Oblicz grubość powłoki za pomocą mapy Shewharta. Przykład konstrukcji wykresu kontrolnego Shewharta w programie Excel. Karty kontrolne Shewharta
Przykład konstrukcji wykresu kontrolnego Shewharta w programie Excel
Karty kontrolne Shewharta –jedno z narzędzi zarządzania jakością. Służy do monitorowania postępu procesu. Dopóki wartości mieszczą się w granicach kontrolnych, nie jest wymagana żadna interwencja. Proceskontrolowane statystycznie. Jeśli wartości znajdują się poza granicami kontrolnymiinterwencja kierownictwa jest konieczna w celu zidentyfikowania przyczyn odchyleń.
Spójrzmy na przykład konstrukcji wykresu kontrolnego w Przewyższać w ramach zarządzania należnościami (dla przejrzystości otwórz plik Przewyższać).
Dane źródłowe zawierają informacje o należnościach (AR) i należnościach przeterminowanych (OPR) dla jednego klienta na początek określonego tygodnia:
Ryż. 1. Dane wstępne
Jako parametr planowany do monitorowania wybrano udział PD w całkowitym PD. Ponieważ poziom działalności zmienia się w ciągu roku, bardziej logiczne jest użycie parametru względnego, ponieważ liczby bezwzględne będą odzwierciedlać nie tylko dyscyplinę płatniczą klienta, ale także poziom działalności.
Dane według tygodnia, jak również granicę kontrolną, naniesiono na kartę kontrolną. Ta ostatnia jest równa µ + 3σ, gdzie µ to wartość średnia, a σ to odchylenie standardowe. Można użyć µ i σ określonych na podstawie pierwszych 10–15 wartości. Wolę używać ruchomych wartości µ i σ, określonych dla wszystkich wartości. Takie µ i σ będą się zmieniać po dodaniu nowych wartości odpowiadających nowym tygodniom.
Do kontroli należności nie stosuje się dolnego limitu kontrolnego, gdyż im niższa wartość, tym lepiej. Jeśli sprawujesz kontrolę nad jakimś parametrem technicznym, to w tym przypadku dolna granica ma również znaczenie fizyczne i powinna zostać naniesiona na wykres. Dla przejrzystości lubię także wykreślać średnią linię na wykresach kontrolnych (Rysunek 2). W zasadzie nie jest to konieczne...
Ryż. 2. Lista kontrolna Shewharta dotycząca zarządzania należnościami.
Dlaczego granice kontrolne odpowiadają wartościom µ ± 3σ? Zgodnie zKoncepcja ShewhartaTo właśnie ta definicja granic umożliwia oddzielenie sytuacji, kiedy ekonomicznie wykonalne zacznij szukać specjalnych przyczyn zmienności; Dopóki te limity nie zostaną przekroczone, proces pozostaje statystycznie sterowalny, a poszukiwanie przyczyn odchyleń poszczególnych wartości jest ekonomicznie niewykonalne. Czyli nie należy szukać odpowiedzi [na pytanie dlaczego µ ± 3σ] w teorii prawdopodobieństwa czy analizie statystycznej.
Jeszcze raz podkreślę: określenie wartości µ ± 3σ jako granic odzwierciedla jedynie praktyczną użyteczność właśnie takiej definicji. Wynika z tego ważny wniosek: w każdym konkretnym przypadku warto zwrócić uwagę na odchylenia przekraczające granice µ ± 2σ, które mogą wynikać również ze szczególnych przyczyn wahań (po prostu prawdopodobieństwo fakt, że odchyłki te wiążą się ze szczególnymi przyczynami zmienności, jest mniejszy niż w przypadku przekroczenia µ ± 3σ). Czy menedżerowie powinni podjąć jakiekolwiek działania, jeśli przekraczają one µ ± 2σ!? Pytanie jest subtelne. Osobiście ograniczam się do poinformowania odpowiedzialnych, że sytuacja jest bliska problematycznej i proszę o omówienie jej z klientem...
Wyślij swoją dobrą pracę do bazy wiedzy jest prosta. Skorzystaj z poniższego formularza
Studenci, doktoranci, młodzi naukowcy, którzy wykorzystują bazę wiedzy w swoich studiach i pracy, będą Państwu bardzo wdzięczni.
Opublikowano na http://www.allbest.ru
Wstęp
Tradycyjne podejście do produkcji, niezależnie od rodzaju produktu, polega na produkcji i kontroli jakości w celu sprawdzenia gotowych produktów i odrzucenia jednostek, które nie spełniają specyfikacji. Strategia ta często prowadzi do strat i jest nieekonomiczna, gdyż opiera się na testach post-factum, kiedy powstały już wadliwe produkty. Bardziej skuteczną strategią zapobiegania stratom jest unikanie wytwarzania produktów, które nie nadają się do użytku. Strategia ta polega na zbieraniu informacji o samych procesach, ich analizie i skutecznych działaniach w odniesieniu do nich, a nie do produktów.
Karta kontrolna to narzędzie graficzne wykorzystujące podejścia statystyczne, którego znaczenie w sterowaniu procesem po raz pierwszy wykazał dr W. Shewhart w 1924 roku.
Celem kart kontrolnych jest wykrycie nienaturalnych różnic w danych z powtarzających się procesów i zapewnienie kryteriów wykrywania braku kontroli statystycznej. Proces jest w stanie kontrolowanym statystycznie, jeżeli zmienność wynika wyłącznie z przyczyn losowych. Przy określaniu tego akceptowalnego poziomu zmienności wszelkie odchylenia od niego uważa się za wynik szczególnych przyczyn, które należy zidentyfikować, wyeliminować lub złagodzić.
Zadaniem statystycznej kontroli procesów jest zapewnienie i utrzymanie procesów na akceptowalnym i stabilnym poziomie, zapewniającym, że produkty i usługi spełniają założone wymagania. Głównym narzędziem statystycznym wykorzystywanym w tym celu jest karta kontrolna, graficzny sposób prezentacji i porównania informacji w oparciu o sekwencję próbek odzwierciedlającą aktualny stan procesu z granicami ustalonymi na podstawie nieodłącznej zmienności procesu. Metoda karty kontrolnej pozwala określić, czy proces faktycznie osiągnął lub pozostaje w statystycznie kontrolowanym stanie na odpowiednio określonym poziomie, a następnie utrzymać kontrolę i wysoki stopień jednolitości krytycznych cech produktu lub usługi poprzez ciągłą rejestrację informacji o jakości produktu podczas procesu produkcyjnego.
Stosowanie kart kontrolnych i ich wnikliwa analiza prowadzą do lepszego zrozumienia i usprawnienia procesów.
1. Statystyczne metody zarządzania jakością produktu
1.1 Rola metod kontroli statystycznej
Głównym celem metod kontroli statystycznej jest zapewnienie wytwarzania użytecznych produktów i świadczenia użytecznych usług po najniższych kosztach. W tym celu przeprowadzane są analizy nowych operacji lub inne badania mające na celu zapewnienie wytworzenia produktów użytkowych.
Wprowadzenie metod kontroli statystycznej daje rezultaty w postaci następujących wskaźników:
1. doskonalenie jakości zakupionych surowców;
2. oszczędność surowców i pracy;
3. doskonalenie jakości wytwarzanych produktów;
4. zmniejszenie liczby wad;
5. redukcja kosztów kontroli;
6. poprawa relacji pomiędzy produkcją a konsumentem;
7. ułatwienie przejścia produkcji z jednego rodzaju produktu na inny.
Jedną z podstawowych zasad kontroli jakości wykorzystującej metody statystyczne jest chęć doskonalenia jakości produktu poprzez monitorowanie poszczególnych etapów procesu produkcyjnego.
W zależności od celów stawianych zarządzaniu jakością produktów w przedsiębiorstwach, metody statystyczne mogą być wykorzystywane do:
Analiza statystyczna dokładności i stabilności wyrobów, procesów technologicznych, urządzeń itp.;
Statystyczna regulacja i zarządzanie procesami technologicznymi;
Statystyczna kontrola akceptacji jakości produktu i jej ocena.
Analiza statystyczna dokładności i stabilności procesów technologicznych - ustalenie metodami statystycznymi wartości wskaźników dokładności i stabilności procesu technologicznego oraz określenie wzorców jego występowania w czasie.
Określić rzeczywistą wartość wskaźników dokładności i stabilności procesu technologicznego, sprzętu lub jakości produktu;
Identyfikować stopień wpływu czynników losowych i systematycznych na dokładność i stabilność procesu technologicznego oraz jakość produktu;
Uzasadniać standardy techniczne i atesty dla produktów;
Identyfikować rezerwy procesu produkcyjnego i technologicznego;
Uzasadnić wybór urządzeń technologicznych i przyrządów pomiarowych do wytwarzania wyrobów;
Identyfikować możliwość i uzasadniać wykonalność wprowadzenia metod statystycznych do procesu produkcyjnego;
Oceniać niezawodność systemów technologicznych;
Uzasadnić potrzebę przebudowy procesu technologicznego lub naprawy urządzeń technologicznych i innych działań usprawniających proces techniczny;
Podczas okresowych kontroli poprawności technologicznej urządzeń i akcesoriów w procesie monitorowania przestrzegania dyscypliny technologicznej wytwarzania wyrobów produkcji głównej;
Przy przeprowadzaniu wewnątrzzakładowej certyfikacji procesów technologicznych;
Podczas instalowania nowego sprzętu technologicznego i odbioru sprzętu po naprawie;
Analizując i oceniając wskaźniki procesu produkcyjnego i jakości produktu itp.
W warunkach produkcji seryjnej, małoseryjnej i pilotażowej zaleca się przede wszystkim stosowanie analiz statystycznych w celu systematycznej oceny dokładności urządzeń technologicznych i racjonalnego rozmieszczenia pracy na tym sprzęcie.
1.2 Karty kontrolne Shewharta
Karta kontrolna to specjalny formularz, na którym narysowana jest linia środkowa oraz dwie linie: powyżej i poniżej średniej, zwane górną i dolną granicą kontrolną. Dane pomiarów i kontroli parametrów oraz warunków produkcji naniesione są na mapę za pomocą kropek.
Badając zmiany danych w czasie, należy upewnić się, że punkty wykresu nie wykraczają poza granice kontrolne. Jeżeli zostanie wykryta wartość odstająca o jeden lub więcej punktów poza granicami kontrolnymi, jest to postrzegane jako odchylenie parametrów lub warunków procesu od ustalonej normy.
Aby zidentyfikować przyczynę odchyleń, bada się wpływ jakości materiału źródłowego lub części, metod, operacji, warunków przeprowadzania operacji technologicznych i sprzętu.
W praktyce produkcyjnej stosuje się następujące rodzaje kart kontrolnych:
1. mapa średnich arytmetycznych i przedziałów: -R stosuje się w przypadku kontroli ilościowej takich wskaźników jakości jak długość, waga, wytrzymałość na rozciąganie itp.
2. mapa średnich arytmetycznych i odchyleń standardowych: Mapa -S jest podobna do mapy -R, ale ma dokładniejszą mapę zmienności procesu i jest bardziej złożona w konstrukcji.
3. mapa median i zakresów: Mapa -R stosowana jest w tych samych sytuacjach co mapy -R, zaletą jest brak skomplikowanych obliczeń, ale mapa mediany jest mniej wrażliwa na zmiany w procesie.
4. mapa poszczególnych wartości: X-mapę stosuje się, gdy konieczne jest szybkie wykrycie niewykrytych czynników lub w przypadkach, gdy w ciągu jednego dnia lub tygodnia przeprowadzono tylko jedną obserwację.
5. mapa udziału produktów wadliwych: p-mapa - wykorzystywana w przypadku kontroli do określenia udziału produktów wadliwych.
6. mapa liczby wadliwych jednostek produkcyjnych: np-map - wykorzystywana w przypadku kontroli do określenia liczby wadliwych produktów.
7. Mapa liczby wad: kartę c stosuje się w przypadku, gdy kontrola jakości przeprowadzana jest poprzez określenie łącznej liczby wad w ustalonej, stałej objętości kontrolowanych produktów.
8. mapa ilości wad na jednostkę produktu: u-mapa – stosowana w przypadku kontroli jakości poprzez liczbę wad na jednostkę produktu, gdy powierzchnia, długość lub inny parametr próbki produktu nie jest stały wartość.
Z danych przedstawionych na karcie kontrolnej konstruuje się histogramy, a uzyskane na kartach kontrolnych wykresy porównuje się ze standardami kontrolnymi. Wszystko to pozwala uzyskać cenne informacje umożliwiające rozwiązanie pojawiających się problemów.
2. Dane wyjściowe, cele i zadania
Celem pracy jest analiza procesu technologicznego z wykorzystaniem kart kontrolnych Shewharta oraz zalecenie odpowiednich działań i zaleceń w przypadku wykrycia niekontrolowanego stanu procesu.
