Статистические методы управления качеством продукции

В зависимости от поставленных целей по управлению качеством продукции на предприятии, статистические методы могут применяться для:

статистического анализа точности и стабильности продукции, технологических процессов, оборудования и т.д.;

статистического регулирования и управления технологических процессов;

статистического приемочного контроля качества продукции и ее оценки (см. раздел 1, п. 1.1).

5.1. Статистический анализ точности и стабильности технологических процессов, оборудования и качества продукции.

5.1.1. Статистический анализ точности и стабильности технологических процессов - установление статистическими методами значений показателей точности и стабильности технологического процесса и определение закономерностей его протекания во времени.

5.1.2. Статистический анализ рекомендуется применять в тех случаях, когда по ограниченному числу наблюдений необходимо решать следующие практические задачи:

определить фактическое значение показателей точности и стабильности технологического процесса, оборудования или качества продукции;

выявить степень влияния случайных и систематических факторов на точность и стабильность технологического процесса и качества продукции;

обосновать технические нормы и допуски на продукцию;

выявить резервы производственного и технологического процесса;

обосновать выбор технологического оборудования и средств измерений для изготовления продукции;

выявить возможность и обосновать целесообразность внедрения статистических методов в производственный процесс;

оценить надежность технологических систем;

обосновать необходимость реконструкции технологического процесса или ремонта технологического оборудования и других мероприятий по совершенствованию техпроцесса;

при периодических проверках технологической точности оборудования и оснастки в процессе контроля соблюдения технологической дисциплины изготовления продукции основного производства;

при проведении внутризаводской аттестации технологических процессов;

при установлении нового технологического оборудования и приемке оборудования после ремонта;

при анализе и оценке показателей производственного процесса и качества продукции и т.д.

В условиях серийного, мелкосерийного и опытного производств статистический анализ в первую очередь рекомендуется внедрять для систематической оценки точности технологического оборудования и рационального размещения работ на этом оборудовании.

5.1.3. Статистический анализ включает в себя следующие этапы:

планирование исследований, в частности, определение объемов выборок и метода их получения;

формулирование математико-статистического описания создания модели процесса;

оценку параметров модели процесса и выбор выборочных распределений для этой оценки;

изучение согласия между теоретической моделью процесса и полученными наблюдениями;

принятие мер в зависимости от результатов проведенного анализа.

5.1.4. Для статистического анализа могут применяться следующие методы:

проверка статистических гипотез;

оценка и доверительные границы параметров распределения случайных величин;

многомерные статистические анализы.

С помощью этих методов могут решаться такие задачи, как:

сравнение средних значений;

сравнение дисперсий;

определение степени зависимости (оценка коэффициента корреляции);

регрессионный анализ;

дисперсионный анализ;

нахождение оценок и доверительных границ для параметров различных распределений;

анализ временных рядов и случайных последовательностей.

5.1.4.1. Сравнение средних значений рекомендуется применять при установлении соответствия показателей качества продукции и эталонного образца или при сравнении нескольких единиц продукции.

Пример. Электрические счетчики регулируются в процессе производства для синхронизации их работы с работой эталонного счетчика. Для этого отбирают выборку объемом 10 счетчиков и подвергают их контролю. Результаты контроля (средние значения) сравнивают с эталонным счетчиком и по результатам этого сравнения оценивается вся партия счетчиков.

5.1.4.2. Сравнение дисперсий рекомендуется применять при оценке рассеивания показателей качества в зависимости от способа обработки или технологического оборудования, на котором изготовлена продукция, или других факторов. Предполагается, что количество наблюдений над показателями качества по определенным причинам ограничено.

Пример. Рассеивание ударной вязкости металла в зависимости от четырех режимов термической обработки изучалось сравнением дисперсий, полученных по четырем выборкам образцов равного объема. Цель этого изучения - установить влияние режимов термической обработки на величину параметров рассеивания показателей ударной вязкости.

5.1.4.3. Определение степени зависимости (оценка коэффициента корреляции) рекомендуется применять при необходимости проверки гипотезы о степени зависимости показателя качества от определенных факторов, одного показателя качества от другого, или в других подобных случаях.

