Применение метода контрольных карт для контроля качества производства технического полиакриламидного геля

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Введение

Качество продукции, производимой в сложных технологических процессах, зависит от множества технологических факторов и характеристик сырья. Содержание многостадийных технологий, применяемых в химической, стекольной и других отраслях промышленности, представляет последовательность физических и химических процессов преобразования структуры, свойств и формы продукции. Особенность сложных технологий в том, что отсутствует возможность получения аналитического отображения технологических факторов в показатели качества.

Выявление причин образования дефектов и недостижения заданных значений показателей качества является актуальной проблемой для промышленностей, использующих сложные технологические процессы. Качество производимой в них продукции характеризуется множеством показателей, значения которых зависят от множества технологических факторов и свойств сырья.

Для установления взаимосвязи технологии с качеством приходится опираться на массивы ретроспективных данных, полученных в пассивном эксперименте - на данных мониторинга технологического процесса.

Измеренные значения факторов и показателей являются источником информации, из которого могут быть извлечены сведения о состоянии процессов и качестве, их взаимосвязях, недостатках, нарушениях и др. Для извлечения из них необходимой информации о степени влияния факторов на показатели, выявления причинно-следственных связей между технологическими факторами и показателями качества используются статистические методы.

Целью данной работы является исследование одного из статистических методов - метода контрольных карт на примере производства технического полиакриламидного геля.

1. Методы статистического анализа в управлении качеством

Систематизация, обработка и исследование большого числа данных с помощью различных методов с целью выявления закономерностей, которым они подчиняются, называются статистической обработкой; данные при этом называются статистическими данными, а применяемые методы - статистическими методами. Под статистическими методами управления качеством продукции понимаются выборочные методы, основанные на применении теории вероятностей и математической статистики. Обычно для обработки и анализа данных используют не один, а несколько статистических методов. Это иногда позволяет получить ценную информацию, которая при анализе разброса данных только одним методом может ускользнуть.

Применение статистических методов контроля качества произошло в первой четверти 20-го века. Именно внедрение статистических методов позволило значительно сократить трудоемкость операций контроля и значительно снизить численность контролеров. Первое применение научных методов статистического контроля было зафиксировано в 1924 году, когда В. Шухарт использовал для определения доли брака продукции контрольные карты. К. Исикава впервые в мировой практике предложил оригинальный графический метод анализа причинно-следственных связей, получивший название «диаграммы Исикава». Г. Тагути развивал идеи математической статистики, относящиеся, в частности, к статистическим методам планирования эксперимента и контроля качества. Тагути впервые соединил математической зависимостью экономические затраты и качество, введя понятие функции потерь качества. Заслуга Тагути также в том, что он сумел найти сравнительно простые аргументы и приемы, которые сделали робастное планирование эксперимента в области обеспечения качества реальностью.

В настоящее время статистические методы обеспечения качества широко применяются в США, Японии, Великобритании, Германии, Франции, Италии, Голландии, Дании и других развитых странах во всех сферах деятельности.

В России же существует нормативная база, которая является отправной точкой при внедрении статистических методов. Начиная с 1999 г. Технический комитет 125 Госстандарта РФ занимается разработкой стандартов по статистическим методам серии ГОСТ Р 50779 и других серий. Также в течение последних лет были выпущены российские варианты международных стандартов, таких как ISO/TR 13425:2006 «Руководство по выбору статистических методов при разработке стандартов и технических условий», ГОСТ Р ИСО/ТО 10017-2005 «Статистические методы. Руководство по применению в соответствии с ГОСТ Р ИСО 9001» и ГОСТ Р ИСО 11462-1-2007 «Статистические методы. Руководство по внедрению статистического управления процессами. Часть 1. Элементы».

Популярной моделью системы качества, несмотря на многочисленную критику, является модель стандартов Международной организации по стандартизации (ИСО), ИСО серии 9000. Одним из базовых принципов стандартов ИСО серии 9000 является подход к принятию решений, основанный на фактах. Для реализации этого подхода стандарты ИСО серии 9000 ориентируют на разработку механизма применения статистических методов на всех стадиях жизненного цикла продукции, начиная с исследования рынка и кончая обслуживанием потребителей и окончательной утилизацией изделия.