Aby osiągnąć ten cel, należy krok po kroku rozwiązywać określone zadania, do których zalicza się:
Wybór rodzaju kart kontrolnych z uwzględnieniem specyfiki ich zastosowania;
Przetwarzanie tablicy danych, przeprowadzanie niezbędnych obliczeń i konstruowanie wykresów kontrolnych;
3. Budowa i analiza wykresów kontrolnych
3.1 Wybór rodzaju kart kontrolnych
Karty kontrolne Shewharta dzielą się na ilościowe i jakościowe (alternatywne) w zależności od mierzalności badanego wskaźnika. Jeżeli wartość wskaźnika jest mierzalna (temperatura, waga, rozmiar itp.), stosuje się mapy wartości wskaźnika, zasięgi i podwójne mapy Shewharta. I odwrotnie, jeżeli wskaźnik nie pozwala na zastosowanie pomiarów numerycznych, należy zastosować typy map jako alternatywny wskaźnik. Tak naprawdę badane na tej podstawie wskaźniki określa się jako spełniające lub niespełniające wymagań. Stąd zastosowanie map proporcji (liczby) wad i liczby zgodności (niezgodności) na jednostkę produkcji.
Aby określić najbardziej odpowiedni wykres kontrolny dla rozważanej tablicy danych, skorzystamy z algorytmu przedstawionego na rysunku 3.1.
Rysunek 3.1 - Algorytm wyboru kart kontrolnych
Z przedstawionego powyżej algorytmu wynika, że w pierwszym etapie powinniśmy określić, jakiego rodzaju dane o procesie otrzymujemy.
Istnieją dwa rodzaje kart kontrolnych: jeden przeznaczony jest do kontroli parametrów jakości, które są ciągłymi zmiennymi losowymi, których wartości są danymi ilościowymi parametru jakości (wartości wymiarowe, masa, parametry elektryczne i mechaniczne itp.). Drugie służy do monitorowania parametrów jakości, które są dyskretnymi (alternatywnymi) zmiennymi losowymi i wartościami będącymi danymi jakościowymi (pozytywny – negatywny, zgodny – niezgodny, wadliwy – produkt wolny od wad itp.).
W pracy tej rozpatrywany jest szereg danych ilościowych dotyczących parametru jakości i na tej podstawie w kolejnym etapie wybór karty kontrolnej zależy od liczebności próby, jej liczby oraz warunków konstrukcji karty kontrolnej.
Mapy danych ilościowych odzwierciedlają stan procesu poprzez rozproszenie (zmienność w zależności od jednostki) i lokalizację centrum (średnia procesu). Dlatego też karty kontrolne dla danych ilościowych są prawie zawsze używane i analizowane parami – jeden wykres dla lokalizacji i jeden dla rozproszenia. Najczęściej używaną parą jest karta - i R.
Typ karty - R stosowany jest w produkcji masowej, gdy karty typu X ze względu na gabaryty nie mają zastosowania. Przy stosowaniu kart typu R wnioski na temat stabilności (stabilności) procesu wyciąga się na podstawie danych uzyskanych z analizy niewielkiej liczby przedstawicieli wszystkich rozpatrywanych produktów. W takim przypadku wszystkie produkty łączy się w partie według kolejności ich wytwarzania i z każdej partii pobiera się małe próbki, nie więcej niż 9, na podstawie danych, z których budowana jest karta kontrolna.
Karta kontrolna poszczególnych wartości (X) – wykres ten stosuje się w przypadku, gdy obserwacji dokonuje się na niewielkiej liczbie obiektów, a wszystkie podlegają kontroli. Obserwacje prowadzone są na wskaźniku ciągłym.
W przypadku stosowania indywidualnych map wartości nie stosuje się racjonalnego podziału na podgrupy w celu oszacowania zmienności wewnątrz partii, a granice kontrolne oblicza się na podstawie miary zmienności uzyskanej z zakresów ruchomych, zwykle z dwóch obserwacji. Zakres poślizgu to wartość bezwzględna różnicy pomiarów w kolejnych parach, tj. różnica między pierwszym i drugim wymiarem, potem drugim i trzecim, itd. Na podstawie zakresów ruchu obliczany jest średni zakres ruchu, który służy do konstruowania wykresów kontrolnych. Dla wszystkich danych obliczana jest także średnia ogólna.
Mapy medianowe stanowią alternatywę dla map R do sterowania procesami za pomocą zmierzonych danych. Zapewniają podobne wyniki i mają pewne zalety. Karty takie są łatwe w użyciu i nie wymagają dużych obliczeń. Może to ułatwić wprowadzenie ich do produkcji. Ponieważ wartości mediany są wykreślane wraz z wartościami indywidualnymi, mapa mediany zapewnia rozproszenie wyników procesu i szczegółowy obraz zmienności.
Wykres kontrolny średnich i odchyleń standardowych (-S). Mapa ta jest prawie identyczna z mapą (-R), ale jest dokładniejsza i może być zalecana do debugowania procesów technologicznych w masowej produkcji części krytycznych. Można go zastosować w przypadkach, gdy istnieje wbudowany system sterowania z automatycznym wprowadzaniem danych do komputera służącego do automatycznego sterowania procesem.
Na mapach - S zamiast zakresu R stosuje się bardziej efektywną statystyczną charakterystykę rozproszenia obserwowanych wartości - odchylenie standardowe (S). Pokazuje, jak blisko poszczególne wartości skupiają się wokół średniej arytmetycznej lub jak się wokół niej rozpraszają.
Analizując wyjściową tablicę danych zauważamy, że liczba próbek wynosi 15, objętość każdej wynosi 20. Również przy wyborze karty kontrolnej będziemy brać pod uwagę potrzebę szybkości konstruowania kart kontrolnych i łatwość obliczeń. Na tej podstawie wyciągniemy wnioski dotyczące najodpowiedniejszego rodzaju kart kontrolnych dla cechy ilościowej.
Ponieważ mamy próbkę większą niż 9, dysponujemy niezbędnymi zasobami do przeprowadzenia skomplikowanych obliczeń (w tej pracy korzystamy z programu Microsoft Excel), dla charakterystyki ilościowej zastosujemy najdokładniejszy typ wykresów kontrolnych, czyli wykresy S.
3.2 Obliczanie i budowa kart kontrolnych
Procedurę konstruowania mapy S można warunkowo podzielić na kilka etapów:
Obliczenie średniej (i odchylenia standardowego każdej próbki (S);
Obliczanie linii średnich dla - mapy () i S - mapy;
Obliczanie granic kontrolnych dla mapy (UCLX i LCLX), dla mapy S (UCLS i LCLS);
Wykreślenie na mapie linii środkowej, średnich wartości próbek, granic kontrolnych i granic tolerancji technologicznej.
Rysując na mapie S linię średnią, odchylenia standardowe każdej próbki i granice kontrolne.
Średnią próbki (oraz odchylenie standardowe S oblicza się korzystając ze wzorów:
gdzie: X - wartość parametru; n - wielkość próbki.
Podstawiając wartości próbek do wzorów 3.1 i 3.2, obliczamy wartość średnią i odchylenie standardowe dla każdej próbki (tabela 3.1).
Tabela 3.1 - Wyniki obliczeń wartości średnich i odchyleń kwadratowych próbek
|
Próbka nr. |
|||
Aby obliczyć linie średnie i mapy S, skorzystamy ze wzorów 3.3 i 3.4.
gdzie, k jest liczbą podgrup.
Podstawiając dane z tabeli 3.1 do wzorów 3.3 i 3.4 otrzymujemy:
Uzyskane wartości linii środkowych są niezbędne do obliczenia granic kontrolnych, które oblicza się za pomocą wzorów:
UCLX = + A3H; (3,5)
LCLX = - A3H; (3.6)
UCLS= V4H; (3.7)
LCLS= V3H; (3.8)
gdzie: A3, B4, B3 – współczynniki do obliczania granic kontrolnych.
Współczynniki do obliczania granic kontrolnych przedstawiono w GOST R 50779.42-99 „Metody statystyczne. Karty kontrolne Shewharta.” Na podstawie tego standardu dobieramy współczynniki niezbędne do obliczeń:
Obliczmy wartości liczbowe granic kontrolnych, zastępując niezbędne wartości:
UCLX = 8,943833+0,68Х0,912466=9,56431;
LCLX = 8,943833 - 0,68Х0,912466= 8,323356;
UCLS= 1,49Х0,912466= 1,359575;
LCLS= 0,51Х0,912466= 0,465358;
Wszystkie obliczenia i przekształcenia oryginalnej tablicy danych przeprowadzono w programie Microsoft Excel.
Tablica wartości wyników kontroli wraz z wynikami obliczeń rejestrowana jest w specjalnym formularzu.
Konstruując wykresy kontrolne, należy zwrócić uwagę na dobór skal. Dla każdego rodzaju karty kontrolnej różnica pomiędzy górną i dolną wartością skali oraz wartością podziału skali będzie inna.
W przypadku konstruowania mapy S przy wyborze skal należy zwrócić uwagę na następujące cechy:
W przypadku mapy różnica między górnymi i dolnymi wartościami skali powinna być w przybliżeniu dwukrotnie większa niż różnica między najwyższymi i najniższymi wartościami średnich podgrupy;
Dla mapy S skala powinna przyjmować wartości od 0 do dwukrotności maksymalnej wartości S w okresie początkowym (5-6 pierwszych podgrup);
Skale i karty S muszą mieć tę samą wartość działek.
Kierując się zatem powyższym ustalimy maksymalne i minimalne wartości skal dla kart kontrolnych.
Maksymalne i minimalne wartości średnich podgrupy wynoszą odpowiednio 9,62 i 8,64, podwójna różnica między tymi wartościami wynosi ~1,25. Ponieważ różnica pomiędzy największą i najmniejszą wartością tolerancji technologicznej jest znacznie większa, zmuszeni jesteśmy rozszerzyć zakres wartości skali odpowiednio do 7,40 i 11,20.
Maksymalna wartość odchylenia standardowego w okresie początkowym wynosi 0,98, podwajając tę liczbę, otrzymujemy maksymalną wartość skali - 1,96. Zatem dla karty S zakres wartości skali wynosi od 0 do 2. Cena podziału skali dla kart i S będzie równa 0,2. Konstrukcję kart kontrolnych przeprowadzono także z wykorzystaniem narzędzi Microsoft Excel.
3.3 Analiza wykresu kontrolnego
Celem tego etapu jest rozpoznanie oznak, że zmienność lub średnia nie utrzymuje się na stałym poziomie, że jedno lub oba wymknęły się spod kontroli i że potrzebne jest odpowiednie działanie.
Celem systemu sterowania procesem jest uzyskanie sygnału statystycznego o obecności specjalnych (nielosowych) przyczyn zmienności. Systematyczna eliminacja szczególnych przyczyn nadmiernej zmienności wprowadza proces w stan kontroli statystycznej. Jeśli proces jest w stanie kontrolowanym statystycznie, jakość produktu jest przewidywalna, a proces jest odpowiedni, aby spełnić wymagania określone w dokumentach regulacyjnych.
System wykresów Shewharta opiera się na następującym warunku: jeżeli zmienność procesu od jednostki do jednostki oraz średnia procesu pozostają stałe na zadanych poziomach (oszacowanych przez S i X), to odchylenia S i średnia X poszczególnych grup będą się zmieniają się jedynie losowo i rzadko przekraczają granice kontrolne. Niedozwolone są oczywiste trendy lub wzorce w danych, inne niż te, które występują przypadkowo i z pewnym prawdopodobieństwem.
Wyjście ze stanu kontrolowanego określa karta kontrolna w oparciu o następujące kryteria:
1) Punkty przekraczające granice kontrolne.
2) Seria jest przejawem stanu, w którym punkty niezmiennie kończą się po jednej stronie linii środkowej; liczba takich punktów nazywana jest długością szeregu.
Seria siedmiu kropek jest uważana za nieprzypadkową.
Nawet jeśli długość serii okaże się mniejsza niż sześć, w niektórych przypadkach sytuację należy uznać za nieprzypadkową, na przykład gdy:
a) co najmniej 10 z 11 punktów znajduje się po jednej stronie linii środkowej;
b) co najmniej 12 z 14 punktów znajduje się po jednej stronie linii środkowej;
c) co najmniej 16 z 20 punktów znajduje się po jednej stronie linii środkowej.
3) Trend (dryft). Jeśli punkty tworzą stale rosnącą lub opadającą krzywą, mówi się, że panuje trend.
4) Zbliżanie się do granic „stref” kontrolnych. Brane są pod uwagę punkty zbliżające się do granic kontrolnych 3 sigma, a jeśli 2 lub 3 punkty znajdują się poza liniami 2 sigma, wówczas taki przypadek należy uznać za nienormalny.
