Статистические методы контроля. Статистические методы контроля качества продукции и услуг

В комплексной системе управления качеством продукции статистические методы контроля относятся к наиболее прогрессивным. Они основаны на применении методов математической статистики к систематическому контролю качества изделий и состояния технологического процесса с целью поддержания его устойчивости и обеспечения заданного уровня качества выпускаемой продукции.

Статистические методы контроля производства и качества продукции и услуг имеют следующие преимущества перед другими методами:

1) носят профилактический характер;

2) позволяют во многих случаях обоснованно перейти к выборочному контролю и тем самым снизить трудоемкость контрольных операций;

3) обеспечивают наглядность изображения динамики изменения качества продукции и настроенности процесса производства, что позволяет своевременно принимать меры к предупреждению брака не только контролерам, но и работникам цеха − рабочим, бригадирам, технологам, наладчикам, мастерам на стадии производства.

Статистические методы управления качеством продукции и услуг предполагают:

1) статистический анализ точности выполнения технологического процесса с целью приведения его к требуемой настроенности, точности и статистически устойчивому состоянию;

2) текущий контроль с целью регулирования и поддержания процесса в состоянии, обеспечивающем заданные качественные параметры;

3) выборочный статистический приемочный контроль качества готовой продукции.

Статистический анализ точности выполнения технологических процессов представляет собой единовременное обследование надежности процесса путем изучения качественных характеристик большого числа изделий, обработанных в определенных условиях на данной операции. Этот вид анализа дает возможность определить фактическую точность процесса и сравнить ее с заданной, оценить качество и устойчивость настроенности процесса, выявить вероятный процент дефектов, определить экономически целесообразные допуски.

Наиболее распространенными методами статистического анализа точности технологических процессов являются:

· сравнение средних значений параметров с номинальными;

· сравнение дисперсий;

· оценка коэффициентов корреляции;

· регрессионный анализ и др.

Метод сравнения средних значений параметров с номинальными используется в тех случаях, когда необходимо установить соответствие изготовляемого изделия эталону и в других случаях при сравнении значений одноименных показателей качества у нескольких групп изделий.

Метод сравнения дисперсий используется в случаях, когда требуется сделатьхарактеристику изменчивости показателей качества, их рассеивание в зависимости от способа обработки или других факторов.

Коэффициент корреляции используется при оценке степени зависимости показателей качества от других показателей.

К регрессионному анализу прибегают в случаях оценки показателя качества по результатам наблюдений за другими показателями.

Статистическое регулирование технологического процесса представляет собой корректировку значений параметров технологического процесса по результатам выборочного контроля параметров выпускаемой продукции с целью обеспечения требуемого уровня качества. В процессе статистического регулирования технологического процесса периодически проверяют небольшое количество (5–10 единиц) изготовляемой продукции на конкретной операции, рассчитывают соответствующий распределению статистический параметр качества и сопоставляют с его номинальным значением. Этот контроль обеспечивает непрерывное наблюдение за стабильностью операции, однородностью качества, что дает возможность своевременно сигнализировать о наступающем отклонении и тем самым предупреждать возникновение дефектов и брака, обеспечивая заданный уровень качества продукции.

Распределение качественного параметра можно представить в виде кривой нормального распределения (рисунок 1), подчиненной закону нормального распределения случайных величин:

где y – плотность вероятностей или частота появления случайной переменной;

х – значение случайной переменной;

– центр распределения (группирование) отклонений, при котором значение у наибольшее;

– среднеквадратическое отклонение случайной переменной х .

Рисунок 1– Кривая нормального распределения случайных величин

Приведем наиболее важные статистические характеристики закона нормального распределения:

1) среднее арифметическое значение качественного признака, характеризующее точность процесса,

где п − количество единиц изделий в выборке (число замеров);

х i − замер контролируемого параметра i -го изделия в выборке;

2) среднеквадратическое отклонение случайной величины (значение качественного параметра, характеризующее величину поля фактического рассеивания размеров контролируемого параметра),

; (3)

3) размах рассеивания качественной характеристики R ,который представляет собой разность между наибольшими и наименьшими фактическими размерами,

Результаты контроля (расчет приведенных характеристик) изображаются графически на карте статистического контроля (рисунок 2). Исходя из полученных параметров осуществляется управление процессом и принимаются решения о качестве продукции, выпущенной за период между двумя выборками.

Количество выборок

Контрольные параметры

Зона брака

2,75

3,25

2,25

3,25

2,75

2,25

С = 4,2

TBR

C = 3,864

PBR 4

δ’=4,2

C = 0,479

PHR 1

C = 0

THR

Рисунок 2– Карта статистического контроля качества конденсаторов

Контрольная карта предназначена для статистического контроля по одному показателю качества. В ее верхней части отмечаются точками значения средних арифметических показателей качества х . Здесь нанесены четыре границы: две внешние, ограничивающие поле допуска, − Т в (верхний технический допуск) и Т н (нижний технический допуск), за пределами которых находится зона брака, и две внутренние − Р в (верхний предупредительный допуск) и Р н (нижний предупредительный допуск), между которыми находится номинальный размер контролируемого параметра Р ном.

Внешние границы Т в и Т н определяются исходя из допустимой относительной величины отклонения контролируемого параметра от номинальной величины:

Т в = х ном + ∆х ф; (5)

Т н = х ном − ∆х ф, (6)

где ± ∆х ф − допустимая абсолютная величина отклонения от номинального размера,

где – допустимая величина отклонения от номинальной величины, %.

Внутренние границы и определяются по формулам:

; , (8)

где – поле допуска на величину изучаемого параметра (по нижнему и

верхнему пределам от номинала);

п – количество единиц изделия в выборке.

Среднеарифметическая величина изучаемого параметра в j -й выборке

где х i – значение контролируемого параметра i -го изучения в j -й выборке.

Положение контрольных линий регулирования размахов Р в R и Р н R определяется по формулам:

Р в R = V 1 d; (10)

Р н R = V 2 d, (11)

где V i и V 2 принимаются по таблицам, составленным на основе корреляционного анализа измеряемого параметра.

Ниже помещаются результаты замеров выборки (5−10 изделий) и среднее арифметическое значение по каждой выборке х. В нижней части карты по каждому номеру выборки откладываются значения размаха варьирования и наносится нижняя сплошная граница (обычно Т н R принимается равной нулю, а Т в R − равной полю допуска), верхняя граница регулирования размахов Р в R (ограничивающая зону допускаемых значений размахов R в выборках), а также сплошная линия T в R (верхний предел допуска).

Технологический процесс протекает удовлетворительно, если средние арифметические значения выборок не выходят за границы регулирования Р в и Р н , а размахи R не выходят за свою границу T в R . В этом случае вся партия, подготовленная между текущей и предыдущей выборками, считается годной и убирается с рабочего места. Если же в выборке обнаружен брак или статистический анализ указывает на возможность его появления при данном состоянии технологического процесса, вся накопившаяся у станка за последний период времени продукция подлежит разбраковке, а станок останавливается для переналадки.

