<<
>>

4.3. СТАТИСТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ КАЧЕСТВОМ

Особое место среди организационно-технологических методов занимают статистические методы управления качеством. Кратко рассмотрим концепцию статистического управления качеством и некоторые наиболее распространенные методы статистического анализа и управления качеством.
Статистическое регулирование качества результата процесса обеспечивается путем воздействия непосредственно на процесс (рис. 4.15).

Для нормального распределения, представленного на рис. связь между заданным диапазоном отклонения, параметром и ча-

Таблица 4.2

Связь между заданным диапазоном отклонения параметра и частотой попадания и непопадания параметра в данный диапазон

Заданный диапазон отклонения параметра П Частота попада ния параметра П в диапазон в процентах Частота попадания параметра П за пределы диапазона в процентах
П„±ст 68,26 31,74
П0±2ст 95,44 4,56
П0±3а 99,73 0,27
П0±4а 99,994 0,0006

В ней величина м = П0 — номинальное значение параметра процесса, аст— среднее квадратическое отклонение, определяе­мое для нормального распределения по формуле

(4-1)

где:

Х1— текущее значение случайного параметра процесса;

Б — дисперсия случайного параметра процесса.

Как следует из приведенной таблицы, в диапазоне значений параметра процесса, равном П0±4а, находятся 99,994% возмож­ных значений данного параметра.

стотои попадания и непопадания в данный диапазон приведена в табл. 4.2.

Рис. 4.15. Упрощенная схема статистического регулирования качества

Следовательно, если определить требования к процессу таки­ми, чтобы разброс результирующих параметров не превышал П0±4ст, то выход любого, взятого наугад данного параметра за пре­

делы диапазона возможен с незначительной вероятностью,

равной 0,06, т.е. маловероятен. Указанные требования могут быть отражены в технической документации на процесс.

Требования к диапазону допустимых значений разброса резуль­тирующего параметра процесса назовем «требованием к процес­су» и обозначим данный диапазон Т.

Таким образом, для обеспечения качества стабильность процес­са должна быть такой, чтобы возможные отклонения параметра от своего номинального значения не превышали требуемых тех­нической документацией значений. Проанализируем возможно­сти процесса. На рис. 4.17 представлена базовая концепция.

Рис. 4.17. Базовая концепция

Введем характеристику, определяющую возможности процес­са и его статистического регулирования. Назовем ее «индексом возможностей процесса», который определяется по формуле:

Т

/.= й (4-2)

где:

/в — индекс возможностей процесса;

Т — требование к процессу;

В — возможности процесса.

Как следует из рис. 4.17, В=Вв0±4с. Далее, на рис. 4.18, представлена ситуация, когда процесс невозможен (не может быть обеспечено требуемое качество), т.е.

когда /„1.

Очевидно, чем больше величина индекса возможности процес­са, тем выше его уровень качества и более эффективно статисти­ческое регулирование такого процесса.

На рис. 4.21 приведена схема статистического управления ка­чеством процесса. Нижняя плоскость фактически представляет собой карту статистического регулирования качества процесса. На рис. 4.22 приведена широко применяемая на практике конт-

рольная карта статистического управления качеством процесса. Значения нижнего и верхнего технического допуска определяют­ся требованиями к процессу.
/в=1 /
— о- -X -

Рис. 4.19. Процесс на грани возможного

/■= 5 /

/в>1 /С/

/.= 1,5
Рис. 4.20. Процесс возможен

Нижняя и верхняя границы регулирования (нижний и верхний контрольный предел допуска) располагаются на расстоянии вели­чины В/2 соответственно от нижнего и верхнего технического допуска. Как только хотя бы один из результирующих парамет­ров процесса (П) попадет в зоны между нижними границами ре­гулирования и допуска или в зону между верхними границами регулирования и допуска (как в случае 8-й партии на рис. 4.22), процесс должен быть остановлен для настройки.

Таким образом, обеспечивается соблюдение требований к ка­честву процесса, несмотря на возможные факторы, которые мо­гут отрицательно влиять на его качество.

