Тупкало В. М. Управління якістю



Сторінка6/16
Дата конвертації25.12.2016
Розмір2.85 Mb.
ТипКонспект
1   2   3   4   5   6   7   8   9   ...   16


СЕМІНАРСЬКЕ ЗАНЯТТЯ ДО ЛЕКЦІЇ 3
Мета занять:

- ознайомитися з історією розвитку стандартів ISO серії 9000 як основи СУЯ на рівні підприємств;

- засвоїти принципи побудови СУЯ на базі стандарту ISO 9001:2008, а також на основі інших стандартів і концепцій;

- з’ясувати суть стандартів ISO серії 10000 та їх місце в СУЯ організації;

- уяснити суть і структуру документу “СУЯ підприємства”;

- ознайомитися з системами управління навколишнім середовищем та безпекою праці;

- з’ясуватити можливості поліпшення СУЯ на основі вчень фахівців, автоматизації управлінських процесів та застосування певних менеджерських і економічних підходів.

- вміти надати розширені відповіді на питання, що відносяться до теми;

- підготуватися до обговорення (7-8)-и хвилинної доповіді за темою “Концеція 6 сигм: суть, приклади успішного впровадження за кордоном, проблеми та перспективи впровадження в Україні”
ЗАВДАННЯ ДЛЯ СРС

  1. Вивчити самостійно питання, які під час лекції не розглядалися:



  • суть стандарту QS 9000 (ISO/TS 16949) та його взаємозв’язок з якістю

кінцевої продукції;

  • суть стандарту “Investors in People” та його вплив на якість праці;

  • суть реструктуризації підприємства та його взаємозв’язок з якістю

кінцевої продукції.

  1. Підготуватися до проведення семінарського заняття.


ЛЕКЦІЯ 4
ІНСТРУМЕНТИ ДЛЯ АНАЛІЗУ ФАКТІВ ТА ПОДІЙ

Ключові питання до лекції
Основні характеристики статистичного ряду. Інструменти контролю якості: контрольний листок та гістограма, діаграма розкиду, діаграми Парето та Ісікави, карти Шухарта. Нові інструменти контролю: діаграми спорідненості та зв’язків.
Навчальні цілі
Провести огляд з основних характеристик статистичного ряду, що використовуються при обробці результатів аналізу даних. Розглянути суть та принципи побудови деяких інструментів контролю якості (методів аналізу даних як кількісного, так і якісного характеру), зокрема: контрольного листка, гістограми, діаграми розкиду, діаграми Парето, діаграми Ісікави, карт Шухарта, діаграми спорідненості, діаграми зв’язків.

4.1. Загальні положення

Одним з принципів TQM є прийняття рішень на основі фактів, а не інтуїції. Головні в цьому принципі труднощі – помилкові уявлення про процес. Щоб знайти реальну причину низької якості, треба організувати і провести пошук фактів, їх обробку і аналіз. Цими питаннями займається математична статистика. Першими успіху у використанні статистичних методів для поліпшення якості досягли японські вчені.

Багато з сучасних статистичних методів досить складні для сприйняття, а тим більше для широкого застосування всіма учасниками процесу. Японські вчені відібрали з всієї множини сім методів: контрольний листок; гістограму; діаграму розкиду; діаграму Парето; метод стратифікації; діаграму Ісікави; контрольну карту. Ці методи аналізу фактів в зарубіжній літературі відомі як 7 інструментів контролю якості.

Для аналізу певних процесів не обов’язково включати всі сім методів (достатньо кількох, можливо й одного). Проте, на думку японського фахівця з якості Ісікави, ці інструменти є необхідними і достатніми статистичними методами, застосування яких допомагає вирішити переважну більшість всіх виникаючих на виробництві проблем.

