<< Пред. стр.

стр. 34
(общее количество: 60)

ОГЛАВЛЕНИЕ

След. стр. >>

сты различных специализаций садятся вместе за рабочий стол и работают в одной
FMEA команде, сообщая друг другу очень много новой информации. И все это учи
тывается сразу, а не потом, поэтому и получается сразу вполне удовлетворительная
конструкция и соответствующая технология.
Работа FMEA команды дает несколько эффектов. Во первых, идет интенсивный
обмен информацией, то есть взаимообучение и повышение квалификации членов
команды в смежных областях. Во вторых, при работе команд часто рождаются новые
технические идеи, патенты. В третьих, в результате время проектирования сокраща
ется, если, конечно, окончанием проектирования считать вполне доработанные кон
струкцию и технологию. В четвертых, суммарные затраты с учетом необходимых
Глава 4. Методы и инструменты управления качеством
310

изменений и потерь после запуска в производство резко сокращаются. В пятых, по
требитель не будет ждать год, пока запущенное в производство «сырое изделие» бу
дет «доведено до ума» и его можно будет покупать; а репутация у потребителя — на
верняка важнее всего остального.
Однако не нужно думать, что стоит выпустить приказ генерального директора
о внедрении FMEA — и все проблемы с проектированием исчезнут. Как показы
вает опыт зарубежных фирм, освоение этого метода требует нескольких месяцев,
а реальная отдача начинается через 1–1,5 года после начала его освоения. Зато
потом предприятие имеет постоянную и устойчивую выгоду от использования
этого метода. [9]
На рис. 4.15 приведено типовое соотношение затрат и выгод от применения
FMEA методологии [10]. Здесь учтены затраты на обучение и дополнительное вре
мя работы высококвалифицированных специалистов в FMEA командах. В странах
СНГ эти затраты существенно ниже, поэтому эффект должен быть еще большим.




Рис. 4.15. Соотношение затрат и выгод от применения FMEA методологии

FMEA позволяет эффективно влиять на качество и безопасность объектов
на стадии проектирования путем выявления потенциальных отказов с высо
кой критичностью. Достаточно простая методология FMEA дает возможность
привлекать к процессу анализа специалистов разного профиля, что облегчает
всесторонний охват проблемы и улучшает информационный обмен между служ
бами предприятия.
Проведение FMEA предотвращает появление катастрофических отказов и уточ
няет возможные пути протекания нарушений. Самый главный эффект от приме
нения FMEA — сокращение потерь, обусловленных низким качеством, за счет
предотвращения отказов (дефектов, несоответствий) на ранних стадиях проекти
рования.
FMEA отражает современную тенденцию к постепенному переходу от фор
мальных статистико вероятностных методов анализа надежности объектов к ин
женерным подходам обеспечения надежности.
В силу простоты и наглядности результаты FMEA выглядят для администра
ции предприятия поставщика более убедительными, нежели сложные математи
ческие модели расчета надежности, тем более основанные на недостоверных ис
ходных данных из сомнительных источников [7].
4.3. Простые инструменты контроля качества 311

