• 5

13.9. Методы контроля качества

Основной инструментарий контроля качества проекта состоит из семи базовых (элементарных) методов контроля качества (см. рис. 13.2). Неза­висимо от применяемых методов контроль прежде всего предполагает отделение хороших результатов (изделий) от плохих. Разумеется, качество

изделий не повышается за счет выбраковки. В ряде проектов даже обна­руженный брак исправить вообще невозможно. Поэтому современное понимание контроля качества предполагает не только выявление несоот­ветствий и дефектов, но их предупреждение. Функция контроля, как было сказано, направлена не на уже полученные, а на будущие результаты. Только при таком подходе контроль, в том числе и контроль качества, действительно полезен и эффективен. Именно в этом ключе мы будем рассматривать инструменты контроля качества, поскольку они служат не просто для учета полученных результатов, а для анализа, оценки, прогно­зирования и регулирования.

В 1979 году Союз японских ученых и инженеров собрал воедино семь достаточно простых в использовании наглядных методов анализа процес­сов. При всей своей простоте они не утрачивают связь со статистикой и позволяют профессионалам пользоваться их результатами, а при необ­ходимости — совершенствовать их. Естественно, помимо этих семи мето­дов контроля-качества можно, а во многих случаях и нужно применять более сложные статистические методы контроля качества. Однако специ­алисты в области качества считают, что погоня за сложностью не всегда уместна и 95% всех проблем в области контроля качества могут быть ре­шены с помощью семи базовых методов.

К семи инструментам контроля качества относят (рис. 13.33):

1)         контрольный листок;

2)         гистограмму;

3)         диаграмму разброса;

4)         стратификацию (расслаивание) данных;

5)         диаграмму Парето;

6)         диаграмму Исикавы (причинно-следственная диаграмма, или ди­аграмма «рыбий скелет» (fish-bone));

7)         контрольную карту.

Полнота и последовательность использования семи инструментов контро­ля может быть различной: в одних случаях можно обойтись двумя-тремя методами, в других — необходимо применение более сложных методов. Но знать и уметь использовать семь основных методов контроля качества должен любой современный руководитель проекта или член команды про­екта.

Контрольный листок — инструмент для сбора данных и их первичной об­работки (упорядочения) для облегчения дальнейшего использования собран­ной информации. На рисунке 13.33 контрольный листок (лист) помещен

в центре группы инструментов контроля качества. Это расположение не­случайно, оно показывает его место (роль) среди всех других инструмен­тов. Какие бы проблемы в области качества ни возникали в рамках проек­та, их решение всегда начинается со сбора исходных данных, на базе ко­торых затем применяют другие необходимые методы и инструменты.

Рис. 13.33. Семь инструментов контроля качества

 

 

 

 

Диаграмма разброса

к • . • •

 

 

 

Контрольный листок

 

 

шшт.%

 

Ш 1Ш

Ш/

%

Гистограмма

1

Стратификация

Диаграмма Исикавы

ччч

 

с^ dD

Возможность допустить ошибки при сборе и регистрации данных очень велика. Чем больше людей обрабатывают данные, тем больше вероятность появления ошибок в процессе записи. Исключению возможности таких ошибок способствует контрольный листок. Контрольный листок представ­ляет собой бумажный бланк, в который заранее внесены контролируемые параметры и можно заносить данные с помощью пометок или простых символов. Он позволяет автоматически упорядочить данные без их после­дующего переписывания. В таблице 13.1 показаны неупорядоченные дан­ные о контроле пробивного напряжения в вольтах в диэлектрических сло­ях создаваемой автоматизированной производственной линии с числовым управлением.

Затем эти данные преобразуются в вид контрольного листка (табл. 13.2). 654

Таблица 13.1

Неупорядоченные данные о пробивном напряжении

191

197

195

197

194

194

193

203

203

198

199

198

196

187

191

194

195

197

193

210

189

196

198

202

195

192

197

197

199

192

188

193

187

198

195

187

180

197

202

187

188

196

197

196

188

188

191

203

188

198

195

179

182

193

201

199

186

190

198

195

187

187

191

204

193

196

195

187

187

201

201

201

192

193

198

202

193

186

194

197

188

197

190

165

184

196.

201

209

188

194

199

207

188

191

193

183

189

197

190

208

185

201

199

205

190

198

198

203

189

195

193

206

192

197

192

184

188

202

204

181

193

196

201

205

193

193

193

207

199

193

193

190

197

198

194

205

194

197

200

205

187

188

191

209

198

199

192

190

196

203

202

205

196

198

199

202

193

190

193

195

Таблица 13.2

Упорядоченные данные о пробивном напряжении (контрольный листок)

X

Количество наблюдений

m

X

Количество наблюдений

m

179

/

1

195

/////////

9

180

/

1

196

////////

8

181

/

1

197

//////////////

14

182

/

1

198

//////////

10

183

/

1

199

ШИШИ

10

184

//

2

200

/

I

185

//

2

201

///////

7

Окончание табл. 13.2

X

Количество наблюдений

m

X

Количество наблюдений

m

186

//

2

202

//////

6

187

/////////

9

203

/////

5

188

//////////

10

204

III

3

189

///

3

205

/////

5

190

///////

7

206

/

1

191

//////

6

207

п

2

192

//////

6

208

/

1

193

/////////////////

17

209

//

2

194

//////

6

210

/

1

Этого преобразования можно избежать, занося данные сразу в конт­рольный листок. Таким образом, контрольный листок является хорошим средством регистрации данных.

Количество разновидностей контрольных листков исчисляется сотнями; в принципе для каждой конкретной цели может быть разработан свой ли­сток. Но принцип их оформления един. Например, график температуры больного — один из возможных типов контрольных листков, который любой человек может легко себе представить. В качестве примера можно привести контрольные листки, предназначенные для фиксирования отка­завших деталей в электронных системах (рис. 13.34а) и дефектов (рис. 13.346).

На основании собранных с помощью контрольного листка (см. рис. 13.34) данных можно легко составить таблицу суммарных отказов (табл. 13.3).

При разработке форм контрольных листков необходимо учитывать следу­ющее. В контрольных листках должно быть указано, кто, на каком этапе процесса и в течение какого времени собирал данные. Форма контрольно­го листка должна быть простой, понятной без дополнительных пояснений. Кроме того, важно, чтобы все данные добросовестно фиксировались. Это необходимо для того, чтобы собранная в контрольном листке информация могла быть использована для анализа процесса.

