Syv enkle japanske metoder. "syv verktøy" for kvalitetsstyring

Noen produksjonsprosessen inkluderer nødvendigvis produktkvalitetskontroll, viktige mål som er å identifisere feil og sjekke prosessen. Det finnes ulike teknikker for å implementere dette, som tester, tester, sammenligninger og så videre.

Kvalitetskontroll - hva er det?

Dette begrepet refererer til å kontrollere kvalitetsindikatorer for samsvar med eksisterende krav, som er definert av forskriftsdokumenter: standarder, normer, regler og så videre. Organisering av kvalitetskontroll innebærer prosessen med å innhente informasjon om et objekt for å bestemme parametere som må være innenfor spesifiserte grenser. Den består av input, produksjon og systematisk kontroll, samt regnskap for modeller, prototyper og ferdige produkter.

Kvalitetskontrollmetoder

For å bestemme kvaliteten på produktene brukes ulike teknikker, som når de brukes, sikrer oppnåelse av ønskede kvalitetsindikatorer. Det finnes ulike typer kvalitetskontroll, for eksempel knyttet til å identifisere egenskaper programvare, stimulere arbeidet, identifisere brudd og så videre. I de fleste tilfeller brukes flere metoder i produksjonen, noe som er viktig for å oppnå et resultat av høy kvalitet.

Statistiske metoder for kvalitetskontroll

For å oppnå produkter av høy kvalitet som et resultat, brukes ofte statistiske metoder, hvis formål er å eliminere årsakene som forårsaker tilfeldige endringer i kvalitetsindikatorer. Statistisk kvalitetskontroll er delt inn i flere grupper, som har sine egne fordeler og ulemper:

• selektiv kontroll for å endre egenskaper under innleggelse;
• kvalitetskontroll basert på alternative kriterier ved opptak;
• reguleringsteknikker teknologisk prosess;
• standarder for akseptkontroll;
• uavbrutt prøvetakingsplaner.

Teknisk produktkvalitetskontroll

For å forstå om et produkt eller en prosess oppfyller eksisterende krav, utføres teknisk kontroll. Ulike typer produktkvalitetskontroll brukes på ulike stadier produksjon, for eksempel under utvikling, sjekker de om prototypen samsvarer med de tekniske spesifikasjonene eller dokumentasjonen. Teknisk kontroll inkluderer tre hovedtrinn:

1. Innsamling av primærinformasjon om objektet og dets spesifikke indikatorer.
2. Sekundærinformasjon viser mulige avvik fra de nødvendige parameterne som er spesifisert ved sammenstilling av primærinformasjon, tatt i betraktning planlagte kriterier, normer og krav.
3. Utarbeide en rapport som inkluderer konklusjonene som er nødvendige for utvikling av kontrollhandlinger på objektet som var under kontroll.

Kvalitetskontroll i laboratoriet

Denne kontrollmetoden forstås som et sett med tiltak som er rettet mot å gjennomføre kliniske studier av høy kvalitet i laboratoriet og forbedre deres egenskaper. Produktkvalitetskontroll gjøres for å vurdere om resultatet av et forsøk oppfyller eksisterende kriterier. Den brukes på alle typer forskning.

Den presenterte metodikken er rettet mot å identifisere problemer som løses først. For å gjøre dette blir prosessen overvåket, samlet inn, bearbeidet og analysert. De syv kvalitetskontrollverktøyene som er valgt er enkle å forstå og kan brukes av en rekke fagfolk. Takket være dem kan du raskt identifisere problemet og tenke på måter å fikse det på. Statistikk viser at opptil 95 % av feilene blir løst med deres hjelp. Kvalitetskontroll utføres ved hjelp av følgende syv verktøy:

1. En sjekkliste brukes til å samle inn data og organisere dem for enkel videre bruk.
2. Et histogram hjelper visuelt å vurdere fordelingen av statistiske data som har blitt distribuert i henhold til hyppigheten av å falle inn i et bestemt intervall.
3. Pareto-diagrammet representerer objektivt og identifiserer hovedfaktoren som påvirker problemet som studeres, og fordeler innsats for å utrydde det.
4. Stratifiseringsmetoden deler data inn i undergrupper basert på en spesifikk egenskap.
5. Et spredningsplot identifiserer typen og forholdet mellom variabler.
6. Ishikawa-diagrammet identifiserer de viktigste årsakene til å påvirke det endelige resultatet.
7. Et kontrolldiagram hjelper til med å spore fremdriften til en prosess og dens virkninger. Takket være dette kan det forhindres fra å avvike fra kravene som stilles.

Organisering av kvalitetskontroll ved bedriften

For å sikre at produksjonen av produkter fullt ut oppfyller kravene spesifisert i dokumentene, bruker bedriften et system med tekniske og administrative tiltak. Kvalitetskontrollsystemet ved bedriften er basert på oppfyllelse av følgende betingelser:

1. Nøye behandlet og modifisert teknisk dokumentasjon, som er viktig for produksjon av høykvalitetsprodukter.
2. Utvikling og mestring av tekniske prosesser som er viktige for produksjon av produkter som fullt ut vil være i samsvar med designdokumentasjon.
3. Kvalitetskontrollsystemet omfatter utvikling og inkludering av tilhørende dokumentasjon. Den skal inneholde data om kontrollmålinger.
4. Periodisk nøyaktighetskontroll måleinstrumenter og andre enheter som brukes i arbeid.
5. Kjøpe kvalitetsmaterialer og komponenter spesifisert i den tekniske dokumentasjonen.
6. For kvalitetskontroll er det viktig at arbeidspersonellets kvalifikasjoner oppfyller kravene til stillingen.

Kvalitetskontrollavdeling

Organisasjonen som koordinerer kvalitetskontrollarbeidet ved en virksomhet kalles kvalitetskontrollavdelingen (QCD). Strukturen og personalet til denne organisasjonen er utviklet under hensyntagen til produksjonens art og volum. Kvalitetskontrolltjenesten omfatter i de fleste tilfeller laboratorier som utfører analytisk, mikrobiologisk og farmakologisk kontroll. OKC utfører følgende funksjoner:

• utfører kontrolloperasjoner gitt av den tekniske prosessen;
• gjennomfører inngangskontroll kvaliteten på materialer som kommer utenfra;
• utarbeider dokumenter som bekrefter at ferdige produkter oppfyller kravene;
• deltar i produkttesting;
• analyserer og registrerer mangler;
• deltar i å klargjøre produkter for sertifisering;
• bidrar til utviklingen av systemet teknisk kontroll og så videre.

Kvalitetskontrollingeniør

En av nøkkelposisjonene i bedriften er en produktkvalitetskontrollingeniør, siden han riktig drift avhenger av om produktet vil bli akseptert av forbrukeren. Kvalitetskontrollspesialisten skal ha faglig teknisk el høyere utdanning i denne bransjen. Hans hovedoppgaver er: overvåke arbeidet til bedriftsavdelinger, overholdelse av sikkerhetsforskrifter, sikre samsvar med produkter/tjenester med eksisterende krav. I tillegg undersøker han kvalitetsklager mottatt utenfra.