Предупредительные границы Р в и Р н устанавливаются таким образом, чтобы выход тех или иных значений за предел этих границ под влиянием погрешностей, нарушающих нормальный ход процесса, еще не означал появление брака, а лишь предварительно сигнализировал о возможности его возникновения, если эти погрешности не будут немедленно устранены. В подобных случаях контролер, отмечая на карте полученные значения и сопоставляя их с положением границ регулирования, должен предупредить администрацию участка или цеха о возможности появления брака и о необходимости произвести подналадку оборудования.

Из приведенного примера видно, что в период между первой и третьей выборками наблюдалась систематическая расстройка оборудования. В результате на третьей выборке было обнаружено, что величина х превысила допустимое значение Р в . Процесс был остановлен, что отмечено на карточке знаком (↓), и оборудование было перенастроено. Детали, изготовленные между второй и третьей выборками, подверглись сплошному контролю.

После возобновления процесс пошел в пределах установленных границ, однако в восьмой выборке было обнаружено, что размах R превысил допустимое значение Т в R . Оборудование было вновь остановлено (↓). Детали, изготовленные между седьмой и восьмой выборками, подвергались сплошному контролю. После выявления и устранения случайных факторов, ухудшающих качество продукции, процесс был возобновлен и до одиннадцатой выборки включительно протекал в пределах предупредительных границ.

По результатам расчетов (15) – (17) делается вывод: если l ф < l д, то настройка процесса хорошая, если l ф > l д − неудовлетворительная.

Статистический приемочный контроль изделий используется в качестве выборочного метода при приемке больших партий продукции, сырья, материалов, полуфабрикатов. Он основан на применении методов математической статистики для проверки соответствия качества продукции установленным стандартом. По качеству выборки, взятой на контроль, с достаточной достоверностью делают оценку качества всей партии.

Преимущества приемочного статистического контроля состоят в сокращении трудоемкости контроля по сравнению со 100 %-й проверкой продукции, гарантированном обеспечении заданного качества продукции, достоверности оценки заданного уровня качества.

При статистическом приемочном контроле могут быть использованы два метода:

1) контроль по альтернативному признаку, когда за показатель качества принимается доля брака в выборке;

2) контроль по количественному признаку, когда определяются статистические характеристики распределения измеряемого параметра в выборке (среднее значение и дисперсия σ), и по полученным значениям оценивается качество всей партии изделий.

При приемочном контроле по количественному признаку определяются фактические значения измеряемого параметра у всех изделий в выборке, средние арифметические значения этих параметров х и дисперсия d , после чего решаются неравенства (15) – (17).

Если все неравенства оказываются верными, партия принимается. В противном случае партия идет на разбраковку. Преимуществом этого метода является значительно меньший объем выборки при той же достоверности оценки партии (объем выборки сокращается в 3−10 раз), что особенно важно при контроле, который связан с разрушением изделий.

Смысл статистических методов контроля качества заключается в значительном снижении затрат на его проведение по сравнению со сплошным контролем, с одной стороны, и в исключении случайных изменений качества продукции - с другой.
Различаются две области применения статистических методов в производстве (рис. 4.8):
- при регулировании хода технологического процесса с целью удержания
- его в заданных рамках (левая часть схемы);
- при приемке изготовленной продукции (правая часть схемы).

Для контроля технологических процессов решаются задачи статистического анализа точности и стабильности технологических процессов и их статистического регулирования. При этом за эталон принимаются допуски на контролируемые параметры, заданные в технологической документации, и задача заключается в жёстком удержании этих параметров в установленных пределах. Может быть поставлена также задача поиска новых режимов выполнения операций с целью повышения качества конечного производства.
Прежде чем браться за применение статистических методов в производственном процессе, необходимо четко представлять цель применения этих методов и выгоду производства от их применения. Очень редко данные используются для заключения о качестве в том виде, в каком они были получены. Обычно для анализа данных используются семь, так называемых, статистических методов или инструментов контроля качества: расслаивание (стратификация) данных; графики; диаграмма Парето; причинно-следственная диаграмма (диаграмма Исикавы или «рыбий скелет); контрольный листок и гистограмма; диаграмма разброса; контрольные карты.
1. Расслаивание (стратефикация).
При разделении данных на группы в соответствии с их особенностями группы именуют слоями (стратами}, а сам процесс разделения - расслаиванием (стратификацией). Желательно, чтобы различия внутри слоя были как можно меньше, а между слоями - как можно больше.
В результатах измерений всегда есть больший или меньший разброс параметров. Если осуществлять стратификацию по факторам, порождающим этот разброс, легко выявить главную причину его появления, уменьшить его и добиться повышения качества продукции.
Применение различных способов расслаивания зависит от конкретных задач. В производстве часто используется способ, называемый 4М, учитывающий факторы, зависящие от: человека (man); машины (machine); материала (material); метода (method).
То есть расслаивание можно осуществить так:
- 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 расслаивание по районам, фирмам, продавцам, видам товара, сезонам.
Метод расслаивания в чистом виде применяется при расчете стоимости изделия, когда требуется оценка прямых и косвенных расходов отдельно по изделиям и партиям, при оценке прибыли от продажи изделий отдельно по клиентам и по изделиям и т. д. Расслаивание также используется в случае применения других статистических методов: при построении причинно- следственных диаграмм, диаграмм Парето, гистограмм и контрольных карт.
2. Графическое представление данных широко применяется в производственной практике для наглядности и облегчения понимания смысла данных. Различают следующие виды графиков:
А). График, представляющий собой ломанную линию (рис. 4.9), применяется, например, для выражения изменения каких-либо данных с течением времени.

Б) Круговой и ленточный графики (рис. 4.10 и 4.11) применяются для выражения процентного соотношения рассматриваемых данных.

Соотношение составляющих себестоимости производства:
1 - себестоимость производства продукции в целом;
2 - косвенные расходы;
3 - прямые расходы и т.д.

На рисунке 4.11 показано соотношение сумм выручки от продажи по отдельным видам изделий (A,B,C), видна тенденция: изделие B перспективно, а A и C - нет.
В). Z-образный график (рис. 4.12) применяется для выражения условий достижений данных значений. Например, для оценки общей тенденции при регистрации по месяцам фактических данных (объём сбыта, объём производства и т.д.)
График строится следующим образом:
1) откладываются значения параметра (например, объём сбыта) по месяцам (за период одного года) с января по декабрь и соединяются отрезками прямой (ломаная линия 1 на рис. 4.12);
2) вычисляется кумулятивная сумма за каждый месяц и строится соответствующий график (ломаная линия 2 на рис. 4.12);
3) вычисляются итоговые значения (меняющийся итог) и строится соответствующий график. За меняющийся итог в данном случае принимается итог за год, предшествующий данному месяцу (ломаная линия 3 на рис. 4.12).

По меняющемуся итогу можно определить тенденцию изменения за длительный период. Вместо меняющегося итога можно наносить на график планируемые значения и проверять условия их достижения.
Г). Столбчатый график (рис. 4.13) представляет количественную зависимость, выражаемую высотой столбика, таких факторов, как себестоимость изделия от его вида, сумма потерь в результате брака от процесса и т.д. Разновидности столбчатого графика - гистограмма и диаграмма Парето. При построении графика по оси ординат откладывают количество факторов, влияющих на изучаемый процесс (в данном случае изучение стимулов к покупке изделий). По оси абсцисс - факторы, каждому из которых соответствует высота столбика, зависящая от числа (частоты) проявления данного фактора.