Рис. 13.34. Контрольный листок: а) для учета отказавших деталей в электронных системах; 6) по видам дефектов

Компоненты, замененные в лаборатории

4

Отметьте черточкой каждую замененную деталь

A

Отмечайте так:

1 II III nil nil

T

Время: 24-31 февраля 2000 года

О T

Ремонтник: Зильберман А.А.

A

Модель 1012

 

 

Интегральные

nil

 

4

Конденсаторы

(III (111 llll I I II III! I I

tttl tttl Htl ПТ1 ntl II

 

27

Сопротивления

II

 

2

Трансформаторы

llll

 

4

Переключатели

 

 

0

Трубки

1

 

1

 

Итого:

38

Модель 1017

 

Интегральные

III

 

3

Конденсаторы

HtlHtlHtlHtlHtlli

 

27

Сопротивления

1

 

1

Трансформаторы

II

 

2

Переключатели

tffllttlHttllll

 

19

Трубки

1

 

1

 

Итого:

53

Модель 1019

 

Интегральные

1

 

1

Конденсаторы

HtHfflHttmi in

 

23

Сопротивления

i

 

1

Трансформаторы

ii

 

2

Переключатели

 

 

0

Трубки

i

 

1

 

Итого:

28

Всего:

119

 

Название документа

Контрольный листок по видам дефектов

Предприятие: XXX Цех:

Изделие: Опярпция:

Кол-во деталей

Участок:

Контролер:

 

Виды дефектов

Данные контроля

итого

Деформации

WWWMWWWMWil

47

Царапины

ШШШШШШШШ1 а

42

Трещины

шшшшш

24

Раковины

ШШШШШШШй

38

Пятна

шмшшмшшшшш^

53

Разрыв

ш

7

Прочие

ШШ а

12

Всего

 

Таблица 13.3

Суммарное количество отказавших деталей

Отказавшие детали по всем моделям

Общее количество отказов

Процент от общего количества отказов

Интегральные схемы

8

6,8

Конденсаторы

77

65,2

Сопротивления

4

3,4

Трансформаторы

8

6,8

Переключатели

19

15,3

Трубки

3

2,5

Итого

119

100

Для наглядного представления тенденции изменения контролируемых пара­метров применяют различные графические изображения. Наиболее распро­страненными графиками, которые используют при анализе распределения контролируемой величины, являются гистограммы, полигоны и кумулятив­ные кривые (S-кривые). Однако, когда речь идет о втором инструменте кон­троля качества, чаще всего упоминают только одну гистограмму как наибо­лее часто применяемое на практике графическое изображение распределе­ния. Отдавая должное гистограмме, следует кратко рассмотреть и другие графические изображения, которые нередко применяются на практике.

Полигоны, как правило, применяют для отображения дискретных измене­ний значений случайной величины, но они могут использоваться и при непрерывных (интервальных) изменениях. В этом случае ординаты, про­порциональные частотам интервалов, выстраиваются перпендикулярно оси абсцисс в точках, соответствующих серединам данных интервалов. Вер­шины ординат соединяются прямыми линиями. Для замыкания кривой крайние ординаты соединяются с близлежащей серединой интервала, в которой частота равна нулю. Пример изображения значений пробивно­го напряжения (табл. 13.2) в виде полигона приведен на рис. 13.35.

Гистограмма распределения обычно строится для интервального измене­ния значения параметра. Для этого на интервалах, отложенных на оси абсцисс, строят прямоугольники (столбики), высоты которых пропорцио­нальны частотам интервалов. Прямоугольники строятся на основе значе­ний, полученных в ходе объединения контролируемых значений показа­телей качества. Так, на основе данных одной таблицы (табл. 13.2) строится другая таблица (табл. 13.4), в которой показано это объединение.

Рис. 13.35. Значения пробивного напряжения (табл. 13.2), представленные в виде полигона

 

 

 

 

 

 

 

 

 

            А           

 

 

 

 

11

 

 

 

 

JV

 

 

180     190     200     х, В

Таблица 13.4

Объединенные данные по контролируемому показателю для построения гистограммы

X

m

Объединение по трем значениям

Результат объединения

X

m

Объединение по трем значениям

Результат объединения

177

0

 

 

195

9

 

 

178

0

0 + 0+1

1

196

8

9 + 8 + 14

31

179

1 1 .

 

 

197

14

 

 

 

 

 

 

 

 

 

 

180

1,

 

 

198

10

 

 

181

1

1 + 1 + 1

3

199

10

10+10+1

21

182

1

 

 

200

1

 

 

 

 

 

 

 

 

 

 

183

1

 

 

201

7

 

 

184

2

1+2 + 2

5

202

6

7 + 6 + 5

18

185

2

 

 

203

5

 

 

 

 

 

 

 

 

 

 

Окончание табл. 13.4

X

m

Объединение по трем значениям

Результат объединения

X

m

Объединение по трем значениям

Результат объединения

186

2

 

 

204

3

 

 

187

9

2 + 9+10

21

205

5

3+5 + 1

9

188

10

 

 

206

1

 

 

 

 

 

 

 

 

 

 

189

3

 

 

207

2

 

 

190

7

3 + 7 + 6

16

208

1

2+1+2

5

191

6

 

 

209

2

 

 

 

 

 

 

 

 

 

 

192

6

 

 

210

1

 

 

193

17

6+17 + 6

29

211

0

1+0 + 0

1

194

6

 

 

212

0

 

 

На основе данных полученной таблицы (табл. 13.4) строится гистограмма (рис. 13.36). Если на эту гистограмму нанести полигон, то по мере роста числа измерений одновременно уменьшается ширина класса, и полигон превращается в так называемую кривую плотности вероятностей, пред­ставляющую собой кривую теоретического распределения (рис. 13.37). Заметим, что площадь, ограниченная полигоном и осью абсцисс, в том случае, если по оси ординат отложены значения относительных частот, также равна единице. Как видно из рисунка, кривая теоретических рас­пределений имеет идеальную форму, к которой стремится реальный полигон, она играет важную роль в теоретических исследованиях. Кста­ти, в данном случае эта кривая похожа на кривую нормального распре­деления.

На основе полученных в результате измерения параметров качества абсо­лютных частот (т) подсчитывают накопленные частоты, определяемые нарастающим итогом, т.е. путем суммирования всех предыдущих значе­ний и текущего значения. Таким образом, накопленная частота каждого значения параметра качества исчисляется путем суммирования всех час­тот, предшествующих значениям параметра, и самого значения парамет­ра. График накопленных частот представляет собой кумулятивную кри­вую (рис. 13.38).

