов качества, а факторы, ведущие к появлению дефектов, многочисленны. Однако, несмотря на различия в видах продукции и типах технологических процессов, причины появления дефектных изделий универсальны. Частично дефекты вызываются самими физико-химическими процессами создания изделий, а частично они связаны с вариабельностью (изменчивостью) материалов, процессов, приемов работы, методов контроля и т.д. Если бы не было вариабельности, то все изделия были бы идентичными, т.е. их качество было бы абсолютно одинаковым для всех них.

Что будет, например, если изготавливать изделия из материалов одинакового качества на одинаковых станках, с помощью одних и тех же методов и проверять эти изделия совершенно одинаковым образом? Вне зависимости от того, сколько изделий будет изготовлено, всё они должны быть идентичными, пока идентичны упомянутые четыре условия, т.е. либо все изделия будут соответствовать требованиям, либо не будут им соответствовать. Все изделия окажутся дефектными, если материалы, станки, методы изготовления или контроля будут отличаться от установленных требований. В этом случае неизбежно появление одинаковых дефектных изделий. Если же никаких отклонений в перечисленных четырех условиях производства не будет, то все изделия должны быть "идентичными" - бездефектными.

Но практически невозможно, чтобы все изделия оказались дефектными. Из всего объема выпуска только некоторые будут таковыми, в то время как остальные - бездефектными.

Рассмотрим, например, процесс гибки стальных листов. На первый взгляд кажется, что все листы имеют одинаковую толщину, но если точно измерить, их толщина будет различной, причем даже в разных частях одного и того же листа. Если исследовать кристаллическую структуру разных частей листа, то окажется, что в форме кристаллов, состоящих из атомов железа, углерода и других, есть незначительные вариации. Эти различия, естественно, влияют на показатели качества. Даже если используется один и тот же метод гибки, листы не будут изгибаться одинаковым образом, а в некоторых могут появиться и трещины.

Другой пример - механическая обработка металла. По мере роста числа обработанных деталей резец тупится. Консистенция смазочно-охлаждающей жидкости при изменении температуры тоже меняется. В итоге размеры изделий зависят от того, заточен ли резец и правильно ли он установлен. Хотя может показаться, что обе операции выполняются в одних и тех же условиях, на самом деле происходит множество изменений или вариаций, остающихся незамеченными, но именно они сказываются на качестве продукции.

Рассмотрим еще один пример - термообработку. Температура в печи постоянно меняется с изменением напряжения (если процесс идет в электропечи)или давления газа (если используется газовая печь). В самой печи области, расположенные у заслонки; вблизи пода, свода, у боковых стенок, в центральной части, находятся в разных условиях. Когда изделия помещаются в печь дня термообработки, количество тепла, которое они получают, варьируется в зависимости от их положения, что влияет на такой показатель качества, как твердость изделия.

Физические способности и мастерство рабочих также оказывают воздействие на изменение качества изделий. Есть высокие и низкие, худые и толстые, слабые и сильные люди, левши и люди, у которых лучше развита правая рука. Рабочие могут думать, что они работают одинаково, но есть индивидуальные отличия. Даже один и тот же человек работает по-разному в зависимости от своего самочувствия в каждый конкретный день, состояния и степени усталости. Иногда он допускает ошибки из-за невнимательности.

Ошибки могут допускаться контролерами при измерении параметров изделий. Вариации замеров могут стать следствием использования неисправного измерительного инструмента или несовершенства метода измерения. Так в случае органолептического (визуального контроля) изменения в критериях, которыми руководствуется контролер, могут привести к ошибочной оценке качества продукции и сказаться на объективности принятия решения относительно годности продукции.

Рассматривая проблему подобным образом, можно видеть, что в процессе изготовления изделия существует множество факторов, оказывающих влияние на его показатели качества. Оценивая производственный процесс с точки зрения изменения качества, можно рассматривать его как некую совокупность причин изменчивости. Эти причины и объясняют изменения в показателях качества изделий, что приводит к разделению их на дефектные и бездефектные. Изделие считается бездефектным, если его показатели качества соответствуют определенному стандарту, в противном случае изделие классифицируется как дефектное. Более того, даже дефектные изделия отличаются друг от друга при сопоставлении со стандартом, т.е. нет "абсолютно одинаковых" изделий. Одной из причин выпуска дефектных изделий, как уже было сказано, служит изменчивость. Если попытаться ее уменьшить, их число, несомненно, сократится. Это - простой и здравый принцип, одинаково правильный вне зависимости от видов изделий или типов технологических процессов.