Disse inkluderer 7 metoder:

1. Stratifisering (stratifisering) er et verktøy som lar deg velge data som gjenspeiler nødvendig informasjon om prosessen iht. ulike faktorer. Data delt inn i grupper etter deres egenskaper kalles lag (strata). Stratifisering utføres av utøvere (kvalifikasjon, erfaring, kjønn), etter materiale, etter batch, etter produksjon, etter utstyr og maskiner (nye, gamle, merke, levetid).

2. Diagrammer – gjør det mulig ikke bare å vurdere tilstanden til for øyeblikket, men også å forutsi det langsiktige resultatet basert på trender i en prosess som kan forutsies. Det er:

Brudd linje;

Kolonnegraf – representerer et forhold uttrykt ved høyden på søylen. Når du konstruerer et søylediagram, vil mengden ( numerisk verdi), og x-aksen er faktorene. Hver faktor har en tilsvarende kolonne;

Sirkulær graf – viser forholdet mellom parameteren som helhet og dens komponenter;

En stripegraf brukes til å visuelt representere forholdet mellom komponentene til en eller annen parameter og samtidig uttrykke endringen i disse komponentene over tid. For å konstruere denne grafen, tegn et rektangel, del det i like horisontale seksjoner (analysetid, måned), øverst er skalaen til den målte parameteren, nederst er skiftet;

Et Z-formet diagram brukes til å vurdere generelle trender ved registrering av faktiske data per måned (salgsvolum, produksjonsvolum, etc.). Timeplanen bygges som følger:

1) verdien av parameteren er plottet etter måned fra januar til desember (abscisse - tid, ordinat - mengde) og forbundet med rette segmenter, en graf dannet av en stiplet linje oppnås;

2) det kumulative beløpet for hver måned beregnes og den tilsvarende grafen bygges;

3) totale verdier beregnes, varierende fra måned til måned.

3. Et histogram er et verktøy som lar deg visuelt evaluere fordelingen av statistiske data, gruppert etter frekvensen av forekomst av data i gitt intervall. Et histogram er et søylediagram som viser et statistisk bilde av oppførselen til en prosess. Anvendelig:

For å demonstrere variabilitets natur;

Innhenting av visuell informasjon om fremdriften av prosessen;

Ta beslutninger om fokus på forbedringsarbeid.

Byggeordre:

1) datainnsamling;

2) bestemmelse av maks., min., verdi og område;

3) inndeling i intervaller;

4) bestemme bredden på intervallet (de mottatte dataene er fordelt over intervaller, vi teller antall verdier som faller innenfor intervallet;

5) å konstruere et histogram.

Informasjon om arten av distribusjonen kan fås:

Etter form (klokkeformet, kam, fordeling med brudd til høyre, platå, etc.);

Hvis spredningssenteret forskyves: sammen med tilfeldige like mulige faktorer, påvirker konstante faktorer spredningen av kvalitetsparametere. Årsaker: ikke tilfeldige avvik fra metodene, men inkonsekvenser som ligger i standardmetodikk, prosess, oppskrift i design og utvikling av produkter.

4. Kontrolldiagram - et verktøy for å samle inn data og automatisk organisere det for formålet videre bruk innsamlet informasjon. Brukes i form av grafer oppnådd under den teknologiske prosessen. Grafer bestemmer dynamikken i prosessen.

5. Spredningsdiagram er et verktøy som lar deg bestemme type og nærhet til forholdet mellom de to prosessparametrene som vurderes. Brukes til å identifisere årsak-virkning-forhold mellom kvalitetsindikatorer og påvirkningsfaktorer. Et spredningsdiagram er konstruert som en graf over forholdet mellom to parametere (direkte, invers, fraværende, krumlinjet).

6. Ishikawa årsak-og-virkning diagram er et verktøy som lar deg identifisere de viktigste faktorene eller årsakene som påvirker det endelige resultatet.

Byggeordre:

Målvalg;

Sette sammen en liste over faktorer som påvirker dette problemet(brainstorming metode);

Gruppering av faktorer etter forhold i grupper, undergrupper med varierende detaljeringsgrad;

Diagram konstruksjon;

Etablere betydningen av hver faktor.

7. Pareto-diagram er et verktøy som lar deg presentere og identifisere hovedfaktorene som påvirker problemet som studeres og distribuere betingelsene for løsningen. 2 typer: etter resultater og etter årsaker.

Stadier av Pareto-analyse:

Velge et mål (forskningsobjekt, klassifiseringsmetode);

Organisering av observasjoner, utvikling av sjekkliste;

Analyse av observasjoner av de viktigste faktorene, form tabeller for hver egenskap;

Diagram konstruksjon;

Konstruksjon av Pareto-kurven;

Korrigerende handlinger;

Konstruere et Pareto-diagram.

Når man studerer Pareto-diagrammet, er metoden for å analysere årsaker ABC-analyse. Pareto-kurven er delt inn i 3 deler:

Et lite antall faktorer, men som har sterk innflytelse (gruppe A -80 % av mangler eller kostnader);

Gruppe B er middels – 10-20 %

Mindre faktorer – gruppe C 5-10 %.

FORBUNDS UTDANNINGSBYRÅ

Statens utdanningsinstitusjon

høyere profesjonsutdanning

"VOLGOGRAD STATE TECHNICAL UNIVERSITY"

KAMYSHIN TECHNOLOGICAL INSTITUTE (filial)

VOGOGRAD STATE TEKNISK UNIVERSITET

SEMESTEROPPGAVE

i den akademiske disiplinen "Quality Management"

"Syv kvalitetskontrollverktøy"

Fullført:

student Prytkova E.S.

gruppe Kmen-041(v)

Sjekket:

lærer

Smelova N.Yu.

KAMISHIN 2009

Introduksjon________________________________________________ 3

1. sjekkark ____________________________________ 5

2. histogram__________________________________________ 7

3. punktdiagram ________________________________________________ 8

4. Pareto-diagram ______________________________________________________ 9

5. stratifisering (stratifisering) ____________________________ 10

6. Ishikawa årsak-og-virkning diagram____________________ 11

7. kontrollkort____________________________________________ 12

Konklusjon __________________________________________________ 14

Liste over brukt litteratur____________________ 15

Introduksjon.

I den moderne verden blir problemet med produktkvalitet ekstremt viktig. Velferden til ethvert selskap og enhver leverandør avhenger i stor grad av deres vellykkede løsning. Produkter mer høy kvalitetøker betydelig leverandørens sjanser til å konkurrere om salgsmarkeder og, viktigst av alt, bedre tilfredsstiller forbrukernes behov. Produktkvalitet er den viktigste indikatoren på konkurranseevnen til en bedrift.

Produktkvalitet kommer fra prosessen vitenskapelig forskning, design og teknologisk utvikling, sikres ved god organisering av produksjonen og til slutt støttes den under drift eller forbruk. På alle disse stadiene er det viktig å utføre rettidig kontroll og få en pålitelig vurdering av produktkvalitet.

For å redusere kostnadene og oppnå et kvalitetsnivå som tilfredsstiller forbrukeren, er det nødvendig med metoder som ikke er rettet mot å eliminere feil (inkonsekvenser) av ferdige produkter, men å forhindre årsakene til at de oppstår under produksjonsprosessen.

Statistiske metoder er uløselig knyttet til utviklingen av kvalitetsstyring, så det er ikke mulig å se bort fra de syv enkleste og vanligste kvalitetskontrollverktøyene.

