2020-01-15
1661
Качество изготавливаемой продукции определяется качеством исходных продуктов, степенью настроенности оборудования, соблюдением технологических режимов, условиями окружающей среды. Для того чтобы своевременно выявлять брак и вызвавшие его причины, необходимо осуществлять систематический контроль параметров продукции, получать и обрабатывать данные о контролируемых параметрах. При операциях контроля качества приходится иметь дело с большим числом данных, характеризующих параметры изделия, условия процесса и т.д. При этом всегда наблюдается разброс данных. Анализируя разброс данных, можно найти решение возникающих в процессе производства проблем, например, причину появления брака. Как раз статистические методы и предназначены для систематизации, обработки и исследования большого числа данных с целью выявления закономерностей, которым они подчиняются.
Первое промышленное применение статистических методов обеспечения качества относится к середине 20-х годов нашего столетия. Работы В. Шухарта "Экономика качества производственной продукции" (1931 г.) и Р. Фишера "Планирование экспериментов" (1936 г.) оказали решающее влияние на все дальнейшее развитие статистических методов обеспечения качества[24]. В первой работе рассматривались статистические методы контроля качества продукции при ее серийном производстве, во второй - вопросы экономически обоснованного экспериментирования.
В последние десятилетия произошло стремительное развитие статистических методов. В годы Второй мировой войны статистические методы получили заметное распространение на предприятиях США и Великобритании, военные стандарты которых основывались на трудах К. Пирсона. Этим в значительной степени объясняется тот факт, что системы производства данных стран в военное время удовлетворяли высоким требованиям с точки зрения качества и экономичности. Ведущие позиции, завоеванные японской промышленностью на мировом рынке за послевоенный период, во многом определяются массовым использованием статистических методов в производственной практике. Методы статистики - наиболее важная часть системы качества в фирме.
В настоящее время статистические методы обеспечения качества широко применяются в США, Японии, Великобритании, Германии, Франции, Италии, Голландии, Дании и других странах.
Статистические методы управления качеством продукции – это методы управления качеством продукции, основанные на использовании математической статистики. Эти методы являются эффективным инструментом сбора и анализа информации о качестве и признаются важным условием рентабельного управления качеством, а также средством повышения эффективности производственных процессов и качества продукции.
Применение этих методов, не требует больших затрат и позволяет с заданной степенью точности и достоверностью судить о состоянии исследуемых явлений (объектов, процессов) в системе качества, прогнозировать и регулировать проблемы на всех этапах жизненного цикла продукции и на основе этого вырабатывать оптимальные управленческие решения. Помимо сказанного, статистические методы управления качеством продукции обладают еще одним важным преимуществом – они позволяют обнаружить отклонения от технологического процесса не тогда, когда вся партия продукции изготовлена, а в процессе (когда можно своевременно вмешаться в процесс и скорректировать его)
К настоящему времени в мировой практике накоплен огромный арсенал статистических методов, многие из которых могут быть достаточно эффективно использованы для решения конкретных вопросов, связанных с управлением качества продукции. Условно все методы можно классифицировать по признаку общности на три основные группы:
· графические методы;
· методы анализа статистических совокупностей;
· экономико-математические методы.
При выборе статистических методов необходимо стремятся к тому, чтобы они соответствовали характеру производственного процесса, наличию средств измерений и обработки статистической информации. Поскольку для решения определенной производственной проблемы можно выбрать несколько разных статистических методов, выбирается такой из них, который обеспечит достижение наилучшего результата при минимальных затратах и который будет наиболее простым.
Основные области применения статистических методов управления качеством продукции представлены на рис.2.4
|
Рис.2.4 Статистические методы управления качеством продукции
Статистический анализ точности и стабильности технологического процесса - это установление статистическими методами значений показателей точности и стабильности технологического процесса и определение закономерностей его протекания во времени.