5) Zbliżanie się do linii środkowej. Gdy większość punktów skupia się w środkowej tercji, ze względu na niewłaściwy sposób podziału na podgrupy. Zbliżenie się do linii środkowej nie oznacza osiągnięcia stanu kontrolowanego, wręcz przeciwnie, oznacza to, że dane z różnych rozkładów mieszają się w podgrupach, co powoduje, że zakres granic kontrolnych jest zbyt szeroki. W takim przypadku należy zmienić sposób podziału na podgrupy.
S i mapy są analizowane oddzielnie, ale porównanie przebiegu ich krzywych może dostarczyć dodatkowych informacji o szczególnych przyczynach wpływu na proces.
Na mapie odchylenia standardowego punkt powyżej UCLS może oznaczać:
Zwiększyła się zmienność między częściami, albo w pewnym momencie, albo w ramach trendu;
Układ pomiarowy utracił właściwą rozdzielczość.
Punkt poniżej LCLS na mapie odchylenia standardowego może oznaczać:
Błędne obliczenie granicy kontrolnej lub nieprawidłowe oznaczenie punktu;
Zmniejszyła się zmienność między częściami;
Zmienił się system pomiarowy;
Seria kropek powyżej lub rosnąca seria kropek może oznaczać:
Zwiększył się rozrzut wartości, co mogło nastąpić z nieregularnej przyczyny;
Zmiany w systemie pomiarowym;
Seria kropek poniżej lub malejąca seria kropek może oznaczać:
Zmniejszył się rozrzut wartości, co jest pozytywnym czynnikiem, który należy wykorzystać, aby usprawnić proces;
Nastąpiła zmiana w systemie miar.
Możliwe jest także nielosowe zachowanie punktów, objawiające się przesunięciami, trendami i cyklicznością.
Aby przeanalizować wykresy kontrolne w celu ustalenia, jak blisko linii środkowej znajdują się punkty, konieczne jest obliczenie granic środkowej trzeciej.
Aby obliczyć środkową trzecią część, wprowadzamy współczynnik A, który jest równy jednej trzeciej różnicy między wartością górnej granicy kontrolnej mapy a wartością jej środkowej linii (wzór 3.9).
A=(UCL-CL)/3; (3.9)
Gdzie: UCL – górna granica kontrolna; CL – wartość linii środkowej; A jest współczynnikiem.
Granice środkowej trzeciej części oblicza się za pomocą wzorów:
VGST=CL+A; (3.10)
NGST=CL-A; (3.11)
Gdzie: VGST - górna granica środkowej trzeciej; NGST - dolna granica środkowej trzeciej; Obliczmy współczynnik A dla kart i S:
Ax= (9,56-8,94)/3= 0,207;
АS= (1,36 - 0,91)/3= 0,149.
Podstawiając wartości do wzorów 3.10 i 3.11, otrzymujemy odpowiednio wartości górnej i dolnej granicy środkowej trzeciej:
VGSTx=8,94+0,207=9,15;
VGSTS=0,91+0,149=1,06;
NGSTx=8,94-0,207=8,74;
NGSTS=0,91-0,149=0,76;
Granice środkowej trzeciej części są również uwzględniane w tabeli wyników obliczeń.
Analizując otrzymane karty kontrolne, sporządzimy tabelę, w której opiszemy stan sterowności procesu w oparciu o powyższe kryteria.
Tabela 3.2 – Analiza kart kontrolnych
|
Kryterium |
||||
|
Punkty powyżej UCL |
Brak punktów poza granicami kontrolnymi świadczy o stabilności procesu. Jego zmienność jest również stabilna, co jest czynnikiem pozytywnym. |
|||
|
Punkty poniżej LCL |
Brak punktów poza granicami kontrolnymi świadczy o stabilności procesu. |
|||
|
Na mapie, począwszy od punktów 11 do 15, obserwuje się zmianę procesu. Przesunięcie punktów może oznaczać, że punkty zaczęły skupiać się wokół nowej wartości średniej. |
||||
|
Nie ma cykliczności w lokalizacji punktów. Brak takiego zachowania punktów wskazuje, że nie ma przyczyn, które mogłyby okresowo wpływać na proces (zmiany pracy, pora dnia). |
||||
|
Na mapie S widać lekko rosnącą tendencję począwszy od punktu 9. Oznacza to, że rozrzut wartości stopniowo rośnie, co nie jest czynnikiem pozytywnym. |
||||
|
Seria punktów |
Zwróć uwagę na punkty od 6 do 11 na średniej mapie. Nad linią środkową znajduje się seria kropek. |
|||
|
Rozrzut punktów w środkowej tercji |
Ten procent punktów mieszczący się w środkowej trzeciej części uważa się za normalny. |
Po zidentyfikowaniu niestandardowego zachowania punktów na mapach należy znaleźć przyczynę ich pojawienia się i wprowadzić działania korygujące.
Nieznacznie rosnący trend na mapie S może być spowodowany zmianami w systemie pomiarowym, niekompetencją personelu lub awarią sprzętu. Ze względu na małą liczbę punktów konieczna jest kontynuacja obserwacji. W przypadku potwierdzenia niestandardowego zachowania punktów należy zidentyfikować przyczynę i wprowadzić działania korygujące.
Aby zidentyfikować przyczyny, wykonaj następujące kroki:
Kontrola techniczna sprzętu;
Kalibracja, legalizacja przyrządów pomiarowych;
Sprawdzenie kwalifikacji pracownika wykonującego operację;
Sprawdzenie kompetencji kontrolera.
Działania naprawcze mogą obejmować:
Przesunięcie punktów na mapie średniej może być spowodowane zmianami w systemie pomiarowym, zużyciem lub awarią sprzętu. Ze względu na małą liczbę punktów należy kontynuować analizę w celu ustalenia przyczyn takiego układu punktów. Jeżeli przypuszczenia o wystąpieniu przesunięcia się potwierdzą, należy zidentyfikować przyczynę i zalecić odpowiednie działania korygujące.
Szereg punktów na mapie może wskazywać zmiany w procesie związanym ze sprzętem, systemami pomiarowymi i pracownikami. Na przeciętnej mapie znajduje się seria punktów od 6 do 11. Należy sprawdzić układ pomiarowy pod kątem zmian w danym okresie czasu, kompetencje pracownika wykonującego operację, sprzęt i wprowadzić odpowiednie działania korygujące:
Regulacja, konfiguracja, naprawa lub wymiana sprzętu;
Podnoszenie kwalifikacji personelu, poprawa warunków pracy;
Regulacja, regulacja, naprawa lub wymiana przyrządów pomiarowych.
Mapy procesów pozwalają monitorować proces i identyfikować niestandardowe zmiany parametrów procesu, zachowując jednocześnie tolerancje technologiczne.
Analiza map procesów pozwala na identyfikację nieprzypadkowych przyczyn wpływających na proces. Przyczyny takie należy eliminować, systematyczne eliminowanie szczególnych przyczyn nadmiernej zmienności wprowadza proces w stan sterowalności statystycznej. Jeśli proces jest w stanie kontrolowanym statystycznie, jakość produktu jest przewidywalna, a proces jest odpowiedni, aby spełnić wymagania określone w dokumentach regulacyjnych.
Po doprowadzeniu procesu do stanu kontrolowanego statystycznie możliwa staje się ocena możliwości technologicznych procesu. Proces najpierw doprowadza się do stanu kontrolowanego statystycznie, a następnie określa się jego możliwości. Tym samym wyznaczanie możliwości procesu rozpoczyna się po rozwiązaniu zadań kontrolnych z wykorzystaniem kart - i S, tj. przyczyny szczególne są identyfikowane, analizowane, korygowane i zapobiegane ich nawrotom. Aktualne karty kontrolne muszą wykazywać, że proces pozostaje pod kontrolą statystyczną przez co najmniej 25 podgrup.
Jako wskazówkę do działania można zastosować procedurę przedstawioną schematycznie na rysunku 3.2.
Rysunek 3.2 – Strategia doskonalenia procesu
Wniosek
produkcja statystyczna średnia kwadratowa Shewharta
Jakość produktów (robót, usług) ma decydujące znaczenie w publicznej ocenie pracy każdego zespołu roboczego. Wypuszczenie na rynek skutecznych i wysokiej jakości produktów pozwala przedsiębiorstwu uzyskać dodatkowy zysk oraz zapewnić samofinansowanie produkcji i rozwój społeczny.
Karty kontrolne Shewharta jako narzędzie kontroli jakości procesów i produktów z powodzeniem stosowane są w wielu przedsiębiorstwach, także rosyjskich.
Karty kontrolne stały się powszechne ze względu na ich zdolność do zapobiegania defektom. Taki stan rzeczy pozwala znacząco obniżyć koszty produkcji związane z wytwarzaniem wyrobów niezgodnych.
W artykule przedstawiono przykład wykorzystania kart kontrolnych Shewharta do sterowania procesem. W trakcie pracy przekształcono oryginalną tablicę danych, wybrano karty kontrolne biorąc pod uwagę ich cechy. W wyniku selekcji najbardziej preferowaną kartą do tego zadania jest karta -S.
Prace związane z wykonaniem niezbędnych obliczeń i konstrukcji wykonano przy użyciu programu Microsoft Excel.
W wyniku analizy kart kontrolnych zidentyfikowano następujące niestandardowe sytuacje lokalizacji punktów:
Lekko rosnący trend na mapie S;
Możliwe przesunięcie procesu na mapie;
Seria kropek nad linią środkową na mapie.
Przypisano działania niezbędne do doprowadzenia procesu do stanu kontrolowanego statystycznie.
Lista wykorzystanych źródeł
1. GOST R 50779.0-95 Metody statystyczne. Podstawowe postanowienia.
2. GOST R 50779.11-2000 Statystyczne metody zarządzania jakością. Warunki i definicje.
3. GOST R 50779.42-99 Metody statystyczne. Karty kontrolne Shewharta.
4. Efimov V.V. Narzędzia i metody zarządzania jakością: podręcznik / V.V. Efimov – wyd. 2, skreślone. - M.: KNORUS, 2010. - 232 s.
5. Carew Yu.V., Trostin A.N. Statystyczne metody zarządzania jakością. Karty kontrolne: Podręcznik edukacyjno-metodyczny / Państwowa Instytucja Edukacyjna Wyższego Szkolnictwa Zawodowego Iwan. państwo chemia - technol. uniw. - Iwanowo, 2006. - 250 s.
Opublikowano na Allbest.ru
...Podobne dokumenty
Metodologia wyznaczania podstawowych charakterystyk numerycznych z wykorzystaniem analizy ekonometrycznej. Obliczanie wartości średniej, wariancji. Budowa pola korelacyjnego (diagram punktowy), obliczenie całkowitego rozrzutu danych. Znalezienie wartości testu Fishera.
test, dodano 16.07.2009
Grupowanie strukturalne, analityczne i kombinacyjne według współczynnika atrybutu. Obliczanie średniej wielkości zysku księgowego, średniej arytmetycznej wartości cechy, mediany, postaci, rozproszenia, odchylenia standardowego i współczynnika zmienności.
test, dodano 04.06.2014
Budowa modelu symulacyjnego „AS-IS” podsystemu zarządzania zapasami produkcyjnymi firmy Favorit LLC, adaptacja oprogramowania. Funkcjonalność edytora arkuszy kalkulacyjnych MS Excel, VBA for Excel. Matematyczne wsparcie modelu.
praca na kursie, dodano 12.07.2011
Budowa modeli konstrukcyjnych układów stochastycznych ze skończonym zbiorem stanów dyskretnych. Analiza wpływu średniego czasu poboru opłat na czas trwania procesu przejścia. Budowa schematu strukturalnego i funkcjonalnego systemu.
praca na kursie, dodano 27.05.2014
Rodzaje problemów rozwiązywanych za pomocą wskaźników: analiza wpływu poszczególnych czynników na badane zjawisko, ocena dynamiki wskaźnika przeciętnego. Klasyfikacja wskaźników na statystyczne, indywidualne, zbiorcze, średnie. Analiza zmian wskaźnika przeciętnego.
prezentacja, dodano 16.03.2014
Podstawowe metody przetwarzania danych reprezentowane przez próbkę. Graficzne reprezentacje danych. Obliczanie za pomocą komputera głównych cech próbki. Hipotezy statystyczne stosowane w ekonomii. Sparowana regresja liniowa, nieliniowa i wielomianowa.
praca laboratoryjna, dodano 01.03.2010
Oszacowanie średniej wartości przychodów w poszczególnych kwartałach na przykładzie OAO RussNeft. Estymacja wskaźników modowych, medianowych, bezwzględnych i względnych. Budowanie trendu na 3 okresy do przodu. Analiza fluktuacji i wykładnicze wygładzanie szeregów czasowych.
praca na kursie, dodano 18.04.2011
Cechy grupowania danych ekonomicznych. Metodologia wyznaczania wskaźników średnich, trybów, median, średnich arytmetycznych, wskaźników obrotu, cen i wolumenów sprzedaży, wzrostów bezwzględnych, stóp wzrostu i zysków. Analiza cen sprzedaży produktów.
test, dodano 03.05.2010
Wyznaczanie rozproszenia i odchylenia standardowego cen. Budowa systemu wskaźników obrotu i wielkości sprzedaży fizycznej. Ocena wpływu zmian struktury sprzedaży na poziom cen. Ogólne wskaźniki cen Pache'a, Laspreisa, Fischera, zmiany strukturalne.
test, dodano 09.07.2013
Wyznaczanie średniej arytmetycznej skorygowanych wyników obserwacji wielokrotnych, szacowanie odchylenia standardowego. Obliczanie granic ufności dla składowej losowej błędu wyniku pomiaru. Metodyka wykonywania pomiarów bezpośrednich.