Существовавшие издавна методы контроля сводились, как правило, к анализу брака путем сплошной проверки изготовленных изделий. При массовом производстве такой контроль очень дорог. Расчеты показывают, что для обеспечения качества продукции посредством ее разбраковки контрольный аппарат предприятий должен в пять-шесть раз превышать количество производственных рабочих.

С другой стороны, сплошной контроль в массовом производстве не гарантирует отсутствия дефектных изделий в принятой продукции. Опыт показывает, что контролер быстро устает, в результате чего часть годной продукции принимает за дефектную и наоборот. Практика также показывает - там, где увлекаются сплошным контролем, резко возрастают убытки от брака.

Указанные причины поставили производство перед необходимостью перехода к выборочному контролю. Распространению выборочного контроля способствовали исследования специалистов в области теории вероятностей и математической статистики, которые показали, что в большинстве случаев для надежной оценки качества нет необходимости в проверке всей выпускаемой продукции. Эти исследования (в первую очередь американских статистиков Доджа, Ромига и Шухарта) позволили подойти к организации технического контроля на новой научной и методической основе. Однако следует иметь в виду, что переход к выборочному контролю эффективен только тогда, когда технологические процессы, будучи в налаженном состоянии, обладают такой точностью и стабильностью, при которых автоматически гарантируется изготовление продукции с минимальным числом дефектов.

Почему же выборочный контроль должен быть статистическим? Рассмотрим два характерных примера.

Сегодня текущий контроль состояния технологического процесса осуществляется следующим образом. Из текущей продукции в случайные моменты времени отбирается на контроль одна единица продукции, по которой судят о состоянии технологического процесса: если она оказывается годной, процесс считается налаженным, в противном случае принимается решение о необходимости приостановки изготовления продукции и о корректировке процесса.

Какова эффективность подобных действий? Сформулированная процедура контроля состояния технологического процесса исходит из традиционней логики: процесс налажен - брака нет, процесс разлажен - вся изготовленная продукция будет дефектной.

В производстве действуют иные закономерности, которые называют стохастическими или случайными. При разладке процесса доля производимого брака лишь несколько увеличивается: до 1, 2, 10 % и крайне редко до 100 % -это зависит от конкретной технологии и конкретной причины разладки. Представим, что в результате разладки технологического процесса доля производимого брака возросла до 5 % . Это означает, что в среднем каждая двадцатая изготовляемая единица продукции окажется дефектной. Какова же вероятность извлечь именно эту, одну среди двадцати, дефектную единицу и принять правильное решение? Ответ может быть таким, что вероятность обнаружения нарушения процесса равна вероятности изготовления дефектной единицы продукции при разлаженном процессе, в нашем случае - 5 %,

Современная практика организации текущего контроля состояния технологического процесса принципиально не может решать проблему предупреждения брака. Не спасает и то, когда на проверку отбирают, не одну, а две или три единицы. При статистическом контроле качества те же самые результаты, обработанные методами математической статистики, позволяют с высокой степенью достоверности оценить истинное состояние технологического процесса. Статистические методы позволяют обоснованно обнаруживать разладку процесса даже тогда, когда две-три единицы продукции, отобранные для контроля, окажутся годными, так как обладают высокой чувствительностью к изменениям в состоянии технологических процессов.

Годами упорного труда специалисты выделяли из мирового опыта по крупицам такие приемы и подходы, которые можно понять и эффективно использовать без специальной подготовки, причем делалось это так, чтобы обеспечить реальные достижения при решении подавляющего большинства проблем, возникающих в реальном производстве.

В итоге была выработана система практических методов, рассчитанных на массовое применение. Это так называемые семь простых методов:

1) диаграмма Парето;

2) схема Исикавы;

3) расслаивание (стратификация);

4) контрольные листки;

5) гистограммы;

6) графики (на плоскости)

7) контрольные карты (Шухарта).