Рис. 13.36. Гистограмма

30

20

10

 

178 184 190 196 202 208 х, В

Рис. 13.37. Кривая теоретического распределения

 

Рис. 13.38. Кумулятивная кривая

xw,% 100 -    

75 50 25

180

190 Me

200

210 х, В

Кумулятивную кривую называют интегральной кривой, или S-кривой (в случае нормального распределения значения). Ее строят как для диск­ретного, так и для непрерывного изменения значений параметра. Следует отметить, что накопленные частоты интервального ряда относятся не к серединам интервалов, а к верхним границам каждого из них. Высота последней ординаты соответствует объему наблюдений всего ряда, или 100%. Зависимость (см. рис. 13.38) представляет собой полигон, построен­ный на основе таблиц накопленных частот (см. табл. 13.5), и носит назва­ние накопленного полигона, или накопленной гистограммы, а ломаная кривая (штриховая линия) представляет собой кумулятивную кривую.

Кумулятивная кривая имеет более плавный характер изменения, чем гистог­рамма или полигон частот, поскольку накопление приводит к сглаживанию.

Гистограмма также очень удобна для визуальной оценки расположения статистических данных в пределах допуска. Чтобы оценить адекватность процесса требованиям потребителя, необходимо сравнить качество про­цесса с полем допуска, установленным пользователем (рис. 13.39).

Если имеется допуск, то на гистограмму наносят его верхнюю (SJ и ниж­нюю (SJ границы в виде линий, перпендикулярных оси абсцисс, чтобы сравнить распределение параметра качества процесса с этими границами. Это позволяет увидеть, как гистограмма располагается внутри этих границ. На рисунке 13.39 приведена гистограмма значений коэффициентов усиле­ния 120 проверенных усилителей. Согласно техническим условиям (ТУ) на эти усилители номинальное значение коэффициента усиления (SN) на этот тип усилителей равно 10 дБ. Номинальное значение представляет собой математическое ожидание, т.е. среднее значение коэффициента уси­ления для данного типа усилителя при его производстве, которое можно рассматривать как генеральную характеристику, а совокупность всех зна­чений коэффициентов усилений выпускаемых усилителей — генеральную совокупность,. В ТУ также установлены допустимые пределы изменения ко­эффициента усиления: нижняя граница допуска (S£) соответствует 7,75 дБ, а верхняя (Sy) — 12,25 дБ. При этом ширина поля допуска (1) определяется как величина, равная разности значений верхней и нижней границ допуска, (Т — Sv~ SL). Если расположить все 120 значений коэффициентов усиления в ранжированный ряд, можно убедиться, что все они лежат в пределах поля допуска, что создает иллюзию отсутствия проблем, а следовательно, и от­сутствия необходимости дальнейшего анализа, так, как качество процесса в этом случае лежит в пределах поля допуска, установленного потребите­лем. Гистограмма же сразу показывает, что распределение коэффициентов усиления хотя и находится в пределах поля допуска значительно сдвинуто в сторону нижней границы и у большинства усилителей значение этого па­раметра качества меньше номинала. Это дает дополнительную информа­цию для дальнейшего анализа и принятия решения.

Таблица 73.5

Накопленные данные по контролируемому показателю (на основе объединен­ных данных)

X

m

Накопленные данные

X

m

Накопленные данные

178

1

1

196

31

65 + 31 =96

181

3

1+3 = 4

199

21

96 + 21 = 117

184

5

4 + 5 = 9

202

18

117 + 18= 135

187

21

9 + 21 = 30

205

9

135+ 9 = -144

190

16

30+ 16 = 46

208

5

144 + 5 = 149

193

29

46 + 19 = 65

211

1

149 + 1 = 150

Рис. 13.39. Гистограмма значений коэффициентов усиления в усилителях

 

Если гистограмма имеет симметричный, т.е. колоколообразный вид, мож­но предположить, что распределение происходит по закону Гаусса. В этом случае среднее значение гистограммы приходится на середину размаха данных. Наивысшая частота оказывается в середине и постепенно снижа­ется в обе стороны. Эта форма встречается чаще всего, поэтому такой тип гистограмм. называют обычным.

Установив, что гистограмма соответствует гауссовскому (нормальному) закону распределения, можно приступать к исследованию воспроизводи­мости процесса, т.е. к определению неизменности основных параметров процесса: среднего значения х или математического ожидания М(х) и стан­дартного отклонения во времени. Это важно при оценке процесса с помо­щью выборочных данных, когда требуется определить вероятность пере­сечения распределения генеральной совокупности границ поля допуска

и появления в связи с этим несоответствия требованиям потребителя (пользователя). Если процесс имеет нормальное распределение, то опреде­лить возможность выхода распределения генеральной совокупности при заданных значениях М(х) и ст путем сравнения соответствующих трехсиг- мовых пределов и пределов поля допуска (рис. 13.40) не представляет осо­бого труда.

Рис. 13.40. Сравнение трехсигмовых пределов и пределов поля допуска

 

При этом необходимо учитывать следующую особенность. Если в каче­стве границ допуска брать трехсигмовые пределы, то годными будут счи­таться 99,73% всех данных генеральной совокупности и только 0,27% дан­ных будут считаться несоответствующими (non-conformity — NC) требова­ниям потребителя (пользователя), так как они расположены за границами заданного поля допуска. Таким образом, часть годных данных (<0,27%) считают несоответствующими требованиям. В этом и состоит особенность трехсигмовых пределов, которые применяют на практике, сравнивая рас­пределение данных с устанавливаемыми границами допуска.

Диаграмма разброса (поле корреляции) — инструмент, позволяющий определить вид и тесноту связи между парами соответствующих перемен­ных. Эти две переменные могут относиться:

•           к характеристике качества и влияющему на нее фактору;

•           двум различным характеристикам качества;

•           двум факторам, влияющим на одну характеристику качества.

Для выявления связи между ними и служит диаграмма разброса.

Построение диаграммы разброса выполняется в следующей последователь­ности.

Этап 1. На этом этапе собирают парные данные (х, у), зависимость между которыми необходимо исследовать, и располагают их в таблицу. Жела­тельно, чтобы было не менее 25—30 пар данных.

Этап 2. На данном этапе находят максимальные и минимальные значе­ния для х и у. Затем необходимо выбрать шкалы на горизонтальной и вертикальной осях так, чтобы последние получились приблизительно одинаковыми, тогда диаграмму будет легче читать. На каждую ось нано­сят от 3 до 10 делений, используя для облегчения восприятия целые чис­ла. Если одна переменная — фактор, а другая — характеристика каче­ства, для фактора выбирают горизонтальную ось х, а для характеристики качества — вертикальную ось у.