Так, например, с тече-

Нижняя граница регулирования

; \

Нижняя граница допуска
Верхняя граница допуска
Размер

нием времени изнашивается резец токарного станка, и диаметр обрабатываемого вала будет увеличиваться по сравнению с требу­емым. В этом случае статистическое регулирование качества про­цесса обработки валов на станке не позволит произвести на нем ни одного вала с диаметром, превышающим зону допустимых значений.

Номера партий

Рис. 4.22. Контрольная карта статистического управления качеством процесса

Для анализа и улучшения качества широко используются та­кие методы, как диаграммы Парето и Исикавы. Анализ качества методами Парето и Исикавы находит применение в производ­ственных подразделениях предприятий, а также в делопроизвод­стве, финансовой и хозяйственной сферах, в области материаль­но-технического снабжения, а также при управлении, проекти­ровании, разработке и освоении технологий, контроле качества на различных стадиях цикла жизни продуктов труда и т.п. Как правило, подобный контроль качества заключается в том, что­бы, проверяя специальным образом подобранные данные, обна­ружить отклонение параметров от контролируемых значений в момент их возникновения, найти причину их появления и пос­ле устранения причины проверить соответствие данных стандар­ту или норме.

Диаграмму Парето часто используют для решения таких про­блем, как появление брака и неполадок оборудования, удлинение времени от выпуска партии изделий до ее сбыта, наличие на скла­дах продукции, лежащей «мертвым грузом», поступление рекла­маций, количество которых не уменьшается, не взирая на стара­ния повысить качество, задержка сроков поставок исходного сы­рья и материалов и т.д.

Вместе с тем диаграмма Парето используется и тогда, когда положительный опыт отдельных цехов или подразделений наме­реваются внедрить на всем предприятии. В этом случае выявля­ют основные причины успеха и широко пропагандируют эффек­тивные методы работы.

При использовании диаграммы Парето для контроля важней­ших факторов наиболее распространенным методом анализа яв­ляется так называемый АВС-анализ. Допустим, что на складе имеется большое число деталей — 1000, 3000 или более. Подвер­гать их одинаковому контролю без всякого различия, очевидно, неэффективно. Однако если эти детали разделить на группы, до­пустим, по стоимости, то на долю наиболее дорогих из них,-со­ставляющих 20—30% от числа хранившихся на складе деталей, придется 70—80% от общей стоимости всех деталей, а на группу самых дешевых деталей, составляющих 40—50% всего количества деталей, придется всего 5— 10% их обшей стоимости. Назовем пер­вую группу группой А, вторую — группой С, а промежуточную группу, стоимость которой составляет 20—30% от общей стоимо­сти, назовем группой В. Теперь ясно, что контроль деталей на складе будет эффективным в том случае, если контроль деталей группы А будет самым жестким, а контроль деталей группы С — упрощенным.

Диаграмма Парето строи гея в виде столбчатого графика соглас­но отдельным факторам, являющимся причинами возникновения проблемы. Столбики разделяются на группы А, В, С по числу слу­чаев или по сумме потерь. На графике строится ломаная кривая кумулятивной суммы, по соотношению отрезков которой, отно­сящихся к группам А, В, С, можно оценить фактическое положе­ние дел.

Диаграмму Парето целесообразно применять вместе с причин­но-следственной диаграммой Исикавы. Особенно эффективно их применение в сочетании с корреляционным анализом.

Рассмотрим пример. Пусть на фирме, выпускающей магнито­фоны, стоит задача: с помощью решения проблем качества ука­занными методами снизить финансовые потери фирмы и умень­шить себестоимость продукта.

Этапы решения данной задачи.

1. Проанализируем потери фирмы, связанные с отклонениями качества на стадии эксплуатации от возврата магнитофонов, бра­

ка на стадии производства из-за отклонений качества. Указанные данные берутся в службе сервиса (потери от бесплатного гаран­тийного ремонта и замены продукции), в службе технического контроля качества (потери от брака в производстве), в службе уп­равления качеством (потери от рекламаций, судебных исков и пре­тензий потребителей) и т.д. Итоговые результаты приведены в табл. 4.3.