Иногда эти методы перечисляют в ином порядке, что не принципиально, поскольку предполагается их рассмотрение и как отдельных инструментов, и как системы методов, в которой в каждом конкретном случае предполагается специально определить состав и структуру рабочего набора инструментов.

Статистические методы управления качеством - это философия, политика, система, методология, а также технические средства управления качеством на основе результатов измерений, анализа, испытаний, контроля, данных эксплуатации, экспертных оценок и любой другой информации, позволяющей принимать достоверные, обоснованные, доказательные решения.

Применение статистических методов - весьма действенный путь разработки новой технологии и контроля качества производственных процессов. Многие ведущие фирмы стремятся к их активному использованию, и некоторые из них тратят более ста часов ежегодно на обучение этим методам, осуществляемое в рамках самой фирмы. Хотя знание статистических методов - часть нормального образования инженера, само знание еще не означает умения применить его. Способность рассматривать события с точки зрения статистики важнее, чем знание самих методов. Кроме того, надо уметь честно признавать недостатки и возникшие изменения и собирать объективную информацию.

В процессе изготовления изделия существует множество факторов, оказывающих влияние на его показатели качества. Оценивая производственный процесс с точки зрения изменения качества, можно рассматривать его как некую совокупность причин изменчивости. Эти причины и приводят к появлению, как бездефектных изделий, так и дефектных. Если деталь соответствует чертежу (стандарту) она бездефектна, если нет, то – дефектна. Сплошной контроль качества изделий в массовом производстве: во-первых, не обеспечивает гарантию 100% качества, а во-вторых, является очень затратным.

Применение статистических методов – весьма действенный путь разработки новой технологии и контроля качества производственных процессов. Многие ведущие фирмы активно используют статистические методы и считают целесообразным тратить до 100 часов в год на обучение сотрудников этим методам.

Статистические методы управления качеством – это философия, политика, система, методология, а также технические средства управления качеством на основе измерений, анализа, испытаний, контроля, данных по эксплуатации, экспертных оценок и любой другой информации, позволяющей принимать, достоверные, обоснованные, доказательные решения. Информация должна быть своевременной, объективной и достоверной.

Массовое применение получили следующие статистические методы:

1. Контрольные листки;

2. Графики и диаграммы на плоскости;

3. Диаграмма Парето;

4. Расслоение (стратификация), диаграммы разброса (рассеяния);

5. Диаграмма Исикавы («рыбья кость»);

6. Гистограммы;

7. Контрольные карты (Шухарта).

Широкое внедрение в практику работы российских предприятийсеми простых японских методов – необходимое условие быстрого прогресса в производстве качественной продукции. Этот шаг не требует значительных затрат, если только не считать организации широкомасштабного обучения рабочих и специалистов статистическим методам и внедрения их в производство. Обучение и организация производства плюс система стимулирования за качество – вот ключевые моменты российского качества.

1. Необходимо четко определить источник данных (где собираются данные: рабочее место, станок, рабочий; кто собирает данные: контролер, рабочий; периодичность сбора данных: каждая 5-я деталь, 1-я смена, каждый час и т.п.; материал, из которого изготавливают детали: марка, партия; и т.д.

2. Необходимо подобрать метод измерения, приборы и контрольные приспособления. Очевидно, что средства измерения и контрольные приспособления должны быть аттестованы (поверены), а персонал должен быть обучен.

3. Необходимо определить перечень всех характеристик, которые подлежат измерению.

4. Необходимо разработать простую и удобную для дальнейшей обработки данных форму их регистрации. Рекомендуется использовать количественные данные.

Контрольные листки

Контрольный листок – это бумажный бланк, на котором заранее напечатаны контролируемые параметры и форма, куда необходимо заносить параметры. Это делается для того, чтобы можно было легко и точно записывать данные измерений.

При необходимости на контрольном листке может быть приведен эскиз детали или схема, на которых делаются пометки, показывающие местонахождение дефектов (например: контрольный листок локализации дефектов).