4.3. Простые инструменты контроля качества

4.3.1. Возникновение и роль простых инструментов контроля качества
Начало применению статистических методов контроля и управления качеством по
ложил американский физик У. Шухарт, когда в 1924 году предложил использовать
диаграмму (сейчас ее называют контрольной картой) и методику ее статистичес
кой оценки для анализа качества продукции. Затем в разных странах было разра
ботано много статистических методов анализа и контроля качества. В середине
1960 х годов в Японии получили широкое распространение кружки качества. Чтобы
вооружить их эффективным инструментом анализа и управления качеством, япон
ские ученые отобрали из всего множества известных инструментов 7 методов.
Заслуга ученых, и в первую очередь профессора Исикавы, состоит в том, что
они обеспечили простоту, наглядность, визуализацию этих методов, превра
тив их фактически в эффективные инструменты анализа и управления каче
ством. Их можно понять и эффективно использовать без специальной матема
тической подготовки.
Эти методы в научно технической литературе получили название «Семь ин
струментов контроля качества» [15] и «Семь основных инструментов контро
ля» [4]. В дальнейшем их число увеличилось и, поскольку общим для них яв
ляется доступность для всего персонала фирмы, их стали называть «простые
инструменты контроля качества».
При всей своей простоте эти методы позволяют сохранить связь со статисти
кой и дают возможность профессионалам пользоваться результатами этих мето
дов и при необходимости совершенствовать их. К простым инструментам кон
троля качества относятся следующие статистические методы: контрольный листок,
гистограмма, диаграмма разброса, диаграмма Парето, стратификация (расслое
ние), графики, диаграмма Исикавы (причинно следственная диаграмма), кон
трольная карта. Эти методы можно рассматривать и как отдельные инструмен
ты, и как систему методов (разную в различных обстоятельствах).
Применение этих инструментов в производственных условиях позволяет реализо
вать важный принцип функционирования СМК в соответствии с МС ISO серии 9000
версии 2000 года — «принятие решений, основанное на фактах». Инструменты кон
троля качества дают возможность получить эти факты, достоверную информацию
о состоянии изучаемых процессов. Перечисленные инструменты контроля качества
используют в основном исполнители (менеджеры) первой линии для контроля и
улучшения конкретных процессов. Причем это могут быть как производственные,
так и бизнес процессы (делопроизводство, финансовые процессы, управление про
изводством, снабжением, сбытом и т. п.). Комплексный характер управления каче
ством на всех этапах жизненного цикла продукции и производства является, как из
вестно, непременным условием Всеобщего управления качеством (см. п. 1.8).
Контроль качества состоит в том, чтобы, проверяя нужным образом подобран
ные данные, обнаружить отклонение параметров от запланированных значений
при его возникновении, найти причину его появления, а после устранения при
чины проверить соответствие данных запланированным (стандарту или норме).
Так реализуется известный цикл PDCA, или цикл Деминга (см. п. 1.8).
Глава 4. Методы и инструменты управления качеством
312

Источником данных при осуществлении контроля качества служат следующие
мероприятия [15].
1. Инспекционный контроль: регистрация данных входного контроля исход
ного сырья и материалов; регистрация данных контроля готовых изделий;
регистрация данных инспекционного контроля процесса (промежуточного
контроля) и т. д.
2. Производство и технологии: регистрация данных контроля процесса; повсе
дневная информация о применяемых операциях, регистрация данных контро
ля оборудования (неполадки, ремонт, техническое обслуживание); патенты
и статьи из периодической печати и т. д.
3. Поставки материалов и сбыт продукции: регистрация движения через скла
ды (входная и выходная нагрузка); регистрация сбыта продукции (данные
о получении и выплате денежных сумм, контроль срока поставок) и т. д.
4. Управление и делопроизводство: регистрация прибыли; регистрация возвра
щенной продукции; регистрация обслуживания постоянных клиентов; жур
нал регистрации продажи; регистрация обработки рекламаций; материалы
анализа рынка и т. д.
5. Финансовые операции: таблица сопоставления дебета и кредита; регистра
ция подсчета потерь; экономические расчеты и т. д.
Очень редко для заключения о качестве данные используются в том виде, в ка
ком они были получены. Это бывает только в случаях, когда возможно прямое
сравнение измеренных данных со стандартом. Чаще же при анализе данных про
водятся различные операции: находят среднее значение и стандартное отклоне
ние, оценивают разброс данных и т. д.
Решение той или иной проблемы с помощью рассматриваемых методов обыч
но производится по следующей схеме.
1. Оценка отклонений параметров от установленной нормы. Выполняется час
то с помощью контрольных карт и гистограмм.
2. Оценка факторов, явившихся причиной возникновения проблемы. Прово
дят расслоение (стратификацию) по зависимостям между видами брака (де
фектами) и влияющими факторами и с помощью диаграммы разброса ис
следуют тесноту взаимосвязей, применяют также причинно следственную
диаграмму.
3. Определение важнейших факторов, явившихся причиной отклонений пара
метров. Используют диаграмму Парето.
4. Разработка мероприятий по устранению проблемы.
5. После внедрения мероприятий — оценка их эффективности с помощью кон
трольных карт, гистограмм, диаграмм Парето.
В случае необходимости цикл повторяют до тех пор, пока проблема не будет
решена.
Регистрацию результатов наблюдений выполняют часто с помощью графиков,
контрольных листков и контрольных карт.
Рассмотрим суть и методику применения указанных простых методов контро
ля качества.
4.3. Простые инструменты контроля качества 313

4.3.2. Контрольный листок
Контрольный листок используется как для регистрации опытных данных, так и для
предварительной их систематизации. Имеются сотни различных видов кон
трольных листков. Чаще всего они оформляются в виде таблицы или графика.
На рис. 4.16 приведен контрольный листок, который был разработан для поиска при
чин низкой надежности телевизоров трех моделей одной фирмы. Листки заполня
ли техники ремонтники гарантийной мастерской, которые занимались непосред
ственно ремонтом этих телевизоров. Каждый листок заполнял один ремонтник
в течение недели. Контрольный листок содержит краткую, но ясную инструкцию
по методике его заполнения. Выбор объектов и условий измерений обеспечил их
достоверность. Визуальный анализ этих контрольных листков показывает, что
основной причиной низкой надежности всех трех моделей является плохое качество
конденсаторов. В модели 1017 имеются проблемы и с работой переключателей.
На рис. 4.17 показана удобная для заполнения и анализа форма контрольного
листка для учета изменения параметра процесса. Полученный график позволяет
не только зафиксировать информацию о процессе, но и выявить тенденцию изме
нения изучаемого параметра во времени.




