Хорошо управлять бизнесом - значит, управлять его будущим; управлять его будущим - значит, управлять информацией. (Мэрион Харпер)

Карты контроля качества

Основные задачи

При организации любого производственного процесса возникает задача установки пределов характеристик изделия, в рамках которых произведенная продукция удовлетворяет своему предназначению. Вообще говоря, существует два "врага" качества продукции: (1) отклонения от плановых спецификаций и (2) слишком большой разброс реальных характеристик изделий (относительно плановых спецификаций). На ранних стадиях отладки производственного процесса для оптимизации этих двух показателей качества часто используются методы планирования эксперимента (см. Планирование эксперимента). Методы, содержащиеся в модуле "Контроль качества", предназначены для построения процедур контроля качества продукции в процессе ее производства, т.е. текущего контроля качества. За детальным описанием принципов построения контрольных карт и примерам обратитесь к работам Buffa (1972), Duncan (1974), Grant and Leavenworth (1980), Juran (1962), Juran and Gryna (1970), Montgomery (1985, 1991), Shirland (1993) или Vaughn (1974). В качестве превосходных вводных курсов, построенных на основе подхода "как - чтобы", можно указать монографии Hart and Hart (1989) и Pyzdek (1989), а также изданные на немецком языке курсы Rinne and Mittag (1995) и Mittag (1993). 

гистограммы), одна из них называется Х-картой, а другая - R-картой.

В обеих контрольных картах по горизонтальной оси откладываются номера соответствующих выборок; по вертикальной оси в случае X -карты отложены выборочные средние исследуемых характеристик, а в случае R-карты - размахи соответствующих выборок. Пусть, например, производятся контрольные измерения диаметра поршневых колец, изготавливаемых на вашем предприятии. Тогда центральная линия на X -карте будет соответствовать размеру, используемому в качестве стандарта (например, установленному диаметру кольца в миллиметрах), в то время как центральная линия R-карты будет соответствовать приемлемому (т.е. находящемуся в пределах плановой спецификации) размаху диаметра поршневого кольца в выборках; таким образом, последняя контрольная карта представляет собой карту изменчивости процесса (чем больше изменчивость, тем больше диапазон отклонения от стандарта). Кроме центральной линии, на карте обычно присутствуют две дополнительные горизонтальные прямые, обозначающие верхний и нижний контрольные пределы (ВКП и НКП соответственно). Принципы определения этих линий обсуждаются ниже. Обычно нанесенные на карты отдельные точки соответствуют выборочным значениям и соединяются прямыми линиями. Если результирующая кривая на графике выходит за верхний или нижний контрольный предел или ее конфигурация выражает определенную тенденцию поведения для следующих друг за другом выборок (см. Критерий серий), то это рассматривается как указание на существование проблем с качеством.

Элементарные понятия статистики обсуждаются свойства выборочного распределения, а также дается сводка характеристик нормального распределения. Метод установления верхнего и нижнего контрольных пределов представляет собой прямое следствие применения  описанных в этом разделе принципов.

Пример. Предположим, вы контролируете среднее значение некоторой величины - например, диаметра поршневых колец. Пусть среднее значение диаметров и дисперсия в процессе производства не меняются. Тогда выборочные средние, полученные для последовательных выборок, будут распределены нормально относительно истинного среднего. Более того, не вдаваясь в тонкости, связанные с выводом формул, можно заключить (согласно центральной предельной теореме и сделанному предположению о нормальности выборочных средних размеров колец; см, например, работу Hoyer and Ellis, 1996), что стандартное отклонение распределения выборочных средних будет равно сигме (стандартному отклонению отдельных наблюдений или измерений диаметра отдельных колец), деленному на квадратный корень из n (n - размер выборки). Следовательно, примерно 95% значений выборочных средних попадут в интервал   +1.96 *сигма/квадратный корень из n (обсуждение соответствующих свойств нормального распределения проводится в разделе Элементарные понятия статистики). На практике обычно заменяют 1.96 на 3 (при этом в интервал попадают приблизительно 99% выборочных средних) и определяют верхний и нижний контрольные пределы как плюс-минус 3 сигма соответственно. 