На контрольном листке обязательно должна быть следующая информация:

Наименование и обозначение детали, номер партии (заказа), из которой взяты детали, общее количество проверенных деталей;

Обозначение техпроцесса, производственная операция;

Номер цеха, участка, где изготавливались детали;

Марка станка и его заводской номер;

Марка материала, из которого изготавливались детали;

Дата и время изготовления деталей, рабочая смена;

Фамилии рабочих, изготовивших детали и их квалификация;

Фамилия, работника, проводившего измерения и заполнение формы и его квалификация;

Информация о методике и средствах измерения (марка измерительного прибора, заводской номер, контрольное приспособление и т.п.)

Графики и диаграммы на плоскости

Наиболее распространенными средствами наглядного представления количественных данных являются графики и диаграммы.

С их помощью можно объединять большие объемы информации, используя при этом небольшие участки бумаги, и сообщать результаты анализа определенной комплексной проблемы наглядно, сжато и ясно.

Примерами могут служить:

Линейные графики;

Столбчатые диаграммы;

Круговые диаграммы.

Диаграмма Парето

Причины изменений качества бесчисленны, а их воздействие на качество различно. Все возможные причины можно разделить на две группы:

- «немногочисленные существенно важные», которые оказывают существенное воздействие на качество;

- «многочисленные несущественные», охватывающие большое количество причин, но незначительно воздействующие на качество.

Очевидно, что при проведении анализа причин появления дефектов необходимо найти существенно важные причины, вызывающие появление дефектов, выделить и устранить их.

Массивы различных данных трудно анализировать, пока они не представлены в наглядной и понятной форме.

Анализ Парето- это метод классификации причин возникновения дефектов на «немногочисленные существенно важные» и «многочисленные несущественные». В большинстве случаев подавляющее число дефектов и связанных с ними потерь возникает из-за относительно небольшого количества причин.

Анализ Парето ранжирует отдельные области по значимости или важности и дает возможность выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).

Схема, построенная на основе группирования по дискретным признакам, ранжированная в порядке убывания (например, по частоте появления) и показывающая кумулятивную (накопленную) частоту, называется диаграммой Парето (рис. 3).

Рис. 3 Пример диаграммы Парето

1 – ошибки в процессе производства; 2 – некачественное сырье;

3 – некачественные орудия труда; 4 – некачественные шаблоны;

5 – некачественные чертежи; 6 – прочее;

А – относительная кумулятивная (накопленная) частота, %;

n – число бракованных единиц продукции.

Приведенная диаграмма построена на основе группирования бракованной продукции по видам брака и расположения в порядке убывания числа единиц бракованной продукции каждого вида. Она позволяет произвести сравнение ранжированных факторов, определяющих проблемы качества.

Диаграмму Парето можно использовать очень широко. С ее помощью можно оценить эффективность принятых мер по улучшению качества продукции, построив ее до и после внесения изменений.

Анализ Парето- представляет собой один из инструментов для идентификации и концентрации внимания на немногочисленных жизненно важных факторах, влияющих на качество (иллюстрируется диаграммой Парето).

Расслоение (стратификация)

Распределение полученных данных на отдельные группы (слои) по определенному признаку в зависимости от выбранного фактора называется расслоением или стратификацией.

В качестве стратифицирующего фактора могут быть выбраны любые параметры, определяющие особенности условий возникновения и получения данных.

Расслоение можно осуществить:

По исполнителям (по полу, стажу работы, квалификации и т.д.);
- по машинам и оборудованию (по новому или старому, марке, типу и т.д.);
- по материалу (по месту производства, партии, виду, качеству сырья и т.д.);
- по способу производства (по температуре, технологическому приему и т.д.).

В торговле может быть осуществлено расслоение по районам, фирмам, продавцам, видам товара, сезонам и т.п.

Расслоение помогает выяснить причину появления дефекта, если обнаруживается разница в данных между слоями.

При подготовке к сбору данных по какой либо проблеме необходимо тщательно продумать разделение данных на группы при их занесении в форму.

Диаграмма разброса (рассеяния) применяется для выявления зависимости (корреляции) одних показателей от других или для определения степени корреляции между n парами данных для переменных x и y:

(x 1 ,y 1), (x 2 ,y 2), ..., (x n , y n).

Эти данные наносятся на график (диаграмму разброса), и для них вычисляется коэффициент корреляции по формуле

,

,

,

Ковариация;

Стандартные отклонения случайных переменных x и у;

n – размер выборки (количество пар данных – х i и у i );

и – среднеарифметические значения х i и у i cоответственно.