Этап 3. На этапе 3 чертят график и наносят на него данные. Совпадение значения разных наблюдений необходимо выделить (например, концент­рическими кругами или двумя точками).

Этап 4. В заключение делают все необходимые обозначения. При этом следует убедиться, что данные, отраженные на диаграмме, сделаны четко и понятно и содержат:

•           название диаграммы;

•           интервал времени;

•           число пар данных;

•           названия и единицы измерения для каждой оси;

•           имя (при необходимости другие данные) лица, построившего эту диаграмму.

Допустим, требуется выяснить влияние термообработки при определен­ной температуре (Г = 120°С) в течение определенного времени (t = 24 ч) на некое электротехническое свойство изделия.

Для эксперимента взято 25 изделий (л = 25). Полученные результаты за­несены в таблицу (табл. 13.6).

1. По таблице находят максимальные и минимальные значения х и у. максимальное значение х равно 92, у — 88, минимальное значение х равно 60, у — 57.

2.         На графике (рис. 13.41) на оси абсцисс откладывают значения х, на оси ординат — значения у. При этом длину осей делают почти равной разности между их максимальными и минимальными значениями и наносят на оси деления шкалы. На вид график приближается к квадрату. Действительно, в рассматриваемом случае разность между максимальными и минимальны­ми значениями равна 32 (92 — 60) для х и 31 (88 — 57) для у, поэтому про­межутки между делениями шкалы можно делать одинаковыми.

3.         На график наносятся данные в порядке измерений и точки диаграммы разброса.

4.         На графике указываются количество данных, цель, наименование изде­лия, название процесса, исполнитель, дата составления графика и т.д. Желательно также, чтобы при регистрации данных во время измерений приводилась и сопровождающая информация, необходимая для дальней­ших исследований и анализа (наименование объекта измерения, характе­ристики, способ выборки, дата, время измерения, температура, влажность, метод измерения, тип измерительного прибора, имя оператора, проводив­шего измерения (для данной выборки), и др.).

Таблица 73.6

Значения показателей электротехнических свойств изделия до и после термооб­работки

Номер изделия

Значение до термообработки

X

Значение после термообработки У

Номер изделия

Значение до термообработки

X

Значение после термообработки У

1

68

61

14

75

71

2

71

67

15

73

70

3

65

63

16

69

68

4

78

70

17

73

73

5

75

74

18

73

69

6

85

76

19

83

76

7

86

82

20

70

73

8

84

70

21

68

70

9

74

68

22

79

69

10

65

60

23

78

71

11

78

68

24

78

71

12

92

88

25

73

69

13

60

57

 

 

 

Рис. 13.41. Пример построения диаграммы разброса

л = 25

80

70

60

            •

 

• •

50

60

70        80

90

Использование диаграммы разброса не ограничивается выявлением вида и тесноты связи между парами переменных. Она также используется для выявления причинно-следственных связей показателей качества и влия­ющих факторов при анализе причинно-следственной диаграммы.

Например, с помощью диаграммы разброса очень удобно наблюдать ха­рактер изменения параметров качества во времени при воздействии тех или иных факторов. В этом случае по оси абсцисс откладывают начальные значения изучаемого параметра качества перед проведением эксперимента по изучению влияния определенных факторов (например, температуры, влажности) на данный параметр качества. В результате получают упорядо­ченный ряд значений х2, х3... хп параметра качества в момент времени t = 0, которые наносят на ось абсцисс. Замерив значения параметра каче­ства по окончании эксперимента, получают ряд значений параметра каче­ства через время t = tl, представленных в виде упорядоченного ряда у,, у2, у3... уп, который наносят соответственно на ось ординат. Тогда значение параметра качества каждого изделия до и после эксперимента будет обо­значаться точкой в системе указанных координат. Следовательно, все л изделий, подвергшихся эксперименту, будут изображаться разбросанны­ми по координатному полю точками. Эта совокупность точек образует диаграмму разброса (поле корреляции) (рис. 13.42). Если разброс значений

изучаемого параметра качества составляет несколько порядков, то удобно применять логарифмический масштаб по обеим осям.

Рис. 13.42. Диаграмма разброса: характер изменения параметра качества во времени

80

70

60

50

+50% +40% +30% +20% +10%

п = 25

 

60

70

80

90

Диаграмма разброса позволяет наглядно показать характер изменения параметра качества во времени. Для этого проведем из начала координат биссектрису. Если все точки лягут на биссектрису, то это означает, что значения данного параметра не изменились в процессе эксперимента. Следовательно, рассматриваемый фактор (или факторы) не влияет на па­раметр качества.

Если большинство точек лежит под биссектрисой, следовательно, значе­ния параметра качества за прошедшее время уменьшились. Если же точки лежат выше биссектрисы (см. рис. 13.42), то значения параметра за рас­сматриваемое время возросли.

Проведя лучи из начала координат, соответствующие уменьшению и уве­личению параметра на 10,' 20, 30, 50%, можно путем подсчета точек между прямыми выяснить частоту значений параметра в интервалах 0... 10%, 10...20% и т.д.

Наиболее широко диаграммы разброса применяются для определения характера связей. Точно так же, как по гистограмме можно распознать форму распределения, по диаграмме рассеивания можно составить общее представление о распределении пар. Для этого сначала следует выяснить, есть ли на диаграмме какие-нибудь далеко отстоящие точки (выбросы). Можно предположить, что точки, удаленные от основной группы, — либо результат ошибок измерения или записи данных, либо изменений в усло­виях работы. Существуют специальные критерии, позволяющие объек­тивно оценить принадлежность «подозрительных» точек (эксперименталь­ных значений) к той генеральной совокупности, из которой они взяты, и выявить среди них «чужеродные» точки. Эти точки надо обязательно исключить из корреляционного анализа. Однако, пренебрегая этими точ­ками, следует обратить внимание на причины таких нерегулярностей. В ходе поиска этих причин довольно часто удается получить неожидан­ную, но весьма полезную информацию.

Рассмотрим различные варианты скопления точек.

На рисунке 13.43 четко просматривается прямая корреляции между х и у. В этом случае, осуществляя контроль за причинным фактором х, можно управлять значением параметра качества у.

