Семь инструментов контроля качества. "семь инструментов" управления качеством

Семь простейших инструментов контроля качества продукции

На рисунке 8 представлены семь простейших статистических методов контроля качества.

Рисунок 8 – Семь простейших статистических методов

2.1.1 Контрольный листок

Какая бы задача не стояла перед системой, всегда начинают со сбора исходных количественных данных, на базе которых затем применяют тот или иной инструмент.

Контрольный листок – инструмент для сбора данных, средство регистрации и автоматического их упорядочивания для облегчения дальнейшего использования информации.

Контрольный листок – бумажный бланк, на котором заранее напечатаны контролируемые параметры, соответственно которым можно заносить данные с помощью пометок или простых символов, предназначен для регистрации возникающих событий, т.е. для сбора данных для последующего анализа. Внешне контрольный листок представляет собой таблицу, заполнение которой сводится к простому добавлению в соответствующую ячейку вертикального штриха при наступлении того или иного события. Первые четыре события отмечаются вертикальными штрихами, а каждое пятое – горизонтальной чертой, пересекающей первые четыре штриха. Таким образом, каждая черточка обозначает 5 событий.

Заполнение контрольного листка – это наиболее простой из инструментов качества – нет ничего проще, чем поставить штрих в нужной ячейке. Подсчет результатов также осуществляется довольно легко.

Ниже приведен пример листа сбора данных, в котором регистрировались жалобы покупателей продукции на отдельные виды несоответствий в разные дни недели (рисунок 9).

Рисунок 9 – Лист сбора данных

Карта статистического управления процессом, или контрольная карта, является графическим представлением данных из выборки, которые периодически берутся из процесса и наносятся на график в соответствии со временем. Кроме того, на контрольных картах отмечаются «контрольные границы», которые описывают присущую изменчивость устойчивого процесса. Целью контрольной карты является помощь в оценке стабильности процесса на основе изучения и нанесения на график данных с учетом контрольных границ. Любая переменная (измеренные данные) или признак (расчетные данные), представляющие изучаемую характеристику продукции или процесса, могут быть нанесены на график.

В качестве примера можно привести контрольный листок, применяемый для фиксирования брака в деталях (рисунок 10).

Рисунок 10 – Контрольный листок

При составлении контрольных листков следует обратить внимание на то, чтобы было указано, на каком этапе процесса и в течение какого времени собирались данные, а также чтобы форма листка была простой и понятной без дополнительных пояснений.

2.1.2 Гистограмма

Для наглядного представления тенденции изменения качества деталей применяют графическое изображение статистического материала. Наиболее распространённым графиком, к которым прибегают при анализе распределения случайной величины, является гистограмма.

Гистограмма – инструмент, позволяющий зрительно оценить закон распределения статистических данных.

Гистограммы – один из вариантов столбчатой диаграммы, отображающей зависимость частоты попадания параметров качества изделия или процесса в определенный интервал этих значений. На рисунке 11 интервалы попадания отложены на оси «х», а частота попадания на оси «у».

Рисунок 11 – Гистограмма частот интервального ряда расположения

Гистограмма строится следующим образом.

1) Определяется наибольшее значение показателя качества.

2) Определяется наименьшее значение показателя качества.

3) Определяется диапазон гистограммы как разница между наибольшим и наименьшим значением.

4) Определяется число интервалов гистограммы (число интервалов) = Ц (число значений показателей качества).

5) Определяется длина интервала гистограммы = (диапазон гистограммы) / (число интервалов).

6) Разбивается диапазон гистограммы на интервалы.

7) Подсчитывается число попаданий результатов в каждый интервал.

8) Определяется частота попаданий в интервал = (число попаданий) / (общее число показателей качества).

9) Строится столбчатая диаграмма.

По мере роста числа измерений уменьшается ширина столбцов и полигон превращается в кривую плотности вероятностей, представляющую собой кривую теоретического распределения.

Чтобы оценить адекватность процесса требованиям потребителя, мы должны сравнить качество процесса с полем допуска, установленным пользователем. Если имеется допуск, то на гистограмму наносят верхнюю (S u ) и нижнюю (S L ) его границы, перпендикулярные оси абсцисс (рисунок 12). Тогда можно увидеть, хорошо ли располагается гистограмма внутри этих границ.

Рисунок 12 – К понятию годности при выборке
трёхсигмовых пределов

Если гистограмма имеет симметричный (колокообразный) вид, когда среднее значение приходится на середину размаха данных, то это нормальный (гауссовский) закон распределения случайной величины. Для нормального закона распределения становится возможным исследовать воспроизводимость процесса, неизменность основных параметров процесса: среднего значения x или математического ожидания М(x ) и стандартного отклонения во времени. При этом можно определить выход распределения генеральной совокупности при заданных значениях М(x ), исходя из сравнения соответствующих трёхсигмовых пределов и пределов поля допуска.

Из рисунка 12 видно, что если брать в качестве границ допуска трёхсигмовые пределы (σ – среднеквадратическое отклонение), то годными будут считаться 99,73 % всех данных генеральной совокупности и только 0,27 % данных будут считаться несоответствующими (non-conformity – NC) требованиям потребителя (пользователя), так как они расположены за границами заданного поля допуска.

2.1.3 Диаграммы разброса

Диаграммы разброса представляют собой графики, которые позволяют выявить корреляцию между двумя различными факторами (рисунок 13).

Рисунок 13 – Диаграмма разброса

Диаграмма разброса, которую также называют полем корреляции, – это инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.

