Statistické metody pro řízení spolehlivosti hromadné výroby. Metody statistické kontroly kvality výrobků. Statistická kontrola podílu vadných výrobků

Úvod

Nejdůležitějším zdrojem růstu efektivity výroby je neustálé zlepšování technické úrovně a kvality výrobků. Pro technické systémy charakterizované pevnou funkční integrací všech prvků, proto nemají sekundární prvky, které by mohly být špatně navrženy a vyrobeny. Současná úroveň rozvoje vědeckého a technického pokroku tedy významně zpřísnila požadavky na technická úroveň a kvalita výrobků jako celku a jejich jednotlivých prvků. Systematický přístup vám umožňuje objektivně zvolit rozsah a směr řízení kvality, typy produktů, formy a způsoby výroby, které poskytují největší efekt úsilí a finančních prostředků vynaložených na zlepšení kvality produktu. Systematický přístup ke zlepšování kvality výrobků vám umožňuje položit vědecké základy průmyslové podnikysdružení, plánovací orgány.

V průmyslových odvětvích se statistické metody používají k analýze kvality produktů a procesů. Analýza kvality je analýza, jejímž prostřednictvím s využitím údajů a statistické metody definuje vztah mezi přesným a nahrazeným kvalitativní charakteristiky... Procesní analýza je analýza, která umožňuje pochopit vztah mezi kauzálními faktory a výstupy, jako je kvalita, náklady, produktivita atd. Řízení procesu zahrnuje identifikaci kauzálních faktorů, které ovlivňují hladké fungování výrobního procesu. Kvalita, náklady a produktivita jsou výsledky kontrolního procesu.

Statistické metody kontroly kvality výrobků si v průmyslu získávají stále větší uznání a distribuci. Vědecké metody statistické kontroly kvality produktů se používají v následujících průmyslových odvětvích: strojírenství, lehký průmysl a veřejné služby.

Hlavním cílem metod statistické kontroly je zajistit výrobu použitelných produktů a poskytování užitečných služeb při nejnižších nákladech.

Statistické metody kontroly kvality výrobků poskytují významné výsledky pro následující ukazatele:

· Zlepšení kvality nakupovaných surovin;

· Úspora surovin a práce;

· Zlepšení kvality vyráběných výrobků;

· Snížení nákladů na kontrolu;

· Snížení počtu vad;

· Zlepšení vztahu mezi výrobou a spotřebitelem;

· Usnadnění přechodu výroby z jednoho typu produktu na druhý.

Hlavním úkolem není jen zvýšit kvalitu výrobků, ale také zvýšit množství takových výrobků, které by byly vhodné ke spotřebě.

Dva základní pojmy v řízení kvality jsou měření kontrolovaných parametrů a jejich distribuce. Aby bylo možné posoudit kvalitu produktu, není nutné měřit takové parametry, jako je pevnost materiálu, papír, hmotnost předmětu, kvalita zbarvení atd.

Druhý koncept - rozdělení hodnot regulovaného parametru - je založen na skutečnosti, že u stejných produktů neexistují dva parametry, které by byly absolutně shodné v hodnotě; jak se měření stávají přesnějšími, jsou v měření parametrů zjištěny malé odchylky.

Variabilita „chování“ regulovaného parametru je dvou typů. První případ je, když jeho hodnoty tvoří množinu náhodných proměnných vytvořených za normálních podmínek; druhá - když se souhrn jejích náhodných proměnných vytváří za jiných podmínek, než jsou normální pod vlivem z určitých důvodů.

1. Statistická přejímací kontrola na alternativním základě

Spotřebitel zpravidla nemá schopnost kontrolovat kvalitu výrobku během jeho výroby. Musí si však být jistý, že výrobky, které od výrobce obdrží, splňují stanovené požadavky, a pokud se to nepotvrdí, má právo požadovat od výrobce náhradu manželství nebo odstranění vad.

Hlavní metodou kontroly surovin, materiálů a hotových výrobků přicházejících ke spotřebiteli je statistická přejímací kontrola kvality produktu.

Statistická přejímací kontrola kvality produktu - selektivní kontrola kvality výrobků založená na použití metod matematické statistiky ke kontrole kvality výrobků podle stanovených požadavků.

Pokud se současně velikost vzorku rovná objemu celé kontrolované populace, pak se taková kontrola nazývá kontinuální. Kontinuální ovládání je možné pouze v těch případech, kdy se kvalita produktu v procesu kontroly nezhorší, jinak selektivní kontrola, tj. kontrola určité malé části agregátu produktů se stane nucenou.

Průběžná kontrola se provádí, pokud neexistují žádné zvláštní překážky, v případě možnosti kritické závady, tj. vada, jejíž přítomnost zcela vylučuje použití výrobku k určenému účelu.

Všechny produkty lze také testovat za následujících podmínek:

· Dávka produktů nebo materiálu je malá;

· Kvalita vstupního materiálu je nízká nebo o ní není nic známo.

Kontrolou části materiálu nebo výrobků se můžete omezit, pokud:

· Porucha nezpůsobí vážnou poruchu zařízení a nepředstavuje ohrožení života;

· Produkty používají skupiny;

· Vadné výrobky najdete v pozdější fázi montáže.

V praxi statistické kontroly je obecný zlomek q neznámý a měl by být odhadnut z výsledků kontroly náhodného vzorku n položek, z nichž m je vadných.

Statistickým plánem kontroly se rozumí systém pravidel specifikujících metody pro výběr položek pro kontrolu a podmínky, za kterých by měla být dávka přijata, odmítnuta nebo nadále kontrolována.

Existují následující typy plánů pro statistickou kontrolu šarže produktů na alternativním základě:

jednostupňové plány, podle nichž, pokud mezi n náhodně vybranými produkty počet vadných produktů m nepřesáhne číslo přijetí C (mC), pak je dávka přijata; jinak je strana odmítnuta;

dvoustupňové plány, podle nichž, pokud mezi n1 náhodně vybranými položkami není počet vadných položek m1 větší než akceptační číslo C1 (m1C1), pak je dávka přijata; pokud m11, kde d1 je číslo odmítnutí, pak je dávka odmítnuta. Pokud C1 m1 d1, pak je rozhodnuto odebrat druhý vzorek velikosti n2. Poté, pokud je celkový počet produktů ve dvou vzorcích (m1 + m2) C2, pak je šarže přijata, jinak je šarže zamítnuta podle dvou vzorků;

vícestupňové plány logicky navazují na dvoustupňové. Nejprve se odebere dávka objemu n1 a stanoví se počet vadných produktů m1. Pokud m1≤C1, pak je dávka přijata. Pokud C1p m1 d1 (D1C1 + 1), pak je dávka odmítnuta. Pokud C1m1d1, pak je rozhodnuto odebrat druhý vzorek velikosti n2. Nechť je vadný m2 mezi n1 + n2. Potom, pokud m2c2, kde c2 je druhé číslo přijetí, je dávka přijata; pokud m2d2 (d2 c2 + 1), pak je strana odmítnuta. U c2 m2 d2 je rozhodnuto odebrat třetí vzorek. Další řízení se provádí podle podobného schématu, s výjimkou posledního k-tého kroku. Na k-tý krokpokud mezi kontrolovanými položkami vzorku byly vadné mk a mkck, pak je dávka přijata; pokud m k ck, pak je dávka odmítnuta. Ve vícestupňových plánech se předpokládá počet kroků k, že n1 \u003d n2 \u003d… \u003d nk;

sekvenční kontrola, při které se rozhodnutí o šarži, která má být kontrolována, provede po posouzení kvality vzorků, jejichž celkový počet nebyl stanoven předem a je stanoven v procesu, který vychází z výsledků předchozích vzorků.

Jednostupňové plány jsou z hlediska organizace řízení výroby jednodušší. Dvoustupňové, vícestupňové a sekvenční kontrolní plány zajišťují stejnou velikost vzorku s vyšší přesností učiněných rozhodnutí, ale jsou organizačně složitější.

Úkol selektivní přejímací kontroly se ve skutečnosti redukuje na statistické ověření hypotézy, že podíl vadných produktů q v dávce se rovná povolené hodnotě qo, tj. H0: q \u003d q0.

Úkol správná volba Statistický kontrolní plán zajistí, aby chyby typu I a typu II byly nepravděpodobné. Připomeňme, že chyby prvního druhu jsou spojeny s možností chybného odmítnutí dávky produktů; chyby druhého druhu jsou spojeny s možností omylem chybět vadnou dávku.

2. Standardy pro statistickou přejímku

Pro úspěšné použití statistických metod kontroly kvality výrobků je nezbytné mít příslušné pokyny a normy, které by měly být dostupné široké škále techniků a techniků. Standardy pro kontrolu statistické přejímky poskytují schopnost objektivně porovnávat úrovně kvality šarží stejného typu produktu v čase i v různých podnicích.

Pojďme se zabývat základními požadavky na standardy pro kontrolu statistické přejímky.

Nejprve by standard měl obsahovat dostatečně velký počet plánů s různými provozními charakteristikami. To je důležité, protože vám umožní zvolit kontrolní plány s ohledem na charakteristiky výroby a požadavky spotřebitelů na kvalitu produktu. Je žádoucí, aby byly v normě specifikovány různé typy plánů: jednostupňové, dvoustupňové, vícestupňové, plány postupné kontroly atd.

Hlavní prvky standardů kontroly přijatelnosti jsou:

1. Tabulky plánů odběru vzorků používaných za normálních výrobních podmínek, jakož i plány pro lepší kontrolu v podmínkách narušení a pro usnadnění kontroly při dosahování vysoké kvality.

2. Pravidla pro výběr plánů s přihlédnutím ke zvláštnostem kontroly.

3. Pravidla pro přechod z normální kontroly na vylepšenou nebo lehkou a reverzní přechod během normálního průběhu výroby.

Vaše dobrá práce ve znalostní bázi je jednoduchá. Použijte formulář níže

Studenti, postgraduální studenti, mladí vědci využívající znalostní základnu při studiu a práci vám budou velmi vděční.

Vloženo na http://www.allbest.ru/

Úvod

Spotřebitel si mohl vybrat z velkého počtu dodavatelů a diktovat jejich požadavky na kvalitu zboží, které je připraven k nákupu. A pokud se dříve spotřebitel spokojil s potvrzováním kvality samotného zboží a služeb, chce nyní mít potvrzení, že výroba zboží, za které bude platit peníze, je organizována tak, aby skutečně poskytovala deklarovanou kvalitu.

Kvalita se stala jedním z nejpopulárnějších sloganů konce dvacátého a počátku dvacátého prvního století. Standardem, který vám umožňuje potvrdit kvalitu různých aspektů práce podniku, je skupina norem ISO 9000 - řada mezinárodních standardů pro řízení kvality a zajištění kvality, které přijímá více než 90 zemí po celém světě. Při vytváření organizace a výběru jejího názvu byla zohledněna potřeba, aby zkratka názvu zněla stejně ve všech jazycích. K tomu bylo rozhodnuto použít řecké slovo isos - stejné, a proto ve všech jazycích světa Mezinárodní organizace pro standardizaci má zkrácený název ISO (ISO). Normy ISO 9000 jsou použitelné pro jakýkoli podnik bez ohledu na jejich velikost a odvětví.