Для дальнейшего развития стандартизации статистических методов контроля и управления качеством, необходимо следующее: на основе результатов системных научных исследований разработать и внедрить в практику министерств и ведомств единые организационно-методические основы проведения работ по стандартизации статистических методов управления качеством; разработать научные основы управления качеством продукции статистическими методами в условиях требований современного производства, характеризующегося широкой номенклатурой изделий и небольшими партиями; разработать основные принципы при разработке систем стандартов на статистические методы для всестороннего нормативно-технического и методического обеспечения управления качеством механосборочного производства; сформировать основные научные положения по применению методов прогнозирования и оптимизации параметров качества технологических процессов механической обработки и сборки; разработать научные и методические основы системы сбора и обработки информации о качестве; разработать научно-экономические основы стандартизации статистических методов управления качеством; создать научные и организационно-методические основы разработки, внедрения и введения унифицированных систем документации и классификаторов информации о качестве.

Статистические методы позволяют по ограниченному числу наблюдений принимать обоснованные решения при управлении качеством продукции. Использование статистических методов должно гарантировать стабильность качества, которое удовлетворяет требованиям потребителя. Статистические методы признаются важным условием рентабельного управления качеством, а также средством повышения эффективности производственных процессов и качества продукции. Статистические методы управления качеством являются неотъемлемой частью комплексной системы управления качеством машиностроительной продукции. Они являются достаточно информативными, позволяют агрегировать полученную информацию, представить ее в наглядном для исследователя виде и сделать соответствующие выводы по результатам анализа. Статистические методы не только инструмент контроля качества продукции, но и способ оценки текущего состояния технологических процессов, позволяющий своевременно внести в них коррективы и таким образом обеспечить стабильность качества. Статистические методы играют важную роль в объективной оценке количественных и качественных характеристик процесса и являются одним из важнейших элементов системы обеспечения качества продукции и всего процесса управления качеством.

Под статистическим анализом производственного процесса понимается совокупность действий по установлению статистическими методами значений показателей точности и стабильности производственного процесса и определению закономерностей их изменения во времени. Статистический анализ рекомендуется применять в тех случаях, когда в ограниченном числе наблюдений необходимо решить 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; обосновать технические нормы и допуски на продукцию; выявить возможность и обосновать целесообразность внедрения статистических методов в производственный процесс; обосновать выбор технологического оборудования и средств, измерений для изготовления продукции; контроль соблюдения технологической дисциплины; при установлении нового технологического оборудования и приемке оборудования после ремонта; оценить надежность технологических систем; обосновать необходимость реконструкции технологического процесса или ремонта технологического оборудования и других мероприятий по совершенствованию техпроцесса; при проведении аттестации техпроцесса; при проведении сертификации выпускаемой продукции и систем качества; при анализе и оценке показателей производственного процесса и качества продукции и т. д.

В настоящее время существует большое количество прикладного программного обеспечения, позволяющего применять статистические методы для управления качеством продукции и регулирования технологических процессов. К примеру, существуют коммерческие программные продукты, такие как Statistica, Statgraphics, SPSS, MINITAB, MATHCAD, MATLAB, MAPLE и др. В США для статистической обработки данных и работы с графикой при проведении статистических анализа часто используется язык программирования R, являющийся свободно распространяемым. Также стоит отметить российскую систему АСОНИКА (Автоматизированная Система Обеспечения Надежности и Качества Аппаратуры), в состав которой входят 18 подсистем, связанных с моделированием аэродинамических, тепловых, механических воздействий на радиоэлектронную аппаратуру.

Совокупность современных статистических методов контроля качества подразделяется по степени сложности на три категории: 1. Элементарные статистические методы, включающие диаграмму Парето, диаграмму причин и результатов, контрольный листок, гистограмму, диаграмму разброса, метод стратификации, контрольную карту. Эта категория методов используется на японских предприятиях всеми, начиная от выпускников школ и заканчивая управляющими высшего звена. 2. Промежуточные статистические методы, в состав которых входят: теория выборочных исследований; статистический выборочный контроль; различные методы проведения статистических оценок и определения критериев; метод расчета экспериментов. Эта группа методов используется инженерами и специалистами в области управления качеством. 3. Передовые статистические методы, включающие методы расчета экспериментов, многофакторный анализ, различные методы исследования операций. Их применению обучается ограниченное число инженеров и специалистов.

К настоящему времени в мировой практике накоплен огромный арсенал статистических методов: графические методы (7 простых и 7 новых инструментов управления качеством); методы анализа статистических совокупностей (сравнение средних, сравнение дисперсий, регрессионный и дисперсионный анализ); экономико-математические методы (планирование эксперимента, анализ видов и последствий отказов (Failure Mode and Effects Analysis - FMEA), структурирование функции качества (СФК), теория массового обслуживания, функционально-стоимостный анализ, методы Тагути).