Эти две переменные могут относиться:

к характеристике качества и влияющему на нее фактору;

к двум различным характеристикам качества;

к двум факторам, влияющим на одну характеристику качества. Например, температура и давление в печи.

Для выявления связи между ними и служит диаграмма разброса.

Построение диаграммы разброса выполняется в следующей последовательности.

1) Собираются парные данные (x , y ), между которыми хотят исследовать зависимость, и располагаются в таблицу. Если одна переменная – фактор, а вторая – характеристика качества, то выбирается для фактора горизонтальная ось x , а для характеристики качества – вертикальная ось y . Желательно не менее 25–30 пар данных.

2) Находится максимальное и минимальное значение для x и y .

3) На отдельном листке бумаги чертится график и наносятся данные. Если в разных наблюдениях получаются одинаковые значения, то их обозначают концентрическими кружками.

4) Обозначается:

название диаграммы;

интервал времени;

число пар данных;

названия и единицы измерения для каждой оси.

Использование диаграммы разбросане ограничивается только выявлением вида и тесноты связи между парами переменных. Диаграмма разброса используется также для выявления причинно-следственных связей показателей качества и влияющих факторов при анализе
причинно-следственной диаграммы, которая будет рассмотрена ниже.

Диаграмма разброса позволяет наглядно показать характер изменения параметра качества во времени. Для этого проведём из начала координат биссектрису. Если все точки легли на биссектрису, то это означает, что значение данного параметра не изменилось в процессе эксперимента. Следовательно, рассматриваемый фактор (или факторы) не влияет на параметр качества. Если основная масса точек лежит под биссектрисой, то это значит, что значения параметра качества за прошедшее время уменьшилось. Если же точки ложатся выше биссектрисы, то значения параметра за рассматриваемое время возросли.

Проведя лучи из начала координат, соответствующие уменьшению и увеличению параметра на 10, 14, 30, 50 %, можно путём подсчёта точек между прямыми выяснить частоту значений параметра в интервалах 0...10 %, 10…20 %.

Наибольшее распространение получило применение диаграмм разброса для определения вида связей, общее распределение пар. Для этого сначала следует выяснить, есть ли на диаграмме какие-нибудь далеко отстоящие точки (выбросы), которые обусловлены некоторыми изменениями в условиях работы. следует обратить внимание на причины таких нерегулярностей, поскольку, отыскивая их причину, мы часто получаем информацию о качестве.

2.1.4 Метод стратификации (расслаивание данных)

В соответствии с методом стратификации данных (рисунок 14) производят расслаивание статистических данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности.

Данные, разделённые на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) – расслаиванием (стратификацией).

Существуют различные методы расслаивания, применение ко-торых зависит от конкретных задач. Например, данные, относящиеся
к изделию, производимому в цехе на рабочем месте, могут в какой-то мере различаться в зависимости от исполнителя, используемого обо-рудования, методов проведения рабочих операций, температурных
условий и т.д. Все эти отличия могут быть факторами расслаивания. В производственных процессах часто используется метод 5М, учитывающий факторы, зависящие от человека (man), машины (machine), материала (material), метода (method), измерения (measurement).

Рисунок 14 – Стратификация данных

Расслаивание осуществляется следующим образом:

расслаивание по исполнителям – по квалификации, полу, стажу работы;

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

расслаивание по машинам и оборудованию – по новому и старому оборудованию, марке, конструкции, выпускающей фирме и т.д.;

расслаивание по способу производства – по температуре, технологическому приёму, месту производства и т.д.;

расслаивание по измерению – по месту измерения, типу измерительных средств или их точности и т.д.

В результате расслаивания обязательно должны соблюдатьсяследующие два условия.

1) Различия между значениями случайной величины внутри слоя (дисперсия) должны быть как можно меньше по сравнению с различием её значений в нерасслоённой исходной совокупности.

2) Различие между слоями (различия между средними значениями случайных величин слоёв) должно быть как можно больше.

При контроле качества изготовления продукции часто на практике возникает задача выявления предполагаемого источника ухудшения качества выпускаемой продукции; такую информацию возможно получить путём расслаивания дисперсии с помощью дисперсионного ана-лиза.

2.1.5 Диаграмма Исикавы

Диаграмма Исикавы (причинно-следственная диаграмма) позволяет формализовать и структурировать причины возникновения того или иного события, например, – появления несоответствия, а также устанавливать причинно-следственные связи.

Все возможные причины классифицируются по принципу 5М:

1. Man (Человек) – причины, связанные с человеческим фактором;

2. Machines (Машины, оборудование) – причины, связанные с оборудованием;

3. Materials (Материалы) – причины, связанные с материалами;

4. Methods (Методы) – причины, связанные с технологией работы, с организацией процессов;

5. Measurements (Измерения) – причины, связанные с методами измерения.

Исследуемое событие изображается в правой части схемы, символизируя корень древовидной диаграммы, которая строится справа от обозначения события. Горизонтально, от корня диаграммы до левого края листа, наносится центральная ось диаграммы, похожая на ствол дерева.

К центральной оси диаграммы Исикавы примыкают пять ветвей, каждая из которых соответствует своему классу причин, или своему М.

Далее, на каждой ветви отдельно, как на оси, строятся дополнительные веточки, каждая из которых представляет отдельную причину в своем классе. К каждой такой веточке, в свою очередь, подводятся побеги-причины более высокого уровня, детализирующие ее. Продолжая таким образом, мы получаем разветвленное дерево, связывающее причины наступления того или иного события, находящиеся на разном уровне детализации. Таким образом, мы можем установить причинно-следственную связь между частными отклонениями от нормы (первичными причинами) и их влиянием на вероятность наступления конкретного события.