Зазначені методи аналізу використовуються для числових даних. Однак факти не завжди бувають числовими і це ускладнює їх аналіз. Для полегшення розв’язку такої задачі японські вчені розробили корисний набір інструментів, які отримали назву семи нових інструментів контролю якості (інша назва – 7 інструментів управління). До них відносяться: діаграма спорідненості; діаграма зв’язку; деревоподібна діаграма; матрична діаграма або таблиця якості; стрілочна діаграма; діаграма процесу реалізації програми; матриця пріоритетів. Збір вихідних даних для цих інструментів здійснюється в період “мозкових атак” (період прийняття відповідальних рішень з проблемних питань).

На сьогодні для України далеко не всі інструменти є актуальними, тому розглянемо тільки деякі. Але спочатку зупинимось на основних положеннях статистики, які потрібні надалі.


4.2. Статистичний ряд та його характеристики

Збір і обробка статистичних даних базується на застосуванні вибіркового методу. Вибіркою називають частину даних, отриманих з загальної (генеральною) сукупності, по відношенню до якої роблять відповідні висновки. Як правило, вибіркові дані – величини випадкові, тобто не мають точного значення (або точне значення визначити важко). Якщо вибірка добре представляє характеристики генеральної сукупності, то така вибірка називається представницькою або репрезентативною.

Зміна фіксованих значень випадкових величин може бути дискретною або неперервною (у відповідності з цим розрізняють дискретний та неперервний закони розподілу величини). Закон розподілу – це функція, яка з найбільшою точністю співпадає з огинаючою графіка кількості влучень випадкового процесу в інтервал спостереження. Найбільш часто в задачах менеджменту, економіки і якості зустрічаються дискретні розподіли.

Статистичний ряд характеризується деякими числовими значеннями, які відображають положення і розсіювання випадкової величини. Одним з основних таких значень є середня арифметична величина ,де хі – випадкові значення, n – число спостережень.

Оскільки середнє значення не враховує розсіювання спостережених значень, то в математичній статистиці вводиться ще один важливий клас значень, як-то дисперсія і стандартне відхилення.

Дисперсією називається величина, що показує, як тісно групуються окремі значення навколо середньої арифметичної. Так як у більшості випадків алгебраїчна сума відхилень від середнього наближається до нуля, то за міру розсіювання приймають суму квадратів відхилень окремих значень від середньої, поділеної на кількість інтервалів, тобто

σ ,

де n – число спостережень. Така дисперсія називається вибірковою.

Корінь квадратний з дисперсії називається стандартним відхиленням (СВ). Часто замість стандартного відхилення користуються середньо-квадратичним відхиленням (СКВ). В цьому випадку корінь квадратний обчислюють тільки з чисельника виразу для σ 2 .

Відношення стандартного відхилення до середньої арифметичної в % називається коефіцієнтом варіації: V =( σ / )·100 .
Найчастіше в практиці ВУЯ зустрічається гауссівський або нормальний закон розподілу. Широке розповсюдження цього закону пояснюється його відповідністю центральній граничній теоремі, яка включає 3 умови:

- випадкові величини повинні бути незалежними (або мало залежними);

- число випадкових величин повинно прагнути до ;

- серед випадкових величин повинні бути відсутніми ті, що превалюють (тобто відсутні різкі зміни випадкових величин від інтервалу до інтервалу).

Можна стверджувати, що якщо процес налагоджений і контролюється, то розподіл значень даного параметра якості буде близьким до гауссівського. Іще одна обмовка: замість визначення “крива розподілу випадкової величини” часто говорять “щільність ймовірності” випадкової величини. Ці два поняття еквівалентні і хоча перше визначення ближче до змісту кривої, друге історично застосовується частіше.

Отже, щільність ймовірності гаусівського закону визначається виразом

f(x)= ,
а графік функції має вигляд куполообразної кривої, яка симетрична відносно середнього значення М(х). При х = М(х) функція f(x) має максимальне значення .