Рассмотрим различные варианты диаграмм разброса (или полей корреляции) на рис. 4.

Рис. 4 Варианты диаграмм разброса.

В случае:

а ) можно говорить о положительной корреляции (с ростом x увеличивается y );

б ) проявляется отрицательная корреляция (с ростом x уменьшается y );

в ) при росте x y может как расти, так и уменьшаться, говорят об отсутствии корреляции. Но это не означает, что между ними нет зависимости, между ними нет линейной зависимости. Очевидная нелинейная (экспоненциальная) зависимость представлена и на диаграмме разброса г ).

Коэффициент корреляции всегда принимает значения в интервале , т.е. при r>0 – положительная корреляция, при r=0 – нет корреляции, при r <0 – отрицательная корреляция.

Для тех же n пар данных (x 1 ,y 1 ), (x 2 ,y 2 ), ..., (x n , y n ) можно установить зависимость между x и y . Формула, выражающая эту зависимость, называется уравнением регрессии (или линией регрессии), и ее представляют в общем виде функцией

у = а + bх.

Для определения линии регрессии (рис.5) необходимо статистически оценить коэффициент регрессии b и постоянную a . Для этого должны быть выполнены следующие условия:

1) линия регрессии должна проходить через точки (x,y ) средних значений x и y .2) сумма квадратов отклонений от линии регрессии значений y по всем точкам должна быть наименьшей.

3) для расчета коэффициентов а и b используются формулы

.

Т.е. уравнением регрессии можно аппроксимировать реальные данные.

Рис. 5 Пример линии регрессии.

Семь основных инструментов качества - название, которое дано набору очень простых графических методов, которые были определены как наиболее полезные для решения простых, повседневных вопросов, связанных с качеством. Они называются основными , потому что даже люди с недостаточной квалификацией или без статистической подготовки будут в состоянии понять эти принципы и применить их в своей повседневной работе.

Я часто видела, что даже высококвалифицированный персонал игнорирует идею использования современных инструментов качества, таких, как планирование эксперимента, проверка гипотез или многомерный анализ. Хотя для большинства профессионалов было бы полезно знать, что большинство вопросов, связанных с качеством могут быть решены с помощью этих семи основных инструментов качества.

Целью данной статьи является обзор этих основных инструментов и их эффективного использования. Получение наилучших результатов с помощью любого из этих инструментов не требует доказательств; специалист по качеству должен обеспечить полную, объективную и достаточную информацию.

Инструмент № 1: Диаграммы Исикавы

(также называемые «рыбий скелет» или «диаграммы причинно-следственных связей» ) являются причинно-следственными диаграммами, которые показывают основную причину (ы) конкретного события. Распространенным способом построения действительно информативного «рыбьего скелета» является одновременное применение метода «Пяти почему» (5 Whys) и диаграммы причинно-следственных связей.

1. Людей - Персонал, участвующий в процессе; заинтересованные стороны и т.д.
2. Методы - Процессы для выполнения задач и конкретные требований для их выполнения, такие как стратегии, процедуры, правила, инструкции и законы
3. Машины - Любое оборудование, компьютеры, инструментарии и т.д., необходимые для выполнения работы
4. Материалы - Сырье, детали, ручки, бумага и т.д., используемые для производства конечного продукта
5. Показатели - Данные, полученные от процесса, которые используются для оценки его качества
6. Окружающую среду - Условия, такие как местоположение, время, температура и культура, в которых этот процесс осуществляется

Инструмент № 2: Контрольный лист

Представляет собой структурированный, подготовленный бланк для сбора и анализа данных. Это универсальный инструмент, который может быть адаптирован для самых разнообразных целей. Собираемые данные могут быть количественными или качественными. Когда информация является количественной, контрольный листок называется учетным листом .

Определяющей характеристикой контрольного листа является то, что данные вносятся в него в виде отметок ("галочек"). Типичный контрольный лист разделен на графы, и отметки, сделанные в разных графах, имеют разные значения. Данные считываются с учетом расположения и количества отметок в листе. Контрольные листы обычно используют "шапку", которая отвечает на пять вопросов: Кто? Что? Где? Когда? Почему? Разрабатывайте оперативные определения для каждого из вопросов.