Для эффективности применения данного метода и достоверности полученных результатов построение диаграммы Исикава должны выполнять профессионалы.

Из-за своей структуры диаграмма Исикавы также носит название «рыбья кость» (рисунок 15).

Рисунок 15 – Диаграммы Исикавы

2.1.6 Диаграмма Парето

Диаграмма Парето, или ABC-анализ, позволяет выявить основные причины, оказывающие наибольшее влияние на возникновение той
или иной ситуации. Принцип Парето гласит, что 20 % причин порождает 80 % следствий. Другими словами, из всех возможных причин всего лишь 20% являются особенно значимыми, так как они влияют на результаты, которые составляют 80 % от всего количества.

Принцип Парето еще носит название Правило 20-80. Этот принцип назван так в честь итальянского экономиста Вильфредо Парето, который в конце XIX века обратил внимание на тот факт, что 80 % итальянского капитала сосредоточено в руках 20 % населения Италии. Позднее справедливость этого правила была подтверждена наблюдениями и последующими подсчетами результатов в различных отраслях жизни. Так, устранение 20 % из общего числа возникающих несоответствий отвлекает на себя 80 % от общей суммы затрат на устранение всех возможных несоответствий; для компании-поставщика 20 % из общего числа заказчиков формируют 80 % прибыли и т.д. Таким образом, сосредоточив свое воздействие на 20 % причин, мы оказываем влияние на 80 % последствий. Следующие 30 % причин порождают, как ни странно, только 15 % следствий и, наконец, оставшиеся 50 % влияют всего лишь на 5 % следствий. Таким образом, мы можем
распределять свое внимание и воздействие, исходя из значимости и эффективности результатов.

Например, если взять произвольный текст и посчитать, сколько раз в нем встречается каждая буква, то с большой долей вероятности окажется, что буквы, составляющие 20 % алфавита, образуют около
80 % всего текста.

Пример диаграммы Парето приведён на рисунке 16.

Рисунок 16 – Диаграмма Парето

2.1.7 Диаграмма корреляции

Диаграмма корреляции (диаграмма рассеивания) – графическое отображение отношения между переменными величинами, связанными между собой. Эта диаграмма призвана обнаружить принцип, по которому изменяется условно зависимая переменная величина при изменении значения независимой переменной.

Например, на рисунке 17 показано, как изменяется объем продажи газированных напитков при изменении погодных условий. Налицо сильная положительная корреляция.

ных напит-ков, шт.

Рисунок 17 – Диаграмма рассеивания

2.1.8 Контрольные карты

Применение контрольных карт используется в планировании, конструировании, определении изменений процесса, а также измерении эффекта определенного внешнего вмешательства или действия (рисунок 18).

Кроме того, анализ временных рядов по контрольным картам полезен для сравнения получаемых результатов в случае проведения улучшений и изменений.

Рисунок 18 – Контрольные карты

Контрольная карта – это график с ограничительными линиями, показывающими приемлемый предел качественного производства. Он очень помогает для обнаружения ненормальных ситуаций в стандартных производственных процессах.

Контрольные карты – специальный вид диаграммы, впервые предложенный Шухартом в 1925 г. Они имеют вид, представленный на рисунке 18. Контрольные карты используются для отображения во времени (слева направо) наблюдаемого результата или состояния процесса относительно среднего уровня или между верхним и нижним пределами.

Типы контрольных карт

Существует два типа контрольных карт: один предназначен для контроля параметров качества, значения которых являются количественными данными параметра качества (значения размеров, масса, электрические и механические параметры и т.п.), а второй – для контроля параметров качества, представляющих собой дискретные случайные величины и значения, которые являются качественными данными (годен – не годен, соответствует – не соответствует, дефектное – бездефектное изделие и т. п.) (рисунок 19).

Рисунок 19 – Порядок выбора типа контрольной карты

(n – объём выборки)

Контрольные карты по качественным признакам

В карте для доли дефектных изделий (p -карта) подсчитывается доля дефектных изделий в выборке. Она применяется, когда объем выборки переменный.

В карте для числа дефектных изделий (np -карта) подсчитывается число дефектных изделий в выборке. Она применяется, когда объем выборки постоянный.

В карте для числа дефектов в выборке (с -карта) подсчитывается число дефектов в выборке.

В карте для числа дефектов на одно изделие (u -карта) подсчитывается число дефектов на одно изделие в выборке.

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 на основе размаха процесса R (разницы между наибольшим и наименьшим значением), контрольных карт, а именно, контрольные карты:

– средних арифметических и размахов (х – R );

– медиан и размахов (Ме – R );

– индивидуальных значений (х );

– доли дефектной продукции (р );

– числа дефективных единиц продукции (рn );

– числа дефектов (c );

– числа дефектов на единицу продукции (u ).

В любом производственном процессе всегда имеют место изменения, или вариации, проявляющиеся в отклонении от номинальных значений каких-то параметров, характеризующих этот процесс. Под стабильностью в статистическом смысле понимают процесс, когда среднее значение наблюдаемого параметра со временем не отклоняется от номинального значения, а величина разброса параметра укладывается в заданный интервал. Однако вариации могут вызываться и причинами неслучайного характера. К подобным причинам можно отнести, например, неправильную настройку станка, его износ, неправильное выполнение оператора рабочих инструкций из-за усталости или недомогания, ошибки компьютера и т.п. При наличии таких причин производственный процесс выходит из-под статистического контроля.