Пример. Требуется оценить степень зависимости (корреляционную связь) между толщиной слоя хромового покрытия и плотностью электролита. Для этого измерялись толщина слоя хромового покрытия и плотность электролита при его получении.

При выборке объемом десяти пар наблюдений (толщина хромового покрытия - плотность электролита) определялась степень зависимости (0,875). Близость степени зависимости к единице свидетельствует о сильной связи между толщиной хромового покрытия и плотностью электролита. При получении же зависимости, близкой к нулю, можно сделать вывод о наличии слабой связи или вообще о ее отсутствии. Следовательно, по результатам контроля плотности электролита можно управлять технологическим процессом хромирования для получения требуемой толщины покрытия.

5.1.4.4. Регрессионный анализ рекомендуется применять в тех случаях, когда требуется оценить показатель качества по результатам наблюдений над другими показателями. Предполагается, что из предшествующих опытов или по накопленному статистическому материалу известна соответствующая степень связи и вид регрессии (линейная, квадратичная или др.).

Пример. Режим термообработки изделия зависит от содержания в металле легирующих примесей. Степень зависимости между параметрами режима термообработки и содержанием легирующих примесей известна из ранее проведенных опытов. Предполагается линейная регрессия. Регрессионный анализ применяется также в тех случаях, когда по результатам наблюдений над показателями качества и другими показателями требуется оценить вид регрессии, т.е. зависимости (линейная, нелинейная).

Пример. Для изучения жесткости задней бабки токарного станка проводились измерения величины отжатия бабки в микронах и нагрузки, вызывающей это отжатие в килограммах. На основании результатов наблюдений оценивалась гипотеза о линейной жесткости от нагрузки.

Примечание. Большинство задач регрессионного анализа формализовано в виде стандартных программ на ЭВМ.

5.1.4.5. Дисперсионный анализ рекомендуется применять в тех случаях, когда надо оценить влияние на показатель качества тех или иных факторов.

Пример. На предприятии готовую продукцию упаковывают в мешки по 50 кг каждый. Взвешивание и упаковка продукции производится шестью машинами. Далее, через определенные промежутки времени от каждой машины берут контрольный мешок и взвешивают. Требуется по этим данным оценить влияние следующих трех групп факторов:

неточность взвешивания машинами;

изменения температуры, влажности, плотности и т.д. взвешиваемой продукции;

неточность в наладке машин (систематические ошибки при взвешивании).

5.1.4.6. Нахождение оценок и доверительных границ для параметров различных распределений рекомендуется применять, когда необходимо в нормативно-техническую и техническую документацию включить требования к показателям качества и их нормативов, а также оценить точность технологического оборудования и т.д.

5.1.4.7. Анализ временных рядов и случайных последовательностей рекомендуется применять при необходимости оценки поведения показателя технологического процесса или качества продукции во времени.

Пример 1. При проектировании металлорежущих станков приходится решать вопрос о необходимости ставить или не ставить на этот станок подналадочное устройство. Для такого решения требуется знать, имеет ли место систематическое изменение настройки, или получающиеся отклонения от подналадочной установки случайны и независимы. Для анализа используются результаты наблюдения образцов опытной партии.

Пример 2. При оценке работы следящих систем приходится выделять полезный сигнал на фоне шумов. Обе задачи аналогичны и составляют предмет анализа временных рядов.

Для анализа случайных последовательностей характерен следующий пример. В эксплуатационных условиях наблюдались отказы установок для кондиционирования воздуха. По данным об интервалах времени между отказами надо было установить, снижается ли надежность установок по мере увеличения их наработки. Применение анализа временных рядов и случайных последовательностей требует специалистов более высокой квалификации, чем для других методов.

5.1.5. Для решения производственных задач по управлению качеством продукции могут также применяться графоаналитические методы. В эту группу могут быть включены такие методы, как построение ветвистой схемы характерных факторов и причинных связей - схема Исикава; построение кумулятивной кривой, т.е. графика накопления частот интервального ряда - диаграмма Парето, построение гистограммы, т.е. одноступенчатой кривой, отображающей интервальную частоту распределения показателя качества; построение контрольной карты или листка, графика разброса и т.д. Приведенные методы просты и могут быть использованы как самостоятельно, так и в сочетании с другими вышеизложенными методами.