1. Кто заполнил контрольный лист
2. Что было собрано (что представляет собой каждая отметка, идентификационный номер партии или число изделий в партии)
3. Где происходил сбор данных (оборудование, помещение, инструментальные средства)
4. Когда происходил сбор данных (час, смена, день недели)
5. Почему эти данные были собраны

Инструмент № 3:

Является отображением статистической информации, которая представляется прямоугольниками для того, чтобы показать частоту элементов данных в последовательных числовых интервалах одинакового размера. В наиболее распространенной форме гистограммы, независимая переменная откладывается по горизонтальной оси, а зависимая переменная графически наносится по вертикальной оси.

Основная цель гистограммы - уточнить представленные данные. Это полезный инструмент для выведения обрабатываемых данных в области или столбцы гистограммы для установления частоты определенных событий или категорий данных. Эти гистограммы могут помочь отразить наибольшую частоту. Типичные области применения гистограмм анализа основной причины включают представление данных для определения доминирующей причины; понимание распределения проявлений различных проблем, причин, последствий и т.д. Диаграмма Парето, (объясняется далее в статье) представляет собой особый тип гистограммы.

Инструмент № 4:

Является важным инструментом и решением. Так как ресурсы организации ограничены, для владельцев процессов и заинтересованных сторон важно понимать первопричины ошибок, дефектов и т.д. Парето превосходно представляет этот механизм четким ранжированием основных причин дефекта. Диаграмма также известна как принцип 80:20.

Диаграмма, названная в честь экономиста и политолога Вильфредо Парето, представляет собой тип графика, который содержит столбцы и линейный график, где отдельные значения представлены в порядке убывания столбцов, а накопленная сумма представлена линией. Левая вертикальная ось обычно представляет частоту проявлений. Правая вертикальная ось - суммарный процент от общего числа проявлений. Так как причины располагаются в порядке убывания их значимости, кумулятивная функция является вогнутой. В качестве примера вышеизложенного, для того, чтобы снизить количество опозданий на 78%, достаточно устранить первые три причины.

Инструмент № 5: Диаграмма рассеяния или точечный график

Часто используется для выявления потенциальных связей между двумя переменными, где одну из них можно считать объясняющей переменной, а другую - зависимой. Это дает хорошую визуальную картину отношений между двумя переменными, и помогает при анализе коэффициента корреляции и регрессионной модели. Данные отображаются в виде набора точек, каждая из которых имеет значение одной переменной, определяющей положение по горизонтальной оси, и значение второй переменной, определяющей положение по вертикальной оси.

Точечная диаграмма используется, когда существует переменная, находящаяся под контролем экспериментатора. Если существует параметр, который систематично увеличивается и / или уменьшается при воздействии другого, это называется параметром управления или независимой переменной и обычно наносится по горизонтальной оси. Регулируемая или зависимая переменная обычно откладывается вдоль вертикальной оси. Если не существует зависимой переменной, или переменной может быть нанесена по любой из осей или на диаграмме рассеяния, она отобразит только степень корреляции (а не причинно-следственные отношения) между двумя переменными.

Инструмент № 6:

Представляет собой метод выборочного исследования населения. В статистических обследованиях, когда группы населения в генеральной совокупности отличаются, целесообразно делать выборку каждой группы (страты) отдельно. Стратификация является процессом деления членов общества на однородные подгруппы перед осуществлением выборки.

Страты должны быть взаимоисключающими: каждая единица населения должна быть отнесена только к одному слою. Страты должны быть исчерпывающими: ни одна единица населения не может быть исключена. Затем в рамках каждой страты производится простая случайная выборка или систематическая выборка.

Это часто повышает репрезентативность выборки за счет уменьшения ошибки выборки. Она может давать средневзвешенную величину, которая имеет меньшую изменчивость, чем среднее арифметическое простой случайной выборки населения. Я часто говорю группам, которые курирую, что правильные процедуры отбора являются более важными, чем просто наличие достаточного размера выборки!!

Инструмент № 7: Контрольные карты, также известные как карты Шухарта или карты поведения процесса

Представляет собой особый вид временной диаграммы, которая позволяет значимому изменению дифференцироваться вследствие естественной изменчивости процесса.