UNIWERSYTET PAŃSTWOWY W PETERSBURGU
WYDZIAŁ EKONOMII
Katedra Ekonomii i Zarządzania Przedsiębiorstwem
Karty kontrolne Shewharta w systemie zarządzania jakością
Praca na kursie
Studenci II roku grupy EUP – 22
dział dzienny
specjalność 080502 - „Ekonomia i zarządzanie przedsiębiorstwem”
Doradca naukowy:
Sankt Petersburg
Wstęp
Rozdział 1. Koncepcja systemu zarządzania jakością
Rozdział 2. Znaczenie metod statystycznych w zarządzaniu jakością
Rozdział 2.1. Karty kontrolne Shewharta jako metoda kontroli statystycznej i zarządzania jakością
Rozdział 3. Konstrukcja kart kontrolnych Shewharta
Wniosek
Literatura
Aneks 1
Szczyt rozwoju zarządzania jakością przypadł na lata 1980-1990, kiedy to powszechnie wprowadzono system zarządzania jakością. Na początku koncepcja ta pomogła wielu firmom przemyśleć proces wytwarzania produktów i uniknąć wielomilionowych kosztów związanych z wytwarzaniem wadliwych produktów.
Równolegle z redukcją liczby wad i poprawą jakości produktów firmy zaczęły zwracać większą uwagę na konsumentów i ich pragnienia. W końcu, jak wiadomo, pozyskanie nowego klienta może kosztować firmę 6 razy więcej niż utrzymanie istniejącego.
Na wczesnych etapach rozwoju zarządzanie jakością nie różniło się zbytnio od starannego zarządzania lub wysyłki, ale w miarę upływu czasu teoria się rozwinęła, a praktyka stosowania tej koncepcji rozszerzyła się. Obecnie nie tylko firmy przemysłowe, ale także usługowe kierują się podejściem jakościowym i korzystają z nowoczesnych narzędzi kontroli jakości; Z reguły są to systemy zautomatyzowane (ERP, MRP, systemy kontroli procesów), które posiadają w swoim arsenale aplikacje do tworzenia diagramów, map, rejestrowania ilości usterek, czy po prostu wygodnego porządkowania danych klientów (CRM).
Celem pracy jest usystematyzowanie wiedzy z zakresu zarządzania jakością. To zdeterminowało strukturę pracy kursu, pierwszy rozdział poświęcony został rozważeniu historycznych aspektów rozwoju koncepcji; opis znaczenia metod statystycznych – rozdział drugi; oraz konstrukcja kart kontrolnych na przykładzie losowej próbki określonego procesu – w trzecim. Uwzględnienie wykresów kontrolnych Shewharta, a nie innych, późniejszych osiągnięć, tłumaczy się przede wszystkim faktem, że praca Shewharta dała impuls do rozwoju koncepcji w tym kierunku. A dla głębszego zrozumienia całego zarządzania jakością konieczna jest wiedza o powstaniu znaczących odkryć.
Zarządzanie jakością ma wiele definicji, w zależności od stanowiska przyjętego przez autora. Niektórzy podkreślają szczególną rolę czynnika ludzkiego, inni – znaczenie systematycznego podejścia i pomiarów ilościowych, jeszcze inni podkreślają ewolucję szkół zarządzania.
Zatem zarządzanie jakością w szerokim znaczeniu to zarządzanie przedsiębiorstwem, które pozwala w najpełniejszy sposób zaspokoić potrzeby klientów i przekroczyć ich oczekiwania. Naturalnie, moim zdaniem, pojawiają się pytania: po pierwsze, w jaki sposób osiąga się ich satysfakcję, a po drugie, czym podejście do zarządzania jakością w tym zakresie różni się od zwykłego procesu planowania i produkcji produktu?
Odpowiadając na pytanie o satysfakcję konsumenta, możemy powiedzieć, że zarządzanie jakością jako główny warunek stawia stosunek konsumenta do jakości powstałego produktu. W tym przypadku jakość produktu staje się najważniejszym wskaźnikiem dla konsumenta, a co za tym idzie, główną przewagą konkurencyjną.
Drugie pytanie dotyczy różnic pomiędzy produkcją konwencjonalną a produkcją, w której stosowane są zasady jakości. Ciekawe stanowisko zajmują autorzy japońscy, którzy przypisują proces zarządzania jakością produktów szczególnej filozofii przedsiębiorstwa, nowemu spojrzeniu na produkcję i nierozerwalnie związanym z koncepcją ciągłego doskonalenia. Oprócz tej nieco wyidealizowanej postawy można wykazać jeszcze jedną różnicę; Normalny proces produkcyjny obejmuje szereg działań mających na celu identyfikację i zaspokojenie potrzeb klienta, co również zawarte jest w definicji zarządzania jakością. Jednakże podejście jakościowe podkreśla nieodłączne znaczenie wytwarzania produktów wysokiej jakości na wszystkich etapach produkcji, od opracowania produktu po terminową dostawę do konsumenta. Takie podejście narzuca priorytetowe zadanie stojące przed przedsiębiorstwem - wytwarzanie wysokiej jakości produktów z cyklu na cykl, co niewątpliwie gwarantuje spójność otrzymywania przez konsumenta dobrych produktów. Dla przedsiębiorstwa oznacza to przede wszystkim zdobycie szacunku konsumentów i budowanie ich lojalności, co w nowoczesnych warunkach nie jest cechą nieistotną.
Podsumowując, widzimy, że konsumenci otrzymują produkty wysokiej jakości, a producenci stabilne zyski. Współczesne rynki charakteryzują się szybkim tempem rozwoju, co stawia przed firmami warunek: „rozwijać się, żeby przetrwać”. I w tym przypadku dobre, wysokiej jakości produkty, ale niespełniające wymagań rynku, również nie będą w stanie zapewnić znaczącej konkurencji, jak firma, której 30% produktów to towary wadliwe. Dlatego zarządzanie jakością odgrywa ważną rolę w przewidywaniu oczekiwań i potrzeb konsumenta, kreowaniu dla niego nowych potrzeb i ich zaspokajaniu, zgodnie z podejściem do zapewnienia jakości produktu.
Jak pokazano powyżej, zarządzanie jakością jest procesem rozbudowanym, wpływającym na całą produkcję, wszystkie szczeble zarządzania (od kontrolerów po menedżerów wyższego szczebla) i wszystkie procesy produkcyjne. Ale gdzie i w jakich warunkach powstało? Co przyczyniło się do powstania nowego podejścia do zarządzania? Spójrzmy na zarządzanie jakością z perspektywy czasu.
Zarządzanie jakością produktu przebiega przez całą historię rozwoju zarządzania czerwoną linią. Wychodząc od słynnego dzieła Towne’a z 1866 r. „Inżynier jako ekonomista” zwyczajowo mówi się o początkach zarządzania.
Zainspirowany twórczością Towne’a F. Taylor został założycielem naukowej szkoły zarządzania. Jego podejście dosłownie zrewolucjonizowało produkcję. Oprócz wprowadzenia praktyki pomiaru czasu poświęconego na różne operacje, Taylor ustalił wymagania dotyczące jakości produktów w postaci pól tolerancji (wskaźniki pozytywne i negatywne). Ustanowił także system kar finansowych za uchybienia (do zwolnienia włącznie), motywacji i szkolenia pracowników. Rewolucyjne podejście Taylora dało impuls do dalszego rozwoju zarządzania.
Innym nie nieznanym menadżerem XX wieku był Henry Ford, który założył istniejącą do dziś firmę samochodową. Opracowując Model T, Ford skazał się na utrwalenie. Nie tylko wynalazł lekki, trwały (jak na tamte czasy) i bezpretensjonalny samochód, ale także wprowadził system masowej produkcji liniowej. Ujednolicił i ujednolicił wszystkie operacje oraz uwzględnił obsługę posprzedażową w obszarze produkcji. Zaangażował się w ochronę pracy i tworzenie normalnych warunków pracy. „Według Henry’ego Forda głównym czynnikiem sukcesu przedsiębiorstwa jest jakość wytwarzanego produktu. Dopóki jakość nie zostanie sprawdzona, produkcja produktu nie może się rozpocząć.”
Emerson wniósł znaczący wkład w rozwój zarządzania swoją książką 12 zasad produktywności, opublikowaną w 1912 roku. Emerson zauważył znaczenie wyznaczania celów, planowania, nagród za wyniki i innych zasad. Efektywność postrzegał jako kluczowy aspekt organizacji produkcji, poprzez jej zwiększanie można osiągnąć wysokie wyniki, unikając przy tym nadmiernego wysiłku.
Wraz z dalszym rozwojem zarządzania przedsiębiorstwa stanęły przed koniecznością obniżenia kosztów pracy w zakresie kontroli jakości, ponieważ poprzednie metody kontroli jakości, polegające na monitorowaniu każdej jednostki produkcji, prowadziły do wzrostu liczby inspektorów. Problem rozwiązano za pomocą metod, które je zastąpiły – metod statystycznej kontroli jakości. G. Dodge i G. Roming zaproponowali metody pobierania próbek, które umożliwiły sprawdzenie nie wszystkich produktów, ale określonej ich ilości z całej partii. Kontrolę statystyczną przeprowadzili nowi specjaliści – inżynierowie jakości.
Duży wkład w zastosowanie metod statystycznych miał Walter Shewhart, który pracując w Bell Telephone Laboratories (obecnie AT&T) w ramach grupy specjalistów ds. jakości, w połowie lat dwudziestych XX wieku. położył podwaliny pod statystyczną kontrolę jakości. Shewhart uważany jest za jednego z patriarchów współczesnej filozofii jakości. Shewhart poświęcił wiele uwagi zestawieniu i analizie wykresów kontrolnych, co zostanie omówione w kolejnych rozdziałach.
Wielki wkład Edwarda Deminga, amerykańskiego eksperta w dziedzinie jakości. Podczas II wojny światowej szkolił amerykańskich inżynierów w zakresie kontroli jakości w ramach programu obrony narodowej. Po wojnie, w 1950 r., Deming został zaproszony do okupowanej Japonii, aby wspólnie z Shewhartem przedstawić teorię. W rozmowie z właścicielami i menadżerami większości przedsiębiorstw Deming nawoływał, że jeśli zastosuje się metody statystyczne, to już wkrótce japońscy producenci będą mogli wejść na rynki światowe. Co było istotne dla powojennej Japonii.
Nauki Deminga wyznaczyły kierunek rozwoju japońskich firm. Deming zainspirował opinię publiczną swoimi pomysłami. „Żaden naród nie musi być biedny” – brzmiało jego początkowe zdanie. Bardzo szybko Japonia weszła na rynki światowe z towarami wyższej jakości od swoich amerykańskich i europejskich odpowiedników.
Kolejnym naukowcem, który przybył do Japonii z Ameryki, był Juran. Juran rozważał kwestie jakości na poziomie całej firmy i poszczególnych oddziałów. Wykłady Jurana miały charakter praktyczny, a nacisk kładziono na wyznaczanie wskaźników jakości produktów, ustalanie standardów i metod pomiaru oraz zgodność produktów ze specyfikacjami.
Celem podejścia jakościowego jest stworzenie lepszego produktu, który może lepiej spełniać potrzeby klientów. A tak złożonego problemu nie da się rozwiązać jedynie poprzez wykonanie niezbędnych pomiarów i analizę uzyskanych danych. Aby osiągnąć taki cel, czasami konieczna jest modernizacja istniejącego sprzętu, usprawnienie procesu produkcyjnego lub jego całkowita zmiana. Warto także zastanowić się nad niezbędnymi pracami przed (badania marketingowe, projektowanie, zaopatrzenie) i po (pakowanie, magazynowanie, dostawa, sprzedaż i obsługa posprzedażowa) wytworzeniem produktów. Wszystko to świadczy o konieczności uwzględnienia zarządzania jakością w jednym systemie i zarządzania nim, stosując jedną strategię w całym przedsiębiorstwie.