Рис. 4.16. Контрольный листок учета выхода из строя компонентов телевизоров [16]

Контрольный листок может фиксировать как количественные, так и качествен
ные характеристики процесса (место выявленных дефектов на изделии, виды от
казов и др.) [16].
Необходимо тщательно спланировать сбор данных, чтобы избежать ошибок, кото
рые могут исказить представление об изучаемом процессе. Возможны следующие
Глава 4. Методы и инструменты управления качеством
314




Рис. 4.17. Контрольный листок учета изменений одного из условий
технологического процесса

ошибки: недостаточная точность измерений из за несовершенства средств или мето
дов измерений, из за плохой информированности сборщиков данных, их низкой ква
лификации или их заинтересованности в искажении результатов; совмещение изме
рений, относящихся к разным условиям протекания процесса; влияние процесса
измерений на изучаемый процесс. Чтобы избежать этих ошибок, нужно соблюдать
следующие правила.
1. Необходимо установить суть изучаемой проблемы и поставить вопросы,
нуждающиеся в разрешении.
2. Следует разработать форму контрольного листка, позволяющую с мини
мальными затратами времени и средств получить достоверную информа
цию о процессе.
3. Необходимо разработать методику измерений, исключающую получение
данных, не учитывающих важные условия протекания процесса. Например,
измерения следует производить на одном виде оборудования при использо
вании определенной оснастки, с указанием режимов процесса, исполнителя,
времени и места протекания процесса. Это позволит в дальнейшем учесть
влияние этих факторов на процесс.
4. Необходимо выбрать сборщика данных, непосредственно имеющего ин
формацию о процессе в качестве оператора, наладчика или контролера,
4.3. Простые инструменты контроля качества 315

не заинтересованного в ее искажении, обладающего квалификацией для по
лучения достоверных данных.
5. Со сборщиками данных следует провести инструктаж о методике измере
ний или обучить их.
6. Средства и методы измерений должны обеспечивать требуемую точность из
мерений.
7. Следует выполнить аудит процесса сбора данных, оценить его результаты,
при необходимости откорректировать методику сбора данных.

4.3.3. Гистограмма
Этот распространенный инструмент контроля качества используется для предва
рительной оценки дифференциального закона распределения изучаемой случай
ной величины, однородности экспериментальных данных, сравнения разброса
данных с допустимым, природы и точности изучаемого процесса.
Гистограмма — это столбчатый график 1 (рис. 4.18), позволяющий наглядно
представить характер распределения случайных величин в выборке. Для этой же
цели используют и полигон 2 (см. рис. 4.18) — ломаную линию, соединяющую се
редины столбцов гистограммы.




Рис. 4.18. Гистограмма (1), полигон (эмпирическая кривая распределения) (2)
и теоретическая кривая распределения (3) значений размера детали

Гистограмма как метод представления статистических данных была предложе
на французским математиком А. Гэри в 1833 году. Он предложил использовать
столбцовый график для анализа данных о преступности. Работа А. Гэри принесла
ему медаль Французской академии, а его гистограммы стали стандартным ин
струментом для анализа и представления данных.
Построение гистограммы производится следующим образом.
Составляется план исследования, выполняются измерения, и результаты зано
сят в таблицу. Результаты могут быть представлены в виде фактических изме
ренных значений либо в виде отклонений от номинального значения. В полу
ченной выборке находят максимальное Хmах и минимальное Хmin значения и их
Глава 4. Методы и инструменты управления качеством
316