Основная цель контрольных карт – быстро обнаружить неслучайные изменения производственного процесса, с тем чтобы выявить причину изменения и внести необходимые корректировки в процесс, прежде чем будет выпущено большое количество некачественной продукции. Кроме того, контрольные карты позволяют оценить параметры, характеризующие качество и потенциальные возможности процесса.

Таким образом, если процесс статистически контролируем, то почти все значения наблюдаемого параметра (П) укладываются в ограниченную зону. При этом никаких корректирующих действий не требуется. Попадание значений наблюдаемого параметра за пределы допустимой зоны свидетельствует о том, что процесс стал статистически неконтролируемым. Следует отметить, что возможны ситуации, когда значения контролируемого параметра укладываются в допустимую зону, но все десять последних точек попали в область ниже центральной линии (рисунок 20). В этом случае нарушился фактор «случайности» и появился фактор «закономерности», т.е. процесс стал статистически не контролируемым.

Рисунок 20 – Примеры появления фактора закономерности
на контрольной карте

В процессе изготовления изделие подвержено комплексному влиянию названных причин.

Для оценки качества изделия, т.е. степени соответствия его параметров (характеристик) требуемым значениям, назначаются допустимые области изменения этих характеристик, при этом с учетом перечисленных выше причин возможные отклонения объединяются в две группы: случайные и систематические.

Случайные отклонения обусловливаются самим процессом производства и в основном неустранимы. Возникают они вследствие комплексного взаимодействия разных причин, таких как вибрация, биение подшипников и влияют, как правило, на разбросы контролируемых
характеристик.

На рисунке 21а изображены два графика плотности распределения признака качества х для двух способов изготовления одного и того же изделия. Распределение является нормальным и имеет при обоих способах изготовления одно и то же математическое ожидание m х , то есть значения признака качества в обоих случаях совпадают в среднем. Оба способа различаются только степенью рассеяния. Если требуется, чтобы значения признаков качества лежали внутри допустимой области со средним значением m х в диапазоне [a , b ], то при втором способе изготовления возможен больший процент брака (на рисунке вероятность его появления показана штриховкой).

Систематические отклонения обусловливаются такими причинами, как износ инструмента, смена партии исходного сырья, новая рабочая смена. Систематические причины приводят к смещению центра рассеяния контролируемой характеристики, как это показано на
рисунке 21б. Появление систематических отклонений также приводит к увеличению брака, однако причины таких отклонений могут быть выявлены и устранены.

а – случайные; б – систематические

Рисунок 21 – Виды отклонений

Функциональным назначением производственного контроля качества является оценка соответствия изготавливаемой продукции требуемым характеристикам путем сравнения характеристик изготовленной продукции с допусками на эти характеристики, заданными в документации на изготовление этой продукции, и выявление причин отклоне-ний.

Различают три вида производственного контроля качества: входной контроль материалов, сырья и комплектующих, контроль производственного процесса и контроль изготовленной продукции.

Входной контроль обеспечивает качество исходного сырья и материалов.

Контроль производственного процесса – это совокупность всех контрольных операций, проводимых во время процесса изготовления и позволяющих на основании информации о состоянии процесса управлять им так, чтобы признак качества производимых изделий оставался в рамках заданных допусков.

Контроль готовой продукции является приемочным контролем, который должен обеспечить долю годных изделий в поставляемой продукции не ниже уровня, заданного заказчиком.

Таким образом, контроль производства обеспечивает качество изготавливаемых изделий, а приемочный контроль – качество поставляемых заказчику изделий.

Поскольку любой контроль требует определенных стоимостных затрат, то изготовитель при разработке системы управления качеством должен правильно соотнести объемы этих двух видов контроля, оптимизируя функцию суммарных затрат на контроль с учетом стоимости рисков как поставщика, так и заказчика.

Контроль качества может проводиться как по количественным, так и по качественным признакам.

Количественные признаки

Многие характеристики, определяющие качество изделия, можно измерить. К таким характеристикам относятся, например, диаметр снаряда, прочность на разрыв нити, химический состав стали и др. Обычно количественные признаки изделия являются непрерывными случайными величинами. Часто это распределение является нормальным или логарифмически нормальным. Иногда количественные признаки бывают дискретными случайными величинами. Примерами могут служить число ниток в куске материи или число дефектов на поверхности метал-лического диска. Если производственный процесс контролируется,
то распределение дефектных дисков может подчиняться закону
Пуассона.

Качественные признаки

Обычно изделие классифицируется либо как годное (хорошее), либо как негодное (дефектное, брак). Например зажигалка, которая не загорается, является дефектной. Иногда дефекты распределяются на значительные и незначительные. Так отсутствие винта в лодочном моторе является значительным дефектом и приводит к забраковке мотора, тогда как царапины на окраске мотора будут отнесены к незначительным дефектам.

Контроль изделий по количественным признакам позволяет также классифицировать изделия и качественно: «годен – не годен». В случае приемочного контроля изделий по результатам выборочной оценки для описания распределения качественных признаков используются часто такие виды распределений, как биномиальное, геометрическое, гипергеометрическое.

Основные понятия

Рассмотренные прежде семь японских методов предназначены для анализа количественной информации. Они позволяют решить до 95 % проблем связанных с качеством. Однако при создании например, нового продукта не все факторы имеют численную природу. Существуют факты, которые поддаются лишь словесному описанию. Они составляют примерно 5% проблем в области управления процессами, коллективами и при их решении на ряду со статистическими методами необходимо использовать результаты операционного анализа, психологии и другие.