Równolegle z Demingiem i Juranem dr Feigenbaum (USA) w latach 50. XX w. w monografii „Total Quality Management” stawiał na znaczenie systemowego (zintegrowanego) podejścia do zarządzania jakością produktu.
W 1922 roku grupa ekspertów z USA ukuła koncepcję Total Quality: „Total Quality (TQ) to system zarządzania skupiony na ludziach, którego celem jest ciągłe zwiększanie stopnia zadowolenia klientów przy jednoczesnym ciągłym obniżaniu realnych kosztów. TQ to podejście ogólnosystemowe (a nie pojedyncze obszary czy programy) i integralna część strategii najwyższego poziomu; działa poziomo pomiędzy funkcjami i działami, angażując wszystkich pracowników od góry do dołu i wykraczając poza tradycyjne granice, obejmując zarówno łańcuch dostaw, jak i łańcuch konsumentów. W TQ duży nacisk kładzie się na opanowanie polityki ciągłych zmian i jej adaptację, gdyż te komponenty uważane są za potężne dźwignie, które znacząco wpływają na sukces organizacji.”
Kolejnym etapem rozwoju systemu zarządzania jakością jest rozwój podejścia procesowego i popularyzacja reengineeringu. Reengineering proponuje zastąpienie zasady podziału pracy w zarządzaniu podejściem procesowym. Na czele organizacji stoją procesy, które mają swoich własnych wykonawców. Przedsiębiorstwa ogarnął nowy pomysł, rozpoczęła się masowa rewizja działania procesów, ich optymalizacja, zmiany i wprowadzanie nowych. Dopóki nie odkryto, że reengineering nie jest środkiem uniwersalnym.
Obecnie, w XXI wieku, adaptacyjny model organizacji zakorzenia się w nauce i upowszechnia się koncepcja zarządzania wiedzą.
Jednak pomimo powszechnej wiedzy na temat metod i systemów zarządzania jakością, wiele przedsiębiorstw nie zdaje sobie sprawy ze znaczenia kontroli jakości. Próbując dotrzymać kroku światowym standardom, instalują oprogramowanie i tworzą wykresy kontrolne, nie rozumiejąc, w jaki sposób może im to pomóc.
Bez względu na to, jak proste lub złożone są metody zarządzania jakością, same one nie będą w stanie zapewnić przedsiębiorstwu żadnej korzyści, ponieważ nawet po przeprowadzeniu wszystkich niezbędnych badań i wyciągnięciu wniosków, zmiany należy jeszcze opracować i wdrożyć. Znaczna część rosyjskich przedsiębiorstw przystępując do opracowywania systemu zarządzania jakością (SZJ) nie stawia sobie za cel osiągnięcia efektywności, a zwłaszcza efektywności SZJ, która jest warunkiem wstępnym zarządzania jakością. Wdrożenie powszechnego systemu ISO bardziej przypomina kosztowną certyfikację niż zarządzanie nastawione na satysfakcję klienta.
Wprowadzenie kompleksowego zarządzania jakością w Rosji wiąże się ze znacznymi trudnościami, a przede wszystkim jest to odrzucenie koncepcji jakości przez menedżerów, niechęć do bycia liderami zaangażowanymi we wdrażanie jakości i dążenie do obranego celu. Specyfika Rosji, jej ludzie, moralność i porządki najwyraźniej nie będą wkrótce gotowe na zasadnicze zmiany w systemie poglądów na temat zarządzania organizacją.
Są to główne kamienie milowe w rozwoju systemów zarządzania jakością produktów.
Zarządzanie jakością kart Shewhart
Znaczenie metod statystycznych jest nie do przecenienia, gdyż bez takich metod kontroli byłoby trudne, wręcz niemożliwe, określenie zależności defektów od określonych czynników. Jednocześnie organizacje powinny dążyć do ograniczenia zmienności czynników, a co za tym idzie, wykazywać większą stabilność jakości produktu. Na przykład podczas obróbki metalu stosuje się nóż, który po obróbce nowego kawałka metalu staje się nieco matowy. Ponadto zmiany temperatury, składu chłodziwa lub wpływ innych czynników mogą prowadzić do wadliwych produktów.
Nie wszystkie czynniki biorące udział w produkcji są stałe, statystyczne metody kontroli i zarządzania jakością mają na celu zmniejszenie ich zmienności. Istnieją jednak inne sposoby zmniejszenia wskaźnika defektów produktów, takie jak wykorzystanie fachowej intuicji lub wcześniejszego doświadczenia w rozwiązywaniu podobnych problemów.
Zaproponowane metody mogą okazać się bardzo skuteczne, ale mogą też nie pozwolić na prawidłowe zdiagnozowanie i rozwiązanie problemu. A tu chodzi o osobę, kontrolę nadzorczą, adekwatność metod do osiągnięcia celów badawczych, obiektywność wybranych wskaźników, rzetelność pomiarów itp.
Rozważmy statystyczne metody kontroli jakości. Kaeru Ishikawa, emerytowany profesor Uniwersytetu Tokijskiego, zaproponował podział metod statystycznych na trzy grupy:
1. metody elementarne, do których zalicza się „siedem prostych narzędzi jakości”
arkusz kontrolny
æ pozwala na zapisanie w wygodnej formie danych o usterkach napotkanych przez kontroler. W przyszłości stanie się źródłem informacji statystycznych.
histogram jakości
æ Jest zbudowany na podstawie arkusza kontrolnego i pokazuje częstotliwość występowania wartości kontrolowanego parametru mieszczących się w określonych przedziałach.
diagram przyczynowo-skutkowy
æ jest również nazywany diagramem ości. Schemat opiera się na jednym wskaźniku jakości, który ma postać prostej poziomej linii („grzbiet”), do której liniami przymocowane są główne przyczyny wpływające na wskaźnik („duże kości grzbietu”). Przyczyny wtórne i trzeciorzędne, które wpływają na przyczyny starsze, również są połączone liniami prostymi („kości średnie i małe”). Po zbudowaniu należy uszeregować wszystkie przyczyny według stopnia wpływu na wskaźnik.
Wykres Pareta
æ Głównym założeniem diagramu jest to, że w większości przypadków zdecydowana większość defektów powstaje z niewielkiej liczby ważnych przyczyn. Konsekwencją zaostrzonego diagramu będzie wniosek, które rodzaje defektów mają większy udział wśród innych i w związku z tym na co należy zwrócić szczególną uwagę.
·Stratyfikacja
æ Stratyfikację lub stratyfikację danych przeprowadza się, gdy konieczne jest porównanie wyników podobnych procesów wykonywanych przez różnych pracowników lub na różnych maszynach, przy użyciu różnych materiałów oraz w innych przypadkach.
Diagram rozproszenia
æ buduje się na podstawie sparowanych danych (na przykład liczby defektów w temperaturze powietrza w piecu), których zależność należy zbadać. Diagram może dostarczyć informacji o kształcie rozkładu par. Na podstawie diagramu można przeprowadzić analizę korelacji i regresji.
karta kontrolna
æ zasady i metody konstruowania kart kontrolnych zostaną omówione w trzecim rozdziale pracy.
2. metody pośrednie, są to metody kontroli akceptacji, teorie rozkładu, szacunki i kryteria statystyczne.
3. Metody zaawansowane to metody oparte na wykorzystaniu technologii komputerowej:
·planowanie eksperymentu,
analiza wielowymiarowa
·Metody badań operacyjnych.
Jakość produktu jest określana przez zestaw wartości i cech, które ogólnie można nazwać wskaźnikami jakości. Na ich podstawie prowadzone są badania statystyczne. Wskaźniki charakteryzują właściwości konsumenckie produktów i mogą mieć różne znaczące znaczenia.
Karty kontrolne należą do „siedmiu prostych metod” zarządzania jakością, według klasyfikacji K. Ishikawy. Podobnie jak inne metody, karty kontrolne mają na celu identyfikację czynników wpływających na zmienność procesu. Ponieważ na zmienność mogą wpływać przyczyny losowe lub pewne (nielosowe). Do przyczyn losowych zalicza się takie, których wystąpienia nie można uniknąć, nawet przy użyciu tych samych surowców, sprzętu i pracowników obsługujących proces (przykładem mogą być wahania temperatury otoczenia, właściwości materiału itp.). Pewne (nieprzypadkowe) przyczyny implikują istnienie pewnego związku między zmianami czynników a zmiennością procesu. Takie przyczyny można zidentyfikować i wyeliminować podczas konfigurowania procesu (na przykład luźne elementy złączne, zużycie narzędzia, niewystarczające naostrzenie maszyny itp.). W idealnej sytuacji zmienność niektórych czynników powinna zostać zredukowana do zera, a poprzez usprawnienie procesu technologicznego należy ograniczyć wpływ czynników losowych.
Karty kontrolne służą do dostosowywania istniejących procesów w celu zapewnienia, że produkty spełniają specyfikacje.
Konstrukcja kart kontrolnych ma na celu głównie potwierdzenie lub odrzucenie hipotezy o stabilności i sterowności procesu. Ze względu na to, że mapy mają charakter wielokrotny, pozwalają one określić, czy badany proces zachodzi losowo, a jeśli tak, to proces powinien mieć rozkład normalny, gaussowski. W przeciwnym razie na wykresie można śledzić trendy, serie i inne nietypowe odchylenia.
W następnym rozdziale zostanie omówiona część praktyczna dotycząca kart kontrolnych Shewharta.
Zanim przystąpimy do właściwej budowy kart kontrolnych, zapoznajmy się z głównymi etapami zadania. Zatem ze względu na to, że różni autorzy przy opisywaniu budowy kart kontrolnych dążą do własnych celów, poniżej zostanie przedstawiona oryginalna wizja etapów budowy kart kontrolnych Shewharta.
Algorytm konstrukcji kart kontrolnych Shewharta:
I. Analiza procesu.
Przede wszystkim należy zadać pytanie o istniejący problem, gdyż bez tego analiza nie będzie miała sensu. Dla większej przejrzystości można posłużyć się diagramem przyczynowo-skutkowym Ishikawy (wspomnianym powyżej, rozdział 2). Do jego opracowania zaleca się zaangażowanie pracowników z różnych działów i przeprowadzenie burzy mózgów. Po przeprowadzeniu dokładnej analizy problemu i ustaleniu czynników mających na niego wpływ przechodzimy do drugiego etapu.
II. Wybór procesu.
Po wyjaśnieniu czynników wpływających na proces na poprzednim etapie i narysowaniu szczegółowego szkieletu „ryby”, należy wybrać proces, który będzie przedmiotem dalszych badań. Ten krok jest bardzo ważny, ponieważ wybranie niewłaściwych wskaźników spowoduje, że cały wykres kontrolny będzie mniej skuteczny ze względu na badanie nieistotnych wskaźników. Na tym etapie warto mieć świadomość, że wybór odpowiedniego procesu i wskaźnika determinuje wynik całego badania i koszty z nim związane.
Oto kilka przykładów możliwych wskaźników:
Tabela 1. Zastosowanie kart kontrolnych w organizacjach usługowych
Źródło Evans J. Zarządzanie jakością: podręcznik. Zasiłek/J. Evans.-M.: Unity-Dana, 2007.
Jednocześnie wskaźnik powinien być dobierany w oparciu o główny cel firmy, jakim jest zaspokajanie potrzeb klientów. Po wybraniu procesu i charakteryzującego go wskaźnika można przystąpić do zbierania danych.
III. Zbieranie danych.
Celem tego etapu jest zebranie danych o procesie. W tym celu należy zaprojektować najodpowiedniejszą metodę zbierania danych, dowiedzieć się, kto i w jakim czasie będzie wykonywał pomiary. Jeżeli proces nie jest wyposażony w środki techniczne umożliwiające automatyzację wprowadzania i przetwarzania danych, można zastosować jedną z siedmiu prostych metod Ishikawy – listy kontrolne. Arkusze kontrolne są w rzeczywistości formularzami do rejestrowania badanego parametru. Ich zaletą jest prostota obsługi i łatwość szkolenia pracowników. Jeżeli w miejscu pracy znajduje się komputer, możliwe jest wprowadzanie danych poprzez odpowiednie oprogramowanie.
W zależności od specyfiki wskaźnika określa się częstotliwość, czas zbierania i wielkość próby, aby zapewnić reprezentatywność danych. Zebrane dane stanowią podstawę do dalszych operacji i obliczeń.