V souladu s ustanoveními řady norem ISO 9000 jsou statistické metody považovány za jeden z nejúčinnějších prostředků zajišťování kvality a jsou základem pro efektivní rozpoznávání a analýzu problémů. Zavádění statistických metod by mělo být zaměřeno na zajištění kontinuity procesu zabezpečování jakosti v souladu s požadavky zákazníků. Použití těchto metod, aniž by vyžadovalo vysoké náklady, umožňuje s daným stupněm přesnosti a spolehlivosti posoudit stav studovaných jevů (objektů, procesů) v systému jakosti, předvídat a regulovat problémy ve všech fázích životního cyklu produktu a na jeho základě vypracovat optimální rozhodnutí o řízení. Využití statistických metod je velmi účinným způsobem rozvoje nová technologie a kontrola kvality výrobních procesů.

kontrola kvality statistického úřadu

ČástJá. Statistické metody v řízení jakosti.Stotistická přejímací kontrola

Statistické metody hrají důležitou roli při objektivním hodnocení kvantitativních a kvalitativních charakteristik procesu a jsou jedním z nejdůležitějších prvků systému zabezpečování jakosti produktu a celého procesu řízení kvality. Není náhodou, že zakladatel moderní teorie managementu kvality E. Deming pracoval mnoho let v Úřadu pro sčítání lidu a věnoval se přesně otázkám statistického zpracování dat. Přikládal velký význam statistickým metodám.

K získání kvalitních produktů je nutné znát skutečnou přesnost stávajícího zařízení, abychom zjistili shodu přesnosti technologický proces vzhledem k přesnosti produktu vyhodnotit stabilitu technologického procesu. Řešení problémů tohoto typu se provádí hlavně matematickým zpracováním empirických dat získaných opakovaným měřením buď skutečných rozměrů výrobků, nebo chybami zpracování nebo chybami měření.

Existují dvě kategorie chyb: systematické a náhodné. Výsledkem přímých pozorování, měření nebo registrace faktů je množství dat, která tvoří statistickou populaci a potřebují zpracování, včetně systemizace a klasifikace, výpočtu parametrů charakterizujících tuto populaci, sestavování tabulek, grafů ilustrujících postup.

Nejpopulárnějším směrem v řízení kvality je Total Quality Management (TQM).

Základní pojmy TQM lze vyjádřit v řadě následujících prací:

1. Role managementu, v činnostech managementu kvality založených na principech TQM, je managementu přidělena obrovská role. Vedení v činnostech v oblasti řízení kvality musí zaujímat vedení. Musí být upřímně oddaný systému, aby věřil v jeho hodnoty. Vedení by mělo integrovat systém řízení kvality do celkového modelu řízení projektu. Jeho vliv by neměl být prováděn ani tak ve formě organizační a administrativní dokumentace, ale ve formě konkrétních slov a činů, které jednoznačně a výslovně vyjadřují pozici vedení. Styl vedení by měl být změněn z autoritářského, administrativního na kooperativní, liberální.

2. Zaměření na zákazníky. Pozornost na zákazníky by se neměla projevovat ve sloganech, ale v praktické činnosti... A především je nutné určit okruh klientů, se kterými společnost spolupracuje, a také udělat vše pro přilákání nových klientů. Zaměstnanci, a především manažeři, musí vědět, kdo je spotřebitel, a určit potřeby svých zákazníků. Důležitou roli při zvyšování efektivity interakce s klientem hraje informační systém, který musí být samozřejmě kompatibilní informační systémy osika klienti.

3. Strategické plánování. TQM věnuje procesům velkou pozornost strategické plánování, přičemž jsou plánovány nejen tradiční ekonomické cíle, ale i ty, které jsou považovány za nehmotné a neměřitelné, jako je úroveň spokojenosti zákazníků, pozitivní obchodní image společnosti, prestiž ochranné známky a další.

4. Zapojení všech zaměstnanců. TQM má delegovat větší odpovědnost na nižší úrovně roviny řízení. Nemělo by se však zapomínat, že zaměstnanci musí být speciálně vyškoleni, aby převzali tuto novou odpovědnost.

5. Školení zaměstnanců. Při posilování a zbohatnutí funkční odpovědnosti je třeba neustále trénovat personál, a to nejen úzce profesionální. Další novou charakteristikou školení TQM je povinné hodnocení efektivity školení.

Výše uvedené principy TQM tvořily základ pro vyvinuté koncepty řízení kvality, jako je ISO 9000, mnoho národních státních modelů řízení kvality, a sloužily také jako základ pro vývoj systému managementu kvality.

Tato norma stanoví obecné požadavky na organizaci a regulační a metodickou podporu kontroly kvality statistické přijatelnosti (SQC) agregátů jakýchkoli kontrolovaných a dodávaných produktů ve formě šarží, proudů, hmot a objemů. Tento dokument se vztahuje na kontrolu kvality výrobků prováděnou dodavatelem, výrobcem, spotřebitelem a třetí stranou, a to i při závěrečné kontrole, přejímce, vstupní kontrole, certifikaci, inspekci a dohledu nad dodržováním požadavků norem, jakož i při kontrole a v případě arbitráže nebo soudního řízení ... Standard lze použít také v případech, kdy dodavatelé a spotřebitelé nejsou právnické osobynapříklad představují obchodní jednotky.

Norma považuje dodavatelské, spotřebitelské a kontrolní postupy třetích stran za jednotný systém dohodnuté plány a kontrolní režimy. Prakticky vylučuje kontroverzní rozhodnutí o výsledcích kontroly, možná kvůli statistické povaze kontrolních postupů a různým zájmům stran. Konzistenci plánů a kontrolních schémat zajišťují pravidla a postup přidělování a odsouhlasování určitých počátečních údajů nezbytných pro výběr konkrétních plánů a schémat. Systém zavádí nejširší možná práva každé ze stran na výběr plánů a kontrolních schémat, přičemž chrání ostatní strany před chybnými rozhodnutími.

Požadavky této normy by měly být zohledněny v obecných technických normách obsahujících schémata, plány a pravidla pro kontrolu statistické přejímky, v normách pro skupiny homogenních a specifických druhů výrobků, v technických specifikacích, v podnikových normách a dalších dokumentech definujících postupy kontroly statistické přejímky. Norma vychází ze skutečnosti, že v souladu se zákonem o ochraně spotřebitele jsou dodavatelé (výrobci) povinni plně a spolehlivě informovat spotřebitele a veřejnost o kvalitě vyráběných výrobků, a proto se kontrolní postupy považují za prostředky pro potvrzení nebo ověření (podle toho, kdo jsou prováděny) přesnost informací o kvalitě výrobků poskytovaných dodavatelem. Břemeno je na výrobcích (dodavatelích), aby pomocí kontroly dokázali spolehlivost hlášených informací o kvalitě. Spotřebitelé a třetí strany mají právo ověřit přesnost těchto informací, včetně přesnosti výsledků kontroly výrobce. Zároveň však musí v případech možnosti uplatnit nároky vůči výrobci (dodavateli) nebo zveřejnění výsledků jejich kontroly prokázat nesprávnost údajů výrobce (dodavatele) o kvalitě výrobku.

Vzhledem k tomu, že vzhledem ke statistické povaze kontroly jsou chybná rozhodnutí vždy možná s určitou pravděpodobností, musí každá strana provádějící kontrolu chránit ostatní strany před chybnými rozhodnutími ovlivňujícími jejich zájmy. Tato mezinárodní norma specifikuje požadavky na spolehlivost příslušných rozhodnutí přijatých na základě výsledků kontroly, což umožňuje kvantitativní implementaci výše formulovaných ustanovení.

V případě velkoobchodních dodávek (nákupů) produktů podléhá šarže nebo jiné agregáty produktů právní vztah mezi dodavateli, spotřebiteli a třetími stranami ve smyslu smluv a právních předpisů. Vadné dávky by neměly být dodávány spotřebitelům a pokud je tato podmínka porušena a spotřebitel tyto dávky zjistí, mohou být zejména vráceny dodavateli v plné výši. To vyžaduje jasné pochopení toho, které šarže jsou nestandardní.

Norma používá seskupené ukazatele kvality, jako například úrovně neshody, které jsou kvantitativními ukazateli kvality agregátů produktů.

Požadavky na tyto ukazatele se stávají kritérii kvality pro šarže a další agregáty produktů, což umožňuje budovat jasné vztahy mezi stranami v oblasti velkoobchodních dodávek (nákupů), a to i z hlediska organizace a metodiky kontroly statistické přejímky.

Na rozdíl od statistických metod pro regulaci technologických procesů, kde se rozhoduje o stavu technologického procesu na základě výsledků kontroly odběru vzorků, se při kontrole statistické přejímky na základě výsledků kontroly odběru vzorků rozhoduje o přijetí nebo odmítnutí šarže výrobků.

V tomto případě se rizikem dodavatele rozumí pravděpodobnost odmítnutí šarže produktů s přijatelnou úrovní vadnosti. Rizikem spotřebitele se rozumí pravděpodobnost přijetí šarže produktů s mírou odmítnutí vadnosti.

Hlavním úkolem statistických metod přejímací kontroly je zajistit s vysokou spolehlivostí hodnocení kvality výrobků předložených ke kontrole a jednoznačné vzájemné uznávání výsledků hodnocení kvality výrobků mezi dodavatelem a spotřebitelem, prováděných podle stejných plánů odběru vzorků.

Statistické metody přejímací kontroly lze provádět pomocí kvantitativních, kvalitativních a alternativních kritérií.

Statistická kontrola na kvantitativním základě znamená kontrolu kvality produktu, během níž se určují hodnoty kontrolovaného parametru a na základě jejich srovnání s kontrolním standardem se provádí následné rozhodnutí o kontrolované populaci nebo procesu. Charakteristickým rysem kvantitativní kontroly kvality je to, že vyžaduje menší velikost vzorku ve srovnání s jinými typy kontroly se stejnými riziky při přijímání chybných rozhodnutí a zároveň poskytuje více informací o kvalitě produktu. Proto je při vysokých nákladech na kontrolu nebo testování výrobních jednotek vhodné zvolit přesnou kontrolu podle kvantitativních kritérií.

Statistickou akceptační kontrolou na kvalitativní bázi se rozumí kontrola kvality produktu, během níž je každá testovaná jednotka produktu přiřazena ke konkrétní skupině a následné rozhodnutí o kontrolované populaci je učiněno v závislosti na poměru počtu jejích jednotek, které jsou v různé skupiny... Hlavní výhodou je, že tato metoda umožňuje nejen rozdělit výrobní jednotky na dobré a vadné, ale také je kategorizovat podle kategorií, tříd, tříd, skupin kvality atd.

Statistická přejímací kontrola na alternativním základě znamená kontrolu kvality produktů na kvalitativní bázi, během níž je každá kontrolovaná jednotka produktu klasifikována jako vhodná nebo vadná a následné rozhodnutí o kontrolované populaci nebo procesu je učiněno v závislosti na výsledcích srovnání vadných jednotek produktu nalezených ve vzorku nebo počet vad na určitý počet jednotek produktu s kontrolovaným standardem.

Akceptační číslo se týká kontrolního standardu rovného maximálnímu počtu vadných jednotek produktu ve vzorku nebo počtu vad na 100 jednotek produktu, které jsou kritériem pro přijetí šarže produktů.

Odmítnutým číslem se rozumí kontrolní standard rovný maximálnímu počtu vadných jednotek ve vzorku nebo počtu vad na 100 jednotek produktů, které jsou kritériem pro odmítnutí šarže produktů.

Tento typ řízení našel široké uplatnění v průmyslu.

Dobrý produkt je chápán jako produkt, který splňuje všechny stanovené požadavky. Vadnou jednotkou produktu (vadným výrobkem) se rozumí produktová jednotka, která má alespoň jednu vadu - jedná se o každý nesoulad výrobků se stanovenými požadavky.

V závislosti na důležitosti je přijata následující klasifikace vad: drobná, významná a kritická.

Drobnou vadou se rozumí vada, která významně neovlivňuje zamýšlené použití výrobku a jeho životnost. Závažná vada je vada, která významně ovlivňuje použití výrobku pro jeho zamýšlený účel a (nebo) jeho životnost, ale není kritická. Kritická vada je vada, u které je prakticky nemožné nebo nepřijatelné používat produkt k zamýšlenému účelu.