Поэтому Союз Японских ученых и инженеров разработал 7 новейших инструментов , которые позволяют решить указанные проблемы. Эти инструменты были собраны вместе и предложены Японским Союзом в 1979 году. К ним относятся:

1) Диаграмма сродства;

2) Диаграмма зависимостей;

3) Системная (древовидная) диаграмма;

4) Матричная диаграмма;

5) Стрелочная диаграмма;

6) Диаграмма планирования оценки процесса;

7) Анализ матричных данных.

Сбор исходных данных для инструментов качества обычно осуществляют методом мозгового штурма , который осуществляется с помощью специалистов.

Сфера применения этих методов : управление качеством, делопроизводство, обучение, подготовка кадров и др.

Применение «диаграммы сродства»

Диаграмма сродства – инструмент, позволяющий выявить основные нарушения процесса путем объединения сродственных устных данных. Это метод группировки множества аналогичных или взаимосвязанных идей, генерированных в ходе «мозгового штурма». Японский союз ученых и инженеров в 1979 г. включил диаграмму сродства в состав семи методов управления качеством.

Цель метода – систематизация и упорядочение идей, потребительских требований или мнений членов групп, высказанных в связи с решением какой-либо проблемы. Диаграмма сродства обеспечивает общее планирование. Это творческий инструмент, который помогает уяснить нерешенные проблемы, раскрывая ранее невидимые связи между отдельными частями информации или идеями, путем сбора из разных источников бессистемно изложенных устных данных и их анализа по принципу взаимного сродства (ассоциативной близости).

План действий:

1 Сформировать команду из специалистов, владеющих вопросами по обсуждаемой теме.

2 Сформулировать вопрос или проблему в виде развернутого предложения.

3 Провести "мозговую атаку", связную с основными причинами существования проблемы или ответов на поставленные вопросы.

4 Зафиксировать все высказывания на карточках, сгруппировать родственные данные по направлениям и присвоить заголовки каждой группе. Попробовать объединить какие-либо из них под общим заголовком, создавая иерархию.

Принципы создания диаграммы сродства и определения основных нарушений процесса с целью принятия мер по их устранению приведены на рис. 31. Как видно из рисунка, диаграмма сродства является творческим средством организации больших количеств устных данных.

Рисунок 31 - Принцип построения диаграммы сродства

Дополнительная информация:

Диаграмма сродства используется в работе не с конкретными числовыми данными, а со словесными высказываниями.

Диаграмму сродства следует применять, главным образом, когда:

Необходимо систематизировать большое количество информации (различных идей, разных точек зрения и т. д.);

Ответ или решение не всем абсолютно очевиден;

Принятие решения требует согласия среди членов команды (а воз- можно, и среди других заинтересованных лиц), чтобы эффективно работать.

Достоинства метода: р аскрывает родство между различными частями информации.

Процедура создания диаграммы сродства позволяет членам команды выйти за рамки привычного мышления и способствует реализации творческого потенциала команды.

Недостатки метода: п ри наличии большого числа объектов (начиная с нескольких десятков) инструменты творчества, в основе которых лежат ассоциативные способности человека, уступают инструментам логического анализа.

Диаграмма сродства – первый из инструментов среди семи методов управления качеством, который способствует выяснению более точного понимания проблемы и позволяет выявлять основные нарушения процесса путем сбора, обобщения и анализа большого числа устных данных на основе родственных (близких) отношений между каждым элементом.

9.2 Применение «Диаграммы взаимосвязей»

Диаграмма взаимосвязей предназначена для ранжирования родственных факторов (условий, причин, показателей и др.) по силе связанности между ними.

1) необходимо записать каждую проблему на отдельный листок и прикрепить эти листки по кругу;

2) необходимо начать с верхнего листка и двигаясь по часовой стрелке, задаваясь вопросом имеется ли между этими двумя проблемами связь. Если имеется, то какое событие является причиной;

3) нарисовать стрелки между двумя событиями, показывая направления влияния;

5) исходным является, тот из которого выходят больше стрелок.

Пример: Диаграмма взаимосвязей для выявления причин увеличения травматизма на производстве На рис. 32 показан пример ДВ, отражающей результаты анализа взаимосвязей причин высокого травматизма на производстве.

Рисунок 32 - Пример диаграммы взаимосвязей

Рассмотренная ранее диаграмма Исикавы позволяет выявить факторы влияющие на какую либо проблему. Диаграмма взаимосвязей даёт возможность структурировать их по признаку их важности.

Таким образом, из данной диаграммы видно, что основными причинами увеличения травм в ходе производства являются: отсутствие командной работы и недостаточно обученный персонал.

Цель метода «Семь основных инструментов контроля качества» заключается в выявлении проблем, подлежащих первоочередному решению, на основе контроля действующего процесса, сбора, обработки и анализа полученных фактов (статистического материала) для последующего улучшения качества процесса.

Суть метода - контроль качества (сравнение запланированного показателя качества с действительным его значением) - это одна из основных функций в процессе управления качеством, а сбор, обработка и анализ фактов - важнейший этап этого процесса.

Из множества статистических методов для широкого применения выбраны только семь, которые понятны и могут легко применяться специалистами различного профиля. Они позволяют вовремя выявить и отобразить проблемы, установить основные факторы, с которых нужно начинать действовать, и распределить усилия с целью эффективного разрешения этих проблем.

Ожидаемый результат - решение до 95% всех проблем, возникающих на производстве.

Семь основных инструментов контроля качества – набор инструментов, позволяющих облегчить задачу контроля протекающих процессов и предоставить различного рода факты для анализа, корректировки и улучшения качества процессов.

1. Контрольный листок - инструмент для сбора данных и их автоматического упорядочения для облегчения дальнейшего использования собранной информации.