Po zebraniu informacji badacz musi zdecydować, czy pogrupować dane. Grupowanie często decyduje o wydajności wykresów kontrolnych. Tutaj, za pomocą przeprowadzonej już analizy z wykorzystaniem diagramu przyczynowo-skutkowego, możliwe jest ustalenie czynników, według których można najbardziej racjonalnie pogrupować dane. Należy zaznaczyć, że dane w ramach jednej grupy powinny charakteryzować się niewielką zmiennością, w przeciwnym razie dane mogą zostać błędnie zinterpretowane. Ponadto, jeśli proces jest podzielony na części za pomocą stratyfikacji, każdą część należy analizować osobno (przykład: produkcja identycznych części przez różnych pracowników).
Zmiana metody grupowania doprowadzi do zmiany czynników tworzących różnice wewnątrzgrupowe. Dlatego konieczne jest zbadanie czynników wpływających na zmianę wskaźnika, aby móc zastosować prawidłowe grupowanie.
IV. Obliczanie wartości karty kontrolnej.
Karty kontrolne Shewharta dzielą się na ilościowe i jakościowe (alternatywne) w zależności od mierzalności badanego wskaźnika. Jeżeli wartość wskaźnika jest mierzalna (temperatura, waga, rozmiar itp.), stosuje się mapy wartości wskaźnika, zasięgi i podwójne mapy Shewharta. I odwrotnie, jeżeli wskaźnik nie pozwala na zastosowanie pomiarów numerycznych, należy zastosować typy map jako alternatywny wskaźnik. Tak naprawdę badane na tej podstawie wskaźniki określa się jako spełniające lub niespełniające wymagań. Stąd zastosowanie map proporcji (liczby) wad i liczby zgodności (niezgodności) na jednostkę produkcji.
Dla dowolnego typu wykresu Shewharta zakłada się, że wyznaczana jest linia centralna i kontrolna, gdzie linia środkowa (CL-controllimit) reprezentuje w rzeczywistości średnią wartość wskaźnika, oraz granice kontrolne (UCL-uppercontrollimit; LCL-dolercontrollimit). są dopuszczalnymi wartościami tolerancji.
Wartości górnej i dolnej granicy kontrolnej wyznaczają wzory dla różnych typów map, jak widać na schemacie w Załączniku 1. Do ich obliczenia, w celu zastąpienia uciążliwych wzorów, stosuje się współczynniki ze specjalnych tabel do konstruowania kontroli stosuje się mapy, gdzie wartość współczynnika zależy od liczebności próby (załącznik nr 2). Jeśli wielkość próby jest duża, stosuje się mapy, które dostarczają najpełniejszych informacji.
Na tym etapie badacz musi obliczyć wartości CL, UCL, LCL.
V. Budowa karty kontrolnej.
Dochodzimy więc do najciekawszego procesu - graficznego odzwierciedlenia uzyskanych danych. Jeśli więc dane zostały wprowadzone do komputera, to korzystając ze środowiska programu Statistica lub Excel, można szybko wyświetlić dane w formie graficznej. Można jednak skonstruować kartę kontrolną i bez konieczności posiadania specjalnych programów wówczas wzdłuż osi OY kart kontrolnych nanosimy wartości wskaźnika jakości, a wzdłuż OX – momenty w czasie rejestracji wartości w następującej kolejności:
1. narysuj linię środkową (CL) na karcie kontrolnej
2. narysuj granice (UCL; LCL)
3. odzwierciedlić dane uzyskane w trakcie badania poprzez umieszczenie odpowiedniego znacznika w miejscu przecięcia wartości wskaźnika i czasu jego rejestracji. Zaleca się stosowanie różnego rodzaju oznaczeń dla wartości mieszczących się w granicach tolerancji i poza nimi.
4. w przypadku korzystania z kart podwójnych powtórz kroki 1-3 dla drugiej karty.
VI. Sprawdzenie stabilności i sterowności procesu.
Etap ten ma na celu pokazać nam po co przeprowadzono badania – czy proces jest stabilny. Przez stabilność (sterowalność statystyczną) rozumie się stan, w którym zapewniona jest powtarzalność parametrów. Zatem proces będzie stabilny tylko wtedy, gdy nie wystąpią następujące przypadki.
Rozważmy główne kryteria niestabilności procesu:
1. Przekroczenie granic kontrolnych
2. Seria – określona liczba punktów, które niezmiennie pojawiają się po jednej stronie linii środkowej - (góra) dół.
Seria siedmiu kropek jest uważana za nienormalną. Ponadto sytuację należy uznać za nienormalną, jeśli:
a) co najmniej 10 z 11 punktów znajduje się po jednej stronie linii środkowej;
b) co najmniej 12 z 14 punktów znajduje się po jednej stronie linii środkowej;
c) co najmniej 16 z 20 punktów znajduje się po jednej stronie linii środkowej.
3. trend – krzywa stale rosnąca lub opadająca.
4. zbliżanie się do granic kontrolnych. Jeśli 2 lub 3 punkty znajdują się bardzo blisko granic kontrolnych, oznacza to nieprawidłowy rozkład.
5. zbliżanie się do linii środkowej. Jeśli wartości skupiają się w pobliżu linii środkowej, może to oznaczać, że wybrano błędnie metodę grupowania, co powoduje, że zakres jest zbyt szeroki i prowadzi do mieszania danych z różnych rozkładów.
6. częstotliwość. Kiedy po pewnych równych okresach krzywa „spada” lub „rosnie”.
VII. Analiza kart kontrolnych.
Dalsze działania opierają się na wnioskach o stabilności lub niestabilności procesu. Jeżeli proces nie spełnia kryteriów stabilności, należy ograniczyć wpływ czynników nielosowych i zbudować kartę kontrolną poprzez zebranie nowych danych. Jeśli jednak proces spełnia kryteria stabilności, konieczna jest ocena możliwości procesu (Cp). Im mniejszy rozrzut parametrów w granicach tolerancji, tym wyższa wartość wskaźnika zdolności procesu. Wskaźnik odzwierciedla stosunek szerokości parametru do stopnia jego rozproszenia. Indeks możliwości jest obliczany jako 
, gdzie możesz obliczyć jak.
Jeśli obliczony wskaźnik jest mniejszy niż 1, badacz musi ulepszyć proces, albo wstrzymać produkcję produktu, albo zmienić wymagania dotyczące produktu. Z wartością indeksu:
Poślubić<1 возможности процесса неприемлемы,
Cр=1 proces jest na granicy wymaganych możliwości,
Proces Cр>1 spełnia kryterium możliwości.
W przypadku braku przemieszczenia względem linii środkowej Cp=Cpk, gdzie 
. Te dwa wskaźniki są zawsze używane razem w celu określenia stanu procesu, dlatego w inżynierii mechanicznej uważa się to za normę 
, co oznacza, że prawdopodobieństwo niezgodności nie przekracza 0,00006.
Teraz, po rozważeniu algorytmu konstruowania wykresów kontrolnych, spójrzmy na konkretny przykład.
Zadanie: Kontrola zawartości chromu w odlewach staliwnych. Pomiarów dokonuje się w czterech kąpielówkach. Tabela 2 przedstawia dane dla 15 podgrup. Konieczne jest zbudowanie mapy.
Rozwiązanie: Ponieważ wiemy już z góry, jaki typ mapy należy zbudować, obliczmy wartości
| numer podgrupy | X1 | X2 | X3 | X4 | R | |
| 1 | 0,74 | 0,76 | 0,62 | 0,73 | 0,713 | 0,14 |
| 2 | 0,72 | 0,74 | 0,84 | 0,69 | 0,748 | 0,15 |
| 3 | 0,87 | 0,79 | 0,70 | 0,92 | 0,820 | 0,22 |
| 4 | 0,78 | 0,66 | 0,71 | 0,74 | 0,723 | 0,12 |
| 5 | 0,81 | 0,66 | 0,82 | 0,67 | 0,740 | 0,16 |
| 6 | 0,63 | 0,71 | 0,68 | 0,82 | 0,710 | 0,19 |
| 7 | 0,63 | 0,73 | 0,64 | 0,80 | 0,700 | 0,17 |
| 8 | 0,66 | 0,68 | 0,85 | 0,91 | 0,775 | 0,25 |
| 9 | 0,63 | 0,66 | 0,62 | 0,85 | 0,690 | 0,23 |
| 10 | 0,85 | 0,61 | 0,75 | 0,77 | 0,745 | 0,24 |
| 11 | 0,73 | 0,65 | 0,74 | 0,90 | 0,755 | 0,25 |
| 12 | 0,85 | 0,77 | 0,65 | 0,69 | 0,740 | 0,20 |
| 13 | 0,67 | 0,69 | 0,83 | 0,62 | 0,703 | 0,21 |
| 14 | 0,74 | 0,73 | 0,62 | 0,88 | 0,743 | 0,26 |
| 15 | 0,81 | 0,82 | 0,69 | 0,73 | 0,763 | 0,13 |
| przeciętny: | 0,738 | 0,19 |
Następnym krokiem jest obliczenie , gdzie zgodnie z powyższym schematem , oraz 
. Teraz mając wartości linii środkowej, średnią wartość wskaźnika i średnie odchylenie, znajdziemy wartości granic kontrolnych kart.
, gdzie znajduje się w tabeli współczynników do obliczania linii wykresu kontrolnego i wynosi 0,729. Wtedy UCL=0,880, LCL=0,596.
Dla wartości dolną i górną granicę kontrolną wyznaczają wzory:
gdzie i znajdują się w tabeli współczynników do obliczania linii wykresu kontrolnego i wynoszą odpowiednio 0,000 i 2,282. Wtedy UCL=0,19*2,282=0,444 i LCL=0,19*0,000=0.
Zbudujmy wykresy kontrolne dla średnich wartości i zakresów tej próbki za pomocą Excela:
Na ile możemy zweryfikować, wykresy kontrolne nie wykazały wartości nielosowych, odstępstw od granic kontrolnych, szeregów ani trendów. Wykres wartości średnich jednak ciąży w stronę położenia centralnego, co może wskazywać zarówno na źle dobrane granice tolerancji, na nieprawidłowy rozkład, jak i na niestabilność procesu. Dla pewności obliczmy wskaźnik zdolności procesu. 
, gdzie można obliczyć jako , korzystając z tabeli współczynników, znajdujemy wartość równą ;
Ponieważ obliczony indeks<1, что свидетельствует о неприемлемости возможностей процесса, его статистической неуправляемости и не стабильности. Необходимо провести усовершенствования процесса, установить контроль над его протеканием, с целью уменьшения влияния не случайных факторов.
Studiując literaturę specjalistyczną i zagłębiając się w zarządzanie jakością, udało mi się zebrać dużą ilość ciekawych i przydatnych informacji. Na przykład szerokość stosowania zarządzania jakością wpłynęła na wszystkie obszary produkcji, od przemysłu ciężkiego i produkcji ropy naftowej po małe organizacje świadczące usługi (gastronomie, księgarnie itp.).
W ostatnich latach pod wszechobecnym wpływem myślenia nastawionego na poprawę jakości i zadowolenia klientów powstały systemy takie jak CRM – zarządzanie zorientowane na klienta; system zarządzania zasobami przedsiębiorstwa ERP; TPM to kompleksowy system konserwacji sprzętu i wielu innych systemów. Na tej podstawie możemy stwierdzić, że nastąpiło przesunięcie zainteresowań z zarządzania jakością określonego procesu na wykorzystanie systemów jakości i pakietów oprogramowania, które w ten czy inny sposób pozwalają zaspokoić potrzeby klientów w najwygodniejszy sposób. Wkład Waltera Shewharta w statystyczne zarządzanie jakością jest ogromny, a zaproponowane przez niego karty kontrolne są nadal stosowane, ale coraz częściej, łącznie z innymi metodami, ze względu na zapewnienie systematycznego podejścia i uwzględnienie wielu czynników, które nie były brane pod uwagę jeszcze w XX wiek.
Podsumowując, chciałbym stwierdzić, że głównym problemem współczesnych systemów jakości jest to, że pomimo pozornej łatwości stosowania, nie mogą one zagwarantować ich efektywnego wykorzystania w przedsiębiorstwie. Przyczyny leżą w początkach! Przecież główną zaletą stosowania „7 prostych metod” zarządzania jakością jest to, że bez penetracji filozofii jakości uzyskanie jakichkolwiek znaczących wyników jest mało prawdopodobne. Tym samym firmy, które nie są jeszcze gotowe na fundamentalne zmiany, mogłyby uchronić się przed wprowadzeniem drogich systemów i niepotrzebnych wydatków.
Zarządzanie jakością to filozofia sukcesu współczesnych firm!
1. GOST R 50779.42-99 „Metody statystyczne. Karty kontrolne Shewharta”
2. Goldratt E.M., Cox J. Cel. Proces ciągłego doskonalenia/E.M. Goldratt, J. Cox. - Wydawnictwo Potpourri - 2007.
3. Yoshio Kondo. Zarządzanie jakością w skali przedsiębiorstwa: powstawanie i etapy rozwoju./tłum. z angielskiego EP Markova, I.N. Rybakow - Niżny Nowogród: SMC „Priorytet”, 2002.