For å akseptere riktig avgjørelse, det vil si at en beslutning basert på fakta må vendes til statistiske verktøy som gjør det mulig å organisere prosessen med å søke etter fakta, nemlig statistisk materiale.

Noen av de enkleste statistiske verktøyene å bruke inkluderer:

sjekkliste

histogram

punktdiagram

Pareto-diagram

stratifisering (stratifisering)

Ishikawa årsak-virkning diagram

kontrollkort.

Rekkefølgen for anvendelse av de syv metodene kan være forskjellig avhengig av målet satt for systemet. På samme måte trenger ikke systemet som brukes nødvendigvis å inkludere alle de syv metodene. Imidlertid kan vi si med full tillit at de syv kvalitetskontrollverktøyene er nødvendige og tilstrekkelige statistiske metoder, hvis bruk hjelper til med å løse 95% av alle problemer som oppstår i produksjonen.

1. Sjekkliste

En sjekkliste (eller et ark) er et verktøy for å samle inn data og automatisk organisere dem for å lette videre bruk av den innsamlede informasjonen.

Uavhengig av hvilken type statistiske verktøy som brukes for å løse problemet selskapet står overfor, er det første som må gjøres å samle inn de første dataene som dette eller det verktøyet brukes på grunnlag av. Det er kjent at antallet personer involvert i databehandling har en direkte innvirkning på påliteligheten til disse dataene. For å eliminere muligheten for feil i databehandlingen benyttes en sjekkliste.

Et kontrollark er et papirskjema hvor kontrollerte parametere er forhåndstrykt, i henhold til hvilke data kan legges inn ved hjelp av merker eller enkle symboler. Hensikten med å bruke sjekklister er å lette datainnsamlingsprosessen og automatisk organisere dataene for videre bruk. Uavhengig av antall mål en bedrift har, kan du lage en sjekkliste for hver av dem.

Ved sammenstilling av sjekklister er det nødvendig å sørge for at arket skal angi hvem som har samlet inn dataene, på hvilket stadium av prosessen og over hvilken tidsperiode, og også at formen på arket skal være enkel og forståelig uten ytterligere forklaringer. Det er også viktig at all data blir registrert samvittighetsfullt slik at den innsamlede informasjonen kan brukes til prosessanalyse.

Fig.2 Eksempel på et sjekkark

I tillegg må ethvert kontrollark ha en adressedel som angir navn, målt parameter, navn og delenummer, verksted, seksjon, maskin, skift, operatør, materiale som behandles, prosesseringsmoduser og andre data av interesse for analysemåter. forbedre produktkvaliteten eller arbeidsproduktiviteten. Fullføringsdatoen er angitt, arket er signert av personen som direkte fylte det ut, og i tilfeller der resultatene av beregningene er gitt på det, av personen som utførte disse beregningene.

2. Histogram

Et histogram (stolpediagram) viser fordelingen av data på tvers av grupper av verdier. Histogrammer hjelper deg med å sammenligne dataverdier gjennom en visuell representasjon. Histogrammer er nyttige når man skal beskrive en prosess eller et system. Det må huskes at et histogram vil være effektivt hvis dataene for konstruksjonen ble innhentet på grunnlag av en stabil operasjonsprosess. Dette statistiske verktøyet kan være et godt hjelpemiddel for å lage kontrolldiagrammer.

Fig.3 Eksempel på et histogram

3. Pareto-diagram

Et Pareto-diagram er et grafisk verktøy som lar deg identifisere de viktigste årsakene til et bestemt problem.

Pareto-diagrammet er basert på prinsippet om at 80 % av feilene er 20 % avhengige av årsakene som forårsaket dem. Dr. D.M. Juran brukte dette postulatet til å klassifisere kvalitetsproblemer i få, men essensielle og mange uviktige, og kalte denne metoden Pareto-analyse. Pareto-metoden lar deg identifisere hovedfaktorene som forårsaker et problem og prioritere deres løsning.

Ris. 4 Eksempel på et Pareto-diagram

4. Årsak og virkning diagram.

Et årsak-og-virkning-diagram hjelper til med å identifisere og visualisere årsakene til et bestemt problem eller resultat (Figur 5). Ideen med metoden er å identifisere og deretter konsekvent eliminere eller minimere virkningen av de identifiserte årsakene, noe som vil føre til forbedret kvalitet.

Ris. 5 Årsaksdiagram for eksamen

Systematisk bruk av et årsak-og-virkning-diagram lar deg:

Identifiser alle mulige årsaker som forårsaker et bestemt problem.

Skille årsaker fra symptomer.

Analyser den relative betydningen av de relevante årsakene.

5.Spredningsdiagram.

Et spredningsplott er et middel for å vise forholdet mellom to variabler (for eksempel hastighet og gass kjørelengde, eller arbeidstimer og produksjon).

Fig. 6 Eksempel på et spredningsplott: det er en direkte sammenheng mellom kvalitetsindikatorer

Dette diagrammet viser tydelig om det er en sammenheng mellom to variabler:

Positiv sammenheng - hvis X øker, så øker Y også. Negativ sammenheng - hvis X øker, så reduseres Y. Det er ingen sammenheng - en størrelse har ingen sammenheng med en annen.

Et spredningsplott kan brukes i analysefasen for å utforske elementene som er identifisert i årsak-virkningsanalysen ytterligere; for eksempel kan et spredningsplot bekrefte årsaken som er bestemt ved hjelp av et Ishikawa-diagram. Når du konstruerer et spredningsplott, må du være veldig forsiktig for å sikre at det eksisterer et gyldig forhold.

6. Stratifisering (stratifisering).

I utgangspunktet er stratifisering prosessen med å sortere data i henhold til noen kriterier eller variabler, hvis resultater ofte vises i form av diagrammer og grafer.

Stratifisering er grunnlaget for andre verktøy som Pareto-analyse eller scatterplots. Denne kombinasjonen av verktøy gjør dem kraftigere.

Figuren viser et eksempel på å analysere kilden til defekter. Alle feil (100 %) ble klassifisert i fire kategorier - etter leverandør, etter operatør, etter skift og etter utstyr. Fra analysen av de presenterte bunndataene ser man tydelig at det største bidraget til tilstedeværelsen av defekter i dette tilfellet er gitt av "leverandør 1".

Ris. 7 Eksempel på datalaging

7. Kontrollkort.

Kontrollkort - spesiell type diagrammer for å visualisere resultatene av prosessen.

For å presentere prosessresultater er det viktig å bruke det nøyaktige settet med kontrolldiagrammer som best samsvarer med de innsamlede prosessdataene.

Bruken av kontrolldiagrammer er:

Redusere prosessavvik,

Kontroll av prosessresultater,

Etablere et felles språk for å diskutere prosessberegninger

Fig.8. Generell visning kontrollkort

Kontrolldiagrammer for kvantitative egenskaper er som regel doble kart, hvorav det ene viser endringen i gjennomsnittsverdien av prosessen, og det andre - spredningen av prosessen.

Spredningen kan beregnes enten basert på prosessområdet R (forskjellen mellom den største og laveste verdi), eller basert på standardavviket til prosessen S.

For tiden er x - S-kort ofte brukt, x - R-kort brukes sjeldnere.

Kontrolldiagrammer for kvalitetsegenskaper:

Kart for prosentandelen av defekte produkter (pmap)

Pmap beregner andelen av defekte produkter i prøven. Den brukes når prøvestørrelsen er variabel.