Если на предприятии статистические методы реализованы на низком уровне, то начинать внедрение необходимо с графических методов, что позволит выявить самые крупные проблемы. Затем можно переходить к более сложным и соответственно, эффективным методам анализа статистических совокупностей и экономико-математическим.

После выбора статистического метода, следует перейти к сбору данных, а затем их обработке. Утвержденную программу по внедрению статистических методов управления качеством продукции необходимо отразить в стандартах предприятия (СПО), в положениях о службах и подразделениях, а так же в руководстве предприятия по качеству и т.д. В СПО для всех работников предприятия необходимо поставить цели в области качества, полномочия и меру ответственности, и назначить подразделений или круг лиц, как и с кем, он обязан контактировать при достижении поставленных задач с применением статистических методов управления. Так как поддержание высокого качества продукции возможно лишь при участии каждого работника предприятия.

Обычно для анализа данных используются семь, так называемых, статистических методов или инструментов контроля качества: расслаивание (стратификация) данных; графики; диаграмма Парето; причинно_следственная диаграмма (диаграмма Исикавы или «рыбий скелет»); контрольный листок и гистограмма; диаграмма разброса; контрольные карты. Инструменты контроля качества являются эффективными и в то же время приемлемыми для освоения персоналом средств систематического контроля качества.

Контрольный листок - это бумажный бланк для первичного сбора информации; бланк, на который нанесены контролируемые параметры детали или изделия, с тем чтобы в него можно было легко и точно занести данные измерений. Его назначение двояко: во-первых, облегчить процесс сбора данных о контролируемых параметрах, а во-вторых, автоматически упорядочить данные для облегчения их дальнейшего использования.

Основные требования, предъявляемые к контрольному листку: простота фиксации результатов наблюдений; наглядность полученных результатов; полнота данных.

Существуют четыре типа контрольных листков: 1) контрольный листок для регистрации распределения измеряемого параметра в ходе производственного процесса. Характерен для случая, когда необходимо выявить изменения в размерах детали, подвергающейся механической обработке; 2) контрольный листок для регистрации видов дефектов. Используется в процессе приемочного контроля одной штампованной пластиковой детали. Всякий раз, когда контролер обнаруживает дефект, он делает в контрольном листке пометку. В конце рабочего дня он может быстро подсчитать число и определить разновидности встретившихся дефектов; 3) контрольный листок мест локализации дефектов. В некоторых видах продукции обнаруживаются внешние дефекты, такие как царапины или грязь, и на предприятии предпринимаются различные меры для сокращения их числа. Большую роль в решении этой проблемы играют контрольные листки локализации дефектов, в которых содержатся эскизы или схемы, где делаются пометки, так что можно пронаблюдать расположение дефектов. Такие листки необходимы для диагноза процесса изготовления детали, поскольку причины дефектов часто можно найти, исследуя места их возникновения и наблюдая процесс в поисках объяснений, почему дефекты концентрируются именно в этих зонах; 4) контрольный листок причин дефектов. Здесь регистрируются обнаруженные дефекты по типам с учетом того, что причинами их возникновения могут служить оборудование, время изготовления, непосредственный изготовитель. Контрольный листок позволяет выявить основные причины с тем, чтобы разработать меры по их устранению.

Следующим методом статистического контроля качества является Диаграмма Парето, её впервые применил Джуран, так как при производстве продукции неминуемо приходится сталкиваться с потерями (некачественные изделия и затраты, связанные с их производством). В большинстве случаев подавляющее число несоответствий и связанных с ними потерь возникает из-за относительно небольшого числа причин. Этот постулат положен в основу анализа Парето, который предназначен для разделения проблем качества на немногочисленные существенно важные и многочисленные несущественные. Для определения немногочисленных существенных факторов строят диаграммы Парето. Диаграмму Парето иногда называют «80/20», поскольку в ней находит отражение известный принцип статистики, заключающийся в том, что 80% выпуска некачественной продукции связано всего с 20% всех возможных причин.