2. Гистограмма - инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания данных в определенный (заранее заданный) интервал.

3. Диаграмма Парето - инструмент, позволяющий объективно представить и выявить основные факторы, влияющие на исследуемую проблему, и распределить усилия для ее эффективного разрешения.

4. Метод стратификации (расслаивания данных) - инструмент, позволяющий произвести разделение данных на подгруппы по определенному признаку.

5. Диаграмма разброса (рассеивания) - инструмент, позволяющий определить вид и тесноту связи между парами соответствующих переменных.

6. Диаграмма Исикавы (причинно-следственная диаграмма) - инструмент, который позволяет выявить наиболее существенные факторы (причины), влияющие на конечный результат (следствие).

7. Контрольная карта - инструмент, позволяющий отслеживать ход протекания процесса и воздействовать на него (с помощью соответствующей обратной связи), предупреждая его отклонения от предъявленных к процессу требований.

Контрольные листы (или сбор данных) - специальные бланки для сбора данных. Они облегчают процесс сбора, способствуют точности сбора данных и автоматически приводят к некоторым выводам, что очень удобно для быстрого анализа. Результаты легко преобразуются в гистограмму или диаграмму Парето. Контрольные листки могут применяться как при контроле по качественным, так и при контроле по количественным признакам. Форма контрольного листа может быть разной, в зависимости от его назначения.

Для нахождения правильного пути достижения поставленной цели или решения возникшей проблемы, первое, что необходимо сделать - собрать необходимую информацию, которая послужит основой для дальнейшего анализа. Желательно, чтобы собранные данные были представлены в структурированной и удобной для обработки форме. Для этого, а также для уменьшения вероятности возникновения ошибок при сборе данных применяют контрольный листок.

Контрольный листок – форма, предназначенная для сбора данных и их автоматического упорядочивания, что позволяет облегчить дальнейшее использование собранной информации.

По своей сути контрольный листок - бумажный бланк, на котором напечатаны контролируемые параметры, в соответствии с которыми, при помощи пометок или простых символов, в листок заносятся необходимые и достаточные данные. То есть контрольный листок – средство регистрации данных.

Форма контрольного листка зависит от поставленной задачи и может быть очень разнообразной, но в любом случае в ней рекомендуется указывать:

Тему, объект исследования (обычно указывается в заголовке контрольного листка);

Период регистрации данных;

Источник данных;

Должность и фамилию работника, регистрирующего данные;

Условные обозначения, для регистрации полученных данных;

Таблицу регистрации данных.

При подготовке контрольных листков нужно следить за тем, чтобы использовались наиболее простые способы их заполнения (цифры, условные значки), число контролируемых параметров было по возможности наименьшим (но достаточным для анализа и решения проблемы), а форма листка была как можно понятнее и удобнее для заполнения даже неквалифицированным персоналом.

1. Сформулируйте цель и задачи, для которых собирается информация.

2. Выберите методы контроля качества, с помощью которых будет производиться дальнейший анализ и обработка собранных данных.

3. Определите временной период, в течение которого будут проводиться исследования.

4. Разработайте меры (создайте условия) для добросовестного и своевременного внесения данных в контрольный листок.

5. Назначьте ответственных за сбор данных.

6. Разработайте форму бланка контрольного листка.

7. Подготовьте инструкции по выполнению сбора данных.

8. Проведите инструктаж и обучение работников сбору данных и внесению их в контрольный листок.

9. Организуйте периодические проверки сбора данных.

Самым острым вопросом, возникающим при решении проблемы, является достоверность собираемой персоналом информации. Найти решение на основании искаженных данных очень затруднительно (если вообще возможно). Принятие мер (создание условий) для регистрации работниками истинных данных является необходимым условием для достижения поставленной задачи.

Рис. Примеры контрольного листка

Возможно использование электронных бланков

При этом к минусам электронной формы контрольного листка по сравнению с бумажной можно отнести:

- б о льшую сложность для использования;

- необходимость тратить больше времени на внесение данных.

К плюсам:

- удобство обработки и анализа данных;

- высокая скорость получения необходимой информации;

- возможность одновременного доступа к информации множества людей.

Однако большинство собираемых данных приходится дублировать в бумажном виде. Проблема в том, что это ведет к снижению производительности: время, которое экономится на проведение анализа, хранение и получение необходимой информации большей частью нивелируется за счет двойной работы по регистрации данных.

Гистограмма – инструмент, который позволяет наглядно изобразить и легко выявить структуру и характер изменения полученных данных (оценить распределение), которые трудно заметить при их табличном представлении.

Проведя анализ формы полученной гистограммы и ее местоположения относительно интервала допуска можно сделать заключение о качестве рассматриваемой продукции или состоянии изучаемого процесса. На основе заключения вырабатываются меры по устранению отклонений качества продукции или состояния процесса от нормы.

В зависимости от способа представления (сбора) исходных данных, методика построения гистограммы разбивается на 2 варианта:

I вариант Для сбора статистических данных разрабатываются контрольные листки показателей продукции или процесса. При разработке бланка контрольных листков необходимо сразу определиться с количеством и размером интервалов, в соответствии с которыми будет производиться сбор данных, на основе которых в свою очередь будет построена гистограмма. Это необходимо в связи с тем, что после заполнения контрольного листка пересчитать значения показателя для других интервалов будет практически невозможно. Максимум, что можно будет сделать – не учитывать интервалы, в которые не попало ни одно значение и объединять по 2, 3 и т.д. интервала, не боясь исказить данные. Как вы понимаете при таких ограничениях, к примеру, из 11 интервалов сделать 7 практически невозможно.