Таблица4.3
Номера отклонений Вид ы дефектов Потери, тыс. усл. ед. %

от общих потерь

1 Нелинейные искажения (хрипы) 800 19,04
2 Плавание звуков(детонация) 700 16,6
3 Отсутствие высоких частот 100 2,38
4 Коробление(жевание)ленты 1800 42,86
5 Трещины в корпусе 100 2,38
6 Поломка кассетоприемников 300 7,14
7 Дефекты окраски 100 2,38
8 Отсутствие записи 200 4,76 '
9 Прочие 100 2,38
Всего 4200 100

2. Далее строим столбчатый график (рис. 4.23). Откладываем по оси абсцисс виды брака, а по оси ординат финансовые потери. При этом слева направо откладываем виды отклонений от каче­ства соответственно уменьшению финансовых потерь от них.

3. Строим кумулятивную сумму потерь, как показано нарис. 4.24.

4. Определяем группу дефектов А, приводящих примерно к 80% потерь от общих потерь, и группу С — группу самых малозначи­тельных потерь, приводящих примерно к 10% потерь от общих потерь.

Таким образом, примерно 80% потерь фирмы обусловлено де­фектами 4 (коробление ленты), 1 (нелинейные искажения), 2 (пла­вание звуков). Очевидно* анализу группы дефектов А и следует уделить особое внимание.

Статистические данные о финансовых потерях фирмы, связанных с качеством

5. Проведем анализ причин, приводящих к главному виду бра­ка — дефекту 4 (коробление ленты). Для этого построим причин- но-следственную диаграмму Исикавы (рис. 4.25).

\ Потери,

41 2683579

Рис. 4,23. Столбчатый график

Потери от брака, млнусл.ед.

> от общих потерь

4.а...... Д..1.. 4 2 -А.................

Рис. 4.24. Диаграмма Парето

На диаграмме Исикавы необходимо представить все возмож­ные причинные факторы, которые могут привести к дефекту 4. На рис. 4.25 коренные причинные факторы обведены прямоугольны­ми рамками:

1 — качество конструкции лентопротяжного механизма;

2 — качество комплектующих магнитофонов;

3 — качество технологического оборудования;

4 — методы операций;

5 — персонал.

Остальные причинные факторы обведены кружками и включают:

1 — конструкцию подающего узла;

2 — конструкцию ведущего узла;

3 — конструкцию приемного узла;

4 — качество подшипников;

5 — качество направляющих;

6 — качество пластмассовых шестеренок;

7 — качество пружин;

8 — качество валов;

9 — качество фрикционных материалов (резина);

10 — станок № 1;

11—станок №2; у

12 — станок № 3;

13 — станок№4;

14 — станок № 5;

15 — станок№6;

16 — измерительные приборы; — методы регулирования;

18 — методы сборки;

19 — методы смазки трущихся деталей магнитофона;

20 — методы контроля;

21 — подготовку рабочего места;

22 — стаж работника;

23 — освещение рабочего места;

24 — квалификацию рабочего.

Дефект 4

Рис. 4.25. Диаграмма Исикавы

6. Далее проводим корреляционный анализ связи между слу­чайными величинами — каждым выявленным причинным факто­ром и анализируемым следствием (дефектом 4). Пусть данные исследования диаграммы Исикавы показали, что среди всех при­чин корреляционные связи установлены между: причинным фак­тором 7 (качество пружины) и следствием 4; причинным факто­ром 9 (качество фрикционных материалов) и следствием 4, при­чинным фактором 18 (методы сборки) и следствием 4.

7. Для выявления основного фактора из трех установленных построим специальную диаграмму Парето (рис. 4.26). Как следу­ет из диаграммы, 78,1 % дефектов, связанных с короблением лен­ты, происходят по причине 7 — качество пружины. Следователь­но, эту причину необходимо тщательно исследовать.

Рис. 4.26. Специальная диаграмма Парето

8. Определяем конкретную причину рассматриваемого дефекта.

Пусть в лентопротяжном механизме используются 4 пружины:

1— пружина приемного узла;

2— пружина подающего узла;

3— пружина прижимного ролика;

4— пружина промежуточного рычага

Построим диафамму Парето для этих четырех причин (рис. 4.27). Из диаграммы видно, что главная причина финансовых потерь фирмы, связанных с качеством, — качество пружины приемного узла.