Общий случай. Описанный выше частный принцип установления контрольных пределов применяется во всех типах контрольных карт. После выбора контролируемой характеристики (например, стандартного отклонения) оценивается ее ожидаемая изменчивость в выборках того размера, который будет использоваться в контролируемой процедуре. Затем с помощью полученных оценок изменчивости устанавливают контрольные пределы карты.

распределения Пуассона (распределения редких событий).

U-карта. В карте данного типа строится график относительной частоты дефектов, то есть отношения числа обнаруженных дефектов к n - числу проверенных единиц продукции (здесь n обозначает, например, число футов длины трубы, объем партии изделий). В отличие от C-карты, для построения карты данного типа не требуется постоянство числа единиц проверяемых изделий, поэтому ее можно использовать при анализе партий различного объема.

Np-карта. В контрольных картах этого типа строится график для числа дефектов (в партии, в день, на станок), как и в случае С-карты. Однако, контрольные пределы этой карты рассчитываются на основе биномиального распределения, а не распределения редких событий Пуассона. Поэтому данный тип карт должен использоваться в том случае, когда обнаружение дефекта не является редким событием (например, когда обнаружение дефекта происходит более чем у 5% проверенных единиц продукции). Этой картой можно воспользоваться, например, при контроле числа единиц продукции, имеющих небольшой брак.

P-карта. В картах данного типа строится график процента обнаруженных дефектных изделий (в расчете на партию, в день, на станок и т.д.). График строится так же, как и в случае U-карты. Однако контрольные пределы для данной карты находятся на основе биномиального распределения (для долей), а не распределения редких событий. Поэтому P-карта наиболее часто используется, когда появление дефекта нельзя считать редким событием (если, например, ожидается, что дефекты будут присутствовать в более чем 5% общего числа произведенных единиц продукции).

Все перечисленные выше типы карт допускают возможность построения кратких карт для производственных серий (краткие контрольные карты) и контрольных карт для нескольких процессов (многопоточные групповые карты).

C-, U-, Np- или P-карт) оценка изменчивости процесса (доля, частота и т.д.) зависит от среднего значения процесса (средней доли, средней относительной частоты и т.д.) - так, например, стандартное отклонение доли p равно квадратному корню из p*(1-p)/n). Следовательно, для альтернативных признаков могут быть построены только стандартизованные краткие карты. К примеру, точки краткой P-карты находятся вычитанием из соответствующих выборочных значений долей p средних p для части процесса, с последующим делением результата на стандартное отклонение средних p.

X-карты для каждой из выборок с измерениями контролируемой характеристики на карту наносится две точки, в результате чего на графике образуются две линии. Верхняя из них представляет собой график наиболее высоких средних значений каждой выборки для всех нанесенных на карту потоков переменных или альтернативных признаков, а нижняя - подобный график наименьших средних значений каждой выборки. Для каждой выборки верхняя и нижняя точка представляют собой максимальное и минимальное средние всех нанесенных на карту потоков переменных или альтернативных признаков. Если эти экстремальные значения не выходят за рамки заданных контрольных пределов, очевидно, что все остальные средние также будут находиться в области, ограниченной контрольными пределами. Следовательно, с помощью групповой X-карты, можно быстро определить, не началась ли разладка процесса в одном или нескольких потоках процесса или контролируемых характеристиках, не переходя к проверке всех измерений подряд.

В групповых R-, S- или S**2-картах для переменных, как и в групповых C-, U-, Np- или P-картах  для альтернативных признаков, две точки, наносимые на карту для каждой выборки, соответствуют минимальному и максимальному размаху, стандартному отклонению и т.п. от средних переменных или альтернативных признаков, измеряемых для каждой выборки в нескольких потоках. Как и в случае групповой X-карты, сравнение этих экстремальных значений с заданными контрольными пределами   дает возможность быстро определить, не началась ли разладка потока процесса или его контролируемой характеристики.