Kort for antall defekte varer (np-kort)

np-kartet beregner antall defekte produkter i prøven. Den brukes når prøvestørrelsen er konstant.

Kart for antall feil i prøven (skarta)

Scart teller antall defekter i en prøve.

Kart for antall feil per produkt (umap)

Umap beregner antall feil per produkt i prøven

Konklusjon.

Statistiske metoder for kvalitetsstyring er en filosofi, politikk, system, metodikk og tekniske midler kvalitetsstyring basert på resultatene av målinger, analyser, testing, kontroll, driftsdata, ekspertvurderinger og all annen informasjon som lar deg ta pålitelige, informerte, bevisbaserte beslutninger.

Bruk av statistiske metoder er en svært effektiv måte å utvikle ny teknologi og kontrollere kvaliteten på produksjonsprosessene. Mange ledende firmaer er forpliktet til deres omfattende bruk, og noen bruker mer enn hundre timer årlig på intern opplæring i disse teknikkene. Selv om kunnskap om statistiske metoder er en del av den normale utdanningen til en ingeniør, betyr ikke kunnskap alene evnen til å anvende den. Evnen til å se hendelser fra et statistisk perspektiv er viktigere enn kunnskap om selve metodene. I tillegg må man ærlig kunne innrømme mangler og endringer som har oppstått og samle inn objektiv informasjon. indikatorer kvalitet. De er den viktigste komponenten integrert system kontroll Generell ledelse Kvalitet. Implementering syv verktøy kontroll kvalitet...si det syv verktøy kontroll kvalitet er nødvendige og...

Husbyggingsteknologi, kvalimetri og ledelse kvalitet

Kurser >> Konstruksjon

Analyse ved hjelp av " syv ny verktøy ledelse kvalitet". Note. Bruk om nødvendig " syv verktøy kontroll kvalitet"- (diagrammer...

Moderne kontrollkonsept kvalitet

Kurser >> Ledelse

Statistiske metoder - den såkalte " syv verktøy kontroll kvalitet". Disse syv verktøy kombinere følgende metoder: Lagdeling. ...spre. Kontrollkort. Oppført " syv verktøy kontroll kvalitet"

Ledelse kvalitet i handel

Sammendrag >> Stat og lov

Metoder - den såkalte " syv verktøy kontroll kvalitet". Disse syv verktøy kombinere følgende metoder: Lagdeling. ... Kontrolldiagrammer (X – R, p, pn, etc.). Oppført " syv verktøy kontroll kvalitet" når de løser ulike problemer kan de...

De enkle kvalitetskontrollverktøyene diskutert ovenfor (de syv verktøyene for kvalitetskontroll) er designet for å analysere kvantitative kvalitetsdata. De lar deg løse 95% av problemene med analyse og kvalitetsstyring i ganske enkle, men vitenskapelig baserte metoder. ulike områder. De bruker hovedsakelig matematisk statistikk, men er tilgjengelig for alle deltakere i produksjonsprosessen og brukes på nesten alle stadier livssyklus produkter.

Men når du lager et nytt produkt, er ikke alle fakta numeriske. Det er faktorer som bare kan være det verbal beskrivelse. Disse faktorene står for omtrent 5 % av kvalitetsproblemene. Disse problemene oppstår hovedsakelig innen styring av prosesser, systemer og team, og når du løser dem, sammen med statistiske metoder, er det nødvendig å bruke resultatene av operasjonell analyse, optimaliseringsteori, psykologi, etc.

Derfor utviklet JUSE (Union of Japanese Scientists and Engineers) i 1979, basert på disse vitenskapene, en veldig kraftig og nyttig sett verktøy for å lette oppgaven med kvalitetsstyring ved analyse av disse faktorene.

De "syv verktøyene for ledelse" inkluderer:

1) affinitetsdiagram;

2) diagram (graf) over relasjoner (avhengigheter) (interrelasjonsdiagram);

3) tre (system) diagram (beslutningstre);

4) matrisediagram eller kvalitetstabell;

5) pildiagram;

6) diagram av prosessen med programimplementering (planlegging av gjennomføringen av prosessen) (Process Decision Program Chart - PDPC);

7) prioritetsmatrise (matrisedataanalyse).

Innsamlingen av innledende data utføres vanligvis under idédugnad mellom spesialister på feltet som studeres og ikke-spesialister som er i stand til å generere produktive ideer om spørsmål som er nye for dem.

Hver deltaker kan snakke fritt om emnet som diskuteres. Hans forslag er registrert. Resultatene av diskusjonen behandles og midler for å løse problemet foreslås.

Omfanget av de syv nye kvalitetskontrollverktøyene utvides raskt. Disse metodene brukes på områder som kontorledelse og ledelse, utdanning og opplæring, etc.

Det er mest effektivt å bruke de "syv nye verktøyene" på scenen

· utvikling av nye produkter og prosjektforberedelse;

· å utvikle tiltak for å redusere mangler og reklamasjoner;

· å øke påliteligheten og sikkerheten;

· å sikre produksjon av miljøvennlige produkter;

· å forbedre standardisering mv.

La oss ta en kort titt på disse verktøyene.

1. Affinitetsdiagram (AD)- lar deg identifisere de viktigste bruddene på prosessen ved å kombinere homogene muntlige data.

§ fastsettelse av emnet for datainnsamling;

§ opprettelse av en gruppe for å samle inn data fra forbrukere;

§ registrering av mottatte data på kort (selvklebende ark) som kan flyttes fritt;

§ gruppering (systematisering) av homogene data i områder på ulike nivåer;

§ Dannelse av en felles mening blant gruppemedlemmer om datadistribusjon;

§ opprettelse av et hierarki av utvalgte områder.

2. Relasjonsdiagram (DI)- hjelper med å bestemme forholdet mellom hovedårsakene til prosessavbrudd og problemer som eksisterer i organisasjonen.

Prosedyren for å lage en DS består av følgende trinn:

· det dannes en gruppe spesialister som etablerer og grupperer data om problemet;

· de identifiserte årsakene plasseres på kort, og det etableres en forbindelse mellom dem. Når du sammenligner årsaker (hendelser), må du stille spørsmålet: "Er det en sammenheng mellom disse to hendelsene?" Hvis det er det, så spør: "Hvilken hendelse forårsaker eller forårsaker en annen hendelse?";

· tegne en pil mellom to hendelser, som viser påvirkningsretningen;

· etter å ha identifisert relasjonene mellom alle hendelser, tell antall piler som kommer fra hver hendelse og gå inn i hver hendelse.

Hendelsen med det største antallet utgående piler er den første hendelsen.

3. Trediagram (TD). Etter å ha identifisert de viktigste problemene, karakteristikkene etc. ved hjelp av et relasjonsdiagram (DI), søkes metoder for å løse disse problemene ved hjelp av DI. DD angir hvilke veier og oppgaver på ulike nivåer som må løses for å nå et gitt mål.

DD brukes:

1. når forbrukernes ønsker konverteres til organisatoriske resultatindikatorer;

2. det kreves å etablere en sekvens for å løse problemer for å nå målet;

3. sekundæroppgaver skal løses før hovedoppgaven;

4. Fakta som definerer hovedproblemet må identifiseres.

Å opprette en DD inkluderer følgende trinn:

§ det organiseres en gruppe som ut fra DS og DV bestemmer forskningsproblematikken;

§ identifisere mulige grunnårsaker til det identifiserte problemet;

§ fremheve hovedårsaken;

§ utvikle tiltak for helt eller delvis å eliminere det.