Далее для решения данной проблемы была разработана и реа­лизована специальная программа качества, включающая следую­щие основные элементы:

♦ пересмотр контракта с поставщиком данного комплектующего;

♦ ужесточение требований к разбросу упругости в стандарте на данную пружину;

Новые статистические данные о финансовых потерях фирмы, связанных с качеством

♦ внедрение автоматической установки контроля качества дан­ной пружины у поставщика.

Число

7,1 7,2 7,3 7,4

Рис. 4.27. Диаграмма Парето для четырех конкретных причин

Таблица4.4
N1

дефекта

Потери, млн усл. ед. Примечание
' 1 840 Нелинейные искажения
2 650 Плаваниезвука
3 100 Отсутствие высоких частот
4 200 Короблениеленты
5 90 Трещины в корпусе
6 270 Поломка кассетоприемника
7 130 Дефекты окраски
8 210 Отсутствие записи
9 100 Прочие

После проведения в жизнь данной программы качества вновь за тот же период, как и при исходном анализе, были собраны по указанным выше каналам новые статистические данные о финан­совых потерях фирмы, связанных с качеством (табл. 4.4).

Рис. 4. 28. Кумулятивные диаграммы потерь до и после реализации программы улучшения качества

Оценим экономический эффект (Э) от реализации разрабо­танной программы качества. Для этого вновь построим диаг­рамму Парето, аналогичную рис. 4.24. Нанесем на один график диаграммы потерь до, и после реализации программы улучше­ния качества (рис. 4.28). Очевидно, итоговая разница между данными диаграммами позволяет наглядно видеть полученный эффект. Подсчитаем, насколько проведенные меры позволили сократить потери, связанные с браком, на основании известной зависимости:

Э = П1 - П2 = 4,2 млн усл. ед. - 2,59 млн усл. ед. = 1.6 млн усл. ед.

Таким образом, проведенные меры позволили сократить поте­ри, связанные с браком, на 38%.

В практике управления качеством процессов и продуктов тру­да получили распространение и многие другие специфические методы. Из них наиболее широко распространены такие, как ме­тод построения и анализа диаграммы сродства, метод разверты­вания функций качества ((^О), называемый также политикой развертывания качества, метод анализа «дерева ошибок» (РТА), метод статистически планируемых экспериментов Тагути, метод анализа отклонений качества и их последствий (РМЕА). Для их освоения можно использовать соответствующие литературные источники [9, 10, 12, 13, 17].

<< | >>
Источник: Аристов О. В.. Управление качеством: Учеб. пособие для вузов. -М: ИНФРА-М, - 240 с.. 2006

Еще по теме 4.3. СТАТИСТИЧЕСКИЕ МЕТОДЫ УПРАВЛЕНИЯ КАЧЕСТВОМ:

  1. Статистические методы контроля и управления качеством продукции
  2. 6.3.2. Семь простых методов статистического контроля качества
  3. С. В. Пономарев, С. В. Мищенко, В.Я. Белобрагин, В. А. Самородов, Б. И. Герасимов, А. В. Трофимов, А. Пахомова, О. С. Пономарева. Управление качеством продукции. Инструменты и методы менедж­мента качества: учебное пособие. — М.: РИА «Стандарты и каче­ство». - 248 с., 2005
  4. Глава 6. ИНСТРУМЕНТЫ И МЕТОДЫ УПРАВЛЕНИЯ КАЧЕСТВОМ 6.1.
  5. Графический (статистический) метод
  6. 6.3. Статистические методы 6.3.1.
  7. Организация управления качеством и внутренний контроль качества работы в аудиторской фирме
  8. Формирование выборки при использовании статистических методов
  9. 10.7. ПОРТФЕЛЬНАЯ ТЕОРИЯ: СТАТИСТИЧЕСКИЙ АНАЛИЗ ДЛЯ ОПТИМАЛЬНОГО УПРАВЛЕНИЯ РИСКОМ
  10. 2.2.2.Японский опыт управления качеством
  11. Функции управления качеством
  12. Методы оценки качеств аттестуемых