Гистограммы

Большинство факторов, оказывающих влияние на производственный процесс, не остаются неизменными. Поэтому числовые данные, собранные в результате наблюдения, не могут быть одинаковыми, но обязательно под­чиняются определённым закономерностям, называемым распределением.

Если измерять контролируемый параметр непрерывно, можно постро­ить его график плотности распределения. Однако на прак­тике проводят измерения только в определённые промежутки времени и не всех изделий, а только некоторых. Поэтому по результатам измерений строят обычно гистограмму - ступенчатую фигуру, контуры которой дают приблизительное представление о графике плотности, то есть о характере распределения изучаемого параметра.

Гистограмма- это столбиковая диаграмма, служащая дляграфического представления имеющейся количественной информации. ­

Обычно основой для построения гистограммы служит интервальная таблица частот, в которой весь диапазон измеренных значений случайной величины разбит на некоторое число интервалов. Для каждого интервала указано количество значений, попавших на данный интервал (частота n_i).

Гистограмма - это столбчатый график 1, позволяющий наглядно представить характер распределения случайных величин в выборке. Для этой же цели используют и полигон 2 - ломаную линию, соединяющую се­редины столбцов гистограммы.

Пример гистограммы представлен на рис. 4.15.

Рисунок 4.15.Гистограмма (1), полигон (эмпирическая кривая распределения) (2)и теоретическая кривая распределения (3) значений размера детали

Гистограмма как метод представления статистических данных была предложе­на французским математиком А. Гэри в 1833 году. Он предложил использовать столбцовый график для анализа данных о преступности. Работа А. Гэри принесла ему медаль Французской академии, а его гистограммы стали стандартным ин­струментом для анализа и представления данных.

Этот распространенный инструмент контроля качества используется для предва­рительной оценки дифференциального закона распределения изучаемой случай­ной величины, однородности экспериментальных данных, сравнения разброса данных с допустимым, природы и точности изучаемого процесса.

Основным достоинством гистограммы является то, что анализ её формы и рас­положения относительно границ поля допуска даёт много информации об изуча­емом процессе без выполнения расчётов. Для получения такой информации из исходных данных необходимо выполнить достаточно сложные расчёты. Гисто­грамма позволяет оперативно выполнить предварительный анализ процесса (вы­борки) исполнителю первой линии (станочнику (оператору), контролёру и др.) без математи­ческой обработки результатов измерений.

Например, как видно на приведённом выше рисунке (см. рис. 4.15), гистограмма смещена относительно номинального размера к нижней границе допуска, в области которой вероятен брак. Станочник для предотвращения брака должен, прежде всего, отрегулировать настройку станка для совмещения и середины поля допуска. Воз­можно, что этого окажется недостаточно для исключения брака. Тогда потребуется повысить жёсткость технологической системы, стойкость инструмента и уменьшить разброс размеров.

Рассмотрим наиболее распространенные формы гистограмм (рис. 4.16) и по­пытаемся их связать с особенностями процесса (выборки, по которой построена гистограмма).

Колоколообразное распределение (см. рис. 4.16, а)— симметричная форма с максимумом примерно в середине интервала изменения изучаемого параметра. Характерна для распределения параметра по нормальному закону, при равномер­ном влиянии на него различных факторов. Отклонения от колоколообразной формы могут указывать на наличие доминирующих факторов или нарушений ме­тодики сбора данных (например, включения в выборку данных, полученных в дру­гих условиях).

Распределение с двумя пиками (двухвершинное) (см. рис. 4.16, 6) характер­но для выборки, объединяющей результаты двух процессов или условий работы. Например, если анализируются результаты измерений размеров деталей после обработки, такая гистограмма будет иметь место, если в одну выборку объедине­ны измерения деталей при разных настройках инструмента или при использова­нии разных инструментов либо станков. Использование различных схем страти­фикации для выделения различных процессов или условий — один из методов дальнейшего анализа таких данных.