Статистическое регулирование технологического процесса - это корректирование значений параметров технологического процесса по результатам выборочного контроля контролируемых параметров, осуществляемое для технологического обеспечения требуемого уровня качества продукции.
Статистический приемочный контроль качества продукции - это контроль, основанный на применении методов математической статистики для проверки соответствия качества продукции установленным требованиям и принятия продукции.
Статистический метод оценки качества продукции - это метод, при котором значения показателей качества продукции определяют с использованием правил математической статистики.
Термин «статистический приемочный контроль» не следует обязательно связывать с контролем готовой продукции. Статистический приемочный контроль может применяться на операциях входного контроля, на операциях контроля закупок, при операционном контроле, при контроле готовой продукции и т.д., то есть в тех случаях, когда надо решить - принять или отклонить партию продукции[25].
Среди простых статистических методов, названных так ввиду их сравнительной несложности, убедительности и доступности, наибольшее распространение получили семь методов, выделенных в начале 50-х годов японскими специалистами под руководством К. Исикавы. В своей совокупности эти методы образуют эффективную систему методов контроля и анализа качества. С их помощью, по свидетельству самого К. Исикавы, может решаться от 50 до 95% всех проблем, находящихся в поле зрения производителя. Рассмотрим данные методы более подробно.
Семь простых методов могут применяться в любой последовательности, в любом сочетании, в различных аналитических ситуациях, их можно рассматривать и как целостную систему, и как отдельные инструменты анализа. Согласно К. Исикаве к семи простым методам относятся: расслоение данных, диаграмма Парето, причинно-следственная диаграмма, гистограмма, диаграмма разброса, контрольная карта и контрольный листок.
Остановимся на них более подробно.
Расслоение данных
Одним из наиболее простых статистических методов является метод расслоения или как его еще называют - стратификация. В общем смысле, стратификация — это процесс сортировки данных согласно некоторым критериям или переменным, результаты которого часто показываются в виде диаграмм и графиков. В соответствии с этим методом производят расслоение данных, то есть группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности. Например, данные, относящиеся к изделиям, изготавливаемым в цехе на рабочих местах, могут различаться в зависимости от исполнителя, от используемого оборудования, от методов выполнения рабочих операций, от температурных условий и т.д. Все эти отличия могут быть факторами расслоения. Расслоение позволяет выяснить причину появления дефекта, если обнаруживается разница в данных между "слоями". Например, если расслоение проведено по фактору "исполнитель", то при значительном различии в данных можно определить влияние того или иного исполнителя на качество изделия, если расслоение произведено по фактору "оборудование" - влияние использования разного оборудования. Рассматривая каждый фактор, по которому проводится расслоение, можно выявить факторы второго порядка, оказывающие влияние на разброс показателей качества, от которых зависят факторы первого порядка. Может возникнуть необходимость в расслоении и по факторам третьего порядка и т.д.
Стратификация может быть использована при создании контрольного листа, составлении проверочного листа, выборе приема, подтверждении корневой причины, а также при исследовании следующих методов: гистограммы, графика Парето, диаграмм разброса, диаграмм Исикавы.
На рисунке 2.5 приведен пример анализа источника возникновения дефектов. Все дефекты (100%) были классифицированы на четыре категории — по поставщикам, по операторам, по смене и по оборудованию. Из анализа представленных данных наглядно видно, что наибольший вклад в наличие дефектов вносит в данном случае «поставщик».
Рис.2.5 Пример расслоения данных
Диаграммы Парето
Анализ Парето – это прием, позволяющий задавать приоритеты источникам проблем[26]. Анализ Парето определяет «несколько важных» составляющих от «множества тривиальных» и помогает выбирать направление основных улучшений. Такие диаграммы часто используют для анализа данных, собранных по контрольным листам.
Диаграмму Парето названную по имени итальянского экономиста Парето (1845-1923), часто используют для анализа причин брака. Она применяется, когда требуется наглядно представить относительную важность всех причин появления брака и выявить причины, имеющие наибольшую долю (наибольший процентный вклад), с тем, чтобы выработать меры по первоочередному устранению этих причин. Сравнивая диаграммы Парето, построенные по данным до и после улучшения процесса, оценивают эффективность принятых мер.