На рисунке 13.44 также приведен пример прямой корреляции. При увели­чении х увеличивается также у, но разброс у велик по отношению к опре­деленному значению х. Поэтому такую корреляцию называют легкой. В этом случае с помощью контроля причинного фактора х можно до неко­торой степени держать под контролем характеристику у, но при этом не­обходимо учитывать и другие факторы, оказывающие влияние на у.

На рисунке 13.45 показан пример обратной (отрицательной) корреляции. При увеличении х характеристика у уменьшается. Если причинный фак­тор х находится под контролем, характеристика у остается стабильной.

Случай легкой обратной корреляции отражен на рис. 13.46, когда при увеличении х характеристика у уменьшается, но при этом велик разброс значений у, соответствующих фиксированному значению х.

На рисунке 13.47 показан пример ртсутствия корреляции, когда никакой выраженной зависимости между х и у не наблюдается. В этом случае не­обходимо продолжить поиск факторов, коррелирующих с у, исключив из этого поиска фактор х.

Возможны также случаи криволинейной корреляции (рис. 13.48). Если при этом диаграмму разброса можно разделить на участки, имеющие прямо­линейный характер, то проводят такое разделение и каждый участок в отдельности исследуют как прямолинейную корреляцию.

Рис. 13.43. Прямая корреляция

л = 25

80

70

 

Рис. 13.44. Легкая прямая корреляция

п = 25

80

70

60

50

60        70        80        90

Рис. 13.45. Обратная корреляция

80

70

60

50

л = 25

60        70        ' 80      90

Рис. 13.46. Легкая обратная корреляция

л = 25

 

 

            *           •           

• •

                         • .

, • •     

 

            •

• •

1

 

• •

60        70        80        90        х

Рис. 13.47. Отсутствие корреляции

п = 25

80

70

60

50

• w • • «          

• • •

60

70        80

90

Рис. 13.48. Криволинейная корреляция

80

70

60

50

п = 25

• •

• •

60

70        80

90

Стратификация (расслаивание) исследуемых статистических данных — инструмент, позволяющий произвести селекцию данных, отражающую необходимую информацию о процессе.

Одним из наиболее простых и эффективных статистических методов, широко используемых в системе управления качеством, является метод расслаивания. Недаром японские кружки качества при анализе проблем выполняют операцию стратификации в среднем до 100 раз. В соответствии с этим методом производят расслаивание статистических данных (т.е. груп­пируют данные в зависимости от условий их получения) и обработку каж­дой группы данных в отдельности. Данные, разделенные на группы в соот­ветствии с их особенностями, называют слоями (стратами), а сам процесс разделения на слои (страты) — расслаиванием (стратификацией).

Существуют различные методы расслаивания, их применение зависит от конкретных задач. Например, данные, относящиеся к изделию, произ­водимому в цехе на рабочем месте, могут в какой-то мере различаться в зависимости от исполнителя, используемого оборудования, методов про­ведения рабочих операций, температурных условий и т.д. Все эти отличия могут быть факторами расслаивания. В производственных процессах час­то используется метод 5М, учитывающий факторы, зависящие от челове­ка {man), машины (machine), материала {material), метода {method), измере­ния (measurement).

Возможны следующие варианты расслаивания:

•           расслаивание по исполнителям (по квалификации, полу, стажу работы и т.д.);

•           расслаивание по машинам и оборудованию (по новому и старому оборудованию, марке, конструкции, производителю и т.д.);

•           расслаивание по материалу (по месту производства, производи­телю, партии, качеству сырья и т.д.);

•           расслаивание по способу производства (по температуре, техно­логическому приему, месту производства и т.д.);

•           расслаивание по измерению (по методу измерения, типу измери­тельных средств или их точности и т.д.).

Например, если расслаивание произведено по фактору «оператор» (man), то при значительном различии в данных можно определить влияние того или иного оператора на качество изделия, а если по фактору «оборудова­ние» — влияние использования разного оборудования.

Пример результатов стратификации данных показан на рис. 13.49.

22 Управление проектом

Рис. 13.49. Стратификация данных

60

40

% Дефектов

20

1 2 3   1 2 1 2 3 4

Исполнители Оборудование Материал

12        12 3

Место Метод

производства измерения

В проектах предоставления услуг для расслаивания используется метод 5Р, учитывающий факторы, зависящие от работников (peoples) сервиса, процедур (procedures) сервиса, потребителей, являющихся фактическими покровителями (patrons) сервиса; места (place), где осуществляется сервис и определяется его окружающая обстановка (среда), поставщиков (provisions) ресурсов, необходимых для осуществления сервиса.

В ходе проведения расслаивания обязательно должны соблюдаться два условия:

1)         различия между значениями случайной величины внутри слоя (дисперсия) должны быть как можно меньше по сравнению с раз­личием ее значений в нерасслоенной исходной совокупности;

2)         различие между слоями (средними значениями случайных вели­чин слоев) должно быть как можно больше.

Диаграмма Парето — инструмент, позволяющий распределить усилия для разрешения возникающих проблем и выявить основные причины, с кото­рых нужно начинать действовать.

В 1897 году итальянский экономист В. Парето (1848—1923) предложил формулу, показывающую, что блага распределяются неравномерно. Эта же теория была- проиллюстрирована американским экономистом

М. Лоренцом в 1907 г. на диаграмме. Оба ученых показали, что в большин­стве случаев наибольшая доля благ (доходов) принадлежит небольшому числу людей.

Д. Джуран применил диаграмму М. Лоренца в сфере контроля качества для классификации проблем качества на немногочисленные, но существен­но важные и многочисленные, но несущественные и назвал этот метод анализом Парето. Он указал, что в большинстве случаев подавляющее число дефектов и связанных с ними потерь возникают из-за относительно не­большого числа причин, проиллюстрировав это с помощью диаграммы, которая получила название диаграммы Парето.

В повседневной деятельности по контролю и управлению качеством по­стоянно возникают всевозможные проблемы, связанные, например, с по­явлением брака, неполадками оборудования, увеличением времени от выпуска партии изделий до ее сбыта, наличием на складе нереализо­ванной продукции, поступлением рекламаций.

Диаграмма Парето позволяет распределить усилия для разрешения возни­кающих проблем и установить основные факторы, с которых нужно начи­нать действовать с целью • преодоления возникающих проблем.

Различают два вида диаграмм Парето:

1)         Диаграмма Парето по результатам деятельности.

Предназначена для выявления главной проблемы и отражает нежелатель­ные результаты деятельности, связанные:

•           с качеством (дефекты, поломки, ошибки, отказы, рекламации, ре­монты, возвраты продукции);

•           с себестоимостью (объем потерь, затраты);

•           сроками поставок (нехватка запасов, ошибки в составлении сче­тов, срыв сроков поставок);

•           безопасностью (несчастные случаи, трагические ошибки, аварии).