Рис. 4.13. Пример столбчатого графика: 1 - число стимулов к покупке; 2 - стимулы к покупке; 3 - качество; 4 - снижение цены; 5 - гарантийные сроки; 6 - дизайн; 7 -доставка; 8 - прочие

Если упорядочить стимулы к покупке по частоте их проявления и построить кумулятивную сумму, то получим диаграмму Парето.
3. Диаграмма Парето.
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. 4.10). Парето - итальянский экономист и социолог, использовавший свою диаграмму для анализа богатств Италии.

Рис. 4.14. 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. 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.
4. Причинно-следственная диаграмма (рис. 4.15).

Причинно-следственная диаграмма используется, когда требуется исследовать и изобразить возможные причины определенной проблемы. Ее применение позволяет выявить и сгруппировать условия и факторы, влияющие на данную проблему.
Рассмотрим форму причинно-следственной диаграммы на рис. 4.15 (она называется еще «рыбий скелет» или диаграмма Исикавы).
Порядок составления диаграммы:
1. Выбирается проблема для решения - «хребет».
2. Выявляются наиболее существенные факторы и условия, влияющие на проблему - причины первого порядка.
3. Выявляется совокупность причин, влияющих на существенные факторы и условия (причины 2-, 3- и последующих порядков).
4. Анализируется диаграмма: факторы и условия расставляются по значимости, устанавливаются те причины, которые в данный момент поддаются корректировке.
5. Составляется план дальнейших действий.
5. Контрольный листок (таблица накопленных частот) составляется для построения гистограммы распределения, включает в себя следующие графы: (табл. 4.4).

На основании контрольного листка строится гистограмма (рис. 4.16), или, при большом количестве измерений, кривая распределения плотности вероятностей (рис. 4.17).

Гистограмма представляет собой столбчатый график и применяется для наглядного изображения распределения конкретных значений параметра по частоте появления за определенный период времени. При нанесении на график допустимых значений параметра можно определить, как часто этот параметр попадает в допустимый диапазон или выходит за его предел.
При исследовании гистограммы можно выяснить, в удовлетворительном ли состоянии находятся партия изделий и технологический процесс. Рассматривают следующие вопросы: какова ширина распределения по отношению к ширине допуска; каков центр распределения по отношению к центру поля допуска; какова форма распределения.
В случае, если
а) форма распределения симметрична, то имеется запас по полю допуска, центр распределения и центр поля допуска совпадают - качество партии в удовлетворительном состоянии;
б) центр распределения смещен вправо, то есть опасение, что среди изделий (в остальной части партии) могут находиться дефектные изделия, выходящие за верхний предел допуска. Проверяют, нет ли систематической ошибки в измерительных приборах. Если нет, то продолжают выпускать продукцию, отрегулировав операцию и сместив размеры так, чтобы центр распределения и центр поля допуска совпадали;
в) центр распределения расположен правильно, однако ширина распределения совпадает с шириной поля допуска. Есть опасения, что прирассмотрении всей партии появятся дефектные изделия. Необходимо исследовать точность оборудования, условия обработки и т.д. либо расширить поле допуска;
г) центр распределения смещен, что свидетельствует о присутствии дефектных изделий. Необходимо путем регулировки переместить центр распределения в центр поля допуска и либо сузить ширину распределения, либо пересмотреть допуск;
д) ситуация аналогична предыдущей, аналогичны и меры воздействия;
е) в распределении 2 пика, хотя образцы взяты из одной партии. Объясняется это либо тем, что сырьё было 2-х разных сортов, либо в процессе работы была изменена настройка станка, либо в 1 партию соединили изделия, обработанные на 2-х разных станках. В этом случае следует производить обследование послойно;
ж) и ширина, и центр распределения - в норме, однако незначительная часть изделий выходит за верхний предел допуска и, отделяясь, образует обособленный островок. Возможно, эти изделия - часть дефектных, которые вследствие небрежности были перемешаны с доброкачественными в общем потоке технологического процесса. Необходимо выяснить причину и устранить её.
6. 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 у:

(Х1, Y1), (Х2, Y2), ..., (Xn, Yn).

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

где δxy - ковариация;
δx,δy - стандартные отклонения случайных переменных x и y;
n - размер выборки (количество пар данных xi и уi);
x и y - среднеарифметические значения xi и уi соответственно.
Рассмотрим различные варианты диаграмм разброса (или полей корреляции) на рис. 4.18:

В случае:
а) можно говорить о положительной корреляции (с ростом x увеличивается у);
б) проявляется отрицательная корреляция (с ростом x уменьшается у);
в) при росте x у 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 r).
Коэффициент корреляции всегда принимает значения в интервале -1 ≤ r ≤ 1, т.е. при r >0 - положительная корреляция, при r=0 - нет корреляции, при r<0 - отрицательная корреляция.
Для тех же n пар данных (x1, y1), (x2, y2), ..., (xn, yn) можно установить зависимость между x и у. Формула, выражающая эту зависимость, называется уравнением регрессии (или линией регрессии), и ее представляют в общем виде функцией

Для определения линии регрессии (рис.4.19) необходимо статистически оценить коэффициент регрессии Ь и постоянную а. Для этого должны быть выполнены следующие условия:
1) линия регрессии должна проходить через точки (x,y) средних значений x и у.
2) сумма квадратов отклонений от линии регрессии значений у по всем точкам должна быть наименьшей.
3) для расчета коэффициентов а и b используются формулы

Т.е. уравнением регрессии можно аппроксимировать реальные данные.

7. Контрольная карта.
Одним из способов достижения удовлетворительного качества и поддержания его на этом уровне является применение контрольных карт. Для управления качеством технологического процесса необходимо иметь возможность контролировать те моменты, когда выпускаемая продукция отклоняется от заданных техническими условиями допусков. Рассмотрим простой пример. Проследим за работой токарного станка в течение определённого времени и будем измерять диаметр детали, изготавливаемой на нем (за смену, час). По полученным результатам построим график и получим простейшую контрольную карту (рис. 4.20):

В точке 6 произошла разладка технологического процесса, необходимо его регулирование. Положение ВКГ и НКГ определяется аналитически либо по специальным таблицам и зависит от объёма выборки. При достаточно большом объеме выборки пределы ВКГ и НКГ определяют по формулам