Диаграмма Парето - это графическое представление степени важности причин или факторов, влияющих на исследуемую проблему. Диаграммы Парето бывают двух видов: 1. Диаграмма Парето по результатам деятельности помогает выявить главную проблему и отражает нежелательные результаты деятельности (в сфере качества: дефекты, поломки, ошибки, отказы; в сфере себестоимости: объем потерь, затраты; в сфере поставок: нехватка запасов, ошибки в составлении счетов, срывы сроков поставок; в сфере безопасности: несчастные случаи, аварии); 2. Диаграмма Парето по причинам отражает причины проблем, возникающих в ходе производства, и помогает выявить главную причину (по кадрам: смена, бригада, возраст, опыт работы, квалификация; по оборудованию: станки, агрегаты, инструментальная оснастка, модели, штампы, технология; по сырью: изготовитель, вид сырья, поставщик, партия; по методам работы: условия производства, приемы работы, последовательность операций).

Диаграмма и кривая Парето наглядно отражают результаты контроля качества конкретного изделия. На основании этих данных выявляются основные причины, которые приводят к возникновению наиболее значимых дефектов, и разрабатываются меры по их устранению. Через определенное время после реализации данных мер процедура построения диаграммы Парето повторяется, причем желательно сделать это на том же бланке, чтобы наглядно убедиться, насколько результативны были предпринятые усилия по устранению причин появления дефекта того или иного типа.

Диаграмму Парето целесообразно применять вместе с причинно-следственной диаграммой. С ее помощью можно оценить эффективность принятых мер по улучшению качества продукции, построив ее до и после внесения изменений. Применив метод «расслоения», можно построить диаграммы по отдельным машинам, сменам, бригадам, рабочим и т.д.

Диаграммы Парето целесообразно строить и для анализа широкого круга проблем в любой сфере деятельности фирмы: в финансовой сфере, в сфере сбыта, в сфере материально - технического обеспечения, в сфере производства, в сфере делопроизводства и др.

Диаграмма Исикава («рыбья кость», «рыбий скелет») является третьим инструментом в данном обзоре, данный инструмент анализа причинно-следственных связей между различными факторами и результатом разработал и описал Исикава.

Диаграмма Исикавы позволяет прояснить и учесть все существенные факторы, влияющие на результат какой-либо деятельности. Таким результатом может быть изделие, услуга, завершенная работа, состояние оборудования - любой объект изучения или разработки. Применение диаграммы Исикавы позволяет выяснить причины каких-либо проблем в организации или, например, причины возникновения дефектов в изделиях.

Достоинства диаграммы Исикавы: помогает наглядно показать связи между полученным результатом и вызвавшими его причинами; позволяет провести анализ цепочки факторов, воздействующих на проблему.

Это сделало диаграмму довольно популярным инструментом анализа, особенно в системе управления качеством.

Для того чтобы построить диаграмму причин и результатов, необходимо: 1) определить показатель качества, который будет исследоваться; 2) найти главные причины, которые оказывают воздействие на данный показатель; 3) выявить вторичные причины, влияющие на главные, затем определить причины третьего порядка, которые влияют на вторичные, и так далее до их полного исчерпания; 4) проанализировать все обнаруженные причины и выделить те из них, которые предположительно оказывают наибольшее влияние на исследуемый показатель качества. Этим причинам и уделяется особое внимание при решении возникших проблем с исследуемым показателем качества.

Сложная причинно-следственная диаграмма анализируется с помощью расслоения по отдельным факторам, таким как материалы, исполнители, время выполнения операций и др. При выявленной заметной разнице в разбросе между «слоями» принимают соответствующие меры для ликвидации этой разницы и устранения причины ее появления.

Причинно-следственная диаграмма, как метод решения возникающих проблем, используется не только в производственной сфере, но и для привлечения новых клиентов, для оценки конфликтов между подразделениями предприятия, для контроля складских операций и др.

Одним из наиболее простых статистических методов является метод расслоения. В соответствии с этим методом производят расслоение данных, т.е. группируют данные в зависимости от условий их получения и производят обработку каждой группы данных в отдельности. Расслоение позволяет выяснить причину появления дефекта, если обнаруживается разница в данных между «слоями».

Метод расслоения применяется как самостоятельно, так и в случае использования других статистических методов: при построении причинно-следственных диаграмм, диаграмм Парето, гистограмм и контрольных карт.

Следующим важнейшим инструментом является гистограмма. Термин «гистограмма» был введен знаменитым статистиком Пирсоном для обозначения общей формы графического представления. Гистограмма - инструмент, позволяющий зрительно оценить распределение статистических данных, сгруппированных по частоте попадания в определенный (заранее заданный) интервал. В классическом варианте гистограмма используется для определения проблем при помощи анализа формы разброса значений, центрального значения, его близости к номиналу, характера рассеивания. Для удобства анализа гистограмму обычно изображают в виде плавной аппроксимирующей линии, называемой кривой распределения частоты.