2)         Диаграмма Парето по причинам.

Отражает причины проблем, возникающих в ходе производства, и исполь­зуется для выявления главной из них:

•           исполнитель работы: смена, бригада, возраст, опыт работы, квали­фикация, индивидуальные характеристики;

•           оборудование: станки, агрегаты, инструменты, оснастка, органи­зация использования, модели, штампы;

УПРАВЛЕНИЕ ПРОЕКТОМ

шшшвяшшшшшяяяшшшяшшяшшяшшяшшшишшшшшшшшящ

•           сырье: изготовитель, вид сырья, завод-поставщик, партия;

•           метод работы: условия производства, заказы-наряды, приемы ра­боты, последовательность операций;

•           измерения: точность (указаний, чтения, приборная), верность и повторяемость (умение дать одинаковое указание в последую­щих измерениях одного и того же значения), стабильность (по­вторяемость в течение длительного периода), совместная точ­ность, тип измерительного прибора (аналоговый или цифровой).

Построение диаграммы Парето начинают с классификации возникающих проблем по отдельным факторам (например, проблемы, относящиеся к браку; проблемы, относящиеся к работе оборудования или исполните­лей, и т.д.). Затем следуют сбор и анализ статистического материала по каждому фактору, чтобы выяснить, какие из этих факторов являются пре­валирующими при решении проблем.

В прямоугольной системе координат по оси абсцисс откладывают равные отрезки, соответствующие рассматриваемым факторам, а по оси орди­нат — неличину их вклада в решаемую проблему. При этом порядок распо­ложения факторов таков, что влияние каждого последующего фактора, рас­положенного по оси абсцисс, уменьшается по сравнению с предыдущим фактором (или группой факторов). В результате получается диаграмма, стол­бики которой соответствуют отдельным факторам, являющимся причинами возникновения проблемы, и высота столбиков уменьшается слева направо. Затем на основе этой диаграммы строят кумулятивную кривую.

Построение диаграммы Парето состоит из следующих этапов. Этап 1. Сначала следует решить:

1),        какие проблемы необходимо исследовать (например, дефектные изделия, потери в деньгах, несчастные случаи);

2)         какие данные нужно собрать и как их классифицировать (напри­мер, по видам дефектов, по месту их появления, по процессам, по станкам, по рабочим, по технологическим причинам, по обо­рудованию, по методам измерения и применяемым измеритель­ным средствам; нечасто встречающиеся признаки объединяют под общим заголовком «прочие»);

3)         определить метод и период сбора данных.

Этап 2. Разработка контрольного листка для регистрации данных с переч­нем видов собираемой информации.

Этап 3. Заполнение листка регистрации данных и подсчет итогов.

Этап 4. Разработка таблицы для проверок данных с графами для итогов по каждому проверяемому признаку в отдельности, накопленной суммы числа дефектов, процентов к общему итогу и накопленных процентов (табл. 13.7).

Этап 5. Расположение данных, полученных по каждому проверяемому признаку, в порядке значимости и заполнение таблицы (см. табл. 13.7).

Таблица 13.7

Результаты регистрации данных по типам дефектов для построения диаграммы Парето

Типы дефектов

Число дефектов

Накопленная сумма числа дефектов

Процент числа дефектов по каждому признаку к общей сумме

Накопленный процент

Деформация

104

104

52

52

Царапины

42

146

21

73

Раковины

20

166

10

83

Трещины

10

176

5

88

Пятна

6

182

3

91

Разрыв

4

18 6

2

93

Прочие

14

200

7

100

Итого

200

-

 

 

Группу «прочие» следует размещать в последней строке независимо от ее числовых значений, поскольку ее составляет совокупность призна­ков, числовой результат по каждому из которых меньше, чем самое ма­ленькое значение, полученное для признака, выделенного в отдельную строку.

Этап 6. Нанесение горизонтальной и вертикальной осей.

Вертикальная ось содержит проценты, а горизонтальная — интервалы в соответствии с числом контролируемых признаков.

Горизонтальную ось разбивают на интервалы в соответствии с количе­ством контролируемых признаков.

Этап 7. Построение столбиковой диаграммы (рис. 13.50).

Этап 8. Проведение на диаграмме кумулятивной кривой (кривой Парето), (рис. 13.51).

Рис. 13.50. Диаграмма Парето

Процент дефектов по каждому признаку в общей сумме

60 г

 

Тип дефекта

Рис. 13.51. Кумулятивная кривая на диаграмме Парето

 

Тип дефекта

Этап 9. Нанесение на диаграмму всех обозначений и надписей, каса­ющихся диаграммы (название, разметка числовых значений на осях, наиме­нование контролируемого изделия, имя составителя диаграммы), и данных (период сбора информации, объект исследования и место его проведения, общее число объектов контроля).

В отношении построения и использования диаграммы Парето можно по­рекомендовать следующее:

•           желательно использовать разные классификации и составлять много диаграмм Парето. Суть проблемы можно уловить, наблю­дая явление с разных точек зрения, поэтому важно опробовать различные пути классификации данных, пока не будут определе­ны немногочисленные существенно важные факторы, что, соб­ственно, и является целью анализа Парето;

•           группа факторов «прочие» не должна составлять большой про­цент. Большой процент этой группы указывает на то, что объек­ты наблюдения классифицированы неправильно и слишком мно­го объектов попало в одну группу, а значит, следует использовать другой принцип классификации;

•           если данные можно представить в денежном выражении, лучше всего показать это на вертикальных осях диаграммы Парето. Если существующую проблему нельзя оценить в денежном выраже­нии, само исследование может оказаться неэффективным, по­скольку затраты — важный критерий измерений в управлении;

•           если нежелательный фактор можно устранить с помощью просто­го решения, это надо сделать незамедлительно, каким бы незначи­тельным он ни был. Поскольку диаграмма Парето расценивается как эффективное средство решения проблем, следует рассматри­вать только немногочисленные существенно важные причины. Однако устранение относительно неважной причины простым путем может послужить примером эффективного решения про­блемы, а приобретенный опыт, информация и моральное удовлет­ворение — оказать благотворное воздействие на дальнейшую про­цедуру решения проблем;

•           не следует упускать возможности составить диаграмму Парето по причинам.

