Семь простых японских методов

В процессе изготовления изделия существует множество факторов, оказывающих влияние на его показатели качества. Оценивая производственный процесс с точки зрения изменения качества, можно рассматривать его как некую совокупность причин изменчивости. Эти причины и приводят к появлению, как бездефектных изделий, так и дефектных. Если деталь соответствует чертежу (стандарту) она бездефектна, если нет, то – дефектна. Сплошной контроль качества изделий в массовом производстве: во-первых, не обеспечивает гарантию 100% качества, а во-вторых, является очень затратным.

Применение статистических методов – весьма действенный путь разработки новой технологии и контроля качества производственных процессов. Многие ведущие фирмы активно используют статистические методы и считают целесообразным тратить до 100 часов в год на обучение сотрудников этим методам.

Статистические методы управления качеством – это философия, политика, система, методология, а также технические средства управления качеством на основе измерений, анализа, испытаний, контроля, данных по эксплуатации, экспертных оценок и любой другой информации, позволяющей принимать, достоверные, обоснованные, доказательные решения. Информация должна быть своевременной, объективной и достоверной.

Массовое применение получили следующие статистические методы:

1. Контрольные листки;

2. Графики и диаграммы на плоскости;

3. Диаграмма Парето;

4. Расслоение (стратификация), диаграммы разброса (рассеяния);

5. Диаграмма Исикавы («рыбья кость»);

6. Гистограммы;

7. Контрольные карты (Шухарта).

Широкое внедрение в практику работы российских предприятийсеми простых японских методов – необходимое условие быстрого прогресса в производстве качественной продукции. Этот шаг не требует значительных затрат, если только не считать организации широкомасштабного обучения рабочих и специалистов статистическим методам и внедрения их в производство. Обучение и организация производства плюс система стимулирования за качество – вот ключевые моменты российского качества.

Рекомендации по применению семи простых японских методов

1. Необходимо четко определить источник данных (где собираются данные: рабочее место, станок, рабочий; кто собирает данные: контролер, рабочий; периодичность сбора данных: каждая 5-я деталь, 1-я смена, каждый час и т.п.; материал, из которого изготавливают детали: марка, партия; и т.д.

2. Необходимо подобрать метод измерения, приборы и контрольные приспособления. Очевидно, что средства измерения и контрольные приспособления должны быть аттестованы (поверены), а персонал должен быть обучен.

3. Необходимо определить перечень всех характеристик, которые подлежат измерению.

4. Необходимо разработать простую и удобную для дальнейшей обработки данных форму их регистрации. Рекомендуется использовать количественные данные.

Контрольные листки

Контрольный листок – это бумажный бланк, на котором заранее напечатаны контролируемые параметры и форма, куда необходимо заносить параметры. Это делается для того, чтобы можно было легко и точно записывать данные измерений.

При необходимости на контрольном листке может быть приведен эскиз детали или схема, на которых делаются пометки, показывающие местонахождение дефектов (например: контрольный листок локализации дефектов).

На контрольном листке обязательно должна быть следующая информация:

- наименование и обозначение детали, номер партии (заказа), из которой взяты детали, общее количество проверенных деталей;

- обозначение техпроцесса, производственная операция;

- номер цеха, участка, где изготавливались детали;

- марка станка и его заводской номер;

- марка материала, из которого изготавливались детали;

- дата и время изготовления деталей, рабочая смена;

- фамилии рабочих, изготовивших детали и их квалификация;

- фамилия, работника, проводившего измерения и заполнение формы и его квалификация;

- информация о методике и средствах измерения (марка измерительного прибора, заводской номер, контрольное приспособление и т.п.)

Графики и диаграммы на плоскости

Наиболее распространенными средствами наглядного представления количественных данных являются графики и диаграммы.

С их помощью можно объединять большие объемы информации, используя при этом небольшие участки бумаги, и сообщать результаты анализа определенной комплексной проблемы наглядно, сжато и ясно.

Примерами могут служить:

- линейные графики;

- столбчатые диаграммы;

- круговые диаграммы.

Диаграмма Парето

Причины изменений качества бесчисленны, а их воздействие на качество различно. Все возможные причины можно разделить на две группы:

- «немногочисленные существенно важные», которые оказывают существенное воздействие на качество;

- «многочисленные несущественные», охватывающие большое количество причин, но незначительно воздействующие на качество.

Очевидно, что при проведении анализа причин появления дефектов необходимо найти существенно важные причины, вызывающие появление дефектов, выделить и устранить их.

Массивы различных данных трудно анализировать, пока они не представлены в наглядной и понятной форме.