Диаграмма Парето используется и в противоположном случае, когда положительный опыт отдельных цехов или подразделений хотят внедрить на всем предприятии. С помощью диаграмм Парето выявляют основные причины успехов и широко пропагандируют эффективные методы работы.
Различают два вида диаграмм Парето:
1. По результатам деятельности. Они служат для выявления главной проблемы и отражают нежелательные результаты деятельности (дефекты, отказы и т. д.);
2. По причинам (факторам). Они отражают причины проблем, которые возникают в ходе производства.
Сама диаграмма строится в виде столбчатого графика, столбики которого соответствуют отдельным факторам, являющимся причинами возникновения проблемы и убывающими в порядке значимости. Высота столбика соответствует доле фактора в общей величине потерь (дефектов). Затем строится кривая кумулятивной суммы. Кривая кумулятивной суммы (частотности) наглядно демонстрирует относительную значимость брака и может использоваться для идентификации наиболее потенциально мощных возможностей по совершенствованию. Она также может показать результаты проектов совершенствования, предназначенных для реализации через какое-то время.
Для большей эффективности рекомендуется строить много диаграмм Парето, используя различные способы классификации как результатов, так и причин приводящим к этим результатам. Лучшей следует считать такую диаграмму, которая выявляет немногочисленные, существенно важные факторы, что и является целью анализа Парето.
Построение диаграмм Парето включает следующие этапы:
1. Выбор вида диаграммы - по результатам деятельности или по причинам (факторам).
2. Классификация результатов (причин). Любая классификация имеет элемент условности, однако, большинство наблюдаемых единиц какой-либо совокупности не должны попадать в строку «прочие»[27].
3. Определение метода и периода сбора данных.
4. Разработка контрольного листка для регистрации данных с перечислением видов собираемой информации. В нем необходимо предусмотреть свободное место для графической регистрации данных.
5. Ранжирование данных, полученных по каждому проверяемому признаку в порядке значимости. Группу "прочие" следует приводить в последней строке вне зависимости от того, насколько большим получилось число.
6. Построение столбиковой диаграммы.
Таблица 2.2
Таблица данных дефектной продукции в литейном цехе
| Номер дефекта | Виды дефектов | Количество деталей с дефектом, % | Суммарное количество, % |
| 1 | Недолив | 30 | 30 |
| 2 | Неровности | 25 | 55 |
| 3 | Включение окислов | 16 | 71 |
| 4 | Заусенцы | 12 | 83 |
| 5 | Налипание грязи | 9 | 92 |
| 6 | Незаполняемость | 6 | 98 |
| 7 | Прочие причины | 2 | 100 |
Рис.2.6 Диаграмма Парето
На рис.2.6 приведен пример диаграммы Парето, построенной по данным о дефектной продукции, изготовленной в литейном цехе за определенный период (табл.2.2).
Из диаграммы видно, что самым распространенным дефектом, который дает 30% брака, является «недолив». Таким образом, желая сократить долю брака, следует начинать борьбу с «недоливом», затем с «неровностями» и т.д.
Исходя из графика следует, что можно установить сравнительно небольшое число причин, устранение которых значительно уменьшит брак. Устранение причин брака проводится в порядке их значимости до тех пор, пока дальнейшее улучшение процесса окажется экономически неоправданным.
Диаграмму Парето иногда называют «80/20», поскольку в ней находит отражение известный принцип статистики, заключающийся в том, что 80% выпуска некачественной продукции связано всего с 20% всех возможных причин[28].
Диаграмму Парето целесообразно применять вместе с причинно-следственной диаграммой. После проведения корректирующих мероприятий диаграмму Парето можно вновь построить для изменившихся в результате коррекции условий и проверить эффективность проведенных улучшений.