4. Matrisediagram (MD)- lar deg visualisere forholdet mellom ulike faktorer og graden av deres nærhet. Dette øker effektiviteten til løsningen ulike oppgaver, tatt i betraktning slike forhold. Faktorer analysert ved hjelp av MD kan omfatte:

§ kvalitetsproblemer og årsakene til at de oppstår;

§ problemer og måter å løse dem på;

§ forbrukeregenskaper til produkter, deres tekniske egenskaper;

§ egenskapene til produktet og dets komponenter;

§ prosesskvalitetsegenskaper og dens elementer;

§ kjennetegn ved organisasjonens ytelse;

§ elementer i kvalitetsstyringssystemet mv.

Matrisediagrammetoden, som andre nye kvalitetsverktøy, implementeres vanligvis av et team som har i oppgave å utføre en kvalitetsforbedringsoppgave. Graden av nærhet til sammenhengen mellom faktorer vurderes enten ved hjelp av ekspertvurderinger eller ved hjelp av korrelasjonsanalyse.

5.Pildiagram (AD). Etter en foreløpig analyse av problemet og måter å løse det på, utført ved hjelp av metodene DS, DV, DD, MD, utarbeides en arbeidsplan for å løse problemet, for eksempel for å lage et produkt. Planen skal inneholde alle ledd i arbeidet og informasjon om deres varighet. For å legge til rette for utvikling og kontroll av arbeidsplanen ved å øke dens synlighet, benyttes SD. Et pildiagram kan enten være i form av et Gantt-diagram eller en nettverksgraf. Nettverksgrafen, ved hjelp av piler, viser tydelig handlingssekvensen og påvirkningen av en bestemt operasjon på fremdriften til påfølgende operasjoner, derfor er nettverksgrafen mer praktisk for å overvåke fremdriften av arbeidet enn et Gantt-diagram.

6.Prosessplanleggingsdiagram - PDPC (Process Decision Program Chart) gjelder for:

§ planlegging og estimering av frister komplekse prosesser innen vitenskapelig forskning,

§ produksjon av nye produkter,

§ løse ledelsesproblemer med mange ukjente, når det er nødvendig å gi ulike alternativer vedtak, mulighet for å justere arbeidsprogrammet.

Ved å bruke PDPC-diagrammet, gjenspeil prosessen som Deming-syklusen (PDCA) gjelder for. Som et resultat av å bruke Deming-syklusen for en spesifikk prosess, om nødvendig, forbedres denne prosessen samtidig.

7.Matrisedataanalyse (prioritetsmatrise).

Denne metoden, sammen med et relasjonsdiagram (DI) og til en viss grad et matrisediagram (MD), er ment å synliggjøre faktorer som har en prioritert innvirkning på problemet som studeres. Det særegne ved denne metoden er at oppgaven løses ved multifaktoranalyse stort antall eksperimentelle data, som ofte indirekte karakteriserer sammenhengene som studeres. Analyse av relasjonene mellom disse dataene og faktorene som studeres lar oss identifisere de viktigste faktorene, for hvilke relasjoner deretter etableres med outputindikatorene for fenomenet (prosessen) som studeres.

SELVTEST SPØRSMÅL

1. Liste syv enkle kvalitetskontrollverktøy. Hva brukes de til?;

2. Hva brukes sjekklister og Pareto-diagrammer til?;

3. Hvilke faktorer som påvirker kvaliteten er presentert i Ishikawa-diagrammet?;

4. Hva bestemmes ved hjelp av et histogram, spredningsplott og stratifisering?;

5. Med hvilken hjelp enkelt verktøy bedømme kontrollerbarheten til prosessen?;

6. Hva er formålet med "Syv nye kvalitetskontrollverktøy"? List dem.

7. På hvilke stadier er det mest effektivt å bruke de "syv nye kvalitetsverktøyene"?

Syv enkle verktøy for produktkvalitetskontroll

Figur 8 presenterer syv enkle statistiske kvalitetskontrollmetoder.

Figur 8 – Syv enkle statistiske metoder

2.1.1 Sjekkliste

Uansett hvilken oppgave systemet står overfor, starter det alltid med å samle inn første kvantitative data, på grunnlag av hvilke et eller annet verktøy så brukes.

En sjekkliste er et verktøy for å samle inn data, et middel for å registrere og automatisk organisere det for å lette videre bruk av informasjon.

Sjekkliste – et papirskjema hvor kontrollerte parametere er forhåndstrykt, i henhold til hvilke data kan legges inn ved hjelp av merker eller enkle symboler, er beregnet på å registrere nye hendelser, dvs. å samle inn data for påfølgende analyse. Utvendig er kontrollarket en tabell, fylling som koker ned til ganske enkelt å legge til et vertikalt slag til den tilsvarende cellen når en bestemt hendelse inntreffer. De fire første hendelsene er markert med vertikale streker, og hver femte hendelse er markert med en horisontal linje som krysser de fire første strekene. Dermed representerer hver linje 5 hendelser.

Å fylle ut et sjekkark er det enkleste kvalitetsverktøyet - ingenting er enklere enn å sette et slag i ønsket celle. Å beregne resultatene er også ganske enkelt.

Nedenfor er et eksempel på et datainnsamlingsark der klager fra produktkjøpere om individuelle arter inkonsekvenser på forskjellige ukedager (Figur 9).

Figur 9 – Datainnsamlingsark

Et statistisk prosesskontrolldiagram, eller kontrolldiagram, er en grafisk representasjon av prøvedata som med jevne mellomrom hentes fra en prosess og plottes mot tid. I tillegg markerer kontrolldiagrammer "kontrollgrenser" som beskriver den iboende variasjonen til en steady-state prosess. Formålet med et kontrolldiagram er å hjelpe til med å vurdere prosessstabilitet ved å undersøke og plotte data mot kontrollgrenser. Enhver variabel (målte data) eller attributter (kalkulerte data) som representerer en egenskap ved et produkt eller en prosess som studeres, kan plottes på en graf.

Et eksempel er et sjekkark som brukes til å registrere defekter i deler (Figur 10).

Figur 10 – Sjekkark

Ved oppretting av sjekklister bør man passe på å angi på hvilket stadium av prosessen og over hvilken tidsperiode dataene ble samlet inn, og at arkets form er enkel og forståelig uten ytterligere forklaring.

2.1.2 Histogram

For å visuelt representere trender i kvaliteten på deler, brukes en grafisk representasjon av statistisk materiale. Den vanligste grafen som brukes når man analyserer fordelingen av en tilfeldig variabel, er et histogram.

Histogram– et verktøy som lar deg visuelt evaluere loven om distribusjon av statistiske data.

Histogrammer er en av variantene av et stolpediagram som viser avhengigheten av frekvensen av kvalitetsparametrene til et produkt eller en prosess som faller inn i et visst intervall av disse verdiene. I figur 11 er treffintervaller plottet på x-aksen, og treffrater er plottet på y-aksen.

Figur 11 – Frekvenshistogram for intervallserier av plassering

Histogrammet er konstruert som følger.