1.1 Místo statistických metod v managementu kačest

Úspěch každého podniku do značné míry závisí na jeho inovačním potenciálu, efektivitě a kvalitě zboží a služeb, které produkuje. Mezi necenová opatření, kterými může podnik posílit svou pozici na trhu a snížit tlak konkurence, patří - spolu s průmyslovými inovacemi, tj. schopnost přinášet na trh nové produkty nebo nové technologie a ověřovat je na trhu a zajišťování kvality. Vzhledem k tomu, že produkty nemají dostatečně vysokou úroveň kvality, nebudou se moci prosadit na trhu. Zajištění kvality výrobků je základním nástrojem pro udržení a posílení konkurenceschopnosti. Účinné zajišťování kvality navíc vede ke zvýšení efektivity výroby, protože zlepšením kvality se sníží náklady spojené s vyřazením a přepracováním, což znamená, že se sníží náklady na výrobky. Na druhé straně mohou vysoce kvalitní výrobky zlepšit image společnosti, což povede ke zvýšení poptávky po jejích výrobcích a umožní rozšíření objemu výroby, což zase povede ke snížení nákladů na jednotlivý výrobek.

Řešení problémů v zajišťování kvality podniků je založeno na zlepšení technické a organizační úrovně výrobního procesu, zavedení moderních technologií, forem organizační výroby, rozšířeného používání mezinárodních norem řady ISO 9000, které kladou důraz na procesní přístup v řízení kvality. To znamená, že všechny činnosti organizace jsou považovány za soubor vzájemně souvisejících procesů.

Řízení kvality produktu je chápáno jako neustálý, systematický a účelný proces ovlivňování faktorů a podmínek na všech úrovních, zajišťující tvorbu produktů v optimální kvalitě a jejich plné využití.

Kontrola kvality, bez ohledu na dokonalost použitých metod, zahrnuje především oddělení dobrých produktů od špatných.

Řízení kvality produktu lze dosáhnout dvěma způsoby:

Tříděním produktů;

Zlepšením technologické přesnosti.

Od starověku se kontrolní metody zpravidla omezovaly na analýzu vad pomocí průběžné kontroly výrobků na výstupu. Proto od kontinuální kontroly k selektivní kontrole pomocí statistických metod zpracování výsledků.

Zajištění kvality zahrnuje všechna opatření zaměřená na jeho dosažení.

Mezi tato opatření patří:

Plánování kvality;

Kontrola kvality;

Kontrola kvality.

Funkce řízení kvality jsou plánování, kontrola a oprava produktů nebo služeb. Řízení kvality úzce souvisí s plánováním a je založeno na výsledcích kontroly.

Statistické metody hrají důležitou roli v řízení kvality produktu. Normy řady ISO 9000 povzbuzují výrobce k používání statistických metod, protože je to způsobeno skutečností, že zahraniční zkušenosti nashromážděné po mnoho desetiletí ukázaly vysokou účinnost statistických metod při řešení problémů v této oblasti průmyslová produkce, služby a další oblasti.

Úspěch a poptávka po statistických metodách je primárně způsobena ekonomickými důvody, tj. Při použití statistických metod se snižuje úroveň sňatku a peněžní ztráty.

Statistické metody řízení kvality produktu jsou založeny na teorii pravděpodobnosti a matematické statistice. Myšlenku využití teorie pravděpodobnosti a matematické statistiky pro řízení kvality produktu poprvé vyjádřil akademik M.V. Ostrogradsky v roce 1846. Podstatou metod, které navrhl, bylo rozumné posouzení kvality výrobků této šarže na základě výsledků kontroly určitého vzorku ze šarže výrobků, aniž by se uchýlil k nepřetržité kontrole. To znamená, že účelem statistických metod řízení kvality je dospět k závěru o kvalitě výroby produktu použitím matematických a statistických metod založených na odběru vzorků.

Statistické metody kontroly kvality produktu jsou tedy selektivní metody a liší se od kontinuální kontroly vyšší produktivitou, nižšími náklady na kontrolu a často vyšší přesností kontroly.

1.2 Statistickymetody v systémech jakosti

V naší době intenzivního rozvoje různých přístupů k zajištění kvality výrobků (prací, služeb) jako nepostradatelné podmínky pro úspěšný provoz jakéhokoli podniku je věnována velká pozornost použití statistických metod. Relevance a potřeba jejich použití je zřejmá, zejména pokud je specifičnost produktů taková, že její ukazatele kvality v plně lze vyhodnotit po odeslání spotřebiteli nebo použití k zamýšlenému účelu (monolitický pěnový beton, portlandský cement, malty atd.). Není náhodou, že statistické metody jsou považovány za nedílnou součást „japonského zázraku“. Navzdory výdobytkům vědy a aplikovaných aktivit v naší zemi zaměřených na řešení problémů v oblasti kvality však v mnoha otázkách stále zaostáváme za zahraničím, kde jsou již dlouhou dobu úspěšně aplikovány systémové a procesní přístupy, které tvoří základ mezinárodních standardů systémů. řada ISO 9000 kvality a moderní statistické metody řízení kvality výrobků a regulace technologických procesů.

Velká pozornost je věnována analýze obtíží se zvládnutím statistických metod v domácích podnicích, jakož i vývoji a implementaci systémů řízení kvality (QMS), i když ve skutečnosti jde o jeden jediný problém. V řadě ISO 9000: 2000 a jejich ruských protějšcích zohledňuje jeden z 8 principů řízení kvality „rozhodování založené na spolehlivých a objektivních informacích“. Implementace tohoto principu vyžaduje nezbytná měření, sběr a registraci počátečních dat, po nichž následuje jejich zpracování a analýza. Norma GOST R ISO 9001-2001 zejména vyžaduje, aby organizace používala statistické metody pro analýzu dat, včetně kontroly vlastností produktu, a GOST R ISO 9004-2001 doporučuje, aby organizace analyzovala data z různých zdrojů pomocí vhodných statistických metod a zajištěno rozhodování na základě faktů.

Zdá se nám, že je lepší zahájit přímou praktickou implementaci systémů řízení kvality v domácích podnicích pomocí statistických metod. Jejich účinnost v řízení kvality je obecně uznávána a na první pohled se může dokonce zdát, že k zajištění stabilní úrovně kvality (obvykle je toto ustanovení interpretováno jako jedna ze základních potřeb spotřebitelů), stačí tyto metody aplikovat a obejít tak pracný a nákladný proces vývoje a implementace QMS podle příslušných standardy. Statistické metody však nemohou nahradit neustále se rozvíjející a zlepšující se systém zaručeného zajištění kvality vyráběných výrobků, který zohledňuje také zájmy zúčastněných stran fungujících v podniku. Dělají QMS prostornějším, jasně ilustrují procesní přístup, který běžným výrobním pracovníkům často není zcela jasný, a pomáhají lépe pochopit fungování QMS na jejich vlastním příkladu.

K dnešnímu dni vývojáři nemají shodu ohledně nezbytného a dostatečného počtu prvků QMS. Touha po podrobném popisu procesů systému často vede k přítomnosti velkého počtu prvků a nadměrné „dokumentaci“ QMS. Není divu, že je pravděpodobnější, že takový přístup „odradí“ svou složitostí a úrovní nákladů na implementaci malých a středních podniků, které se nyní intenzivně rozvíjejí a dostávají odpovídající vládní podporu z rozvoje QMS. Proto každý konkrétní podnik musí určit svůj minimální požadovaný seznam prvků (alespoň pro počáteční fáze fungování QMS), mezi nimiž určitě musí být prvek popisující postupy pro výběr a použití vhodných statistických metod pro kontrolu kvality výrobků a regulaci technologického procesu jejich výroby. Navíc v současné době existuje obrovský výběr vyvinutých statistických metod pro širokou škálu aplikací, včetně těch implementovaných v softwarových statistických systémech.

1.3 alternativně

Spotřebitel zpravidla nemá schopnost kontrolovat kvalitu výrobku během jeho výroby. Musí si však být jistý, že výrobky, které obdrží od výrobce, splňují stanovené požadavky, a pokud se to nepotvrdí, má právo požadovat od výrobce nahrazení manželství nebo odstranění vad. Hlavní metodou kontroly surovin, materiálů a hotových výrobků přicházejících ke spotřebiteli je statistická přejímací kontrola kvality produktu.

Statistická přejímací kontrola jakosti produktu je selektivní kontrola jakosti produktu založená na použití metod matematické statistiky ke kontrole kvality produktů podle stanovených požadavků. Pokud se současně velikost vzorku rovná objemu celé kontrolované populace, pak se taková kontrola nazývá kontinuální. Úplná kontrola je možná pouze v případech, kdy se kvalita produktu v procesu kontroly nezhorší, jinak náhodná kontrola, tj. kontrola určité malé části agregátu produktů se stane nucenou.

Kontinuální kontrola se provádí, pokud neexistují žádné speciální překážky, pokud existuje možnost kritické poruchy, tj. vada, jejíž přítomnost zcela vylučuje použití výrobku k určenému účelu.

Všechny produkty lze také testovat za následujících podmínek:

šarže výrobků nebo materiálu je malá;

kvalita vstupního materiálu je špatná nebo o ní není nic známo.

Kontrolou části materiálu nebo výrobků se můžete omezit, pokud:

závada nezpůsobí vážnou poruchu zařízení a nepředstavuje ohrožení života;

produkty používají skupiny;

vadné předměty najdete později v sestavě.

Statistická přejímací kontrola je zaměřena na kontrolu hotových výrobků a zajišťuje, aby bylo rozhodnuto o možnosti přijmout takové výrobky jako dobré nebo o nutnosti je odmítnout a odeslat k revizi.

Kromě statistických úprav technologických procesů lze provádět statistickou kontrolu přejímky produktů podle alternativních a kvantitativních kritérií.

Statistická přejímací kontrola na alternativním základě se vyznačuje hlavním rysem, že zde se rozhodování o přijetí nebo odmítnutí produktů provádí okamžitě v procesu kontroly na základě výsledků separace řízené jednotky do dvou skupin: dobré a špatné. Oddělení těchto jednotek odrůdami, třídami, kategoriemi ani kvantitativní měření jejich hlavních kvalitativních charakteristik s touto metodou kontroly se neprovádí.

Kontrola statistické přijatelnosti na alternativním základě vyžaduje ve srovnání s kontrolou na kvantitativním základě větší velikost vzorku se stejnými riziky přijímání chybných rozhodnutí a je méně informativní. Současně se tento způsob řízení přijatelnosti velmi rozšířil, což je spojeno s jeho následujícími hlavními pozitivními vlastnostmi:

1) docela jednoduché, nevyžaduje vysoce kvalifikované odborníky, složité měřicí přístroje a dlouhou dobu;

2) nevyžaduje velký počet záznamů a výpočtů k rozhodnutí o přijetí šarží produktů;

3) umožňuje okamžitě rozdělit jednotky produktů ve vzorku na vhodné a vadné.

Statistická kontrola alternativního atributu je založena na metodách vzorkování. V tomto ohledu je při jeho použití nutné vzít v úvahu následující dvě podmínky.

1. Selektivní kontrola nemůže zaručit, že všechny výrobky přijaté šarže splňují stanovené požadavky, pokud jde o jejich vlastnosti. Pokud existuje potřeba úplného souladu, měla by být provedena úplná kontrola položek.

2. Aby bylo možné na základě výsledků analýzy vzorku učinit informovaný závěr o parametrech celé šarže, měl by takový vzorek zahrnovat reprezentativní počet jednotek běžné populace a měl by být vybrán náhodně.

1.4 Statistický počitadlo přijetíole podle množství

Bylo zjištěno, že statistická přejímací kontrola pro stejnou velikost vzorku poskytuje více informací než přejímací kontrola na alternativním základě. Z toho vyplývá, že výsledky kontroly statistické přejímky obsahují, s menší velikostí vzorku, stejné informace s kontrolou statistické přijatelnosti na alternativním základě. To však neznamená, že statistická přejímací kontrola na kvantitativním základě je vždy lepší než statistická přejímací kontrola na alternativním základě. Má následující nevýhody:

přítomnost dalších omezení, která zužují oblast působnosti;

monitorování často vyžaduje sofistikovanější vybavení.