Групповая карта для одной части процесса называется стандартной групповой картой или, обычно, просто групповой картой. Групповые карты для нескольких частей процесса называются групповыми краткими картами. Для построения групповых кратких карт используется та же процедура, что и для стандартных групповых карт; единственное их отличие от стандартных состоит в том, что точки на график наносятся только после того, как будут выполнены все преобразования данных в пределах отдельных частей процесса.

Анализ процессов.

кривых Джонсона  (Johnson, 1949), с помощью которых аппроксимируется асимметрия   и  эксцесс  большой группы негауссовских распределений (см. также раздел  Подгонка распределений  в модуле  Анализ процессов). Негауссовские X-карты рекомендуется применять в том случае, когда распределение выборочных средних обладает явной асимметрией или является негауссовским. 

Контрольная карта T**2 Хотеллинга. Когда исследуется несколько взаимосвязанных характеристик качества (заданных в виде нескольких переменных), для всех средних значений можно построить общий график, воспользовавшись для этого многомерной статистикой Хотеллинга T**2 (впервые предложена в работе Hotelling, 1947).

Контрольная карта накопленных сумм (CUSUM-карта). Контрольная карта типа CUSUM была впервые предложена в работе Page (1954). Обсуждение использующихся при ее построении математических принципов можно найти в работах Ewan (1963), Johnson (1961), а также Johnson and Leone (1962).

Если строить график накопленной суммы отклонений от плановых спецификаций для следующих друг за другом выборочных средних, то даже малые постоянные сдвиги среднего значения процесса постепенно приведут к накоплению ощутимой суммы отклонений. Поэтому данный тип контрольных карт особенно хорошо подходит для обнаружения малых постоянных сдвигов процесса, которые могут оказаться незамеченными при применении Х-карты. Например, когда из-за износа оборудования процесс медленно "выскальзывает" из-под контроля, в результате чего размеры изделий превышают плановые спецификации (или становятся ниже их), при применении контрольной карты данного типа будет получен монотонно растущий (или снижающийся) график накопленной суммы отклонений от плановых спецификаций.

Для установления контрольных пределов в CUSUM-картах в работе Barnhard (1959) было предложено использовать так называемую V-маску, которая наносится на график после построения точки для последней выборки (самой правой точки на графике). Можно считать, что V-маска представляет собой верхний и нижний контрольный пределы для накопленных сумм. Однако, вместо того, чтобы быть параллельными центральной линии, эти прямые сходятся под определенным углом вправо, образуя в результате фигуру, похожую на лежащую букву V. Если график накопленной суммы пересекает любую из линий маски, то процесс считается вышедшим из-под контроля.

Контрольная карта скользящего среднего (MA-карта). Возвращаясь к примеру с размером поршневых колец, предположим, что наибольший интерес для инженера по контролю качества представляет обнаружение малых трендов последовательных выборочных средних. Например, необходимо обнаружить износ оборудования, который приводит к медленному, но постоянному ухудшению качества (т.е. отклонению размеров изделий от требований плановой спецификации. Одним из способов отслеживания таких трендов и обнаружения незначительных постоянных сдвигов среднего значения процесса является построение описанной выше CUSUM-карты. Другой способ состоит в использовании одной из схем установления весов данных, согласно которой осуществляется суммирование нескольких средних. При движении такого взвешенного среднего вдоль выборочных точек получается контрольная карта скользящего среднего, приведення на следующем рисунке.

Контрольная карта экспоненциально взвешенного скользящего среднего (EWMA-карта). Идея построения скользящих средних для последовательных (соседних) выборочных значений может быть обобщена. В принципе, чтобы обнаружить тренд, необходимо присвоить веса следующим друг за другом выборочным значениям, получив таким образом скользящее среднее. Однако, вместо простого арифметического скользящего среднего, можно найти геометрическое скользящее среднее (соответствующая контрольная карта показана на следующем рисунке и называется картой геометрического скользящего среднего, см. работу Montgomery,1985, 1991).