Як випливає з формули Гаусса та її суті, площина під кривою f(x) в межах від - до + 1, тобто


Якщо, наприклад, дисперсія σ збільшується, функція F(x) по осі Х “розтягується” (амплітуда зменшується, схили кривої стають більш положистими), але площина так і буде дорівнювати 1.

Якщо функцію F(x) пронормувати по максимальному значенню, то при: x = М (х) ± σ F(x) = 0,683; x = М (х) ±σ F (x) = 0,954; x = М (х) ±σ F(x) = 0,997. Це означає, зокрема, що: між границями М (х) - 2 і М (х) + 2 знаходиться 95,4% суми всіх значень х, що спостерігаються, а між границями М (х) - 3 і М (х) + 3 знаходяться 99,7% таких значень (тобто в першому наближенні всі значення).

Повернемося тепер знову до інструментів контролю якості.

4.3. Контрольний листок та гістограма

Контрольний листок (КЛ)це інструмент для збору даних та їх упорядкування з метою полегшення подальшого використання зібраної інформації. Кількість різних КЛ обчислюється сотнями, але принцип оформлення залишається незмінним. Як приклад, на рис. 4.1 зображений КЛ для фіксування кількості вхідних листів до однієї з дирекцій “Укрпошти”, що надійшли з деяких країн СНД з перевищеними строками проходження. На основі зібраних даних складена таблиця сумарних перевищень (табл. 4.1).



Замічені перевищення

Відмічайте так: / // /// ////

Дата: 14 квітня 2015 р.

Оператор: Петренко В.І.

Тип поштових віправлень: вхідні листи

з Білорусі

///

з Росії

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

з Киргизії

//

з Вірменії

//// //

з Таджикистану

//// //// /

з Казахстану

////





Рис. 4.1. Контрольний листок

Таблиця 4.1

Сумарне число листів з перевищеними строками проходження



З яких країн

Число

перевищень

%

з Білорусі

3

7,5

з Росії

16

40

з Киргизії

2

5

з Вірменії

6

15

з Таджикистану

9

22,5

з Казахстану

4

10

Всього

40

100


При складанні КЛ треба прагнути до найбільш простої і наочної форми, зрозумілої без додаткових пояснень. Головне в КЛ – щоб всі дані були достовірні.
Гістограма – це графічний образ, який дає змогу наочно оцінювати розподілення статистичних даних, які представлені інтервальним рядом.

Крім гістограми застосовуються полігони і кумулятивні криві (іноді останню називають інтегральною кривою).

Полігони, як правило, застосовують для побудови функцій розподілу, з’єднуючи ординати відрізків гістограми неперервними лініями. Лінії проводять через середини інтервалів.

Кумулятивні криві представляють собою ломану лінію, що відображає накоплені частоти відмов. При цьому такі частоти відносяться не до середин інтервального ряду, а до верхніх меж кожного з них. Кумулятивні криві мають більш плавний характер змін, оскільки накопичення призводить до згладжування.

Розглянемо приклад побудови гістограми і полігону випадкового процесу, а також апроксимацію процесу гаусовою кривою.
Умова задачі (матеріал до практичного заняття 1)

За результатами роботи вузла звязку за рік була одержана табл. 4.2, в якій представлена кількість скарг від користувачів послуг по місяцях.
Таблиця 4.2

Місяці

1

2

3

4

5

6

7

8

9

10

11

12

Скарги

1

3

4

22

17

29

32

21

18

9

6

2



Залежність кількості скарг від часу – процес випадковий, близький до нормального (гауссова) розподілу. Треба:

  1. побудувати гістограму і полігон процесу;

  2. побудувати графічним способом гауссову криву, що з прийнятною для практики точністю апроксимує полігон;

  3. визначити параметри A, m, σ нормального закону.



Поділіться з Вашими друзьями:
1   2   3   4   5   6   7   8   9   ...   16


База даних захищена авторським правом ©divovo.in.ua 2017
звернутися до адміністрації

войти | регистрация
    Головна сторінка


загрузить материал