Pokud se provádí destruktivní kontrola, jsou plány kontroly na kvantitativní bázi ekonomičtější než plány kontroly na alternativním ukazateli.

Statistická přejímací kontrola na kvantitativní bázi je uvedena v GOST 20736-75. Norma zohledňuje požadavky mezinárodní normy ISO 3951. Tuto normu lze použít k řízení všech typů kusových výrobků přicházejících ke kontrole ve formě jednotlivých šarží za normálního zákona distribuce jednoho nebo dvou kontrolovaných parametrů.

Kvantitativní řízení spočívá ve skutečnosti, že se pro jednotky výroby měří číselná hodnota kontrolovaného parametru, poté se vypočítá aritmetická střední hodnota vzorku X a odhaduje se její odchylka r od hodnoty horní Tv nebo dolní Tn mezních hodnot tolerance.

Pro výběr plánu odběru vzorků je nutné stanovit následující ukazatele:

Objem šarže produktů,

Úroveň ovládání,

Úroveň přijetí kontroly AQL,

Typ ovládání,

Směrodatná odchylka nebo metoda jejího odhadu,

Způsob ovládání.

ČástII... Obsah chromu v ocelových odlitcích je řízen. Měření se provádějí ve čtyřech plaveckých kufrech. V souladu s údaji uvedenými v tabulce sestavte ovládání x-R Shewhartova mapa

Tabulka 1. Kontrolní seznam s údaji o obsahu chromu v ocelových odlitcích.

Poslední dva sloupce kontrolního seznamu ukazují vypočítané průměry a standardní odchylky pro každou podskupinu:

Hodnocení průměrné úrovně procesu je určeno vzorcem:

Průměrná směrodatná odchylka je určena vzorcem:

Tabulka 2. Kontrolní seznam s údaji o obsahu chromu v ocelových odlitcích.

Pozici kontrolních hranic mapy průměrných hodnot zjistíme podle vzorce, ve kterém se nachází, podle tabulky koeficientů a rovná se 0,729.

UCL \u003d 0,7896 + 0,729 * 0,193 \u003d 0,9306

LCL \u003d 0,7896-0,729 * 0,193 \u003d 0,6487

Pro výpočet polohy regulačních hranic směrodatné odchylky vezmeme v úvahu, že pro ni UCL \u003d * R a LCL \u003d * R, kde se nachází podle tabulky koeficientů, pak

UCL \u003d 2,282 * 0,193 \u003d 0,4411

Vytvořme kontrolní grafy pro střední hodnoty a rozsahy této ukázky pomocí aplikace Excel:

Obrázek 1. Kontrolní tabulka středních hodnot.

Obrázek 2. Kontrolní tabulka průměrných rozsahů.

Závěr: vidíme, že žádná z vytvořených map nenaznačuje přítomnost porušení procesu (na žádné mapě nejsou žádné body, které by překračovaly hranice kontroly) - proces je staticky řízen.

Závěr

Otázky kvality se v posledních letech staly natolik důležitými, že statistické postupy zajišťování kvality jsou obvykle nedílnou součástí podnikání každé úspěšné firmy. Vedení společností dnes považuje schémata vzorkování a kontrolu statistických procesů za samozřejmost a pozornost je věnována širší škále aspektů (například upuštění od příchozího statistického vzorkování kvůli spolehlivé kvalitě produktů dodavatelů; zmocnění zaměstnanců, které nahradilo mnoho aspektů řízení výrobního procesu ). Všechny moderní světové výrobní společnosti vyžadují, aby jejich zaměstnanci rozuměli základním konceptům. Toto porozumění je klíčem k vysoké kvalitě práce různých podniků.

Hlavním cílem metod statistické kontroly je zajistit výrobu použitelných produktů a poskytování užitečných služeb při nejnižších nákladech. Jedním ze základních principů kontroly kvality pomocí statistických metod je snaha zlepšit kvalitu produktu výkonem kontroly v různých fázích výrobního procesu.

Používání statistických metod je velmi účinným způsobem, jak vyvíjet nové technologie a řídit kvalitu výrobních procesů. Všechny statistické metody jsou založeny na konceptu rozptylu. Využití statistických metod na pracovišti k řízení šíření parametrů vyráběného produktu je grafickým znázorněním statistických hodnot, které charakterizují rozpětí, které jsou snadno srozumitelné.

Statistické metody jsou základem pro efektivní rozpoznávání a analýzu problémů. Lze tak dosáhnout úplného obrazu možných příčin problémů. Stanoví se priority a rozhoduje se na základě faktů. "Sedm nástrojů kontroly kvality" (metody správa) dovolit jednoduché metody řeší až 95% problémů vyplývajících z kontroly kvality v různých oblastech. Zbývajících 5% problémů vyžaduje další řešení.

„Sedm nových nástrojů pro kontrolu kvality“ se týká metod zpracování primárně verbálních (popisných) dat. Využití těchto nástrojů je obzvláště účinné, pokud se používají jako metody pro nejúplnější implementaci plánů založených na systematickém přístupu v podmínkách spolupráce celého týmu podniku.

Zaměřují se na vývoj end-to-end mechanismu ve všech fázích životního cyklu produktu, od zkoumání požadavků trhu na kvalitu produktu až po jeho likvidaci po použití. Zavádění statistických metod by mělo být zaměřeno na zajištění kontinuity procesu zabezpečování jakosti v souladu s požadavky zákazníků. Použití těchto metod, aniž by vyžadovalo vysoké náklady, umožňuje s daným stupněm přesnosti a spolehlivosti posoudit stav studovaných jevů (objektů, procesů) v systému jakosti, předvídat a regulovat problémy ve všech fázích životního cyklu produktu a na základě toho vyvinout optimální rozhodnutí managementu.

Bibliografický seznam

1. Ishikawa K. „Japonské metody řízení kvality“ Zkr. za. z angličtiny. M .: Ekonomie, 1998;

2. Knowler L. a kol. "Statistické metody kontroly kvality výrobků" Per. sangl. - 2. ruský. Vyd. Moskva: Standards Publishing House, 1989;

3. Okrepilov V.V. Shvets V.E. Yu.N. Rubtsov „Service Quality Management Service“ L.: Lenizdat, 1990;

4. Cowden D. „Statistické metody kontroly kvality“ trans. z angličtiny, M: 1961;

5. Belyaev Yu. K. „Alternativní řízení přejímky“ M: 1973;

6. Shor Ya. B. „Tabulky pro analýzu a kontrolu spolehlivosti“ M: 1986;

7. Loganina V. I., Fedoseev A. A. „Statistické metody kontroly a řízení kvality výrobků“ Rostov n / a: Phoenix, 2007;

8. Knowler L., Howell J., Told D., Colemat E., Moun O., Knowler V. „Statistické metody kontroly kvality výrobků“ M: Publishing house of standards, 1989;

9. Gmurman VE „Teorie pravděpodobnosti a matematická statistika“ M: střední škola, 1977;

10. Shindovsky E., Schurz O. "Statistické metody řízení kvality" M: Mir, 1976.

Zveřejněno na Allbest.ru

...

Podobné dokumenty

Kvalita jako předmět řízení. Kontrola kvality produktu. Statistická přejímací kontrola na alternativním základě. Standardy kontroly statistické přejímky. Grafy kontroly kvality. Selektivní kontrola při studiu spolehlivosti.

semestrální práce, přidáno 16. 7. 2011

Podstata základních, středně pokročilých a pokročilých statistických metod řízení kvality. Koncept, typy a účel kontrolních diagramů. Výhody a nevýhody kontroly statistické přijatelnosti pro alternativní a kvantitativní kritéria.

práce, přidáno 26. 5. 2014

Kvalita jako předmět řízení, zajišťující kvalitu fungování systémů řízení. Hlavní charakteristika šarže produktů podle alternativní vlastnosti. Požadavky na standardy pro statistickou přejímku. Myšlenka na kontrolní graf.

semestrální práce přidána 5. 9. 2015

Vlastnosti implementace kontroly kvality statistického přijetí alternativními a kolektivními kritérii. Zohlednění konceptu, účelu, hlavních úkolů a zásad organizace příchozí kontroly kvality produktu, posouzení jeho účinnosti.

test, přidáno 04/08/2011

Koncept systému řízení kvality v podniku. Význam statistických metod v řízení kvality. Shewhartovy kontrolní diagramy jako metoda statistické kontroly a řízení kvality. Základní principy konstrukce regulačních diagramů Shewhart.

semestrální práce, přidáno 19. 5. 2011

Korelační analýza dat a vyhodnocení výsledků. Vlastnosti a podmínky, možnost použití kontroly statistické přijatelnosti dodavatelem a spotřebitelem, jakož i produkty podle kvantitativních a alternativních kritérií.

semestrální práce přidána 16. 12. 2014

Ekonomické problémy, podstata kvality a její řízení. Vývoj teorie a praxe managementu kvality. Principy a funkce řízení kvality. Statistické kontrolní metody, standardizace. Vývoj a implementace systému řízení kvality.

kurz přednášek přidán 14/11/2013

Podstata a účel statistické kontroly, její klasifikace a charakteristika hlavních typů: proces a přijetí. Fáze implementace těchto forem kontroly, analýza výsledků. Odběr vzorků na základě kvalitativních charakteristik. Metoda tagushi.

semestrální práce přidána 27. 3. 2013

Podstata řízení kvality v podniku. Vlastnosti práce zahraničních firem v této oblasti. Statistické metody kontroly kvality. Aktivita kruhy kvality. Japonské a americké zkušenosti se zlepšováním kvality. Popis norem ISO.

prezentace přidána 06.03.2015

Koncept, problém, řízení a zlepšování kvality. Konkurenční boj v zemích s vyspělou tržní ekonomikou. Statistické metody kontroly kvality výrobků. Kvalita plánování, rozvoj strategie. Mezinárodní standardy kvalitní.

ÚVOD

Nejdůležitějším zdrojem růstu efektivity výroby je neustálé zlepšování technické úrovně a kvality výrobků. Technické systémy se vyznačují rigidní funkční integrací všech prvků, proto nemají sekundární prvky, které by mohly být špatně navrženy a vyrobeny. Současná úroveň rozvoje vědeckého a technického pokroku tedy výrazně zpřísnila požadavky na technickou úroveň a kvalitu výrobků obecně a jejich jednotlivých prvků. Systematický přístup vám umožňuje objektivně zvolit rozsah a směr řízení kvality, typy produktů, formy a způsoby výroby, které poskytují největší efekt úsilí a finančních prostředků vynaložených na zlepšení kvality produktu. Systematický přístup ke zlepšování kvality výrobků umožňuje položit vědecké základy průmyslovým podnikům, sdružením, plánovacím orgánům.

V průmyslových odvětvích se statistické metody používají k analýze kvality produktů a procesů. Analýza kvality je analýza, při které se pomocí dat a statistických metod stanoví vztah mezi přesnými a nahrazenými kvalitativními charakteristikami. Procesní analýza je analýza, která umožňuje pochopit vztah mezi kauzálními faktory a výstupy, jako je kvalita, náklady, produktivita atd. Řízení procesu zahrnuje identifikaci kauzálních faktorů, které ovlivňují hladké fungování výrobního procesu. Kvalita, náklady a produktivita jsou výsledky kontrolního procesu.

Statistické metody kontroly kvality výrobků si dnes v průmyslu získávají stále větší uznání a distribuci. Vědecké metody statistické kontroly kvality produktů se používají v následujících průmyslových odvětvích: strojírenství, lehký průmysl a veřejné služby.