1) Skal bestemmes høyeste verdi kvalitetsindikator.

2) Den laveste verdien av kvalitetsindikatoren bestemmes.

3) Histogramområdet bestemmes som forskjellen mellom største og minste verdi.

4) Antall histogramintervaller (antall intervaller) = N (antall kvalitetsindikatorverdier) bestemmes.

5) Lengden på histogramintervallet bestemmes = (histogramområde) / (antall intervaller).

6) Histogramområdet er delt inn i intervaller.

7) Antall treff av resultater i hvert intervall telles.

8) Hyppigheten av treff i intervallet bestemmes = (antall treff) / (totalt antall kvalitetsindikatorer).

9) Et søylediagram er konstruert.

Etter hvert som antall målinger øker, reduseres bredden på søylene og polygonen blir til en sannsynlighetstetthetskurve, som er en teoretisk fordelingskurve.

For å vurdere om en prosess er tilstrekkelig til kundens krav, må vi sammenligne kvaliteten på prosessen med toleransemarginen som er satt av brukeren. Hvis det er en toleranse, vil den øvre ( S u) og lavere ( S L) dens grenser, vinkelrett på abscisseaksen (Figur 12). Da kan du se om histogrammet passer godt innenfor disse grensene.

Figur 12 – Til begrepet egnethet for prøvetaking
tre-sigma grenser

Hvis histogrammet har et symmetrisk (klokkeformet) utseende, når gjennomsnittsverdien faller i midten av dataområdet, er dette en normal (gaussisk) distribusjonslov for en tilfeldig variabel. For normalfordelingsloven blir det mulig å studere reproduserbarheten til prosessen, invariansen til prosessens hovedparametre: gjennomsnittsverdien x eller matematisk forventning M( x) og standardavvik over tid. I dette tilfellet er det mulig å bestemme utgangen av populasjonsfordelingen for gitte verdier av M( x), basert på en sammenligning av de tilsvarende tre-sigma-grensene og toleransegrensene.

Fra figur 12 kan man se at hvis vi tar tre-sigma grenser (σ - standardavvik) som toleransegrenser, så vil 99,73 % av alle data i populasjonen anses som passende og kun 0,27 % av dataene vil bli vurdert som ikke- konformitet - NC) krav til forbrukeren (brukeren), siden de er plassert utenfor det spesifiserte toleranseområdet.

2.1.3 Spredningsplott

Spredningsplott er grafer som viser sammenhengen mellom to ulike faktorer(Figur 13) .

Figur 13 – Spredningsdiagram

Et spredningsplott, også kalt et korrelasjonsfelt, er et verktøy som lar deg bestemme typen og styrken til sammenhenger mellom par med relevante variabler.

Disse to variablene kan referere til:

til kvalitetskarakteristikken og faktoren som påvirker den;

til to forskjellige kvalitetsegenskaper;

til to faktorer som påvirker én kvalitetsegenskap. For eksempel temperatur og trykk i ovnen.

Et spredningsdiagram brukes til å identifisere forholdet mellom dem.

Konstruksjonen av et spredningsdiagram utføres i følgende sekvens.

1) Sammenkoblede data samles inn ( x, y), mellom hvilke de ønsker å utforske avhengigheten, og er ordnet i en tabell. Hvis en variabel er en faktor, og den andre er en kvalitetskarakteristikk, velges en horisontal akse for faktoren x, og for kvalitetsegenskaper – den vertikale aksen y. Helst minst 25–30 datapar.

2) Finn maksimum og minimumsverdi Til x Og y.

3) Det tegnes en graf på et eget papir og dataene plottes. Hvis ulike observasjoner gir samme verdier, så er de utpekt av konsentriske sirkler.

4) Indikert av:

diagramtittel;

tidsintervall;

antall datapar;

navn og måleenheter for hver akse.

Bruken av et spredningsdiagram er bare begrenset til å identifisere typen og styrken til sammenhenger mellom par av variabler. Spredningsplottet brukes også til å identifisere årsak-virkningsforhold mellom kvalitetsindikatorer og påvirkningsfaktorer i analysen
årsak-og-virkning-diagram, som vil bli diskutert nedenfor.

Spredningsdiagrammet lar deg tydelig vise arten av endringen i kvalitetsparameteren over tid. For å gjøre dette, tegn en halveringslinje fra opprinnelsen. Hvis alle punktene ligger på halveringslinjen, betyr dette at verdien av denne parameteren ikke endret seg under eksperimentet. Derfor påvirker ikke den aktuelle faktoren (eller faktorene) kvalitetsparameteren. Hvis hoveddelen av punktene ligger under halveringslinjen, betyr dette at verdien av kvalitetsparameteren har sunket over tid. Hvis punktene ligger over halveringslinjen, har parameterverdiene økt i løpet av den aktuelle tiden.

Etter å ha tegnet stråler fra opprinnelsen til koordinater som tilsvarer en reduksjon og økning i parameteren med 10, 14, 30, 50%, er det mulig ved å telle poeng mellom de rette linjene for å finne ut frekvensen til parameterverdier i intervallene 0...10 %, 10...20 %.

Den mest utbredte bruken av spredningsdiagrammer for å bestemme typen tilkoblinger og den generelle fordelingen av par. For å gjøre dette må du først finne ut om det er noen fjerne punkter (outliers) på diagrammet som skyldes noen endringer i driftsforholdene. vi bør være oppmerksomme på årsakene til slike uregelmessigheter, siden vi ofte får informasjon om kvalitet ved å søke etter årsaken.

2.1.4 Stratifiseringsmetode (datastratifisering)

I henhold til datastratifiseringsmetoden (Figur 14) stratifiseres statistiske data, dvs. gruppere data avhengig av betingelsene for mottak og behandle hver gruppe data separat.

Data delt inn i grupper etter deres egenskaper kalles lag (strata), og prosessen med å dele inn i lag (strata) kalles lagdeling (stratifisering).

Det finnes ulike metoder delaminering, hvis bruk avhenger av spesifikke oppgaver. For eksempel datarelatert
til et produkt produsert i et verksted på en arbeidsplass kan variere til en viss grad avhengig av utøveren, utstyret som brukes, metoder for å utføre arbeidsoperasjoner, temperatur
forhold osv. Alle disse forskjellene kan være faktorer i delaminering. I produksjonsprosesser brukes ofte 5M-metoden, tar hensyn til faktorer avhengig av menneske, maskin, materiale, metode, måling.

Figur 14 – Datastratifisering

Delaminering utføres som følger:

stratifisering etter utøvere - etter kvalifikasjoner, kjønn, tjenestetid;

delaminering etter materiale - etter produksjonssted, produsent, batch, kvalitet på råvarer, etc.;

stratifisering etter maskiner og utstyr - etter nytt og gammelt utstyr, merke, design, produksjonsbedrift, etc.;

delaminering etter produksjonsmetode - etter temperatur, teknologisk metode, produksjonssted, etc.;

stratifisering etter måling - etter sted for måling, type måleinstrumenter eller deres nøyaktighet, etc.

Som følge av delaminering må følgende to betingelser være oppfylt.

1) Forskjellene mellom verdiene til en tilfeldig variabel i et lag (varians) bør være så liten som mulig sammenlignet med forskjellen i verdiene i en ikke-stratifisert startpopulasjon.