Методика построения :

1. Определите количество и ширину интервалов для контрольного листка.

Точное количество и ширину интервалов стоит выбирать исходя из удобства использования или по правилам статистики. Если для измеряемого показателя существуют допуски, то стоит ориентироваться на 6-12 интервалов внутри допуска и 2-3 интервала за пределами допуска. Если допусков нет, то оцениваем возможный разброс значений показателя и тоже делим на 6-12 интервалов. При этом ширина интервалов обязательно должна быть одинаковой.

2. Разработайте контрольные листки и с их помощью произведите сбор необходимых данных.

3. С помощью заполненных контрольных листков подсчитайте частоту попадания (т.е. сколько раз) полученных значений показателя в каждый интервал.

Обычно для этого выделяют отдельный столбец, расположенный в конце таблицы регистрации данных.

Если значение показателя точно соответствует границе интервала, то добавьте по половинке обоим интервалам на границу которых попало значение показателя.

4. Для построения гистограммы используйте только те интервалы, в которые попало хотя бы одно значение показателя.

Если между интервалами, в которые попали значения показателя, имеются пустые интервалы, то их тоже нужно построить на гистограмме.

5. Вычислите среднее значение результатов наблюдения.

На гистограмму необходимо нанести среднее арифметическое значение полученной выборки.

Стандартная формула, используемая для вычислений:

где x i – полученные значения показателя,

N – общее количество полученных данных в выборке.

Каким образом ею воспользоваться, если нет точных значений показателя x 1 , x 2 и т.д. нигде не объясняется. В нашем случае для приблизительной оценки среднего арифметического могу предложить воспользоваться собственной методикой:

а) определите среднее значение для каждого интервала по формуле:

где j – интервалы, выбранные для построения гистограммы,

x j max – значение верхней границы интервала,

x j min – значение нижней границы интервала.

б) определите среднее арифметическое выборки по формуле:

где n – количество выбранных интервалов для построения гистограммы,

v j – частота попадания результатов выборки в интервал.

6. Постройте горизонтальную и вертикальную оси.

7. На горизонтальную ось нанесите границы выбранных интервалов.

Если в дальнейшем планируется сравнивать гистограммы, описывающие похожие факторы или характеристики, то стоит при нанесении шкалы на ось абсцисс руководствоваться не интервалами, а единицами измерения данных.

8. На вертикальную ось нанесите шкалу значений в соответствии с выбранным масштабом и диапазоном.

9. Для каждого выбранного интервала постройте столбик, ширина которого равна интервалу, а высота равна частоте попадания результатов наблюдений в соответствующий интервал (частота уже подсчитана ранее).

Нанесите на график линию, соответствующую среднему арифметическому значению исследуемого показателя. При наличии поля допуска постройте линии, соответствующие границам и центру интервала допуска.

II вариант Статистические данные уже собраны (например, проставлены в журналах регистрации) или их предполагается собрать в виде точно измеренных значений. В связи с этим мы не ограничены никакими начальными условиями, поэтому можем выбирать, а также в любой момент изменять количество и ширину интервалов в соответствии с текущими потребностями.

Методика построения :

1. Полученные данные сведите в один документ в удобном для дальнейшей обработки виде (например, в виде таблицы).

2. Вычислите диапазон значений показателя (выборочный размах) по формуле:

где x max – наибольшее полученное значение,

x min – наименьшее полученное значении.

3. Определите количество интервалов гистограммы.

Для этого можно воспользоваться таблицей, рассчитанной на основе формулы Стерджесса:

Можно также воспользоваться таблицей, рассчитанной на основе формулы:

4. Определите ширину (размер) интервалов по формуле:

5. Округлите полученный результат в большую сторону до удобного значения.

Обратите внимание, что вся выборка должна быть разделена на интервалы одинакового размера.

6. Определите границы интервалов. Сначала определите нижнюю границу первого интервала таким образом, чтобы она была меньше x min . К ней прибавьте ширину интервала, чтобы получить границу между первым и вторым интервалами. Далее продолжайте прибавлять ширину интервала (Н ) к предыдущему значению для получения второй границы, затем третьей и т. д.

После произведенных действий следует удостовериться, что верхняя граница последнего интервала больше x max .

7. Для выбранных интервалов подсчитайте частоты попадания значений исследуемого показателя в каждый интервал.

Если значение показателя точно соответствует границе интервала, то добавьте по половинке обоим интервалам, на границу которых попало значение показателя.

8. Вычислите среднее значение исследуемого показателя по формуле:

Следуйте порядку построения гистограммы, начиная с п.5, приведенной выше методики для I варианта .

Анализ гистограммы также разбивается на 2 варианта, в зависимости от наличия технологического допуска.

I вариант Допуски для показателя не заданы. В этом случае производим анализ формы гистограммы:

Обычная (симметричная, колоколообразная) форма. Среднее значение гистограммы соответствует середине размаха данных. Максимальная частота также приходится на середину и постепенно уменьшается к обоим концам. Форма симметричная.

Такая форма гистограммы встречается наиболее часто. Она свидетельствует о стабильности процесса.

Отрицательно скошенное распределение (положительно скошенное распределение). Среднее значение гистограммы располагается правее (левее) середины размаха данных. Частоты резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.

Такая форма образуется либо, если верхняя (нижняя) граница регулируется теоретически или по значению допуска либо, если правое (левое) значение невозможно достигнуть.

Распределение с обрывом справа (распределение с обрывом слева). Среднее значение гистограммы располагается далеко правее (левее) середины размаха данных. Частоты очень резко уменьшаются при движении от центра гистограммы вправо (влево) и медленно влево (вправо). Форма ассиметричная.