Диаграмма разброса используется для выявления зависимости одних показателей от других, например, для выявления зависимости между показателями качества и основными факторами производства при анализе причинно-следственной диаграммы.

Диаграмма разброса строится как график зависимости между двумя параметрами. С помощью диаграммы разброса можно анализировать зависимость между влияющими факторами (причиной) и характеристиками (следствием), между двумя факторами, между двумя характеристиками.

При построении диаграммы разброса на оси абсцисс откладываются значения параметра - аргумента, а на оси ординат - параметра - функции. Данные измерений изображаются точками на графике. Для получения достоверных результатов необходимо, чтобы число данных было не менее 30. По виду диаграммы разброса можно судить о наличии или отсутствии между двумя параметрами корреляционной зависимости. О наличии корреляционной зависимости между параметрами можно говорить в том случае, когда разброс данных имеет линейную тенденцию.

Коэффициент корреляции используют при линейной связи между величинами. Значение r находится в пределах от - 1 до + 1. Если r близко к 1, имеется сильная положительная корреляция (сильная связь между рядами данных). Если r близко к -1, имеется сильная отрицательная корреляция. При r, близким к 0, корреляция слабая (отсутствует). Если r близко к 0,6 (или - 0,6), корреляционная зависимость считается существующей. С помощью диаграммы разброса можно технически грамотно решать многие вопросы, например, установить зависимость точности обработки детали от параметров станка, инструментов, соблюдения технологической дисциплины и др.

С помощью диаграммы разброса можно грамотно решать многие вопросы, например, установить зависимость точности обработки детали от параметров станка, технологического приспособления, инструмента, зависимость прибыли от сокращения брака и др.

Метод стратификации (расслаивание данных) -- инструмент, позволяющий произвести выбор данных, отражающих требуемую информацию. В соответствии с этим методом расслаивают статистические данные, т.е. группируют их в зависимости от условий получения, и обрабатывают каждую группу данных в отдельности. Данные, разделенные на группы в соответствии с их особенностями, называют слоями (стратами), а сам процесс разделения -- расслаиванием (стратификацией). Существуют различные методы расслаивания, применение которых зависит от конкретных задач. Для стратификации часто используется метод «5М», учитывающий факторы, зависящие от человека (man), машины (machine), материала (material), метода (method), измерения (measurement). Расслаивание может осуществляться следующим образом: по исполнителям -- квалификации, полу, стажу работы и т.д.; по машинам и оборудованию -- новому и старому оборудованию, марке, конструкции, выпускающей фирме и т.д.; по материалу -- месту производства, фирме-производителю и др.

При отсутствии учета стратифицирующего фактора (расслоения данных) происходит их объединение и обезличивание, затрудняющее установление действительной взаимосвязи между полученными данными и особенностями их возникновения.

Контрольная карта - это графическое представление характеристики процесса, состоящее из центральной линии, контрольных границ и конкретных значений имеющихся статистических данных, позволяющее оценить степень статистической управляемости процесса. Главная цель контрольных карт - обнаружить неестественные изменения в данных из повторяющихся процессов и дать критерии для обнаружения отсутствия статистической управляемости. Процесс находится в статистически управляемом состоянии, если изменчивость вызвана только случайными причинами. При определении этого приемлемого уровня изменчивости любое отклонение от него считают результатом действия особых причин, которые следует выявить, исключить или ослабить.

Их использование обусловлено тем, что много времени и усилий тратится на установление требований к тому или иному процессу в рамках производства, после чего основной проблемой становится поддержание контроля над процессом на должном уровне. Наиболее эффективное средство, обеспечивающее выполнение этой задачи, -- использование контрольных карт. На них графически отражается состояние процесса в конкретной точке. Такие карты применяются для обнаружения негативных тенденций с целью предупреждения развития и серьезных проблем, приводящих к выходу процесса из-под контроля.

Контрольные карты применяются также, когда требуется установить характер неисправностей и дать оценку стабильности процесса; когда необходимо установить, нуждается ли процесс в регулировании или его необходимо оставить таким, каков он есть. Контрольной картой можно также подтвердить улучшение процесса.