Рисунок 4.16. Основные типы гистограмм

Распределение типа плато (см. рис. 4.16. в)имеет место для тех же условии, что и предыдущая гистограмма. Особенностью данной выборки является то, что в ней объединено несколько распределений, в которых средние значения незна­чительно отличаются между собой. Целесообразно построить диаграмму потоков, выполнить анализ последовательно выполняемых операций, применить стандарт­ные процедуры реализации операций. Это уменьшит вариабельность условий процессов и их результатов. Полезно также применение метода стратификации (расслоения) данных.

Распределение гребенчатого типа (см. рис. 4.16, г)- регулярно чередующие­ся высокие и низкие значения. Этот тип обычно указывает на ошибки измерений, на ошибки в способе группировки данных при построении гистограммы или на систематическую погрешность в способе округления данных. Менее вероятна аль­тернатива того, что это один из вариантов распределения типа плато.

Проанализируйте процедуры сбора данных и построения гистограммы, преж­де чем рассматривать возможные характеристики процесса, которые могли бы вызывать такую структуру.

Скошенное распределение (см. рис. 4.16, д)имеет асимметричную форму с пи­ком, расположенным не в центре данных, и с «хвостами» распределения, которые резко спадают с одной стороны, и мягко - с другой. Иллюстрация на рисунке назы­вается положительно скошенным распределением, потому что длинный «хвост» простирается вправо к уменьшающимся значениям. Отрицательно скошенное рас­пределение имело бы длинный «хвост», простирающийся влево к уменьшающимся значениям.

Такая форма гистограммы указывает на отличие распределения изучаемого па­раметра от нормального. Оно может быть вызвано:

• преобладающим влиянием какого-либо фактора на разброс значений пара­метра. Например, при механической обработке это может быть влияние точ­ности заготовок или оснастки на точность обработанных деталей;

• невозможностью получения значений больше или меньше определенной вели­чины. Это имеет место для параметров с односторонним допуском (например, для показателей точности взаимного расположения поверхностей — биения, неперпендикулярности и др.), для параметров, у которых существуют практи­ческие ограничения их значений (например, значения времени или числа изме­рений не могут быть меньше нуля).

Такие распределения возможны, так как обусловлены природой получения вы­борок. Следует обратить внимание на возможность уменьшения длины «хвоста», так как он увеличивает вариабельность процесса.

Усечённое распределение (см. рис. 4.16, е)имеет асимметричную форму, при которой пик находится на краю или вблизи от края данных, а распределение с од­ной стороны обрывается очень резко и имеет плавный «хвост» с другой стороны. Иллюстрация на рисунке показывает усечение с левой стороны с положительно скошенным «хвостом». Конечно, можно также столкнуться с усечением справа с отрицательно скошенным «хвостом». Усечённые распределения — это часто глад­кие, колоколообразные распределения, у которых посредством некоторой внеш­ней силы (отбраковка, 100%-ный контроль или перепроверка) часть распределения изъята или усечена. Обратите внимание, что усилия по усечению добавляют сто­имость и. следовательно, это хорошие кандидаты на устранение.

Распределение с изолированным пиком (см. рис. 4.16. ж)имеет небольшую, отдельную группу данных в дополнение к основному распределению. Как и рас­пределение с двумя пиками, эта структура представляет собой некоторую комби­нацию и предполагает, что работают два различных процесса. Однако маленький размер второго пика указывает на ненормальность, на что-то, что не происходит часто или регулярно.

Посмотрите внимательно на условия, сопутствующие данным в маленьком пике: нельзя ли обособить конкретное время, оборудование, источник входных материа­лов, процедуру, оператора и т. д. Такие маленькие изолированные пики в сочета­нии с усеченным распределением могут быть следствием отсутствия достаточной эффективности отбраковки дефектных изделии. Возможно, что маленький пик представляет ошибки в измерениях или переписывании данных. Перепроверьте измерения и вычисления.

Распределение с пиком на краю (см. рис. 4.16 з)имеет большой пик, присоеди­нённый к гладкому в остальном распределению. Такая форма существует тогда, когда протяженный «хвост» гладкого распределения был обрезан и собран в одну-единственную категорию на краю диапазона данных. Кроме того, это указывает на неаккуратную запись данных (например, значения за пределами приемлемого диапазона записываются как всего лишь лежащие вне диапазона).