Такая форма часто встречается в ситуации 100 %-го контроля изделий по причине плохой воспроизводимости процесса.

Гребенка (мультимодальный тип). Интервалы через один или два обладают более низкими (высокими) частотами.

Такая форма образуется либо, если количество единичных наблюдений, входящих в интервал, колеблется от интервала к интервалу либо, если применяется определенное правило округления данных.

Гистограмма, не имеющая высокой центральной части (плато). Частоты в середине гистограммы примерно одинаковые (для плато все частоты примерно равны).

Такая форма встречается, если объединяется несколько распределений со средними значениями близко расположенными друг к другу. Для дальнейшего анализа рекомендуется применить метод стратификации.

Двухпиковый тип (бимодальный тип). В окрестностях середины гистограммы частота низкая, но с каждой стороны есть по пику частот.

Данная форма встречается, если объединяется два распределения со средними значениями, далеко отстоящими друг от друга. Для дальнейшего анализа рекомендуется применить метод стратификации.

Гистограмма с провалом (с «вырванным зубом»). Форма гистограммы близка к распределению обычного типа, но есть интервал с частотой ниже, чем в обоих соседних интервалах.

Данная форма встречается, если ширина интервала не кратна единице измерения, если неправильно считаны показания шкалы и др.

Распределение с изолированным пиком. Совместно с обычной формой гистограммы появляется небольшой изолированный пик.

Такая форма образуется при включении небольшого количества данных из другого распределения, например, если нарушена управляемость процесса, произошли ошибки при измерении или произошло включение данных из другого процесса.

II вариант. Для исследуемого показателя существует технологический допуск. В этом случае производится анализ, как формы гистограммы, так и ее расположение по отношению к полю допуска. Возможны варианты:

Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы меньше ширины поля допуска с запасом.

В данной ситуации процесс не нуждается в корректировке.

Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы равна ширине интервала допуска, в связи с чем возникают опасения появления некондиционных деталей как со стороны верхнего, так и со стороны нижнего полей допуска.

В этом случае необходимо либо рассмотреть возможность изменения технологического процесса с целью уменьшения ширины гистограммы (например, увеличение точности оборудования, использование более качественных материалов, изменение условий обработки изделий и т.д.) либо расширить поле допуска, т.к. требования к качеству деталей в данном случае трудновыполнимы.

Гистограмма имеет вид обычного распределения. Среднее значение гистограммы совпадает с центром поля допуска. Ширина гистограммы больше ширины интервала допуска, в связи с чем обнаруживаются некондиционные детали как со стороны верхнего, так и со стороны нижнего полей допуска.

В этом случае необходимо реализовать меры, описанные в пункте 2.

Гистограмма имеет вид обычного распределения. Ширина гистограммы меньше ширины поля допуска с запасом. Среднее значение гистограммы сдвинуто влево (вправо) относительно центра интервала допуска, в связи с чем имеются опасения, что могут находится некондиционные детали со стороны нижней (верхней) границы поля допуска.

В данной ситуации необходимо проверить, не вносят ли систематическую ошибку применяемые средства измерения. Если средства измерения исправны, следует отрегулировать процесс таким образом, чтобы центр гистограммы совпал с центром поля допуска.

Гистограмма имеет вид обычного распределения. Ширина гистограммы примерно равна ширине поля допуска. Среднее значение гистограммы сдвинуто влево (вправо) относительно центра интервала допуска, причем один или несколько интервалов выходят за границу поля допуска, что свидетельствует о наличии дефектных деталей.

В этом случае первоначально необходимо отрегулировать технологические операции таким образом, чтобы центр гистограммы совпадал с центром поля допуска. После этого нужно принять меры для уменьшения размаха гистограммы или увеличения размера интервала допуска.

Центр гистограммы смещен к верхнему (нижнему) пределу допуска, причем правая (левая) сторона гистограммы рядом с верхней (нижней) границей допуска имеет резкий обрыв.

В этом случае можно сделать вывод, что изделия со значением показателя, выходящим за пределы поля допуска, исключили из партии или умышленно распределили как годные, для включения в пределы допуска. Следовательно, необходимо выявить причину, которая привела к появлению данного явления.

Центр гистограммы смещен к верхнему (нижнему) пределу допуска, причем правая (левая) сторона гистограммы рядом с верхней (нижней) границей допуска имеет резкий обрыв. Кроме того один или несколько интервалов выходят за границы поля допуска.

Случай аналогичен 6., но интервалы гистограммы, выходящие за границы поля допуска указывают на то, что измерительное средство было неисправно. В связи с эти необходимо провести поверку средств измерения, а также провести повторный инструктаж работникам по правилам выполнения измерений.

Гистограмма имеет два пика, хотя измерение значений показателя проводилось у изделий из одной партии.

В этом случае можно сделать вывод, что изделия были получены в разных условиях (например, использовались материалы разных сортов, изменялась настройка оборудования, изделия производились на разных станках и т.д.). В связи с этим для дальнейшего анализа рекомендуется применить метод стратификации.

Основные характеристики гистограммы в порядке (соответствуют случаю 1.), при этом имеются дефектные изделия со значениями показателя, выходящими за пределы поля допуска, которые образуют обособленный «островок» (изолированный пик).

Данная ситуация могла возникнуть в результате небрежности, при которой дефектные детали были перемешаны с доброкачественными. В этом случае необходимо выявить причины и обстоятельства, приводящие к возникновению данной ситуации, а также принять меры к их устранению.

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/

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.