2) Forskjellen mellom lagene (forskjeller mellom gjennomsnittsverdiene til de tilfeldige variablene til lagene) bør være så stor som mulig.

Når man overvåker kvaliteten på produserte produkter, oppstår ofte oppgaven i praksis med å identifisere den påståtte kilden til forringelse av kvaliteten på produserte produkter; Slik informasjon kan oppnås ved å stratifisere dispersjonen ved bruk av dispersjonsanalyse.

2.1.5 Ishikawa-diagram

Et Ishikawa-diagram (årsak-og-virkning-diagram) lar deg formalisere og strukturere årsakene til forekomsten av en bestemt hendelse, for eksempel forekomsten av et avvik, samt etablere årsak-og-virkning-forhold.

Alle mulige årsaker er klassifisert i henhold til 5M-prinsippet:

1.Mann(menneskelig) – årsaker knyttet til den menneskelige faktoren;

2.Maskiner(Maskiner, utstyr) – årsaker knyttet til utstyret;

3.Materialer(Materialer) – årsaker knyttet til materialer;

4.Metoder(Metoder) – årsaker knyttet til arbeidsteknologi, organisering av prosesser;

5.Mål(Målinger) – årsaker knyttet til målemetoder.

Hendelsen som studeres er avbildet på høyre side av diagrammet, og symboliserer roten til trediagrammet, som er bygget til høyre for hendelsesbetegnelsen. Horisontalt, fra roten av diagrammet til venstre kant av arket, tegnes sentralaksen til diagrammet, lik en trestamme.

Den sentrale aksen til Ishikawa-diagrammet er ved siden av fem grener, som hver tilsvarer sin egen klasse av årsaker, eller sin egen M.

Videre, på hver gren separat, som på en akse, bygges ytterligere grener, som hver representerer en egen årsak i sin klasse. Hver slik gren er på sin side forsynt med skudd som forårsaker mer høyt nivå, beskriver det. Fortsetter vi på denne måten får vi et forgrenet tre som forbinder årsakene til forekomsten av en bestemt hendelse, plassert på på ulike nivåer detaljering. Dermed kan vi etablere et årsak-virkningsforhold mellom bestemte avvik fra normen (primære årsaker) og deres innvirkning på sannsynligheten for at en bestemt hendelse inntreffer.

For effektiviteten til denne metoden og påliteligheten til de oppnådde resultatene, må konstruksjonen av Ishikawa-diagrammet utføres av fagfolk.

På grunn av strukturen kalles Ishikawa-diagrammet også et "fiskebein"-diagram (Figur 15).

Figur 15 – Ishikawa-diagrammer

2.1.6 Pareto-diagram

Pareto-diagram, eller ABC-analyse, lar deg identifisere hovedårsakene som påvirker størst innflytelse på fremveksten av det
eller annen situasjon. Pareto-prinsippet sier at 20 % av årsakene produserer 80 % av virkningene. Med andre ord, av alle mulige årsaker så lite som 20 % er spesielt viktig fordi det påvirker resultater som utgjør 80 % av totalen.

Pareto-prinsippet kalles også 20-80-regelen. Dette prinsippet er oppkalt etter den italienske økonomen Vilfredo Pareto, som sent XIXårhundre trakk oppmerksomhet til det faktum at 80% av italiensk kapital er konsentrert i hendene på 20% av den italienske befolkningen. Senere ble gyldigheten av denne regelen bekreftet av observasjoner og påfølgende beregninger av resultater i ulike livssektorer. Så eliminerer 20% av totalt antall nye inkonsekvenser avleder 80 % av de totale kostnadene for å eliminere alle mulige inkonsekvenser; for leverandørbedriften genererer 20 % av totalt antall kunder 80 % av overskuddet mv. Ved å fokusere vår innflytelse på 20 % av årsakene, påvirker vi altså 80 % av konsekvensene. De neste 30 % av årsakene gir merkelig nok opphav til bare 15 % av virkningene, og til slutt påvirker de resterende 50 % bare 5 % av virkningene. Så vi kan
fordel din oppmerksomhet og innvirkning basert på betydningen og effektiviteten til resultatene.

Hvis du for eksempel tar en vilkårlig tekst og teller hvor mange ganger hver bokstav står i den, vil det med stor sannsynlighet vise seg at bokstavene som utgjør 20 % av alfabetet utgjør ca.
80 % av hele teksten.

Et eksempel på et Pareto-diagram er vist i figur 16.

Figur 16 – Pareto-diagram

2.1.7 Korrelasjonsdiagram

Et korrelasjonsdiagram (spredningsdiagram) er en grafisk fremstilling av forholdet mellom variabler som er relatert til hverandre. Dette diagrammet er utformet for å avsløre prinsippet for at den betinget avhengige variabelen endres når verdien av den uavhengige variabelen endres.

For eksempel viser figur 17 hvordan salgsvolumet av kullsyreholdige drikker endres når værforhold. Det er en sterk positiv sammenheng.

drikke, stk.

Figur 17 – Spredningsdiagram

2.1.8 Kontrollkart

Bruken av kontrolldiagrammer brukes i planlegging, utforming, definering av prosessendringer og måling av effekten av en spesifikk ekstern intervensjon eller handling (Figur 18).

I tillegg er tidsserieanalyse av kontrolldiagrammer nyttig for å sammenligne resultatene som oppnås når det gjøres forbedringer og endringer.

Figur 18 – Kontrollkort

Et kontrolldiagram er en graf med grenselinjer som viser den akseptable grensen for kvalitetsproduksjon. Det er svært nyttig for å oppdage unormale situasjoner i standard produksjonsprosesser.

Kontrollkart er en spesiell type diagram først foreslått av Shewhart i 1925. De er vist i figur 18. Kontrolldiagrammer brukes til å plotte over tid (fra venstre til høyre) det observerte resultatet eller tilstanden til en prosess i forhold til et gjennomsnittsnivå eller mellom en øvre og nedre grense.

Typer kontrollkort

Det er to typer kontrolldiagrammer: den ene er designet for å kontrollere kvalitetsparametere, hvis verdier er kvantitativ kvalitetsparameterdata (dimensjonale verdier, vekt, elektriske og mekaniske parametere, etc.), og den andre - for overvåking av kvalitetsparametere, som er diskrete tilfeldige variabler og verdier som er høy kvalitet data (bestått – mislykkes, samsvarer – ikke samsvarer, defekt – feilfritt produkt, etc.) (Figur 19).

Figur 19 – Fremgangsmåte for valg av type kontrollkort

(n– prøvestørrelse)

Kontrolldiagrammer basert på kvalitetsegenskaper

På kartet for andelen defekte produkter ( s-kart) beregnes andelen defekte produkter i utvalget. Den brukes når prøvestørrelsen er variabel.

På kartet for antall defekte produkter ( n.p.-kort) antall defekte produkter i prøven beregnes. Den brukes når prøvestørrelsen er konstant.

I kartet for antall feil i prøven ( Med-map) antall feil i prøven beregnes.

På kartet for antall feil per produkt ( u-kort) antall feil per produkt i prøven beregnes.