После выявления проблемы путем построения диаграммы Парето по ре­зультатам важно определить причины ее возникновения. Это необходимо для ее решения. При использовании диаграммы Парето для выявления результатов деятельности и причин наиболее распространенным методом является АВС-анализ.

Сущность ABC-анализа в данном контексте заключается в определении трех групп, имеющих три уровня важности для управления качеством:

1)         группа А — наиболее важные, существенные проблемы, причины, дефекты. Относительный процент группы А в общем количестве дефектов (причин) обычно составляет от 60 до 80%. Соответствен­но устранение причин группы А имеет большой приоритет, а свя­занные с этим мероприятия — самую высокую эффективность;

2)         группа В — причины, которые в сумме имеют не более 20%;

3)         группа С — самые многочисленные, но при этом наименее зна­чимые причины и проблемы.

Пример использования ABC-анализа в рамках диаграммы Парето приве­ден на рис. 13.52.

Рис. 13.52. АВС-онолиз в рамках диаграммы Парето

ABC-анализ позволяет обоснованно определять приоритеты работ по уп­равлению качеством проекта.

 

Группа А Группа В   Группа С

Тип дефекта

 

Диаграмма Исикавы (причинно-следственная диаграмма, диаграмма «ры­бий скелет») — инструмент, позволяющий выявить наиболее существен­ные факторы (причины), влияющие на конечный результат (следствие).

В 1953 году профессор Токийского университета Каору Исикава после обсуждения проблемы качества на одном заводе суммировал мнение ин­женеров, использовав диаграмму причин и результатов. Считается, что тогда этот подход был применен впервые, но еще раньше сотрудники про­фессора Исикавы пользовались этим методом для упорядочения факторов в своей научно-исследовательской работе. Вскоре диаграмма стала широ­ко использоваться во многих компаниях Японии и получила название ди­аграммы Исикавы.

Рассмотрим причинно-следственную диаграмму на примере производствен­ного процесса, все многообразие факторов и причин в котором можно расслаивать методом 5М. Поэтому процесс изготовления продукции, влия­ющий на ее качество, можно рассматривать как взаимодействие 5М. Зави­симость между процессом, представляющим собой систему причинных факторов 5М, и качеством, являющимся результатом действия этих при­чинных факторов, можно выразить графически (рис. 13.53).

/

Рис. 13.53. Диаграмма Исикавы: зависимость между процессом и качеством

Если качество изделия оказалось неудовлетворительным, значит, в систе­ме причин, т.е. в какой-то точке процесса, произошло отклонение от за­данных условий. Обнаруженная причина неудовлетворительного качества

 

 

изделий должна быть устранена. Постоянно поддерживая заданные усло­вия хода процесса, можно обеспечить формирование высокого качества выпускаемых изделий. Важно также, что полученный результат — показа­тели качества (точность размеров, степень чистоты, значение электриче­ских величин и т.д.) — выражается конкретными данными. Используя эти данные, с помощью статистических методов осуществляют контроль про­цесса, т.е. проверяют систему причинных факторов. Таким образом, про­цесс контролируется по фактору качества.

Для производства качественных изделий необходимо наиболее важным показателям качества (являющимся следствием) поставить в соответствие различные факторы производства (составляющие системы причинных факторов). Затем, воздействуя на отрицательные факторы правильно по­добранными мерами, стабилизируют процесс. Для этого важно понимать и контролировать зависимость между характеристиками качества (след­ствием) и параметрами процесса- (системой причинных факторов).

Показатели качества, являющиеся «хребтом» скелета и в то же время следствием (результатом) различных причин (факторов) — причины А, при­чины В и т.д., — обозначены стрелками, которые называют «большими костями» (рис. 13.54). В свою очередь, эти причины являются следствием других причин: А,, А2, ... (для следствия A); Bv В2, ... (для следствия В) и т.д. («средние кости»). Они также обозначены стрелками, направленными к со­ответствующим следствиям. Вторичным причинам могут соответствовать третичные причины и т.д. («малые кости»).

Рис. 13.54. Диаграмма Исиковы: исследование причин

 

«Большие кости» соответствуют главным причинам, или причинам перво­го уровня, а «средние» и «малые» — причинам более низкого уровня.

При поиске причин важно помнить, что показатели качества, являющиеся следствием процесса, обязательно подвержены разбросу. Поиск факто­ров, оказывающих особенно большое влияние на разброс показателей качества изделия (т.е. на результат), называют исследованием причин.

Таким образом, причинно-следственная диаграмма позволяет выявить и си­стематизировать различные факторы и условия (например, исходные мате­риалы, условия операций, станки и оборудование, операторы), оказываю­щие влияние на рассматриваемую проблему (на показатели качества). Ин­формация о показателях качества для построения диаграммы собирается из всех доступных источников (журналов регистрации операций, журналов регистрации данных текущего контроля, сообщений рабочих производствен­ного участка и т.д.). При построении диаграммы выбирают наиболее важные с технической точки зрения факторы. Для этой цели широко используется экспертная оценка. Очень важно проследить корреляционную зависимость между причинными факторами (параметрами процесса) и показателями качества. В этом случае параметры легко поддаются корреляции. Для этого при анализе дефектов изделий их следует разделить на случайные и систе­матические, обратив особое внимание на возможность выявления и после­дующего устранения в первую очередь причины систематических дефектов.

В настоящее время причинно-следственная диаграмма (как один из семи инструментов контроля качества) используется во всем мире не только применительно к показателям качества продукции. Так, на рис. 13.55 при­ведены возможные важнейшие факторы, влияющие на удовлетворенность потребителя.

Рис. 73.55. Диаграмма Исикавы: факторы, влияющие на удовлетворенность потребителя

 

Построить причинно-следственную диаграмму непросто. Поэтому с пол­ным правом можно заявить, что те, кто преуспел в решении проблем кон­троля качества, наверняка освоил построение причинно-следственных диаграмм. Рассмотрим основные этапы.

Этап 1. Сначала определяется показатель качества, т.е. результат, которо­го необходимо достичь.

Этап 2. Выбранный показатель качества записывают в середине правого края чистого листа бумаги, слева направо проводят прямую линию — «хре­бет», а записанный показатель заключают в прямоугольник. Далее указы­вают главные причины, которые влияют на показатель качества, заключа­ют их в прямоугольники и соединяют с «хребтом» стрелками — «большие кости хребта» (главные причины).

Этап 3. Вторичные причины, влияющие на главные причины («большие кости»), располагают в виде «средних костей», примыкающих к «большим». Причины третичного порядка, которые влияют на вторичные причины, располагают в виде «мелких костей», примыкающих к «средним».