Анализ Парето - это метод классификации причин возникновения дефектов на «немногочисленные существенно важные» и «многочисленные несущественные». В большинстве случаев подавляющее число дефектов и связанных с ними потерь возникает из-за относительно небольшого количества причин.

Анализ Парето ранжирует отдельные области по значимости или важности и дает возможность выявить и в первую очередь устранить те причины, которые вызывают наибольшее количество проблем (несоответствий).

Схема, построенная на основе группирования по дискретным признакам, ранжированная в порядке убывания (например, по частоте появления) и показывающая кумулятивную (накопленную) частоту, называется диаграммой Парето (рис. 3).

Рис. 3 Пример диаграммы Парето

1 – ошибки в процессе производства; 2 – некачественное сырье;

3 – некачественные орудия труда; 4 – некачественные шаблоны;

5 – некачественные чертежи; 6 – прочее;

А – относительная кумулятивная (накопленная) частота, %;

n – число бракованных единиц продукции.

Приведенная диаграмма построена на основе группирования бракованной продукции по видам брака и расположения в порядке убывания числа единиц бракованной продукции каждого вида. Она позволяет произвести сравнение ранжированных факторов, определяющих проблемы качества.

Диаграмму Парето можно использовать очень широко. С ее помощью можно оценить эффективность принятых мер по улучшению качества продукции, построив ее до и после внесения изменений.

Анализ Парето - представляет собой один из инструментов для идентификации и концентрации внимания на немногочисленных жизненно важных факторах, влияющих на качество (иллюстрируется диаграммой Парето).

Расслоение (стратификация)

Распределение полученных данных на отдельные группы (слои) по определенному признаку в зависимости от выбранного фактора называется расслоением или стратификацией.

В качестве стратифицирующего фактора могут быть выбраны любые параметры, определяющие особенности условий возникновения и получения данных.

Расслоение можно осуществить:

- по исполнителям (по полу, стажу работы, квалификации и т.д.);
- по машинам и оборудованию (по новому или старому, марке, типу и т.д.);
- по материалу (по месту производства, партии, виду, качеству сырья и т.д.);
- по способу производства (по температуре, технологическому приему и т.д.).

В торговле может быть осуществлено расслоение по районам, фирмам, продавцам, видам товара, сезонам и т.п.

Расслоение помогает выяснить причину появления дефекта, если обнаруживается разница в данных между слоями.

При подготовке к сбору данных по какой либо проблеме необходимо тщательно продумать разделение данных на группы при их занесении в форму.

Диаграмма разброса (рассеяния) применяется для выявления зависимости (корреляции) одних показателей от других или для определения степени корреляции между n парами данных для переменных x и y:

(x₁,y₁), (x₂,y₂),..., (x_n, y_n).

Эти данные наносятся на график (диаграмму разброса), и для них вычисляется коэффициент корреляции по формуле

,

,

,

где

ковариация;

стандартные отклонения случайных переменных x и у;

n – размер выборки (количество пар данных – х_i и у_i);

и – среднеарифметические значения х_i и у_i cоответственно.

Рассмотрим различные варианты диаграмм разброса (или полей корреляции) на рис. 4.

Рис. 4 Варианты диаграмм разброса.

В случае:

а) можно говорить о положительной корреляции (с ростом x увеличивается y);

б) проявляется отрицательная корреляция (с ростом x уменьшается y);

в) при росте x y может как расти, так и уменьшаться, говорят об отсутствии корреляции. Но это не означает, что между ними нет зависимости, между ними нет линейной зависимости. Очевидная нелинейная (экспоненциальная) зависимость представлена и на диаграмме разброса г).

Коэффициент корреляции всегда принимает значения в интервале , т.е. при r>0 – положительная корреляция, при r=0 – нет корреляции, при r <0 – отрицательная корреляция.

Для тех же n пар данных (x₁,y₁), (x₂,y₂),..., (x_n, y_n) можно установить зависимость между x и y. Формула, выражающая эту зависимость, называется уравнением регрессии (или линией регрессии), и ее представляют в общем виде функцией

у = а + bх.

Для определения линии регрессии (рис.5) необходимо статистически оценить коэффициент регрессии b и постоянную a. Для этого должны быть выполнены следующие условия:

1) линия регрессии должна проходить через точки (x,y) средних значений x и y. 2) сумма квадратов отклонений от линии регрессии значений y по всем точкам должна быть наименьшей.

3) для расчета коэффициентов а и b используются формулы

.

Т.е. уравнением регрессии можно аппроксимировать реальные данные.

Рис. 5 Пример линии регрессии.