Hlavním cílem metod statistické kontroly je zajistit výrobu použitelných produktů a poskytování užitečných služeb při nejnižších nákladech.

Statistické metody kontroly kvality výrobků poskytují významné výsledky pro následující ukazatele:

zlepšování kvality nakupovaných surovin;

úspora surovin a práce;

zlepšování kvality vyráběných výrobků;

snížení nákladů na monitorování;

snížení počtu odmítnutí;

zlepšení vztahu mezi výrobou a spotřebitelem;

usnadnění přechodu výroby z jednoho typu produktu na druhý.

Hlavním úkolem není jen zvýšit kvalitu výrobků, ale také zvýšit množství takových výrobků, které by byly vhodné ke spotřebě.

Dva základní pojmy v řízení kvality jsou měření kontrolovaných parametrů a jejich distribuce. Aby bylo možné posoudit kvalitu výrobků, není nutné měřit takové parametry, jako je pevnost materiálu, papír, hmotnost předmětu, kvalita zbarvení atd.

Druhý koncept - rozdělení hodnot regulovaného parametru - je založen na skutečnosti, že ve stejných produktech neexistují dva absolutně stejné parametry; jak se měření stávají přesnějšími, jsou v měření parametrů zjištěny malé odchylky.

Variabilita „chování“ regulovaného parametru je dvou typů. První případ je, když jeho hodnoty tvoří množinu náhodných proměnných vytvořených za normálních podmínek; druhým je situace, kdy se souhrn jejích náhodných hodnot vytváří za jiných podmínek, než jsou běžné, pod vlivem určitých důvodů.

1. Statistická přejímací kontrola na alternativním základě

Hlavní metodou kontroly surovin, materiálů a hotových výrobků přicházejících ke spotřebiteli je statistická přejímací kontrola kvality produktu.

Pokud se s tím vším velikost vzorku rovná objemu celé kontrolované populace, pak se taková kontrola nazývá kontinuální. Kontinuální ovládání je možné pouze v těch případech, kdy se kvalita produktu v procesu kontroly nezhorší, jinak selektivní kontrola, tj. kontrola určité malé části agregátu produktů se stane nucenou.

Všechny produkty lze také testovat za následujících podmínek:

šarže výrobků nebo materiálu je malá;

kvalita vstupního materiálu je špatná nebo o ní není nic známo.

Kontrolou části materiálu nebo výrobků se můžete omezit, pokud:

závada nezpůsobí vážnou poruchu zařízení a nepředstavuje ohrožení života;

produkty používají skupiny;

vadné předměty najdete později v sestavě.

V praxi statistické kontroly je obecný zlomek q neznámý a měl by být odhadnut z výsledků kontroly náhodného vzorku n položek, z nichž m je vadných.

Existují následující typy plánů pro statistickou kontrolu šarže produktů na alternativním základě:

jednostupňové plány, podle nichž, pokud mezi n náhodně vybranými produkty počet vadných produktů m nepřesáhne číslo přijetí C (mC), pak je dávka přijata; jinak je strana odmítnuta;

vícestupňové plány logicky navazují na dvoustupňové. Nejprve se odebere dávka objemu n1 a stanoví se počet vadných produktů m1. Pokud m1? C1, pak je dávka přijata. Pokud C1p m1 d1 (D1C1 + 1), pak je dávka odmítnuta. Pokud C1m1d1, pak je rozhodnuto odebrat druhý vzorek velikosti n2. Nechť je vadný m2 mezi n1 + n2. Potom, pokud m2c2, kde c2 je druhé číslo přijetí, je dávka přijata; pokud m2d2 (d2 c2 + 1), pak je strana odmítnuta. U c2 m2 d2 je rozhodnuto odebrat třetí vzorek. Další kontrola se provádí podobným způsobem, s výjimkou posledního k-tého kroku. V k-tom kroku, pokud byly mezi kontrolovanými položkami ve vzorku nalezeny vadné mk a mkck, je dávka přijata; pokud m k ck, pak je dávka odmítnuta. Ve vícestupňových plánech se předpokládá počet kroků k, že n1 \u003d n2 \u003d… \u003d nk;

Úkolem výběru správného statistického kontrolního plánu je učinit chyby prvního a druhého druhu nepravděpodobnými. Připomeňme, že chyby prvního druhu jsou spojeny s možností chybného odmítnutí dávky produktů; chyby druhého druhu jsou spojeny s možností omylem chybět vadnou dávku.

2. Standardy pro statistickou přejímku

Pojďme se zabývat základními požadavky na standardy pro kontrolu statistické přejímky.

Hlavní prvky standardů kontroly přijatelnosti jsou:

2. Pravidla pro výběr plánů s přihlédnutím ke zvláštnostem kontroly.

3. Pravidla pro přechod z normální kontroly na vylepšenou nebo lehkou a reverzní přechod během normálního průběhu výroby.

4. Metody výpočtu následných odhadů indikátorů kvality kontrolovaného procesu.

V závislosti na zárukách poskytovaných akceptačními kontrolními plány se rozlišují následující metody sestavování plánů:

stanovit hodnoty rizika dodavatele a rizika spotřebitele a navrhnout požadavek, aby provozní charakteristika P (q) prošla přibližně dvěma body: q0 ,? a qm, kde q0 a qm jsou přijatelné a odmítnuté úrovně kvality. Tento plán se nazývá kompromisní plán, protože chrání zájmy spotřebitele i dodavatele. Pro malé hodnoty? a? velikost vzorku by měla být velká;

vyberte jeden bod na křivce provozních charakteristik a přijměte jednu nebo více dalších nezávislých podmínek.

První systém plánů kontroly statistické přejímky, široce používaný v průmyslu, vyvinuli Dodge a Rolig. Plány tohoto systému zajišťují úplnou kontrolu produktů z odmítnutých šarží a nahrazení vadných produktů těmi dobrými.

V mnoha zemích se rozšířil americký standard MIL-STD-LO5D. Domácí norma GOST-18242-72 je konstrukčně podobná té americké a obsahuje plány jednostupňové a dvoustupňové přejímací kontroly. Norma je založena na konceptu přijatelné úrovně kvality (ACL) q0, která je považována za maximální přípustný podíl spotřebitele vadných produktů v dávce vyrobené během běžné výroby. Pravděpodobnost odmítnutí šarže s vadnou rychlostí rovnou q0 je u standardních plánů malá a klesá s rostoucí velikostí vzorku. U většiny plánů nepřesahuje 0,05.

Při kontrole výrobků podle několika kritérií norma doporučuje klasifikovat vady do tří tříd: kritické, významné a nevýznamné.

3. Kontrolní grafy

Jedním z hlavních nástrojů rozsáhlého arzenálu statistických metod kontroly kvality jsou kontrolní grafy. Obecně se uznává, že myšlenka řídicího diagramu patří slavnému americkému statistikovi Walterovi L. Schuhartovi. Byl vyjádřen v roce 1924 a podrobně popsán v roce 1931. Zpočátku byly použity k zaznamenávání výsledků měření požadovaných vlastností výrobků. Parametr překračující toleranční pole naznačoval potřebu zastavit výrobu a upravit proces v souladu se znalostmi vedoucího výroby.

To poskytlo informace o tom, kdy kdo, na jakém vybavení, v minulosti uzavřel manželství.

V tomto případě navíc bylo o úpravě rozhodnuto, když již bylo manželství přijato. Proto bylo důležité najít postup, který by akumuloval informace nejen pro retrospektivní výzkum, ale také pro použití při rozhodování. Tento návrh publikoval americký statistik I. Page v roce 1954. Mapy, které se používají při rozhodování, se nazývají kumulativní.

Kontrolní tabulka se skládá ze středové čáry, dvou kontrolních limitů (nad a pod středovou čarou) a charakteristických hodnot (metrika kvality) mapovaných tak, aby představovaly stav procesu.

V určitých časových obdobích odeberte (vše za sebou; selektivně; pravidelně z nepřetržitého toku atd.) N vyrobené výrobky a změřte kontrolovaný parametr.

Výsledky měření jsou vyneseny do kontrolního grafu a v závislosti na této hodnotě je rozhodnuto o úpravě procesu nebo o pokračování procesu bez úprav.

Signál o možném nesouososti technologického procesu může být:

bod mimo kontrolní limity (bod 6); (proces je mimo kontrolu);

umístění skupiny po sobě jdoucích bodů v blízkosti jedné hranice kontroly, ale nepřekračující ji (11, 12, 13, 14), což naznačuje porušení úrovně nastavení zařízení;

silný rozptyl bodů (15, 16, 17, 18, 19, 20) na kontrolním grafu vzhledem ke středové čáře, což naznačuje pokles přesnosti technologického procesu.

Horní limit

Středová čára

spodní limit

6 11 12 13 14 15 16 17 18 19 20 Číslo vzorku

Závěr

Stále více vývoje nového ekonomického prostředí reprodukce pro naši zemi, tj. tržní vztahy, diktuje potřebu neustálého zlepšování kvality s využitím všech příležitostí k tomu, všech výdobytků pokroku v oblasti technologie a organizace výroby.

Nejúplnější a nejkomplexnější posouzení kvality je zajištěno při zohlednění všech vlastností analyzovaného objektu, které se projevují ve všech fázích jeho životního cyklu: během výroby, přepravy, skladování, používání, opravy, technické. servis.

Výrobce tedy musí kontrolovat kvalitu výrobků a na základě výsledků odběru vzorků posoudit stav příslušného technologického procesu. Díky tomu včas detekuje poruchy procesu a napravuje je.

Bibliografie

1. Gembris S. Herrmann J., „Quality Management“, Omega-L SmartBook, 2008

2. Shevchuk DA, „Quality control“, Gross-Media., M., 2009

3. Elektronická učebnice "Kontrola kvality"

Smyslem statistických metod kontroly kvality je výrazně snížit náklady na její implementaci ve srovnání s kontinuální kontrolou na jedné straně a při eliminaci náhodných změn v kvalitě produktu na straně druhé.
Existují dvě oblasti použití statistických metod ve výrobě (obrázek 4.8):
- při regulaci průběhu technologického procesu za účelem udržení
- je v daném rámci (levá strana schématu);
- při převzetí vyráběných výrobků (pravá strana schématu).

Pro řízení technologických procesů jsou řešeny úlohy statistické analýzy přesnosti a stability technologických procesů a jejich statistická regulace. V tomto případě se tolerance pro kontrolované parametry uvedené v technologické dokumentaci berou jako standard a úkolem je přísně udržovat tyto parametry v stanovených mezích. Lze také položit úkol najít nové způsoby provádění operací za účelem zlepšení kvality finální produkce.
Před zahájením aplikace statistických metod ve výrobním procesu je nutné jasně pochopit účel použití těchto metod a výhody výroby z jejich aplikace. Je velmi vzácné, že se údaje používají k závěru o kvalitě ve formě, v jaké byly získány. Pro analýzu dat se obvykle používá sedm takzvaných statistických metod nebo nástrojů kontroly kvality: stratifikace dat (stratifikace); grafika; Paretův graf; kauzální diagram (Ishikawa diagram nebo „rybí kostra“); kontrolní seznam a sloupcový graf; bodový graf; kontrolní grafy.
1. Delaminace (stratifikace).
Při rozdělení dat do skupin podle jejich charakteristik se skupinám říká vrstvy (vrstvy) a samotný proces separace se nazývá stratifikace (stratifikace). Je žádoucí, aby rozdíly ve vrstvě byly co nejmenší a mezi vrstvami co nejvíce.
Ve výsledcích měření je vždy větší nebo menší odchylka. Pokud stratifikujeme podle faktorů, které vedly k tomuto rozšíření, je snadné identifikovat hlavní příčinu jeho vzhledu, snížit jej a dosáhnout zvýšení kvality produktu.
aplikace různé způsoby delaminace závisí na konkrétních úkolech. Ve výrobě se často používá metoda zvaná 4M, která bere v úvahu faktory závislé na: osobě (muži); stroje (stroje); materiál (materiál); metoda.
To znamená, že delaminaci lze provést takto:
- podle výkonného umělce (podle pohlaví, pracovních zkušeností, kvalifikace atd.);
- stroji a vybavením (nové nebo staré, značka, typ atd.);
- podle materiálu (v místě výroby, šarže, druhu, kvality surovin atd.);
- způsobem výroby (teplotou, technologickým příjmem atd.).
V obchodě může existovat stratifikace podle regionů, firem, prodejců, druhů zboží, ročních období.
Metoda delaminace v čisté formě se používá při výpočtu nákladů na produkt, když se vyžaduje odhadnout přímé a nepřímé náklady samostatně pro produkty a šarže, při hodnocení zisku z prodeje produktů samostatně zákazníky a podle produktů atd. Delaminace se používá také v případě, že se používají jiné statistické metody : při konstrukci grafů příčin a následků, Paretovy grafy, histogramy a kontrolní grafy.
2. Grafická prezentace dat je v průmyslové praxi široce používána pro jasnost a snadné pochopení významu dat. Existují následující typy grafů:
A). Graf, který je přerušovanou čarou (obr. 4.9), se používá například k vyjádření změny jakýchkoli dat v průběhu času.