ВКГ и НКГ служат для предупреждения разладки процесса, когда изделия еще соответствуют техническим требованиям.
Контрольные карты применяются, когда требуется установить характер неисправностей и дать оценку стабильности процесса; когда необходимо установить, нуждается ли процесс в регулировании или его необходимо оставить таким, каков он есть.
Контрольной картой можно также подтвердить улучшение процесса.
Контрольная карта является средством распознания отклонений из-за неслучайных или особых причин от вероятных изменений, присущих процессу. Вероятные изменения редко повторяются в прогнозируемых пределах. Отклонения из-за неслучайных или особых причин сигнализируют о том, что некоторые факторы, влияющие на процесс, необходимо идентифицировать, расследовать и поставить под контроль.
Контрольные карты основываются на математической статистике. Они используют рабочие данные для установления пределов, в рамках которых будут ожидаться предстоящие исследования, если процесс останется неэффективным из-за неслучайных или особых причин.
Информация о контрольных картах содержится и в международных стандартах ИСО 7870, ИСО 8258.
Наибольшее распространение получили контрольные карты среднего значения X и контрольные карты размаха R, которые используются совместно или раздельно. Контролироваться должны естественные колебания между пределами контроля. Нужно убедиться, что выбран правильный тип контрольной карты для определенного типа данных. Данные должны быть взяты точно в той последовательности, в какой собраны, иначе они теряют смысл. Не следует вносить изменения в процесс в период сбора данных. Данные должны отражать, как процесс идет естественным образом.
Контрольная карта может указать на наличие потенциальных проблем до того, как начнется выпуск дефектной продукции.
Принято говорить, что процесс вышел из-под контроля, если одна или более точек вышли за пределы контроля.
Существуют два основных типа контрольных карт: для качественных (годен - негоден) и для количественных признаков. Для качественных признаков возможны четыре вида контрольных карт: число дефектов на единицу продукции; число дефектов в выборке; доля дефектных изделий в выборке; число дефектных изделий в выборке. При этом в первом и третьем случаях объем выборки будет переменным, а во втором и четвертом - постоянным.
Таким образом, целями применения контрольных карт могут быть: выявление неуправляемого процесса; контроль за управляемым процессом; оценивание возможностей процесса.
Обычно подлежит изучению следующая переменная величина (параметр процесса) или характеристика: известная важная или важнейшая; предположительная ненадежная; по которой нужно получить информацию о возможностях процесса; эксплуатационная, имеющая значение при маркетинге.
При этом не следует контролировать все величины одновременно. Контрольные карты стоят денег, поэтому нужно использовать их разумно: тщательно выбирать характеристики; прекращать работу с картами при достижении цели: продолжать вести карты только тогда, когда процессы и технические требования сдерживают друг друга.
Необходимо иметь в виду, что процесс может быть в состоянии статистического регулирования и давать 100% брака. И наоборот, может быть неуправляемым и давать продукцию, на 100% отвечающую техническим требованиям.
Контрольные карты позволяют проводить анализ возможностей процесса. Возможности процесса - это способность функционировать должным образом. Как правило, под возможностями процесса понимают способность удовлетворять техническим требованиям
Существуют следующие виды контрольных карт:
1. Контрольные карты для регулирования по количественным признакам (измеренные величины выражаются количественными значениями):
а) контрольная карта x - R состоит из контрольной карты x, отражающей контроль за изменением среднего арифметического, и контрольной карты R, служащей для контроля изменений рассеивания значений показателей качества. Применяется при измерении таких показателей, как длина, масса, диаметр, время, предел прочности при растяжении, шероховатость, прибыль и т.д.;
б) Контрольная карта x - R состоит из контрольной карты X, осуществляющей контроль за изменением значения медианы, и контрольной карты R. Применяется в тех же случаях, что и предыдущая карта. Однако она более проста, поэтому более пригодна для заполнения на рабочем месте.
2. Контрольные карты для регулирования по качественным признакам:
а) контрольная карта p (для доли дефектных изделий) или процента брака, применяется для контроля и регулирования технологического процесса после проверки небольшой партии изделий и разделения их на доброкачественные и дефектные, т.е. определения их по качественным признакам. Доля дефектных изделий получена путём деления числа обнаруженных дефектных изделий на число проверенных изделий. Может применяться также для определения интенсивности выпуска продукции, процента неявки на работу и т.д.;
б) контрольная карта pn (количество брака), применяется в случаях, когда контролируемым параметром является число дефектных изделий при постоянном объеме выборки n. Практически совпадает с картой p;
в) контрольная карта c (число дефектов на одно изделие), используется, когда контролируется число дефектов, обнаруживаемых среди постоянных объемов продукции (автомобили - одна или 5 транспортных единиц, листовая сталь - один или 10 листов);
г) контрольная карта n (число дефектов на единицу площади), используется, когда площадь, длина, масса, объём, сорт непостоянны и обращаться с выборкой как с постоянным объемом невозможно.
При обнаружении дефектных изделий целесообразно прикреплять к ним разные ярлыки: для дефектных изделий, обнаруженных оператором (тип A), и для дефектных изделий, обнаруженных контролером (тип B). Например, в случае A - красные буквы по белому полю, в случае B - чёрные буквы по белому полю.
На ярлыке указывают номер детали, наименование изделия, технологический процесс, место работы, год, месяц и число, сущность дефекта, число отказов, причину возникновения дефектности, принятые меры воздействия.
В зависимости от целей и задач анализа качества продукции, а также возможностей получения необходимых для его осуществления данных аналитические методы его проведения существенно различаются. Влияет на это и этап жизненного цикла продукции, охватываемый деятельностью предприятия.
На этапах проектирования, технологического планирования, подготовки и освоения производства целесообразно применение функционально-стоимостного анализа (ФСА): это метод системного исследования функций отдельного изделия или технологического, производственного, хозяйственного процесса, структуры, ориентированный на повышение эффективности использования ресурсов путем оптимизации соотношения между потребительскими свойствами объекта и затратами на его разработку, производство и эксплуатацию.
Основными принципами применения ФСА являются: функциональный подход к объекту исследования; системный подход к анализу объекта и выполняемых им функций; исследование функций объекта и их материальных носителей на всех стадиях жизненного цикла изделия; соответствие качества и полезности функций продукции затратам на них; коллективное творчество.
Выполняемые изделием и его составляющими функции можно сгруппировать по ряду признаков. По области проявления функции подразделяются на внешние и внутренние. Внешние - это функции, выполняемые объектом при его взаимодействии с внешней средой. Внутренние - функции, которые выполняют какие-либо элементы объекта, и их связи в границах объекта.
По роли в удовлетворении потребностей среди внешних функций различают главные и второстепенные. Главная функция отражает главную цель создания объекта, а второстепенная - побочную.
По роли в рабочем процессе внутренние функции можно подразделить на основные и вспомогательные. Основная функция подчинена главной и обусловливает работоспособность объекта. С помощью вспомогательных реализуются главные, второстепенные и основные функции.
По характеру проявления все перечисленные функции делятся на номинальные, потенциальные и действительные. Номинальные задаются при формировании, создании объекта и обязательны для выполнения. Потенциальные отражают возможность выполнения объектом каких-либо функций при изменении условий его эксплуатации. Действительные - это фактически выполняемые объектом функции.
Все функции объекта могут быть полезными и бесполезными, а последние нейтральными и вредными.
Цель функционально-стоимостного анализа заключается в развитии полезных функций объекта при оптимальном соотношении между их значимостью для потребителя и затратами на их осуществление, т.е. в выборе наиболее благоприятного для потребителя и производителя, если речь идет о производстве продукции, варианта решения задачи о качестве продукции и ее стоимости. Математически цель ФСА можно записать следующим образом:

где ПС - потребительная стоимость анализируемого объекта, выраженная совокупностью его потребительных свойств (ПС=Σnci);
3 - издержки на достижение необходимых потребительных свойств.