Контрольная карта является средством распознания отклонений из_за неслучайных или особых причин от вероятных изменений, присущих процессу. Вероятные изменения редко повторяются в прогнозируемых пределах. Отклонения из_за неслучайных или особых причин сигнализируют о том, что некоторые факторы, влияющие на процесс, необходимо идентифицировать, расследовать и поставить под контроль. Контрольные карты основываются на математической статистике. Они используют рабочие данные для установления пределов, в рамках которых будут ожидаться предстоящие исследования, если процесс останется неэффективным из_за неслучайных или особых причин. Контрольная карта может указать на наличие потенциальных проблем до того, как начнется выпуск дефектной продукции.

Информация о контрольных картах содержится и в международных стандартах ИСО 7870, ИСО 8258.

Существует много разных типов контрольных карт в зависимости от природы данных, вида статистической обработки данных и методов принятия решений. В зависимости от сферы применения выделяют три основных вида контрольных карт: контрольные карты Шухарта и аналогичные им, позволяющие оценить, находится ли процесс в статистически управляемом состоянии; приемочные контрольные карты, предназначенные для определения критерия приемки процесса; адаптивные контрольные карты, с помощью которых регулируют процесс посредством планирования его тренда (тенденции изменения процесса с течением времени) и проведения упреждающей корректировки на основании прогнозов. контрольный графический дефект промышленность

Наибольшее распространение получили контрольные карты среднего значения X и контрольные карты размаха R, которые используются совместно или раздельно. Контролироваться должны естественные колебания между пределами контроля. Нужно убедиться, что выбран правильный тип контрольной карты для определенного типа данных. Данные должны быть взяты точно в той последовательности, в какой собраны, иначе они теряют смысл. Не следует вносить изменения в процесс в период сбора данных. Данные должны отражать, как процесс идет естественным образом.

Также контрольные карты разделяются на два типа: количественные и качественные. Количественные карты используются для статистического контроля и регулирования технологического процесса. На контрольную карту наносят значения некоторой статистической характеристики (точки), рассчитываемые по данным выборок в порядке их получения, верхнюю и нижнюю контрольные границы Кв (или UCL) и Кн (или LCL), верхнюю и нижнюю границы технических допусков Тв и Тн (при их наличии), а также среднюю линию (CL). Контрольные границы находятся на расстоянии 3у от центральной линии (у - генеральное стандартное отклонение используемой статистики). Иногда используют также предупредительные границы Кп. Для расчёта границ и построения контрольной карты используют обычно 20...30 точек.

Контрольные карты для регулирования по количественным признакам (измеренные величины выражаются количественными значениями): а) контрольная карта х - R состоит из контрольной карты х, отражающей контроль за изменением среднего арифметического, и контрольной карты R, служащей для контроля изменений рассеивания значений показателей качества. Применяется при измерении таких показателей, как длина, масса, диаметр, время, предел прочности при растяжении, шероховатость, прибыль и т.д.; б) контрольная карта - R состоит из контрольной карты х, осуществляющей контроль за изменением значения медианы, и контрольной карты R. Применяется в тех же случаях, что и предыдущая карта. Однако она более проста, поэтому более пригодна для заполнения на рабочем месте.

Для качественных признаков возможны четыре вида контрольных карт: число дефектов на единицу продукции; число дефектов в выборке; доля дефектных изделий в выборке; число дефектных изделий в выборке. При этом в первом и третьем случаях объем выборки будет переменным, а во втором и четвертом - постоянным.

Контрольные карты для регулирования по качественным признакам: а) контрольная карта p (для доли дефектных изделий) или процента брака, применяется для контроля и регулирования технологического процесса после проверки небольшой партии изделий и разделения их на доброкачественные и дефектные, то есть определения их по качественным признакам. Доля дефектных изделий получена путем деления числа обнаруженных дефектных изделий на число проверенных изделий. Может применяться также для определения интенсивности выпуска продукции, процента неявки на работу и т.д.; б) контрольная карта pn (количество брака), применяется в случаях, когда контролируемым параметром является число дефектных изделий при постоянном объеме выборки n. Практически совпадает с картой p; в) контрольная карта c (число дефектов на одно изделие), используется, когда контролируется число дефектов, обнаруживаемых среди постоянных объемов продукции (автомобили - одна или 5 транспортных единиц, листовая сталь - один или 10 листов); г) контрольная карта n (число дефектов на единицу площади), используется, когда площадь, длина, масса, объем, сорт непостоянны и обращаться с выборкой как с постоянным объемом невозможно.