B) Koláčové a pásové grafy (obrázky 4.10 a 4.11) se používají k vyjádření procenta uvažovaných údajů.

Poměr složek výrobních nákladů:
1 - výrobní náklady obecně;
2 - nepřímé náklady;
3 - přímé náklady atd.

Obrázek 4.11 ukazuje poměr výnosů z prodeje do určité typy produktů (A, B, C), existuje trend: produkt B je slibný, ale A a C nejsou.
V). Graf ve tvaru Z (obr. 4.12) slouží k vyjádření podmínek pro dosažení těchto hodnot. Například k vyhodnocení celkového trendu při registraci skutečných údajů podle měsíce (objem prodeje, objem výroby atd.)
Graf je sestaven následovně:
1) hodnoty parametrů (například objem prodeje) jsou vyneseny po měsících (po dobu jednoho roku) od ledna do prosince a jsou spojeny přímými segmenty (přerušovaná čára 1 na obr. 4.12);
2) vypočítá se kumulativní částka za každý měsíc a vytvoří se odpovídající graf (přerušovaná čára 2 na obr. 4.12);
3) vypočítají se celkové hodnoty (měnící se součet) a vytvoří se odpovídající graf. V tomto případě je měnící se součet součet za rok předcházející danému měsíci (přerušovaná čára 3 na obr. 4.12).

Podle měnícího se součtu je možné určit trend změn po dlouhou dobu. Místo měnícího se součtu můžete vykreslit plánované hodnoty a zkontrolovat podmínky pro jejich dosažení.
D). Sloupcový graf (obr. 4.13) představuje kvantitativní závislost, vyjádřenou výškou sloupce, na faktorech, jako jsou náklady na produkt jeho typu, výše ztrát v důsledku vyřazení z procesu atd. Odrůdy sloupcového grafu jsou histogram a Paretův graf. Při vykreslování grafu na souřadnici se vynese počet faktorů ovlivňujících studovaný proces (v tomto případě studie pobídek k nákupu produktů). Úsečka zobrazuje faktory, z nichž každý odpovídá výšce sloupce, která závisí na počtu (frekvenci) projevu tohoto faktoru.

Postava: 4.13. Příklad sloupcového grafu: 1 - počet pobídek k nákupu; 2 - pobídky k nákupu; 3 - kvalita; 4 - snížení ceny; 5 - záruční doby; 6 - design; 7 - dodávka; 8 - ostatní

Pokud objednáme pobídky k nákupu podle četnosti jejich projevů a sestavíme kumulativní součet, dostaneme Paretův graf.
3. Paretův diagram.
Schéma postavené na základě seskupení podle diskrétních funkcí, seřazené sestupně (například podle frekvence výskytu) a ukazující kumulativní (akumulovanou) frekvenci, se nazývá Paretův diagram (obr. 4.10). Pareto je italský ekonom a sociolog, který pomocí svého grafu analyzoval bohatství Itálie.

Postava: 4.14. Příklad Paretova diagramu: 1 - chyby ve výrobním procesu; 2 - nekvalitní suroviny; 3 - nekvalitní nástroje; 4 - nekvalitní šablony; 5 - nekvalitní kresby; 6 - ostatní; A - relativní kumulativní (akumulovaná) frekvence,%; n je počet vadných jednotek produktu.

Výše uvedený diagram je založen na seskupení vadných výrobků podle typů zmetků a uspořádání v sestupném pořadí podle počtu jednotek vadných výrobků každého typu. Paretův graf lze použít velmi široce. S jeho pomocí můžete vyhodnotit účinnost opatření přijatých ke zlepšení kvality výrobků a vytvořit je před změnami a po nich.
4. Kauzální diagram (obr. 4.15).

Diagram příčin a následků se používá, když chcete prozkoumat a zobrazit možné příčiny konkrétního problému. Jeho aplikace vám umožňuje identifikovat a seskupit podmínky a faktory ovlivňující daný problém.
Zvažte tvar kauzálního diagramu na obr. 4.15 (nazývá se také „kostra ryby“ nebo Ishikawův diagram).
Pořadí kreslení grafu:
1. Je vybrán problém řešení - „hřeben“.
2. Jsou identifikovány nejvýznamnější faktory a podmínky ovlivňující problém - důvody prvního řádu.
3. Je odhalen soubor důvodů ovlivňujících základní faktory a podmínky (důvody 2-, 3- a následných objednávek).
4. Diagram je analyzován: faktory a podmínky jsou řazeny podle důležitosti, jsou stanoveny důvody, které lze v současné době korigovat.
5. Připravuje se plán dalších opatření.
5. Pro sestavení distribučního histogramu je sestaven kontrolní list (tabulka akumulovaných frekvencí), který obsahuje následující sloupce: (Tabulka 4.4).

Na základě kontrolního listu se sestaví histogram (obr. 4.16), nebo při velkém počtu měření křivka distribuce hustoty pravděpodobnosti (obr. 4.17).

Histogram je sloupcový graf a slouží k vizualizaci distribuce hodnot konkrétních parametrů podle četnosti výskytu pro určitá doba čas. Vynesením povolených hodnot pro parametr můžete určit, jak často je parametr v přijatelném rozsahu nebo mimo něj.
Při zkoumání histogramu můžete zjistit, zda je šarže produktů a technologický proces ve vyhovujícím stavu. Uvažujeme o následujících problémech: jaká je distribuční šířka ve vztahu k šířce tolerance; co je distribuční centrum ve vztahu ke středu tolerančního pole; jaká je forma distribuce.
Li
a) tvar distribuce je symetrický, v tolerančním poli je mezera, střed distribuce a střed tolerančního pole se shodují - kvalita šarže je v uspokojivém stavu;
b) distribuční centrum je posunuto doprava, to znamená, že existuje obava, že mezi produkty (ve zbytku šarže) mohou být vadné produkty, které jdou nad rámec horní limit tolerance. Zkontrolujte systematickou chybu měřicích přístrojů. Pokud ne, pak pokračují ve výrobě produktů, upravují činnost a posouvají rozměry tak, aby se střed distribuce a střed tolerančního pole shodovaly;
c) distribuční centrum je umístěno správně, ale distribuční šířka se shoduje se šířkou tolerančního pole. Existují obavy, že vadné výrobky se objeví při kontrole celé šarže. Je nutné prozkoumat přesnost zařízení, podmínky zpracování atd. nebo rozbalte pole tolerance;
d) centrum distribuce je přemístěno, což naznačuje přítomnost vadných produktů. Je nutné úpravou přesunout distribuční centrum do středu tolerančního pole a buď zúžit distribuční šířku, nebo revidovat toleranci;
e) situace je podobná té předchozí a míry vlivu jsou podobné;
f) v distribuci 2 píku, ačkoli vzorky byly odebrány ze stejné šarže. To se vysvětluje buď skutečností, že suroviny byly 2 různých jakostí, nebo v průběhu práce došlo ke změně nastavení stroje, nebo byly výrobky zpracované na 2 různých strojích kombinovány do 1 dávky. V tomto případě by měl být průzkum prováděn ve vrstvách;
g) jak šířka, tak střed distribuce jsou normální, avšak nevýznamná část produktů přesahuje horní mez tolerance a oddělením tvoří samostatný ostrov. Možná jsou tyto výrobky součástí vadných, které byly kvůli neopatrnosti smíchány s neškodnými v obecném toku technologického procesu. Je nutné zjistit příčinu a odstranit ji.
6. Schéma rozptylu (rozptyl) se používá k identifikaci závislosti (korelace) některých indikátorů od ostatních nebo ke stanovení míry korelace mezi n dvojicemi dat pro proměnné xay:

(X1, Y1), (X2, Y2), ..., (Xn, Yn).

Tato data se vykreslí (bodový graf) a pomocí vzorce se pro ně vypočítá korelační koeficient

kde δxy je kovariance;
δx, δy - standardní odchylky náhodných proměnných x a y;
n je velikost vzorku (počet datových párů xi a yi);
xay jsou aritmetické střední hodnoty xi a yi.
Zvážit různé možnosti bodové diagramy (nebo korelační pole) na obr. 4,18:

Když:
a) můžeme mluvit o pozitivní korelaci (s rostoucími x, y);
b) objeví se negativní korelace (s rostoucím x, y klesá);
c) s nárůstem x, y se může jak zvýšit, tak snížit, říká se, že neexistuje žádná korelace. To ale neznamená, že mezi nimi neexistuje žádný vztah, neexistuje mezi nimi lineární vztah. Zjevná nelineární (exponenciální) závislost je také ukázána v rozptylovém diagramu r).
Korelační koeficient vždy nabývá hodnot v rozsahu -1 ≤ r ≤ 1, tj. pro r\u003e 0 - pozitivní korelace, pro r \u003d 0 - žádná korelace, pro r<0 - отрицательная корреляция.
Pro stejné n datových párů (x1, y1), (x2, y2), ..., (xn, yn) můžete vytvořit vztah mezi x a y. Vzorec vyjadřující tento vztah se nazývá regresní rovnice (nebo regresní čára) a je obecně reprezentován funkcí

Pro stanovení regresní přímky (obrázek 4.19) je nutné statisticky odhadnout regresní koeficient b a konstantu a. K tomu musí být splněny následující podmínky:
1) regresní přímka musí projít body (x, y) středních hodnot xay.
2) součet čtverců odchylek od regresní přímky hodnot y ve všech bodech by měl být nejmenší.
3) pro výpočet koeficientů a a b se používají vzorce

Ty. regresní rovnice může aproximovat reálná data.