разницу R = Хmах – Хmin разбивают на z равных интервалов. Обычно , где
N — объем выборки. Представительной считается выборка при N = 35 – 200. Час
то N = 100. Как правило, z = 7 – 11. Длина интервала должна быть боль
ше цены деления шкалы измерительного устройства, которым выполнялись из
мерения.
Подсчитывают частоты fi (абсолютное число наблюдений) и частости
(относительное число наблюдений) для каждого интервала. Составляется табли
ца распределения и строится его графическое изображение с помощью гисто
граммы или полигона в координатах fi — xi или ?i — xi, где xi — середина или граница
i го интервала. В каждый интервал включаются наблюдения, лежащие в пределах
от нижней границы интервала до верхней. Частоты значений, попавших на гра
ницы между интервалами, поровну распределяются между соседними интерва
лами. Для этого значения, попавшие на нижнюю границу, относят к предшеству
ющему интервалу, значения, попавшие на верхнюю границу, — к последующему
интервалу. Масштаб графиков по оси абсцисс выбирается произвольным, а по оси
ординат рекомендуется такой, чтобы высота максимальной ординаты относилась
к ширине основания кривой как 5:8.
и S2 для общей выборки можно
Имея таблицу распределения, выборочные
рассчитать по формулам:

;



.

Здесь — среднее значение i го интервала.
Расчеты значительно упрощаются, если использовать начало отсчета x0 [15, 17].
С помощью гистограммы (полигона) можно установить теоретический закон
распределения, которому в наилучшей степени соответствует эмпирическое рас
пределение данного фактора, найти параметры этого теоретического распределе
ния [18].
Зная , S, закон распределения характеристики технологического процес
са, можно оценить точность технологического процесса по данному параметру
(см. п. 3.1.3). Методика анализа процесса по показателю Cp (индексу воспро
изводимости) рассмотрена также в [13].
Основным достоинством гистограммы является то, что анализ ее формы и рас
положения относительно границ поля допуска дает много информации об изуча
емом процессе без выполнения расчетов. Для получения такой информации из
исходных данных необходимо выполнить достаточно сложные расчеты. Гисто
грамма позволяет оперативно выполнить предварительный анализ процесса (вы
борки) исполнителю первой линии (оператору, контролеру и др.) без математи
ческой обработки результатов измерений.
Например, как видно на приведенном выше рисунке (см. рис. 4.18), гистограмма
смещена относительно номинального размера к нижней границе допуска, в области
4.3. Простые инструменты контроля качества 317

которой вероятен брак. Оператор для предотвращения брака должен прежде всего
отрегулировать настройку станка для совмещения и середины поля допуска. Воз
можно, что этого окажется недостаточно для исключения брака. Тогда потребуется
повысить жесткость технологической системы, стойкость инструмента и уменьшить
разброс размеров.
Рассмотрим наиболее распространенные формы гистограмм (рис. 4.19) и по
пытаемся их связать с особенностями процесса (выборки, по которой построена
гистограмма).




Рис. 4.19. Основные типы гистограмм

Колоколообразное распределение (см. рис. 4.19, а) — симметричная форма
с максимумом примерно в середине интервала изменения изучаемого параметра.
Характерна для распределения параметра по нормальному закону, при равномер
ном влиянии на него различных факторов. Отклонения от колоколообразной
формы могут указывать на наличие доминирующих факторов или нарушений ме
тодики сбора данных (например, включения в выборку данных, полученных в дру
гих условиях).
Распределение с двумя пиками (двухвершинное) (см. рис. 4.19, б) характер
но для выборки, объединяющей результаты двух процессов или условий работы.
Например, если анализируются результаты измерений размеров деталей после
обработки, такая гистограмма будет иметь место, если в одну выборку объедине
ны измерения деталей при разных настройках инструмента или при использова
нии разных инструментов либо станков. Использование различных схем страти
фикации для выделения различных процессов или условий — один из методов
дальнейшего анализа таких данных.
Глава 4. Методы и инструменты управления качеством
318