Вопросы по теме

1. Что вы понимаете под планированием качества?
2. Каковы задачи и предмет планирования качества?
3. Какова специфика планирования качества?
4. Каковы направления планирования повышения качества продукции на предприятии?
5. В чем заключается новая стратегия в управлении качеством и как она влияет на плановую деятельность предприятия?
6. Какова особенность плановой работы в подразделениях предприятия?
7. Какие межнациональные и национальные органы управления качеством вы знаете?
8. Каков состав служб управления качеством на предприятии?
9. Что означают термины «мотив» и «мотивация персонала»?
10. Какие параметры, определяющие действия исполнителя, может контролировать менеджер?
11. Какие способы вознаграждения вы знаете?
12. Каково содержание теорий X,Y, Z?
13. В чем суть мотивационнй модели А. Маслоу?
14. Какие виды вознаграждений применяют в менеджменте?
15. Каковы особенности мотивации деятельности людей в России?
16. Какие виды премий по качеству вы знаете?
17. В чем сущность процессов контроля качества?
18. Перечислите стадии процесса контроля.
19. По каким признакам различают виды контроля?
20. Что такое испытание? Какие виды испытаний вы знаете?
21. Каковы критерии решения о контроле?
22. Что такое система контроля качества продукции?
23. Какова структура ОТК и какие задачи на него возлагают?
24. Определите основные элементы системы профилактики брака на предприятии.
25. Что такое технический контроль и каковы его задачи?
26. Какие виды технического контроля вы знаете?
27. В чем цель и какова область применения статистических методов контроля качества?
28. Какие статистические методы контроля качества вы знаете и в чем их смысл?
29. Что такое ФСА и в чем его содержание?

Большую роль в обеспечении качества продукции играют статистические методы.

Целью методов статистического контроля является исключение случайных изменений качества продукции. Такие изменения вызываются конкретными причинами, которые нужно установить и устранить. Статистические методы контроля качества подразделяются на:

статистический приемочный контроль по альтернативному признаку;

выборочный приемочный контроль по варьирующим характеристикам качества;

стандарты статистического приемочного контроля;

система экономических планов;

планы непрерывного выборочного контроля;

методы статистического регулирования технологических процессов.

Следует отметить, что статистический контроль и регулирование качества продукции хорошо известны в нашей стране. В этой области наши ученые имеют несомненный приоритет. Достаточно вспомнить работы А.Н. Колмогорова по несмещенным оценкам качества принятой продукции на основании результатов выборочного контроля, разработку стандарта приемочного контроля с использованием экономических критериев.

Существуют различные методы контроля качества продукции, среди которых особое место занимают статистические методы. Статистические методы контроля качества в настоящее время применяются не только в производстве, но и в планировании, проектировании маркетинге, материально-техническом снабжении и т.д. Последовательность применения семи методов может быть различной в зависимости от цели, которая поставлена перед системой. Точно так же применяемая система контроля качества не обязательно должна включать все семь методов. Их может быть меньше, а может быть и больше, так как существуют и другие статистические методы. Однако можно с полной уверенностью сказать, что семь инструментов контроля качества являются необходимыми и достаточными статистическими методами, применение которых помогает решить 95 % всех проблем, возникающих на производстве.Многие из современных методов математической статистики довольно сложны для восприятия, а тем более для широкого применения всеми участниками процесса управления качеством. Поэтому японские ученые отобрали из всего множества семь методов, которые наиболее применимы в процессах контроля качества. Заслуга японцев состоит в том, что они обеспечили простоту, наглядность, визуализацию этих методов, превратив их в инструменты контроля качества, которые можно понять и эффективно использовать без специальной математической подготовки. В то же время, при всей своей простоте эти методы позволяют сохранить связь со статистикой и дают возможность профессионалам при необходимости совершенствовать их. Итак, к семи основным методам или инструментам контроля качества относятся следующие статистические методы:

· контрольный листок

· гистограмма

· диаграмма разброса

· диаграмма Парето

· стратификация (расслоение)

· диаграмма Исикавы (причинно-следственная диаграмма)

· контрольная карта

Рис. 2.

Перечисленные инструменты контроля качества можно рассматривать и как отдельные методы, и как систему методов, обеспечивающую комплексный контроль показателей качества. Они -- наиболее важная составляющая комплексной системы контроля Всеобщего Управления Качеством. Внедрение семи инструментов контроля качества должно нaчинaться с обучения этим методам всех участников процесса. Например, успешному внедрению инструментов контроля качества в Японии способствовало обучение руководства и сотрудников компаний методикам контроля качества. Говоря о семи простых статистических методах контроля качества, следует подчеркнуть, что основное их назначение -- контроль протекающего процесса и предоставление участнику процесса фактов для корректировки и улучшения процесса. Знание и применение на практике семи инструментов контроля качества лежат в основе одного из важнейших требований TQM -- постоянного самоконтроля. В отраслях промышленности статистические методы применяются для проведения анализа качества продукции и процесса. Анализом качества является анализ, посредством которого с помощью данных и статистических методов определяется отношение между точными и замененными качественными характеристиками. Анализом процесса является анализ, позволяющий уяснить связь между причинными факторами и такими результатами, как качество, стоимость, производительность и т.д. Контроль процесса предусматривает выявление причинных факторов, влияющих на бесперебойное функционирование производственного процесса. Качество, стоимость и производительность являются результатами процесса контроля. Статистические методы контроля качества продукции в настоящее время приобретают все большее признание и распространение в промышленности. Научные методы статистического контроля качества продукции используются в следующих отраслях: в машиностроении, в легкой промышленности, в области коммунальных услуг. Основной задачей статистических методов контроля является обеспечение производства пригодной к употреблению продукции и оказание полезных услуг с наименьшими затратами. Статистические методы контроля качества продукции дают значительные результаты по следующим показателям: · повышение качества закупаемого сырья; · экономия сырья и рабочей силы; · повышение качества производимой продукции; · снижение затрат на проведение контроля; · снижение количества брака; · улучшение взаимосвязи между производством и потребителем; · облегчение перехода производства с одного вида продукции на другой. Главная задача не просто увеличить качество продукции, а увеличить количество такой продукции, которая была бы пригодной к употреблению. Два основных понятия в контроле качества это измерение контролируемых параметров и их распределение. Для того чтобы можно было судить о качестве продукции необязательно измерить такие параметры, как прочность материала, бумаги, масса предмета, качество окраски и т.д. Второе понятие распределение значений контролируемого параметра основано на том, что нет двух совершенно одинаковых по величине параметров у одних и тех же изделий; по мере того, как измерения становятся все более точными, в результатах измерений параметра обнаруживаются небольшие расхождения. Изменчивость "поведения" контролируемого параметра бывает 2 видов. Первый случай когда значения его составляют совокупность случайных величин, образующихся в нормальных условиях; второй когда совокупность его случайных величин образуется в условиях, отличных от нормальных под действием определенных причин. Персонал, осуществляющий управление процессом, в котором формируется контролируемый параметр, должен по его значениям установить: во-первых, в каких условиях они получены (нормальных или отличных от них); и если они получены в условиях, отличных от нормальных, то каковы причины нарушения нормальных условий процесса. Затем принимается управляющее воздействие по устранению этих причин. При применении статистических методов контроля важно установить, какой закономерности подчиняется распределение контролируемых параметров изделий (кривой нормального распределения Гаусса, распределению, характерному кривой распределения Максвелла и т.д.). Изменение величины конкретного контролируемого параметра изделия или технологического режима проявляется в изменении функции распределения. Сравнение фактической функции распределения с нормальной позволяет контролировать технологический процесс или качество изделия. Общая схема статистического контроля качества состоит из следующих этапов:1) отбираются небольшие выборки изделий периодически или по специальному алгоритму;2) изделия выборки проверяются, чтобы для каждого изделия определить значение конкретного признака X;3) выбранные значения X (X 1 , X 2 , ..., X n) заносятся в контрольную карту, в которой указываются допустимые конкретные границы изменения признака X;4) по распределению точек X на контрольной карте относительно нейтральных границ принимается решение о годности изделий или браке при приемочном статистическом контроле или о необходимости вмешательства в технологический процесс при статистическом контроле технологического процесса. Карта статистического контроля качества приведена на рис. 3.