5.1.6. Для проведения статистического анализа точности и стабильности технологических процессов рекомендуется пользоваться рекомендациями Р 50-601-20, ВНИИС 1991 г.

5.2. Статистическое регулирование технологических процессов.

5.2.1. Статистическое регулирование технологических процессов - корректирование значений параметров технологического процесса по результатам выборочного контроля контролируемых параметров, осуществляемое для технологического обеспечения требуемого уровня качества. При этом технологический процесс должен быть статистически управляемым и стабильным.

Под статистически управляемым процессом понимается технологический процесс, в котором с помощью статистического регулирования обеспечивается точность и стабильность контролируемых параметров, в результате чего значения контролируемых параметров продукции имеют только случайные отклонения.

5.2.2. Статистическое регулирование технологических процессов заключается в том, что в определенные моменты времени или через определенное количество изготовленных единиц продукции отбирается мгновенная выборка установленного объема и производится измерение контролируемого параметра.

По результатам измерений определяют статистическую характеристику контролируемого параметра, значение которой наносят на контрольную карту, и в зависимости от этого значения принимают решение о корректировке технологического процесса или о продолжении процесса баз корректировки, т.е. на основании данных о состоянии технологического процесса в предшествующие моменты времени прогнозируется его состояние в последующие моменты времени.

Значение статистической характеристики контролируемого параметра качества продукции, при котором наступает разладка операции или процесса, должно определяться исходя из выборочной характеристики.

5.2.3. Статистическое регулирование технологических процессов может осуществляться как по количественному, так и по альтернативному признаку.

5.2.3.1. Методы средних арифметических значений, медианы и индивидуальных значений рекомендуется применять для статистического регулирования уровня наладки технологического процесса.

5.2.3.2. Методы средних квадратических отклонений или дисперсий, размахов или средних размахов и крайних значений рекомендуется применять для статистического регулирования рассеивания параметров технологического процесса.

5.2.3.3. Методы учета дефектов рекомендуется применять для выявления и оценки дефектности продукции, а также при статистическом регулировании технологического процесса.

5.2.3.4. Метод группировки рекомендуется применять как для статистического регулирования уровня наладки и рассеивания параметров технологического процесса, так и для оценки уровня дефектности продукции.

5.2.4. Статистическое регулирование технологических процессов, как правило, сопровождается ведением контрольных карт, которые допускается размещать на бланке, световом табло, в памяти ЭВМ в закодированном виде или различного рода компьютеров.

5.2.5. Обоснование выбора плана статистического регулирования технологических процессов и практическое применение рекомендуется осуществлять по Р 50-601-19, ВНИИС, 1991 г.

При обосновании плана статистического регулирования технологических процессов рекомендуется учитывать:

риск незамеченной разладки и риск излишней наладки технологической операции или процесса;

экономические показатели;

комбинированное применение рисков незамеченной разладки и излишней наладки технологической операции или процесса.

Кроме того могут применяться:

затраты на контроль единицы продукции;

затраты на контроль выборки (пробы);

затраты на возмещение убытков от попадания на последующие технологические операции или процессы (готовую продукцию) единиц продукции, не соответствующих установленным требованиям;

затраты на корректировку и наладку операций или процесса и т.д.

Примечание. Если использование экономических показателей для обоснования планов невозможно или нецелесообразно, рекомендуется использовать риск незамеченной разладки или риск излишней наладки.

 

5.2.6. Планы, применяемые при статистическом регулировании технологических процессов (границы регулирования, объем выборки или пробы, периодического отбора выборки или пробы, вид и метод и т.д.), схемы контрольных карт, их формы, правила построения, заполнения, ведения, лицо, ответственное за их ведение, порядок определения выборочной статистической характеристики, а также порядок принятия решений по контрольным картам и взаимоотношения между цехами и участками при применении статистических методов регулирования технологических процессов и другие необходимые должны быть установлены в нормативно-технической и технической документации на технологические процессы службой или производственным подразделением, ответственным за разработку этой документации на технологические процессы с участием технологической службы, осуществляющей координацию, методическое руководство и контроль за внедрением статистических методов управления качеством продукции.

Внедрение статистических методов регулирования технологических процессов рекомендуется осуществлять только на стабильных технологических операциях или процессах.