При применении контрольных карт возможны 2 вида ошибок: первого рода (возникают, когда процесс находится в статистически управляемом состоянии, а точка выскакивает за контрольные границы случайно; в результате неправильно решают, что процесс вышел из состояния статистической управляемости, и делают попытку найти и устранить причину несуществующей проблемы) и второго рода (возникают, когда рассматриваемый процесс неуправляем, а точки случайно оказываются внутри контрольных границ; в этом случае неверно заключают, что процесс статистически управляем и упускают возможность предупредить рост выхода несоответствующей продукции; риск ошибки 2 рода - функция трех факторов: ширины контрольных границ, степени неуправляемости и объема выборки; их природа такова, что можно сделать лишь общее утверждение о величине ошибки).

Контрольные карты позволяют контролировать текущие рабочие характеристики процесса. Они показывают возникающие отклонения от стандарта, цели или среднего значения и отражают уровень статистического контроля процесса в течение определенного времени.

Применение статистических методов является важным условием повышения эффективности контроля качества продукции и процессов.

2. Построение и анализ p-контрольной карты на примере производства технического полиакриламидного геля

Полиакриламид-гель технический - гелеобразная вязкая масса от светло-желтого до голубого или зеленого цвета. Допускается появление фиолетового цвета. Предназначен для использования в качестве флокулянта для эффективной очистки природных и сточных вод, улавливания и выделения ионов тяжелых металлов и токсичных веществ, а также для флокуляции в горно-химической, угольной, газовой и нефтедобывающей промышленности, черной и цветной металлургии, для предприятий целлюлозно-бумажной и текстильной отраслей промышленности, в производстве шпатлевок и водоэмульсионных красок.

Для построения p-карты была применена программа Statistica. Программный продукт Statistica позволяет проводить разнообразные прикладные статистические исследования, в нем представлены такие инструменты контроля качества и регулирования технологических процессов, как контрольные карты, методы выборочного контроля и последовательные методы.

Для нахождения верхней и нижней контрольной границ и построения графика были применены следующие формулы:

=

Нижняя контрольная граница =

Верхняя контрольная граница =

 = 0,16927; = = 48; нижняя контрольная граница = 0,007; верхняя контрольная граница = 0,332.

На основании этих данных был построен график контрольной p-карты.

Рис. 1. P-карта дефектной продукции технического полиакриламидного геля

Уровень воспроизводимости производственного процесса в большинстве случаев количественно оценивается следующими пятью коэффициентами:

CPV = = 1,01; CPL = = 1

CPK = min(CPV ,CPL) = 1. Коэффициент СPK характеризует нормированное расстояние между средним значением процесса и ближайшим пределом стандарта. Это говорит об управляемости процесса.

К=

= = 0,003.

Коэффициент К дает количественную оценку нецентрированности процесса, характеризует степень приближения реальной характеристики процесса к уровню его потенциальной характеристики.

Cp = = = 0,33.

Коэффициент Ср характеризует разброс наблюдаемых параметров. Чем больше Ср, тем больше запас точности и соответственно выше гарантия, что производственный процесс обеспечивает бездефектное изготовление продукции в течение определенного промежутка времени, который будет тем больше, чем стабильнее процесс. Производственный процесс неудовлетворительный, так как Cp < 1. Чтобы выявить причины дефектов и разработать мероприятия по улучшению показателей, необходимо построение диаграммы Парето и причинно-следственную диаграмму.

Заключение

Совершенствование качества продукции и процессов требует скрупулезной работы персонала предприятия по выявлению причин дефектов (отклонений от документации) и их устранению. Для этого необходимо организовать поиск фактов, характеризующих несоответствия, в подавляющем большинстве которыми являются статистические данные, разработать методы анализа и обработки данных, выявить коренные причины дефектов и разработать мероприятия по их устранению с наименьшими затратами.

Проблемами сбора, обработки и анализа результатов производственной деятельности занимается математическая статистика, которая включает в себя большое количество не только известных методов, но и современных инструментов (как модно в последние годы называть методы) анализа и выявления дефектов. К таким методам можно отнести корреляционный и регрессионный анализы, проверку статистических гипотез, факторный анализ, анализ временных рядов, анализ безотказности и т. д. Большое распространение в управлении качеством (под влиянием японских специалистов) получили семь простых методов, применение которых не требует высокой квалификации персонала и позволяет охватить анализ причины большинства возникающих на производстве дефектов.