Рис. 3.

На горизонтальной оси указываются номера выборок (за смену, сутки, неделю, месяц); на вертикальной оси откладываются размер выбранной характеристики X, контролируемого параметра, нижняя и верхняя границы допуска (НГД, ВГД); нижняя и верхняя предупредительные границы (НПКГ, ВПКГ).

Контрольная работа №2

Вторая контрольная работа ставит целью практическое решение задач, связанных различными вопросами управления качеством.

Задача №1

Изготавливаемое изделие подвергается выборочному контролю качества. Вычислить в выборке число 1<А<9 (7) дефектных изделий, если вероятность появления годного изделия равна В= 0,93, а выборка равна N=21. Построить графики плотности вероятности и кумулятивной вероятности. Дано:

В = 0,93 - вероятность появления годного изделия.

N = 21 - число выборки.

1. А = ? - количество дефектных изделий, если

Построить:

1. График плотности вероятности.

2. График кумулятивной вероятности.

Для решения этой задачи я применю формулу Бернулли:

1. Согласно нашим данным рассчитываем вероятность:

N = 21 - число выборки;

В = p = 0,93 - вероятность появления годного изделия;

q = 1 - 0,93 = 0,07 - вероятность появления брака.

1,47*0,234=0,344;

210 * 0,0049 * 0,252 = 0,2593;

1330 * 0,000343 * 0,2708 = 0,1235;

5985 * 0,00002401 * 0,2912 = 0,04185

20349 * 0,00000011764 * 0,3131 = 0,00075;

2. Рассчитываем кумулятивную вероятность, т.е. накопление вероятности по формуле:

А - число дефектных изделий, для которых выполняется расчет, тогда зная значения, можем найти

3. Занесем все полученные данные в таблицу:

4. Построим график плотности вероятности и график кумулятивной вероятности:

Задача №2

При метрологической аттестации вольтметра с заявленным классом точности А=1, выполнено 10 измерений образцового значения U=1,5, при конечном пределе измерения N=2. Определить соответствие заявленному при производстве классу точности, пользуясь наибольшими значениями относительной и приведенной погрешности. Оценить качество многократных измерений, обработав результат измерения. Изменения считать прямыми, равноточными, свободными от поправки.

Дано: А = 1 - заявленный класс точности.

N = 2 - конечный предел измерения.

Определить:

1. Соответствие заявленному при производстве классу точности, пользуясь наибольшими значениями относительной и приведенной погрешностей.

2. Оценить качество многократных измерений, обработав результат измерения.

1. Определим относительную погрешность и выберем max значение:

2. Определим приведенную погрешность и определим max

значение:

max 5,7 = 0,015.

3. max 5,7 = 0,02 и max 5,7 = 0,015 < A (A = 1)

4. Определим среднеквадратичное единичное отклонение.

Среднее значение х.

5. Определим многократное отклонение:

ВВЕДЕНИЕ

Важнейшим источником роста эффективности производства является постоянное повышение технического уровня и качества выпускаемой продукции. Для технических систем характерна жесткая функциональная интеграция всех элементов, поэтому в них нет второстепенных элементов, которые могут быть некачественно спроектированы и изготовлены. Таким образом, современный уровень развития НТП значительно ужесточил требования к техническому уровню и качеству изделий в целом и их отдельных элементов. Системный подход позволяет объективно выбирать масштабы и направления управления качеством, виды продукции, формы и методы производства, обеспечивающие наибольший эффект усилий и средств, затраченных на повышение качества продукции. Системный подход к улучшению качества выпускаемой продукции позволяет заложить научные основы промышленных предприятий, объединений, планирующих органов.

В отраслях промышленности статистические методы применяются для проведения анализа качества продукции и процесса. Анализом качества является анализ, посредством которого с помощью данных и статистических методов определяется отношение между точными и замененными качественными характеристиками. Анализом процесса является анализ, позволяющий уяснить связь между причинными факторами и такими результатами, как качество, стоимость, производительность и т.д. Контроль процесса предусматривает выявление причинных факторов, влияющих на бесперебойное функционирование производственного процесса. Качество, стоимость и производительность являются результатами процесса контроля.

Статистические методы контроля качества продукции сегодня приобретают все большее признание и распространение в промышленности. Научные методы статистического контроля качества продукции используются в следующих отраслях: в машиностроении, в легкой промышленности, в области коммунальных услуг.

Основной задачей статистических методов контроля является обеспечение производства пригодной к употреблению продукции и оказание полезных услуг с наименьшими затратами.

Статистические методы контроля качества продукции дают значительные результаты по следующим показателям:

повышение качества закупаемого сырья;

экономия сырья и рабочей силы;

повышение качества производимой продукции;

снижение затрат на проведение контроля;

снижение количества брака;

улучшение взаимосвязи между производством и потребителем;

облегчение перехода производства с одного вида продукции на другой.

Главная задача - не просто увеличить качество продукции, а увеличить количество такой продукции, которая была бы пригодной к употреблению.

Два основных понятия в контроле качества - это измерение контролируемых параметров и их распределение. Для того чтобы можно было судить о качестве продукции необязательно измерить такие параметры, как прочность материала, бумаги, масса предмета, качество окраски и т.д.

Второе понятие - распределение значений контролируемого параметра - основано на том, что нет двух совершенно одинаковых по величине параметров у одних и тех же изделий; по мере того, как измерения становятся все более точными, в результатах измерений параметра обнаруживаются небольшие расхождения.

Изменчивость «поведения» контролируемого параметра бывает 2 видов. Первый случай - когда значения его составляют совокупность случайных величин, образующихся в нормальных условиях; второй - когда совокупность его случайных величин образуется в условиях, отличных от нормальных под действием определенных причин.