4. Prosvetov G.I. Prognozowanie i planowanie: zadania i rozwiązania: podręcznik edukacyjny./G.I. Prosveov-M.: Wydawnictwo RDL, 2005.
5. Kane M.M., Ivanov B.V., Koreshkov V.N., Skhirtladze A.G. Systemy, metody i narzędzia zarządzania jakością / M.M. Kahne, B.V. Iwanow, V.N. Koreshkov, A.G. Skhirtladze. – Petersburg: Piotr, 2009
6. Kachałow V.A. Co to jest „ciągłe doskonalenie efektywności SZJ”? // Metody zarządzania jakością - 2006. - Nr 10.
7. Klyachkin V.N. Metody statystyczne w zarządzaniu jakością: technologie komputerowe: podręcznik. Instrukcja/V.N. Klyachkin.-M.: Finanse i statystyka, 2007.
8. Kruglov M.G., Shishkov G.M. Zarządzanie jakością takie jakie jest / M.G. Krugłow, G.M. Szyszkow.-M.: Eksmo, 2006.
9. Kuzniecow L.A. Kontrola i ocena wielowymiarowej jakości//metody zarządzania jakością.-2008.-Nr 10.-P. 40-45.
10. Sazhin Yu.V., Pletneva N.P. W kwestii skuteczności SZJ w Rosji // Metody zarządzania jakością - 2008. - Nr 10. - s. 20-24.
11. Statystyczne metody poprawy jakości: monografia / przeł. z angielskiego YPAdler, Los Angeles Konarewa; edytowany przez Kume.-M.: Finanse i statystyka, 1990.
12. Feigenbaum A. Kontrola jakości produktu/A. Feigenbauma. - M.: Ekonomia, 1986.
13. Evans J. Zarządzanie jakością: podręcznik. Zasiłek/J. Evans.-M.: Unity-Dana, 2007.
Schemat kart kontrolnych Shewharta
Współczynniki do obliczania linii wykresu kontrolnego.
Kane M.M., Ivanov B.V., Koreshkov V.N., Skhirtladze A.G. Systemy, metody i narzędzia zarządzania jakością / M.M. Kahne, B.V. Iwanow, V.N. Koreshkov, A.G. Skhirtladze. – Petersburg: Piotr, 2009
Kane M.M., Ivanov B.V., Koreshkov V.N., Skhirtladze A.G. Systemy, metody i narzędzia zarządzania jakością / M.M. Kahne, B.V. Iwanow, V.N. Koreshkov, A.G. Skhirtladze. – Petersburg: Piotr, 2009.
Niedawno opublikowałem tutaj swój, gdzie dość prostym językiem, miejscami nadużywając wulgaryzmów, przy 20-minutowym śmiechu słuchaczy, mówiłem o tym, jak oddzielić wariacje systemowe od wariacji spowodowanych szczególnymi przyczynami.
Teraz chcę szczegółowo przyjrzeć się przykładowi konstrukcji wykresu kontrolnego Shewharta na podstawie rzeczywistych danych. Jako dane rzeczywiste przyjąłem informacje historyczne o zrealizowanych zadaniach osobistych. Posiadam te informacje dzięki adaptacji modelu efektywności osobistej Getting Things Davida Allena (posiadam też stary slajd na ten temat w trzech częściach: Część 1, Część 2, Część 3 + arkusz kalkulacyjny Excel z makrami do analizy zadań z Outlooka).
Opis problemu wygląda następująco. Mam rozkład średniej liczby wykonanych zadań w zależności od dnia tygodnia (poniżej wykresu) i muszę odpowiedzieć na pytanie: „Czy poniedziałki są czymś szczególnym, czy to tylko błąd systemu?”
Odpowiedzmy na to pytanie korzystając z karty kontrolnej Shewharta – głównego narzędzia statystycznego sterowania procesami.
Zatem kryterium Shewharta na obecność szczególnej przyczyny zmienności jest dość proste: jeśli jakiś punkt wykracza poza obliczone w specjalny sposób granice kontrolne, oznacza to szczególną przyczynę. Jeśli punkt leży w tych granicach, wówczas odchylenie wynika z ogólnych właściwości samego układu. Z grubsza mówiąc jest to błąd pomiaru.
Wzór na obliczenie granic kontrolnych jest następujący:
Gdzie
- średnia wartość średnich wartości dla podgrupy,
- średni zasięg,
- pewien współczynnik inżynieryjny w zależności od wielkości podgrupy.
Wszystkie wzory i współczynniki tabelaryczne można znaleźć na przykład w GOST 50779.42-99, gdzie podejście do zarządzania statystyką jest krótko i jasno opisane (szczerze mówiąc, sam nie spodziewałem się, że istnieje taki GOST. Temat zarządzania statystyką i jego miejsce w optymalizacji biznesu opisuje szerzej książka D. Wheelera).
W naszym przypadku liczbę zrealizowanych zadań grupujemy według dnia tygodnia – to będą podgrupy naszej próby. Wziąłem dane dotyczące liczby wykonanych zadań w ciągu 5 tygodni pracy, czyli wielkość podgrupy wynosi 5. Korzystając z tabeli 2 z GOST, znajdujemy wartość współczynnika inżynierskiego:
Obliczenie wartości średniej i zakresu (różnicy wartości minimalnej i maksymalnej) w poszczególnych podgrupach (w naszym przypadku według dnia tygodnia) jest zadaniem dość prostym, w moim przypadku wyniki przedstawiają się następująco:
Środkową linią wykresu kontrolnego będzie średnia ze średnich grupowych, czyli:
Obliczamy również średni zakres:
Wiemy już, że dolną granicą kontrolną liczby wykonanych zadań będzie:
Oznacza to, że te dni, w których średnio wykonuję mniej zadań, są wyjątkowe z punktu widzenia systemu.
Podobnie otrzymujemy górną granicę kontrolną:
Teraz narysujmy linię środkową (czerwona), górną granicę kontrolną (zieloną) i dolną granicę kontrolną (fioletowa):
I och, cud! Widzimy trzy wyraźnie szczególne grupy poza granicami kontrolnymi, w których istnieją wyraźnie niesystemowe przyczyny zmienności!
Nie pracuję w soboty i niedziele. Fakt. A poniedziałek okazał się naprawdę wyjątkowym dniem. A teraz możesz pomyśleć i poszukać tego, co jest naprawdę wyjątkowego w poniedziałkach.
Gdyby jednak średnia liczba zadań realizowanych w poniedziałek mieściła się w granicach kontrolnych, a nawet mocno wyróżniała się na tle innych punktów, to z punktu widzenia Shewharta i Deminga szukanie jakichkolwiek osobliwości w poniedziałki byłoby ćwiczeniem bezcelowym , gdyż o takim zachowaniu decydują wyłącznie względy ogólne . Przykładowo pod koniec ubiegłego roku zbudowałem wykres kontrolny na kolejne 5 tygodni:
I wydaje się, że istnieje pewne poczucie, że poniedziałek w jakiś sposób się wyróżnia, ale według kryterium Shewharta jest to tylko fluktuacja lub błąd w samym systemie. Według Shewharta w tym przypadku możesz badać szczególne przyczyny poniedziałków tak długo, jak chcesz - po prostu nie istnieją. Z punktu widzenia urzędu statystycznego poniedziałek nie różni się w tych danych od żadnego innego dnia roboczego (nawet niedzieli).
4. Przykłady konstrukcji kart kontrolnych Shewharta przy użyciu GOST R 50779.42–99
Wykresy kontrolne Shewharta występują w dwóch głównych typach: dla danych ilościowych i alternatywnych. Dla każdego wykresu kontrolnego występują dwie sytuacje:
a) nie określono wartości standardowych;
b) ustawione są standardowe wartości.
Wartości standardowe to wartości ustalone zgodnie z jakimś konkretnym wymaganiem lub celem.
Celem wykresów kontrolnych, dla których nie określono wartości standardowych, jest wykrycie odchyleń w wartościach cech (na przykład lub innej statystyki), które wynikają z przyczyn innych niż te, które można wyjaśnić jedynie przez przypadek. Te wykresy kontrolne opierają się w całości na danych z samych próbek i służą do wykrywania odchyleń wynikających z przyczyn nielosowych.
Celem kart kontrolnych, przy danych wartościach wzorcowych, jest ustalenie, czy obserwowane wartości różnią się itp. dla kilku podgrup (każda z liczbą obserwacji) z odpowiednich wartości standardowych (lub) itp. więcej, niż można się spodziewać po działaniu samych przyczyn losowych. Cechą szczególną map z podanymi wartościami standardowymi jest dodatkowe wymaganie związane z położeniem środka i zmiennością procesu. Ustalone wartości mogą opierać się na doświadczeniu wynikającym ze stosowania kart kontrolnych przy określonych wartościach standardowych, a także na ekonomii ustalonej po uwzględnieniu potrzeb serwisowych i kosztów produkcji lub określonej w specyfikacji produktu.
4.1 Wykresy kontrolne dla danych ilościowych
Ilościowe karty kontrolne to klasyczne karty kontrolne stosowane do kontroli procesu, w których można zmierzyć charakterystykę lub wyniki procesu i zapisać rzeczywiste wartości kontrolowanego parametru zmierzone z wymaganą dokładnością.
Wykresy kontrolne danych ilościowych pozwalają kontrolować zarówno położenie środka (poziom, średnia, środek dostrojenia) procesu, jak i jego rozproszenie (zakres, odchylenie standardowe). Dlatego też karty kontrolne dla danych ilościowych są prawie zawsze używane i analizowane parami – jeden wykres dla lokalizacji, drugi dla rozproszenia.
Najczęściej używanymi parami są i -karty oraz -karty. Wzory do obliczania położenia granic kontrolnych tych map podano w tabeli. 1. Wartości współczynników zawartych w tych wzorach i w zależności od wielkości próby podano w tabeli. 2.
Należy podkreślić, że współczynniki podane w tej tabeli uzyskano przy założeniu, że wartości ilościowe kontrolowanego parametru mają rozkład normalny lub zbliżony do normalnego.