7. Kontrolní karta.
Jedním ze způsobů, jak dosáhnout uspokojivé kvality a udržet ji na této úrovni, je použití kontrolních diagramů. Pro řízení kvality technologického procesu je nutné mít možnost kontrolovat ty okamžiky, kdy se vyráběné výrobky odchylují od tolerancí stanovených technickými podmínkami. Podívejme se na jednoduchý příklad. Po určitou dobu budeme sledovat práci soustruhu a změříme průměr na něm vyráběného dílu (za směnu, hodinu). Na základě získaných výsledků sestavíme graf a získáme nejjednodušší kontrolní graf (obr. 4.20):

V bodě 6 došlo k poruše technologického procesu, je třeba jej regulovat. Poloha VKG a NKG se stanoví analyticky nebo podle zvláštních tabulek a závisí na velikosti vzorku. Při dostatečně velké velikosti vzorku jsou limity VKG a NKG určeny vzorci

VKG a NKG se používají k zabránění rozpadu procesu, když výrobky stále splňují technické požadavky.
Kontrolní diagramy se používají, když je nutné zjistit povahu poruch a posoudit stabilitu procesu; když je nutné zjistit, zda proces vyžaduje regulaci nebo zda je třeba jej ponechat tak, jak je.
Kontrolní seznam může také potvrdit zlepšení procesu.
Kontrolní tabulka je prostředkem k rozpoznání odchylek z nenáhodných nebo specifických důvodů od pravděpodobných změn inherentních v procesu. Pravděpodobné změny se zřídka opakují v rámci předpokládaných limitů. Odchylky z náhodných nebo zvláštních důvodů signalizují, že je třeba identifikovat, vyšetřit a kontrolovat některé faktory ovlivňující proces.
Kontrolní diagramy jsou založeny na matematických statistikách. Používají provozní údaje ke stanovení limitů, v nichž se očekává nadcházející výzkum, pokud proces zůstane neúčinný z nenáhodných nebo konkrétních důvodů.
Informace o kontrolních diagramech jsou také obsaženy v mezinárodních normách ISO 7870, ISO 8258.
Nejrozšířenější jsou kontrolní grafy průměrné hodnoty X a kontrolní grafy rozsahu R, které se používají společně nebo samostatně. Měly by být kontrolovány přirozené výkyvy mezi kontrolními limity. Musíte se ujistit, že je pro konkrétní datový typ vybrán správný typ řídicího grafu. Data je třeba brát přesně v pořadí, ve kterém byla shromážděna, jinak ztratí svůj význam. Během období sběru dat byste neměli provádět změny v procesu. Data by měla odrážet, jak proces probíhá přirozeně.
Kontrolní seznam může indikovat přítomnost potenciálních problémů před zahájením výroby vadných produktů.
Obvykle se říká, že proces je mimo kontrolu, pokud je jeden nebo více bodů mimo kontrolu.
Existují dva hlavní typy kontrolních grafů: pro kvalitativní (vyhovující nebo neúspěšné) a pro kvantitativní vlastnosti. U kvalitativních vlastností jsou možné čtyři typy kontrolních diagramů: počet defektů na jednotku výroby; počet vad ve vzorku; podíl vadných výrobků ve vzorku; počet vadných položek ve vzorku. Navíc v prvním a třetím případě bude velikost vzorku proměnlivá a ve druhém a čtvrtém - konstantní.
Účelem použití regulačních diagramů tedy může být: identifikace nekontrolovaného procesu; kontrola nad řízeným procesem; hodnocení schopností procesu.
Obvykle je třeba studovat následující proměnnou (parametr procesu) nebo charakteristiku: známá důležitá nebo nejdůležitější; předpokládaná nespolehlivost; pomocí kterého potřebujete získat informace o schopnostech procesu; funkční, smysluplné v marketingu.
V takovém případě byste neměli sledovat všechna množství současně. Kontrolní grafy stojí peníze, takže je musíte používat moudře: pečlivě vybírejte charakteristiky; Když je dosaženo cíle, přestaňte s mapami pracovat: Pokračujte v manipulaci s mapami, pouze když se procesy a technické požadavky vzájemně drží.
Je třeba mít na paměti, že tento proces může být ve stavu statistické regulace a poskytnout 100% manželství. Naopak to může být nezvládnutelné a vyrábět produkty, které splňují 100% technické požadavky.
Kontrolní seznamy umožňují analýzu schopností procesu. Schopností procesu je schopnost správně fungovat. Obecně se procesní schopnost týká schopnosti splnit technické požadavky.
Existují následující typy kontrolních grafů:
1. Kontrolní tabulky pro kvantitativní regulaci (naměřené hodnoty jsou vyjádřeny v kvantitativních hodnotách):
a) kontrolní diagram x - R se skládá z kontrolního diagramu x, odrážejícího kontrolu nad změnou aritmetického průměru, a kontrolního diagramu R, který slouží ke kontrole změn v rozptylu indikátorů kvality. Používá se k měření takových parametrů, jako je délka, hmotnost, průměr, čas, pevnost v tahu, drsnost, zisk atd.;
b) Kontrolní diagram x - R se skládá z kontrolního diagramu X, který sleduje změnu střední hodnoty, a kontrolního diagramu R. Používá se ve stejných případech jako předchozí graf. Je však jednodušší, a proto vhodnější pro vyplňování pracoviště.
2. Kontrolní tabulky pro regulaci kvality:
a) kontrolní tabulka p (pro podíl vadných výrobků) nebo procento zmetků se používá ke kontrole a regulaci technologického procesu po kontrole malé dávky výrobků a jejich rozdělení na neškodné a vadné, tj. jejich definování podle kritérií kvality. Podíl vadných produktů se získá vydělením počtu zjištěných vadných produktů počtem testovaných produktů. Lze jej také použít k určení intenzity výroby, procenta absencí atd .;
b) kontrolní karta pn (počet odmítnutí), se používá v případech, kdy je kontrolovaným parametrem počet vadných produktů s konstantní velikostí vzorku n. Téměř stejné jako mapa p;
c) kontrolní tabulka c (počet vad na jeden výrobek), používá se při kontrole počtu vad zjištěných mezi stálými objemy výrobků (automobily - jedna nebo 5 přepravních jednotek, ocelový plech - jeden nebo 10 plechů);
d) kontrolní tabulka n (počet vad na jednotku plochy), která se používá, když plocha, délka, hmotnost, objem, odrůda nejsou konstantní a nelze se vzorkem zacházet jako s konstantním objemem.
Pokud jsou nalezeny vadné výrobky, je vhodné k nim připevnit různé štítky: pro vadné výrobky nalezené obsluhou (typ A) a pro vadné výrobky nalezené správcem (typ B). Například v případě A - červená písmena podél bílého pole, v případě B - černá písmena podél bílého pole.
Na štítku je uvedeno číslo dílu, název produktu, technologický postup, místo výkonu práce, rok, měsíc a datum, povaha závady, počet poruch, příčina závady, přijatá opatření.
V závislosti na cílech a cílech analýzy kvality produktu a na možnostech získání údajů nezbytných pro jeho implementaci se analytické metody pro jeho implementaci výrazně liší. To je také ovlivněno fází životního cyklu produktu pokrytou činnostmi podniku.
Ve fázích návrhu, technologického plánování, přípravy a vývoje výroby je vhodné použít funkční analýzu nákladů (FSA): jedná se o metodu systematického studia funkcí jednotlivého produktu nebo technologického, výrobního, ekonomického procesu, struktury zaměřené na zvýšení efektivity využívání zdrojů optimalizací vztahu mezi vlastnostmi spotřebitele zařízení a náklady na jeho vývoj, výrobu a provoz.
Hlavní principy aplikace VAS jsou: funkční přístup k výzkumnému objektu; systematický přístup k analýze objektu a jeho funkcí; studium funkcí objektu a jeho nosičů materiálu ve všech fázích životního cyklu produktu; shoda kvality a užitečnosti funkcí produktu s náklady na ně; kolektivní kreativita.
Funkce prováděné produktem a jeho komponentami lze seskupit podle řady charakteristik. Podle oblasti projevu se funkce dělí na vnější a vnitřní. Externí - jedná se o funkce prováděné objektem při jeho interakci s externím prostředím. Interní - funkce, které provádějí jakékoli prvky objektu a jejich spojení v rámci hranic objektu.
Podle své role při plnění potřeb se hlavní a sekundární funkce rozlišují mezi externími funkcemi. Hlavní funkce odráží hlavní účel vytvoření objektu a sekundární funkce odráží stranu.
Podle své role v pracovním toku lze vnitřní funkce rozdělit na hlavní a pomocné funkce. Hlavní funkce je podřízena hlavní a určuje výkonnost objektu. Pomocí pomocných funkcí jsou implementovány hlavní, vedlejší a hlavní funkce.
Podle povahy projevu jsou všechny uvedené funkce rozděleny na nominální, potenciální a skutečné. Nominální hodnoty se nastavují při tvorbě, vytváření objektu a jsou povinné pro provedení. Potenciální odrážejí schopnost objektu provádět jakékoli funkce, když se změní podmínky jeho provozu. Platné funkce jsou funkce, které objekt skutečně provádí.
Všechny funkce objektu mohou být užitečné a zbytečné, a ty mohou být neutrální a škodlivé.
Účelem analýzy funkčních nákladů je vyvinout užitečné funkce objektu s optimální rovnováhou mezi jejich významem pro spotřebitele a náklady na jejich implementaci, tj. při výběru nejpříznivějšího pro spotřebitele a výrobce, pokud jde o výrobu produktů, možnost řešení problému kvality produktu a jeho nákladů. Matematicky lze cíl FSA napsat takto:

kde PS je užitná hodnota analyzovaného objektu, vyjádřená souhrnem jeho spotřebitelských vlastností (PS \u003d Σnci);
3 - náklady na dosažení nezbytných spotřebitelských vlastností.

Dotazy k tématu

1. Co myslíte plánováním kvality?
2. Jaké jsou cíle a předmět plánování kvality?
3. Jaká je specifičnost plánování kvality?
4. Jaké jsou směry plánování ke zlepšení kvality produktů v podniku?
5. Jaká je nová strategie v řízení kvality a jak ovlivňuje plánované činnosti podniku?
6. Jaká je zvláštnost plánované práce v divizích podniku?
7. Jaké znáte nadnárodní a národní orgány pro řízení kvality?
8. Jaké je složení služeb řízení kvality v podniku?
9. Co znamenají pojmy „motiv“ a „motivace zaměstnanců“?
10. Jaké parametry, které určují akce exekutora, může manažer řídit?
11. Jaké metody odměny znáte?
12. Jaký je obsah teorií X, Y, Z?
13. Co je podstatou motivačního modelu A. Maslowa?
14. Jaké typy odměn se používají v managementu?
15. Jaké jsou rysy motivace lidí v Rusku?
16. Jaké typy ocenění kvality znáte?
17. Co je podstatou procesů kontroly kvality?
18. Seznam fází procesu kontroly.
19. Z jakých důvodů se rozlišují typy kontroly?
20. Co je výzva? Jaké typy testů znáte?
21. Jaká jsou kritéria pro rozhodnutí o kontrole?
22. Co je systém kontroly kvality produktu?
23. Jaká je struktura QCD a jaké úkoly jsou jí přidělovány?
24. Definujte hlavní prvky systému prevence manželství v podniku.
25. Co je technická kontrola a jaké jsou její úkoly?
26. Jaké typy technické kontroly znáte?
27. Jaký je účel a jaký je rozsah statistických metod kontroly kvality?
28. Jaké statistické metody kontroly kvality znáte a jaký je jejich význam?
29. Co je FSA a jaký je její obsah?

Statistická kontrola kvality

Statistickou kontrolou kvality se rozumí kontrola, při které se nekontrolují všechny produkty vyrobené šarže, ale pouze její vzorek. Zároveň je kvalita celé šarže posuzována podle výsledků kontroly.

Existují dva typy statistické kontroly: kontrola na kvalitativní bázi, nejběžnějším zvláštním případem je kontrola na alternativní bázi, a kontrola na kvantitativní bázi.

Při alternativní kontrole jsou všechny produkty v dávce rozděleny do dvou skupin: dobrý a vadný. Šarže se hodnotí podle podílu vadných položek ve vzorku.

Hlavní charakteristikou kvality šarže při alternativní kontrole je podíl vadných výrobků v šarži:

kde M je počet vadných produktů v dávce;

N je velikost dávky.

Při kontrole vzorku objemu N se odhalí M vadných produktů. O hodnotě q se rozhoduje o přijetí nebo odmítnutí šarže.

Základní pojmy statistické kontroly

Výrobní jednotka - samostatná kopie kusové výroby nebo množství kusové nebo kusové výroby stanovené v souladu se zavedeným postupem.