Если анализ контрольной карты показывает, что процесс находится под контролем (т.е. является стабильным, изменяется только из-за причин, свойственных процессу), то никакие исправления или изменения параметром управления процессом не требуются или не желательны. Кроме того, данные этого процесса могут быть использованы для прогнозирования будущей эффективности процесса.

Если карта показывает, что наблюдаемый процесс не управляемый, анализ этой карты может помочь определить источники изменения, которые затем могут быть устранены, чтобы снова восстановить управляемость процесса.

Контрольная карта может рассматриваться как часть объективного и упорядоченного подхода, который способствует правильным решениям в отношении управления процессом, в том числе, нужно ли изменять параметры управления процессом. Параметры процесса не должны исправляться для процесса, который находится под контролем, так как это приведет к снижению показателей процесса. Процесс, который является стабильным, но осуществляется вне заданного интервала (процент брака, например, может быть статистически управляемым, но выше заданной нормы), должен быть улучшен за счет целенаправленных усилий, чтобы понять причины текущей деятельности и коренным образом улучшить процесс.

Когда я руковожу простыми проектами (Six Sigma) (обычно называется проектом желтых поясов), где вопросы несложные и команда проекта состоит из людей с 3-х - 5-тилетним опытом участия в процессе, я решительно выступают за использование этих простых инструментов для решения вопросов, связанных с процессом.

Как эмпирическое правило, любой процесс, демонстрирующий воспроизводимость с 1-2% среднеквадратичных отклонений, может быть улучшен путем простого анализа с использованием этих инструментов. Только когда показатель воспроизводимости процессов более 2,5 - 3% среднеквадратичных отклонений, необходимо использовать инструменты средней и повышенной сложности для выявления и решения вопросов, связанных с процессом. Я также рекомендую любому начальному курсу обучения и тренингу Six Sigma использовать семь инструментов контроля качества для создания плодородной почвы для подготовки зеленых и черных поясов в рамках организации.

Материал подготовлен Андреем Гариным
по материалам зарубежных изданий
http://www.сайт/

Один из базовых принципов управления качеством состоит в принятии решений на основе фактов. Наиболее полно это решается методом моделирования процессов, как производственных, так и управленческих инструментами математической статистики. Однако, современные статистические методы довольно сложны для восприятия и широкого практического использования без углубленной математической подготовки всех участников процесса. К 1979 году Союз японских ученых и инженеров (JUSE) собрал воедино семь достаточно простых в использовании наглядных методов анализа процессов. При всей своей простоте они сохраняют связь со статистикой и дают профессионалам возможность пользоваться их результатами, а при необходимости - совершенствовать их.

Причинно-следственная диаграмма (диаграмма Ишикавы)

Диаграмма типа 5М рассматривает такие компоненты качества, как “человек”, “машина”, “материал”, “метод”, “контроль”, а в диаграмме типа 6М к ним добавляется компонент “среда”. Применительно к решаемой задаче квалиметрического анализа, для компоненты “человек” необходимо определить факторы, связанные с удобством и безопасностью выполнения операций; для компоненты “машина” - взаимоотношения элементов конструкции анализируемого изделия между собой, связанные с выполнением данной операции; для компоненты “метод” - факторы, связанные с производительностью и точностью выполняемой операции; для компоненты “материал” - факторы, связанные с отсутствием изменений свойств материалов изделия в процессе выполнения данной операции; для компоненты “контроль” - факторы, связанные с достоверным распознаванием ошибки процесса выполнения операции; для компоненты “среда” - факторы, связанные с воздействием среды на изделие и изделия на среду.

Пример диаграммы Ишикавы

Контрольные листки

Контрольные листки могут применяться как при контроле по качественным, так и при контроле по количественным признакам.

Гистограммы

Гистограммы – один из вариантов столбчатой диаграммы, отображающий зависимость частоты попадания параметров качества изделия или процесса в определенный интервал значений от этих значений.

Гистограмма строится следующим образом:

1. Определяем наибольшее значение показателя качества.
2. Определяем наименьшее значение показателя качества.
3. Определяем диапазон гистограммы как разницу между наибольшим и наименьшим значением.
4. Определяем число интервалов гистограммы. Часто можно пользоваться приближенной формулой:

   (число интервалов) = Ц (число значений показателей качества) Например, если число показателей = 50, число интервалов гистограммы = 7.