5.3. Статистический приемочный контроль качества продукции.

5.3.1. Статистический приемочный контроль качества продукции - выборочный контроль качества продукции, основанный на применении методов математической статистики для проверки соответствия качества продукции установленным требованиям и принятия решения.

5.3.2. Статистический приемочный контроль не следует обязательно связывать только с контролем готовой продукции. Он может применяться на входном контроле, на контроле закупок, при операционном контроле (где цех - изготовитель по отношению к цеху, выполняющему последующие технологические операции, следует рассматривать как поставщика и потребителя данной продукции), при контроле продукции, находящейся на хранении, при контроле качества продукции после ее транспортирования, при контроле качества продукции в ходе ее ремонта и по его окончании, в сфере обращения и т.д., т.е. в тех случаях, когда надо решать вопрос - принять или забраковать партию продукции.

Решение о приемке или забраковании следует принимать по каждой партии продукции отдельно.

5.3.3. Поставщик и потребитель при согласовании и установлении планов контроля (если эти планы установлены в НТД на продукцию) должны соответствующим документом (договором на поставку или контрактом) определить порядок возмещения убытков от дефектной или некомплектной продукции в случае, если это будет обнаружено потребителем после ее приемки. Приоритет при этом должен быть отдан экономическому механизму управления качеством продукции.

При повторном предъявлении продукции на контроль в сопроводительной документации рекомендуется указать причини, из-за которых она была возвращена изготовителю для устранения дефектов. Планы контроля при повторном предъявлении продукции на контроль должны быть теми же, что и при первом предъявлении.

5.3.4. Эффективность статистического приемочного контроля целесообразно оценивать оптимальным значением рисков поставщика и потребителя.

5.3.5. При применении статистического приемочного контроля продукция должна предъявляться на контроль только полностью сформированными партиями.

Примечание. Исключением из этого правила является случай, когда изготовитель перед массовым производством продукции осуществляет выборочный контроль не для целей ее приемки, а для проверки технологии ее производства.

 

5.3.6. При применении статистического приемочного контроля не допускается производить отбор выборки (пробы) до тех пор, пока не будет предъявлена на контроль полностью сформированная партия продукции.

5.3.7. С целью получения объективной информация о качестве продукции целесообразно перед предъявлением ее на контроль установить требования к условиям, в которых должен осуществляться контроль (к помещению, окружающей среде, процессу расконсервации, освещению, температурному режиму, солнечной радиации, получению однородной массы или равномерного состава, времени вхождения продукции в рабочий режим, устойчивости к вибрации, маслам, моющим средствам, влиянию внешних полей, влажности, атмосферного давления, агрессивных сред, времени выдержки и т.д.).

5.3.8. В тех случаях, когда в готовую продукцию входят детали и узлы, изготовленные другими изготовителями, на которых нет возможности осуществить контроль по всем контролируемым признакам, целесообразно предусмотреть их контроль в составе готовой продукции.

5.3.9. Задачи и виды приемочного контроля, виды и планы статистического приемочного контроля, правила применения приемочного контроля, порядок предъявления продукции на контроль, правила формирования одиночных и последовательных партий продукции и их контроля, а также технология разработки приемочного контроля с достаточной полнотой даны в Р 50-110, Изд-ва стандартов, М., 1989 г.

5.3.10. Статистический приемочный контроль качества продукции может осуществляться как по количественному, так и по альтернативному признаку.

5.3.10.1. При контроле по количественному признаку решение по контролируемой партии продукции рекомендуется принимать в зависимости от значения контролируемых параметров при сравнении их с контрольными нормативами, указанными в НТД.

При применении статистического приемочного контроля по количественному признаку, планы контроля следует устанавливать в соответствии с требованиями ГОСТ 20736-75 (СТ СЭВ 1672-79) или МС ИСО 3591.

5.3.10.2. При контроле по альтернативному признаку решение по контролируемой партии продукции рекомендуется принимать в зависимости от числа обнаруженных в выборке дефектных единиц продукции или числа дефектов, приходящихся на определенное число единиц продукции при сравнении их с приемочными и браковочными числами, указанными в НТД.