Kontrolldiagrammer for kvantitative egenskaper

Kontrolldiagrammer for kvantitative egenskaper er som regel doble kart, hvorav det ene viser endringen i gjennomsnittsverdien av prosessen, og det andre - spredningen av prosessen. Spredning kan beregnes basert på prosessomfang R(forskjeller mellom den største og minste verdien), kontrolldiagrammer, nemlig kontrolldiagrammer:

– aritmetiske gjennomsnitt og områder ( X – R);

– medianer og avstander (Meg – R);

– individuelle verdier ( X);

– andel av defekte produkter ( r);

– antall defekte produksjonsenheter ( рn);

– antall defekter ( c);

– antall feil per produksjonsenhet ( u).

I enhver produksjonsprosess er det alltid endringer eller variasjoner som manifesterer seg i avvik fra de nominelle verdiene til noen parametere som karakteriserer denne prosessen. Stabilitet i statistisk forstand forstås som en prosess når gjennomsnittsverdien av en observert parameter ikke avviker fra den nominelle verdien over tid, og spredningen av parameteren faller innenfor et gitt intervall. Imidlertid kan variasjoner også være forårsaket av ikke-tilfeldige årsaker. Slike årsaker inkluderer for eksempel feil maskininnstillinger, slitasje, feil utførelse av arbeidsinstrukser av operatøren på grunn av tretthet eller sykdom, datafeil mv. Hvis slike årsaker eksisterer, går produksjonsprosessen ut av statistisk kontroll.

Hovedformålet med kontrolldiagrammer er å raskt oppdage ikke-tilfeldige endringer i produksjonsprosessen for å identifisere årsaken til endringen og gjøre nødvendige justeringer av prosessen før store mengder produkter av dårlig kvalitet produseres. I tillegg lar kontrolldiagrammer deg evaluere parametere som karakteriserer kvaliteten og potensialet til prosessen.

Således, hvis prosessen er statistisk kontrollert, faller nesten alle verdiene av den observerte parameteren (P) innenfor en begrenset sone. I dette tilfellet er ingen korrigerende handlinger nødvendig. Hvis verdiene til den observerte parameteren faller utenfor den tillatte sonen, indikerer det at prosessen har blitt statistisk ukontrollerbar. Det skal bemerkes at situasjoner er mulig når verdiene til den overvåkede parameteren faller innenfor den tillatte sonen, men alle ti siste poeng falt inn i området under senterlinjen (Figur 20). I dette tilfellet ble faktoren "tilfeldighet" brutt og faktoren "regelmessighet" dukket opp, dvs. prosessen har blitt statistisk ukontrollerbar.

Figur 20 – Eksempler på utseendet til en mønsterfaktor
på kontrollkortet

Under produksjonsprosessen er produktet utsatt for den komplekse påvirkningen av de ovennevnte årsakene.

For å vurdere kvaliteten på produktet, dvs. graden av samsvar med parameterne (karakteristikker) med de nødvendige verdiene, tillatte områder med endring i disse egenskapene tildeles, mens man tar hensyn til årsakene som er oppført ovenfor, kombineres mulige avvik i to grupper: tilfeldig og systematisk.

Tilfeldige avvik bestemmes av selve produksjonsprosessen og er vanligvis ikke-fjernbare. De oppstår som et resultat av det komplekse samspillet av forskjellige årsaker, for eksempel vibrasjon, slag av lagre og påvirker som regel spredningen av kontrollerte
egenskaper.

Figur 21a viser to grafer av kvaliX for to metoder for å produsere samme produkt. Fordelingen er normal og har samme matematiske forventning for begge produksjonsmetodene m X, det vil si at verdiene til kvalitetsattributtet i begge tilfeller sammenfaller i gjennomsnitt. Begge metodene skiller seg bare i graden av spredning. Hvis det kreves at verdiene til kvalitetsattributter ligger inne gyldig område med gjennomsnitt m X i området [ en, b], så med den andre produksjonsmetoden er en høyere prosentandel av defekter mulig (i figuren er sannsynligheten for at den oppstår vist ved skyggelegging).

Systematiske avvik er forårsaket av slike årsaker som verktøyslitasje, bytte av parti av råvarer, nytt arbeidsskift. Systematiske årsaker fører til et skifte i spredningssenteret for den kontrollerte karakteristikken, som vist i
Figur 21b. Utseendet til systematiske avvik fører også til en økning i defekter, men årsakene til slike avvik kan identifiseres og elimineres.

EN– tilfeldig; b– systematisk

Figur 21 – Typer avvik

Det funksjonelle formålet med produksjonskvalitetskontroll er å vurdere samsvaret til produserte produkter med de nødvendige egenskapene ved å sammenligne egenskapene til produserte produkter med toleransene for disse egenskapene spesifisert i dokumentasjonen for produksjonen av disse produktene, og identifisere årsakene til avvik.

Det er tre typer produksjonskvalitetskontroll: inngående kontroll av materialer, råvarer og komponenter, kontroll av produksjonsprosessen og kontroll av produserte produkter.

Innkommende kontroll sikrer kvaliteten på råvarer og materialer.

Produksjonsprosesskontroll- dette er et sett med alle kontrolloperasjoner som utføres under produksjonsprosessen og som gjør det mulig, basert på informasjon om prosessens tilstand, å kontrollere den slik at kvaliteten på de produserte produktene forblir innenfor de spesifiserte toleransene.

Kontroll av ferdige produkter er en akseptkontroll, som skal sikre at andelen egnede produkter i de leverte produktene ikke er lavere enn nivået spesifisert av kunden.

Dermed sikrer produksjonskontroll kvaliteten på produserte produkter, og akseptkontroll sikrer kvaliteten på produktene som leveres til kunden.

Siden enhver kontroll krever visse kostnader, må produsenten, når han utvikler et kvalitetsstyringssystem, korrekt korrelere volumene til disse to kontrolltypene, og optimalisere funksjonen til de totale kontrollkostnadene, ta hensyn til kostnadene ved risikoen til både leverandøren og kunden.

Kvalitetskontroll kan utføres både kvantitativt og kvalitativt.

Kvantitative egenskaper

Mange egenskaper som bestemmer kvaliteten på et produkt kan måles. Slike egenskaper inkluderer for eksempel prosjektilets diameter, strekkstyrken til tråden, kjemisk sammensetning stål osv. Vanligvis er de kvantitative egenskapene til et produkt kontinuerlige tilfeldige variabler. Ofte er denne fordelingen normal eller lognormal. Noen ganger er kvantitative egenskaper diskrete tilfeldige variabler. Eksempler inkluderer antall tråder i et tøystykke eller antall defekter på overflaten av en metallskive. Hvis produksjonsprosessen er kontrollert,
da kan distribusjonen av defekte disker følge loven
Poisson.

Kvalitative egenskaper

Vanligvis er et produkt klassifisert som enten akseptabelt (bra) eller ubrukelig (defekt, defekt). For eksempel er en lighter som ikke lyser defekt. Noen ganger er defekter delt inn i større og mindre. Så ingen skru i påhengsmotor er en betydelig defekt og fører til motoravvisning, mens riper på lakken på motoren vil bli klassifisert som mindre feil.

Inspeksjon av produkter basert på kvantitative kriterier lar en også klassifisere produkter kvalitativt: "bestått eller ikke." Ved aksept inspeksjon av produkter basert på resultatene av en tilfeldig vurdering for å beskrive distribusjonen kvalitative tegn Slike typer fordelinger som binomial, geometrisk, hypergeometrisk brukes ofte.