1. Статистический приемочный контроль по альтернативному признаку

Потребитель, как правило, не имеет возможности контролировать качество продукции в процессе ее изготовления. Тем не менее, он должен быть уверен, что получаемая им от изготовителя продукция соответствует установленным требованиям, и, если это не подтвердится, он вправе потребовать от изготовителя замены брака или устранения дефектов.

Основным методом контроля поступающих потребителю сырья, материалов и готовых изделий является статистический приемочный контроль качества продукции.

Статистический приемочный контроль качества продукции - выборочный контроль качества продукции, основанный на применении методов математической статистики для проверки качества продукции установленным требованиям.

Если при всём этом объем выборки становится равным объему всей контролируемой совокупности, то такой контроль называют сплошным. Сплошной контроль возможен только в тех случаях, когда в процессе контроля качество продукции не ухудшается, в противном случае выборочный контроль, т.е. контроль определенной небольшой части совокупности продукции, становится вынужденным.

Сплошной контроль проводится, если к тому нет особых препятствий, в случая возможности наличия критического дефекта, т.е. дефекта, наличие которого полностью исключает использование продукции по назначению.

Можно проверить все изделия также и при следующих условиях:

партия изделий или материала невелика;

качество входного материала плохое или о нем ничего не известно.

Можно ограничиться проверкой части материала или изделий, если:

дефект не вызовет серьезной неисправности оборудования и не создает угрозу жизни;

изделия используются группами;

бракованные изделия можно обнаружить на более поздней стадии сборки.

В практике статистического контроля генеральная доля q неизвестна и ее следует оценить по результатам контроля случайной выборки объемом n изделий, из которых m дефектных.

Под планом статистического контроля понимают систему правил, указывающих методы отбора изделий для проверки, и условия, при которых партию следует примять, забраковать или продолжить контроль.

Различают следующие виды планов статистического контроля партии продукции по альтернативному признаку:

одноступенчатые планы, согласно которым, если среди n случайно отобранных изделий число дефектных m окажется не больше приемочного числа С (mC), то партия принимается; в противном случае партия бракуется;

двухступенчатые планы, согласно которым, если среди n1 случайно отобранных изделий число дефектных m1 окажется не больше приемочного числа C1 (m1C1), то партия принимается; если m11, где d1 - браковочное число, то партия бракуется. Если же C1 m1 d1, то принимается решение о взятии второй выборки объемом n2. Тогда, если суммарное число изделий в двух выборках (m1 + m2) C2, то партия принимается, в противном случае партия бракуется по данным двух выборок;

многоступенчатые планы являются логическим продолжением двухступенчатых. Первоначально берется партия объемом n1 и определяется число дефектных изделий m1. Если m1?C1, то партия принимается. Если C1p m1 d1 (D1C1+1), то партия бракуется. Если C1m1d1, то принимается решение о взятии второй выборки объемом n2. Пусть среди n1 + n2 имеется m2 дефектных. Тогда, если m2c2, где c2 - второе приемочное число, партия принимается; если m2d2 (d2 c2 + 1), то партия бракуется. При c2 m2 d2 принимается решение о взятии третьей выборки. Дальнейший контроль проводится по аналогичной схеме, за исключением последнего k-того шага. На k-м шаге, если среди проконтролированных изделий выборки оказалось mk дефектных и mkck, то партия принимается; если же m k ck, то партия бракуется. В многоступенчатых планах число шагов k принимается, что n1 =n2=…= nk;

последовательный контроль, при котором решение о контролируемой партии принимается после оценки качества выборок, общее число которых заранее не установлено и определяется в процессе которая по результатам предыдущих выборок.

Одноступенчатые планы проще в смысле организации контроля на производстве. Двухступенчатые, многоступенчатые и последовательные планы контроля обеспечивают при том же объеме выборки большую точность принимаемых решений, но они более сложны в организационном плане.

Задача выборочного приемочного контроля фактически сводится к статистической проверке гипотезы о том, что доля дефектных изделий q в партии равна допустимой величине qo, т.е. H0:q = q0.

Задача правильного выбора плана статистического контроля состоит в том, чтобы сделать ошибки первого и второго рода маловероятными. Напомним, что ошибки первого рода связаны с возможностью ошибочно забраковать партию изделий; ошибки второго рода связаны с возможностью ошибочно пропустить бракованную партию.

2. Стандарты статистического приемочного контроля

Для успешного применения статистических методов контроля качества продукции большое значение имеет наличие соответствующих руководств и стандартов, которые должны быть доступны широкому кругу инженерно-технических работников. Стандарты на статистический приемочный контроль обеспечивают возможность объективно сравнивать уровни качества партий однотипной продукции как во времени, так и по различным предприятиям.

Остановимся на основных требованиях к стандартам по статистическому приемочному контролю.

Прежде всего, стандарт должен содержать достаточно большое число планов, имеющих различные оперативные характеристики. Это важно, так как позволит выбирать планы контроля с учетом особенностей производства и требований потребителя к качеству продукции. Желательно, чтобы в стандарте были указаны различные типы планов: одноступенчатые, двухступенчатые, многоступенчатые, планы последовательного контроля и т.д.

Основными элементами стандартов по приемочному контролю являются:

1. Таблицы планов выборочного контроля, применяемые в условиях нормального хода производства, а также планов для усиленного контроля в условиях разладок и для облегчения контроля при достижении высокого качества.

2. Правила выбора планов с учетом особенностей контроля.

3. Правила перехода с нормального контроля на усиленный или облегченный и обратного перехода при нормальном ходе производства.

4. Методы вычисления последующих оценок показателей качества контролируемого процесса.

В зависимости от гарантий, обеспечиваемых планами приемочного контроля, различают следующие методы построения планов:

устанавливают значения риска поставщика и риска потребителя и выдвигают требование, чтобы оперативная характеристика P(q) прошла приблизительно через две точки: q0, ? и qm, где q0 и qm - соответственно приемлемый и браковочный уровни качества, Этот план называют компромиссным, так как он обеспечивает защиту интересов как потребителя, так и поставщика. При малых значениях? и? объем выборки должен быть большим;

выбирают одну точку на кривой оперативной характеристики и принимают одно или несколько дополнительных независимых условий.

Первая система планов статистического приемочного контроля, нашедшая широкое применение в промышленности, была разработана Доджем и Ролигом. Планы этой системы предусматривают сплошной контроль изделий из забракованных партий и замену дефектных изделий годными.

Во многих странах получил распространение американский стандарт МИЛ-СТД-ЛО5Д. Отечественный стандарт ГОСТ-18242-72 по построению близок к американскому и содержит планы одноступенчатого и двухступенчатого приемочного контроля. В основу стандарта положено понятие приемлемого уровня качества (ПРУК) q0, которое рассматривается как максимально допустимая потребителем доля дефектных изделий в партии, изготовленной при нормальном ходе производства. Вероятность забраковать партию с долей дефектных изделий, равной q0, для планов стандарта мала и уменьшается по мере возрастания объема выборки. Для большинства планов не превышает 0,05.

При контроле изделий по нескольким признакам стандарт рекомендует классифицировать дефекты на три класса: критические, значительные и малозначительные.