При применении статистического приемочного контроля по альтернативному признаку, планы контроля следует устанавливать в соответствии с требованиями ГОСТ 18242-72 (СТ СЭВ 548-77; СТ СЭВ 1673-79) или МС ИСО 2859/0-3; ГОСТ 16493-70; ГОСТ 24660-81.

При применении непрерывного статистического приемочного контроля по альтернативному признаку, планы контроля следует устанавливать в соответствии с требованиями СТ СЭВ 293-76, который в отечественной практике используется как национальный стандарт.

5.3.11. Под планами контроля следует понимать совокупность данных об объеме партии и выборке, уровне и виде контроля, типе плана выборочного контроля, уровне дефектности, контрольных нормативах и решающих правилах.

Обоснование метода статистического приемочного контроля, уровня дефектности, назначение оперативной характеристики плана выборочного контроля, обоснование и выбор типа плана выборочного контроля, правила корректировки плана выборочного контроля, обоснование и выбор уровня контроля, а так же контроль с классификацией дефектов и т.д. подробно изложены в методических указаниях по применению стандартов на статистический приемочный контроль РД 50-605, Изд-во стандартов, М., 1986 г.

Правила выбора единиц продукции в выборке должны соответствовать требованиям ГОСТ 18321-73 (СТ СЭВ 1934-79).

5.3.12. Планы статистического приемочного контроля, а также порядок установления взаимоотношений между поставщиком и потребителем при оценке результатов контроля и другие необходимые данные должны быть установлены в нормативно-технической и технической документации на продукцию или технологические процессы службой или производственным подразделением, ответственным за разработку этой документации на продукцию или технологические процессы с участием технической службы, осуществляющей координацию; методическое руководство и контроль за внедрением статистических методов управления качеством продукции.

5.4. Статистическая оценка качества продукции.

5.4.1. Статистическая оценка качества продукции - метод оценки качества продукции, при котором значения показателей качества продукции осуществляют с использованием правил математической статистики.

5.4.2. Статистические методы оценки широко используются для:

определения динамики качества продукции при ее сертификации и модернизации;

обоснования выбора номенклатуры показателей качества продукции;

обоснования выбора базовых образцов и других аналогичных задач;

оценки технического уровня качества продукции;

анализа конкурентоспособности продукции;

изучения рынка сбыта, т.е. решения вопросов маркетинга.

5.4.3. Статистические методы оценки качества продукции подробно изложены в разделе 5, п. 5.1 настоящих рекомендаций.

Статистические методы анализа точности, стабильности и управления технологическими процессами, регламентированные нормативными документами, предусматривают контроль процесса лишь по одному показателю качества выпускаемого изделия. Между тем качество изделия обычно характеризуется несколькими показателями; эти показатели могут быть коррелированны между собой. В последнем случае независимый контроль по отдельным показателям может привести к значительным погрешностям; результат контроля часто оказывается неадекватным реальной ситуации: возможны как пропуски фактической разладки процесса, так и необоснованные остановки при выходе используемых статистик за контрольные пределы.

До сравнительно недавнего времени статистические методы на производстве были ориентированы на расчеты вручную, и о применении методов многомерного статистического анализа вопрос не стоял. Использование компьютерной техники и современного программного обеспечения позволяет обеспечить надежный контроль технологического процесса с учетом множества коррелированных показателей качества непосредственно в производственных условиях, а при наличии электронных контрольно-измерительных устройств с соответствующим интерфейсом - в режиме реального времени.

Вмешательство в технологический процесс для настройки требуется тогда, когда выпускаемая продукция еще удовлетворяет техническим требованиям, но статистические показатели процесса свидетельствуют о наличии неслучайных воздействий. Практический инструмент для решения вопроса о необходимости такого вмешательства - контрольная карта - была предложена У. Шухартом: сигнал о разладке процесса подается при выходе контролируемого показателя за некоторую пороговую границу.

Задача последовательного обнаружения изменения среднего уровня технологического процесса для одномерной независимой гауссовской случайной последовательности рассмотрена в работах М. Гиршика, Г. Рубина, Е. Пейджа; на основе методов последовательного анализа была предложена контрольная карта кумулятивных сумм. С. Робертс предложил использование экспоненциального сглаживания для обнаружения нарушений в ходе процесса.