Один из методов статистического анализа - метод контрольных карт рассмотрен на примере производства технического полиакриламидного геля. Была построена p-карта дефектной продукции и определены показатели уровня воспроизводимости производственного процесса.

Они продемонстрировали, что производственный процесс управляем, но неудовлетворительный.

Диаграмма Парето и причинно-следственная диаграмма при построении позволят выявить причины дефектов и какие из них имеют максимальное действие, чаще всего приводят к дефектам в продукции, отклонению от нормы.

Список литературы

1. Абзалов А.Р., Бобылев Л.В. Управление качеством на основе статистических методов. Известия высших учебных заведений. Авиационная техника. 2005. № 1. С. 56-69.

2. Аладьев Н.А. Возможности использования статистических методов в управлении качеством // Инновационная наука. 2016. №4-3 (16) С.12-16.

3. Алексашина О.В., Гринюк О.Н. Контрольные карты Шухарта как метод статистического контроля и управления качеством. Вестник Международной академии системных исследований. Информатика, экология, экономика. 2016. Т. 18. № -1. С. 99-103.

4. Витчук Н.А. Анализ дефектов и отказов башенных кранов с использованием статистических методов управления качеством. Электронный журнал: наука, техника и образование. 2015. № 4 (4). С. 7-11.

5. Гродзенский С.Я., Чесалин А.Н. Контроль показателей надежности высоконадежных изделий с использованием оптимальных статистических последовательных критериев // Метрология, 2011, № 10, с. 29-34.

6. Егоров С.Б., Локтев А.А., Капитанов А.В., Локтев Д.А., Егорова Т.П. Методы статистического управление процессами и повышение качества продукции. Международный журнал экспериментального образования. 2016. № 11-1. С. 98-102.

7. Зейналов Р.Р., Довлатов С.Д., Асадов Т.Г. Об основных принципах статистических методов управления качеством продукции. Автоматизация, телемеханизация и связь в нефтяной промышленности. 2013. № 4. С. 19-23.

8. Колесникова Т.Г., Леонидов Л.. Статистические методы контроля качества продукции в системе управления качеством. Инновационные технологии управления и права. 2014. № 3 (10). С. 17-21.

9. Леонов О.А., Темасова Г.Н. Статистические методы контроля и управления качеством. М., 2014. 140 с.

10. Леонов О.А., Темасова Г.Н., Вергазова Ю.Г. Управление качеством. М., 2015.

11. Макаров Р.И. Особенности применения статистических методов в управлении качеством. Алгоритмы, методы и системы обработки данных. 2014. № 2 (27). С. 11-16.

12. Мухаметшина А.М., Шигабиев Т.Н., Приймак Е.В. Применение контрольных карт Шухарта для определения стабильности пищевых производств // Ученые записки КГАВМ им. Н.Э. Баумана. 2014. № С.174-180.

13. Никитин В.А., Филончева В.В. Управление качеством на базе стандартов ИСО 9000:2000: политика, оценка, формирование. СПб.: Питер, 2005. 126 с.

14. Редько Л.А., Пескова Е.С. Проблемы применения статистических методов контроля и управления качеством // Вестник науки Сибири. 2011. №1 (1) С.203-205.

15. Сидорова А.И., Егоров А.Н. Применения статистических методов анализа и контроля качества при управлении технологическими процессами в производственных условиях. Актуальные направления научных исследований XXI века: теория и практика. 2015. Т. 3. № 7-2 (18-2). С. 461-464.

16. Соголашвили З.С., Часовских В.П., Воронов М.П. Статистические методы управления качеством: история развития. Научное обозрение. Экономические науки. 2016. № 4. С. 64-72.

17. Телина И.С. Использование R в статистических методах управления качеством. Ученые записки Новгородского государственного университета. 2016. № 3 (7). С. 9.

18. Трищ Г.М., Куцын А.Н., Бесценный В.И. Стандартизация статистических методов управления качеством. Восточно-Европейский журнал передовых технологий. 2008. Т. 6. № 3 (36). С. 51-54.

19. Чернышова М.А., Утешева А.Ю. Статистические методы анализа и управления качеством. Прикаспийский журнал: управление и высокие технологии. 2009. № 3. С. 100-106.

20. Чесалин А.Н. Программное обеспечение для управления качеством продукции на основе статистических методов. Фундаментальные проблемы радиоэлектронного приборостроения. 2014. Т. 14. № -1. С. 237-240.

Размещено на Allbest.ru