5. Определяем длину интервала гистограммы = (диапазон гистограммы) / (число интервалов).
6. Разбиваем диапазон гистограммы на интервалы.
7. Подсчитываем число попаданий результатов в каждый интервал.
8. Определяем частоту попаданий в интервал = (число попаданий)/(общее число показателей качества)
9. Строим столбчатую диаграмму

Диаграммы разброса

Диаграммы разброса представляют из себя графики вида, изображенного ниже, которые позволяют выявить корреляцию между двумя различными факторами.

Диаграмма разброса: Взаимосвязи показателей качества практически нет.

Диаграмма разброса: Имеется прямая взаимосвязь между показателями качества

Диаграмма разброса: Имеется обратная взаимосвязь между показателями качества

Анализ Парето

Анализ Парето получил свое название по имени итальянского экономиста Вилфредо Парето, который показал, большая часть капитала (80%) находится в руках незначительного количества людей (20%). Парето разработал логарифмические математические модели, описывающие это неоднородное распределение, а математик М.Оа. Лоренц представил графические иллюстрации.

Правило Парето - “универсальный” принцип, который применим во множестве ситуаций, и без сомнения - в решении проблем качества. Джозеф Джуран отметил “универсальное” применение принципа Парето к любой группе причин, вызывающих то или иное последствие, причем большая часть последствий вызвана малым количеством причин. Анализ Парето ранжирует отдельные области по значимости или важности и призывает выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).

Анализ Парето как правило иллюстрируется диаграммой Парето (рис. ниже), на которой по оси абсцисс отложены причины возникновения проблем качества в порядке убывания вызванных ими проблем, а по оси ординат – в количественном выражении сами проблемы, причем как в численном, так и в накопленном (кумулятивном) процентном выражении.

На диаграмме отчетливо видна область принятия первоочередных мер, очерчивающая те причины, которые вызывают наибольшее количество ошибок. Таким образом, в первую очередь, предупредительные мероприятия должны быть направлены на решение проблем именно этих проблем.

Диаграмма Парето

Стратификация

В основном, стратификация - процесс сортировки данных согласно некоторым критериям или переменным, результаты которого часто показываются в виде диаграмм и графиков

Мы можем классифицировать массив данных в различные группы (или категории) с общими характеристиками, называемыми переменной стратификации. Важно установить, которые переменные будут использоваться для сортировки.

Стратификация - основа для других инструментов, таких как анализ Парето или диаграммы рассеивания. Такое сочетание инструментов делает их более мощными.

На рисунке приведен пример анализа источника возникновения дефектов. Все дефекты (100%) были классифицированы на четыре категории – по поставщикам, по операторам, по смене и по оборудованию. Из анализа представленных донных наглядно видно, что наибольший вклад в наличие дефектов вносит в данном случае «поставщик 1».

Стратификация данных.

Контрольные карты

Контрольные карты – специальный вид диаграммы, впервые предложенный В. Шухартом в 1925 г. Контрольные карты имеют вид, представленный на рис. 4.12. Они отображают характер изменения показателя качества во времени.

Общий вид контрольной карты

Контрольные карты по количественным признакам

Контрольные карты по количественным признакам - это как правило сдвоенные карты, одна из которых изображает изменение среднего значения процесса, а 2-я - разброса процесса. Разброс может вычисляться или на основе размаха процесса R (разницы между наибольшим и наименьшим значением), или на основе среднеквадратического отклонения процесса S.

В настоящее время обычно используются x- S карты, x - R карты используются реже.

Контрольные карты по качественным признакам

Карта для доли дефектных изделий (p - карта)

В p - карте подсчитывается доля дефектных изделий в выборке. Она применяется, когда объем выборки - переменный.

Карта для числа дефектных изделий (np - карта)

В np - карте подсчитывается число дефектных изделий в выборке. Она применяется, когда объем выборки - постоянный.

Карта для числа дефектов в выборке (с - карта)

В с - карте подсчитывается число дефектов в выборке.

Карта для числа дефектов на одно изделие (u - карта )

В u - карте подсчитывается число дефектов на одно изделие в выборке.

Бланк контрольной карты