Poznámka. Výrobky mohou být dokončeny nebo rozpracovány v procesu výroby, nákupu nebo opravy.

Produkt - jednotka průmyslových produktů, jejíž množství lze vypočítat v kusech nebo kopiích.

Kontrolovaná šarže produktů - šarže určená ke kontrole sady jednotek produktů stejného jména, typu nebo standardní velikosti a výkonu, vyrobených v určitém časovém období za stejných podmínek.

Poznámka. Vyráběné výrobky mohou být v procesu výroby, nákupu nebo opravy.

Velikost šarže je počet produktových jednotek, které tvoří šarži.

Tok produktu - produkty stejného jména, typu nebo standardní velikosti a designu, které jsou v pohybu na technologické lince.

Vzorkování - položka nebo konkrétní sada položek vybraných pro kontrolu z dávkového nebo produktového toku.

Poznámka. V závislosti na stupni úplnosti produktů je povoleno zahrnout jako produkty hotové a nedokončené položky výroby, včetně polotovarů.

Velikost vzorku je počet položek, které tvoří vzorek.

Okamžitý odběr vzorků je odběr z toku produktu, který je tvořen produkty vyrobenými posledními v okamžiku odběru vzorků v poměrně krátkém časovém intervalu.

Sloučený vzorek je vzorek skládající se z řady okamžitých vzorků.

Náhodný výběr je vzorek, když je kompilován pro jakýkoli produkt kontrolované populace, je zajištěna stejná pravděpodobnost jeho výběru.

Úmyslné vzorkování je vzorkování, do kterého se vybírají položky se specifickým trendem, který mění pravděpodobnost výběru vadných položek.

Systematické vzorkování - výběr, vstup produktů, do kterého je určen jeho počet nebo poloha v předobjednané kontrolované populaci.

Reprezentativní vzorkování (NDP reprezentativní vzorkování) je vzorek, na jehož sestavení je z každé části kontrolované populace vybrán takový počet produktů, aby dostatečně odrážely vlastnosti této populace jako celku.

Ukázka - určité množství kusových produktů vybraných pro kontrolu.

Objem vzorku - počet jednotek nebalených produktů, které tvoří vzorek.

Bodový vzorek (NDP - single sample) - vzorek odebraný současně z určité části nekusových výrobků.

Souhrnný vzorek (NDP - celkový vzorek) je vzorek skládající se z řady dílčích vzorků.

Perioda vzorkování - časový interval mezi okamžiky vzorkování sousedních vzorků nebo vzorků z proudu produktu.

Kontrola vzorkování - kontrola, při které se rozhoduje o kvalitě kontrolovaného produktu na základě výsledků kontroly jednoho nebo více vzorků nebo vzorků z toku dávky nebo produktu.

Statistická akceptační kontrola kvality produktu (statistická akceptační kontrola) je selektivní kontrola kvality produktu, založená na použití metod matematické statistiky ke kontrole souladu kvality produktu se stanovenými požadavky.

Podíl vadných položek je poměr počtu vadných položek k celkovému počtu položek v dávce.

Míra vadnosti - podíl vadných položek nebo počet vadných položek na sto položek.

Číslo přijetí - kontrolní standard, který je kritériem pro přijetí šarže produktů a rovná se maximálnímu počtu vadných jednotek (vad) ve vzorku nebo vzorku v případě kontroly statistické přejímky.

Číslo odmítnutí - kontrolní standard, který je kritériem pro odmítnutí šarže produktů a rovná se minimálnímu počtu vadných jednotek (vad) ve vzorku nebo vzorku v případě kontroly statistické přejímky.

Pravidlo rozhodování je údaj, jehož cílem je učinit rozhodnutí o přijetí šarže výrobků na základě výsledků její kontroly.

Poznámka. Pro rozhodování lze poskytnout určitý soubor pravidel rozhodování.

Kontrolní plán - soubor údajů o druhu kontroly, objemech kontrolované šarže produktů, vzorků nebo vzorků, o kontrolních standardech a pravidlech rozhodování.

Schéma kontroly statistické přejímky (akceptační schéma) - kompletní soubor plánů kontroly statistické přejímky v kombinaci se sadou pravidel pro aplikaci těchto plánů,

Provozní charakteristika plánu kontroly statistické přejímky (provozní charakteristika) - vyjádřená rovnicí, grafem nebo tabulkou a vzhledem k určitému plánu kontroly závislost pravděpodobnosti přijetí na množství charakterizujícím kvalitu tohoto produktu.

Riziko dodavatele - pravděpodobnost odmítnutí šarže produktů s přijatelnou úrovní vadnosti.

Riziko spotřebitele - pravděpodobnost přijetí šarže produktů s úrovní odmítnutí vadnosti.

Jednostupňová kontrola (NDP - kontrola s jedním vzorkem; kontrola s jedním vzorkem; kontrola s jedním výstřelem) - kontrola statistické přejímky, charakterizovaná skutečností, že rozhodnutí o přijetí šarže produktů se provádí na základě výsledků kontroly pouze jednoho vzorku nebo vzorku.

Oslabená kontrola (zkrácená kontrola NDP) je statistická přejímací kontrola, která se používá, když výsledek kontroly daného počtu předchozích šarží výrobků poskytuje dostatečné důvody k závěru, že skutečná úroveň závad je nižší než míra přejímky a je charakterizována menší velikostí vzorku než při běžné kontrole ...

Vylepšená kontrola je statistická přejímací kontrola, která se používá, když výsledky kontroly daného počtu předchozích šarží produktů poskytují dostatečný základ pro závěr, že skutečná úroveň vadnosti je vyšší než úroveň přijatelnosti a je charakterizována přísnějšími kontrolními normami než během běžné kontroly.

Odběr vzorků pro testování se provádí různými metodami. V první metodě předkládání produktů pro kontrolu jsou jednotky produktů, které jsou předmětem kontroly, seřazeny a očíslovány s průběžným číslováním, jsou předávány ke kontrole ve formě určité omezené populace vytvořené nezávisle na výrobním procesu. Z této populace je vybrán vzorek pomocí rovnoměrně rozloženého generátoru náhodných čísel nebo rovnoměrně rozloženého stolu náhodných čísel. Generátor náhodných čísel může být rotující kruh s čísly na dělících bodech. Počet dělících bodů je určen požadovaným počtem náhodných čísel, tj. Počtem jednotek produktu v kontrolované dávce. Další variantou generátoru je loterijní buben s počtem očíslovaných koulí, jejichž počet se rovná počtu jednotek kontrolované dávky.

Existují výpočetní postupy pro získávání rovnoměrně rozložených náhodných čísel, včetně postupů založených na použití tabulek rovnoměrně rozložených náhodných čísel.

Tabulka rovnoměrně rozložených náhodných čísel je výsledkem statistického experimentu zaznamenaného ve formě tabulky provedeného pomocí generátoru rovnoměrně rozložených náhodných čísel.

Předpokládejme, že máte tabulku náhodných čísel rovnoměrně rozmístěných od 0 do 10 000.

Chcete-li získat náhodná čísla X 4, rovnoměrně rozložená v rozsahu od 0 do 1, musíte všechna tato čísla vydělit 10 000.

Náhodná čísla rovnoměrně rozložená v intervalu (0, b) jsou určena vzorcem

Jako čísla produktů zahrnutá ve vzorku musíte vzít celou část přijatých náhodných čísel [yy]. S každým novým výběrem vzorků musíte náhodně vybrat první z těchto čísel a poté následující číslo n - 1, n velikost vzorku. Pokud se některá čísla opakují, musíte zvýšit počet vybraných náhodných čísel o počet opakování.

Postup náhodného výběru produktů do vzorku pomocí tabulek rovnoměrně rozložených náhodných čísel spočívá v přečíslování všech produktů šarže podléhající kontrole, sestavení relativně krátké řady náhodných čísel v rozsahu od 1 do N, kde N je velikost dávky, a výběr prvních n různých čísel z této série ... Tato čísla definují položky obsažené ve vzorku objemu N.

Příklady výrobků předložených ke kontrole metodou „řádek“: motory, chladničky, pračky.

Druhým způsobem prezentace produktů pro kontrolu je „rozptyl“.

V tomto případě se při výběru jednotek pro vzorek použije „metoda největší objektivity“. Při použití této metody obsahuje vzorek položky z různých částí kontrolované dávky.

Třetí způsob prezentace produktů ke kontrole se nazývá „tok“. V tomto případě jsou jednotky produktů odesílány ke kontrole nepřetržitým tokem současně s uvolňováním produktů. Výrobní jednotky jsou objednány, najdete jednotky libovolného daného čísla. Tato metoda je typická pro případ, kdy jsou výrobky kontrolovány bezprostředně po opuštění dopravníku.

V tomto případě se použije metoda systematického výběru výrobních jednotek ve vzorku. Dalším úkolem po výběru vzorků pro testování je výběr kontrolního plánu, tj. Stanovení objemu kontrolované šarže, velikosti vzorku, čísla přijetí a rozhodovacího pravidla. Tento problém je řešen uvažovanými metodami s přihlédnutím ke stanoveným hodnotám chyb prvního a druhého druhu i ekonomickým faktorům.

Základní standardizované koncepty používané při kontrole kvality, včetně certifikace.

Přípustná odchylka je odchylka hodnoty indikátoru kvality produktu nebo jeho parametru od nominální hodnoty, která je v mezích stanovených regulační dokumentací.

Vada - každá jednotlivá neshoda výrobků s požadavky stanovenými regulační dokumentací.

Zjevnou vadou je vada, při jejímž zjištění jsou v regulační dokumentaci uvedena příslušná pravidla, metody a prostředky kontroly.

Latentní závada je závada, při jejímž zjištění není v regulační dokumentaci uvedena nezbytná pravidla, metody a prostředky kontroly.

Kritickou vadou je vada, u které je prakticky nemožné použít výrobek k zamýšlenému účelu nebo je vyloučena v souladu s bezpečnostními požadavky.

Hlavní závada - závada, která významně ovlivňuje zamýšlené použití výrobku nebo jeho životnost, ale není kritická.

Drobnou vadou se rozumí vada, která významně neovlivňuje zamýšlené použití výrobku a jeho životnost.

Rozdělení vad na kritické, významné a nevýznamné se používá při analýze úrovně kvality produktu a jeho výrobní technologie.

Opravitelnou vadou se rozumí vada, jejíž odstranění je technicky možné a ekonomicky proveditelné.

Neodstranitelnou vadou je vada, jejíž odstranění je technicky nemožné nebo ekonomicky nevýhodné.

Vadná jednotka produktu - jednotka produktu, která má alespoň jednu vadu.

Vadná položka - položka s alespoň jednou vadou.

Vada je vadná jednotka výroby nebo soubor takových jednotek.

Opravitelné manželství - manželství, ve kterém jsou odstranitelné všechny vady.

Neodstranitelnou vadou je vada sestávající z takových výrobních jednotek, z nichž každá má alespoň jednu neopravitelnou vadu.

Stupeň produktu - gradace určitého typu produktu podle jednoho nebo více indikátorů kvality stanovených regulační dokumentací.

Statistické kontrolní plány. Výrobce výrobků je povinen zajistit, aby ukazatele kvality odpovídaly hodnotám stanoveným v technických specifikacích. Během kontroly kvality jsou dále výrobky, jejichž parametr je nižší (nebo vyšší, nebo překračuje horní nebo dolní mez) stanovené hodnoty, rozpoznány jako vadné.

Jak již bylo uvedeno, parametr se obvykle chápe jako indikátor přiřazení. Používání tohoto výrazu je tradiční pro výrobky mnoha průmyslových odvětví: elektrické a radiové prvky, motory, mechanické součásti. Kromě parametru překračujícího stanovené limity mohou být příčinou defektu produktu vady designu a výroby, například promáčknutí karoserie, neuzavřené dveře automobilu, nepracující ukazatele atd.