Учебное пособие: Всеобщее управление качеством TQM

Статистические методы контроля качества – не инструменты управления, а инструменты познания!

Основное их назначение – контроль процесса и получение информации, необходимой для его корректировки и улучшения. Применение этих методов лежит в основе постоянного самоконтроля, который также является одним из главнейших требований TQM.

Названные статистические методы можно использовать как систему методов и как отдельные инструменты контроля качества. Применяемая система должна состоять необязательно из всех семи методов. Последовательность применения методов определяется целями, поставленными перед системой. Применение семи инструментов качества позволяет успешно решать до 95% всех проблем, возникающих в организации при производстве продукции.

Внедрение этих методов должно начинаться с процесса обучения всех участников процесса. Каждый член коллектива используя статистические методы для анализа и контроля процесса может влиять на повышение качества и эффективности работы организации. Успех обучения в значительной мере зависит от заинтересованности и усилий высшего руководства организации. Большую роль в обучении играют кружки качества. Однако, просто знание статистических методов недостаточно, необходимо уметь рассматривать процесс и события с точки зрения статистики, умение применить усвоенные теоретически методы.

Перед началом сбора данных необходимо четко определить, для чего нужны именно эти данные, как их будут в дальнейшем использовать. После определения цели сбора данных можно определить тип данных и характер сравнения этих данных.

Например, если качество меняется в течении смены работы, или в зависимости от того, какой рабочий выполняет операцию, нужно произвести ряд замеров для сравнения параметров качества в разные моменты времени или для разных рабочих. В таком случае определение явных различий и их устранение будут способствовать уменьшению изменчивости процесса.

Разделение группы данных на подгруппы по определенному признаку называется стратификацией.

Часто появляется необходимость определить зависимость между двумя показателями, в таком случае данные должны собираться парами (для анализа таких данных применяются диаграммы рассеивания).

После сбора данных для их анализа можно переходить к применению статистических методов. Для этого данные должны быть упорядочены. Должен быть зарегистрирован источник данных. Сами данные должны быть зарегистрированы в удобной для дальнейшего использования форме (например, для данных, которые собираются часто, или постоянно разрабатываются контрольные листки).

Сбор и обработка статистических данных основываются на применении выборочного метода.

Выборка – это часть данных, полученных из общей совокупности (генеральной совокупности), по отношению к которой на основании данных выборки делают определенные выводы.

Репрезентативной, или представительской выборка является в том случае, если она достаточно хорошо представляет характеристики генеральной совокупности.

Генеральная совокупность – однородная совокупность данных, по которой делаются выводы для принятия решения на основании результатов анализа выборки.

Данные, полученные на основании выборки – первичный статистический материал, на основании которого возможны обработка и анализ данных.

Например, решение о качестве партии продукции принимается на основании некоторой выборки, в пределах которой производятся измерения.

Таким образом, сбор данных – это не цель, а средство получения фактов, необходимых для принятия правильных решений.

Для упорядочения статистических данных можно произвести ранжирование, т.е. расположить полученные данные в порядке убывания или возрастания величин, а также подсчитать количество случаев регистрации одной и той же величины.

В полученном статистическом ряду величина N называется статистическим весом, или абсолютной частотой случайной величины, а данные в первом столбце – упорядоченным рядом случайной величины.

Изменения наблюдаемой величины могут быть дискретными и непрерывными.

Непрерывным называется такое изменение случайной величины, при котором находящиеся рядом значения в упорядоченном ряду этой величины отличаются на сколь угодно малую величину. Оно обычно может быть описано с помощью законов распределения Гаусса или Вейбулла.

Дискретным называется такое изменение случайной величины, при котором находящиеся рядом значения в упорядоченном ряду этой величины отличаются на некоторую конечную величину. Оно описывается биноминальным (гипергеометрическим) или пуассоновским законами.

Центральное значение интервала, его середина, называется величиной интервала, или его классом. Рекомендуется избегать слишком большого числа классов, т.к. при этом ряд может быть невыразительным. Проще оперировать рядами, в которых ширина классов одинакова.

Удобно представлять статистический материал числовыми значениями, отражающими в некоторой степени существенные характеристики статистического ряда – характеристики положения и рассеивания случайной величины. Важной характеристикой положения случайной величины является среднее арифметическое наблюдаемых значений. Оно является обобщающей характеристикой только в случае применения к однородной совокупности статистического материала.

Также существуют характеристики положения:

мода – наиболее часто встречающееся значение в ряду;

медиана – значение параметра, делящее упорядоченный ряд на две равные по объему части.

К характеристикам рассеивания относятся:

размах R – разница между наибольшим и наименьшим значениями величины;

выборочная дисперсия – величина, показывающая насколько тесно группируются значения вокруг средней арифметической или как они рассеиваются вокруг нее;

выборочное стандартное отклонение часто применяют вместо выборочной дисперсии;

коэффициент вариации – относительное колебание отдельных значений около средней арифметической.

Генеральную совокупность, как и выборочные данные, обычно представляют характеристиками положения (математическое ожидание) и рассеиванием случайной величины (дисперсия или стандартное отклонение).

Если число независимых случайных величин велико (приближается к бесконечности), среди них отсутствуют случайные величины с резко отличающимися от других случайных величин отклонениями, то распределение параметров качества будет стремиться к гаусовскому закону. При этом каждая из влияющих на качество величин может подчиняться любому другому закону распределения.

	f
											Если процесс отлажен и контролируем , то распределение значений параметра качества на каждой операции будет близко к гауссовскому. Основной характеристикой является плотность распределения. Площадь под кривой равна 1,0 или 100% всех значений случайной величины в генеральной совокупности. Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11