В частности, можно рассчитать значения для каждой точки графика по следующей формуле:

z_t=*x-ср._t + (1-)*z_t-1

В данной формуле значение каждой точки  z_t  рассчитывается как произведение  (лямбда) и соответствующего среднего значения x-ср._t, плюс единица минус  , умноженная на рассчитанное ранее усредненное значение для предыдущей точки графика. Параметр  (лямбда) принимает значения в интервале от  0 до 1.  Не вдаваясь в подробности (см. Montgomery, 1985, стр. 239), можно отметить, что данный метод усреднения предполагает, что вес исторически "старых" выборочных средних уменьшается по геометрическому закону при присоединении новых выборочных средних. Интерпретация контрольной карты данного типа имеет много общего с интерпретацией карты скользящего среднего. EWMA-карта позволяет обнаружить малые сдвиги исследуемых средних значений и, следовательно, ухудшение качества производственного процесса.

Регрессионные контрольные карты. Иногда может понадобиться обнаружить взаимосвязь между двумя различными параметрами производственного процесса. Например, руководство почтовой организации может захотеть узнать, сколько человеко-часов тратится на обработку некоторого объема корреспонденции. Эти две анализируемые переменные должны быть приблизительно линейно связаны друг с другом. Тогда эту взаимосвязь можно описать с помощью широко известного коэффициента корреляции Пирсона r. Описание свойств этой статистки можно найти в разделе Основные статистики. На регрессионной контрольной карте строится линия регрессии, которая выражает линейную взаимосвязь между двумя рассматриваемыми переменными. На карту также наносятся точки данных для всех наблюдений. Вокруг линии регрессии строится доверительный интервал, в который должна попадать определенная доля выборки (например, 95%). Присутствие выбросов на этом графике будет свидетельствовать о том, что для некоторых выборок не соблюдается общая тенденция взаимосвязи, которая характерна для рассматриваемых переменных.

Применения. Для регрессионных контрольных карт существует множество областей применения. Так, например, профессиональные аудиторы могут с помощью карт данного типа обнаружить, у каких розничных торговцев число наличных трансакций превышает ожидаемое для данного уровня общего объема продаж или выделить те бакалейные магазины, в которых для существующего уровня продаж число погашенных купонов, дающих покупателю право на премию из ассортимента магазина при накоплении определенного числа купонов, превышает ожидаемое. В обоих случаях выбросы на регрессионных контрольных картах (т.е. слишком большое число наличных платежей, слишком большой объем погашенных купонов) могут привлечь к себе внимание и служить основанием для более тщательной проверки.

Контрольные карты Парето. На практике оказывается, что равномерное распределение нарушения качества на различных стадиях производственного процесса или на различных предприятиях, выпускающих продукт, встречается довольно редко. Скорее, причиной большинства проблем является наличие лишь нескольких "паршивых овец в стаде". Данный принцип стал широко известен под названием принципа Парето и утверждает, что потери качества столь "плохо" распределены, что малое число возможных причин его ухудшения отвечает за большинство возникающих проблем. К примеру, вполне возможно, что в основном загрязнение воздуха возникает из-за относительно небольшого числа "грязных" автомобилей. Или, в большинстве компаний основное число убытков является следствием неудачи с одним или двумя выпускаемыми продуктами. Для выявления "паршивых овец в стаде" строят контрольные карты Парето.

Они представляют собой  гистограммы, на которых показано распределение потерь от ухудшения качества (например, в долларах) по некоторым категориям. Обычно категории - причины потери качества - приводятся в нисходящем порядке значимости (по частоте возникновения, стоимости в долларах и т.д.). Очень часто карта Парето помогает определить, на что направить усилия по улучшению качества продукта.

Подготовлено по материалам https://www.statsoft.ru/

Также на сайте:
Цели и принципы производства
Принципы организационных реформ

Новое на форуме

Наши рассылки

на Subscribe.Ru (описание):

на Mail.ru(описание):

О проекте

quality.eup.ru - один из самых старых в рунете ресурсов, посвященных менеджменту качества во всем его разнообразии.

Нам более 7 лет, и все это время ресурс пополняется новыми и новыми материалами, почти ежедневно. Если вы ищете информацию о менеджменте вообще и управлении качеством в частности, скорее всего, вы найдете эту информацию здесь.

Кроме отличной и действительно большой подборки статей, действует живой форум по менеджменту качества.

Добавить в "Избранное"

Реклама на сайте