Существенное влияние на выбор метода решения задач вероятностной диагностики технологического процесса оказывает наличие или отсутствие информации о распределении момента появления нарушения. Задача о статистическом контроле процесса при известных вероятностях перехода из налаженного состояния в разлаженное всесторонне исследована А.Н. Ширяевым. Им получено строгое математическое решение задачи о разладке с синтезом оптимальных алгоритмов при известном распределении момента появления разладки. Однако при практическом проведении статистического контроля, как правило, априорное распределение этих вероятностей неизвестно. Дальнейшее развитие этих работ на базе теории случайных процессов проводилось И.В. Никифоровым, Л.А. Телькснисом, Б.Е Бродским, Б.С. Дарховским и другими.

Таким образом, используется три основных подхода к решению задачи статистического контроля процесса и различные их модификации. Первый, базирующийся на критерии Неймана-Пирсона, представляет собой контрольную карту Шухарта - исторически самый первый метод диагностики технологического процесса. Второй подход основан на многократном применении последовательного анализа Вальда и реализован на практике в виде контрольных карт кумулятивных сумм. Наконец, третий подход к обнаружению нарушения процесса базируется на экспоненциальном сглаживании.

Если контролируемые показатели качества оказываются зависимыми, использование независимого контроля отдельных показателей может привести к значительным погрешностям, связанным с двумя обстоятельствами. Во-первых, различны доверительные области: при независимом контроле это прямоугольный параллелепипед, стороны которого определяются границами регулирования карт Шухарта; с учетом корреляционных связей доверительная область представляет эллипсоид, главные оси которого повернуты относительно осей параллелепипеда: опытные точки, оказывающиеся внутри параллелепипеда, но вне эллипсоида, свидетельствуют о нормальном ходе процесса, хотя на самом деле процесс статистически неуправляем. Во-вторых, определение совместного уровня значимости (вероятности ложной тревоги) невозможно при контроле по отдельным показателям, коррелированным между собой.

Обобщение контрольных карт Шухарта для независимой последовательности многомерных случайных векторов предложено Г. Хотеллингом. Сравнительно недавно разработаны и различные варианты обобщений для многомерного контроля алгоритмов кумулятивных сумм и экспоненциально взвешенных скользящих средних. Однако практическому использованию этих средств препятствует ряд обстоятельств: их недостаточная чувствительность к нарушениям процесса (определяется по количеству наблюдений от момента нарушения процесса до момента обнаружения этого нарушения - средняя длина серий), необходимость проведения специальных статистических испытаний для оценивания параметров некоторых средств, отсутствие статистических инструментов для многомерного контроля технологического рассеивания, методов диагностики и принятия решения при многомерном контроле, соответствующего программного обеспечения.

Уровень значимости(Significance level), Синонимы: Уровень достоверности – это статистический показатель, который используется для оценки меры уверенности в истинности некоторого результата или гипотезы. Например, при проверке статистической гипотезы уровень значимости определяется как вероятность отклонить нулевую гипотезу, если на самом деле она истинна (ошибка первого рода или ложноположительное решение).

Уровень значимости применяется совместно с p-значением. Если p-значение меньше уровня значимости, то нулевая гипотеза отвергается. Чем меньше p-значение, тем более весомой называется тестовая статистика, и тем больше оснований отклонять нулевую гипотезу.

Уровень значимости обычно обозначается греческой буквой альфа. Популярными уровнями значимости являются 5%, 1% и 0.1%. Если в результате теста было получено p-значение меньше уровня значимости, то нулевая гипотеза отклоняется, а соответствующие результаты признаются статистически значимыми. Например, если утверждается, что «шанс того, что случившееся является совпадением, равны одному из тысячи», то имеется в виду уровень значимости 0.1 %.

Выбор уровня значимости при проверке статистических гипотез неоднозначен. С одной стороны, большой уровень значимости дает большую уверенность в том, что альтернативная гипотеза важна. Но при этом возрастает риск не отвергнуть ложную нулевую гипотезу (ошибка второго рода или ложноотрицательное решение). Таким образом, выбор уровня значимости требует компромисса между значимостью и риском ошибки и, следовательно, между вероятностями ошибок первого и второго рода.