Распределение типа плато (см. рис. 4.19, в) имеет место для тех же условий,
что и предыдущая гистограмма. Особенностью данной выборки является то, что
в ней объединено несколько распределений, в которых средние значения незна
чительно отличаются между собой. Целесообразно построить диаграмму потоков,
выполнить анализ последовательно выполняемых операций, применить стандарт
ные процедуры реализации операций. Это уменьшит вариабельность условий
процессов и их результатов. Полезно также применение метода стратификации
(расслоения) данных.
Распределение гребенчатого типа (см. рис. 4.19, г) — регулярно чередующие
ся высокие и низкие значения. Этот тип обычно указывает на ошибки измерений,
на ошибки в способе группировки данных при построении гистограммы или на
систематическую погрешность в способе округления данных. Менее вероятна аль
тернатива того, что это один из вариантов распределения типа плато.
Проанализируйте процедуры сбора данных и построения гистограммы, преж
де чем рассматривать возможные характеристики процесса, которые могли бы
вызывать такую структуру.
Скошенное распределение (см. рис. 4.19, д) имеет асимметричную форму с пи
ком, расположенным не в центре данных, и с «хвостами» распределения, которые
резко спадают с одной стороны, и мягко — с другой. Иллюстрация на рисунке назы
вается положительно скошенным распределением, потому что длинный «хвост»
простирается вправо к уменьшающимся значениям. Отрицательно скошенное рас
пределение имело бы длинный «хвост», простирающийся влево к уменьшающимся
значениям.
Такая форма гистограммы указывает на отличие распределения изучаемого па
раметра от нормального. Оно может быть вызвано:
• преобладающим влиянием какого либо фактора на разброс значений пара
метра. Например, при механической обработке это может быть влияние точ
ности заготовок или оснастки на точность обработанных деталей;
• невозможностью получения значений больше или меньше определенной вели
чины. Это имеет место для параметров с односторонним допуском (например,
для показателей точности взаимного расположения поверхностей — биения,
неперпендикулярности и др.), для параметров, у которых существуют практи
ческие ограничения их значений (например, значения времени или числа изме
рений не могут быть меньше нуля).
Такие распределения возможны, так как обусловлены природой получения вы
борок. Следует обратить внимание на возможность уменьшения длины «хвоста»,
так как он увеличивает вариабельность процесса.
Усеченное распределение (см. рис. 4.19, е) имеет асимметричную форму, при
которой пик находится на краю или вблизи от края данных, а распределение с од
ной стороны обрывается очень резко и имеет плавный «хвост» с другой стороны.
Иллюстрация на рисунке показывает усечение с левой стороны с положительно
скошенным «хвостом». Конечно, можно также столкнуться с усечением справа
с отрицательно скошенным «хвостом». Усеченные распределения — это часто глад
кие, колоколообразные распределения, у которых посредством некоторой внеш
ней силы (отбраковка, 100% ный контроль или перепроверка) часть распределения
4.3. Простые инструменты контроля качества 319

изъята или усечена. Обратите внимание, что усилия по усечению добавляют сто
имость и, следовательно, это хорошие кандидаты на устранение.
Распределение с изолированным пиком (см. рис. 4.19, ж) имеет небольшую,
отдельную группу данных в дополнение к основному распределению. Как и рас
пределение с двумя пиками, эта структура представляет собой некоторую комби
нацию и предполагает, что работают два различных процесса. Однако маленький
размер второго пика указывает на ненормальность, на что то, что не происходит
часто или регулярно.
Посмотрите внимательно на условия, сопутствующие данным в маленьком пике:
нельзя ли обособить конкретное время, оборудование, источник входных материа
лов, процедуру, оператора и т. д. Такие маленькие изолированные пики в сочета
нии с усеченным распределением могут быть следствием отсутствия достаточной
эффективности отбраковки дефектных изделий. Возможно, что маленький пик
представляет ошибки в измерениях или переписывании данных. Перепроверьте
измерения и вычисления.
Распределение с пиком на краю (см. рис. 4.19, з) имеет большой пик, присоеди
ненный к гладкому в остальном распределению. Такая форма существует тогда,
когда протяженный «хвост» гладкого распределения был обрезан и собран в одну
единственную категорию на краю диапазона данных. Кроме того, это указывает на
неаккуратную запись данных (например, значения за пределами «приемлемого»
диапазона записываются как всего лишь лежащие вне диапазона).

4.3.4. Диаграмма разброса
Диаграмма разброса позволяет без математической обработки экспериментальных
данных о значениях двух переменных на основе графического представления этих
данных оценить характер и тесноту связи между ними. Это дает возможность
линейному персоналу контролировать ход процесса, а технологам и менеджерам —
управлять им.
Этими двумя переменными могут быть:
• характеристика качества процесса и фактор, влияющий на ход процесса;
• две различные характеристики качества;
• два фактора, влияющие на одну характеристику качества.
Рассмотрим примеры использования диаграмм разброса в указанных слу
чаях [15].
К примерам применения диаграммы разброса для анализа зависимости между
причинным фактором и характеристикой (следствием) относятся диаграммы для
анализа зависимости суммы, на которую заключены контракты, от числа поездок
бизнесмена с целью заключения контрактов (планирование эффективных поез
док); процента брака от процента невыхода на работу операторов (контроль пер
сонала); числа поданных предложений от числа циклов (от времени) обучения

<< Пред. стр.

стр. 34
(общее количество: 60)

ОГЛАВЛЕНИЕ

След. стр. >>