Этап 4. Причины (факторы) ранжируют по их значимости, используя для этого диаграмму Парето, выделяют особо важные, которые предположи­тельно оказывают наибольшее влияние на показатель качества.

Этап 5. В заключение на диаграмму наносят всю необходимую информа­цию (ее название, наименование изделия, процесса или группы процес­сов, имена участников процесса, дату и т.д.).

На практике построение причинно-следственной диаграммы зачастую чревато трудностями. Наилучший способ в этом случае — рассмотреть проблему с точки зрения «изменчивости». Например, рассматривая «боль­шие кости», следует задуматься об изменениях показателя качества. Если данные свидетельствуют о наличии изменений, необходимо понять, поче­му это происходит. Изменение результата может быть обусловлено изме­нениями в причинах (факторах). Такой подход весьма эффективен.

К примеру, при построении диаграммы причин и следствий применитель­но к конкретному дефекту можно обнаружить, что количество дефектов в разные дни недели различно. Если выяснится, что дефекты в понедель­ник встречаются чаще, чем в другие дни недели, следует задаться вопро­сом, почему это происходит и какова причина возникновения дефектов? Чтобы ответить на него, необходимо рассмотреть факторы, которые отли­чают понедельник от других дней недели, что в результате приведет к об­наружению причины дефекта.

Прибегнув к такому способу рассуждения на каждой стадии исследования отношений между показателем качества и «большими костями», между

«большими» и «средними», а также «мелкими костями», можно логиче­ским путем построить полезную диаграмму причин и результатов.

Следующим шагом после построения диаграммы является распределение причин по степени их важности. Не все причины, включенные в диаграм­му, могут оказывать сильное влияние на показатель качества. Поэтому не­обходимо уяснить, какие из них оказывают наибольшее воздействие. Для этого удобно использовать диаграмму Парето. В настоящее время причин­но-следственную диаграмму и диаграмму Парето используют совместно. Поэтому в сложных случаях для выявления того, какие из «костей» наибо­лее важны, можно прибегнуть к ранжированию причин и с помощью ди­аграммы Парето установить причины, набравшие максимальное число голосов.

Чтобы облегчить построение причинно-следственной диаграммы, следует начинать с определения основных причин, а затем переходить к более де­тальному построению причинно-следственной диаграммы (рис. 13.56). При этом необходимо рассмотреть как можно большее количество причин.

Рис. 13.56. Пример построения причинно-следственной диаграммы

В случае необходимости для поиска причин можно провести активное обсуждение. Эффективным методом в таких ситуациях является «мозго­вой штурм».

При анализе причинно-следственной диаграммы систематизацию причин следует проводить, рассматривая их в последовательности от «мелких ко­стей» к «средним» и от «средних» — к «большим» (рис. 13.57).

Менеджеры Неопытность

Подготс

Надеж*

 

Удовлетворенность потребителя

 

Контрольная карта — инструмент, позволяющий отслеживать протека­ние процесса и воздействовать на него (с помощью соответствующей об­ратной связи), чтобы предупредить отклонения от предъявляемых к про­цессу требований.

При построении контрольных карт на оси ординат откладывают значения контролируемого параметра, а на оси абсцисс — время (t) взятия выборки или ее номер. Как правило, на контрольной карте указывают три линии (рис. 13.58).

Рис. 13.58. Три линии контрольной корты

Верхний контрольный предел

Центральная линия — требуемое среднее значение характеристики контролируемого параметра

К„ UCL

Нижний контрольный предел

к„,1а

Центральная линия показывает требуемое среднее значение характерис­тики контролируемого параметра качества.

Две другие линии, одна из которых находится над центральной — верхний контрольный предел (Кв, или Upper Control Level {UCL)), а другая под ней — нижний контрольный предел (Кн, или Lower Control Level (LCL)), — пред­ставляют собой максимально допустимые пределы изменения значений контролируемой характеристики (показателя качества), чтобы считать процесс удовлетворяющим предъявляемым к нему требованиям. Если все точки, соответствующие выборочным средним значениям контролируемого параметра и его изменчивости, полученные по результатам обследования выборок, не выходят за контрольные пределы, не проявляя каких бы то ни было тенденций, процесс считается контролируемым. Если же они выхо­дят за контрольные пределы или их расположение имеет какую-нибудь необычную форму, процесс считается вышедшим из-под контроля. Про­цесс считается контролируемым, если систематические составляющие его погрешности регулярно выявляются и устраняются, а остаются только случайные составляющие погрешностей, которые, как правило, распреде­ляются в соответствии с нормальным (гауссовским) распределением.

В рамках семи простых методов используются всего лишь семь типов кон­трольных карт, а именно контрольные карты:

1)         средних арифметических и размахов (хср — R);

2)         медиан и размахов (Me — R);

3)         индивидуальных значений (х);

4)         доли дефектной продукции (р);

5)         количество дефектных единиц продукции (рп);

6)         количество дефектов (с);

7)         количество дефектов на единицу продукции (и).

Все перечисленные карты относятся к картам Шухарта, которые широко применяются в Европе и Японии. В Америке в основном используют не карты Шухарта, а так называемые кумулятивные контрольные карты. Кумулятивные нормы показывают, к чему стремится процесс, но не пока­зывают его текущего состояния, тогда как карты Шухарта дают информа­цию о текущем состоянии, но не всегда показывают очевидные тенденции процесса. Кроме того, кумулятивные контрольные карты позволяют рабо­тать с выборками малых объемов (вплоть до п = 1), что невозможно при использовании карт Шухарта. Тем не менее в рамках семи простых инстру­ментов разработано много простых правил, позволяющих и на картах Шу­харта выявить тенденцию процесса и предупредить его выход из-под конт­роля. Некоторые из этих правил показаны на рис. 13.59, 13.60, 13.61, 13.62.

Рис. 13.59. Процесс стабилен, но не соответствует ограничениям на контролируемый параметр. Необходимо, не изменяя стабильных настроек, перенастроить процесс на другие показатели

 

Рис. 13.60. Плавное изменение настроек процесса. Необходимо перенастроить и стабилизировать процесс

Рис. 13.61. Процесс расбалансирован. Необходимо стабилизировать процесс

 

Рис. 13.62. Процесс протекает идеально

 

Авторы: 1379 А Б В Г Д Е З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я

Книги: 1908 А Б В Г Д Е З И Й К Л М Н О П Р С Т У Ф Х Ц Ч Ш Щ Э Ю Я