Tabela 1
Wzory limitów kontrolnych dla wykresów Shewharta z wykorzystaniem danych ilościowych
| Statystyka | Ustawiono standardowe wartości | |||
| Centralna linia | UCL i LCL | Centralna linia | UCL i LCL | |
| Uwaga: wartości domyślne to , lub . |
||||
Tabela 2
Współczynniki do obliczania linii wykresu kontrolnego
| Liczba obserwacji w podgrupie n | Współczynniki do obliczania granic kontrolnych | Współczynniki do obliczania linii środkowej | |||||||||||||
| 2 | 2,121 | 1,880 | 2,659 | 0,000 | 3,267 | 0,000 | 2,606 | 0,000 | 3,686 | 0,000 | 3,267 | 0,7979 | 1,2533 | 1,128 | 0,8865 |
| 3 | 1,732 | 1,023 | 1,954 | 0,000 | 2,568 | 0,000 | 2,276 | 0,000 | 4,358 | 0,000 | 2,574 | 0,8886 | 1,1284 | 1,693 | 0,5907 |
| 4 | 1,500 | 0,729 | 1,628 | 0,000 | 2,266 | 0,000 | 2,088 | 0,000 | 4,696 | 0,000 | 2,282 | 0,9213 | 1,0854 | 2,059 | 0,4857 |
| 5 | 1,342 | 0,577 | 1,427 | 0,000 | 2,089 | 0,000 | 1,964 | 0,000 | 4,918 | 0,000 | 2,114 | 0,9400 | 1,0638 | 2,326 | 0,4299 |
| 6 | 1,225 | 0,483 | 1,287 | 0,030 | 1,970 | 0,029 | 1,874 | 0,000 | 5,078 | 0,000 | 2,004 | 0,9515 | 1,0510 | 2,534 | 0,3946 |
| 7 | 1,134 | 0,419 | 1,182 | 0,118 | 1,882 | 0,113 | 1,806 | 0,204 | 5,204 | 0,076 | 1,924 | 0,9594 | 1,0423 | 2,704 | 0,3698 |
| 8 | 1,061 | 0,373 | 1,099 | 0,185 | 1,815 | 0,179 | 1,751 | 0,388 | 5,306 | 0,136 | 1,864 | 0,9650 | 1,0363 | 2,847 | 0,3512 |
| 9 | 1,000 | 0,337 | 1,032 | 0,239 | 1,761 | 0,232 | 1,707 | 0,547 | 5,393 | 0,184 | 1,816 | 0,9693 | 1,0317 | 2,970 | 0,3367 |
| 10 | 0,949 | 0,308 | 0,975 | 0,284 | 1,716 | 0,276 | 1,669 | 0,687 | 5,469 | 0,223 | 1,777 | 0,9727 | 1,0281 | 3,078 | 0,3249 |
| 11 | 0,905 | 0,285 | 0,927 | 0,321 | 1,679 | 0,313 | 1,637 | 0,811 | 5,535 | 0,256 | 1,744 | 0,9754 | 1,0252 | 3,173 | 0,3152 |
| 12 | 0,866 | 0,266 | 0,886 | 0,354 | 1,646 | 0,346 | 1,610 | 0,922 | 5,594 | 0,283 | 1,717 | 0,9776 | 1,0229 | 3,258 | 0,3069 |
| 13 | 0,832 | 0,249 | 0,850 | 0,382 | 1,618 | 0,374 | 1,585 | 1,025 | 5,647 | 0,307 | 1,693 | 0,9794 | 1,0210 | 3,336 | 0,2998 |
| 14 | 0,802 | 0,235 | 0,817 | 0,406 | 1,594 | 0,399 | 1,563 | 1,118 | 5,696 | 0,328 | 1,672 | 0,9810 | 1,0194 | 3,407 | 0,2935 |
| 15 | 0,775 | 0,223 | 0,789 | 0,428 | 1,572 | 0,421 | 1,544 | 1,203 | 5,741 | 0,347 | 1,653 | 0,9823 | 1,0180 | 3,472 | 0,2880 |
| 16 | 0,750 | 0,212 | 0,763 | 0,448 | 1,552 | 0,440 | 1,526 | 1,282 | 5,782 | 0,363 | 1,637 | 0,9835 | 1,0168 | 3,532 | 0,2831 |
| 17 | 0,728 | 0,203 | 0,739 | 0,466 | 1,534 | 0,458 | 1,511 | 1,356 | 5,820 | 0,378 | 1,622 | 0,9845 | 1,0157 | 3,588 | 0,2784 |
| 18 | 0,707 | 0,194 | 0,718 | 0,482 | 1,518 | 0,475 | 1,496 | 1,424 | 5,856 | 0,391 | 1,608 | 0,9854 | 1,0148 | 3,640 | 0,2747 |
| 19 | 0,688 | 0,187 | 0,698 | 0,497 | 1,503 | 0,490 | 1,483 | 1,487 | 5,891 | 0,403 | 1,597 | 0,9862 | 1,0140 | 3,689 | 0,2711 |
| 20 | 0,671 | 0,180 | 0,680 | 0,510 | 1,490 | 0,504 | 1,470 | 1,549 | 5,921 | 0,415 | 1,585 | 0,9869 | 1,0133 | 3,735 | 0,2677 |
| 21 | 0,655 | 0,173 | 0,663 | 0,523 | 1,477 | 0,516 | 1,459 | 1,605 | 5,951 | 0,425 | 1,575 | 0,9876 | 1,0126 | 3,778 | 0,2647 |
| 22 | 0,640 | 0,167 | 0,647 | 0,534 | 1,466 | 0,528 | 1,448 | 1,659 | 5,979 | 0,434 | 1,566 | 0,9882 | 1,0119 | 3,819 | 0,2618 |
| 23 | 0,626 | 0,162 | 0,633 | 0,545 | 1,455 | 0,539 | 1,438 | 1,710 | 6,006 | 0,443 | 1,557 | 0,9887 | 1,0114 | 3,858 | 0,2592 |
| 24 | 0,612 | 0,157 | 0,619 | 0,555 | 1,445 | 0,549 | 1,429 | 1,759 | 6,031 | 0,451 | 1,548 | 0,9892 | 1,0109 | 3,895 | 0,2567 |
| 25 | 0,600 | 0,153 | 0,606 | 0,565 | 1,434 | 0,559 | 1,420 | 1,806 | 6,056 | 0,459 | 1,541 | 0,9896 | 1,0105 | 3,931 | 0,2544 |
Alternatywą dla map są medianowe wykresy kontrolne (– mapy), których budowa wymaga mniej obliczeń niż mapy. Może to ułatwić wprowadzenie ich do produkcji. Położenie linii środkowej na mapie wyznacza średnia wartość median () dla wszystkich badanych próbek. Położenie górnej i dolnej granicy kontrolnej wyznaczają zależności
(4.1)
Wartości współczynnika w zależności od liczebności próby podano w tabeli. 3.
Tabela 3
Wartości współczynników
| 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | |
| 1,88 | 1,19 | 0,80 | 0,69 | 0,55 | 0,51 | 0,43 | 0,41 | 0,36 |
Zwykle - mapa jest używana razem z - mapą, wielkością próby
W niektórych przypadkach koszt lub czas pomiaru kontrolowanego parametru jest na tyle duży, że konieczne jest sterowanie procesem w oparciu o pomiar poszczególnych wartości kontrolowanego parametru. W tym przypadku zakres poślizgu służy jako miara zmienności procesu, tj. wartość bezwzględna różnicy pomiarów monitorowanego parametru w kolejnych parach: różnica między pomiarem pierwszym i drugim, następnie drugim i trzecim itd. Na podstawie zakresów ruchomych wyliczany jest średni zasięg ruchomy, który służy do konstruowania wykresów kontrolnych poszczególnych wartości oraz zakresów ruchomych (oraz map). Wzory do obliczania położenia granic kontrolnych tych map podano w tabeli. 4.
Tabela 4
Wzory limitów kontrolnych dla poszczególnych map wartości
| Statystyka | Nie określono wartości domyślnych | Ustawiono standardowe wartości | ||
| Centralna linia | UCL i LCL | Centralna linia | UCL i LCL | |
| Indywidualne znaczenie | ||||
| Przesuwny | ||||
| Uwaga: wartości domyślne to i lub i . |
||||
Wartości współczynników i można uzyskać pośrednio z tabeli 2 przy n=2.
4.1.1 i -karty. Nie określono wartości domyślnych
W tabeli Na rysunku 6 przedstawiono wyniki pomiarów promienia zewnętrznego tulei. Dokonano czterech pomiarów co pół godziny, w sumie 20 próbek. W tabeli przedstawiono także średnie i zakresy podgrup. 5. Ustala się maksymalne dopuszczalne wartości promienia zewnętrznego: 0,219 i 0,125 dm. Celem jest określenie wydajności procesu i kontrolowanie go pod kątem dostrojenia i zmienności, tak aby spełniał określone wymagania.
Tabela 5
Dane produkcyjne dotyczące zewnętrznego promienia tulei
| Numer podgrupy | Promień | |||||
| 1 | 0,1898 | 0,1729 | 0,2067 | 0,1898 | 0,1898 | 0,038 |
| 2 | 0,2012 | 0,1913 | 0,1878 | 0,1921 | 0,1931 | 0,0134 |
| 3 | 0,2217 | 0,2192 | 0,2078 | 0,1980 | 0,2117 | 0,0237 |
| 4 | 0,1832 | 0,1812 | 0,1963 | 0,1800 | 0,1852 | 0,0163 |
| 5 | 0,1692 | 0,2263 | 0,2066 | 0,2091 | 0,2033 | 0,0571 |
| 6 | 0,1621 | 0,1832 | 0,1914 | 0,1783 | 0,1788 | 0,0293 |
| 7 | 0,2001 | 0,1937 | 0,2169 | 0,2082 | 0,2045 | 0,0242 |
| 8 | 0,2401 | 0,1825 | 0,1910 | 0,2264 | 0,2100 | 0,0576 |
| 9 | 0,1996 | 0,1980 | 0,2076 | 0,2023 | 0,2019 | 0,0096 |
| 10 | 0,1783 | 0,1715 | 0,1829 | 0,1961 | 0,1822 | 0,0246 |
| 11 | 0,2166 | 0,1748 | 0,1960 | 0,1923 | 0,1949 | 0,0418 |
| 12 | 0,1924 | 0,1984 | 0,2377 | 0,2003 | 0,2072 | 0,0453 |
| 13 | 0,1768 | 0,1986 | 0,2241 | 0,2022 | 0,2004 | 0,0473 |
| 14 | 0,1923 | 0,1876 | 0,1903 | 0,1986 | 0,1922 | 0,0110 |
| 15 | 0,1924 | 0,1996 | 0,2120 | 0,2160 | 0,2050 | 0,0236 |
| 16 | 0,1720 | 0,1940 | 0,2116 | 0,2320 | 0,2049 | 0,0600 |
| 17 | 0,1824 | 0,1790 | 0,1876 | 0,1821 | 0,1828 | 0,0086 |
| 18 | 0,1812 | 0,1585 | 0,1699 | 0,1680 | 0,1694 | 0,0227 |
| 19 | 0,1700 | 0,1567 | 0,1694 | 0,1702 | 0,1666 | 0,0135 |
| 20 | 0,1698 | 0,1664 | 0,1700 | 0,1600 | 0,1655 | 0,0100 |
gdzie jest liczba podgrup,
Pierwszy krok: skonstruowanie mapy i określenie na jej podstawie stanu procesu.
linia środkowa:
Wartości współczynników i pobierane są z tabeli. 2 dla n=4. Ponieważ wartości w tabeli. 5 mieszczą się w granicach kontrolnych, mapa wskazuje na stan kontrolowany statystycznie. Wartości można teraz użyć do obliczenia granic kontrolnych mapy.
linia środkowa: g
Wartości mnożników pobierane są z tabeli. 2 dla n=4.
i -mapy pokazano na ryc. 5. Analiza mapy pokazuje, że trzy ostatnie punkty znajdują się poza granicami. Oznacza to, że mogą mieć tu znaczenie pewne szczególne przyczyny zmienności. Jeżeli limity zostały obliczone na podstawie wcześniejszych danych, należy podjąć działania w punkcie odpowiadającym 18. podgrupie.
Ryc.5. Średnie i duże mapy
Na tym etapie procesu należy podjąć odpowiednie działania naprawcze, aby wyeliminować szczególne przyczyny i zapobiec ich ponownemu pojawieniu się. Prace z mapami są kontynuowane po ustaleniu poprawionych granic kontrolnych bez wykluczonych punktów, które wykraczały poza stare granice, tj. wartości dla próbek nr 18, 19 i 20. Wartości i linie karty kontrolnej przelicza się w następujący sposób:
skorygowana wartość 
skorygowana wartość 
Zmieniona mapa ma następujące parametry:
linia środkowa: g
poprawiona – mapa:
linia środkowa:
(ponieważ linia środkowa to: , to nie ma LCL).
W przypadku stabilnego procesu ze zmienionymi granicami kontrolnymi można ocenić możliwości. Obliczamy wskaźnik możliwości:
gdzie jest górna maksymalna dopuszczalna wartość kontrolowanego parametru; – dolna maksymalna dopuszczalna wartość kontrolowanego parametru; – oszacowana na podstawie średniej zmienności wewnątrz podgrup i wyrażona jako . Wartość stałej wzięto z tabeli 2 dla n=4.
Ryż. 6. Poprawione i -mapy
Ponieważ możliwości procesu można uznać za akceptowalne. Jednakże po bliższym zbadaniu można zauważyć, że proces nie jest skonfigurowany prawidłowo w odniesieniu do tolerancji i dlatego około 11,8% jednostek będzie wykraczać poza określoną górną wartość graniczną. Dlatego przed ustawieniem stałych parametrów kart kontrolnych należy spróbować poprawnie skonfigurować proces, utrzymując go w stanie kontrolowanym statystycznie. 
Narzędzie stosuje się, gdy obróbka odbywa się za pomocą narzędzia, którego konstrukcja i wymiary są zatwierdzone przez GOST i OST lub są dostępne w standardach branżowych. Opracowując procesy technologiczne do produkcji części, należy zastosować znormalizowane narzędzie, jako najtańsze i najprostsze. Specjalne narzędzie skrawające stosuje się w przypadkach, gdy obróbka znormalizowaną...
Taka kontrola jest bardzo kosztowna. Dlatego przechodzą od kontroli ciągłej do kontroli selektywnej, wykorzystując metody statystyczne do przetwarzania wyników. Jednakże kontrola taka jest skuteczna tylko wówczas, gdy procesy technologiczne, będąc w ustalonym stanie, charakteryzują się dokładnością i stabilnością na tyle, aby „automatycznie” gwarantować wytworzenie wyrobów wolnych od wad. Stąd pojawia się potrzeba...
I zorganizowanie procesu kontroli. Status przeglądu W ramach tego kursu zadanie techniczne przewiduje opracowanie etapów procesu kontroli odbiorczej części cylindrycznej współosiowej dwustopniowej przekładni dwuprzepływowej - koło zębate i aktywne sterowanie podczas operacji szlifowania otworów. Metody kontroli aktywnej i akceptacji uzupełniają się i są łączone. Aktywny...