3. Контрольные карты

Одним из основных инструментов в обширном арсенале статистических методов контроля качества являются контрольные карты. Принято считать, что идея контрольной карты принадлежит известному американскому статистику Уолтеру Л. Шухарту. Она была высказана в 1924 г. и обстоятельно описана в 1931 г. Первоначально они использовались для регистрации результатов измерений требуемых свойств продукции. Выход параметра за границы поля допуска свидетельствовал о необходимости остановки производства и проведении корректировки процесса в соответствии со знаниями специалиста, управляющего производством.

Это давало информацию о том, когда кто, на каком оборудовании получал брак в прошлом.

При этом, в этом случае решение о корректировке принималось тогда, когда брак уже был получен. Поэтому важно было найти процедуру, которая бы накапливала информацию не только для ретроспективного исследования, но и для использования при принятии решений. Это предложение опубликовал американский статистик И. Пейдж в 1954 г. Карты, которые используются при принятии решений называются кумулятивными.

Контрольная карта состоит из центральной линии, двух контрольных пределов (над и под центральной линией) и значений характеристики (показателя качества), нанесенных на карту для представления состояния процесса.

В определенные периоды времени отбирают (все подряд; выборочно; периодически из непрерывного потока и т.д.) n изготовленных изделий и измеряют контролируемый параметр.

Результаты измерений наносят на контрольную карту, и в зависимости от этого значения принимают решение о корректировке процесса или о продолжении процесса без корректировок.

Сигналом о возможной разналадке технологического процесса могут служить:

выход точки за контрольные пределы (точка 6); (процесс вышел из-под контроля);

расположение группы последовательных точек около одной контрольной границы, но не выход за нее (11, 12, 13, 14), что свидетельствует о нарушении уровня настройки оборудования;

сильное рассеяние точек (15, 16, 17, 18, 19, 20) на контрольной карте относительно средней линии, что свидетельствует о снижении точности технологического процесса.

Верхний предел

Центральная линия

Нижний предел

6 11 12 13 14 15 16 17 18 19 20 Номер выборки

Заключение

Все большее освоение новой для нашей страны экономической среды воспроизводства, т.е. рыночных отношений, диктует необходимость постоянного улучшения качества с использованием для этого всех возможностей, всех достижений прогресса в области техники и организации производства.

Наиболее полное и всестороннее оценивание качества обеспечивается, когда учтены все свойства анализируемого объекта, проявляющиеся на всех этапах его жизненного цикла: при изготовлении, транспортировке, хранении, применении, ремонте, тех. обслуживании.

Таким образом, производитель должен контролировать качество продукции и по результатам выборочного контроля судить о состоянии соответствующего технологического процесса. Благодаря этому он своевременно обнаруживает разладку процесса и корректирует его.

Список используемой литературы

1. ГембрисС. Геррманн Й., «Управление качеством», Омега-Л СмартБук, 2008 г.

2. Шевчук Д.А., «Контроль качества», Гросс-Медиа., М., 2009 г.

3. Электронный учебник «Контроль качества»

Введение

Статистические методы контроля качества продукции в настоящее время приобретают все большее признание и распространение в промышленности. Научные методы статистического контроля качества продукции используются в следующих отраслях: в машиностроении, в легкой промышленности, в области коммунальных услуг.

Статистические методы контроля качества продукции дают значительные результаты по следующим показателям:

· повышение качества закупаемого сырья;

· экономия сырья и рабочей силы;

· повышение качества производимой продукции;

· снижение затрат на проведение контроля;

· снижение количества брака;

· улучшение взаимосвязи между производством и потребителем;

· облегчение перехода производства с одного вида продукции на другой.

Главная задача – не просто увеличить качество продукции, а увеличить количество такой продукции, которая была бы пригодной к употреблению.

Два основных понятия в контроле качества – это измерение контролируемых параметров и их распределение. Для того чтобы можно было судить о качестве продукции необязательно измерить такие параметры, как прочность материала, бумаги, масса предмета, качество окраски и т.д.

Второе понятие – распределение значений контролируемого параметра – основано на том, что нет двух совершенно одинаковых по величине параметров у одних и тех же изделий; по мере того, как измерения становятся все более точными, в результатах измерений параметра обнаруживаются небольшие расхождения.

Изменчивость «поведения» контролируемого параметра бывает 2 видов. Первый случай – когда значения его составляют совокупность случайных величин, образующихся в нормальных условиях; второй – когда совокупность его случайных величин образуется в условиях, отличных от нормальных под действием определенных причин.

1. Статистический приемочный контроль по альтернативному признаку

Статистический приемочный контроль качества продукции – выборочный контроль качества продукции, основанный на применении методов математической статистики для проверки качества продукции установленным требованиям.

Если при этом объем выборки становится равным объему всей контролируемой совокупности, то такой контроль называют сплошным. Сплошной контроль возможен только в тех случаях, когда в процессе контроля качество продукции не ухудшается, в противном случае выборочный контроль, т.е. контроль определенной небольшой части совокупности продукции, становится вынужденным.

Можно проверить все изделия также и при следующих условиях:

· партия изделий или материала невелика;

· качество входного материала плохое или о нем ничего не известно.

Можно ограничиться проверкой части материала или изделий, если:

· дефект не вызовет серьезной неисправности оборудования и не создает угрозу жизни;

· изделия используются группами;

· бракованные изделия можно обнаружить на более поздней стадии сборки.

Различают следующие виды планов статистического контроля партии продукции по альтернативному признаку:

двухступенчатые планы, согласно которым, если среди n1 случайно отобранных изделий число дефектных m1 окажется не больше приемочного числа C1 (m1C1), то партия принимается; если m11, где d1 – браковочное число, то партия бракуется. Если же C1 m1 d1, то принимается решение о взятии второй выборки объемом n2. Тогда, если суммарное число изделий в двух выборках (m1 + m2) C2, то партия принимается, в противном случае партия бракуется по данным двух выборок;

многоступенчатые планы являются логическим продолжением двухступенчатых. Первоначально берется партия объемом n1 и определяется число дефектных изделий m1. Если m1≤C1, то партия принимается. Если C1p m1 d1 (D1C1+1), то партия бракуется. Если C1m1d1, то принимается решение о взятии второй выборки объемом n2. Пусть среди n1 + n2 имеется m2 дефектных. Тогда, если m2c2, где c2 – второе приемочное число, партия принимается; если m2d2 (d2 c2 + 1), то партия бракуется. При c2 m2 d2 принимается решение о взятии третьей выборки. Дальнейший контроль проводится по аналогичной схеме, за исключением последнего k-того шага. На k-м шаге, если среди проконтролированных изделий выборки оказалось mk дефектных и mkck, то партия принимается; если же m k ck, то партия бракуется. В многоступенчатых планах число шагов k принимается, что n1 =n2=…= nk;

2. Стандарты статистического приемочного контроля

Остановимся на основных требованиях к стандартам по статистическому приемочному контролю.

Основными элементами стандартов по приемочному контролю являются:

2. Правила выбора планов с учетом особенностей контроля.